إطلاق منتج
٤ دقائق قراءة

إنفيديا تكشف Rubin وAlpamayo: مخطط متكامل للذكاء الاصطناعي في CES 2026

في كلمة الافتتاح بمنتجع Fontainebleau في لاس فيغاس وصف جيهسن هوانغ أن الذكاء الاصطناعي يعيد تشكيل الحوسبة. قدمت إنفيديا Rubin — منصة extreme‑codesigned تتضمن Rubin GPUs (50 petaflops NVFP4 inference)، Vera CPUs، شبكات NVLink 6 وSpectrum‑X، وDPUs وAI‑native storage. تقول الشركة إن المنصة تقلل تكلفة التوكن إلى حوالي عُشر التكلفة السابقة وتسرّع التدريب والاستدلال. إلى جانب ذلك كشفت عن Alpamayo، محفظة نماذج رؤية‑لغة‑فعل مفتوحة وAlpaSim لمحاكاة عالية الدقة مخصّصة للقيادة الذاتية، وأظهرت تعاونًا عمليًا مع مرسيدس‑بنز وDRIVE. كما تمّ استعراض DGX Spark كوحدة سطح مكتب سوبرحاسوبية لتشغيل وكلاء شخصية محليًا ودعم تحديثات ألعاب وتقنيات إنشاء المحتوى مثل DLSS 4.5. جميع الأرقام والمطالبات مأخوذة من عرض إنفيديا؛ تتطلب الادعاءات العملية اختبارات مستقلة ومواعيد نشر نهائية قبل قياس التأثير على نطاق واسع.

واتساب
إطلاق منتج · غلاف توضيحي للمقال

ما الذي أُعلن؟

  • Rubin: أعلنت إنفيديا عن منصة Rubin كخليفة لعمارة Blackwell، ووصفتها بأنها "extreme‑codesigned" مكوّنة من ست شرائح صممت معًا (GPUs، CPUs، شبكات، DPUs، تخزين AI‑native) ودخلت "الإنتاج الكامل"، بحسب العرض.
  • مواصفات بارزة (حسب إنفيديا): Rubin GPUs تقدم 50 petaflops من أداء NVFP4 للاستدلال؛ منصة التخزين AI‑native KV‑cache تُعلَن عنها كطبقة تسرّع السياقات الطويلة وتقدم تحسينات أداء/تكلفة/طاقة بمقدار ~5×.
  • خفض التكلفة المُعلَن: قالت إنفيديا إن المنصة تقلل تكلفة توليد التوكن إلى نحو عُشر تكلفة المنصة السابقة (مطالبة مُعلنة من الشركة).
  • Alpamayo وAlpaSim: محفظة نماذج رؤية‑لغة‑فعل (VLA) مفتوحة للقيادة الذاتية مع "Alpamayo R1" كنموذج قيادي وAlpaSim كخطة محاكاة مفتوحة للاختبار عالي الدقة. إنفيديا عرضت مثالًا لوظائف تسيير وقرار في مشهد مدينة مزدحم.
  • سيارات وشراكات: أعلنت إنفيديا أن أول سيارة ركاب مزودة بتقنيات Alpamayo على منصة DRIVE ستظهر في الطراز الجديد Mercedes‑Benz CLA وتكون على الطرق في الولايات المتحدة هذا العام (وفقًا لإنفيديا). كما استعرضت شراكات صناعية مع Siemens ومرجعيات لشركات مثل Palantir وServiceNow وBoston Dynamics.
  • أجهزة ومشاريع مطوّرين: DGX Spark لسطح المكتب مع تحسين حتى 2.6× للنماذج الكبيرة، وديمو لوكلاء شخصية محليين مجسّدين بروبوت Reachy Mini باستخدام نماذج من Hugging Face. تحديثات ألعاب وإنشاء محتوى شملت DLSS 4.5 وRTX Remix وG‑SYNC Pulsar.

لماذا هذا الإعلان مهم؟

  1. اقتصادات التدريب والاستدلال: إنفيديا تدّعي اختراقًا معماريًا ينتج عنه خفض كبير في تكلفة التوكن وزيادة عبر مستوى البنية (شرائح، شبكة، DPU، تخزين). لو تحققت هذه النِسَب على أرض الواقع فستغيّر معادلة التكلفة لتشغيل نماذج كبيرة وتسرّع اعتمادها التجاري.
  2. تكامل الأجهزة والبرمجيات: "extreme codesign" يعكس انتقالًا من ترقية شرائح فردية إلى تصميم متزامن للنظام الكامل — خطوة مهمة للتعامل مع اختناقات شبكية وتخزينية عند التوسيع إلى مقياس غرغولي (gigascale).
  3. فتح النماذج والمحاكاة: إطلاق Alpamayo وAlpaSim كمصادر مفتوحة يخفض عتبات البحث والتطوير للقيادة الذاتية ويتيح رقابة ومساعدة في التحقق والتجريب أكاديميًا وصناعياً.

ماذا يجب أن يعرف القارئ العربي؟

  • التأثير الإقليمي: عدة نتائج محتملة لأسواق الشرق الأوسط وشمال أفريقيا — خفض تكلفة التوكن قد يقلل من تكلفة استضافة وتشغيل تطبيقات الذكاء الاصطناعي في السحابات المحلية والمراكز البيانات الإقليمية، ونماذج مفتوحة مثل Alpamayo وCosmos يمكن أن تخدم مراكز بحث وشركات محلية.
  • محاذير عملية: جميع الأرقام (50 petaflops، 10× خفض تكلفة التوكن، 5× تحسينات التخزين) هي مطالبات من إنفيديا ضمن عرضها في CES؛ تتطلب تحققًا مستقلًا وقياسات أداء في مراكز بيانات حقيقية قبل القبول الكامل.
  • تبنّي المركبات الذاتية: إدخال سيارة مرسيدس‑بنز CLA مزودة بـAlpamayo إلى الطرق الأمريكية هذا العام هو إعلان مرحلي — انتشار المركبات الذاتية في الأسواق الإقليمية يعتمد على تراخيص، بنية تحتية، معايير السلامة والتعاون مع صانعي السيارات المحليين.

ما يعنيه هذا للمؤسسات والمطورين المحليين

  • المؤسسات السحابية ومراكز البيانات: إذا ثبتت وعود التكلفة والأداء فسيتغير حساب العائد على الاستثمار لعمليات التدريب والاستدلال الكبيرة، ما قد يُسرّع استثمارات مزوّدي السحابة والمشغلين المحليين.
  • المطورون والباحثون: النماذج المفتوحة (Alpamayo، Cosmos، وغيرها من محفظة إنفيديا) ومحاكاة AlpaSim تمنح إمكانية التجريب الميداني والوصول إلى بيانات ومحاكاة عالية الدقة دون الاعتماد الكامل على حلول مغلقة.

الخلاصة والقيود

عرض إنفيديا في CES 2026 ربط بين تطور معماري (Rubin) ومحفظة نماذج مفتوحة (Alpamayo، Cosmos) وتطبيقات فعلية (DGX Spark، شراكات مع مرسيدس‑بنز وSiemens). هذه الخطوة ذات دلالة عالية على مستوى الصناعة، لكنها تعتمد على تحقق المطالبات في قياسات مستقلة وعلى جداول نشر حقيقية قبل أن تؤثر عمليًا على السوق الإقليمي.

المصدر: عرض إنفيديا في CES 2026 وملصق الشركة — NVIDIA AI Blog — "2026 CES special presentation" (تقرير الشركة، 5 يناير 2026). جميع الأرقام والمطالبات في هذه المقالة مقتبسة من إعلان إنفيديا؛ يتطلب التأكد من الأثر العملي والرقمي اختبارات مستقلة ومواعيد نشر نهائية.

رابط المصدر: https://blogs.nvidia.com/blog/2026-ces-special-presentation/

انتهت القصة، لا السياق.

نحدّث تغطيتنا عندما تظهر معلومات موثوقة جديدة.

اقرأ أيضاً

قصص تكمل الصورة

كل الأخبار
بحث

بحث جديد: هل تستعيد نماذج اللغة الكبيرة قواعد تحسين يغفِلها المجمعون؟

ورقة arXiv تُقدّم SeGaBench، معيارًا تجريبيًا يختبر قدرة نماذج اللغة الكبيرة على استعادة «الدلالات المُمكنة» التي يغفلها تمثيل البرنامج لدى المجمع، وإنتاج تحويهات مُتحقّق منها تحسّن الأداء. أقوى نموذج حقق نسبة صحّة 94.8% وسرعات محسّنة في 83.3% من الإجابات، لكن النتائج غالبًا تغلق جزءًا فقط من الفجوة المثالية.

بحث

ما قبل التهيئة بالمنطق: تهيئة نماذج اللغة على استدلالات رسمية تُسرِّع التعلم وتُسهِم في ضغط النماذج

ورقة تقترح Logic-PPT: تهيئة أولية لنماذج اللغة على بيانات استدلال رسمية. على مقياس 100B توكين، تؤدي إلى اكتساب أسرع للمهارات اللغوية (80% دقة مع تقليل ~36B توكين) وتغيّر هندسة التمثيلات داخلياً بما يُسهِم في ضغط أفضل (مطابقة النموذج الكثيف عند ≈33% تشذيب). النتائج من الورقة على arXiv.