عملاق التكنولوجيا مايكروسوفت أطلق مؤخرًا أرقامًا مهمة حول أداء استنتاج الذكاء الاصطناعي. سجل معيار الأداء الأخير لديهم 1.1 مليون رمز في الثانية عند التشغيل على رف Nvidia GB300 NLV72 واحد—محققًا رقمًا قياسيًا جديدًا يتجاوز الرقم الذي وضعوه بأنفسهم وهو 865,000 رمز/ثانية مع إعداد GB200.

هذا النوع من القفز في القدرة الإنتاجية مهم أكثر مما تشير الأرقام. نحن نتحدث عن البنية التحتية الأساسية التي تدعم كل شيء من نماذج اللغة إلى التطبيقات المحتملة للذكاء الاصطناعي اللامركزية. استنتاج أسرع يعني زمن استجابة أقل، وقابلية توسعة أفضل، وفي النهاية تكاليف حساب أقل—عوامل تؤثر مباشرة على كيفية دمج الذكاء الاصطناعي في الأنظمة الواقعية.

يُظهر هيكل GB300 قفزة واضحة في القدرة على المعالجة الخام. لأي شخص يراقب تقاطع الذكاء الاصطناعي والأنظمة الموزعة، تشير هذه المكاسب في الأداء إلى الاتجاه الذي يتجه إليه طبقة الحوسبة. وفي مساحة حيث الملليثانية وتكلفة كل رمز مهمة، فإن تحسينات الكفاءة بهذا الحجم ليست مجرد إنجازات مثيرة للإعجاب—بل هي أساسيات.