وراء "الشريحة الغامضة" لشركة إنفيديا -- عصر الاستنتاج يفتح "أربعة اتجاهات جديدة في القدرة الحسابية"

تدمج Nvidia تقنية وحدة معالجة اللغة (LPU) وشريحة الاستدلال متعددة الخطوط من OpenAI، وتحول ساحة المعركة الرئيسية لمنافسة قوة الحوسبة في الذكاء الاصطناعي من التدريب إلى الاستدلال. يعتقد أبحاث شينوان هونغيوان أنالكلمة المفتاحية الأساسية لصناعة قوة الحوسبة في عام 2026 ستكون التفكير، وسيتم إعادة بناء الاستهلاك الكلي للرموز والنموذج التقني بشكل عميق حول هذا الموضوع.

في 28 فبراير، وفقا لصحيفة وول ستريت جورنال، تخطط نفيديا لإصدار شريحة استدلال جديدة تدمج تقنية "وحدة معالجة اللغة" (LPU) الخاصة ب Groq في مؤتمر مطوري GTC الشهر المقبل.وصف الرئيس التنفيذي لشركة نفيديا، جنسن هوانغ، الجهاز بأنه نظام جديد تماما "لم يشهده العالم من قبل."。 وافقت OpenAI على أن تصبح واحدة من أكبر عملاء المعالج وستشتري "سعة استدلالية مخصصة" واسعة النطاق من Nvidia.

وفي الوقت نفسه، توصلت OpenAI إلى شراكة حوسبة بمليارات الدولارات مع شركة Cerebras الناشئة الشهر الماضي، والتي قالت إن شرائح الاستدلال الخاصة بها تجاوزت وحدات معالجة الرسوميات (GPUs) من Nvidia. تظهر هذه السلسلة من الاتجاهات أنعمالقة الذكاء الاصطناعي ينتقلون من سباق تسلح إلى تخطيط متعدد الخطوط لقوة الحوسبة الاستدلالية.

أشار تقرير شينوان هونغيوان إلى ما يلي:في عصر اقتصاد الرمز، تشهد قوة الحوسبة الاستدلالية أربعة اتجاهات رئيسيةأولا، زاد عدد سيناريوهات نشر وحدة المعالجة المركزية النقية، والطلب على الاستدلال منخفض التكلفة سرع من استهلاك قوة الحوسبة؛ ثانيا، ظهور البنى المخصصة مثل وحدات LPU، التي تحدت هيمنة وحدات معالجة الرسومات في عملية الاستدلال؛ ثالثا، لقد سارعت شرائح قوة الحوسبة المحلية في تحقيق اختراقات، وأصبح اتجاه تنويع سلاسل التوريد واضحا؛ رابعا، تغير هيكل الطلب لقوة الحوسبة الاستدلالية من "تدريب واحد" إلى "استهلاك ضخم للرمز"، وأصبح أداء التكلفة عاملا تنافسيا أساسيا.

قال التقرير:الشركات المصنعة التي توفر شرائح استدلال كافية وفعالة من حيث التكلفة ستستفيد أكثر من اللازم، ويعد الاختراق المشترك بين وحدات المعالجة المركزية ووحدات LPU والشرائح المحلية الدليل الأساسي لهذه الجولة من إعادة تشكيل أنماط قوة الحوسبة.

الطلب على الاستدلالات انفجر، وبلغ استهلاك الرموز مستوى قياسيا
---------------------

يعتقد أبحاث شينوان هونغيوان أنوراء التوسع المستمر في الطلب هناك قوتان هيكليتان دافعتان: أولا، تسارع تحقيق الدخل من النماذج الكبيرة، وبدأت نماذج مثل Claude في الاقتراب من جانب التطبيق وإطلاق مجموعة متنوعة من الإضافات الصناعية；ثانيا، تم تسريع تنفيذ الوكلاء، وتشير منتجات مثل openclaw وQianwen Agent إلى أن الوكلاء يدخلون سيناريوهات عمل وإنتاج حقيقية، وكل استدعاء نموذج وتنفيذ مهمة الوكيل يتطلب دعما كبيرا لقوة الحوسبة الاستنتاجية.

وفقا للبيانات التي استشهدت بها شركة شينوان هونغيوان للبحوث، ارتفع حجم الاستدلال للنماذج الكبيرة المحلية الرائدة بشكل كبير خلال مهرجان الربيع: حيث بلغ معدل الاستدلال في دوباو ليلة رأس السنة 63.3 مليار رمز، ووصل عدد المستخدمين النشطين شهريا ليوانباو إلى 114 مليون، وتجاوز عدد المشاركين في نشاط "النظام الحر لمهرجان الربيع" في تشيانوين 120 مليون.

تكشف بيانات OpenRouter، وهي منصة عالمية لتجميع نماذج الذكاء الاصطناعي لواجهات برمجة التطبيقات (API) عن حجم هذا الاتجاه. في الأسبوع من 9 إلى 15 فبراير، تجاوز النموذج الصيني النموذج الأمريكي الذي بلغ 2.94 تريليون رمز لأول مرة ب 4.12 تريليون رمز؛ وفي الأسبوع من 16 إلى 22 فبراير، ارتفع عدد مكالمات النماذج الصينية أكثر إلى 5.16 تريليون رمز، بزيادة 127٪ خلال ثلاثة أسابيع، واحتلت الصين أربعة من أفضل خمسة نماذج في العالم.

أصبحت LPU شركة ناشئة، ويتم تمييز شرائح التدريب والاستدلال
------------------

أنفقت نفيديا 20 مليار دولار لترخيص التكنولوجيا الأساسية لجروك وجلبت فريقا تنفيذيا، من بينهم المؤسس جوناثان روس، في صفقة "توظيف أساسي". يعتقد أبحاث شينوان هونغيوان أنتمثل هذه الصفقة اعترافا رسميا بأهمية شرائح الاستدلال النقي من قبل كبار اللاعبين.

الفرق المعماري بين وحدات LPU ووحدات معالجة الرسوميات التقليدية هو السبب الأساسي في امتلاكها مزايا الكفاءة في سيناريوهات الاستدلال.ينقسم استدلال الذكاء الاصطناعي إلى مرحلتين: التعبئة المبدئية وفك الترميز، وعملية فك الترميز في النماذج الكبيرة بطيئة بشكل خاص، بينما تم تحسين وحدة LPU خصيصا لوجود عنق زجاجة رئيسي في الاستنتاج وهما الكمون وعرض النطاق الترددي للذاكرة. وفقا لتقارير سابقة من وول ستريت نيوز، قد تتضمن منتجات Nvidia الجديدة القادمة بنية فاينمان من الجيل القادم، أو تعتمد نظام تكامل SRAM أوسع، أو حتى دمج وحدات LPUs بشكل عميق من خلال تقنية التكديس ثلاثي الأبعاد.

تشير شركة شينوان هونغيوان للأبحاث إلى أن شرائح الذكاء الاصطناعي ستشكل نمط تقسيم تقني واضح في المستقبل:يستمر جانب التدريب في استخدام تركيبة GPU-HBM، بينما يتطور جانب الاستدلال إلى نظام الدمج ASIC+LPU-SRAM+SSD. مع تحول الطلب على طاقة الحوسبة من التدريب إلى الاستدلال، سيفتح المصنعون الذين يركزون على شرائح الاستدلال فرص تطوير.

تم ابتكار نظام الاستدلال بشكل شامل، وزادت متطلبات وحدة المعالجة المركزية والشبكة في نفس الوقت
---------------------

من شريحة واحدة إلى مستوى النظام، الابتكار هو بعد مهم آخر في هذه الجولة من ترقية قوة الحوسبة الاستدلالية. أشارت شركة شينوان هونغيوان للأبحاث إلى أنه مع تحول سيناريو التطبيق من روبوت دردشة إلى وكيل،ازدادت متطلبات التأخير وسرعة النقل وعمق التفكير في أنظمة الحوسبة في الوقت نفسه، مما يعزز تطور بنية النظام إلى شبكات الطبقة الثالثة.

الطبقة الأولى هي طبقة التفاعل السريع، يتم توفيرها بواسطة شريحة استدلال نقية مجهزة بذاكرة SRAM لتوفير تغذية راجعة منخفضة جدا في الكمون؛الطبقة الثانية هي طبقة التفكير البطيء، باستخدام مجموعات طاقة الحوسبة ذات النقل الكبير جدا للتعامل مع استنتاج المنطق المعقد، سيزداد الطلب على وحدات المعالجة المركزية متعددة النوى ومتعددة الخيوط في هذه الطبقة بشكل كبير؛الطبقة الثالثة هي طبقة الذاكرة، يتوافق مع نظام ContextMemory System الذي أصدرته NVIDIA، وهو ذاكرة طويلة الأمد وذاكرة تخزين KV لوحدات تخزين SSD تديرها وحدة معالجة الإشارات Bluefield4.

تقوم نفيديا أيضا بتعديل استراتيجيتها على مستوى العتاد. ثبت أن الممارسة القياسية السابقة في دمج معالجات فيرا مع وحدات معالجة روبين كانت مكلفة للغاية لأحمال عمل وكلاء الذكاء الاصطناعي المحددة. أعلنت نفيديا هذا الشهر أنها وسعت شراكتها مع Meta Platforms لإكمال أول نشر واسع النطاق لوحدة المعالجة المركزية لدعم وكلاء الذكاء الاصطناعي الموجهين للإعلانات من Meta، مما يشير إلى أن الشركة تتجاوز نموذج مبيعات وحدة معالجة الرسوميات الواحد.

تسارعت قوة الحوسبة المحلية إلى الإنجازات
--------

يعتقد أبحاث شينوان هونغيوان أنالتحديث التكنولوجي لشرائح الاستدلال المحلية يستحق الانتباه، وهناك توقعات سوق ضعيفة.

على المستوى التقني،حقق الجيل الجديد من شرائح الاستدلال المحلية عددا من التحسينات الأساسية: أضيفت دعما لتنسيقات البيانات منخفضة الدقة مثل FP8/MXFP8/MXFP4، مع وصول قوة الحوسبة إلى 1P و2P على التوالي. تحسين قوة الحوسبة المتجهية بشكل كبير واعتماد تصميم متماثل الشكل جديد يدعم نماذج البرمجة المزدوجة SIMD/SIMT. عرض النطاق الترددي للربط بين الجيل السابق أعلى بمقدار 2.5 مرة، ويصل إلى 2 تيرابايت/ثانية.

ومن الجدير بالذكر بشكل خاص أن فصل PD يتم تحقيقه على مستوى الشريحة: من خلال HBM ذاتي التطوير مع مواصفتين مختلفتين، يشكل نسخة PR للتعبئة المسبق والسيناريوهات التوصيات، ونسخة DT لفك التشفير وسيناريوهات التدريب. من بينها، تعتمد نسخة العلاقات العامة نموذج HBM منخفض التكلفة، مما يمكن أن يقلل بشكل كبير من تكلفة الاستثمار في مرحلة التعبئة المسبقة للاستدلال، ومن المتوقع إطلاقه في الربع الأول من عام 2026.

على مستوى سلسلة التوريد، تقدم تقدم شركات تصنيع التغليف والاختبار المحلية دليلا. وفقا للجولة الأولى من رسالة الاستفسار والرد من شركة رائدة في التغليف والاختبار، فإن إيرادات أعمال التغليف 2.5D تأتي بشكل رئيسي من خدمات تغليف شرائح الحوسبة عالية الأداء، والتي نمت بسرعة من 50 مليون يوان في 2022 إلى 1.82 مليار يوان في 2024.ويؤكد ذلك أن قدرة توريد شرائح الطاقة الحوسبة المحلية تواصل التحسن، وأن عملية توطين سلسلة التوريد تتسارع.

تحذير من المخاطر وتحذير المسؤولية



السوق محفوف بالمخاطر، ويجب على الاستثمار أن يكون حذرا. هذه المقالة لا تشكل نصيحة استثمارية شخصية ولا تأخذ في الاعتبار الأهداف الاستثمارية المحددة أو الوضع المالي أو احتياجات المستخدمين الأفراد. يجب على المستخدمين التفكير فيما إذا كانت أي آراء أو استنتاجات الواردة في هذا المقال تتوافق مع ظروفهم الخاصة. استثمر وفقا لذلك على مسؤوليتك الخاصة.