الذكاء الاصطناعي: فرصة التخزين الاستراتيجية التي لم تُدرك قيمتها الحقيقية

عادة ما يتمحور النقاش حول البنية التحتية للذكاء الاصطناعي حول تكلفة مراكز البيانات، ومتطلبات الطاقة، والقدرة الحاسوبية اللازمة لتدريب وتشغيل النماذج، بما في ذلك وحدات معالجة الرسوميات (GPUs) والتخزين عالي الأداء. وهذا ليس مستغربًا بالنظر إلى أرقام الاستثمار الهائلة التي تتصدر العناوين. يمكنكم قراءة المزيد عن جاهزية البنية التحتية للذكاء الاصطناعي في مقالنا الآخر.

السلعة الأساسية الأخرى، بالطبع، هي البيانات التي تغذي هذه النماذج. وفقًا لتقرير مؤشر الذكاء الاصطناعي لعام 2025 الصادر عن جامعة ستانفورد، تتضاعف أحجام مجموعات البيانات المستخدمة لتدريب نماذج اللغات الكبيرة (LLMs) كل ثمانية أشهر. من الناحية العملية، مع بناء كل نموذج، تنتقل بعض البيانات بسرعة إلى بيئات التنظيم وتطوير النماذج، حيث يُعد الوصول السريع أمرًا ضروريًا.

لكن جزءًا كبيرًا منها سينتظر وقتًا أطول بينما تحدد الفرق مدى ملاءمته لحالة استخدام معينة للذكاء الاصطناعي – فهي لا تبقى خاملة، بل تُحفظ بأمان وتكون جاهزة للانتقال بسرعة إلى مسارات التنظيم والتدريب والتحويل عند الحاجة.

من منظور التخزين، يثير هذا نقطة يسهل التغاضي عنها: وهي أن مجموعة البيانات لا تحتاج إلى نفس مستوى الأداء في كل مرحلة من مراحل مسار عمل الذكاء الاصطناعي. المهم هو أن تكون جاهزة عند الحاجة إليها – وليس أن تبقى على بنية تحتية عالية الأداء ومتاحة دائمًا طوال الوقت، وهو ما يصبح مكلفًا بلا داعٍ على نطاق واسع.

السؤال الذي يطرح نفسه على مخططي البنية التحتية، إذن، ليس ما إذا كان الذكاء الاصطناعي يحتاج إلى تخزين سريع، بل أين يجب على المؤسسات الاحتفاظ بمجموعات البيانات الضخمة جدًا التي ستكون مطلوبة في المستقبل، قبل أن تصبح جاهزة للمعالجة. هذا الاختيار استراتيجي، وليس مجرد مسألة تنظيمية روتينية.

يجب أن يحافظ المستوى الصحيح للسعة التخزينية على البيانات محمية وقابلة للاسترداد بسهولة ضمن مسارات عمل الذكاء الاصطناعي والتدريب والتحويل، ويوفر الأداء فقط حيث يتم العمل فعليًا، ويعيد الفارق إلى الميزانية.

محفظة بياناتك كميزة استراتيجية

بما أن مهمة كل مؤسسة تختلف عن الأخرى، فإن كل واحدة منها ستكون في مرحلة مختلفة من رحلة الذكاء الاصطناعي. فقد سار البعض بخطى سريعة مع أنظمة قيد الإنتاج بالفعل، بينما يواصل الكثيرون استكشاف كيف يمكن للبيانات التي يمتلكونها بالفعل أن تدعم مبادرات الذكاء الاصطناعي – مثل المستندات والصور ومقاطع الفيديو والسجلات التشغيلية والمعلومات التي يتم جمعها عبر الأنظمة المتصلة؛ والقائمة تطول.

لهذا السبب، أصبحت معرفة بياناتك الخاصة تتحول بسرعة إلى ميزة تنافسية بدلاً من كونها مجرد مهمة روتينية لقسم تكنولوجيا المعلومات. فالنماذج متاحة للجميع، لذا فإن البيانات الخاصة بك هي ميزتك التنافسية – إذا تمكنت من الوصول إليها واستخدامها على نطاق واسع.

المؤسسات التي ستتحرك بأسرع ما يمكن هي تلك التي تعرف بالفعل ما تملكه، وأين توجد هذه البيانات، ومدى سرعة توظيفها. إن تقصير المسافة بين سؤال العمل والبيانات التي تجيب عليه أصبح الآن مقياسًا لمدى سرعة الشركة في التنفيذ والنجاح. للمزيد حول جاهزية البنية التحتية للذكاء الاصطناعي، يمكنك قراءة مقالنا: وقت التشغيل: المعيار الجديد لجاهزية البنية التحتية للذكاء الاصطناعي.

لذلك، فالبيانات ليست مجرد مدخل للذكاء الاصطناعي: بل هي ما يشكل النموذج. فكلما زادت البيانات الخاصة بالمؤسسة التي يمكنها توظيفها، أصبحت الأدوات الناتجة أكثر دقة وتحديدًا، وهذا هو السبب في أن الافتراض الأساسي يجب أن يكون أن أي شيء تقريبًا تملكه الشركة قد يكون مفيدًا.

كان النهج التقليدي يتمثل في الاحتفاظ بمجموعات البيانات الكبيرة في بحيرة بيانات قائمة على الأقراص حتى الحاجة إليها لمزيد من المعالجة. ومع ذلك، مع تزايد حجم مجموعات البيانات، يمكن أن ترتفع التكلفة أيضًا. إذا كان يجب أن تعيش كل مجموعة بيانات مرشحة على بنية تحتية عالية الأداء تعمل دائمًا، فإن التكلفة تحدد سقف ما يمكن للمؤسسة تحمله من بيانات للاحتفاظ بها قيد التشغيل.

التحدي إذن هو إبقاء كل شيء متاحًا لسير العمل حسب الحاجة، بحيث يكون العامل الحاسم هو حالة الاستخدام، وليس فاتورة التخزين.

قصة الشريط المغناطيسي

الخطوة الذكية إذن ليست في زيادة الإنفاق، بل في وقف الإفراط في الإنفاق حيث يوجد حل أفضل. ويتضح أن أحد أقوى الإجابات هنا هو تقنية لم تتوقف عن الابتكار قط: الشريط المغناطيسي (Tape). لا يزال معظم الناس يربطونها بـ النسخ الاحتياطي والأرشفة طويلة الأجل – وهو دور لا تزال تؤديه ببراعة – لكن أجيال LTO المتتالية قد حولت قدرتها وإنتاجيتها وأمنها بينما كان القطاع ينظر إلى أماكن أخرى.

أصبحت أحدث تقنيات وأنظمة الشرائط المغناطيسية تتصرف الآن كأي طبقة أخرى ضمن البنية التحتية للتخزين، جاهزة لتدفق البيانات إلى التخزين السريع عندما تكون عمليات المعالجة أو التدريب جاهزة لذلك. وتتحسن الجدوى الاقتصادية للشرائط مع نمو حجم البيانات. ففي نطاق البيتابايت المتعددة الذي وصلت إليه برامج الذكاء الاصطناعي حاليًا، تمثل تكلفة التيرابايت جزءًا بسيطًا من تكلفة البنية التحتية للفلاش أو حتى أقراص HDD. كما يمكن توسيع الأداء والسعة بشكل مستقل، بإضافة المزيد من محركات الأقراص لزيادة معدل النقل والمزيد من الشرائط لزيادة السعة.

عند الأخذ في الاعتبار الكفاءة الاستثنائية للشرائط في استهلاك الطاقة، تبرز هذه التقنية التخزينية كقدرة استراتيجية يجب دمجها في مركز البيانات، مما يسمح للمؤسسة بالاحتفاظ بكامل أصولها من البيانات قيد الاستخدام، بتكلفة تتوسع بشكل يمكن التنبؤ به، ويدعم جاهزية البنية التحتية للذكاء الاصطناعي.

مكان أكثر أمانًا للبيانات القيمة

غالبًا ما تكون تكلفة التخزين والتشغيل هي المحرك الرئيسي للموافقة على المشاريع، لكن الحماية هي ما يقلق الكثيرين. وهنا، تقدم الشرائط المغناطيسية شيئًا لا تستطيع مستويات التخزين المتصلة بالإنترنت توفيره هيكليًا. يتم التعامل مع التشفير على مستوى الأجهزة ضمن الشريط نفسه. وتجعل وسائط WORM (الكتابة مرة واحدة والقراءة عدة مرات) مجموعة البيانات غير قابلة للتغيير ماديًا، بحيث لا يمكن إعادة كتابة البيانات التي لا يمكن تعويضها.

أما بالنسبة للمواد الأكثر قيمة، فيمكن لمجموعات الشرائط مغادرة مكتبة الشرائط بالكامل وتخزينها في موقع آمن أو خارج الموقع – لتكون غير متصلة بالإنترنت تمامًا، ومعزولة هوائيًا بالكامل، ومحمية من أي شيء قد يحدث لبيئة الإنتاج. هذا يعكس أهمية تعزيز المرونة والصمود السيبراني.

الأهم الآن في بناء مسارات البيانات والذكاء الاصطناعي لمؤسستك هو ضمان جاهزية البيانات للانتقال إلى مستوى الأداء المناسب لحظة الحاجة إليها. فالبيانات هي الوقود للنماذج التي تبنيها المؤسسة، والقرارات التي تتخذها، ومدى سرعة تصرفها بناءً على أي منهما.

الشرائط المغناطيسية هي ما يجعل الاحتفاظ بكل “وقود البيانات” هذا على نطاق واسع أمرًا ميسور التكلفة، وحماية ما لا يمكن تعويضه، وتشغيل أي جزء منه عند الطلب. ادمجها الآن، ولن يحد ما يمكنك فعله ببياناتك بعد الآن ما يمكنك تحمل تكلفة الاحتفاظ به عبر الإنترنت، بل يصبح الوسيلة للبقاء في صدارة منافسيك، وهو ما يتماشى مع توقعات مستقبل الذكاء الاصطناعي.