في عصر الذكاء الاصطناعي، باتت نماذج اللغة الكبيرة (Large Language Models) تعتمد بشكل متزايد على كفاءة الطاقة والموارد المتاحة في مراكز البيانات الحديثة. في هذا الإطار، ظهر نظام جديد يدعى PALS (Power-Aware LLM Serving) يهدف إلى تغيير قواعد اللعبة من خلال دمج القدرة الطاقية كأداة تحكم فعالة أثناء معالجة البيانات.

لم تعد الطاقة مجرد قيد ثابت، بل أصبحت عنصراً قابلاً للتحكم يتمt optimizado من خلال التوازن بين حجم الحزمة (batch size) وأداء معالجة البيانات. يعتمد نظام PALS على نماذج خفيفة الوزن للأداء والطاقة، بالإضافة إلى نظام تحكم يعتمد على ردود الفعل لاختيار التكوينات التي تلبي معايير الأداء المطلوبة بينما تعظم الكفاءة الطاقية.

الأهم أن هذا النظام تم تطبيقه ضمن إطار عمل قائم يسمى vLLM، حيث أظهر فاعلية ملحوظة من دون الحاجة إلى إعادة تدريب النماذج أو تغيير واجهات البرمجة. وقد أظهرت النتائج تحسيناً في كفاءة استهلاك الطاقة بنسبة تصل إلى 26.3%، وتقليص الانتهاكات المتعلقة بجودة الخدمة (QoS) بمعدل يتراوح بين أربع إلى سبع مرات، وذلك في ظل قيود الطاقة الديناميكية.

تسلط هذه النتائج الضوء على أهمية دمج تحكم الطاقة مباشرة في أوقات معالجة نماذج اللغة الكبيرة، مما يفتح المجال أمام أنظمة ذكاء اصطناعي قادرة على التفاعل مع الشبكات الكهربائية بكفاءة أكبر.