جدار الذاكرة: كيف تعيد أزمة HBM تعريف اقتصاديات الذكاء الاصطناعي

يبرز قيد هادئ في صميم توسع الذكاء الاصطناعي، ولا يتمثل في توافر القدرة الحاسوبية بحد ذاتها، بل في الذاكرة التي تغذيها. فخلال الأشهر الماضية، انتقلت أزمة عالمية في الذاكرة عالية النطاق الترددي من كونها هامشاً في سلسلة الإمداد إلى قوة حاسمة تشكل الأسعار والاستراتيجيات المؤسسية والوتيرة التي يمكن بها نشر البنية التحتية للذكاء الاصطناعي. وتظهر آثار ذلك الآن عبر كامل مكونات المنظومة، بدءاً من تكلفة بطاقات المسرّعات في شنتشن ووصولاً إلى هوامش الربح الإجمالي لأكبر شركات أشباه الموصلات في العالم.

تبدو آليات الأزمة مباشرة، حتى إن لم تكن تداعياتها كذلك. فالذاكرة عالية النطاق الترددي، أو HBM، هي شكل متخصص من ذاكرة الوصول العشوائي الديناميكية، إذ تكدّس طبقات من شرائح الذاكرة عمودياً وتوصلها بالمعالج عبر آلاف القنوات المجهرية. وهي تتيح لمسرّع الذكاء الاصطناعي الوصول إلى كميات هائلة من البيانات بسرعات لا تستطيع الذاكرة التقليدية مجاراتها. ومع ازدياد نماذج الذكاء الاصطناعي حجماً وتعقيداً، ارتفعت كمية HBM المطلوبة لكل معالج بشكل حاد. فقد احتوى H100 من Nvidia على 80 جيجابايت من HBM، بينما يحتوي B200 على 192 جيجابايت. أما Blackwell Ultra فيحتوي على 288 جيجابايت، بزيادة قدرها 3.6 أضعاف خلال جيلين بالكاد.

المشكلة أن إنتاج HBM أصعب بكثير من إنتاج الذاكرة القياسية. فهو يتطلب وصلات تمر عبر السيليكون، وترقيق الرقاقات، والتكديس، والاختبار، والتغليف المتقدم، وهي عمليات تستهلك طاقة تصنيعية وتحقق إنتاجية أقل من DRAM التقليدية. ويستهلك كل جيجابايت من HBM نحو أربعة أضعاف الطاقة الاستيعابية للرقاقات مقارنةً بـ DRAM القياسية، فيما لا تزال معدلات الإنتاجية تتراوح بين 50 و60 بالمئة. وعندما تستحوذ ثلاث شركات على كامل الإمدادات العالمية تقريباً، وتعيد تلك الشركات توجيه مساحات الغرف النظيفة التي كانت تنتج ذاكرة المستهلك نحو HBM الأعلى هامشاً، تكون النتيجة اختناقاً هيكلياً يتجاوز قطاع الذكاء الاصطناعي نفسه بكثير.

الأرقام التي تصف هذا الاختناق لافتة. ومن المتوقع أن ينمو إجمالي سوق HBM من 35 مليار دولار في 2025 إلى 54.6 مليار دولار في 2026، بزيادة تتجاوز 50 بالمئة في عام واحد. وقد رفعت Samsung وSK Hynix أسعار العقود لعام 2026 للجيل الحالي من HBM بنحو 20 بالمئة، فيما يتوقع السوق أن تستقر أسعار حزم HBM4 من الجيل التالي عند 500 إلى 600 دولار للوحدة، أي أعلى بنسبة إضافية تتراوح بين 55 و70 بالمئة من المستويات الحالية. وتشير مصادر في القطاع نقلتها DigiTimes إلى أن سعر HBM4 قد يرتفع من نحو 2 دولار لكل جيجابت في النصف الثاني من 2026 إلى 4 أو 5 دولارات أو أكثر، مدفوعاً بالتعقيد البالغ لعملية التصنيع، التي تتطلب أربعة إلى ستة أشهر من وقت الإنتاج وتعاني من معدلات إنتاجية أولية أقل بكثير.

وتنتقل هذه الزيادات السعرية الآن عبر سلسلة الإمداد بطرق واضحة. ففي الصين، حيث حدت ضوابط التصدير من الوصول إلى الذاكرة المتقدمة من الموردين الثلاثة المهيمنين، اضطرت شركات تصنيع رقائق الذكاء الاصطناعي إلى الاعتماد بشكل متزايد على قنوات السوق الرمادية، ودفع أسعار تعادل أضعاف ما يدفعه المشترون خارج الصين للمكونات نفسها. ونتيجة لذلك، ارتفعت تكلفة بطاقات المسرّعات الجاهزة بشكل حاد. فقد رفعت Huawei السعر المعلن لبطاقتها Ascend 950DT إلى أكثر من 250,000 يوان، أي نحو 37,000 دولار، بزيادة تتراوح بين 20 و50 بالمئة عن الأسعار المعروضة قبل شهرين فقط. وأعادت Cambricon تسعير معالجها من الجيل التالي بزيادة تتراوح بين 20 و30 بالمئة. وحتى المنتجات الأقدم ارتفعت أسعارها؛ إذ إن Ascend 950PR، الذي كان يُباع بنحو 60,000 يوان للبطاقة في بداية العام، يُباع الآن بأكثر من 80,000 يوان. وبما أن الذاكرة تستحوذ على حصة كبيرة من تكلفة إنتاج المسرّع، فإن الأسعار الأعلى تنعكس مباشرة على البطاقات الجاهزة، لترفع تكلفة بناء القدرة الحاسوبية للذكاء الاصطناعي في اللحظة التي يتسارع فيها الطلب على تلك القدرة تحديداً.

ولا تقتصر الآثار على الصين. فقد عززت الأزمة نفوذ موردي الذاكرة مقارنة بالشركات التي تشتري منتجاتهم. وتخطط Micron، التي لطالما كانت أصغر منتجي HBM الثلاثة، لمضاعفة طاقتها الشهرية من رقاقات HBM تقريباً إلى نحو 100,000 رقاقة بحلول نهاية 2026، مقارنةً بـ 40,000 إلى 50,000 رقاقة في العام الماضي. وتمتلك Samsung وSK Hynix كل منهما طاقة شهرية من HBM تتراوح بين 150,000 و200,000 رقاقة، أي ثلاثة إلى أربعة أضعاف الحجم الحالي لـ Micron. وتتقلص الفجوة، لكنها لا تزال كبيرة. والأهم أن قوة التسعير التي تتيحها الندرة أصبحت الآن في أيدي الموردين بثبات. وكما خلص أحد التحليلات، فإن ندرة الذاكرة من الاتجاهات النادرة في الذكاء الاصطناعي التي يمكن أن تستفيد فيها Nvidia في الوقت نفسه من قوة الطلب النهائي، بينما تخسر قليلاً من قوتها التفاوضية أمام أحد الموردين.

ولهذا التحول تداعيات تتجاوز هوامش الشركات الفردية. فسوق الذاكرة الأوسع يعاد تشكيله بفعل القوى نفسها. وقد ارتفعت أسعار العقود لذاكرة DRAM التقليدية بنحو 90 إلى 95 بالمئة على أساس ربعي خلال الأشهر الثلاثة الأولى من 2026، في أكبر ارتفاع فصلي على الإطلاق. كما ارتفعت أسعار العقود لذاكرة NAND بنسبة 55 إلى 60 بالمئة في الفترة نفسها، مع توقع زيادات إضافية تتراوح بين 70 و75 بالمئة في الربع الثاني. وبحلول أواخر أغسطس، انخفضت نسبة كفاية الإمدادات في السوق الفورية إلى أقل من 50 بالمئة، ما يعني أن مصنعي الوحدات والشركات المصنعة للمعدات الأصلية لم يتمكنوا من الحصول على ما يكفي من DRAM وNAND للأغراض العامة لتلبية احتياجاتهم. وتُتداول بعض منتجات الذاكرة القديمة، مثل DDR4، بأسعار أعلى من DDR5 الأحدث، لأن الطاقة الإنتاجية حُوّلت إلى منتجات أكثر ربحية. ويصف محللون مستقلون الوضع الآن بأنه أكبر نقص في الذاكرة في التاريخ، مع توقع استمرار الأسعار المرتفعة حتى بقية العقد.

وعلى المستوى التقني، تعكس الأزمة اختلالاً أعمق حذر منه المهندسون لسنوات. إذ تتضاعف قدرة الحوسبة في مسرّعات الذكاء الاصطناعي نحو ثلاثة أضعاف كل عامين، بينما ينمو عرض النطاق الترددي لـ HBM بأقل من الضعف خلال الفترة نفسها. وتتسع الفجوة بين سرعة إجراء المعالج للحسابات وسرعة وصول البيانات إليه، بدلاً من أن تضيق. وكما قال أحد باحثي Micron في مؤتمر حديث للقطاع، فإن جدار الذاكرة هذا لا يتقلص، بل ينمو. والنتيجة العملية هي أن إضافة المزيد من القدرة الحاسوبية إلى نظام ما تحقق عوائد متناقصة إذا لم تستطع الذاكرة توفير البيانات بسرعة كافية لإبقاء وحدات الحوسبة مشغّلة. وفي استدلال نماذج اللغة الكبيرة، ولا سيما في المهام ذات أحجام الدفعات الصغيرة والسياقات الطويلة، قد يقضي النظام معظم وقته في قراءة الأوزان وذاكرة التخزين المؤقت بدلاً من إجراء الحسابات. وفي هذه البيئة، قد يكون المزيد من عرض نطاق الذاكرة أكثر قيمة من المزيد من القدرة الحاسوبية الخام.

استجابت الصناعة بالتعامل مع الذاكرة لا باعتبارها مخزوناً واحداً، بل نظاماً متعدد الطبقات. فالبيانات الأكثر سخونة، أي الأوزان وذاكرات التخزين المؤقت للمفتاح والقيمة التي يجب الوصول إليها فوراً، توجد في HBM. أما البيانات الأقل حساسية للوقت فتوجد في ذاكرة DDR أو LPDDR. وتُخزّن البيانات الأبرد، أي معلمات النموذج وذاكرات التخزين المؤقت التي نادراً ما يتم الوصول إليها، على محركات أقراص الحالة الصلبة. وتتطلب إدارة هذا التسلسل الهرمي بفعالية برمجيات تستطيع التنبؤ بالبيانات المطلوبة ونقلها بكفاءة عبر الطبقات. وهذه مشكلة تتعلق بالبرمجيات وتصميم الأنظمة بقدر ما تتعلق بالعتاد.

وبالنسبة إلى متابعي أسواق الأصول الرقمية، يوفر نقص الذاكرة منظوراً مفيداً لدورة البنية التحتية الأوسع للذكاء الاصطناعي. فالقوى نفسها التي تدفع الطلب على HBM، أي توسع قدرة تدريب النماذج واستدلالها، تشكل تدفقات رأس المال والطلب على الطاقة والاستراتيجية المؤسسية في قطاع التكنولوجيا بأكمله. كما يجري تصميم مراكز البيانات التي تُبنى لتدريب نماذج اللغة الكبيرة وتشغيلها لاستيعاب البنية التحتية المالية المرمّزة، فيما يتزايد تطابق المستثمرين المؤسسيين الذين يمولون توسعات الذكاء الاصطناعي مع المستثمرين الذين يخصصون رأس المال للأصول الرقمية. ويصبح فصل العالمين أكثر صعوبة، ويقع نقص الذاكرة عند نقطة التقائهما.

ما الذي ينبغي للمراقب الحريص متابعته في الأرباع المقبلة؟ أولاً، مسار أسعار HBM4. فالعقود التي يجري التفاوض عليها الآن ستحدد أساس تكلفة الجيل التالي من مسرّعات الذكاء الاصطناعي، وستنعكس هذه التكاليف في نهاية المطاف على أسعار خدمات الذكاء الاصطناعي. ثانياً، وتيرة توسع الطاقة الإنتاجية لدى Micron وSamsung وSK Hynix. وتُعد مضاعفة Micron المخطط لها لطاقة الرقاقات مهمة، لكن لا يُتوقع أن يخفف المعروض الجديد المؤثر من حدة السوق قبل أواخر 2027 على أقرب تقدير. ثالثاً، مدى استعداد شركات تصنيع رقائق الذكاء الاصطناعي لتحمل ارتفاع تكاليف الذاكرة. فإذا انكمشت الهوامش أكثر من اللازم، فقد يؤدي ذلك إلى إبطاء وتيرة نشر البنية التحتية، ما سيخلف تداعيات متتابعة عبر سلسلة إمداد الذكاء الاصطناعي بأكملها.

الحقيقة الأعمق هي أن توسع الذكاء الاصطناعي دخل مرحلة لم تعد فيها القيود الحاسمة تتعلق فقط بعدد المعالجات التي يمكن تصنيعها. بل تتعلق بقدرة البنية التحتية المحيطة، من الذاكرة والتغليف إلى الطاقة والتبريد، على مواكبة ذلك. وتُعد HBM أوضح مثال على هذا التحول، لكنها لن تكون الأخير. وتتعلم الصناعة أن الذكاء على نطاق واسع لا يتطلب الحوسبة فحسب، بل يتطلب أيضاً القدرة على نقل البيانات إلى تلك الحوسبة بكفاءة. وستستحوذ الشركات التي تحل هذه المشكلة على حصة كبيرة من القيمة المتولدة. أما البقية فستراقب وتحسب وتستعد.
#ShareWeekly
#HBMShortageBoostsAIChipPrices