نمط النشر · 3 من 6
نماذج لغوية كبيرة (LLMs) مستضافة ذاتيًا.
نماذج مفتوحة المصدر من الفئة المتطورة — Llama وMistral وQwen وDeepSeek — تعمل على بنية تحتية مخصصة لوحدات معالجة الرسومات (GPU) تديرها BrainPack نيابةً عنك، أو على وحدات GPU تملكها أنت. لا وجود لـ Anthropic في مسار البيانات. ولا OpenAI. ولا Google. ولا Microsoft. فقط النموذج، ووحدة GPU، وبياناتك، وطبقة التشغيل الخاصة بـ BrainPack. بالنسبة لأحمال العمل التي يكون فيها الشرط هو: «ألا يتمكن أي مزوّد ذكاء اصطناعي تابع لجهة خارجية من الاطلاع على هذه البيانات مطلقًا» — فهذا هو نمط النشر المناسب. نحن ندير وحدات GPU. نحن نشغّل النماذج. وأنت تحصل على النتائج.
لا يمكن لمزوّد الخدمة رؤية بيانات لا تصله من الأساس.
ZDR هو إطار تعاقدي. والسحابة العامة هي إعداد تشغيلي. أما الاستضافة الذاتية فهي مفهوم مختلف تمامًا — فلا يوجد أي مزوّد ذكاء اصطناعي تابع لجهة خارجية ضمن مسار البيانات. يعمل النموذج على وحدة GPU خاضعة لسيطرتنا أو لسيطرتك. ولا يغادر الاستعلام نطاق بيئتك، ولا تدخل الاستجابة في سجلات أي جهة أخرى، حتى ولو للحظات. بالنسبة لفئات البيانات التي تكون فيها الإجابة عن سؤال «هل يمكن لمزوّد الخدمة، من الناحية التقنية، الاطلاع على هذه البيانات ولو لمدة 200 ميلي ثانية أثناء الاستدلال؟» هي «لا» — فلا بد أن يكون نمط النشر هو الاستضافة الذاتية. لا يوجد خيار آخر.
كانت الاستضافة الذاتية تعني سابقًا: «ابنِ النظام بنفسك، وشغّله بنفسك، وتأمل أن يبقى فريق الخبراء لديك» — ولهذا السبب تجنبتها معظم المؤسسات. كانت النماذج مفتوحة المصدر متأخرة عن قدرات النماذج المتطورة بنحو 12 إلى 18 شهرًا. وكانت البنية التحتية لوحدات GPU تتطلب استثمارًا رأسماليًا (CapEx) بمئات الآلاف. كما كانت العمليات تتطلب مهندسي تعلم آلي (ML) يصعب على معظم المؤسسات الاحتفاظ بهم. ببساطة، لم تكن المعادلة مجدية اقتصاديًا خارج عدد محدود من القطاعات.
في عام 2026، تغيّرت المعادلة. فقد نجحت النماذج مفتوحة المصدر — Llama وMistral وQwen وDeepSeek — في سد معظم فجوة القدرات في أحمال العمل التي تهم المؤسسات فعليًا. وتتولى خدمات الاستضافة الذاتية المُدارة تشغيل طبقة وحدات GPU نيابةً عنك. وأصبحت فجوة القدرات الآن لا تتجاوز بضعة أشهر في المهام الأكثر تطورًا، وتنعدم تمامًا في أحمال العمل المستخدمة في بيئات الإنتاج. كما أصبحت الجدوى الاقتصادية لوحدات GPU مناسبة لأي مؤسسة تتجاوز أصغر نطاقات الاستخدام. ولم يتبقَّ سوى عائق واحد: التعقيد التشغيلي — وتتولى BrainPack إدارته بالكامل كجزء من الطبقة المُدارة.
قرار يتعلق بحدود التحكم، وليس بتفضيل مزوّد الخدمة.
الاستضافة الذاتية تعني تشغيل عمليات الاستدلال على بنية تحتية تتحكم بها BrainPack أو تتحكم بها أنت مباشرةً، دون مشاركة أي مزوّد ذكاء اصطناعي تابع لجهة خارجية. تنتقل البيانات من بيئتك إلى وحدة GPU ثم تعود إليها مباشرةً. ولا توجد أي جهة أخرى ضمن مسار البيانات. لا يرى أي مزوّد ذكاء اصطناعي الطلب (Prompt)، أو الاستجابة، أو استدلال النموذج، لأنه ببساطة ليس جزءًا من عملية الاستدعاء.
النماذج ضمن هذه الفئة هي نماذج مفتوحة الأوزان (Open-Weight) فقط، مثل Llama من Meta، وMistral، وQwen من Alibaba، وDeepSeek، بالإضافة إلى مجموعة واسعة من النماذج المُحسّنة (Fine-Tuned) المبنية عليها. أما النماذج المتطورة المغلقة مثل Claude وGPT وGemini، فلا تتوفر للاستضافة الذاتية لأن مزوّديها لا يتيحون أوزان النماذج. بالنسبة لمعظم أحمال العمل في بيئات الإنتاج، أصبحت فجوة القدرات محدودة جدًا. أما في بعض المهام الأكثر تطورًا — مثل البحث المتعمق والاستدلال المتخصص — فلا تزال هذه الفجوة قائمة فعليًا.
الاستضافة الذاتية ليست الخيار الصحيح تلقائيًا. فحجز وحدات GPU مخصصة لعمليات الاستدلال لديك يوفّر تكلفة أقل لكل رمز (Token) عند الوصول إلى حجم استخدام كافٍ، ولكن عند انخفاض حجم الاستخدام عن هذا المستوى، تبقى موارد الأجهزة غير مستغلة وتصبح تكلفتها أعلى. وتختلف نقطة التعادل حسب طبيعة حمل العمل، لكنها تقع عمومًا بين 10 ملايين و50 مليون رمز يوميًا. تكون الاستضافة الذاتية مناسبة لبعض فئات البيانات، بينما تكون غير مجدية اقتصاديًا لفئات أخرى. قرار نمط النشر هو قرار يعتمد على حدود التحكم وحجم الاستخدام، وليس على مدى الثقة بمزوّد الخدمة.
تتعامل BrainPack مع الاستضافة الذاتية باعتبارها واحدًا من خمسة مسارات لتنفيذ أحمال العمل. ولا تتغير طبقات الاتصال (Connect) والتنسيق (Orchestrate) والحوكمة (Govern). ما يتغير هو المكان الذي تُنفَّذ فيه عملية الاستدلال فعليًا، وحقيقة عدم وجود أي مزوّد ذكاء اصطناعي ضمن مسار البيانات على الإطلاق.
كيف يعمل فعليًا — طبقة الحوكمة (Govern)
متى تكون الاستضافة الذاتية نمط النشر المناسب ستة أنواع من أحمال العمل تتفوق فيها.
ست فئات من أحمال العمل تكون فيها الاستضافة الذاتية هي الخيار المناسب — بينما يكون ZDR أو النشر المحلي (On-Premise) عادةً البديلين اللذين تدعمهما BrainPack أيضًا.
الملكية الفكرية الأساسية والتقنيات التنافسية
الشيفرة المصدرية للمنتجات التي تبيعها، والخوارزميات المملوكة، والأسرار التجارية، ووثائق عمليات التصنيع، ومسارات البحث والتطوير (R&D). هذه البيانات تحدد ميزتك التنافسية. عبارة «اطّلع عليها مزوّد الخدمة لمدة 200 ميلي ثانية ثم تخلّص منها» ليست إجابة مقبولة — فهذه البيانات يجب ألا تغادر نطاق سيطرتك من الأساس. الاستضافة الذاتية هي الحل.
المعلومات المالية الجوهرية قبل الإعلان عنها
النتائج المالية الفصلية قبل الإعلان عنها، ووثائق عمليات الاندماج والاستحواذ (M&A)، ومواد مجلس الإدارة، ومناقشات تعويضات الإدارة التنفيذية، واستراتيجيات التداول. حتى ZDR قد يكون متساهلًا أكثر من اللازم في هذه الحالات — إذ تمر البيانات عبر مزوّد خدمة تابع لجهة خارجية، ولو لفترة وجيزة. أما الاستضافة الذاتية فتُلغي وجود مزوّد الخدمة من مسار البيانات بالكامل.
أحمال العمل ذات الحجم الكبير حيث تكون تكلفة الرموز (Tokens) عاملًا حاسمًا
أتمتة خدمة العملاء التي تعالج ملايين التفاعلات يوميًا. ووكلاء المعرفة الداخلية الذين يخدمون آلاف الموظفين. ومسارات معالجة المستندات التي تتعامل مع عشرات الآلاف من المستندات. عند تجاوز نحو 10–50 مليون رمز (Token) يوميًا، تصبح وحدات GPU المخصصة أقل تكلفة لكل رمز مقارنةً بأسعار واجهات API للنماذج المتطورة — وتتراكم الوفورات مع زيادة حجم الاستخدام.
أحمال العمل التي يكون فيها زمن الاستجابة عاملًا حاسمًا
توفر النماذج المستضافة ذاتيًا على وحدات GPU مخصصة زمن استجابة متوقعًا وثابتًا، دون التأثر بمشكلة «الجيران المزعجين» (Noisy Neighbor) في السحابة العامة، أو الانتظار بسبب حدود معدل الاستخدام، أو قوائم الانتظار لدى مزوّد الخدمة. وبالنسبة للذكاء الاصطناعي الصوتي في الوقت الفعلي، أو حلقات عمل الوكلاء التي تتطلب استجابة في أقل من ثانية، أو أحمال العمل التحليلية عالية التردد، غالبًا ما تتفوق الاستضافة الذاتية على واجهات API السحابية.
متطلبات الذكاء الاصطناعي السيادي
أحمال العمل التي يجب فيها إثبات أن البيانات لا تغادر مطلقًا نطاقًا وطنيًا محددًا، أو يجب معالجتها على بنية تحتية مملوكة لجهات محلية، أو يجب أن تمتثل لمتطلبات سيادة البيانات التي لا يستطيع مزوّدو الذكاء الاصطناعي السحابي استيفاءها. تعالج الاستضافة الذاتية على بنية تحتية إقليمية لوحدات GPU هذه المتطلبات.
متطلبات «عدم وجود أي شركة تقنية أمريكية ضمن مسار البيانات»
بعض أحمال العمل في قطاعات الدفاع والمالية والرعاية الصحية والجهات الحكومية خارج الولايات المتحدة تستبعد صراحةً وجود مزوّدي ذكاء اصطناعي يقع مقرهم الرئيسي في الولايات المتحدة ضمن مسار الاستدلال. في هذه الحالات، تكون الاستضافة الذاتية باستخدام نماذج أوروبية أو غيرها من النماذج مفتوحة المصدر على بنية تحتية إقليمية هي الحل المناسب.
متى تكون الاستضافة الذاتية نمط النشر غير المناسب.
وإلى أين يجب توجيه حمل العمل بدلًا من ذلك.
خمس فئات من أحمال العمل تكون فيها الاستضافة الذاتية خيارًا غير مناسب — وحيث تقوم BrainPack بدلًا من ذلك بتوجيه أحمال العمل إلى السحابة العامة، أو ZDR، أو النشر المحلي (On-Premise)، أو البيئة المعزولة عن الإنترنت (Air-Gapped).
أحمال العمل منخفضة الحجم أو غير المتوقعة
أحمال العمل التي لا تتجاوز نقطة التعادل البالغة 10–50 مليون رمز (Token) يوميًا تترك وحدات GPU المخصصة دون استغلال كافٍ. عندها تنعكس المعادلة الاقتصادية، وتصبح السحابة العامة أو ZDR بنظام الدفع حسب عدد الرموز أقل تكلفة — وأحيانًا بما يصل إلى عشرة أضعاف. لذلك، يجب تخصيص الاستضافة الذاتية لمسارات العمل المستقرة ذات معدلات المعالجة المرتفعة، وليس للتجارب المتقطعة ذات الاستخدام المتفاوت.
المهام التي تتطلب أحدث القدرات المتطورة
البحث المتعمق، والاستدلال المعقد متعدد الخطوات، وأحدث القدرات متعددة الوسائط، ووكلاء البرمجة المتقدمون. لقد نجحت النماذج مفتوحة الأوزان في سد معظم فجوة القدرات، ولكن عند أحدث حدود التطور، لا تزال نماذج Claude وGPT وGemini تتفوق أحيانًا بجيل كامل. إذا كان حمل العمل يحتاج فعليًا إلى هذا المستوى من القدرات، وكانت فئة البيانات تسمح بذلك، فإن السحابة العامة أو ZDR تكون هي بيئة التنفيذ المناسبة.
البيانات الخاضعة لمتطلبات صارمة لإقامة البيانات أو العزل عن الإنترنت (Air-Gap)
الاستضافة الذاتية ضمن البنية التحتية لـ BrainPack لا تزال تعني أن البيانات تُعالَج في مركز بيانات موجود في موقع ما — وقد لا يكون ضمن النطاق الجغرافي الذي تشترطه الجهة التنظيمية، كما أن البيئة ليست معزولة عن الإنترنت (Air-Gapped). تتطلب التصنيفات الدفاعية، وقواعد سيادة البيانات المصرفية، وأحمال العمل الحكومية الخاضعة لمتطلبات FedRAMP High نشرًا محليًا (On-Premise) أو في بيئة معزولة عن الإنترنت (Air-Gapped) داخل المنطقة المحددة. ولا تستوفي الاستضافة الذاتية على بنية تحتية مشتركة هذه المتطلبات.
مهام الإنتاجية العامة
صياغة رسائل البريد الإلكتروني، وتلخيص المستندات العامة، والعصف الذهني، وإكمال الشيفرة البرمجية في مستودعات غير حساسة. لا تتطلب فئة البيانات هذا المستوى من حدود التحكم، ونادرًا ما يبرر حجم الاستخدام حجز وحدات GPU مخصصة، كما أن خيارات النماذج تكون أكثر محدودية. تنجز السحابة العامة هذه المهام بشكل أسرع، وبتكلفة أقل، وباستخدام نماذج أكثر تقدمًا.
أحمال العمل التي تكون فيها سرعة الوصول إلى الإمكانات أهم من مستوى التحكم
مشروع تجريبي يجب إطلاقه خلال أسبوع. أو حالة استخدام جديدة لا يزال الفريق يتحقق فيها مما إذا كان الذكاء الاصطناعي قادرًا على حل المشكلة من الأساس. تتطلب الاستضافة الذاتية توفير وحدات GPU، واختيار النموذج، واتخاذ قرارات بشأن الضبط الدقيق (Fine-Tuning)، وتجهيز البنية التشغيلية. أما السحابة العامة فيمكن إطلاقها خلال أيام. تحقق من جدوى الحل أولًا، ثم انتقل إلى الاستضافة الذاتية إذا كانت فئة البيانات وحجم الاستخدام يبرران ذلك.
إلى أين يجب توجيهها بدلًا من ذلك
كيف تتكامل الاستضافة الذاتية. مع جميع أنماط النشر الأخرى.
نادراً ما تكون الاستضافة الذاتية نمط النشر الوحيد في مؤسسة فعلية. فهي تعمل جنبًا إلى جنب مع السحابة العامة، وZDR، والنشر المحلي (On-Premise)، والبيئة المعزولة عن الإنترنت (Air-Gapped) — بحيث يتولى كل نمط أحمال العمل الأكثر ملاءمة له. وتقوم طبقة الحوكمة (Govern) بالتوجيه تلقائيًا.
يبدو نشر BrainPack الفعلي على النحو التالي:
المستخدم نفسه. واجهة المحادثة نفسها. مكتبة الوكلاء نفسها. سياسات الحوكمة نفسها. خمسة مسارات مختلفة للاستدلال — تختارها طبقة الحوكمة (Govern) تلقائيًا بناءً على تصنيف البيانات، والإطار التنظيمي، والسياسات المعتمدة.
لا يختار المستخدم نمط النشر أبدًا. بل يتم اختيار النمط تلقائيًا.
الاستضافة الذاتية داخل طبقة BrainPack. ما الذي تضيفه BrainPack فوق استدعاء API مباشر.
تشغيل نموذج لغوي كبير (LLM) مفتوح المصدر على وحدة GPU أمر بسيط من الناحية التقنية. أما تشغيله كبنية تحتية لبيئة الإنتاج بالمستوى التشغيلي الصارم الذي تتطلبه المؤسسات فليس كذلك. تضيف BrainPack عدة طبقات وإمكانات فوق طبقة GPU لجعل الاستضافة الذاتية جاهزة للاستخدام في بيئات الإنتاج على مستوى المؤسسات.
توفير وحدات GPU وتحديد سعتها وإدارة دورة حياتها
نحدد سعة وحدات GPU بما يتناسب مع مزيج أحمال العمل لديك، ونتولى توفير الأجهزة — أو تشغيل الأجهزة التي تملكها — وإدارة تحديثات البرامج الثابتة (Firmware)، وتحسين معدلات الاستخدام، واستبدال الأجهزة مع تقادمها. لا تحتاج إلى تشغيل فريق متخصص لإدارة وحدات GPU.
تقييم النماذج واختيارها والانتقال بينها
تُطرح نماذج مفتوحة المصدر جديدة شهريًا. نقوم بتقييم كل نموذج وفقًا لأنماط أحمال العمل الخاصة بك، وننشر النماذج الجاهزة لبيئة الإنتاج، وننقل أحمال العمل إلى النماذج الأحدث عندما تحقق أداءً أفضل في مهامك. قدرات الذكاء الاصطناعي لديك لا تتوقف عن التطور بمجرد نشر نموذج معين.
قابلية المراقبة والاستجابة للحوادث
تتم مراقبة كل عملية استدلال. وتُطلق تنبيهات تلقائيًا عند اكتشاف أي خلل في زمن الاستجابة. كما يتم رصد تراجع جودة النتائج قبل أن يؤثر في المستخدمين، وتشخيص حالات فشل الاستدلال ومعالجتها. ويضاهي مستوى النضج التشغيلي بيئة SaaS متطورة — وليس بيئة بحثية أو تجريبية.
توجيه متعدد النماذج داخل بيئة الاستضافة الذاتية
يقوم نظام التنسيق بالتوجيه داخل بيئة الاستضافة الذاتية أيضًا. يُوجَّه الاستعلام البسيط إلى نموذج يحتوي على 7 مليارات معلمة (7B) ويعمل على الحد الأدنى من موارد GPU. أما مهام الاستدلال المعقدة فتُوجَّه إلى نموذج يحتوي على 70 مليار معلمة (70B)، بينما تُوجَّه مهام البرمجة إلى Qwen-Coder. تتم عملية التوجيه بشفافية تامة بالنسبة للمستخدمين، مع تحقيق وفورات كبيرة في التكاليف.
التحويل الاحتياطي إلى أنماط نشر أخرى
إذا تعرضت وحدة GPU مستضافة ذاتيًا لانقطاع، يقوم نظام التنسيق بالتحويل تلقائيًا إلى نقاط اتصال ZDR — مع الحفاظ قدر الإمكان على مستوى الحماية التعاقدية وضمان استمرار توفر خدمات الذكاء الاصطناعي. لا يلاحظ المستخدم عملية التحويل الاحتياطي، بينما يتم تسجيلها بالكامل في سجل التدقيق.
الضبط الدقيق (Fine-Tuning) والتخصيص
تتيح الاستضافة الذاتية إجراء ضبط دقيق (Fine-Tuning) حقيقي باستخدام بياناتك — وهو أمر غير متاح لدى مزوّدي واجهات API للنماذج المتطورة للغاية. تتولى BrainPack إدارة مسارات الضبط الدقيق، وعمليات التقييم، ونشر الإصدارات المخصصة من النماذج لأحمال العمل التي يحقق فيها التخصيص تحسنًا ملموسًا في الأداء.
شفافية التكاليف ونمذجة التكلفة الإجمالية للملكية (TCO)
نتتبع معدلات الاستخدام وتكلفة كل رمز (Token) عبر الاستضافة الذاتية مقارنةً بأنماط النشر الأخرى، ونوفر تقارير تفصيلية لتحميل التكاليف (Chargeback). عندما تكون الاستضافة الذاتية أقل تكلفة من البدائل، يمكنك رؤية ذلك بوضوح. وعندما تكون أكثر تكلفة، يظهر ذلك أيضًا — ويمكن ضبط سياسات نظام التنسيق لتحسين التكاليف وفقًا لهذه البيانات.
التكلفة والسرعة. ما تحصل عليه فعليًا.
الاستضافة الذاتية هي نمط النشر الذي يستغرق أطول وقت للإعداد، لكنها توفر أقل تكلفة لكل وحدة عند أحجام الاستخدام الكبيرة. ومع ذلك، هناك اعتبارات مهمة يجب أخذها في الحسبان في كلتا الحالتين.
للوصول إلى أولى الإمكانات. يتطلب ذلك توفير وحدات GPU، واختيار النموذج، واتخاذ قرارات بشأن الضبط الدقيق (Fine-Tuning)، وتجهيز البنية التحتية للتشغيل. لا توجد طريقة مختصرة لتقليص هذا الجدول الزمني.
لكل استدعاء. تقدم النماذج مفتوحة الأوزان التي تعمل على وحدات GPU مخصصة أداءً تنافسيًا في معظم أحمال العمل. أما المهام التي تتطلب قدرًا كبيرًا من الاستدلال، فتعمل بشكل أبطأ من النماذج المتطورة المغلقة — والفجوة تتقلص، لكنها لم تُغلق بالكامل بعد.
تكلفة شهرية ثابتة، وليست بنظام الدفع حسب عدد الرموز (Tokens). تحت نقطة التعادل، تكون الاستضافة الذاتية نمط النشر الأعلى تكلفة بفارق كبير. أما فوق نقطة التعادل، فتصبح الأقل تكلفة بفارق كبير.
عدد الرموز (Tokens) اليومية التي تصبح عندها الاستضافة الذاتية أقل تكلفة من واجهات API القائمة على الدفع حسب عدد الرموز. تقوم BrainPack بنمذجة نقطة التعادل هذه قبل النشر — وليس بعد طلب وحدات GPU.
التكلفة الحقيقية للاستضافة الذاتية ليست فاتورة وحدات GPU، بل السعة المحجوزة التي تبقى غير مستغلة لأن مزيج أحمال العمل لم يتطابق مع التوقعات. تقوم طبقة الحوكمة (Govern) تلقائيًا بتوجيه أحمال العمل الزائدة أو المتقطعة إلى السحابة العامة أو ZDR، مما يحافظ على مستوى استخدام البنية التحتية المخصصة بما يتوافق مع الافتراضات التي بُنيت عليها الحسابات.
الاستضافة الذاتية، تحت سيطرة كاملة. جنبًا إلى جنب مع جميع أنماط النشر الأخرى، وفقًا لكل فئة من البيانات.
الاستضافة الذاتية قيد التشغيل حاليًا في بيئات الإنتاج، جنبًا إلى جنب مع أنماط نشر أخرى لأحمال العمل التي لا تتضمن ملكية فكرية حساسة.
يتولى نموذج Llama المستضاف ذاتيًا على وحدات GPU مخصصة التحليلات المالية للنتائج الفصلية التي لم يُعلن عنها بعد. وتتولى السحابة العامة صياغة المحتوى التسويقي، بينما يتعامل ZDR مع تفاعلات العملاء الفردية. ثلاثة أنماط نشر، وطبقة تشغيل موحّدة واحدة.
يتولى نموذج Mistral المستضاف ذاتيًا تحليل عقود الموردين، حيث لا يمكن لبيانات مواقف التفاوض المرور عبر أي مزوّد خدمة تابع لجهة خارجية. وتتولى السحابة العامة تحليلات سلسلة التوريد، بينما يتعامل ZDR مع حالات دعم العملاء.
يتولى نموذج Llama المستضاف ذاتيًا على وحدات GPU مملوكة للمستشفى معالجة بيانات الأبحاث السريرية. ويتعامل ZDR مع استفسارات الموارد البشرية الإدارية. بينما تتولى البيئة المعزولة عن الإنترنت (Air-Gapped) تحقيقات الامتثال المتعلقة بالبيانات المصنفة. ثلاثة مستويات من حساسية البيانات، وثلاثة أنماط نشر مناسبة.
عندما لا يمكن لمزوّد الخدمة أن يكون ضمن مسار البيانات.
الاستضافة الذاتية هي نمط النشر المناسب لأحمال العمل التي لا يُسمح فيها بوجود مزوّدي ذكاء اصطناعي تابعين لجهات خارجية — بغض النظر عن سياسة الاحتفاظ بالبيانات، أو مدة معالجتها، أو الشروط التعاقدية المعمول بها. تحدث مع مهندس حلول لتحديد أحمال العمل في بيئتك التي تتطلب الاستضافة الذاتية، وكيف ينبغي لسياسة التنسيق توزيع أحمال العمل عبر أنماط النشر الخمسة.