جعلت وحدة المعالجة الرسومية شركة Nvidia أغلى شركة في التاريخ.

الرقاقة التي تحل محلها يتم بناؤها بالفعل بواسطة Google و Amazon و Meta و Microsoft و OpenAI في وقت واحد.
إليك ما يعنيه ذلك بالنسبة لمكان تدفق الأموال فعليًا بعد ذلك.
أولاً، تحتاج إلى فهم سبب أن وحدة المعالجة الرسومية أصبحت الملك.
عد إلى عام 2012.
شبكة عصبية تسمى AlexNet قضت على المنافسة في مسابقة التعرف على الصور العالمية باستخدام رؤية واحدة.
المعالجة المتوازية التي بنتها Nvidia في وحدات المعالجة الرسومية لعرض رسومات واقعية في ألعاب الفيديو هي مطابقة هيكليًا لما يتطلبه تدريب شبكة عصبية.
آلاف النوى الصغيرة التي تؤدي ضرب المصفوفات في وقت واحد بدلاً من عدد قليل من النوى القوية التي تنفذ مهام متسلسلة.
أخذ باحث وحدة معالجة رسومية وقام باختراقها لكشف قدرات الحوسبة المتوازية تلك للتعلم العميق.
بدأت تلك اللحظة مسيرة استمرت عقدًا حولت Nvidia من شركة ألعاب إلى طبقة البنية التحتية لاقتصاد الذكاء الاصطناعي بأكمله.
تم شحن ستة ملايين من وحدات معالجة Blackwell في العام الماضي فقط.
خادم Blackwell يتكون من 72 وحدة معالجة رسومية يُباع مقابل حوالي 3 ملايين دولار.
تقوم Nvidia بشحن ألف منها كل أسبوع.
لفترة وجيزة في أكتوبر، أصبحت Nvidia أول شركة في التاريخ تصل إلى تقييم سوقي بقيمة 5 تريليون دولار.
هذا هو ما نتج عن رؤية واحدة من 2012 تراكمت على مر السنين.
لكن وحدة المعالجة الرسومية لديها مشكلة هيكلية لم يتحدث عنها أحد بصوت عالٍ حتى مؤخرًا.
إنها سكين الجيش السويسري.
قادرة بشكل استثنائي عبر مجموعة واسعة من أعباء العمل في الذكاء الاصطناعي، لكنها ليست محسنة لأي منها بشكل خاص.
في عصر الازدهار المبكر لنماذج اللغة الكبيرة، كانت تلك المرونة هي الهدف.
كان التدريب يتطلب حوسبة متوازية عامة ضخمة، ووحدة المعالجة الرسومية قدمتها بشكل أفضل من أي شيء آخر متاح.
لكن مع نضوج النماذج، تغير التوازن.
تقنيات ما بعد التدريب جعلت النماذج أكثر قدرة تدريجيًا.
العبء الرئيسي الآن ليس التدريب.
إنه الاستنتاج.
كل مرة تفتح فيها Claude أو ChatGPT أو Gemini أو أي منتج ذكاء اصطناعي وتتلقى ردًا، فهذا استنتاج.
كل معاملة في تطبيق ستاربكس، كل سير عمل في Salesforce، كل مساعد ذكاء اصطناعي يعمل في سماعات أذنك.
كلها استنتاج.
ويمكن أن يعمل الاستنتاج على رقاقات أقل قوة مبرمجة لمهام أكثر تحديدًا.
هذا التحول الوحيد في توازن عبء العمل هو ما فتح الباب للرقاقة التي يتم بناؤها الآن لمواجهة هيمنة Nvidia.
الرقاقة المخصصة هي الرقاقة التي تغير الخريطة.
الدائرة المتكاملة الخاصة بالتطبيق.
حيث أن وحدة المعالجة الرسومية هي سكين الجيش السويسري، فإن ASIC هو أداة ذات غرض واحد.
مُبرمج بشكل صلب لأداء العمليات الرياضية الدقيقة لنوع واحد من الوظائف.
أسرع في ذلك العمل، أكثر كفاءة في استهلاك الطاقة، وأرخص بكثير في التشغيل على نطاق واسع من أي وحدة معالجة رسومية عامة.
المقايضة هي المرونة.
بمجرد نحتها في السيليكون، لا يمكن إعادة برمجتها للعمل على عبء عمل مختلف.
لكن بالنسبة للشركات التي تدير الاستنتاج على مقياس مليارات الطلبات اليومية، فإن تلك المقايضة ليست عيبًا.
بل هي بالضبط النقطة.
كانت Google أول من أطلق.
وحدة المعالجة Tensor Processing Unit، أو TPU، في 2015 وساعدت في قيادة اختراع بنية المحول في 2017.
المحول هو أساس كل نظام ذكاء اصطناعي حديث يعمل اليوم.
أطلقت شركة Google الجيل السابع من رقاقتها، Ironwood، جنبًا إلى جنب مع صفقة لتدريب Claude على ما يصل إلى مليون وحدة TPU.
بنت Amazon وحدة Trainium وInferentia بعد استحواذها على شركة رقاقات إسرائيلية في 2015.
تقوم شركة Anthropic حاليًا بتدريب نماذجها على نصف مليون من رقاقات Trainium2 داخل مركز بيانات Amazon في إنديانا بدون وحدات معالجة رسومية من Nvidia.
تقدم Trainium أداءً أفضل بين 30 و40 بالمائة من حيث السعر مقابل الأداء مقارنة بموردي الأجهزة المنافسين على AWS وفقًا لبيانات Amazon الخاصة.
تمتلك Meta مسرعات تدريب واستنتاج خاصة بها.
تمتلك Microsoft رقاقات Maia المستهدفة لمراكز بيانات Azure.
تبني OpenAI رقاقات ASIC مخصصة بالتعاون مع Broadcom بدءًا من 2026.
كل شركة ضخمة في مجال الحوسبة السحابية تبني رقاقتها الخاصة في الوقت نفسه.
ليس كمجرد تجربة.
بل كقرار استراتيجي للبنية التحتية بقيمة مئات المليارات من الدولارات من الالتزامات الرأسمالية.
تهيمن Broadcom على ذلك السوق.
رقاقات TPU من Google. مسرعات التدريب من Meta. الآن رقاقات ASIC المخصصة من OpenAI.
يقدر المحللون الذين يتابعون هذا المجال أن Broadcom تفوز بنسبة 70 إلى 80 بالمائة من سوق رقاقات ASIC الخلفية المخصصة.
ومن المتوقع أن ينمو هذا السوق بمعدل نمو سنوي مركب من رقمين متوسطين خلال السنوات الخمس القادمة.
موجة ASIC تتسارع بشكل أسرع من سوق وحدات المعالجة الرسومية.
تقع Broadcom في مركز معظم ذلك كله.
ثم هناك طبقة الحافة التي لا يتابعها معظم الناس بعد.
مع نضوج مراكز البيانات في الذكاء الاصطناعي، فإن ساحة المعركة التالية هي الاستنتاج على الجهاز.
هاتفك. سيارتك. حاسوبك المحمول. أجهزتك القابلة للارتداء.
وحدة المعالجة العصبية هي الرقاقة التي تدعم الذكاء الاصطناعي محليًا دون إرسال البيانات إلى خادم سحابي.
تحسن الخصوصية والسرعة والكفاءة من حيث التكلفة عندما يعمل الاستنتاج على الجهاز بدلاً من مركز البيانات.
تسيطر Qualcomm على وحدات المعالجة العصبية لنظام Android.
تشمل رقاقات M-series من Apple محركًا عصبيًا مخصصًا لأجهزة MacBook.
تحتوي رقاقات السلسلة A في أحدث iPhones على معجلات عصبية مدمجة.
تتنافس AMD و Intel على وحدات المعالجة العصبية في حواسيب Windows المحمولة.
الأموال مركزة اليوم في مراكز البيانات.
لكن حجم الرقائق المطلوبة لوضع الذكاء الاصطناعي في كل هاتف، سيارة، روبوت، وارتداء على الأرض أكبر بمقدار رتبة من سوق مراكز البيانات.
لقد بدأ هذا الانتقال بالفعل.
الطبقة الجيوسياسية تحت كل ذلك هي القيد الذي لا يتحدث عنه أحد بما فيه الكفاية في السرد الاستهلاكي.
تقريبًا كل رقاقة في هذا النظام البيئي، Nvidia Blackwell، TPU من Google، Trainium من Amazon، سلسلة A من Apple، تُصنع بواسطة شركة واحدة.
شركة Taiwan Semiconductor Manufacturing Company.
TSMC.
تركيز تصنيع أشباه الموصلات المتقدمة في تايوان هو أكبر نقطة اختناق جيوسياسية في سباق الذكاء الاصطناعي العالمي.
بدأ قانون CHIPS في بناء مصانع TSMC في أريزونا.
يعمل الآن Blackwell من Nvidia بكامل طاقته في منشأة أريزونا.
تصنع Intel رقاقات متقدمة في مصنع أريزونا جديد.
لكن أحدث رقاقات iPhone من Apple لا تزال تتطلب عملية الثلاث نانومتر من TSMC، والمتاحة حاليًا فقط في تايوان.
إعادة نقل تصنيع أشباه الموصلات إلى الولايات المتحدة تحدث، لكن الجدول الزمني يقاس بالسنوات وليس الأشهر.
وتبني الصين بنية تحتية موازية خاصة بها.
تطوّر Huawei و ByteDance و Alibaba جميعها رقاقات ASIC مخصصة تحت قيود تصدير تحد من وصولها إلى المعدات الأكثر تقدمًا ورقاقات Blackwell من Nvidia.
سباق رقاقات الذكاء الاصطناعي ليس مجرد منافسة تكنولوجية.
إنه حرب بنية تحتية جيوسياسية تُخاض في السيليكون.
الدولة التي تضمن أكبر قدر من التصنيع المتقدم وأكثر إمدادات الطاقة موثوقية لتشغيلها تفوز بشيء أكثر قيمة من السوق.
إليك الإطار الذي يربط كل ذلك معًا.
حققت Nvidia مكانتها.
سنوات من استثمار نظام المطورين، وCUDA كحصن برمجيات مملوك، وخطة طريق للأجهزة تتقدم على كل منافس، بنت واحدة من أقوى المزايا التنافسية في تاريخ التكنولوجيا.
هذه الميزة لا تختفي بين عشية وضحاها.
لكن السوق أصبح كبيرًا جدًا لدرجة أنه يخلق مساحة لنمو طبقة جديدة تمامًا من الفائزين بجانب Nvidia بدلاً من استبدالها ببساطة.
الضخامات تقلل اعتمادها على Nvidia من خلال رقاقات ASIC المخصصة.
Broadcom تسيطر على البنية التحتية الخلفية لكل برنامج ASIC رئيسي في الوقت نفسه.
Qualcomm و Apple يمتلكان طبقة الاستنتاج على الحافة مع انتقال الذكاء الاصطناعي إلى كل جهاز.
تبقى TSMC النقطة التي لا يمكن استبدالها في التصنيع، بغض النظر عن أي بنية رقاقة تفوز.
وتحت كل ذلك، البنية التحتية للطاقة اللازمة لتشغيل كل شيء على نطاق واسع تصبح القيد الذي يحدد من يمكنه البناء بسرعة تتطلبها سباق الذكاء الاصطناعي.
جعلت وحدة المعالجة الرسومية Nvidia أغلى شركة في التاريخ.
الشركات التي فهمت تلك اللحظة في 2012 قبل أن يصبح الأمر واضحًا لم تحتاج أبدًا لشرح توقيتها.
نفس فجوة الرؤية موجودة الآن في انتقال ASIC.
الأشخاص الذين يراقبون طبقة الرقاقة تحت سباق النماذج قد وضعوا بالفعل في مواقعهم.
والأشخاص الذين يتصرفون بناءً على ذلك الليلة سيفهمون لماذا غدًا.