أنت تواجه بالفعل المشكلة التي تحلها الحوسبة عالية الأداء، حتى لو لم تكن تسميها بذلك. لديك توقعات تستغرق وقتًا طويلاً في التشغيل. ويصدر التقرير في وقت يكون فيه السياق قد تغير بالفعل. ونموذج واعد يتعلق بالطلب أو المخاطر أو التسعير يتوقف، ليس بسبب نقص البيانات، بل لأن وقت الحساب يجعله غير مفيدٍ للأعمال.
بالنسبة للعديد من الشركات الصغيرة والمتوسطة، لم يعد التحدي يكمن في جمع المعلومات. بل يكمن التحدي في تحويلها إلى قرارات في الوقت المناسب. وهنا يتوقفالحوسبة عالية الأداء عن أن تبدو موضوعًا مختبريًّا لتصبح مسألة إدارية: كم عدد عمليات المحاكاة التي يمكنك إجراؤها، وما مدى السرعة التي يمكنك بها تحديث التوقعات، وكم عدد البدائل التي يمكنك مقارنتها قبل أن يجبرك السوق على الاختيار.
في إيطاليا، يكتسب هذا الموضوع أيضًا أهمية استراتيجية وطنية. فقد تم تقديم الحاسوب الفائق «ليوناردو» التابع لمركز CINECA، الذي تم افتتاحه في بولونيا عام 2022 في إطار مبادرة EuroHPC، عند تركيبه باعتباره أحد أقوى الأنظمة في العالم، مما يشير إلى أن الحوسبة عالية الأداء (HPC) أصبحت الآن أداة دافعة للصناعة والبحوث التطبيقية، وليس فقط للأوساط الأكاديمية (نظرة عامة على سوق الحوسبة عالية الأداء وعلى نظام «ليوناردو»).
صباح يوم الاثنين. يطلب المدير التجاري توقعات جديدة بحلول فترة ما بعد الظهر، وترغب إدارة سلسلة التوريد في مراجعة مستويات المخزون قبل تأكيد الطلبات، ويطالب فريق الشؤون المالية بسيناريوهين، أحدهما متحفظ والآخر جريء، من أجل اجتماع اليوم التالي. البيانات متوفرة. المشكلة تكمن في الوقت اللازم لمعالجتها بشكل جيد.
وهذا هو بالضبط الغرض منالحوسبة عالية الأداء: إجراء العديد من العمليات الحسابية المعقدة في آن واحد، للحصول على إجابات مفيدة في الوقت الذي تكون فيه مطلوبة. وبالنسبة للشركات الصغيرة والمتوسطة، لا يكمن الهدف في امتلاك حاسوب عملاق، بل في تجنب أن تؤدي التحليلات البطيئة إلى إبطاء اتخاذ القرارات التي لها تأثير مباشر على هوامش الربح والخدمة والمخزون.
يعمل النظام التقليدي بطريقة أكثر خطية. أما الحوسبة عالية الأداء (HPC) فتوزع العبء بين عدة موارد منسقة، تمامًا كما يفعل فريق منظم جيدًا في مواجهة موعد نهائي ضيق. والنتيجة ليست السرعة فحسب، بل هي القدرة على اختبار المزيد من الفرضيات، وتحديث التوقعات بشكل أكثر تواترًا، واتخاذ القرارات بدقة أكبر.
في ELECTE، نرى ذلك في سياقات ملموسة للغاية. فإعادة حساب التوقعات بسرعة أكبر تساعد على الحد من حالات نفاد المخزون وزيادة المخزون. كما أن محرك التحسين الأسرع يتيح مقارنة سيناريوهات مختلفة قبل تخصيص الميزانية أو المخزون أو القدرات التشغيلية. وبشكل عملي، يصبح الحساب أداة إدارية، وليس مجرد مسألة تخص قسم تكنولوجيا المعلومات.
يُعتبر الحوسبة عالية الأداء (HPC) فعالة عندما يكون التأخر في إجراء التحليل أكثر تكلفة من إجرائه بشكل متوازٍ.
من المفاهيم الخاطئة الشائعة بين المديرين ربط الحوسبة عالية الأداء (HPC) فقط بكميات هائلة من البيانات. ففي القرارات المؤسسية، غالبًا ما يظهر الحد الأقصى قبل ذلك، عندما تزداد تعقيدات المشكلة المطلوب حلها.
يحدث ذلك، على سبيل المثال، عندما يتعين على مجموعة بيانات يمكن التعامل معها بشكل عام أن تغذي عمليات حسابية أكثر تعقيدًا بكثير من مجرد إعداد التقارير. وفيما يلي بعض الحالات النموذجية:
السؤال الصحيح هنا ليس «كم لدي من بيانات؟»، بل «ما هي تكلفة اتخاذ القرار بناءً على نموذج مبسط أو بناءً على نتائج تأتي متأخرة جدًّا؟».
من الناحية التقنية، تجمع الحوسبة عالية الأداء (HPC) بين العديد من الموارد الحاسوبية للتعامل مع عمليات معالجة قد تستغرق وقتًا أطول أو تواجه قيودًا أكبر لو تمت على جهاز واحد. أما من منظور الشركات الصغيرة والمتوسطة، فإن الأمر أبسط: توقعات متاحة في وقت أبكر، ومحاكاة أكثر تواترًا، وخطط مخزون مُعدَّلة بشكل أفضل، ووقت انتظار أقل بين طلب العمل والاستجابة الموثوقة.
وهنا يتغير المنظور مقارنة بالمحتويات الأكثر أكاديمية حول هذا الموضوع. بالنسبة للشركات الصغيرة أو المتوسطة، لا تعني الحوسبة عالية الأداء (HPC) الدخول إلى عالم مراكز الأبحاث. بل تعني استخدام قدرة حاسوبية قابلة للتوسع لحل المشكلات المؤسسية المعقدة، دون الحاجة إلى تشكيل فريق من المهندسين من الصفر أو إنشاء بنية تحتية يصعب إدارتها. وهذا هو النوع من النهج الذي تجعله منصات مثل ELECTE قابلاً للتطبيق حتى خارج نطاق المؤسسات الكبرى.
يعمل الحوسبة عالية الأداء (HPC) بفضل عدة مكونات تعمل معًا. والمصطلحات الثلاثة التي تهم حقًّا هي «الكلاستر» و«وحدة معالجة الرسومات » و«السحابة».
يجمع الكلستر بين عدة أجهزة، تُسمى «العقد»، لتنفيذ نفس المهمة بشكل متوازٍ. عمليًّا، تُقسَّم المهمة التي تكون ثقيلة جدًّا على خادم واحد إلى أجزاء أصغر وتُوكَّل إلى عدة عقد متناسقة فيما بينها. وبالنسبة للمدير، فإن الجوهر هنا ليس تقنيًّا بل تشغيليًّا: تقليل وقت الانتظار بين طلب إجراء تحليل واتخاذ قرار بشأن المخزون أو التسعير أو التنبؤات.
في ELECTE، يُعد هذا المبدأ مفيدًا، على سبيل المثال، عندما يتعين على شركة ما إعادة حساب التوقعات بناءً على العديد من التركيبات المختلفة للمنتج ونقطة البيع والفترة الزمنية. فإذا بقيت المهمة محصورة على جهاز واحد، فإن المدة الزمنية اللازمة تنطوي على تأخير، ويميل الفريق إلى إجراء عدد أقل من عمليات المحاكاة. أما إذا تم توزيع الحمل، يصبح من الممكن مقارنة سيناريوهات متعددة في نفس دورة اتخاذ القرار.
تُستخدم وحدات معالجة الرسومات (GPU) لنوع آخر من التسريع. فهي فعالة للغاية عندما يتعين تكرار نفس النوع من الحسابات مرات عديدة، كما هو الحال في التعلم الآلي، وفي بعض عمليات التحسين، وفي جزء من التحليلات المتقدمة. والنتيجة العملية واضحة: تدريب النماذج أو اختبارها بسرعة أكبر، وتحديث التوقعات في وقت أبكر، وتقليل الوقت الفاصل بين الفرضية والتحقق منها.
تضيف الحوسبة عالية الأداء (HPC) السحابية مرونة إلى القدرات الحاسوبية. فبدلاً من شراء موارد مصممة لتلبية ذروة الطلب السنوية، يمكن للشركة تفعيلها في الأوقات التي تحتاجها فعليًّا. بالنسبة للشركات الصغيرة والمتوسطة، غالبًا ما يمثل ذلك الفرق بين التخلي عن إجراء تحليل معقد وإجرائه في الوقت المناسب، دون الحاجة إلى إنشاء بنية تحتية داخلية يصعب صيانتها. إذا كنت ترغب في توضيح كيفية تصنيف نماذج تقديم الخدمات هذه، فقد يكون من المفيد الاطلاع على هذا المقال التفصيلي حول IaaS وPaaS وSaaS في السحابة.
في الممارسة العملية للشركات، نادرًا ما يكون الخيار الأفضل هو الاعتماد على بنية واحدة فقط. فالأهم هو الجمع بين الموارد بشكل جيد.
توفر البيئة المحلية تحكمًا مباشرًا وقابلية للتنبؤ، وفي بعض الحالات، زمن انتقال أكثر قابلية للإدارة. أما السحابة فتضيف قدرات حسب الطلب. وتعمل وحدات معالجة الرسومات (GPU) على تسريع الأحمال المناسبة للتوازي المكثف. وتقوم المجموعات بتوزيع العمل بين عدة عقد. وتنشأ البنية الهجينة من هذا المزيج بالذات، الذي يتم بناؤه بناءً على نوع التحليل، وتواتر فترات الذروة، وقيود الحوكمة.
بالنسبة للشركات الصغيرة والمتوسطة، فإن المعيار الصحيح بسيط. إذا كانت العمليات لديك مستقرة ومتكررة وتستجيب لمتطلبات سرعة الاستجابة، فقد يكون من المنطقي استخدام منصة محلية. أما إذا ارتفعت أحمال العمل في أوقات معينة، مثل إقفال الفترات المالية أو إعادة التوقعات أو عمليات المحاكاة الاستثنائية، فإن السحابة تتيح زيادة السعة دون تجميد الميزانية على مدار العام.
وهناك نقطة أخرى غالبًا ما تسبب الارتباك. فالتوسع لا يعني فقط إضافة نوى أو خوادم. ففي حمل العمل الفعلي، تلعب الشبكة والذاكرة والتخزين دورًا مهمًا أيضًا، لأن العقد يجب أن تتبادل البيانات بسرعة وبشكل منظم. توضح التفسيرات التقنية لمراكز بيانات الحوسبة عالية الأداء (HPC) هذا المبدأ جيدًا، لا سيما في العلاقة بين العقد والربط البيني والذاكرة (مزيد من التفاصيل حول العقد والربط البيني والذاكرة في مراكز بيانات الحوسبة عالية الأداء).
وبتعبير إداري، فإن البنية المناسبة هي تلك التي تقلل من الاختناقات التي تبطئ سير الأعمال. فلا حاجة إلى حاسوب عملاق من نوعية تلك الموجودة في المختبرات. بل ما نحتاجه هو تكوين قابل للتوسع يتيح إجراء تحليلات أكثر تواترًا، وتوقعات أسرع، واتخاذ قرارات تشغيلية تستند إلى بيانات أفضل. وهنا تكمن أهمية منصات مثل ELECTE التي تجعل الحوسبة عالية الأداء (HPC) في متناول الشركات التي لا تمتلك فريقًا داخليًّا من المهندسين المتخصصين.
غالبًا ما يتم الخلط بين هذه المصطلحات الثلاثة، لكنها تشير إلى مستويات مختلفة من نفس الواقع.
هناك عبارة بسيطة تساعد على التمييز بينها. الحوسبة عالية الأداء (HPC) هي المحرك. السحابة هي طريقة الوصول. الحوسبة القائمة على الذكاء الاصطناعي (AI compute) هي نوع الرحلة التي تقوم بها.
| المظهر | HPC | الحوسبة السحابية | الحوسبة القائمة على الذكاء الاصطناعي |
|---|---|---|---|
| السؤال الذي يجيب عليه | كيف يمكنني تسريع الحسابات المكثفة؟ | من أين أحصل على موارد مرنة؟ | ما نوع المعالجة التي أقوم بها؟ |
| الاستخدام النموذجي | المحاكاة، والتنبؤ المعقد، والتحسين | بيئات مرنة، توفير سريع، سعة قصوى مؤقتة | التدريب والاستدلال في نماذج التعلم الآلي |
| الميزة الإدارية | يقلل من وقت التنفيذ | تجنب الاستثمارات غير المرنة التي تستهدف ارتفاعات غير مستمرة | اكتشف تطبيقات الذكاء الاصطناعي |
| العلاقة مع الآخرين | يمكن تشغيله محليًّا أو في السحابة | يمكنها استيعاب أحمال عمل الحوسبة عالية الأداء (HPC) والذكاء الاصطناعي (AI) | غالبًا ما يستخدم البنية التحتية للحوسبة عالية الأداء (HPC) |
إذا كنت تفكر في الاستعانة بخدمات رقمية أوسع نطاقًا، فقد يساعدك أيضًا توضيح الفرق بين نماذج البنية التحتية ونماذج التطبيقات، مثل IaaS وPaaS وSaaS، في بنى السحابة.
لا تعني «السحابة» بالضرورة «الحوسبة عالية الأداء» (HPC). كما أن «الذكاء الاصطناعي» لا يعني بالضرورة بنية مصممة جيدًا.
وبالتالي، فإن إنشاء مجموعة حوسبة عالية الأداء (HPC) في السحابة أمر ممكن. كما أن تشغيل أحمال الذكاء الاصطناعي (AI) على بنية تحتية للحوسبة عالية الأداء (HPC) أمر معتاد. أما بيئة السحابة العامة، فهي ليست بالضرورة مناسبة للمهام التي تتطلب توازيًّا مكثفًا، وبرامج جدولة، ومسرعات، ومعدل نقل بيانات ثابتًا.
من أوضح الطرق لفهم قيمة الحوسبة عالية الأداء (HPC) هي ملاحظة ما يحدث عندما تصبح أوقات المعالجة غير مقبولة بالنسبة للأعمال.
في مشروع تجزئة أشرفت عليه شركة ELECTE، كان على عميل يمتلك 42 نقطة بيع إعادة حساب توقعات الطلب الأسبوعية لـ 8,600 SKU، مع مراعاة العوامل الموسمية والعروض الترويجية وتأثيرات التقويم وتآكل المبيعات بين المنتجات. كانت العملية السابقة، التي كانت تعتمد على نصوص برمجية متسلسلة بلغة Python على خادم واحد، تستغرق حوالي 50 ساعة لإكمال دورة كاملة. وبعد الانتقال إلى بنية موزعة مع معالجة متوازية حسب مجموعات المنتجات، انخفض الوقت إلى 4 ساعات.
لم تكن السرعة هي الميزة الأهم وحدها. بل كانت الميزة التنظيمية. فقد أصبح بإمكان الفريق إعادة تشغيل النموذج بشكل أكثر تكرارًا، بدلاً من العمل بتوقعات قديمة عند وصولها إلى مديري الفئات.
وهذا يؤثر على قرارات ملموسة للغاية:
في قطاع الطاقة، تعاملت شركة ELECTE مع حالة لم يكن فيها «البيانات الضخمة» بالمعنى التقليدي هي العقبة الرئيسية. تضمنت مجموعة البيانات 14 مليون سجل لاستهلاك الطاقة بالساعة موزعة على 36 شهراً، تم ربطها بمتغيرات الطقس والتعريفات والقدرة الإنتاجية. وتطلب نموذج التنبؤ تحسين أكثر من 200 تركيبة من المعلمات الفائقة في خمس خوارزميات في آن واحد.
على جهاز واحد مزود بذاكرة وصول عشوائي (RAM) سعة 32 جيجابايت، كانت العملية تتوقف بعد 18 ساعة دون إكمال البحث الشبكي. وبتوزيع الحمل على مجموعة من الأجهزة تضم 128 وحدة معالجة مركزية افتراضية (vCPU) وذاكرة وصول عشوائي (RAM) إجمالية تبلغ 512 جيجابايت، تم إنهاء مسار المعالجة بأكمله في أقل من 3 ساعات.
هنا يتضح الأمر جيدًا: لا تنبع قيمة الحوسبة عالية الأداء (HPC) من حجم البيانات فحسب، بل تنبع من التعقيد التوافقي للمشكلة.
بالنسبة لمن يديرون الشركات الصغيرة والمتوسطة، فإن هذه الأمثلة أكثر قيمة من أي تعريف تقني. فهي تُظهر أن الحوسبة عالية الأداء (HPC) تُحسّن أداء الأعمال عندما تُقصر المدة الزمنية بين الطلب واتخاذ القرار.
هناك أيضًا مسألة تتعلق بمدى نضج السوق. ففي إيطاليا، في عام 2024، أفادت 5,7% فقط من الشركات التي تضم 10 موظفين على الأقل بأنها تستخدم الذكاء الاصطناعي، مقابل متوسط يبلغ 13,5% على مستوى الاتحاد الأوروبي (بيانات حول اعتماد الذكاء الاصطناعي في الشركات الإيطالية). ويشكل هذا الفارق مشكلة، ولكنه يمثل أيضًا فرصة لمن يدمجون التحليلات والذكاء الاصطناعي في عمليات الإنتاج بسرعة أكبر.
لفهم سبب عدم كفاية حجم البيانات وحده لتفسير هذه السيناريوهات، من المفيد التمييز بوضوح بين الحالات التي تتطلب بالفعل التحليل الموزع وأعباء العمل العادية في مجال ذكاء الأعمال. ويُعد هذا المقال التفصيلي حول تحليلات البيانات الضخمة والتعقيد التحليلي نقطة انطلاق جيدة في هذا الصدد.
العقبة الحقيقية التي تحول دون اعتماد الحوسبة عالية الأداء (HPC) في الشركات الصغيرة والمتوسطة ليست في فهم الحاجة إليها، بل في إدارتها دون تحويل كل مشروع تحليلي إلى مشروع بنية تحتية.
وهنا يأتي دور نهج ELECTE. فالمنصة تفصل تجربة المستخدم عن التعقيدات التقنية. فمستخدمو النظام يرون البيانات والنماذج والتقارير والرؤى. ولا يتعين عليهم تحديد مكان جدولة مهمة ما، أو كيفية توزيع إطار البيانات، أو أي عقدة تمتلك مساحة كافية من الذاكرة الحرة.
وهذا يغير الجدوى الاقتصادية للحوسبة عالية الأداء (HPC). ليس لأن الحوسبة تصبح مجانية بشكل سحري، بل لأن التكلفة التشغيلية للتعقيد تنخفض. عمليًّا، يحصل المدير على القوة الحاسوبية عند الحاجة دون الحاجة إلى إنشاء قسم هندسي مخصص.
وراء الكواليس، تستخدم ELECTE مجموعة تقنيات مصممة للتوسع دون الحاجة إلى إعادة كتابة المنطق عند زيادة حجم البيانات أو التعقيد:
فيما يتعلق بالتنبؤ، تعمل النماذج الخاصة بشركة ELECTE على طبقة تنسيق تقرر تلقائيًا ما إذا كان سيتم تنفيذ العمليات محليًّا أو توزيع الحمل على المجموعة، بناءً على حجم المدخلات ومدى تعقيد مسار المعالجة.
ملاحظة عملية: الخيار الأفضل هو عدم الارتباط بإطار عمل واحد فقط. بل بناء بنية قابلة للاستبدال، بحيث يمكن للمنصة أن تتطور دون الحاجة إلى إعادة صياغة القيمة التجارية.
لهذا النهج تأثير ملموس للغاية بالنسبة للشركات الصغيرة والمتوسطة. فالفريق لا يشتري «قدرة» مجردة، بل يشتري الاستمرارية التحليلية. فإذا توسعت حالة الاستخدام، تتوسع البنية التحتية. أما إذا انخفض الحمل، فلن تبقى هناك آلة ذات سعة زائدة تستهلك الميزانية وتستحوذ على الاهتمام.
السؤال الصحيح ليس «كم تبلغ تكلفة الحوسبة عالية الأداء (HPC)؟». بل السؤال الصحيح هو «ما هي التكوينات التي تحتاجها أحمال العمل الفعلية لديّ حقًّا؟».
تُظهر تجربة ELECTE قاعدة عملية للغاية: لا ينبغي تحديد السعة استنادًا إلى الذروة الدائمة. فمعظم الشركات الصغيرة والمتوسطة لديها أحمال متقطعة. ولا تتطلب التوقعات، والإقفالات الفصلية، وإعادة الحسابات المخصصة، وعمليات المحاكاة نفس الكثافة كل يوم.
بالنسبة للعميل النموذجي الذي يمتلك مجموعة بيانات تتراوح بين 5 و50 مليون سجل، يمكن أن تتراوح تكلفة البنية التحتية بين 400 و1,200 يورو شهريًّا، مع وجود مجموعة أساسية تغطي معظم الاحتياجات، بالإضافة إلى سعة إضافية حسب الطلب لتلبية فترات الذروة. أما الخطأ الأكثر شيوعًا فهو العكس تمامًا: شراء سعة «تحسبًا لأي طارئ» ليجد العميل نفسه في نهاية المطاف بجزء كبير من البنية التحتية غير مستخدم طوال معظم العام.
قائمة مرجعية مفيدة لاتخاذ القرار:
لا يمكن أن تكون الأمن مجرد إضافة لاحقة. في عام 2024، سجلت الوكالة الوطنية للأمن السيبراني زيادة بنسبة 40% في الأحداث السيبرانية و45% في الحوادث المؤكدة مقارنة بعام 2023 (بيانات الوكالة الوطنية للأمن السيبراني الواردة في المرجع المشار إليه). وهذا يكفي لتوضيح أمر واحد: يجب أن تكون منصة الحوسبة عالية الأداء آمنة منذ مرحلة التصميم الأولي.
بالنسبة للأماكن الخاضعة للتحكم أو الحساسة، يُنصح بالتحقق من الجوانب التالية على الأقل:
| المنطقة | سؤال إداري |
|---|---|
| التجزئة | هل يتم فصل أحمال العمل الحرجة عن بقية البنية التحتية؟ |
| مكان تخزين البيانات | هل تعرف أين توجد البيانات وأين تتم معالجتها؟ |
| التدقيق | هل يمكنك تحديد من قام بماذا ومتى؟ |
| قابلية التوسع | هل يتم الاحتفاظ بنفس عناصر التحكم عند زيادة الحمولة؟ |
التكامل لا يقل أهمية عن الأمان. فإذا بقيت حوسبة الأداء العالي (HPC) معزولة، فسوف ينتهي بها الأمر إلى عدم الاستفادة منها بشكل كافٍ. أما إذا تم دمجها في تدفق البيانات المؤسسية، فستصبح أداة فعالة ومستمرة. ولتفهم كيفية ربط التحليلات المتقدمة بالأنظمة الحالية، يمكن أن يساعدك تقييم خيارات تكامل البيانات والتطبيقات المتوفرة في ELECTE.
لم يعد الحوسبة عالية الأداء مجالًا بعيدًا عن واقع الشركات الصغيرة والمتوسطة. إنه حل ملموس لمشكلة شائعة جدًّا: لديك بيانات، ولديك نماذج، ولديك أسئلة مهمة، لكن ليس لديك الوقت الكافي لتحويلها إلى قرارات مفيدة.
النقطة الأساسية التي يجب تذكرها بسيطة. تصبح الحوسبة عالية الأداء (HPC) ذات قيمة عندما تزداد التعقيدات التحليلية. لا داعي للسعي وراء فكرة الحاسوب الفائق. بل يجب فهم المجالات التي يمكن فيها للحساب المتوازي أن يقصر الدورة بين الرؤية والتحرك.
إذا كنت تفكر في الخطوات التالية، فابدأ على النحو التالي:
عندما تصبح عمليات التنبؤ والتحسين والذكاء الاصطناعي أسرع، تتغير أيضًا الطريقة التي تعمل بها الشركة. لم تعد القرارات تنتظر صدور التقارير. بل أصبحت التقارير تتماشى مع وتيرة العمل.
إذا كنت ترغب في تحويل البيانات المعقدة إلى رؤى واضحة دون الحاجة إلى إدارة البنية التحتية الأساسية، فاطلع على ELECTE، المنصة المدعومة بالذكاء الاصطناعي لتحليل البيانات والمخصصة للشركات الصغيرة والمتوسطة. يمكنك الاطلاع على كيفية أتمتة إعداد التقارير والتوقعات والتحليلات المتقدمة من خلال تجربة مصممة خصيصًا لفرق العمل في الشركات، وليس للمتخصصين التقنيين فقط.
.svg)
.svg)
.svg)
