# معهد Allen يطلق مجدولًا لوحدات GPU قائمًا على الميزانيات

> استبدل فريق البنية التحتية للذكاء الاصطناعي نظام الأولويات بجدولة عادلة للحصص قائمة على الميزانيات، تتيح للباحثين تخصيص حصة من وقت وحدات GPU وتقلل أعمال الإصلاح المناوبة بنسبة 74%.

Oossa · 2026-10-09 · https://oossa.com/ar/allen-institute-rolls-out-budget-driven-gpu-scheduler

أطلق معهد Allen للذكاء الاصطناعي (Ai2) مجدولًا جديدًا لمجموعات وحدات GPU، يعتمد على تخصيص الميزانيات وتقاسم الموارد العادل هرميًا لتحديد المهام البحثية التي يجري تشغيلها. يمنح النظام كل مشروع حصة ثابتة من ساعات وحدات GPU؛ فمثلًا، يحصل Project A1 على 35% من إجمالي السعة، ولا يحمي من الإيقاف الاستباقي سوى المهام التي تغطيها ميزانية. كما يشترط المجدول حدًا أدنى لمدة التشغيل، ما يتيح له استعادة الموارد لمهام أخرى بعد انقضاء تلك المدة. ويقول المهندسون إن التغيير يعادل زيادة بنسبة 30% في القدرة الحاسوبية المتاحة للاستخدام، كما خفّض أعمال الإصلاح اليدوية بنسبة 74%.

## الحقائق

- نُشرت التدوينة في 2026-10-09.
- يدير Ai2 مجموعات تضم 88‑1024 وحدة GPU، وتخدم نحو 150 باحثًا داخليًا.

## لماذا يهم

يحصل الباحثون الآن على حصة متوقعة من وقت وحدات GPU، فيما يقضي الموظفون المناوبون وقتًا أقل بكثير في إيقاف المهام طويلة التشغيل يدويًا.

## المصادر والمراجع

1. [Impactful scheduling for GPU clusters](https://huggingface.co/blog/allenai/impactful-scheduling) – Hugging Face, 2026-10-09
2. [Impactful scheduling for GPU clusters](https://allenai.org/blog/impactful-scheduling) – Ai2

آخر تحديث: 2026-10-09