بعد سنوات من الهيمنة شبه المطلقة لشركة إنفيديا على سوق رقائق الذكاء الاصطناعي، بدأت ملامح مرحلة جديدة تتشكل داخل الصناعة، عنوانها الرئيسي: الانتقال من الاعتماد على وحدات معالجة الرسومات العامة (GPUs) إلى رقائق ذكاء اصطناعي مخصصة مصممة لتلبية احتياجات كل شركة على حدة.
وخلال طفرة الذكاء الاصطناعي التي انطلقت منذ أواخر عام 2022، أصبحت وحدات معالجة الرسومات التي تطورها إنفيديا العمود الفقري للبنية التحتية المستخدمة في تدريب النماذج اللغوية الضخمة وتشغيلها. واعتمدت كبرى شركات التكنولوجيا، مثل ألفابت وميتا وأمازون ومايكروسوفت على معالجات الشركة لتطوير نماذجها وبناء مراكز بياناتها العملاقة.
إلا أن التغير السريع في طبيعة سوق الذكاء الاصطناعي بدأ يدفع هذه الشركات إلى إعادة النظر في استراتيجيتها، ليس بسبب تراجع كفاءة رقائق إنفيديا، وإنما بسبب تغير طبيعة الإنفاق داخل منظومة الذكاء الاصطناعي.
من التدريب إلى الاستدلال.. أين تذهب المليارات؟
في السنوات الأولى للذكاء الاصطناعي التوليدي، كان التحدي الأكبر يتمثل في تدريب النماذج، وهي عملية تتطلب تشغيل مئات أو آلاف المعالجات في وقت واحد لمعالجة كميات هائلة من البيانات حتى يصبح النموذج قادرًا على فهم اللغة أو إنشاء الصور أو كتابة الأكواد البرمجية.
لكن بعد إطلاق هذه النماذج للجمهور، انتقل مركز الثقل إلى مرحلة أخرى تعرف باسم الاستدلال (Inference)، وهي العملية التي ينفذ خلالها النموذج طلبات المستخدمين بعد اكتمال تدريبه. كل سؤال يُطرح على روبوت محادثة، وكل صورة يتم توليدها، وكل ترجمة أو تحليل أو توصية يقدمها نموذج ذكاء اصطناعي، تُعد عملية استدلال مستقلة.
ومع استخدام مئات الملايين من الأشخاص لهذه الخدمات يوميًا، أصبحت عمليات الاستدلال تُنفذ مليارات المرات يوميًا، ما جعلها تمثل الجزء الأكبر من تكاليف تشغيل الذكاء الاصطناعي.
ويرى محللون أن ما كان يُعد فارقًا بسيطًا في كفاءة استهلاك الطاقة أو سرعة التنفيذ عند تشغيل نموذج واحد، يتحول إلى مليارات الدولارات من الوفر أو الإنفاق الإضافي عند تطبيقه على نطاق عالمي.
لماذا لم تعد وحدات معالجة الرسومات الخيار الأمثل؟
تتميز رقائق إنفيديا بأنها معالجات متعددة الأغراض. فهي قادرة على تدريب نماذج الذكاء الاصطناعي، وتشغيل تطبيقات الرسوميات، والألعاب الإلكترونية، والمحاكاة العلمية، والتصميم الهندسي، وغيرها من الاستخدامات.
هذه المرونة كانت السبب الرئيسي وراء نجاحها الكبير خلال السنوات الماضية، لكنها في الوقت نفسه تعني أن المعالج لا يكون مُحسنًا بالكامل لمهمة واحدة بعينها.
ومع تحول الإنفاق نحو الاستدلال، بدأت الشركات تبحث عن معالجات صُممت خصيصًا لهذه المهمة، بحيث تقدم أداء أعلى مع استهلاك أقل للطاقة، وتكلفة تشغيل أقل على المدى الطويل.
عصر الرقائق المخصصة (ASICs)
من هنا برزت أهمية ما يعرف بـ الدوائر المتكاملة الخاصة بالتطبيقات (ASICs)، أو ما يُطلق عليه أحيانًا وحدات المعالجة المخصصة (XPUs). وعلى عكس وحدات معالجة الرسومات التقليدية، تُصمم هذه الرقائق لتنفيذ مجموعة محددة من المهام الحسابية بكفاءة عالية جدًا، وهو ما يجعلها أقل مرونة، لكنها أكثر توفيرًا للطاقة وأقل تكلفة عند استخدامها لتشغيل نماذج الذكاء الاصطناعي على نطاق واسع.
لا تتساوى جميع رقائق الذكاء الاصطناعي في نفس الجودة حيث أنهم يستخدمون بنية هندسية مختلفة جذريًا:
وحدات معالجة الرسومات (GPUs) هي معالجات متعددة الأغراض قادرة على التعامل مع عمليات التدريب والاستدلال في نطاق واسع من تطبيقات الذكاء الاصطناعي. تهيمن شركتا NVIDIA وAMD على هذه الفئة.
أما الدوائر المتكاملة الخاصة بالتطبيقات (ASICs) فهي مصممة خصيصًا لمهام محددة. يدعم بعضها التدريب والاستدلال معًا (مثل Google TPU وAWS Trainium)، بينما يقتصر البعض الآخر على الاستدلال فقط (مثل Groq LPU وAWS Inferentia). وتُعد هذه المعالجات مناسبة بشكل خاص للشركات التي تمتلك خدمات يستخدمها مئات الملايين من الأشخاص يوميًا، إذ يمكن أن يؤدي تحسين بسيط في استهلاك الطاقة إلى توفير مئات الملايين من الدولارات سنويًا.
توفر وحدات معالجة الرسومات (GPUs) مرونةً في مختلف تطبيقات الذكاء الاصطناعي، بينما تُقدّم الدوائر المتكاملة الخاصة بالتطبيقات (ASICs) أداءً أفضل لكل واط، ولكن يصعب إعادة برمجتها مع تغيّر بنية النماذج.
ووفقًا لـ TrendForce2، واستنادًا إلى معدلات نمو شحنات خوادم الذكاء الاصطناعي، من المتوقع أن تنمو شحنات الدوائر المتكاملة الخاصة بالتطبيقات (ASICs) المُخصصة من مزودي الخدمات السحابية بنسبة 44.6% في عام 2026، بينما من المتوقع أن تنمو شحنات وحدات معالجة الرسومات (GPUs) بنسبة 16.1%. يُشير هذا إلى تحوّل في مشهد أجهزة الذكاء الاصطناعي، حيث تستثمر الشركات العملاقة في تطوير رقائقها الخاصة بشكل متزايد.
برودكوم ومارفيل.. المهندسان خلف الكواليس
وفي قلب هذا التحول تقف شركتا Broadcom وMarvell Technology، اللتان أصبحتا من أبرز مصممي الرقائق المخصصة لعمالقة التكنولوجيا.
ويقوم نموذج العمل في هذا القطاع على توزيع الأدوار بين عدة شركات:
* تحدد شركات التكنولوجيا الكبرى المواصفات الفنية للمعالج الذي تحتاج إليه.
* تتولى Broadcom أو Marvell تصميم الرقاقة وهندستها.
* ثم تقوم شركة TSMC التايوانية، أكبر شركة لتصنيع أشباه الموصلات في العالم، بإنتاج الرقائق بكميات تجارية.
ويمنح هذا النموذج شركات التكنولوجيا فرصة امتلاك معالجات مصممة خصيصًا لاحتياجاتها، دون الحاجة إلى بناء مصانع رقائق خاصة بها.
أنثروبيك تدخل السباق
وفي أحدث حلقات هذا التحول، كشفت تقارير عن دخول شركة لأنثروبيك على خط تطوير الرقائق المخصصة. بعد أن أشارت تقارير في أبريل الماضي إلى أن الشركة تدرس تصنيع رقائقها الخاصة لمواجهة نقص الإمدادات، أفاد موقع The Information بأن الشركة بدأت بالفعل مناقشات مع Samsung Electronics للتعاون في تطوير هذه الرقائق.
ورغم أن المشروع لا يزال في مراحله الأولى، ولم تُحدد الشركة بعد الاستخدام النهائي للرقاقة أو كيفية دمجها داخل الخوادم أو مستوى أدائها، فإنه يعكس اتجاهاً متزايداً بين شركات الذكاء الاصطناعي نحو تقليل الاعتماد على الموردين الخارجيين.
وفي تعليقها على هذه التقارير، أكدت Anthropic أنها ستواصل الاعتماد على بنية تحتية متنوعة تشمل رقائق من جوجل وأمازون وإنفيديا، لكنها امتنعت عن التعليق على ما إذا كانت ستبرم شراكة مع سامسونج.
أوبن إيه آي سبقت بخطوة
ويأتي تحرك Anthropic بعد أيام قليلة من إعلان منافستها OpenAI عن تعاونها مع Broadcom لتطوير معالج استدلال مخصص يحمل الاسم الرمزي “Jalapeño”.
وبحسب الشركة، صُممت الرقاقة الجديدة لتقديم كفاءة أعلى في الأداء مقابل كل واط من الطاقة المستهلكة، وهو معيار أصبح من أهم مؤشرات تقييم معالجات الذكاء الاصطناعي، نظرًا لتأثيره المباشر على تكاليف تشغيل مراكز البيانات.
ويُنظر إلى هذا المشروع باعتباره أحد أوضح المؤشرات على أن شركات الذكاء الاصطناعي لم تعد ترغب في الاعتماد الكامل على معالجات جاهزة، بل تسعى إلى امتلاك بنية تحتية مصممة خصيصًا لخدماتها.
جوجل وأمازون سبقتا الجميع
ورغم الزخم الحالي، فإن فكرة الرقائق المخصصة ليست جديدة بالكامل. فقد طورت جوجل منذ سنوات معالجات Tensor Processing Units (TPUs) لتشغيل خدماتها السحابية ونماذج الذكاء الاصطناعي، كما طورت أمازون معالجاتها الخاصة، مثل Trainium وInferentia، لتقليل اعتمادها على رقائق إنفيديا داخل منصة أمازون ويب سيرفيسز للحوسبة السحابية.
وتشير هذه التجارب إلى أن امتلاك رقائق مخصصة أصبح جزءًا أساسيًا من استراتيجية شركات التكنولوجيا الكبرى للسيطرة على تكاليف البنية التحتية وتحسين الأداء.
سامسونج في موقع محوري
وتحتل سامسونج إلكترونيكس موقعًا فريدًا في هذه المنافسة، إذ تجمع بين كونها مصنعًا عالميًا لأشباه الموصلات وشريكًا لعدد من أكبر شركات الذكاء الاصطناعي. الشركة تُنتج مكونات تستخدمها إنفيديا في معالجاتها، كما تعتمد في بعض عمليات تصنيع الرقائق على برمجيات وتقنيات تطورها إنفيديا نفسها.
ويعمل الطرفان حاليًا على إنشاء منشأة متقدمة لإنتاج رقائق الذكاء الاصطناعي في كوريا الجنوبية، فيما تواصل سامسونج أيضًا مناقشات مع جوجل بشأن التعاون في تطوير وتصنيع معالجات الذكاء الاصطناعي.
هل انتهت هيمنة إنفيديا؟
ورغم تزايد الاستثمارات في الرقائق المخصصة، لا يعني ذلك أن مكانة إنفيديا مهددة على المدى القريب. الشركة لا تزال تتصدر سوق معالجات الذكاء الاصطناعي بفارق كبير، بفضل منظومتها البرمجية المتكاملة، وعلى رأسها منصة CUDA، إلى جانب خبرتها الطويلة في تصميم وحدات معالجة الرسومات عالية الأداء.
إلا أن ما تشهده السوق اليوم يشير إلى تحول استراتيجي مهم؛ فبدلاً من الاعتماد على معالج واحد يناسب جميع الاستخدامات، تتجه الصناعة نحو تصميم رقائق متخصصة لكل نوع من الأحمال الحاسوبية.
ومع استمرار النمو الهائل في استخدام تطبيقات الذكاء الاصطناعي، قد يصبح السباق في السنوات المقبلة أقل ارتباطًا بمن يملك أقوى معالج، وأكثر ارتباطًا بمن يستطيع تقديم أفضل أداء بأقل تكلفة تشغيل، وهو ما يفتح الباب أمام مرحلة جديدة من المنافسة في واحدة من أكثر الصناعات التقنية أهمية وربحية في العالم.