الاثنين، 12 أكتوبر 2026

الرقائق والعتاد

Lola Vision تبني رقائق وبرمجيات لتسريع تشغيل الذكاء الاصطناعي على الأجهزة

انطلقت Lola Vision Systems في عام 2024، وجمعت أكثر بقليل من 1 مليون دولار لتطوير "سلسلة أدوات تجميع" من البرمجيات والرقائق تُقلّص وقت تهيئة الذكاء الاصطناعي على الأجهزة.

Dark gradient background featuring the Lola Vision Systems logo and subtitle Edge AI for Mission-Critical Applications.
صورة: Lola Vision Systems

عمل Tayo Adesanya قرابة 12 عاماً في مجال الرقائق الدقيقة ومعالجات الذكاء الاصطناعي، وساعد بشكل أساسي كبرى الشركات المصنّعة على تحديد الرقائق التي تستخدمها في أجهزتها - وهي فترة يقول إنها أعطته رؤية مبكرة لوجهة الطلب في سوق الحوسبة الخاصة بالذكاء الاصطناعي. وفي عام 2024، أطلق Lola Vision Systems، شركة بنية تحتية للذكاء الاصطناعي تطوّر برمجيات ورقائق لتشغيل نماذج الذكاء الاصطناعي على الأجهزة.

المنتج الأساسي للشركة هو “سلسلة أدوات تجميع” (compiler toolchain)، وهي برمجية تترجم نموذج الذكاء الاصطناعي إلى تعليمات يمكن لرقاقة معينة تنفيذها. ويقول Adesanya إن هذه العقبة ضخمة: فإعداد نموذج ذكاء اصطناعي يدوياً على عتاد جديد قد يستغرق نحو 200 ساعة فقط للبدء بإجراء الاختبارات. وتقول Lola Vision إنها أعادت بناء تلك الطبقة البرمجية، وتعمل أيضاً على تطوير رقائق أشباه موصلات خاصة بها، بهدف أتمتة جزء أكبر من العملية. ويزوّد العميل الشركة بشيفرته ونموذج الذكاء الاصطناعي الذي يريد استخدامه -مطوّراً خصيصاً أو مفتوح المصدر- فتترجم البرمجية كلاهما إلى تعليمات يمكن لرقاقة العميل تنفيذها.

ويرى Adesanya أن السرعة ليست سوى جزء من الفائدة: فالتهيئة الأسرع تمنح شركات الطيران والفضاء وشركات أخرى ذات مهام حرجة وقتاً أطول لتشغيل نماذج أكثر دقة على بياناتها الخاصة، وباستهلاك أقل للطاقة. وقال: “بالنسبة لهؤلاء العملاء، الدقة والموثوقية ليستا رفاهية. إنهما تحددان ما إذا كان المنتج سيمر بمراجعة تنظيمية وما إذا كان سيعمل بشكل موثوق في الميدان.”

وتقع Lola Vision في واشنطن العاصمة، وهي واحدة من عدة شركات ناشئة تقدّم بديلاً لتقنية Nvidia لتشغيل الذكاء الاصطناعي على الأجهزة. ويقول Adesanya إن كثيراً من الشركات تبدأ عادة بوحدات Jetson من Nvidia أو بنماذج ذكاء اصطناعي مفتوحة المصدر، وهي غالباً ما تتعطل أو تعمل بشكل ضعيف من البداية، ما يضطر الفرق إلى قضاء أيام أو أسابيع فقط لتشغيلها، وأسابيع أخرى لتصحيح أخطائها. وحتى في تلك الحالة، كما يقول، غالباً ما يتجاوز استهلاك الطاقة موازنات الحوسبة الطرفية (edge computing)، أو لا يستطيع اللوح تقديم قدرة حوسبة كافية للنماذج التي يحتاجها المنتج فعلياً، ما يجعل نماذج التعرّف تتأخر عن الأهداف المحددة أو تخطئ في قراءة الأجسام.

ووقّعت دزينة من العملاء من الشركات خطابات تعرب عن اهتمامها بشراء رقائق Lola Vision حين تصبح متوفرة، وتملك الشركة بالفعل عميلاً واحداً وقّع فعلياً. كما تشارك الشركة مع SCALE، برنامج لتطوير القوى العاملة في مجال الإلكترونيات الدقيقة، للعمل مع مزيد من مختبرات أشباه الموصلات. وقال Adesanya إنه من أجل تحقيق إيرادات بشكل أسرع، ستبدأ الشركة الآن بترخيص برمجياتها للعمل على عتاد موجود حالياً بدلاً من الانتظار حتى تصنيع رقائقها الخاصة. وجمعت Lola Vision أكثر بقليل من 1 مليون دولار في إجمالي تمويلها حتى الآن، واختيرت للمشاركة في برنامج TechCrunch Battlefield 200 لهذا العام، وهو برنامج يضم 200 شركة ناشئة.

لماذا يهم

رهان Lola Vision هو أنه مع تزايد اتجاه قطاعات أكثر إلى تشغيل نماذج الذكاء الاصطناعي على الكاميرات والطائرات المسيّرة وأجهزة طرفية أخرى، فإن طبقة البرمجيات التي تُشغّل نموذجاً على رقاقة معينة -وليس الرقاقة نفسها فقط- هي التي تصبح المشكلة الأصعب والأكثر قيمة لحلّها.