تُعد مراكز البيانات الأمريكية للذكاء الاصطناعي بنيةً تحتيةً حيويةً لتدريب نماذج اللغات الكبيرة، وتشغيل خدمات الاستدلال، ودعم أعمال الحوسبة السحابية. يتطلب بناؤها كميات ضخمة من وحدات معالجة الرسوميات GPU ورقائق ASIC والذاكرة ومعدات الشبكات، إلى جانب إمداد طاقة موثوق. وبما أن شركات التكنولوجيا العالمية تواصل زيادة الإنفاق الرأسمالي على الذكاء الاصطناعي، فإن توسّع بناء مراكز البيانات يجري بسرعة كبيرة. ومع ذلك، قد لا تنمو سعة الشبكة والبنية التحتية للنقل وسرعة إتاحة الطاقة بالوتيرة نفسها. ومن ثم، باتت توفر الطاقة عاملًا رئيسيًا يحدد ما إذا كان يمكن نشر قدرات الحوسبة الخاصة بالذكاء الاصطناعي في الواقع.
في مذكرة بحثه الأخيرة، رفع Morgan Stanley توقعه لنقص صافي الكهرباء لدى مراكز البيانات في الولايات المتحدة من 33GW إلى 38GW للفترة 2026–2028، ما يعكس تصاعد القلق في السوق بشأن قدرة إمداد الطاقة للبنية التحتية للذكاء الاصطناعي. وفي الوقت نفسه، ما زالت الشركة تُبرز Nvidia (NVDA) وBroadcom (AVGO) كاختيارات إيجابية مهمة في مجال أشباه الموصلات. وترى أن عوامل مثل وضوح شحنات الرقائق، والتوسع في الأسواق الخارجية، وكفاءة الحوسبة من حيث وحدة الطاقة قد تساعد بعض الشركات الرائدة على الحفاظ على قدرتها التنافسية في بيئات تكون فيها الكهرباء محدودة.
تشير هذه النقلة إلى أن المنافسة في صناعة شرائح الذكاء الاصطناعي تتحرك بعيدًا عن مجرد السعي وراء أداء حوسبي أعلى. إذ إنها تركز أيضًا بشكل متزايد على كفاءة الحوسبة وتوفر الطاقة وعوائد الإنفاق الرأسمالي. وبالنسبة إلى المستثمرين، لا يتعلق فجوة كهرباء 38GW فقط بجدول بناء مراكز البيانات. بل يمكن أن تغيّر أيضًا العلاقة التنافسية بين وحدات GPU وASIC، وتؤثر في الطلب المستقبلي عبر أجزاء سلسلة التوريد لأشباه الموصلات، بما في ذلك الذاكرة والاتصالات البصرية وإدارة الطاقة.
ماذا يعني عجز الطاقة البالغ 38GW لمراكز البيانات الأمريكية؟
رفع Morgan Stanley توقعه لنقص صافي الكهرباء لدى مراكز بيانات الولايات المتحدة من 33GW إلى 38GW. وهذا يعني أن الشركة تتوقع اتساع فجوة عدم التوافق بين الطلب على الكهرباء من مراكز البيانات الخاصة بالذكاء الاصطناعي وإمداد الطاقة المتاح خلال السنوات المقبلة. يشير مصطلح 38GW إلى فجوة متوقعة في القدرة على إمداد الطاقة، وليس حجم انقطاعات فعلية سبق أن حدثت. كما يجب ألا يُفهم على أنه يعني أن شبكة الولايات المتحدة ككل تفتقر إلى 38GW من سعة التوليد.
GW (غيغاواط) هي وحدة قدرة. يعادل 1GW = 1,000MW. عادةً ما تحتاج مراكز البيانات الكبيرة الخاصة بالذكاء الاصطناعي إلى عشرات إلى مئات من megawatts من القدرة الكهربائية، بينما قد تخطط مواقع المعالجة فائقة النطاق (hyperscale) لطلب كهرباء أعلى. وبناءً على ذلك، فإن فجوة محتملة بحدود عشرات الغيغاواط قد تعني أن العديد من مراكز البيانات التي جرى التخطيط لها بالفعل قد تضطر إلى الانتظار حتى تُجرى ترقيات على الشبكة، أو تعديل مواقع الإنشاء، أو اعتماد حلول بديلة للطاقة.
ومن المهم ملاحظة أن إمداد طاقة مراكز البيانات يتأثر بعدة عوامل، بما في ذلك سعة الربط بالشبكة المحلية، وبناء المحولات الفرعية (substation)، وخطوط النقل، وموارد التوليد، والموافقات ذات الصلة. وحتى إذا كانت التوليدات الإجمالية في منطقة ما كافية، فإن ذلك لا يضمن أن مركز بيانات بعينه يستطيع تأمين قدر كافٍ من الطاقة ضمن الجدول الزمني المخطط له. لذلك، يعكس عجز الكهرباء بشكل أساسي عدم تطابق بين العرض والطلب عبر الزمن والجغرافيا معًا.
بالنسبة إلى صناعة الذكاء الاصطناعي، قد يؤدي التقييد على الطاقة إلى تأخير بعض عمليات بناء قدرات الحوسبة. وقد يؤثر ذلك في شراء وحدات GPU، وتسليم الخوادم، وتوقيت إطلاق خدمات السحابة. يحتاج المستثمرون إلى التمييز بين القدرة المخططة لمركز البيانات والقدرة الفعلية المعتمدة، والقدرة الحوسبية التي تعمل بالفعل. وهذه المقاييس ليست متطابقة.
لماذا يمكن أن يغيّر نقص الطاقة المشهد التنافسي بين GPU وASIC؟
تُعد وحدات GPU وASIC فئتين مهمتين من الرقائق في الحوسبة الخاصة بالذكاء الاصطناعي. تتمتع GPU بقدرات قوية للحوسبة المتوازية للأغراض العامة ويمكنها دعم تدريب النماذج والاستدلال، وكذلك طيف واسع من مهام الحوسبة. أما ASIC فهي دوائر متكاملة مصممة خصيصًا لسيناريوهات استخدام محددة. وعادةً ما تعمل على تحسين الأداء والكفاءة عبر تحسين بنية الرقاقة وسير عمل الحسابات.
عندما يكون إمداد الطاقة كافيًا نسبيًا، يمكن لمالكي مراكز البيانات الموازنة بين أسعار شراء الرقائق وأداء الحوسبة والتوافق البرمجي وتكاليف التشغيل طويلة الأجل. لكن عندما تصبح سعة الطاقة قيدًا صارمًا، يتعين على الشركات التركيز أكثر على عدد مهام الحوسبة التي يمكن لوحدة طاقة محددة إنجازها. وبالنسبة إلى أعمال استدلال الذكاء الاصطناعي، يمكن التعبير عن ذلك على أنه عدد الـ Tokens التي تتم معالجتها لكل واط من الكهرباء.
يعتقد Morgan Stanley أن Nvidia تمتلك ميزة تنافسية في كفاءة إنتاج الـ Tokens لكل واط. في البيئات المقيدة بالطاقة، قد يواجه بعض منتجات ASIC ضغوطًا على حصة السوق. وجوهر هذا الرأي هو أن عملاء مراكز البيانات قد يعطون الأولوية لمنصات حوسبة تنتج مخرجات فعلية أعلى ضمن ميزانية طاقة محدودة، بدلًا من التركيز فقط على تكاليف شراء الرقائق.
ومع ذلك، ليس صحيحًا الاستنتاج بأن كل منتجات ASIC أقل كفاءة من GPU. إذ قد تقدم Google TPU وAmazon Trainium وغيرها من المسرّعات المخصصة للذكاء الاصطناعي مزايا كفاءة قوية أيضًا في ظل نماذج وأحمال عمل محددة. يعتمد الأداء الفعلي للرقائق المختلفة على بنية النموذج ودقة الاستدلال وأحجام الدُفعات وتكوين الذاكرة وتحسينات البرمجيات واستخدام النظام.
لذلك لا توجد نتيجة ثابتة تنطبق على جميع السيناريوهات في منافسة GPU مقابل ASIC. يُفهم رأي Morgan Stanley على النحو التالي: في ظل ظروف المنتجات والنشر الحالية، قد يحظى مستوى كفاءة النظام لبعض منصات حوسبة Nvidia بمزيد من الاهتمام. ما زالت قابلية تنافس ASIC بحاجة إلى التقييم بناءً على أحمال عمل محددة.
لماذا يواصل Morgan Stanley تفضيل Nvidia (NVDA)؟
تُعد Nvidia (NVIDIA, NVDA) موردًا رئيسيًا في سوق الحوسبة لتسريع الذكاء الاصطناعي عالميًا. لا تأتي ميزتها التنافسية فقط من رقائق GPU نفسها، بل أيضًا من منظومة البرمجيات CUDA، ووصلات الربط الشبكي، وأنظمة الخوادم، وأدوات التطوير ذات الصلة. ومع تزايد الطلب على تدريب نماذج الذكاء الاصطناعي والاستدلال، تواصل Nvidia طرح منصات حوسبة جديدة لتحسين أداء الحوسبة وعرض الذاكرة وكفاءة النظام الإجمالية.
يواصل Morgan Stanley تفضيل Nvidia بناءً بشكل أساسي على عوامل مثل توجيهات الأرباح التحفظية، وتحسن وضوح شحن الرقائق، والتوسع في الأسواق الخارجية، وكفاءة الحوسبة من حيث وحدة الطاقة. وبالنسبة إلى المستثمرين، يعني وضوح الشحن أن عمليات تسليم المنتجات والطلب من العملاء خلال الفترة المقبلة قد يكون أكثر وضوحًا، ما قد يقلل من بعض عدم اليقين في توقعات الإيرادات. ومع ذلك، قد تتغير توقعات الطلب والتسليم بسبب قيام العملاء بتعديل الإنفاق الرأسمالي أو حدوث تحولات في سلسلة التوريد.
في خلفية مقيدة بالطاقة، قد تصبح كفاءة نظام Nvidia على مستوى المنظومة ميزة تنافسية مهمة. يحتاج مشغلو مراكز البيانات إلى المقارنة ليس فقط لأداء GPU واحدة، بل أيضًا لكفاءة الخوادم والأنظمة الشبكية وأنظمة التبريد وزمن تشغيل البرمجيات. إذا كانت منصة حوسبة ما تستطيع إنجاز المزيد من مهام الاستدلال بنفس سعة الطاقة، فقد تزيد ذلك من إمكانات إيرادات مركز البيانات.
وفي الوقت نفسه، تواجه Nvidia ضغطًا تنافسيًا طويل الأجل. إذ تعمل الشركات الكبرى للحوسبة السحابية باستمرار على تطوير رقائق ذكاء اصطناعي مخصصة لتقليل تكاليف الحوسبة وتحسين استقلالية سلسلة التوريد. حتى إذا واصلت إيرادات Nvidia النمو، فقد لا ترتفع حصتها في السوق وهوامشها الإجمالية ومستوى تقييمها بالوتيرة نفسها. لذلك، عند تحليل سهم NVDA، ما زال يتعين على المستثمرين التركيز على إيرادات مراكز البيانات وهوامش إجمالي المنتج ونفقات العملاء الرأسمالية والمنافسة من الرقائق المخصصة.
لماذا تنال Broadcom (AVGO) أيضًا انتباه Morgan Stanley؟
تُعد Broadcom (Broadcom, AVGO) شركة رئيسية في أشباه الموصلات وبرمجيات البنية التحتية، مع تعرض أعمال في مجالات مثل المسرعات المخصصة للذكاء الاصطناعي ورقائق تبديل الشبكات ووصلات الاتصال عالية السرعة. ومع توسع مؤسسات الحوسبة السحابية الكبرى في بناء مراكز بيانات الذكاء الاصطناعي، يصبح الطلب على الرقائق المخصصة والبنية التحتية للشبكات فرصة نمو مهمة لـ Broadcom.
على عكس Nvidia، التي تتمحور أعمالها الأساسية إلى حد كبير حول توفير منصات GPU عامة الاستخدام، فإن أحد اتجاهات Broadcom المهم هو مساعدة العملاء التقنيين الكبار على تطوير رقائق مخصصة مهيأة لأحمال عمل محددة. وبالنسبة إلى مزودي الخدمة السحابية الذين لديهم الكثير من مهام الحوسبة المتكررة، يمكن أن تقلل ASIC المخصصة بعض تكاليف الحوسبة عبر تحسينات موجهة. إضافة إلى ذلك، تحتاج المجموعات الكبيرة من عنقودات الذكاء الاصطناعي إلى رقائق تبديل عالية السرعة ومعدات شبكة لربط عقد الحوسبة، وهو ما يخلق أيضًا فرصًا في السوق لـ Broadcom.
إن اتخاذ Morgan Stanley موقفًا إيجابيًا متزامنًا تجاه Nvidia وBroadcom يشير إلى أنه لا يرى GPU وASIC كاتجاهين استثماريين متعارضين تمامًا. حتى إذا واجهت بعض منتجات ASIC ضغطًا على الحصة في البيئات المقيدة بالطاقة، يمكن للرقائق المخصصة أن تواصل النمو لدى عملاء محددين وفي سيناريوهات حوسبة محددة. ولا تعتمد Broadcom على نشاط ASIC وحده أيضًا. إذ يمكن لعملها في أشباه موصلات الشبكات أن يشارك في توسع نطاق عنقودات الذكاء الاصطناعي.
ومع ذلك، قد يتأثر نشاط Broadcom للرقائق المخصصة بجدول المشاريع لدى العملاء الكبار. إذا قام العملاء بتغيير خطط البحث والتطوير للرقائق، أو جداول بناء مراكز البيانات، أو الإنفاق الرأسمالي، فقد يتذبذب نمو الإيرادات المرتبطة. ونتيجة لذلك، يحتاج أطروحة استثمار AVGO إلى أخذ طلب رقائق الذكاء الاصطناعي المخصصة ونمو أعمال الشبكات ومخاطر تركّز العملاء في الاعتبار معًا.
لماذا يتم التشكيك في توقعات الإنفاق الرأسمالي لمراكز البيانات للفترة 2027–2028؟
يشير Morgan Stanley إلى أن السوق يحاول مواءمة توقع الإنفاق الرأسمالي لمراكز البيانات لعام 2027 البالغ نحو $1.5 تريليون وتوقع 2028 البالغ نحو $1.6 تريليون مع قدرة إمداد الطاقة الفعلية. هذه الأرقام هي توقعات السوق لحجم الاستثمار في المستقبل، وليست إنفاقًا رأسماليًا تمت الموافقة عليه أو توقيعه أو حدوثه بالفعل. كما يلزم أيضًا تأكيد النطاق الإحصائي الدقيق باستخدام مذكرة البحث الأساسية.
عادةً ما يتضمن الإنفاق الرأسمالي لمراكز بيانات الذكاء الاصطناعي مشاريع مثل رقائق الحوسبة والخوادم ومعدات الشبكات وبناء المرافق، إلى جانب البنية التحتية للطاقة والتبريد. وحتى إذا كانت شركات التكنولوجيا لديها نية استثمار قوية، فقد لا يتم نشر بعض الأجهزة في الجدول الزمني إذا لم تستطع الشبكة توفير سعة كافية ضمن الإطار الزمني المخطط له.
قد يؤثر هذا الأمر في قرارات تخصيص رأس المال لدى الشركات. على سبيل المثال، إذا خطط مركز بيانات لبدء التشغيل في 2027 لكن تم تأخير تسليم الطاقة حتى 2029، فقد يختار المشغّل تأجيل شراء وحدات GPU والخوادم لتجنب وقت خمول طويل بعد وصول المعدات مبكرًا. وبالنسبة إلى شرائح الذكاء الاصطناعي التي تتطور بسرعة، قد يؤدي الشراء المبكر أيضًا إلى زيادة مخاطر انخفاض قيمة المعدات.
لذلك، يحتاج السوق إلى التمييز بين ثلاث مراحل مختلفة: تقوم الشركات بالإعلان عن خطط الإنفاق الرأسمالي، ثم تقوم بشراء البنية التحتية وبنائها فعليًا، وبعد ذلك يتم وضع معدات الحوسبة في التشغيل رسميًا لتبدأ في توليد الإيرادات. المرحلة الأخيرة فقط هي التي تتحول فعلًا إلى تدفقات نقدية تشغيلية مستمرة من أصول الحوسبة تلك.
لماذا يمكن أن تؤثر أبطأ في بناء مراكز البيانات في رقائق التخزين والوحدات البصرية (Optical Modules)؟
لسلسلة صناعة مراكز بيانات الذكاء الاصطناعي دورات شراء وإنتاج طويلة. عادةً ما تخطط شركات تصنيع الرقائق ومورّدو الذاكرة وشركات معدات الشبكات للإنتاج بناءً على احتياجات العملاء المتوقعة خلال عدة أرباع قادمة. عندما يتوقع السوق نموًا سريعًا في الاستثمار في البنية التحتية للذكاء الاصطناعي، قد يشتري العملاء المكونات الرئيسية مقدمًا لضمان توفر المعدات مستقبلًا.
لكن إذا تأخر بناء مراكز البيانات بسبب نقص الطاقة، فقد لا يتم نشر بعض المكونات المخطط لها في الوقت المحدد. ونتيجة لذلك، قد تؤجل الشركات عمليات الشراء أو تعدّل المخزون أو تعيد جدولة عمليات التسليم. قد تؤدي هذه التغييرات فجأة إلى كشف منتجات كانت تعاني سابقًا من ضيق المعروض أمام طلب يتباطأ.
تُعد رقائق التخزين إحدى المجالات التي ينبغي مراقبتها عن كثب. يرتبط طلب HBM وserver DRAM ارتباطًا وثيقًا بحجم وتيرة نشر معجلات الذكاء الاصطناعي. إذا تباطأت سرعة دخول مجموعات GPU جديدة حيز التشغيل، فقد تتأثر كذلك مواعيد شراء الذاكرة ذات الصلة. وفي الوقت نفسه، تُعد صناعة رقائق التخزين قطاعًا دوريًا. إذ يمكن لعمليات توسيع الشركات وإقبال العملاء على تخزين كميات مسبقًا أن تضخم أيضًا التحولات في العرض والطلب.
تعتمد الوحدات البصرية ومكونات الربط عالية السرعة أيضًا على بناء مجموعات حوسبة كبيرة. إذا تأخرت عمليات نشر مراكز البيانات، فقد تُدفع طلبات معدات الشبكات ذات الصلة إلى الخلف. وبالنسبة إلى شركات إدارة الطاقة والرقائق التناظرية، سيؤثر كذلك التقدم الفعلي في بناء الخوادم وأنظمة إمداد الطاقة في طلب المنتجات.
ومع ذلك، فإن التأخير في البناء لا يعني بالضرورة اختفاء الطلب النهائي. قد تتأخر بعض الطلبات في التسليم فقط بدلًا من أن تُلغى نهائيًا. يعتمد الأثر الحقيقي على مخزونات الموردين واتفاقيات الشراء لدى العملاء ونمو الطلب في مناطق أخرى. لذلك، يحتاج المستثمرون إلى التمييز بين تقلبات الطلب قصيرة الأجل وتغيرات حجم السوق طويل الأجل.
ما الأسهم في قطاع أشباه الموصلات التي قد تتأثر باختناقات طاقة مراكز بيانات الذكاء الاصطناعي؟
تحتل شركات أشباه الموصلات المختلفة مواقع مختلفة في سلسلة توريد الذكاء الاصطناعي، لذا تختلف آثار قيود إمداد الطاقة عبر أعمالها.
| Stock | Main business | Key factors to watch |
|---|---|---|
| NVDA (Nvidia) | AI GPUs, accelerated computing platforms | Tokens per watt, shipment volumes, customer demand |
| AVGO (Broadcom) | Custom AI chips, high-speed networking | ASIC projects, networking chip demand, customer capex |
| MU (Micron Technology) | HBM, DRAM, NAND | Memory orders, inventory and price cycles |
| TSM (Taiwan Semiconductor) | Foundry services, advanced packaging | AI chip capacity utilization, customer orders |
| MRVL (Marvell Technology) | Data center semiconductors, interconnect | Custom chip and high-speed interconnect demand |
| VRT (Vertiv) | Data center power and cooling infrastructure | Data center power infrastructure buildout, project delivery |
| ETN (Eaton) | Electrical equipment, power management | Switchgear demand, grid expansion investment |
بالنسبة إلى NVDA وAVGO، قد تُنتج اختناقات الطاقة فرصًا وتحديات معًا. من جهة، قد يعطي العملاء مزيدًا من التركيز على كفاءة الطاقة، ما قد يزيد الطلب على منصات الحوسبة عالية الأداء والرقائق المُحسّنة. ومن جهة أخرى، إذا تباطأ بناء مراكز البيانات، فقد تتأثر أيضًا عمليات تسليم الرقائق الفعلية.
بالنسبة إلى MU ومورّدي الذاكرة الآخرين، يتمثل السؤال الرئيسي في ما إذا كان بإمكان مشتريات خوادم الذكاء الاصطناعي مواصلة النمو، وما إذا كان التخزين المبكر يؤدي إلى تراكم المخزون. وبالنسبة إلى شركات البنية التحتية للطاقة مثل VRT وETN، قد يؤدي نمو الطلب على كهرباء مراكز البيانات إلى خلق سوق جديد للمعدات، لكن المشاريع ذات الصلة ما زالت مقيدة بجدول البناء والموافقات وميزانيات الاستثمار.
لذلك، ليس صحيحًا افتراض أن نقص الطاقة سيُفيد تلقائيًا أسهم معدات الطاقة أو سيلحق ضررًا تلقائيًا بكل شركات أشباه الموصلات. ما زالت تحدد كل شركة من خلال مزيج الطلب لديها ونقاط قوتها التقنية ومستوى تقييمها مقدار ما ستستفيد منه فعليًا.
كيفية استخدام Gate Stock لتتبع سلسلة توريد شرائح الذكاء الاصطناعي وإمداد طاقة مراكز البيانات؟
بالنسبة إلى المستثمرين الذين يرغبون في تتبع دورة استثمارات البنية التحتية للذكاء الاصطناعي، يمكنهم استخدام Gate Stock لمتابعة شركات أشباه الموصلات مثل Nvidia (NVDA) وBroadcom (AVGO) وMicron Technology (MU). ويمكنهم أيضًا دمج ذلك مع إدارة طاقة مراكز البيانات ومعدات التبريد وصناديق ETFs ذات الصلة لقطاع التكنولوجيا لملاحظة أداء مختلف شرائح سلسلة التوريد في السوق.
يوفر Gate Stock طريقة لاستخدام USDT للتداول في الأسهم الأمريكية وETFs. تعتمد رموز التداول القابلة للتداول ورسوم التداول وقواعد المنتج المحددة على الصفحات الفعلية للمنصة.
عند تحليل الأسهم ذات الصلة، ينبغي للمستثمرين النظر في ثلاث أبعاد في الوقت نفسه: أولًا، ما إذا كان طلب الحوسبة الخاص بالذكاء الاصطناعي يستمر في النمو؛ ثانيًا، ما إذا كانت مراكز البيانات تستطيع تأمين طاقة كافية والبدء في التشغيل في الموعد؛ وآخرًا، ما إذا كانت الشركات يمكنها تحويل الطلب والمزايا التقنية إلى أرباح وتدفقات نقدية. الاعتماد فقط على توقعات الإنفاق الرأسمالي لمراكز البيانات لا يكفي للحكم على القيمة طويلة الأجل للسهم.
الخلاصة
رفع Morgan Stanley توقعه لنقص صافي الكهرباء لدى مراكز البيانات في الولايات المتحدة خلال 2026–2028 من 33GW إلى 38GW. يعكس ذلك قيود الطاقة التي أصبحت أكثر وضوحًا على توسع البنية التحتية للذكاء الاصطناعي. وحتى إذا واصلت شركات التكنولوجيا الكبرى رفع الإنفاق الرأسمالي، فإن ما إذا كانت مراكز البيانات ستتمكن من تأمين الطاقة كما هو مخطط له سيظل يؤثر في حجم النشر الفعلي لوحدات GPU وASIC ورقائق الذاكرة ومعدات الشبكات.
في هذا السياق، قد تؤدي منافسة الشرائح إلى وضع مزيد من التركيز على كفاءة الحوسبة لكل وحدة طاقة. يواصل Morgan Stanley تفضيل Nvidia وBroadcom، ما يعكس ثقة طويلة الأجل في منصات الحوسبة عالية الأداء والرقائق المخصصة والطلب على الشبكات عالية السرعة. ومع ذلك، تعتمد المنافسة بين GPU وASIC على حمل العمل المحدد. لا يمكنك تقدير الحصة السوقية المستقبلية بناءً على مقياس كفاءة واحد فقط.
وفي الوقت نفسه، إذا تباطأ بناء مراكز البيانات بسبب عدم كفاية إمداد الطاقة، فقد تواجه رقائق التخزين والوحدات البصرية ومكونات إدارة الطاقة التي جرى سحبها مسبقًا بسبب ضيق الإمداد تعديلات على المخزون وتقلبات في الطلب. وبالنسبة إلى المستثمرين، ينبغي أن يكون التركيز في المرحلة المقبلة على القدرة التي جرى نشرها فعليًا ومعدلات تحقيق الشركات للإنفاق الرأسمالي وكفاءة الطاقة للرقائق ومخزون سلسلة التوريد—وليس فقط إجمالي المبلغ ضمن خطط بناء مراكز البيانات.
في المرحلة التالية من استثمارات البنية التحتية للذكاء الاصطناعي، لم يعد السؤال هو عدد الرقائق التي يمكن شراؤها فحسب. بل السؤال هو مقدار الحوسبة الفعّالة التي يمكن دعمها بموارد طاقة محدودة—ومقدار الإيرادات التجارية التي تولدها تلك القدرات الحوسبية في النهاية.
الأسئلة الشائعة
ماذا يعني عجز الكهرباء البالغ 38GW لمراكز بيانات الولايات المتحدة؟
هذا هو توقع Morgan Stanley لفجوة صافي العرض والطلب على الكهرباء لمراكز بيانات الولايات المتحدة من 2026 إلى 2028. يعكس إمكانية وجود اختلاف كبير بين الطلب على الكهرباء المخطط له والقدرة على الطاقة المتاحة. ولا يعني ذلك أن الولايات المتحدة شهدت بالفعل انقطاعات فعلية بقيمة 38GW.
لماذا قد يستفيد Nvidia من نقص الطاقة؟
عندما تكون الكهرباء المتاحة لمراكز البيانات محدودة، قد يضع المشغلون مزيدًا من التركيز على كيفية إنجاز أكبر عدد من مهام الحوسبة الخاصة بالذكاء الاصطناعي لكل واط. إذا كانت منصات الحوسبة لدى Nvidia تقدم كفاءة طاقة أعلى على مستوى النظام ضمن أحمال عمل محددة، فقد تحصل Nvidia على ميزة تنافسية. ومع ذلك، يعتمد الناتج الحقيقي على تكوينات الرقائق وتحسينات البرمجيات وسيناريوهات التطبيق.
هل ستفقد رقائق ASIC حصة سوقية بسبب نقص الطاقة؟
قد تواجه بعض منتجات ASIC ضغوطًا تنافسية، لكن لا يمكن تعميم ذلك. إذ يمكن للـ ASIC المخصصة أيضًا تحقيق كفاءة طاقة مرتفعة لمهام ذكاء اصطناعي محددة. تعتمد الحصة السوقية المستقبلية على أداء الرقائق والتكلفة والمنظومة البرمجية واستراتيجيات نشر العملاء.
لماذا يفضّل Morgan Stanley كلاً من NVDA وAVGO؟
تتمتع Nvidia بمزايا في GPU وأنظمة الحوسبة المسرّعة ومنظومات البرمجيات. وتشارك Broadcom في سوق رقائق الذكاء الاصطناعي المخصصة والشبكات عالية السرعة. تستفيد الشركتان من استثمار البنية التحتية للذكاء الاصطناعي بطرق مختلفة، ولا يعني ذلك أن GPU وحدها أو ASIC وحدها هي التي يمكنها النمو.
لماذا قد يؤثر تباطؤ بناء مراكز البيانات في رقائق التخزين؟
إذا تأخرت مراكز البيانات في نشر الخوادم بسبب قيود الطاقة، فقد يؤجل العملاء تبعًا لذلك شراء HBM وDRAM ومكونات أخرى. وإذا كان هناك تخزين مبكر مسبقًا، فقد تضخم تعديلات المخزون قصيرة الأجل أكثر تقلبات الطلب والأسعار.
هل يؤدي عجز الكهرباء البالغ 38GW إلى توقف استثمار الذكاء الاصطناعي في كل مكان؟
ليس بالضرورة. يمكن للشركات التخفيف من بعض القيود عبر تعديل مواقع البناء أو النشر على مراحل أو تحسين كفاءة طاقة الحوسبة أو إضافة بنية تحتية للطاقة. ومع ذلك، تستغرق هذه الإجراءات عادةً وقتًا وتكلفة، لذا لا يمكنها ضمان إتمام كل المشاريع المخطط لها في الموعد.
