بنية الذكاء الاصطناعي المستضافة ذاتياً
نشر ذكاء اصطناعي خاص لا يلامس أي واجهة سحابية. امتثال لـ HIPAA وGDPR وPCI-DSS بالبنية نفسها، لا بالسياسة. مبني على Ollama وvLLM وOpen WebUI، ويعمل داخل بيئتك بالكامل.
إن كانت مؤسستك تتعامل مع معلومات صحية محمية، أو مراسلات بين محامٍ وموكّله، أو بيانات مالية خاضعة للتنظيم، فهذه الصفحة لك. فأين يعمل ذكاؤك الاصطناعي ليس قرار تفضيل، بل هو في كثير من المؤسسات المنظَّمة قرار قانوني.
لماذا لم تنشر 44% من المؤسسات الذكاء الاصطناعي بعد#
خصوصية البيانات هي العائق الأول، لا الكلفة ولا القدرة#
التقنية ليست العقبة. فبحسب تقرير Kong لعام 2025 عن الذكاء الاصطناعي في المؤسسات، تذكر 44% من المؤسسات خصوصية البيانات وأمنها بوصفهما العائق الأول أمام تبني النماذج اللغوية، متقدمين على الكلفة وتعقيد التنفيذ ونقص الكفاءات. النماذج موجودة، وحالات الاستخدام واضحة. المشكلة أن معظم بنى الذكاء الاصطناعي مصمَّمة لمتطلبات امتثال تخص جهة أخرى، لا متطلباتك أنت.
مؤسسات الرعاية الصحية لا تستطيع إرسال ملاحظات سريرية إلى واجهة خارجية وتبقى ممتثلة لـ HIPAA. ومكاتب المحاماة لا تستطيع معالجة مستندات مشمولة بالسرية عبر نموذج تجاري دون إسقاط تلك السرية. وشركات الخدمات المالية العاملة تحت لائحة SEC Regulation S-P وقاعدة FINRA Rule 3110 لا تستطيع تمرير معلومات العملاء عبر بنية سحابية لطرف ثالث والوفاء بالتزامات حفظ السجلات. وهذه ليست حالات طرفية، بل تصف معظم حالات الاستخدام عالية القيمة في القطاعات المنظَّمة.
ماذا يعني «الذكاء الاصطناعي الخاص» فعلاً (وما لا يعنيه)#
جزء كبير مما يُسوَّق بوصفه «ذكاءً اصطناعياً خاصاً» هو واجهة سحابية خلف واجهة مستخدم تحمل علامة تجارية، أحياناً بغلاف شبكة افتراضية وأحياناً بدونه. بياناتك ما زالت تعبر بنية طرف ثالث، وما زالت تُعالَج وفق شروط خدمة ذلك المزوّد، وما زالت سياسات احتفاظه بالبيانات سارية. وهذا لا يفي بمعيار الحد الأدنى الضروري في HIPAA، ولا بمتطلبات موضع البيانات في GDPR، ولا بمبدأ سرية العلاقة بين المحامي وموكّله.
الذكاء الاصطناعي الخاص الحقيقي يعني أن الاستدلال يجري داخل بيئتك. أوزان النموذج على عتاد تتحكم به. وحركة الشبكة لا تغادر محيطك. ولا يجري أي استدعاء لواجهة خارجية. البنية هي آلية الامتثال، لا خانة اختيار في لوحة إعدادات مزوّد.
فجوة الامتثال التي لا تستطيع الواجهات السحابية إغلاقها#
مزوّدو الذكاء الاصطناعي السحابي يعرضون اتفاقيات شريك أعمال، ولدى بعضهم برامج أمنية قوية. ولا يجعلهما ذلك ملائمين لكل حمل عمل. اتفاقية شريك الأعمال تغطي المسؤولية القانونية، لكنها لا تغيّر أين تذهب بياناتك، ولا من يعالجها، ولا ما تنشئه من وصول.
في فبراير 2026، قضت محكمة اتحادية أمريكية بأن المستندات المنشأة باستخدام أدوات ذكاء اصطناعي توليدي تجارية والمشارَكة مع محامٍ ليست مشمولة بسرية العلاقة بين المحامي وموكّله. فالتواصل مع منصات الذكاء الاصطناعي العامة تنقصه عناصر السرية المطلوبة لأن البيانات تُنقل إلى طرف ثالث خارج تلك العلاقة ويعالجها. وهذا حكم ملزم لا خطر نظري، وينطبق على أي فريق قانوني يستخدم نموذجاً سحابياً تجارياً في العمل على المستندات.
وحدّد تقرير FINRA الرقابي لعام 2025 حفظ السجلات، وحماية معلومات العملاء، والامتثال لقاعدة Reg BI، بوصفها مجالات المخاطر الأولى للذكاء الاصطناعي لدى شركات الخدمات المالية التي تستخدم الذكاء الاصطناعي التوليدي. والبنية المستضافة ذاتياً، بتسجيل تدقيق كامل تحت سيطرتك، هي البنية الوحيدة التي تفي بهذه المتطلبات دون تنازل هيكلي.
ماذا تشمل بنية الذكاء الاصطناعي المستضافة ذاتياً#
النشر الخاص المتكامل ليس أداة واحدة، بل نظام منسّق من مكوّنات يحتاج كل منها إلى ضبط وتكامل وصيانة على الوجه الصحيح.
الاستدلال الخاص للنماذج اللغوية (Ollama وvLLM وllama.cpp)#
طبقة الاستدلال هي نواة النظام، وفيها تُعالَج مطالباتك وتُولَّد الردود، داخل بيئتك بالكامل. وننشر بيئة الاستدلال المناسبة لحمل عملك:
- Ollama لعمليات نشر الفرق التي تهمّ فيها البساطة وسرعة الإقلاع ودعم عريض للنماذج. يشغّل Ollama نماذج Llama وMistral وQwen وPhi وعشرات النماذج مفتوحة الأوزان بواجهة برمجية مباشرة وعبء بنية ضئيل.
- vLLM لبيئات الإنتاج عالية الإنتاجية التي يكون فيها المستخدمون المتزامنون ومعدل الرموز وزمن الاستجابة متطلبات تشغيلية. وبنية PagedAttention في vLLM تحقق استغلالاً لمعالج الرسوميات أفضل بكثير من مناهج الاستدلال الساذجة.
- llama.cpp لعمليات النشر على المعالج فقط أو على الحافة حيث لا يتوفر عتاد رسوميات أو لا يكون مناسباً.
اختيار النموذج جزء من كل تعاقد. نقيّم النماذج مفتوحة الأوزان مقابل حمل عملك تحديداً، من تحليل المستندات إلى توليد الشيفرة إلى التلخيص إلى الإجابة عن الأسئلة، ونحدّد الحجم تبعاً لذلك. ولا ننشر نموذجاً افتراضياً واحداً ونعدّ المهمة منتهية.
أنظمة RAG مبنية على مستنداتك وبياناتك الداخلية#
التوليد المعزَّز بالاسترجاع يصل نموذجك اللغوي بقاعدة معرفة مؤسستك. فبدل الاعتماد على ما تدرّب عليه النموذج فقط، يسترجع النظام السياق المتصل من مستنداتك الداخلية، من عقود وإرشادات سريرية وسياسات امتثال وإجراءات تشغيل، ويضمّنه في المطالبة وقت الاستعلام.
نبني مسارات RAG تستوعب صيغ مستنداتك (PDF وDOCX وHTML والنص العادي)، وتقطّعها وتحوّلها إلى متجهات بنماذج مناسبة، وتخزّن المتجهات في قاعدة بيانات تتحكم بها، وتسترجع بدقة وقت الاستعلام. والنتيجة نظام يجيب عن أسئلة تخص بياناتك أنت، لا معرفة إنترنت عامة.
أتمتة سير العمل داخل شبكتك#
النموذج اللغوي المعزول واجهة محادثة. أما حين يندمج في سير عملك فيصبح أصلاً تشغيلياً. نصل الاستدلال المستضاف ذاتياً بمسارات أتمتة داخلية مبنية على n8n (مستضاف ذاتياً) أو منسّقات Python مخصصة، فتتاح حالات مثل:
- الفرز والتصنيف الآلي للمستندات
- صياغة طلبات الموافقة المسبقة وطوابير مراجعتها
- استخراج بنود العقود والتنبيه إليها
- معالجة استقبال العملاء
- مراقبة الامتثال مقابل وثائق السياسة الداخلية
وتعمل الأتمتة كلها داخل شبكتك. ولا تعبر أي بيانات خدمات خارجية كجزء من سير العمل.
واجهة المستخدم والتحكم بالوصول (Open WebUI والبوابات المخصصة)#
فريقك يحتاج واجهة قابلة للاستخدام. ننشر Open WebUI، وهي واجهة محادثة قادرة ومستضافة ذاتياً، مضبوطة بمصادقة LDAP أو Active Directory ليكون الوصول محكوماً ببنية الهوية القائمة لديك. يسجّل المستخدمون الدخول ببيانات اعتمادهم المؤسسية. والأذونات قائمة على الأدوار. وكل جلسة واستعلام يُسجَّل في أثر التدقيق لديك.
وللمؤسسات ذات احتياجات سير عمل محددة، نبني بوابات ويب مخصصة تعرض قدرات الذكاء الاصطناعي في سياق مهمة بعينها بدل واجهة محادثة عامة. وهذا يقلّل احتياجات التدريب ويرفع معدل التبني.
راجع حالة نشر OpenClaw كمثال على بوابة مخصصة مبنية فوق بنية نماذج لغوية خاصة.
كيف نبنيها#
الخطوة 1: تقييم البنية والامتثال#
قبل التوصية بحزمة أو نموذج، نحتاج أن نفهم ما الذي يُلزمك القانون بالامتثال له فعلاً، وأي بيانات ستُعالَج، وأي بنية لديك الآن. نراجع التزاماتك التنظيمية، سواء HIPAA أو GDPR أو PCI-DSS أو SOC 2 أو FINRA أو مزيجاً منها، ونربطها بمتطلبات معمارية. ونحدّد الأنظمة القائمة التي يجب أن تتكامل معها بنية الذكاء الاصطناعي، وأين يجب أن تقف حدود البيانات.
وتُنتج هذه الخطوة وثيقة نطاق مكتوبة تعرّف بنية النشر والضوابط الأمنية ووضع الامتثال. وكل قرار لاحق يُتخذ انطلاقاً منها.
الخطوة 2: اختيار النموذج وتحديد حجم العتاد#
ليس كل حمل عمل يحتاج النموذج نفسه ولا العتاد نفسه. نقيّم حالتك مقابل خيارات النماذج مفتوحة الأوزان المتاحة، ونوصي بما يناسب حجم حمل عملك وميزانيتك. ففريق من 15 شخصاً يلخّص مستندات له متطلبات تختلف عن مكتب من 300 شخص يشغّل صياغة ملاحظات سريرية متزامنة.
ونقدّم مواصفات العتاد، ومتطلبات معالج الرسوميات، والذاكرة، والتخزين، وإعداد الشبكة، ونعمل مع فريق البنية لديك أو مع مورّد العتاد المفضل لديك لضمان تجهيز البيئة على وجهها الصحيح قبل أن نبدأ النشر.
الخطوة 3: النشر والتحصين والتكامل#
ننشر بيئة الاستدلال ومسار RAG وطبقة الأتمتة وواجهة المستخدم ونضبطها. ونحصّن البيئة: تجزئة الشبكة، وقواعد جدار الحماية، والوحدات التخزينية المشفَّرة، وتسجيل التدقيق، والتحكم بالوصول القائم على الأدوار. ونتكامل مع بنية المصادقة لديك (LDAP وActive Directory وSAML)، ونتصل بالأنظمة الداخلية التي تحتاج مسارات الذكاء الاصطناعي بلوغها.
ولا نسلّمك ملف Docker Compose وملف README. بل ننشر داخل بيئتك، ونتحقق من عمل النظام على وجهه الصحيح، ونوثّق ما بُني ولماذا.
الخطوة 4: وصول المستخدمين والمراقبة وتوثيق التسليم#
لا يكتمل النشر قبل أن يستطيع فريقك تشغيله. نضبط المراقبة، من صحة النموذج وزمن استجابة الطلبات ومعدلات الخطأ، ونجهّز تنبيهات تناسب وضعك التشغيلي. ونُنتج توثيق تسليم يغطي بنية النظام، وقرارات الإعداد، وإجراءات الصيانة، وعملية تحديث النموذج.
ونقدّم أيضاً نافذة دعم محددة بعد التسليم. ومعظم المشكلات تظهر في الأسابيع الأولى من الاستخدام الإنتاجي، فنبقى متاحين في تلك الفترة.
الحزمة التقنية#
لسنا مرتبطين بسلسلة أدوات واحدة. والحزمة أدناه تمثل مكوّنات نشرنا القياسية الحالية، وهي الأدوات التي نستخدمها لأنها مثبتة في بنى الذكاء الاصطناعي الخاصة:
طبقة الاستدلال#
| الأداة | حالة الاستخدام |
|---|---|
| Ollama | نشر الفرق، والتطوير، والوصول إلى عدة نماذج بعبء تشغيلي منخفض |
| vLLM | استدلال إنتاجي عالي الإنتاجية بمستخدمين متزامنين ومتطلبات زمن استجابة صارمة |
| llama.cpp | النشر على المعالج فقط أو على الحافة حيث لا يتوفر عتاد رسوميات |
طبقة الواجهة#
| الأداة | حالة الاستخدام |
|---|---|
| Open WebUI | واجهة محادثة مستضافة ذاتياً بمصادقة LDAP وActive Directory وتسجيل كامل للجلسات |
| البوابات المخصصة | واجهات خاصة بمهمة، مبنية لمسارات عمل لا تناسبها تجربة المحادثة العامة |
RAG والاسترجاع#
| الأداة | حالة الاستخدام |
|---|---|
| LangChain | طبقة تنسيق لاستيعاب المستندات وتقطيعها ومسارات الاسترجاع |
| ChromaDB | مخزن متجهات مدمج لعمليات النشر الأصغر حجماً |
| pgvector | تخزين متجهات أصيل في PostgreSQL للمؤسسات التي تشغّل Postgres أصلاً |
التنسيق#
| الأداة | حالة الاستخدام |
|---|---|
| n8n (مستضاف ذاتياً) | أتمتة سير عمل مرئية بلا اعتماد على واجهات خارجية |
| وكلاء Python مخصصون | منطق معقّد متعدد الخطوات، وتكاملات متخصصة، ومعالجة عالية الإنتاجية |
الأمن#
كل عملية نشر تشمل تجزئة الشبكة، ووحدات تخزين مشفَّرة، وتحكماً بالوصول قائماً على الأدوار، وتسجيل تدقيق مركزياً. الأمن ليس إضافة بعد النشر.
عمليات النشر بحسب القطاع#
الرعاية الصحية: ذكاء اصطناعي ممتثل لـ HIPAA للملاحظات السريرية والموافقات المسبقة ومسارات الفوترة#
أعلى حالات استخدام الذكاء الاصطناعي قيمةً في الرعاية الصحية، من التوثيق السريري إلى الموافقة المسبقة إلى مراجعة الفوترة، تتعلق كلها بمعلومات صحية محمية. وتلك البيانات لا تستطيع مغادرة شبكتك. واتفاقية شريك الأعمال مع مزوّد سحابي لا تغيّر تدفق البيانات الأساسي، بينما النشر المستضاف ذاتياً يلغي ذلك التدفق كلياً.
نبني عمليات نشر ممتثلة لـ HIPAA تعالج المعلومات الصحية المحمية داخل بيئتك: صياغة الملاحظات السريرية، وتوليد خطابات الموافقة المسبقة، ومراجعة رموز الفوترة، والإجابة عن الأسئلة المتعلقة بالإرشادات السريرية، وكلها تعمل على بنيتك، وقابلة للتدقيق، وقابلة للدفاع عنها ضمن برنامج امتثالك.
ولتفصيل كيفية تحديد نطاق عمليات النشر في الرعاية الصحية، راجع دليل نشر الذكاء الاصطناعي المستضاف ذاتياً في الرعاية الصحية.
القانون: مراجعة المستندات وتحليل العقود دون تعريض السرية#
حكم فبراير 2026 يجعل الخطر ملموساً: استخدم نموذجاً سحابياً تجارياً في العمل على مستندات مشمولة بالسرية، وقد تكون أسقطت السرية عنها. والاستجابة المعمارية الوحيدة هي ضمان ألا يلامس الذكاء الاصطناعي أي نظام لطرف ثالث.
ننشر بنية نماذج لغوية خاصة لمكاتب المحاماة والإدارات القانونية حيث تتطلب مراجعة المستندات وتحليل العقود والبحث الداخلي أن تبقى البيانات داخل العلاقة المشمولة بالسرية بالكامل. بلا معالجة خارجية. بلا شروط خدمة طرف ثالث. وبلا سياسات احتفاظ خارج سيطرتك.
ولتفصيل خصوصيات النشر في القطاع القانوني، راجع دليل نشر الذكاء الاصطناعي المستضاف ذاتياً في القطاع القانوني.
الخدمات المالية: ذكاء اصطناعي ممتثل تحت SEC Regulation S-P وFINRA Rule 3110#
سمّى تقرير FINRA الرقابي لعام 2025 حماية معلومات العملاء بوصفها مجال مخاطر أول للذكاء الاصطناعي. ولائحة SEC Regulation S-P تحكم كيفية تعامل شركات الخدمات المالية مع بيانات العملاء غير العامة. وتمرير تلك البيانات عبر نموذج سحابي تجاري ينشئ تعرضاً امتثالياً لا تعالجه وثيقة سياسة من المزوّد.
البنية المستضافة ذاتياً تمنح شركات الخدمات المالية قدرات ذكاء اصطناعي بوضع امتثالي قابل للدفاع عنه: البيانات تبقى داخل بيئتك، والوصول مسجَّل وقابل للتدقيق، والنظام موثَّق بما يفي بطلبات الفحص.
ولتفصيل عمليات النشر في الخدمات المالية، راجع دليل نشر الذكاء الاصطناعي المستضاف ذاتياً في الخدمات المالية.
الاستضافة الذاتية مقابل الذكاء الاصطناعي السحابي: المقايضات الحقيقية#
لا نحاول أن نبيعك بنية مستضافة ذاتياً إن كان الذكاء الاصطناعي السحابي هو الخيار الصحيح فعلاً لحمل عملك. بعض الحالات تستدعيه وبعضها لا. وإليك تفصيلاً صريحاً.
متى ترجح كفة الاستضافة الذاتية اقتصادياً (ومتى لا ترجح)#
واجهات الذكاء الاصطناعي السحابية تحاسب على الرمز. وعند الأحجام المنخفضة، ترجح كفة السحابة بقوة: بلا عتاد، وبلا تشغيل، وبلا صيانة. وللاستخدام الاستكشافي أو النماذج الأولية أو الأحمال دون 10 إلى 20 مليون رمز شهرياً، تكون الواجهة السحابية أخفّ على إجمالي الإنفاق في الغالب الأعم.
وعند الأحجام العالية، تنقلب الحسبة. تُظهر بيانات IDC لعام 2025 أن المؤسسات التي تعالج 100 مليون رمز شهرياً أو أكثر يمكنها أن توفّر ما بين 5 ملايين و50 مليون دولار سنوياً بنقل الأحمال المنظَّمة عالية الحجم إلى بنية مستضافة ذاتياً. ونقطة التعادل تعتمد على نموذجك تحديداً، وعلى إنفاق العتاد، وعلى العبء التشغيلي، لكنها تستحق الحساب لأي مؤسسة لديها مسارات ذكاء اصطناعي مستمرة وعالية الحجم.
ولتحليل مفصّل، راجع مقارنتنا بين الذكاء الاصطناعي المستضاف ذاتياً والسحابي.
متى يتخذ متطلب الامتثال القرار نيابةً عنك#
إن كانت بياناتك محكومة بـ HIPAA، أو خاضعة لسرية العلاقة بين المحامي وموكّله، أو معلومات مالية غير عامة لعميل تحت Reg S-P، فقد لا يكون السؤال اقتصادياً أصلاً. البنية يحددها المتطلب التنظيمي. والواجهة السحابية مع اتفاقية شريك أعمال ليست كبيانات لا تغادر محيطك أبداً، وفي بعض الأحمال لا يكون الممتثل إلا الثانية.
وحكم فبراير 2026 مفيد هنا. فالمحكمة لم تقيّم الوضع الأمني لمزوّد الذكاء الاصطناعي، بل قيّمت ما إن كان التواصل خاصاً بحكم بنائه. والواجهة السحابية ليست خاصة بحكم بنائها، أما النشر المستضاف ذاتياً فهو كذلك.
كيف يبدو التشغيل المستمر فعلاً بعد النشر#
البنية المستضافة ذاتياً تتطلب صيانة حقيقية، ومن المفيد الدخول إليها بتوقعات واضحة. النماذج تحتاج تحديثاً كلما صدرت نسخ أفضل. والعتاد يحتاج مراقبة. والترقيعات الأمنية تحتاج تطبيقاً. هذا العبء التشغيلي حقيقي، والواجهات السحابية تلغيه فعلاً.
نبني عمليات نشر مصمَّمة ليصونها شخص واحد ذو كفاءة تقنية، سواء كان مسؤول تقنية أول أو مهندس DevOps أو مطوّراً داخلياً، دون معرفة متخصصة ببنى الذكاء الاصطناعي. ونوثّق دليل التشغيل، ونحدّد وتيرة التحديث، ونبقى متاحين للدعم. الأمر قابل للإدارة، لكن بشرط أن يكون النشر الأول قد جرى على وجهه الصحيح.
اقرأ دليل إعداد الذكاء الاصطناعي المستضاف ذاتياً لرؤية عملية لما تتضمنه الصيانة المستمرة.
كيف يجري التسعير#
تُحدَّد نطاقات بنية الذكاء الاصطناعي المستضافة ذاتياً لكل تعاقد على حدة. والمتغيرات التي تحرّك الكلفة هي:
- عدد المستخدمين ومتطلبات الحمل المتزامن
- حجم المستندات وتعقيدها في استيعاب RAG
- عدد أتمتات سير العمل المطلوب بناؤها
- ما إن كان شراء العتاد ضمن النطاق
- المتطلبات التنظيمية ووثائق الامتثال اللازمة
تقييم البنية وتحديد نطاق المعمارية: برسم ثابت. وهذه نقطة البداية في كل تعاقد، وثيقة محددة تثبّت البنية ووضع الامتثال وخطة النشر قبل بدء أي عمل بناء.
النشر والتكامل: بحسب المشروع، ويُحدَّد نطاقه من وثيقة المعمارية. ومعظم عمليات النشر المتكاملة تستغرق من 6 إلى 14 أسبوعاً بحسب تعقيد التكامل وجاهزية المؤسسة.
اتفاقات الدعم والصيانة: متاحة بعد النشر للفرق التي تريد تغطية مستمرة لتحديثات النماذج وصحة النظام والتغييرات التشغيلية.
لا ننشر جدول أسعار لأن النطاق يتباين تبايناً كبيراً من مؤسسة إلى أخرى. وتدقيق البنية هو الخطوة الأولى الصحيحة: تعاقد محدود برسم ثابت يُنتج وثيقة معمارية مكتوبة تملكها أنت مهما كان قرارك بعدها.
الأسئلة الشائعة#
ما بنية الذكاء الاصطناعي المستضافة ذاتياً ومتى تحتاجها؟
هي نشر خاص لنموذج لغوي يعمل داخل بيئتك بالكامل، على عتادك، داخل شبكتك، بلا أي استدعاء لواجهة خارجية. تحتاجها حين تكون بياناتك خاضعة لمتطلبات تنظيمية تمنع المعالجة عبر طرف ثالث أو تقيّدها (HIPAA، وسرية العلاقة بين المحامي وموكّله، وSEC Reg S-P)، أو حين تجعل أحجام الرموز لديك الإنفاق على الواجهات السحابية غير مستدام، أو حين تتطلب مؤسستك سيادة كاملة على البيانات لأسباب قانونية أو تعاقدية أو أمنية.
هل الذكاء الاصطناعي المستضاف ذاتياً ممتثل لـ HIPAA؟
النشر المستضاف ذاتياً المصمَّم على وجهه الصحيح يفي بمتطلبات HIPAA للتعامل مع المعلومات الصحية المحمية بحكم تصميمه. فلأن تلك المعلومات لا تغادر بيئتك المحكومة، لا يوجد نقل بيانات إلى طرف ثالث يحتاج حوكمة، ولا اعتماد على اتفاقية شريك أعمال، ولا سياسة احتفاظ خارجية تُدار. البنية هي آلية الامتثال. ومع ذلك، الامتثال لـ HIPAA يتطلب أكثر من البنية الصحيحة: تحتاج أيضاً ضوابط وصول مناسبة، وتسجيل تدقيق، وضمانات إدارية، وكلها نبنيها في كل نشر في الرعاية الصحية.
ما الأدوات المستخدمة لنشر نموذج لغوي مستضاف ذاتياً؟
حزمتنا القياسية تستخدم Ollama أو vLLM للاستدلال (بحسب حمل العمل)، وOpen WebUI لواجهة المستخدم، وLangChain مع ChromaDB أو pgvector لمسارات RAG، وn8n (مستضاف ذاتياً) أو وكلاء Python مخصصين لأتمتة سير العمل. وكل المكوّنات مفتوحة المصدر وتعمل داخل بيئتك بالكامل.
كم يكلّف نشر نموذج لغوي خاص داخل بنيتك؟
لا نضع رقماً على الصفحة. إنفاق العتاد يتباين تبايناً كبيراً بحسب النماذج التي تحتاج تشغيلها والحمل المتزامن الذي تحتاج دعمه: نشر لفريق يشغّل نموذجاً متوسط الحجم (من 7 إلى 13 مليار معامل) على خادم رسوميات واحد يختلف عن نشر إنتاجي يتطلب إنتاجية أعلى أو نماذج أكبر. أما البرمجيات والنشر فيُحدَّد نطاقهما لكل تعاقد، وتقييم البنية هو الخطوة الأولى الصحيحة للوصول إلى رقم حقيقي.
متى ترجح الاستضافة الذاتية اقتصادياً على واجهات الذكاء الاصطناعي السحابية؟
نقطة التعادل تعتمد على حجم الرموز لديك، وعلى النموذج تحديداً، وعلى إنفاق العتاد والتشغيل. وكمرجع عام، تُظهر بيانات IDC لعام 2025 أن المؤسسات التي تعالج 100 مليون رمز شهرياً أو أكثر يمكنها أن توفّر ما بين 5 ملايين و50 مليون دولار سنوياً بالانتقال إلى بنية مستضافة ذاتياً. أما معظم الفرق التي تعالج أقل من 10 إلى 20 مليون رمز شهرياً، فتبقى الواجهات السحابية أخفّ عليها على إجمالي الإنفاق.
ما النماذج مفتوحة الأوزان التي تستطيعون نشرها؟
ننشر أي نموذج مفتوح الأوزان يعمل على Ollama أو vLLM، بما في ذلك عائلة Llama وMistral وQwen وPhi وGemma وDeepSeek وغيرها. واختيار النموذج جزء من عملية تحديد نطاق التعاقد. نقيّم حالتك، ومتطلبات نافذة السياق، واحتياجات الأداء، مقابل خيارات النماذج الحالية، ونضع توصية محددة.
هل تتولون شراء العتاد؟
نستطيع ذلك. فللعملاء الذين لا يملكون عملية شراء قائمة لمعالجات الرسوميات، نعمل مع مورّدي العتاد لتحديد الإعداد الصحيح وتأمينه. وللعملاء الذين لديهم علاقات شراء تقني قائمة، نقدّم مواصفات عتاد مفصّلة ونشير بالإعداد المناسب. وفي الحالتين، تُؤكَّد جاهزية العتاد قبل بدء النشر.
إن كان حمل عملك يتعلق ببيانات خاضعة للتنظيم وتحتاج أن تفهم كيف يبدو النشر الخاص الممتثل لمؤسستك، فتدقيق البنية هو نقطة البداية الصحيحة.
والتدقيق تعاقد محدود: نطاق معرَّف، ورسم ثابت، ومخرَج مكتوب، وثيقة معمارية تملكها أنت مهما قررت أن تبني بعدها.
