كيف خفضت ريفولوت تكاليف البرمجة بالذكاء الاصطناعي بنسبة 90% باستخدام نماذج مفتوحة ذاتية الاستضافة - ديفيد أبيتبول، ريفولوت
Original · How Revolut Cut AI Coding Costs 90% With Self-Hosted Open Models - David Abitbol, Revolut
Key Takeaway
تنجح ريفولت في خفض تكاليف الذكاء الاصطناعي بنجاح كبير عبر الاستضافة الذاتية لنماذج البرمجة مفتوحة المصدر على وحدات معالجة رسومية مخصصة.
Highlights
حققت شركة ريفولت تحسناً بنسبة 60% في وقت البرمجة وتحسناً بنسبة 70% في وقت التسليم من خلال استضافة النماذج مفتوحة المصدر ذاتياً.
تستخدم ريفولت 56 وحدة معالجة رسومية من نوع B200 لاستضافة نموذج GLM لخدمة 2000 مهندس.
بلغت تكلفة الرمز الهجينة للاستضافة الذاتية لنموذج GLM نحو 0.30 دولار لكل مليون رمز، مما خفض التكاليف إلى عشر الفواتير السابقة.
يؤدي الانتقال من دقة FP8 إلى FP4 إلى توفير 40% من مساحة وحدة معالجة الرسومات دون أي فقدان في الدقة.
تعتمد ريفولت على بيئة معزولة (sandbox) وضمان وجود بشري في الحلقة لتلبية المتطلبات التنظيمية الصارمة للبنك في الاتحاد الأوروبي.
Timeline
نظرة عامة على ريفولت وتطور استخدام الذكاء الاصطناعي
تستعرض البداية خلفية عن شركة ريفولت ومكانتها في السوق الأوروبي. يوضح العرض تتبع أداء المهندسين عند إدخال أدوات الذكاء الاصطناعي المختلفة ومقارنة وقت البرمجة بوقت التسليم. دفعت التكاليف المرتفعة للنماذج التجارية الشركة نحو التفكير في حلول اقتصادية بديلة.
- تعد ريفولت بنكاً رقمياً أوروبياً يضم 80 مليون عميل وأصبح أكبر شركة خاصة في أوروبا.
- أدى استخدام نماذج مثل جيميناي إلى تحسينات أولية طفيفة في وقت البرمجة والتسليم.
- أدى القلق بشأن التكاليف المرتفعة لاستخدام النماذج الخارجية إلى وضع ميزانيات صارمة والبحث عن بدائل.
التحول نحو النماذج مفتوحة المصدر والاستضافة الذاتية
يوضح هذا القسم الأثر الكبير لتبني النماذج مفتوحة المصدر ذاتية الاستضافة على سرعة إنجاز المهام البرمجية. تخلص الهندسة من قيود الميزانية المحدودة للرموز أتاح للمهندسين استخدام الذكاء الاصطناعي بحرية أكبر. حققت الاستضافة الذاتية تكلفة منخفضة للغاية مقارنة بالخدمات السحابية التجارية.
- بدأت ريفولت في استضافة النماذج مفتوحة المصدر ذاتياً مثل نموذج GLM في أبريل 2026.
- تتطلب خدمة 2000 مهندس استخدام 56 وحدة معالجة رسومية من طراز B200.
- بلغ وقت الوصول إلى الرمز الأول أقل من ثلاث ثوانٍ بمعدل نقل يبلغ 200 رمز في الثانية.
تحسين الأداء ومعلمات التشغيل
يشرح هذا الجزء تفاصيل الضبط التقني اللازم للحصول على أداء عالي الكفاءة من النماذج المستضافة ذاتياً. تشمل المعلمات الهامة تحديد حجم السياق المطلوب واستخدام دقة FP4 المناسبة لمعالجات بلاكويل. كما يتم التعامل مع قيود النماذج النصية بحلول بديلة لمهام الرؤية الحاسوبية.
- أدى تحسين المعلمات إلى خفض وقت الوصول إلى الرمز الأول إلى 1.6 ثانية مع زيادة الطلبات.
- يحقق استخدام دقة FP4 توفيراً بنسبة 40% في مساحة وحدة معالجة الرسومات دون فقدان الدقة.
- تتطلب مهام التعرف على الصور توجيه الطلبات إلى نماذج أخرى مثل جيميناي بينما يختص نموذج GLM بالمهام الرئيسية.
الامتثال التنظيمي والأمان والخصوصية
يختتم العرض بتناول التحديات التنظيمية والأمنية المتعلقة باستخدام النماذج مفتوحة المصدر في القطاع المصرفي الخاضع للرقابة. يتم تأمين البيئة البرمجية عبر قواعد معزولة ومراقبة قوية تضمن حماية البيانات والالتزام بالقوانين التنظيمية.
- تعتمد ريفولت على جلب أوزان النماذج وتشغيلها محلياً دون الحاجة لإرسال بيانات الحوسبة إلى الخارج.
- تضمن البيئة المعزولة وجود بشري في الحلقة وتمنع أي استخدام ضار أو تنفيذ أوامر غير مصرح بها.
- تضمن أطر عمل الخصوصية وتتبع الأداء التوافق مع اللوائح التنظيمية الصارمة للاتحاد الأوروبي.
Description
David Abitbol, who leads AI operations at Revolut, shares data from 2,000 engineers on what AI tools did to coding time and lead time, and why self-hosting open-source GLM models made the biggest difference: about 60-70% faster delivery at roughly a tenth of what they were paying frontier labs. He covers the GPUs needed, the latency targets that keep engineers happy, the tuning that made the same hardware 88% faster, and how an EU-regulated bank keeps it compliant. Chapters: 0:00 Intro 0:36 Who Revolut is 1:18 What AI did to 2,000 engineers' lead time 2:45 Why they started self-hosting 3:33 Coding isn't the bottleneck 4:24 What it takes to self-host GLM 5:46 Tuning: same GPUs, 88% faster 7:06 The parameters that matter 8:14 Production setup 9:23 For the CIO: compliance and safety David Abitbol https://www.revolut.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!