متى ستنتهي موجة سوق الأسهم الأمريكية "تحيا الرقائق"

المؤلف: سون تشينغ؛ المصدر: بارونز

شهر أبريل، شهدت الأسهم الأمريكية احتفالا هيكليا بقيادة الذكاء الاصطناعي، حيث قفز مؤشر ناسداك بنسبة 15.3% خلال الشهر، وارتفع مؤشر S&P 500 بنسبة 10.4%، وحقق مؤشر فيلادلفيا للرقائق نصف الموصلة أكبر ارتفاع شهري منذ عام 2000. بعد مايو، سرعان ما تغيرت سيناريوهات السوق، وظلت المؤشرات الثلاثة الرئيسية تتذبذب عند مستويات عالية، في ظل هدوء ظاهري، لكن التيارات الكامنة كانت تتصاعد: قفز سعر سهم ARM بنسبة 42.58% خلال أسبوع واحد بفضل نتائج الأرباح، وارتفعت أسهم شركات التخزين الرائدة مثل ساندي و سيجيت بأكثر من 15% خلال أسبوع، بينما تراجعت أسهم NVIDIA و مايكروسوفت، اللتين كانتا من رموز الذكاء الاصطناعي سابقا.

هل هذا هو توقف مسار الذكاء الاصطناعي الرئيسي، أم هو تحول داخلي عميق؟ رأس المال يتدفق من وحدات معالجة الرسوميات (GPU) وعملاقا السحابة إلى بنية ARM ورقائق التخزين، ويبدو أن السوق تتداول منطق “نهاية ذروة قدرات التدريب، وتولي الاستنتاج على الأجهزة الطرفية والتخزين”. هل يعني ارتفاع ARM المفاجئ بداية إعادة تقييم القيمة، أم هو قمة فقاعة قصيرة الأمد؟

آراء مهمة:

1، لم تنته موجة الذكاء الاصطناعي بعد، لكنها دخلت مرحلة التمايز الدقيق: لا تزال الأموال تتدفق بشكل مستمر إلى مجال الذكاء الاصطناعي، لكن التحول من ارتفاع عام إلى رهانات انتقائية. السوق داخليا يشهد انتقال الأموال من وحدات معالجة الرسوميات وعملاقا السحابة إلى بنية ARM ورقائق التخزين، وتحول من منطق “نهاية ذروة قدرات التدريب، وتولي الاستنتاج والتخزين”.

2، تأثير التجمع المالي قوي، لكن الكيانات التي تتجمع تتغير: غيرت التداولات الكمية، خيارات نهاية المدة، وصناديق الرافعة المالية من بيئة السوق، وزادت عمليات التحوط من قبل صانعي السوق، مما يعزز الصعود والهبوط. لم يتراجع تأثير التجمع، بل انتقل من NVIDIA وغيرها إلى ARM وساندي وغيرها من النقاط الساخنة الجديدة، مما أدى إلى “ارتفاع يذهل العقل”.

3، ارتفاع ARM المفاجئ هو سوق استدعاء قصير المدى نمطي، وليس مستداما: تراكب ضغط غاما وضغط على المراكز القصيرة أدى إلى ارتفاع حاد في السعر على المدى القصير. هذا الاتجاه لا يمكن أن يستمر إلى الأبد، فبمجرد نفاد الطلب أو تزعزع المزاج، قد ينقلب السعر بسرعة، ويجب الحذر الشديد.

4، بنية ARM لديها ميزة جوهرية في الاستنتاج على الأجهزة الطرفية: كونه مجموعة تعليمات مبسطة (RISC)، فإن كفاءة استهلاك الطاقة أقل بنحو النصف من x86؛ ونموذج ترخيص IP يدعم تصميمات مخصصة غير متجانسة؛ وتحسين العمليات المصفوفية يتوافق بشكل أفضل مع نماذج Transformer. لقد تشكلت نقطة انعطاف طويلة الأمد في الصناعة، لكن تقلبات الأسعار على المدى القصير حادة.

5، مكانة NVIDIA في التدريب ثابتة، لكن التحديات تواجه الاستنتاج: من الصعب تجاوز حاجز نظام CUDA البيئي، ولا يوجد منافس حقيقي في مجال التدريب. لكن في مجال الاستنتاج، فإن رقائق AMD و Google و Microsoft التي تطور رقائقها الخاصة، بسبب “عانينا من NVIDIA طويلا”، تتاح لها فرص التميز، مع انخفاض حصة NVIDIA المستقبلية، لكنها ستظل القوة الرئيسية.

6، تجاوزت قدرات استنتاج الحسابات قدرات التدريب، ومن المتوقع أن تمثل 70-80% من الحصة المستقبلية: حاليا، نسبة استهلاك قدرات الاستنتاج إلى التدريب حوالي 6:4، لكن الإنفاق الرأسمالي لا يزال يركز على التدريب بنسبة 60%. مع انتشار النماذج الكبيرة وتطور الذكاء الاصطناعي الوكيل، ومع تباطؤ تكرار التدريب، فإن الطلب على الاستنتاج من حيث التكاليف، استهلاك الطاقة، والكمون، يفتح فرصا جديدة لبنية ARM ورقائق التخزين.

مراجعة السوق: هل هو بداية احتفالية بقيادة الذكاء الاصطناعي أم فقاعة؟

سون تشينغ: هل انتهت موجة الارتفاع بقيادة الذكاء الاصطناعي؟ هل تدفق الأموال من وحدات معالجة الرسوميات/عملاقا السحابة إلى ARM والتخزين، وما هو الدافع الرئيسي وراء ذلك؟

مياو جيه: منذ بداية 2023، بدأ سوق الأسهم الأمريكية يركز بشكل خاص على الذكاء الاصطناعي. أبرز الأسهم خلال 2023 كانت NVIDIA، التي تنتمي إلى قطاع الرقائق، لكن الدافع الرئيسي هو الذكاء الاصطناعي. استمرت هذه الموجة من السوق منذ ذلك الحين حتى 2024 و2025، وتطورت بشكل متدرج ومنظم، لذا من المبكر جدا القول إن موجة الذكاء الاصطناعي قد انتهت.

وفقًا لبيانات سوق الأسهم الأمريكية التي راقبناها الأسبوع الماضي، لا تزال تدفقات الأموال إلى مجال الذكاء الاصطناعي مستمرة، مع وجود خاصية واضحة وهي “التمايز داخل التمايز”. منذ أكتوبر من العام الماضي، دخل السوق الأمريكي في حالة ركود، وظل في وضع تذبذب من أكتوبر إلى فبراير. خلال فترة التذبذب، بدأت بعض أسهم البرمجيات وقطاعات التكنولوجيا الكبرى المتأثرة بالذكاء الاصطناعي تظهر علامات ضعف وتصحيح. لكن خلال نفس الفترة، لم تتراجع قطاعات مثل التخزين والاتصالات الضوئية، بل ارتفعت، مما يعكس تباين السوق وتوجيه الأموال نحو قطاعات معينة.

لذا، من خلال مراقبة تدفقات الأموال، يظل المستثمرون الجدد والحاليون متحمسين. لكن السوق يظهر نمطًا مستمرًا، وهو أن الأموال تبحث باستمرار عن نقاط ساخنة، وتمايز، ومواضيع جديدة، وشركات في مسارات مختلفة. لذلك، الموجة الصاعدة لم تنته، بل دخلت مرحلة أكثر دقة وتفصيلًا.

سون تشينغ: سجل مؤشر ناسداك وS&P 500 أفضل أداء شهري منذ حوالي ست سنوات، وحقق مؤشر فيلادلفيا للرقائق أكبر ارتفاع شهري منذ عام 2000. ما الذي يكمن وراء هذا السوق المتطرف، بخلاف الذكاء الاصطناعي، من حيث استعادة المزاج السوقي وتجمع الأموال؟ بعد منتصف مايو، لم يستمر السوق في الارتفاع العام، فهل يعني ذلك أن المزاج السوقي تحول من “تفاؤل شامل” إلى “رهانات انتقائية”؟ هل لا زال تأثير التجمع المالي قائما؟

مياو جيه: يمكن النظر إلى الأمر من جانبين. أولا، هو نمط تقني نموذجي في السوق الأمريكية. عادة، بعد فترة طويلة من التذبذب أو الهبوط، يشهد السوق الأمريكي ارتفاعًا انتقاميًا، مثل أداء 2020، أو التصحيح من أغسطس إلى أكتوبر 2023، ثم ارتفاعات قوية استمرت لنصف سنة تقريبًا. منذ أكتوبر من العام الماضي، دخل السوق الأمريكي في حالة ركود، مع استقرار في مستويات المركز خلال عدة أشهر، وهو نمط تجميع وتحضير. في نهاية مارس، حدث تصحيح حاد أدى إلى تراجع كبير في التقييم، واعتبر 30 مارس قاعًا لهذه الموجة. لذلك، فإن الارتفاع المفاجئ في أبريل هو في جوهره تصحيح لركود استمر لنصف سنة تقريبًا. من سمات السوق الأمريكية “البقاء في اللعبة”، أي أن على المستثمرين البقاء في السوق، لأن الارتداد قد يحدث في يوم أو يومين. تظهر الإحصائيات أنه خلال 50 أو 30 أو 10 سنوات، إذا فاتت المستثمرين بعض الأيام أو الأسابيع التي شهدت ارتفاعات وانفجارات، فإن العائد السنوي سيكون أقل بشكل كبير.

ثانيًا، تأثير التجمع المالي لا يزال قائما، لكن السوق الآن يختلف تمامًا عن السابق. التداول الكمي، التداول الآلي، مشاركة المستثمرين الأفراد بشكل كبير، وتداول الخيارات وصناديق الرافعة، غيرت بشكل جذري بيئة السوق. من أجل التحوط، يتخذ صانعو السوق إجراءات تزيد من تسريع الصعود والهبوط. خاصة مع الأسهم الرائدة في الذكاء الاصطناعي، يشارك جميع المستثمرين الأفراد في خيارات نهاية المدة، بينما يتابع كبار المستثمرين (الذين يملكون حجمًا كبيرًا من الأموال ويؤثرون على السوق) هذه النقاط الساخنة. هذا يسرع من عمليات الصعود والهبوط، ويجعل تأثير التجمع المالي في السوق الأمريكية يزداد، مع ظواهر “ارتفاع يذهل العقل”. لذلك، السوق لا يتحول من التفاؤل إلى التشاؤم، بل تتغير الكيانات التي تتجمع حولها الأموال، مع استمرار التركيز على نفس الأصول، لكن مع تغيير في الاختيارات.

سون تشينغ: ارتفاع سهم ARM بأكثر من 42% خلال أسبوع واحد، وتحقيق هذا الارتفاع الكبير خلال يومين تداول، هل هو نمط “استدعاء قصير المدى” تقنيًا؟ هل هناك دعم من مشاعر المستثمرين الأفراد أو ضغط غاما من خيارات المشتقات؟ هل يمكن استدامة هذا الارتفاع السريع؟

مياو جيه: هذا بالفعل نمط استدعاء قصير المدى نموذجي، حيث يلعب ضغط غاما دورًا مهمًا. في سوق الأسهم الأمريكية الحالية، عندما يظهر نقطة ساخنة، يشارك جميع المؤسسات والكبار والمستثمرون الأفراد بشكل مكثف. وجود العديد من خيارات نهاية المدة، يسبب مشكلة ضغط غاما. غالبًا، لا يراهن صانعو السوق على الاتجاه، بل يربحون من الفروقات. عندما يشتري معظم المتداولين خيارات نهاية المدة أو خيارات شراء خارجية قريبة، يواجه صانع السوق مخاطر كبيرة: إذا ارتفع السهم، يحتاج إلى تنفيذ الخيارات، وللتحوط، يشتري الأسهم بشكل مستمر (لتحقيق التوازن في دلتا). كلما زاد الشراء، زاد عدد الأسهم التي يشتريها صانع السوق، مما يدفع السعر بشكل جنوني. لاحظنا مؤخرًا أن تأثير آخر 30 دقيقة من التداول في السوق الأمريكية غالبًا ما يكون ناتجًا عن هذا الضغط. عندما يُدفع السعر للأعلى مرارًا، يزداد حماس المستثمرين، ويزيدون من مراكزهم في خيارات الشراء، مما يدفع صانعي السوق لمزيد من شراء الأسهم للتحوط.

بالإضافة إلى ذلك، هناك ضغط المراكز القصيرة. بعض المستثمرين يعتقدون أن السعر يتباعد بشكل كبير عن التقييم، ويختارون البيع على المكشوف، لكن بسبب الآليات السابقة، يستمر السعر في الارتفاع، مما يجبر المراكز القصيرة على تصفية مراكزها وشراء الأسهم، مما يخلق ضغطًا متبادلًا بين المراكز القصيرة. في حالة سهم ARM، إذا استمر هذا الاتجاه لفترة أطول، وارتفع بشكل أكثر حدة، فسيصبح استدعاء قصير المدى نموذجي.

أما عن الاستدامة، فهذه الحالة من الناحية التقنية لا يمكن أن تستمر إلى الأبد. بمجرد أن يستسلم جميع المراكز القصيرة، أو يتزعزع ثقة المشترين الجدد، ويفقد السوق أدوات التوازن، فإن السعر قد ينقلب بسرعة عند جني الأرباح أو تردد السوق، مع وجود تأثير تراكمي مماثل للارتفاع. لذلك، يجب الحذر الشديد من هذا النوع من السوق.

تحليل عميق لتكنولوجيا الذكاء الاصطناعي: صعود ARM، ضغط NVIDIA، وتولي التخزين

سون تشينغ: شهدت ARM ارتفاعًا مفاجئًا بنسبة 42.58% الأسبوع الماضي، ويعتمد المنطق التجاري الرئيسي على “انتقال الذكاء الاصطناعي من التدريب إلى الاستنتاج على الأجهزة الطرفية، مع استفادة كبيرة لبنية ARM”. يرجى منكم تحليل من الناحية التقنية: ما هي المزايا الجوهرية لمجموعة التعليمات وترخيص ARM في سيناريوهات الاستنتاج في الذكاء الاصطناعي مقارنة بـ x86؟ هل هذا التقييم للقيمة هو نتيجة حافز أرباح قصيرة الأمد، أم هو نقطة انعطاف طويلة الأمد في الصناعة؟

وانغ هواي: من الناحية التقنية، السوق الآن يتحول نحو تطبيقات قدرات الذكاء الاصطناعي على الأجهزة الطرفية، وهذا المنطق واضح جدًا. هناك ثلاث نقاط رئيسية تميز ARM عن x86 في هذا السياق:

أولًا، ميزة مجموعة التعليمات. ARM هو RISC (مجموعة تعليمات مبسطة)، بينما x86 هو CISC (مجموعة تعليمات معقدة). RISC لا يحتاج إلى تصميم خطوط أنابيب معقدة، مما يسمح بدمج المزيد من النوى، والذاكرة المؤقتة، أو وحدات تسريع مخصصة على نفس الشريحة، وهو مفيد للحوسبة القريبة من الذاكرة. في استنتاجات الذكاء الاصطناعي، أحد أكبر التحديات هو التواصل مع الذاكرة. تتمتع ARM بمرونة عالية في IP الفيزيائي وقدرة على التخصيص، مما يجعلها طبيعية لعمليات استنتاج الذكاء الاصطناعي. في الأحمال النموذجية على الأجهزة الطرفية، تكون كفاءة ARM أعلى بشكل ملحوظ من x86، مع استهلاك طاقة أقل بنحو النصف، مما يوفر تكاليف هائلة.

ثانيًا، ميزة نموذج الترخيص. ARM تعتمد على ترخيص IP، حيث يمكن للعملاء بعد الحصول على الترخيص أن يقوموا بتصميم مخصص، مثل دمج CPU مع GPU و NPU، ويمكنهم التحكم بحرية. أما x86 فهو “صندوق أسود”، ويصعب إجراء تحسينات غير متجانسة على أساسه. هذا الانفتاح يجعل ARM أكثر شعبية عند تصميم ذاكرة عالية النطاق الترددي (LPDDR) المدمجة.

ثالثًا، تحسين العمليات المصفوفية. في نماذج Transformer، تعتبر عمليات الضرب المصفوفي الأكثر استخدامًا، وتحسينها على ARM أكثر كفاءة بكثير من x86. على الرغم من أن x86 يمكنه أيضًا أداء عمليات المصفوفة بكفاءة، إلا أن تحقيق نفس الكفاءة في استهلاك الطاقة والمساحة يتطلب حلولًا تعتمد على متجهات ARM، وهو غير مجدي على الأجهزة الطرفية. إذا كنت تركز على التوافق والنضج، يمكنك اختيار x86؛ لكن إذا كنت تركز على القيمة مقابل السعر واستهلاك الطاقة (وهو خيار التكاليف المستقبلي الكبير)، فإن ARM تتفوق بشكل واضح.

من ناحية الاتجاهات الصناعية، يتجه الذكاء الاصطناعي من التدريب إلى الاستنتاج، خاصة مع تطور الذكاء الاصطناعي الوكيل (Agentic AI). هذا لا يقتصر على حوارات النماذج الكبيرة، بل يشمل أيضًا العديد من استدعاءات API، والاتصالات الشبكية، والملفات، وكلها تعتمد على المعالج المركزي (CPU). كمعالج مركزي، فإن ARM مليئة بالتوقعات في تطبيقات الذكاء الاصطناعي الوكيل على الأجهزة الطرفية (الحواسيب، الهواتف، السيارات، وغيرها). أعتقد أن الاتجاه العام صحيح، وأن نقطة انعطاف الصناعة قد تشكلت، لكن تقلبات الأسعار على المدى القصير ستكون كبيرة، بينما ستعزز تطبيقات هذا الاتجاه من قيمتها على المدى الطويل. المدى الطويل هو آلة وزن، أما المدى القصير فهو آلة تصويت عاطفي.

سون تشينغ: تراجعت NVIDIA بنسبة 2.58% الأسبوع الماضي، مع قلق السوق من تباطؤ النمو. ارتفعت AMD بنسبة 3.60%. هل لا تزال حماية نظام CUDA من قبل NVIDIA قوية في مجال رقائق الذكاء الاصطناعي؟ هل يمكن أن تقلل سلسلة GPU MI من الفجوة في سيناريوهات الاستنتاج؟ ما مدى تهديد تطوير رقائق مخصصة من قبل العملاء لـ NVIDIA؟

وانغ هواي: في جانب التدريب، لا أحد يستطيع زعزعة مكانة NVIDIA في الوقت الحالي. لكن مع انتشار النماذج الكبيرة وتطور الذكاء الاصطناعي الوكيل، تزداد الحاجة إلى قدرات استنتاج عالية، مما يفتح فرصًا للاعبين آخرين. الطلب على الاستنتاج أكثر تعقيدًا، ويتطلب تصميمات متجانسة من CPU و GPU و NPU، مع متطلبات عالية للذاكرة، مما يمنح AMD وغيرها فرصة حقيقية للاستفادة.

بالنسبة لـ AMD، من المؤكد أنها ستستفيد من شعور “عانينا من NVIDIA طويلاً”. الشركات تحتاج إلى مورد ثانٍ موثوق لضمان أمن سلسلة التوريد، وتجنب الاعتماد على مورد واحد فقط. طالما ظهر مورد ثانٍ ممكن، فسيحصل على تفضيل إضافي من العملاء. نمو أعمال مركز البيانات لدى AMD ملحوظ، لكن إجمالي الإيرادات لا يزال أقل من ارتفاع سعر السهم، مع وجود عوامل عاطفية، لكن السوق يعي أن هناك فرصة حقيقية في مجال الاستنتاج.

أما NVIDIA، فإن مبيعات الاستنتاج ستتأثر، لكنها ليست مهددة بشكل حاسم. حاجز CUDA لن يُتجاوز بسهولة في يوم وليلة. في الوقت نفسه، تعمل Google وMicrosoft وAmazon على تطوير رقائق استنتاج خاصة بها، بهدف تقليل الاعتماد على مورد واحد، وتخصيص تصميمات متجانسة لمهامها الخاصة. هذا الاتجاه واضح جدًا. لكن، لا تزال الرقائق الأكثر تنوعًا وشمولية هي من NVIDIA. خلال العامين أو الثلاثة القادمة، حتى في مجال الاستنتاج، ستظل NVIDIA تحتفظ بحصة رئيسية، لكن التركيز لن يكون بنفس مستوى التدريب. في المدى القصير، لا توجد تحديات حقيقية من منافسين.

سون تشينغ: يرى السوق أن استثمارات الذكاء الاصطناعي تتجه من “قدرات التدريب” إلى “تطبيقات الاستنتاج”. من حيث النشر الفعلي، ما هو النسبة الحالية لأعباء العمل بين التدريب والاستنتاج على مستوى العالم؟ وكيف ستتغير النسبة خلال العامين المقبلين؟ وما هي التحديات التقنية الجديدة التي يفرضها هذا التحول على تصميم الرقائق، وعرض التخزين، واستهلاك الطاقة؟

وانغ هواي: وفقًا لبعض التقارير، فإن نسبة قدرات الاستنتاج إلى التدريب حالياً حوالي 6:4 أو 5.5:4.5، حيث تجاوز الاستنتاج التدريب. لكن الإنفاق الرأسمالي (Capex) لا يزال يركز على التدريب بنسبة 60%، مع أن الطلب على الاستنتاج يتزايد.

في المستقبل، ستزداد حصة الاستنتاج بشكل كبير. من ناحية، انتشار النماذج الكبيرة عالميًا لا يزال محدودًا، حيث يُظهر البيانات أن 86% من الناس لم يتعاملوا مع تطبيقات النماذج الكبيرة بعد. باستثناء الصين والولايات المتحدة، فإن العديد من الدول لديها تطبيقات قليلة جدًا. من ناحية أخرى، فإن الذكاء الاصطناعي الوكيل سيزيد بشكل كبير من عدد استدعاءات النماذج الكبيرة. خلال ثلاث إلى خمس سنوات، من الممكن أن تصل حصة قدرات الاستنتاج إلى 70-80%.

سبب آخر هو أن وتيرة تكرار التدريب تتباطأ بشكل كبير. الشركات التي تستطيع تدريب نماذج ضخمة تتركز بشكل متزايد، وأصبح عدد الشركات القادرة على ذلك أقل. مع تقليل المنافسة، ستتجه الشركات أكثر نحو تسويق النماذج الحالية وتحقيق أرباح منها، بدلاً من إطلاق نماذج جديدة بسرعة. الطلب على قدرات التدريب يتراجع نسبيًا. إلا إذا ظهرت اختراقات جديدة في مجالات الذكاء الاصطناعي المادي أو النماذج العالمية، فقد يكون هناك متغير جديد.

هذا التحول من التدريب إلى الاستنتاج يفرض متطلبات تقنية أعلى على تصميم الرقائق. الاستنتاج حساس جدًا من حيث التكاليف، استهلاك الطاقة، والكمون، ويحتاج إلى تكييف مع سيناريوهات متنوعة من السحابة إلى الأجهزة الطرفية، مما يفتح فرصًا لأساليب معمارية مختلفة مثل GPU و ASIC و CPU. كما أن متطلبات عرض الذاكرة وذاكرة السياق (KV Cache) أكثر تعقيدًا مقارنة بالتدريب. هذه التحديات التقنية توفر فرصًا أكبر لبنية ARM ورقائق التخزين.