المقدمة: يبدأ الأمر بالعتاد المناسب
من أوائل الأشياء التي يسأل عنها الناس عندما يسمعون أنني أشغّل نماذج الذكاء الاصطناعي محليًا هي: “ما نوع الجهاز الذي تحتاجه لذلك؟” والإجابة ليست مقاسًا واحدًا يناسب الجميع. فهذا يعتمد بالكامل على ما تحاول القيام به.
للبدء، هذا لا يعني أنك مضطر لشراء وحدات GPU باهظة ومخصّصة للذكاء الاصطناعي. في كثير من الحالات، تكون وحدة GPU ألعاب قياسية عالية الأداء كافية. وغالبًا ما تكون هذه هي الخيار الأكثر تكلفةً معقولةً وسهولةً في الوصول لمستخدمي المنازل الذين يريدون التعلّم والاستكشاف والبدء باستخدام أدوات الذكاء الاصطناعي المحلية.
في هذه المقالة، أفصّل نوع العتاد الذي تحتاجه فعليًا — من الإعدادات الخفيفة إلى تجميعات سطح المكتب الأكثر جدّية. لقد استخدمت كليهما، والفرق بينهما كالليل والنهار.
المستوى 1: مبتدئ (جيّد للاختبار فقط)
أولى تجاربي مع الذكاء الاصطناعي المحلي كانت على حاسوب محمول للألعاب من ASUS. كان يحتوي على وحدة NVIDIA GeForce GPU بذاكرة VRAM سعة 6GB وذاكرة RAM سعة 16GB.
هل كان قويًا؟ ليس حقًا. لكنه كان كافيًا لتشغيل نماذج أصغر مثل 4GB أو نماذج 7B الأساسية إذا أبقيت كل شيء آخر مغلقًا. علّمني الكثير حول ما كان ممكنًا — وما لم يكن.
إذا كنت تريد فقط الاستكشاف وإجراء تجارب خفيفة جدًا، فقد ينجح حاسوب محمول للألعاب. لكن كن مستعدًا: كل شيء يأخذ وقتًا. المطالبات أبطأ. النماذج الأكبر تتعطّل. المهام متعددة الخطوات قد تفشل في منتصف العملية. إنها ليست تجربة سلسة.
المستوى 2: سطح مكتب عملي (إلى حيث أتجه الآن)
الآن أقوم ببناء سطح مكتب جديد يمنحني مساحة تنفّس أكبر. ستحتوي هذه الآلة على وحدة NVIDIA 3060 Ti GPU بذاكرة VRAM سعة 12GB، ومعالج Ryzen CPU، وستبدأ بذاكرة RAM سعة 32GB، قابلة للترقية حتى 128GB.
هذه التجميعة ليست للاختبار فقط — بل صُممت لتشغيل مهام حقيقية، والعمل مع محتوى بمستوى الأعمال، وتجربة سير العمل وعمليات التكامل والأتمتة.
لماذا الترقية؟ لأن RAM وVRAM أهم مما تظن. قد يكون لديك “نموذج 16GB”، لكن إذا كان نظام التشغيل وتطبيقات الخلفية تلتهم بالفعل 8–10GB، فستواجه مشكلات. لهذا يصبح ضبط نظام التشغيل — تقليل استخدام الخلفية، والانتقال إلى Linux خفيف — جزءًا من الإعداد.
المستوى 3: وضع الوحش (إذا كنت تريد كل شيء)
إذا كنت تريد تشغيل نماذج 30B أو 70B، أو إنشاء محتوى طويل، أو العمل مع نوافذ سياق ضخمة، فستحتاج إلى جهاز قوي فعلًا. وهذا يعني 24GB أو أكثر من VRAM، شيء مثل وحدة 3090 أو 4090 GPU. وستحتاج أيضًا إلى 128GB أو أكثر من RAM، وتبريد قوي، وتخزين سريع، ومزوّد طاقة يمكنه تحمّل كل ذلك.
هذا النوع من التجميعات ليس ضروريًا لمعظم الناس. لكن إذا كان استخدامك يتطلب ذلك — مثل تدريب نماذجك الخاصة، أو تشغيل سلاسل استدلال طويلة، أو نشر مساعدين ذكاء اصطناعي في الوقت الحقيقي — فهذا هو المستوى الذي تستهدفه.
حيل ذكية للإعدادات منخفضة الإمكانات
حتى على الحاسوب المحمول، تمكنت من جعل الأمور تعمل. لكن ذلك تطلّب انضباطًا. عطّلت كل ما لم يكن أساسيًا. وحسّنت نظام التشغيل بحيث يستهلك أقل قدر ممكن من RAM. واخترت نماذج أصغر بصيغ مُكمَّمة، عادةً 4B أو أقل.
المفتاح هو معرفة حدودك. لا تتوقع من وحدة GPU بسعة 6GB أن تفعل ما تستطيع وحدة بسعة 24GB القيام به. لكن إذا فهمت ما يساهم به كل جزء من النظام وما يتطلبه النموذج، فلا تزال قادرًا على الحصول على نتائج جيدة. استخدم ما لديك للتعلّم، ثم انطلق من هناك.
أفكار ختامية
لا تحتاج إلى مركز بيانات لتبدأ. لكنك تحتاج إلى احترام حدود عتادك. كلما فهمت أكثر عن VRAM والذاكرة وعن اختناقات I/O، زادت فرص نجاحك في تشغيل ذكاء اصطناعي محلي يعمل فعليًا.
بعد ذلك، سأستكشف أمرًا لا يقل أهمية: الخصوصية والتحكم، وما الذي يعنيه حقًا امتلاك إعداد الذكاء الاصطناعي الخاص بك — وبياناتك.
Markku Arvekari
خبير التحول الرقمي
