في ظل التوسع الهائل في بنية التحفيز الاصطناعي، تزداد الضغوط على شركات التكنولوجيا لاستغلال أقصى قدر من القدرة الحسابية من وحدات معالجة الرسوميات (GPU) المتاحة، خاصة في مهام الاستدلال (inference). في هذا السياق، تبرز شركة "تينسORMش" كواحدة من أبرز المبادرات التي تسعى لتحسين الكفاءة من خلال تقنيات مبتكرة، حيث أعلنت عن طرح منتجها التجاري بعد خوضها فترة سرية، مُحققة تمويلًا أوليًا بقيمة 4.5 مليون دولار، بقيادة صندوق "لاود فوندز"، مع مشاركة استثمارية من المبتكِر في مجال قواعد البيانات مايكل فرانكلين. الشركة تستند إلى أداة مفتوحة المصدر تُدعى LMCache، طوّرها أحد مؤسسيها، ييهاوا تشينغ، والتي أثبتت قدرتها على خفض تكاليف الاستدلال بنسبة تصل إلى 10 أضعاف في بعض الحالات. وقد أُدخلت هذه الأداة بالفعل في مشاريع مفتوحة المصدر، وحظيت باعتماد من شركات كبرى مثل جوجل ونفيديا، ما يعكس قيمتها التقنية العالية. الفكرة الأساسية وراء النظام تكمن في ما يُعرف بـ"مخبأ القيم الأساسية" (Key-Value Cache)، وهي آلية تخزين ذاكرة تُستخدم لضغط البيانات المعقدة وتسريع معالجتها. في الأنظمة التقليدية، يُحذف هذا المخبأ بعد كل استفسار، ما يُضيّع معرفة مُكتسبة من الاستفسارات السابقة. وفقًا لجونتشين جيانغ، الرئيس التنفيذي للشركة، فإن هذا التصرف يشبه "استخدام محلل ذكي يقرأ كل البيانات، لكنه ينسى كل ما تعلمه بعد كل سؤال". تتفوق تينسORMش من خلال الحفاظ على هذا المخبأ، وتمكينه من إعادة استخدامه في استفسارات لاحقة مشابهة، حتى لو كانت متفرقة عبر جلسات مختلفة. وبما أن ذاكرة GPU محدودة جدًا، فإن النظام يُوزع البيانات عبر طبقات تخزين متعددة، لكن النتيجة تُظهر زيادة كبيرة في عدد العمليات الاستدلالية الممكنة دون الحاجة إلى إضافة معدات إضافية. التأثير الأكبر يظهر في التطبيقات التي تعتمد على التفاعل المستمر، مثل واجهات الدردشة، حيث يُطلب من النموذج الرجوع باستمرار إلى سجل المحادثة المتزايد. كما ينطبق هذا على الأنظمة العاملة بذكاء اصطناعي مُستقل (agentic systems)، التي تُبقي سجلًا متزايدًا من الأفعال والأهداف. رغم أن الشركات الكبرى يمكنها تطوير مثل هذه الأنظمة داخليًا، إلا أن التعقيد التقني والموارد البشرية المطلوبة تجعل الأمر مكلفًا وطويل الأمد. بعض الفرق استغرقت أربعة أشهر ووظفت 20 مهندسًا لبناء نظام مشابه. وبحسب جيانغ، فإن تينسORMش تقدم حلاً جاهزًا يُقلل من هذه التحديات، ويُمكّن الشركات من تطبيق التحسينات بسرعة وفعالية. باستغلال خبرة فريقها الأكاديمية ونضج تقنيته، ترى الشركة أن هناك طلبًا متزايدًا على حلول مُستقلة وقابلة للتوسيع، تُسهم في تحويل التحديات الهيكلية في بنية الذكاء الاصطناعي إلى فرص تجارية حقيقية.