Lifecycle stage — Build
الذكاء الاصطناعي الذي يعمل داخل نظام فيزيائي مشكلة هندسية مختلفة عن الذكاء الاصطناعي الذي يعمل في السحابة. نموذج مُنشر على PLC في خط إنتاج، أو ECU في مركبة، أو عقدة حوسبة في محطة فرعية، يجب أن يلتزم باتفاقيات مستوى الخدمة في الوقت الفعلي، ويصمد أمام انقسامات الشبكة، ويحترم أغلفة السلامة التي يُراجعها مهندسو الشهادات لديك، ويعمل على عتاد يجب أن تتجاوز تكلفته ما ستوافق عليه محاسبة العمليات. استشارات الذكاء الاصطناعي السحابي العامة لا تستطيع القيام بهذا العمل — الأُطر المرجعية لا تنطبق والفرق لم تلتقِ مهندس سلامة. هذه هي مرحلتا PILOT وLAUNCH من DEPLOY Method، مكيّفتان للأنظمة الفيزيائية: ارتباط مدمج مدته 16 أسبوعاً يأخذ تجربة ذكاء اصطناعي على الحافة عبر اكتشاف السلامة، وتصميم النموذج لعتاد مقيّد، والتكامل مع مكدّس صناعي أو مركبة، والتسليم التشغيلي. أعمل سفيراً للحكومة الفرنسية للذكاء الاصطناعي في التحول الرقمي للمالية والأعمال — تعيين مهم للعمل السيادي والملاصق للدفاع — وأطلقت ثمانية مشاريع ذكاء اصطناعي بما في ذلك عمل على أنظمة ذاتية القيادة. المخرج نشر سيُشغّله فريق عملياتك، لا عرض سيتخلى عنه فريق بياناتك.
Your cloud-first data platform was never designed to push a model to a PLC, a vehicle ECU, or a substation compute node — and retrofitting it is a three-quarter project on its own. The MLOps stack your team built assumes elastic cloud inference, network connectivity, and hardware you can overprovision. None of those assumptions hold at the edge. The model your data team trained runs on hardware your operations team controls, with constraints your MLOps pipeline cannot express. The retrofit becomes a program in itself, and it eats the timeline the original AI project was supposed to deliver on.
Safety and certification engineers have veto power and you have no process that produces the evidence they need. The model works in simulation. Your safety engineer asks for the hazard analysis, the failure mode coverage, the envelope violation testing, and the evidence chain that will survive a certification review — and your data team has never produced any of those artifacts. The project stalls in a review your data team did not know existed until week ten. Nobody is wrong; the handoff between ML engineering and safety engineering has never been designed at your company because you have never shipped AI into a regulated physical system.
Your AI team and your operations team use different languages, and their ticket systems do not talk. The data scientists speak in F1 scores, validation sets, and model cards. The operations engineers speak in OEE, MTBF, PLC scan cycles, and vehicle bus timing. The two groups meet in a quarterly steering committee and part agreeing on nothing specific. Without a shared language and a shared operating rhythm, the model your team delivered is never accepted by the operations team that has to run it. The project does not fail technically; it fails socially.
The model works at bench scale and falls over the first time it meets a real sensor with the wrong calibration drift. Training data was clean. Validation data was clean. The production sensor has a thermal bias nobody modeled, a firmware version your team did not know existed, and an intermittent electrical fault the operations team has tolerated for six years. The model's accuracy collapses on day three of the pilot and nobody can tell whether the model is broken, the sensor is broken, or the integration is broken. That ambiguity is where edge AI projects go to die.
يسير الارتباط في أربع مراحل مدة كل منها أربعة أسابيع. أعمل في الموقع خلال المرحلتين الأولى والأخيرة، ومدمجاً عن بُعد في المنتصف. لفرق الهندسة والسلامة والعمليات لديك جميعاً وقت مُخصّص — هذا ليس تسليماً يستطيع فريق بيانات حمله وحده. المخرج نشر يعمل على العتاد الإنتاجي، تحت نظام السلامة، مُتكاملاً مع المكدس التشغيلي.
جلسات منظّمة مع فريق هندسة السلامة، وقائد الشهادات، ومهندسي العمليات الذين سيُشغّلون النظام، وفريق التعلم الآلي الذي بنى التجربة. نُوثّق غلاف السلامة، وأنماط الفشل التي تهم، وأدوات الشهادة المطلوبة، وقيود العتاد (الحوسبة، الذاكرة، الحرارة، الطاقة)، وطوبولوجيا الشبكة وسلوك الانقسام، واتفاقيات مستوى الخدمة التشغيلية التي على النموذج الوفاء بها. بنهاية الأسبوع الرابع لدينا وثيقة قيود مكتوبة سيوقّع عليها مهندس السلامة وسيستطيع فريق التعلم الآلي البناء مقابلها. هذه المرحلة هي التي تتخطاها معظم المشاريع؛ تخطّيها هو السبب الذي تفشل من أجله معظم المشاريع.
تُعاد هندسة معمارية النموذج ووصفة التدريب للعتاد وغلاف السلامة. استراتيجية التكميم، وميزانية الكمون، وبصمة الذاكرة، والسلوك الحتمي حيث تتطلبه السلامة، والتدهور السلس تحت خطأ المستشعر. نُجري دراسات الاستئصال على عتاد حقيقي، لا في المحاكاة. نبني أيضاً سلسلة الأدلة — تحليل المخاطر، وتغطية أنماط الفشل، واختبارات انتهاك الغلاف — التي ستتطلبها مراجعة الشهادة. النموذج المُنتَج في هذه المرحلة هو الذي سيُنشَر؛ لا نُعيد هندسته بعد بناء أدلة الشهادة.
يتكامل النموذج مع المكدس الصناعي أو مكدس المركبة على عتاد حقيقي — بيئة برمجة PLC، شبكة OT، ناقل مركبة، SCADA، أو أتمتة محطة فرعية. نظام تذاكر فريق العمليات يتلقى التنبيهات التي سيُنتجها النموذج. يُبنى مسار تحديث البرامج الثابتة، وآلية التراجع عن النموذج، وخط أنابيب النشر عبر الأثير (أو عبر السلك) ويُختبر. بنهاية الأسبوع الثاني عشر يعمل النموذج على عتاد إنتاجي في منطقة تجريبية مُتحكَّم بها — خط إنتاج واحد، مركبة واحدة، محطة فرعية واحدة — تحت نظام السلامة ومُراقباً من فريق العمليات.
فريق العمليات يمتلك النشر. نبني كتب التشغيل التي سيستخدمونها، وعتبات التنبيه التي تطابق إيقاعهم التشغيلي القائم، ولوحات أداء النموذج التي يستطيعون قراءتها دون تدريب على التعلم الآلي، وكتب التراجع عندما يسير تحديث البرامج الثابتة بشكل خاطئ في الثانية صباحاً. نتوسّع من المنطقة التجريبية إلى البصمة الإنتاجية المتّفق عليها في الأسبوع الأول — خطاً بخط، مركبة بمركبة، موقعاً بموقع — مع توقيع مهندس السلامة على كل توسّع. عندما أرحل، فريق العمليات يُشغّل النظام. يُستشار فريق التعلم الآلي في تحديثات النموذج، لا في العمليات اليومية.
المصنّعون، ومصنّعو السيارات الأصليون، وشركات المرافق الطاقية، وهيئات القطاع العام التي لديها مشروع ذكاء اصطناعي تجريبي على الحافة — داخل مصنع، أو مركبة، أو محطة فرعية، أو موقع بنية تحتية سيادية. المنظمات التي يعرف فيها رئيس الهندسة بالفعل أن الفجوة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي الفيزيائي حقيقية، ولديه نظام شهادات وسلامة يجب أن يجتازه المشروع، ويحتاج صوتاً خارجياً قد أطلق ذكاءً اصطناعياً إلى أنظمة فيزيائية من قبل. برامج البنية التحتية السيادية التي تتطلّب شريكاً معتمداً بصفة سفير للذكاء الاصطناعي للعمل الملاصق للدفاع أو الصناعة الاستراتيجية. هذا ليس لشركات البرمجيات البحتة — فهي تحتاج خدمة Agentic System Engineering. وهذا ليس أيضاً للمنظمات التي لا يعمل لديها نموذج تجريبي بالفعل؛ يفترض الارتباط وجود نموذج قائم وفريق عمليات لتسليمه له.
جنباً إلى جنب معهم، بحدود نطاق واضحة. شريك الأتمتة لديك يمتلك بيئة برمجة PLC، وشبكة OT، وطبقة التكامل التشغيلي — وهذه كفاءته الأساسية ولن أحاول التوسّع فيها. أملك معمارية النموذج، ونشر استدلال الحافة، وسلسلة أدلة الشهادة، وعملية السلامة. نلتقي أسبوعياً خلال الارتباط لتتوافق المخرجات. قمت بهذا جنباً إلى جنب مع شركات أتمتة صناعية كبيرة وتعمل الحدود بنظافة عندما يحترم كلا الجانبين النطاق.
نعم — وكثيراً ما يجب أن يفعل. نموذج يعمل على ECU مركبة، أو محطة فرعية نائية، أو منطقة مصنع بعصوصل متقطع، يجب أن يعمل خلال انقسامات الشبكة ويُزامن حالته عندما يعود الرابط. تتعامل المعمارية مع هذا صراحة: استدلال على الجهاز، وإدارة حالة محلية، وحلّ تعارضات عندما تصل القياسات إلى المنصة المركزية، وتدهور سلس عندما تكون خدمة تابعة غير قابلة للوصول. التصميم يستنير بما بنيته في Auralink، حيث يجب أن يستمر الوكلاء في العمل عند فشل تبعية.
يعتمد على النظام. يُنتج الارتباط سلسلة أدلة الشهادة — تحليل المخاطر، وتغطية أنماط الفشل، واختبار انتهاك الغلاف — التي تنعكس على المعيار الذي يعمل عليه مهندس السلامة لديك. لست جهة شهادات ولا أحلّ محل مهندس السلامة لديك؛ أبني الأدلة بالبنية التي يحتاجها حتى لا تتوقّف المراجعة. لتصنيفات المخاطر العالية وفق قانون الاتحاد الأوروبي للذكاء الاصطناعي تحديداً، تُصمَّم سلسلة الأدلة صراحة وفق متطلبات الملحق الثالث لأن عمليات النشر الصناعية والنظم ذاتية القيادة تقع هناك عادةً.
أياً كان ما سيوافق عليه فريق العمليات لديك. في الأسبوع الأول نُحدّد غلاف العتاد الواقعي — ما ستشتريه المشتريات، وما ستُركّبه العمليات، وما ستخدمه الصيانة. عملت عبر Jetson وIntel وAMD والسيليكون المخصّص. تصميم النموذج يستنير بقيود العتاد، لا العكس؛ لا أدخل بمنصّة مفضّلة لأن العتاد الصحيح هو الذي سيُشغّله فريق عملياتك فعلياً للسنوات العشر القادمة.
ليس بصورة ذات معنى. تمثل المراحل الأربع كل منها تخصّصاً مختلفاً — السلامة، وهندسة التعلم الآلي، والتكامل الصناعي، والعمليات — وكل منها يحتاج الوقت الذي يحتاجه. ضغط مرحلة السلامة يُنتج نشراً يفشل في الشهادة. ضغط مرحلة التكامل يُنتج نشراً يرفضه فريق العمليات. المكان الوحيد الذي يمكنني أحياناً توفير الوقت فيه هو عندما يكون شريك الأتمتة الصناعية القائم قد قام بعمل تكامل كبير بالفعل؛ يركّز الارتباط حينها على النموذج وطبقات السلامة وتنضغط مرحلة التكامل إلى أسبوعين. سأخبرك في الأسبوع الأول إن كان ذلك ينطبق.
استكشف خدمات أخرى تُكمّل هذا العرض
٣٠ دقيقة. أشخّص وضعك وأخبرك بصراحة ما إذا كانت هذه الخدمة مناسبة — وإن لم تكن، فأيها مناسب.