شركة XCENA تجمع 135 مليون دولار بتقييم 570 مليون دولار لمعالجة اختناقات ذاكرة الذكاء الاصطناعي.

نجحت شركة XCENA الكورية الناشئة في جمع 135 مليون دولار ضمن جولة تمويلية رفعت تقييمها إلى 570 مليون دولار، مراهنةً على رؤية بدأت تكتسب زخماً كبيراً في القطاع: العائق الأكبر أمام تطور الذكاء الاصطناعي يكمن في الـ Memory، وليس مجرد قوة الـ Compute الخام، وفقاً لما نقله موقع TechCrunch. تعكس هذه الجولة اهتمام المستثمرين المتزايد بتصاميم الرقائق التي تستهدف حل مشكلة الاختناقات (Bottlenecks) التي تظهر بوضوح عند نقل أنظمة الذكاء الاصطناعي من مرحلة التدريب إلى مرحلة التشغيل الفعلي على نطاق واسع.

يجسد رهان XCENA تحولاً أوسع في سوق البنية التحتية للذكاء الاصطناعي، حيث بدأ التركيز يتجاوز قدرة النموذج على الوصول إلى الـ Compute، ليتجه نحو كفاءة نقل البيانات وتخزينها واسترجاعها أثناء عملية الـ Inference. والـ Inference هي المرحلة التي يبدأ فيها النموذج المدرب بتقديم الإجابات أو التوقعات للمستخدمين. وتشير تحليلات من شركة Groq إلى أن الـ Inference أصبح العائق التشغيلي الأساسي مع توسع انتشار أنظمة الذكاء الاصطناعي؛ فالتدريب هو ما يبني قدرات الذكاء الاصطناعي، لكن الـ Inference هو ما يقدمها للواقع، والطلب على قدرات الـ Inference ينمو بسرعة مع دخول النماذج في التطبيقات العملية.

هذا السياق يفسر بوضوح سبب جذب شركات الرقائق الناشئة لمبالغ ضخمة رغم ازدحام السوق. فشركة Groq، وهي لاعب بارز آخر يركز على الـ Inference، تسعى للحصول على تمويل داخلي بقيمة 650 مليون دولار بحسب تقارير TechCrunch نقلاً عن Axios. تسوق الشركة نفسها كحل للـ Inference السريع ومنخفض التكلفة، معتمدة على تقليل الـ Latency وتصميم معماري يهدف لفك الاختناقات عبر دمج الـ Compute والـ Memory في مكان واحد على الرقاقة.

يشير تدفق رؤوس الأموال إلى شركات مثل XCENA وGroq إلى أن المستثمرين يرون فرصة حقيقية للأجهزة المتخصصة التي تعالج نقاط ضعف محددة في تشغيل الذكاء الاصطناعي، بدلاً من الاعتماد فقط على المسرعات العامة (General-purpose accelerators). ومع توسع استخدام الذكاء الاصطناعي في منتجات تتطلب إجابات فورية وعلى نطاق ضخم، تصبح القدرة على نقل البيانات بكفاءة لا تقل أهمية عن قوة المعالجة القصوى.

يمنح هذا التمويل شركة XCENA مساحة لتعزيز رؤيتها بأن المرحلة القادمة من البنية التحتية للذكاء الاصطناعي ستتشكل بناءً على الـ Memory bandwidth والسعة وطريقة حركة البيانات. أما بالنسبة للقطاع بشكل عام، فتعد هذه الصفقة إشارة أخرى على أن سباق رقائق الذكاء الاصطناعي لم يعد يتمحور فقط حول من يبني أسرع معالج، بل حول من يستطيع إزالة العقبات الأكثر تعقيداً التي تمنع الذكاء الاصطناعي من العمل بكفاءة وموثوقية في العالم الحقيقي.