تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات

لأكثر من نصف قرن، سار تقدّم الحوسبة وفق قانون مور: حشر ضعف عدد الترانزستورات على السيليكون كل ثمانية عشر إلى أربعة وعشرين شهراً. لكن في الميدان الناشئ للذكاء الاصطناعي المادي والروبوتات الذاتية، اصطدم قانون مور بقوانين الديناميكا الحرارية. فالطائرات المسيّرة الذاتية والروبوتات رباعية الأرجل والأذرع الجراحية والمركبات ذاتية القيادة لا تستطيع حمل معالجات رسومية من فئة الخوادم تستهلك 700 واط ولا أبراج تبريد. وفي قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات في لندن يوم 13 أكتوبر 2026، انضم Taner Ozcelik، رئيس مجلس إدارة Mythic AI ورئيسها التنفيذي، إلى Kenneth Cukier في حوار جانبي تناول الثورة المعمارية اللازمة لكسر هذا الجمود: تجاوز قانون مور عبر الحوسبة التناظرية داخل الذاكرة (CIM) والرقائق المعيارية.

الجدار الحراري: لماذا لا يستطيع الذكاء الاصطناعي المادي العيش في السحابة #

خلال الجلسة الحوارية المعنونة Moving past Moore’s law: the power behind high-performance robotics، صاغ Kenneth Cukier المعضلة الهندسية الجوهرية التي تواجه الأنظمة الذاتية في المؤسسات: نماذج الذكاء الاصطناعي تتوسع في عدد المعاملات وفي قدرات الإدراك، لكن الآلات المادية تعمل تحت قيود SWaP-C صارمة (الحجم والوزن والطاقة والتكلفة).

ترتكز حدود الذكاء الاصطناعي اليوم على مراكز بيانات فائقة النطاق تسحب 150 ميغاواط أو أكثر عبر عناقيد خوادم شاسعة. وكما أشار Ozcelik، تعمل هذه المعمارية بمستويات طاقة تبتعد ملايين المرات عن المراجع البيولوجية. فالدماغ البشري ينفذ التنسيق الحسي الحركي المتواصل في الزمن الحقيقي والاستدلال الدلالي والملاحة البصرية المكانية ضمن غلاف طاقة أيضي يبلغ نحو 20 واط.

تاريخياً، حاول مهندسو الروبوتات تجاوز حدود الحوسبة على متن الآلة بنقل الاستدلال إلى السحابة. غير أن الاستقلالية المعتمدة على السحابة مستحيلة معمارياً في البيئات الصناعية والفضائية والدفاعية ذات المهام الحرجة:

1. تباين زمن الاستجابة والارتعاش: يتطلب التحكم الروبوتي عالي السرعة في حلقة مغلقة تحديثات حتمية للمحركات بتردد من 50 إلى 1,000 هرتز (رحلات ذهاب وإياب دون 20 ميلي ثانية). وتُدخل الشبكات الخلوية وWi-Fi ارتعاشاً في الحزم وإطارات مفقودة وقفزات في زمن الاستجابة تجعل الأذرع الروبوتية تُسقط قطع العمل أو تجعل المركبات الذاتية تخفق في بلوغ عتبات الكبح.
2. تشبّع النطاق الترددي: يستنزف بث عدة تدفقات فيديو 4K غير مضغوطة وسحب نقاط LiDAR من عشرات الروبوتات المتنقلة عبر مصنع واحد النطاقَ الترددي اللاسلكي المحلي بسرعة، ويفرض رسوماً باهظة لنقل البيانات من السحابة.
3. السيادة التشغيلية والاتصال المتنازع عليه: في التعدين تحت الأرض والأنفاق المحرومة من GPS ومواقع البناء النائية والبيئات العسكرية التكتيكية، تكون روابط الشبكات الخارجية إما غير موجودة أو مُشوَّشاً عليها عمداً. ويجب أن تحمل الأنظمة الذاتية ذكاءها التشغيلي الكامل مباشرة على هيكل الحافة.

ولتزويد الروبوتات بمعالجات رسومية تقليدية عالية الأداء عقوباته المادية الخاصة: الخنق الحراري، ومشتتات حرارة ضخمة تضيف كتلة طفيلية إلى الحمولة، واستهلاك عالٍ للطاقة يقلّص زمن طيران البطارية من ساعات إلى دقائق.

الأطروحة المعمارية: الحوسبة داخل الذاكرة (CIM) #

لحل عنق الزجاجة الحراري، طرحت Mythic AI فلسفة معمارية: بدلاً من نقل البيانات ذهاباً وإياباً بين وحدات معالجة ومستودعات ذاكرة منفصلة، يجب أن تصبح الذاكرة نفسها هي الحاسوب.

.class="img-fluid clearfix"

فيزياء ضرب المصفوفات بترانزستور واحد #

في الحوسبة الرقمية الكلاسيكية، يتطلب حساب الضرب النقطي للمصفوفات جلب آلاف قيم الأوزان بدقة 8 أو 16 بت من ذاكرة DRAM خارجية عبر خطوط نواقل عالية السعة، وتحميلها في سجلات الذاكرة المؤقتة، وإجراء الضرب داخل وحدات ALU رقمية، ثم كتابة النتائج مجدداً في الذاكرة. ويُنفق أكثر من 90% من الطاقة في شحن خطوط التوصيل النحاسية بين الرقائق وتفريغها.

تستبدل معماريات الحوسبة داخل الذاكرة هذا النقل الرقمي للبيانات بفيزياء الدوائر التناظرية:

برمجة الأوزان. تُبرمج أوزان الشبكة العصبية مباشرة في خلايا ذاكرة غير متطايرة (مثل ذاكرة flash معدّلة أو ذاكرة RAM مقاومية) على هيئة موصليات تناظرية ($G$). وبعد برمجتها تبقى الأوزان ثابتة داخل مصفوفة الذاكرة، ولا تُجلب ولا تُنقل أبداً أثناء الاستدلال.

تعديل جهد الدخل. تُحوَّل تنشيطات الدخل (مثل الرموز المرئية القادمة من الكاميرات) إلى مستويات جهد تناظرية ($V$) وتُمرَّر على خطوط الكلمات في المصفوفة.

الضرب بقانون أوم. عندما يمر جهد الدخل عبر كل خلية ذاكرة، يُجري قانون أوم ($I = V \times G$) ضرباً تناظرياً فورياً، مولّداً تياراً كهربائياً يتناسب مع حاصل ضرب الدخل في الوزن المخزّن.

التجميع بقانون كيرشوف للتيار. على خطوط البتات العمودية، تتجمع التيارات القادمة من آلاف خلايا الذاكرة المتوازية تلقائياً وفق قانون كيرشوف للتيار ($\sum I = 0$).

وهكذا تنفّذ مصفوفة ذاكرة flash واحدة عملية ضرب مصفوفة في متجه كاملة في دورة ساعة واحدة، عاملة على المستوى الفيزيائي دون أي جلب من الذاكرة. ثم يُحوَّل التيار التناظري المتراكم مجدداً إلى قيم رقمية عبر محولات تناظرية رقمية (ADC) عالية السرعة عند طرف المصفوفة.

استراتيجية الرقائق المعيارية #

مع أن الحوسبة التناظرية داخل الذاكرة تحل معادلات الطاقة وزمن الاستجابة، فإن توسيع السيليكون عبر مجالات تجارية متنوعة يتطلب مرونة في التغليف. وبدلاً من تصنيع أنظمة على رقاقة (SoC) ضخمة أحادية الكتلة - تعاني من معدلات عيوب أُسّية ومردود رقائق ضعيف وتكوينات منتجات غير مرنة - عرض Ozcelik استراتيجية الرقائق المعيارية.

في ظل هذا النموذج، تُصنَّع بلاطات حوسبة صغيرة وقياسية داخل الذاكرة بشكل مستقل، ثم تُلحم على وسائط ربط (interposers) باستخدام التغليف المتقدم:

1. وصلات die-to-die قياسية عالية السرعة: بالاستفادة من معايير ناشئة مثل Universal Chiplet Interconnect Express (UCIe)، تتواصل الرقائق المعيارية عبر نتوءات دقيقة بكثافة نطاق ترددي عالية وزمن استجابة على مستوى البيكوثانية.
2. تركيب غير متجانس: يستطيع مصمم النظام أن يقرن رقاقتين معياريتين للحوسبة داخل الذاكرة بمعالج تحكم ARM منخفض التكلفة لحمولة طائرة مسيّرة خفيفة، أو أن يجمع ست عشرة رقاقة معيارية مع واجهات PCIe عالية السرعة لبناء بطاقة تسريع للخوادم في مراكز بيانات الحافة.
3. ترجمة شاملة وتوزيع للأحمال: تستقبل طبقة مترجم موحدة رسوم التعلم العميق القياسية (ONNX وPyTorch) وتقسّم طبقات النموذج تلقائياً على طوبولوجيا الرقائق المتاحة، محسّنة توجيه البيانات لتقليل الاتصال بين الرقائق.

مقارنة معمارية: نماذج الحوسبة لروبوتات الحافة #

المصدر: خلاصة بيانات الحوار الجانبي ومواصفات معمارية أشباه الموصلات المعروضة في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات (Convene 200 Aldersgate، لندن، 13 أكتوبر 2026).

ماذا يعني ذلك لكل قطاع #

يتوقف الإثبات التجاري للحوسبة داخل الذاكرة على اختراق صناعات طالما حالت فيها قيود الطاقة والتكلفة دون نشر نماذج الأساس المتقدمة.

الدفاع التكتيكي والأنظمة غير المأهولة #

في تطبيقات الحافة الدفاعية، تُترجم كفاءة الطاقة مباشرة إلى قدرة على البقاء في الميدان وإلى مدة أطول للمهمة. فالأنظمة الجوية الصغيرة غير المأهولة (sUAS) والمركبات الأرضية التكتيكية مقيدة بشدة بوزن البطاريات. وتزويد طائرة استطلاع مسيّرة بمعالج رسومي تقليدي يقلّص بقاءها في الجو بنسبة 30% إلى 50% لمجرد تشغيل حزمة الإدراك بالذكاء الاصطناعي.

يتركز التعاون الاستراتيجي بين Mythic AI وLockheed Martin على دمج الحوسبة داخل الذاكرة في أنظمة الحافة التكتيكية وأسراب الطائرات المسيّرة الذاتية ونقاط المراقبة النائية. ومن خلال خفض استهلاك الحوسبة من 50 واط إلى أقل من 10 واط، تحقق الطائرات المسيّرة التكتيكية أزمنة طيران أطول بينما تشغّل محلياً تصنيف الأجسام متعدد الوسائط ومعالجة إشارات الحرب الإلكترونية وقياس المسافة البصري القصوري في مسارح عمليات متنازع عليها ومحرومة من GPS.

الوعي الظرفي في السيارات والذكاء الاصطناعي داخل المقصورة #

في قطاع السيارات، يواجه المصنّعون من الفئة الأولى ضغطاً حاداً على الهوامش. فبينما تستطيع السيارات الكهربائية الرائدة تحمّل تكلفة حواسيب قيادة ذاتية مبرّدة بالسوائل بقيمة 2,000 جنيه إسترليني، لا تستطيع ذلك السيارات المخصصة للسوق الواسعة.

تعالج شراكة Honda Motor مع Mythic AI هذا الاحتكاك التجاري. إذ يحتاج مصنّعو السيارات إلى رقائق ذكاء اصطناعي مؤهلة للسيارات تُنتج بكميات كبيرة وتكلّف عشرات الدولارات لا مئاتها، قادرة على تشغيل أنظمة مراقبة السائق وتقطيع الأجسام في النقاط العمياء والإدراك المحيطي بزاوية 360 درجة دون الحاجة إلى حلقات تبريد سائلة معقدة تضيف تكلفة التصنيع وتعقيد التجميع.

مراكز بيانات الحافة الصناعية ومراكز التوزيع المتنقلة #

مع أن الحوسبة داخل الذاكرة مُحسّنة معمارياً للحافة، تنفّذ Mythic استراتيجية جسر مدروسة بتقديم بطاقات تسريع PCIe لمراكز بيانات الحافة ومراكز تنفيذ الطلبات في المستودعات. وفي المرافق التي تستضيف مئات الروبوتات المتنقلة الذاتية (AMR)، تكون خزائن خوادم الحافة التي تشغّل نماذج تنسيق الأساطيل مقيدة بحدود التغذية الكهربائية والتبريد في المرفق. وتمكّن بطاقات التسريع داخل الذاكرة المرافقَ من مضاعفة إنتاجية الاستدلال المحلية دون تحديث البنية التحتية للطاقة.

مرونة سلاسل الإمداد وجغرافيا التصنيع #

تمحور جانب أساسي من إحاطة Ozcelik حول سيادة سلاسل الإمداد. فلا معنى لابتكار العتاد إذا تعذّر تصنيع السيليكون وتغليفه وشحنه على نطاق واسع بصورة موثوقة.

أنشأت Mythic AI بصمة تصنيع دولية موزعة:

• تصنيع السيليكون: يتركز الإنتاج الأساسي لرقائق الحوسبة داخل الذاكرة في طوكيو باليابان، مستفيداً من ريادة اليابان الراسخة في تصنيع أشباه الموصلات الدقيقة وفي عُقد المعالجة التناظرية وflash الناضجة.
• التغليف المتقدم والتجميع: تُرسل الرقائق إلى أوروبا (وتحديداً ألمانيا) لتقطيع الرقائق المعيارية المتقدم وربط الركائز متعددة القوالب والفحص البصري الآلي.
• التحقق من المراجعة: تستكمل الشركة حالياً التحقق من أحدث مراجعة لسيليكونها، مركزة على تحويل مقاييس المردود المخبرية إلى بيانات عمل (SOW) قابلة للتكرار بمستوى الإنتاج من أجل الإنتاج الكمي في قطاعي السيارات والدفاع.

يتجنب هذا النهج متعدد المناطق نقاط الضعف الجيوسياسية الأحادية، ويوفر للشركاء من الشركات في أوروبا وآسيا سلاسل إمداد متنوعة جغرافياً.

الخلاصة #

حدّد الحوار الجانبي بين Taner Ozcelik وKenneth Cukier في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات الواقعَ المادي الذي سيحكم العقد المقبل من الأنظمة الذاتية. فقانون مور، بوصفه مقياساً بسيطاً لتصغير الترانزستورات، لم يعد كافياً لتغذية ثورة الذكاء الاصطناعي المادي.

وما دامت معماريات الحوسبة متمسكة بفصل فون نيومان بين المنطق والذاكرة، ستبقى الروبوتات مقيدة بكتلة البطاريات وتبديد الحرارة وتكاليف قوائم المواد الباهظة. ومن خلال الانتقال من حركة البيانات الرقمية إلى مصفوفات الحوسبة التناظرية داخل الذاكرة وطوبولوجيات الرقائق المعيارية، تقدّم هندسة أشباه الموصلات القفزة النوعية في الكفاءة التي تحتاجها الأنظمة الذاتية.

إن الانتقال من عناقيد مراكز البيانات بقدرة 700 واط إلى سيليكون حافة بقدرة 15 واط هو البوابة الحقيقية إلى الاستقلالية المادية. وفي التحليل الأخير، يجب على الروبوتات التي تعمل في العالم الحقيقي أن تمتثل لقوانين الطاقة في العالم الحقيقي؛ والحوسبة داخل الذاكرة هي المعمارية التي تجسر الهوة بين السيليكون والبيولوجيا.

الأسئلة الشائعة #

ما عنق زجاجة فون نيومان في عتاد الذكاء الاصطناعي؟ يشير عنق زجاجة فون نيومان إلى قيد الإنتاجية والطاقة الناجم عن الفصل المادي بين وحدة المعالجة المركزية (ALU) وذاكرة النظام (DRAM). ففي أحمال الذكاء الاصطناعي، التي تتضمن مليارات عمليات ضرب المصفوفات، تنفق المعالجات أكثر من 85% من طاقتها الإجمالية وعدداً كبيراً من دورات الساعة لمجرد نقل البيانات ذهاباً وإياباً عبر النواقل النحاسية، ما يخلق اختناقات حرارية واختناقات في زمن الاستجابة حادة.

كيف تعمل الحوسبة التناظرية داخل الذاكرة (CIM)؟ تنفّذ الحوسبة داخل الذاكرة العمليات الرياضية مباشرة داخل خلايا الذاكرة دون نقل البيانات. وتُخزّن أوزان الشبكة العصبية كحالات موصلية تناظرية داخل خلايا ذاكرة غير متطايرة. وعند تطبيق جهود الدخل عبر المصفوفة، يسري التيار في الخلايا وفق قانون أوم ($I = V \times G$)، ويتجمع على خطوط البتات وفق قانون كيرشوف للتيار. ويُنجز ذلك ضرب مصفوفة في متجه كاملاً في خطوة فيزيائية واحدة.

لماذا تُعد الحوسبة داخل الذاكرة حاسمة بشكل خاص للروبوتات والطائرات المسيّرة؟ تعمل الروبوتات المتنقلة والطائرات المسيّرة تحت قيود صارمة في الحجم والوزن والطاقة والتكلفة (SWaP-C). فهي تعتمد على بطاريات مدمجة ولا تستطيع حمل مشعات تبريد ثقيلة أو مزودات طاقة عالية القدرة. وتوفر الحوسبة داخل الذاكرة كفاءة طاقة أعلى من 10x إلى 1,000x، ما يمكّن الروبوتات من تشغيل نماذج رؤية ولغة وفعل معقدة محلياً ضمن غلاف طاقة من 10 إلى 20 واط مع الحفاظ على عمر البطارية.

ما ميزة نهج الرقائق المعيارية مقارنة بالرقاقة أحادية الكتلة؟ تدمج الرقائق أحادية الكتلة جميع الوحدات الوظيفية على قالب سيليكون واحد كبير. ومع ازدياد حجم القالب، ترتفع معدلات عيوب التصنيع أُسّياً، فينخفض مردود الإنتاج وترتفع تكلفة الوحدة. أما معمارية الرقائق المعيارية فتقسم النظام إلى قوالب سيليكون أصغر وقياسية تُصنّع بشكل مستقل بمردود مرتفع وتُوصل عبر نتوءات دقيقة عالية السرعة. ويتيح ذلك تكوينات معيارية مرنة مصممة وفق متطلبات الطاقة وعامل الشكل في كل صناعة.

من هم الشركاء التجاريون الرئيسيون لهذه التقنية؟ ترتكز منصة الحوسبة داخل الذاكرة من Mythic AI حالياً على شراكتين كبيرتين مع الشركات: Lockheed Martin، التي تدمج المعمارية في الطائرات المسيّرة الدفاعية التكتيكية والمنصات الروبوتية غير المأهولة ونقاط أمن المحيط لإطالة عمر البطارية؛ وHonda Motor، التي تستهدف رقائق ذكاء اصطناعي منخفضة التكلفة ومؤهلة للسيارات من أجل الوعي الظرفي للمركبة والاستشعار داخل المقصورة.

المراجع #

• Economist Enterprise, (2026). قمة الذكاء الاصطناعي المادي والروبوتات: ميزة تشغيلية عبر الأنظمة الذاتية ⧉. Economist Enterprise.
• Ozcelik, T., (2026). تجاوز قانون مور: القدرة الكامنة وراء الروبوتات عالية الأداء ⧉. Mythic AI.
• Cukier, K., (2026). السقوف الحرارية للذكاء الذاتي ⧉. The Economist.
• Marković, D., Mizrahi, A., Querlioz, D., & Grollier, J., (2020). الفيزياء من أجل الحوسبة العصبية الشكل ⧉. Nature Reviews Physics, 2, 499-510.
• Universal Chiplet Interconnect Express, (2025). مواصفة UCIe 2.0: معيار الربط بين القوالب ⧉. UCIe Consortium.
• IEEE, (2026). خارطة الطريق الدولية للأجهزة والأنظمة (IRDS): ما بعد CMOS والحوسبة داخل الذاكرة ⧉. IEEE Standards Association.

آخر مراجعة 2026-10-13.

آخر مراجعة 2026-10-27.

# تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/](https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/)

في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات في لندن، شرح Taner Ozcelik من Mythic AI كيف تهدم الحوسبة داخل الذاكرة جدار الذاكرة في العتاد.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/

تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau

في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات في لندن، شرح Taner Ozcelik من Mythic AI كيف تهدم الحوسبة داخل الذاكرة جدار الذاكرة في العتاد.

https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/

تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau

في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات في لندن، شرح Taner Ozcelik من Mythic AI كيف تهدم الحوسبة داخل الذاكرة جدار الذاكرة في العتاد.

إليك أبرز النقاط الاستراتيجية:

- الجدار الحراري: لماذا لا يستطيع الذكاء الاصطناعي المادي العيش في السحابة. خلال الجلسة الحوارية المعنونة Moving past Moore’s law: the power behind high-performance robotics، صاغ Kenneth Cukier المعضلة الهندسية الجوهرية التي تواجه الأنظمة الذاتية في المؤسسات: نماذج الذكاء الاصطناعي تتوسع في…
- الأطروحة المعمارية: الحوسبة داخل الذاكرة (CIM). لحل عنق الزجاجة الحراري، طرحت Mythic AI فلسفة معمارية: بدلاً من نقل البيانات ذهاباً وإياباً بين وحدات معالجة ومستودعات ذاكرة منفصلة، يجب أن تصبح الذاكرة نفسها هي الحاسوب.
- استراتيجية الرقائق المعيارية. مع أن الحوسبة التناظرية داخل الذاكرة تحل معادلات الطاقة وزمن الاستجابة، فإن توسيع السيليكون عبر مجالات تجارية متنوعة يتطلب مرونة في التغليف.
- مقارنة معمارية: نماذج الحوسبة لروبوتات الحافة. المصدر: خلاصة بيانات الحوار الجانبي ومواصفات معمارية أشباه الموصلات المعروضة في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات (Convene 200 Aldersgate، لندن، 13 أكتوبر 2026).

ما هو نهج مؤسستك في مواجهة التحديات المذكورة في هذا المقال؟

→ https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/

#الحوسبةداخلالذاكرة،MythicAi،TanerOzcelik،قانونمور،عنقزجاجةفوننيومان،الرقائقالمعيارية،روبوتاتالحافة،الذكاءالاصطناعيالمادي،الحوسبةالتناظرية،LockheedMartin،Honda،معماريةأشباهالموصلات

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026تجاوز,
  author  = {Rousseau, Sebastien},
  title   = {{تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/
ER  -

Rousseau S. تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/

Rousseau, Sebastien. "تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/.

Rousseau, S. (2026, October 13). تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/

تجاوز قانون مور: الحوسبة داخل الذاكرة والرقائق المعيارية للروبوتات — Sebastien Rousseau

في قمة Economist Enterprise للذكاء الاصطناعي المادي والروبوتات في لندن، شرح Taner Ozcelik من Mythic AI كيف تهدم الحوسبة داخل الذاكرة جدار الذاكرة في العتاد.

Originally published at https://sebastienrousseau.com/ar/2026-10-13-tajawuz-qanun-mur-alhawsaba-dakhil-aldhakira/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER