سيسكو ونفيديا يتيحان تشغيل Splunk AI محليًا في بيئات معزولة وسحابية خاصة

أعلنت سيسكو، بالتعاون مع نفيديا، عن إطلاق منصة Cisco AI POD for Splunk التي تمكّن العملاء من نشر حلول Splunk AI داخل مراكز البيانات الخاصة بهم، أو على سحابات خاصة، أو في بيئات معزولة تمامًا عن الشبكة العامة. يأتي هذا الإعلان في إطار سعي سيسكو لتعزيز سيادة البيانات وتقليل الاعتماد على الخدمات السحابية العامة، من خلال توفير بنية تحتية موحدة تشمل برنامج تشغيل الذكاء الاصطناعي، خوادم سيسكو، معالجات تسريع نفيديا، وحاويات Kubernetes أو Red Hat OpenShift. المنصة صُممت لتقديم نسخة من Splunk Enterprise يمكن تشغيلها محليًا أو في سحابة خاصة أو في بيئات air‑gapped، ما يسمح للمنظمات بالتحكم الكامل في موقع الخوادم وإدارة البيانات وفقًا للمتطلبات التنظيمية.

بنية تقنية موحدة

تستند المنصة إلى ثلاث طبقات رئيسية تشكل العمود الفقري لتشغيل الذكاء الاصطناعي في بيئات مؤسسية معقدة. الطبقة الأولى هي طبقة تشغيل الذكاء الاصطناعي، التي تدعم مجموعة من النماذج المتقدمة مثل Deep Time Series Model من سيسكو، بالإضافة إلى نماذج مفتوحة المصدر مثل Google Gemma 4 وOpenAI GPT‑OSS 20B، ما يتيح مرونة اختيار النموذج الأنسب للمهام التحليلية. الطبقة الثانية هي طبقة التسريع، التي تعتمد على معالجات GPU من نفيديا لتوفير القدرة الحوسبية المطلوبة لتدريب وتشغيل النماذج الضخمة، مع إشارة إلى خطط مستقبلية لإصدار نماذج مفتوحة المصدر مثل NVIDIA Nemotron. أما الطبقة الثالثة فهي طبقة إدارة الحاويات، التي توفر بيئة Kubernetes أو OpenShift لتنسيق الخدمات، توزيع الأحمال، وضمان استقرار التشغيل، مما يسهل على فرق تكنولوجيا المعلومات إدارة الموارد وتحديث المكونات بصورة سلسة.

أدوات مراقبة الوكيل المتقدمة

ضمن الجهود الرامية إلى تحسين الرؤية والشفافية في تشغيل الذكاء الاصطناعي، أضافت سيسكو مجموعة جديدة من أدوات مراقبة الوكيل (Agent Observability) التي تتابع سلوك الأداء في الوقت الحقيقي. هذه الأدوات تشمل مراقبة استهلاك وحدات معالجة الرسوميات (GPU)، تحليل قواعد البيانات المتجهية، تتبع استهلاك الذاكرة، وإدارة عمليات الـ orchestration. إضافة إلى ذلك، يمكن للمنظمات تطبيق سياسات حوكمة تنفيذية تمنع أي سلوك غير مرغوب فيه أو انحراف عن المعايير الأمنية المحددة، مما يعزز الثقة في تشغيل نماذج الذكاء الاصطناعي داخل بيئات حساسة.

قائمة الميزات الأساسية

• دعم تشغيل Splunk AI في بيئات معزولة تمامًا عن الإنترنت، ما يضمن عدم وجود أي اتصال خارجي قد يعرّض البيانات للخطر.
• تكامل مع Cisco Secure AI Factory لتوفير أمان شامل للبيانات والنماذج، بما في ذلك تشفير البيانات أثناء النقل والتخزين.
• إمكانية استضافة نماذج مفتوحة المصدر مثل Nemotron وGPT‑OSS، ما يتيح مرونة اختيار النموذج وفقًا للمتطلبات الوظيفية.
• مراقبة استهلاك الرموز (Tokenomics) لتتبع تكاليف الاستخدام عبر نماذج مثل Claude Code وCodex وCursor، وتوفير شفافية مالية للمنظمات.

تحليل تكلفة وفعالية الطاقة

تشير التقارير إلى أن القدرة على تشغيل الذكاء الاصطناعي محليًا قد تؤدي إلى خفض ملحوظ في تكاليف نقل البيانات، حيث لا تحتاج المنظمات إلى إرسال كميات كبيرة من البيانات إلى سحابات عامة مكلفة. هذا التحول يحد من الاعتماد على بنى تحتية سحابية خارجية، ويقلل من المخاطر المرتبطة بالتسرب أو الاختراق. ومع ذلك، تُلفت التقارير الانتباه إلى أن تشغيل وحدات GPU على نطاق واسع يرفع استهلاك الطاقة، ما يستدعي من المؤسسات إجراء تقييم شامل لتكاليف الطاقة مقابل الفوائد الأمنية والاقتصادية المكتسبة، مع الأخذ في الاعتبار سياسات الاستدامة المتزايدة.

توجيهات للمنظمات

تُظهر التجارب العملية أن المؤسسات التي تتعامل مع بيانات حساسة أو تخضع لتشريعات صارمة للسيادة الرقمية تستفيد بشكل كبير من هذا النموذج. القدرة على الاحتفاظ بالتحكم الكامل في موقع الخوادم يتيح تطبيق سياسات أمان مخصصة، وإجراء تدقيقات داخلية بسهولة أكبر مقارنة بالحلول السحابية العامة. بالإضافة إلى ذلك، يتيح النموذج المحلي توثيق جميع عمليات المعالجة، مما يسهل الامتثال للمتطلبات التنظيمية وتقديم الأدلة المطلوبة للجهات الرقابية.

توقعات مستقبلية

من المتوقع أن تُطرح لاحقًا في عام 2026 أداة Agent Launchpad التي ستبسط عملية نشر الوكلاء وتحديثهم، ما سيساهم في تقليل الجهد الإداري وتعزيز سرعة الاستجابة للمتطلبات المتغيرة. كما تخطط سيسكو لتوسيع مجموعة النماذج المتاحة من NVIDIA في الفترات القريبة، ما سيعزز إمكانات التحليل المتقدم ويوفر خيارات إضافية للمنظمات الراغبة في استغلال أحدث تقنيات الذكاء الاصطناعي داخل بيئاتها الداخلية.

ما يجب على المنظمات التحقق منه

على المنظمات التي تفكر في تبني منصة Cisco AI POD for Splunk أن تتأكد أولاً من توافق البنية التحتية الحالية مع متطلبات الخوادم ومعالجات GPU، مع مراجعة سياسات الأمان الداخلية لضمان تكاملها مع Cisco Secure AI Factory. كما ينبغي فحص سياسات الحوكمة المتعلقة باستهلاك الرموز ومراقبة الطاقة، والتأكد من وجود آليات لتتبع التكاليف وتقييم الأثر البيئي. أخيرًا، يجب إجراء تدقيق شامل للامتثال للمتطلبات القانونية المتعلقة بسيادة البيانات، لضمان أن الانتقال إلى بيئة محلية لا يخلق فجوات تنظيمية أو مخاطر أمنية غير مُدارة.