يعمل استدلال الذكاء الاصطناعي على توسيع المنافسة في أشباه الموصلات من وحدات معالجة الرسوميات إلى الشرائح المتخصصة ونشر مراكز البيانات: بعد SambaNova وGroq وCerebras، من يمكنه الحصول على بطاقة الدخول التالية؟

إن الاستدلال بالذكاء الاصطناعي يدفع المنافسة في أشباه الموصلات من وحدات GPU إلى الشرائح المتخصصة ونشر مراكز البيانات

إن مركز ثقل سوق الحوسبة بالذكاء الاصطناعي ينتقل من التدريب (training) إلى الاستدلال (inference). وأفادت TechCrunch بأن شركة ناشئة جديدة في مجال neocloud للاستدلال — General Compute — أغلقت جولة تأسيسية بقيمة 15 مليون دولار عند تقييم ما بعد الاستثمار بلغ 60 مليون دولار، وتراهن على شريحة الاستدلال SN50 من SambaNova، مع خطة لتقديم خدمات الحوسبة عبر التبريد بالهواء، واستهلاك طاقة أقل، وإمكانية النشر المباشر في مراكز البيانات القائمة. ورغم أن حجم التمويل في هذه الحالة ليس كبيرًا بحد ذاته، فإنه يكشف إشارة صناعية أهم: إن توزيع القيمة في سلسلة صناعة الذكاء الاصطناعي ينتقل من «من يملك أقوى GPU» إلى «من يستطيع استخدام الشريحة الأنسب لتوصيل القدرة الحاسوبية إلى العميل بسرعة أكبر وبتكلفة أقل».

وهذا يعني أن المنافسة في المستقبل لن تجري فقط في سوق GPU، بل أيضًا في شرائح الاستدلال المتخصصة، وneocloud، وبنية الطاقة والتبريد في مراكز البيانات، وكذلك عبر سلسلة كاملة تشمل التغليف المتقدم ووفرة HBM. وبالنسبة لصناعة أشباه الموصلات، فإن هيكل الطلب على AI chips يتغير؛ وبالنسبة لسوق foundry market، فإن طريقة استخدام طاقة التصنيع المتقدمة وقدرات التغليف ستتغير أيضًا؛ وبالنسبة لسلسلة الإمداد، فإن التبريد بالهواء أو بالسائل، وتعديلات غرف الخوادم، ومتطلبات كثافة الطاقة، ستؤثر جميعها في هيكل طلبات المعدات والمواد والتجميع والاختبار لدى الموردين في المراحل الأولى.

بعبارة أخرى، ليست هذه الأخبار التمويلية من TechCrunch مجرد قصة شركة ناشئة منفردة، بل نافذة لرصد كيف يعيد إنفاق البنية التحتية للذكاء الاصطناعي تشكيل semiconductor supply chain.

الخلفية: من عصر التدريب إلى عصر الاستدلال

خلال العامين الماضيين، تركز السرد الرئيسي للإنفاق الرأسمالي في الذكاء الاصطناعي على عناقيد التدريب: فمع توسع حجم معلمات النماذج الكبيرة، ازدادت حدة الضغط على وحدات NVIDIA GPU وHBM والشبكات عالية السرعة وقدرات التغليف المتقدمة. لكن مع دخول النماذج تدريجيًا مرحلة التسويق التجاري، أصبح الاستدلال يمثل سوقًا أكبر على المدى الطويل. ويختلف الاستدلال عن التدريب، إذ يركز أكثر على تكلفة كل token، وزمن الاستجابة، ومعدل الإنتاجية، والقدرة على التوازي، بدلًا من مجرد الأداء العائم الأقصى.هذا هو السبب بالضبط وراء عودة الاهتمام بشرائح الاستدلال المخصّصة. وتشير تقارير TechCrunch إلى أن General Compute اختارت SambaNova، بدلاً من الاستمرار في الاعتماد الكامل على GPU، لأحد الأسباب وهو أن بنيتها تركز أكثر على المرونة وقدرات الذاكرة، ما يجعلها مناسبة للاحتفاظ بالسياق أثناء عملية الاستدلال. كما يذكر التقرير أن الشريحة الجديدة من SambaNova تستهدف 600 إلى 700 tokens في الثانية، مقارنةً بنحو 250 tokens للـ GPU. ورغم أن مثل هذه المقارنات تستند إلى تصريحات علنية من الشركة ورواد الأعمال وتحتاج إلى إثبات في السوق، فإنها تنقل اتجاهًا واضحًا: عندما ينتقل الذكاء الاصطناعي من «نموذج توليدي» إلى سير عمل «agent-to-agent»، فإن السرعة والتكلفة وطريقة النشر هي التي ستحدد قيمة الشريحة.

تحليل السلسلة الصناعية

المنبع: تغيّرات في هيكل الطلب على التصنيع، وHBM، والمواد والمعدات

إذا استمر تمايز شرائح الاستدلال، فستواجه جهة تصنيع الرقائق ضغطين في الوقت نفسه: الأول هو الطلب المستمر من GPU/معجّلات الذكاء الاصطناعي على العمليات المتقدمة، والثاني هو التصميم عالي التكامل الذي تتبناه الشرائح المخصّصة لتحقيق كفاءة في استهلاك الطاقة. وكلتا الفئتين تعتمدان على العمليات المتقدمة، لكن متطلبات الطاقة الإنتاجية، والتغليف، والاختبار، وتيرة التوريد تختلف بينها.

• Foundry: لا تزال TSMC المنصة الأهم للتصنيع المتقدم، ويمثل كل من 3nm و5nm محطات مهمة لشرائح الذكاء الاصطناعي عالية المستوى وتصاميم الدمج بين CPU/GPU؛ بينما تتنافس Samsung Foundry وIntel Foundry على جولة جديدة من طلبات التصنيع التعاقدي المرتبطة بالذكاء الاصطناعي، ولا سيما المشاريع التي تحتاج إلى تخصيص أسرع من العميل وتنسيقًا أكثر تعقيدًا في التغليف.
• التغليف المتقدم: لم تعد اختناقات شرائح الذكاء الاصطناعي مقتصرة على كثافة الترانزستورات، بل أصبحت أيضًا في interconnect بين الشريحة والشريحة، وعرض نطاق HBM الجانبي، ومردود/جودة التغليف. وإذا انتقلت شرائح الاستدلال من «GPU واحد كبير» إلى «وحدات حوسبة متخصصة أكثر تشتتًا»، فسيتنوع الطلب على التغليف المتقدم أكثر، وستصبح أدوار شركات OSAT مثل ASE وAmkor أكثر أهمية.
• المعدات: لا يزال الطلب طويل الأمد على ASML وApplied Materials وLam Research وKLA مرتبطًا بتوسعات العمليات المتقدمة والتغليف المتقدم. وما دامت الذكاء الاصطناعي يدفع الاستثمار في 3nm/2nm وما بعده من التغليف، فلن يتراجع الإنفاق الرأسمالي على المعدات بشكل واضح.
• المواد: ستؤدي التصاميم الأعلى كفاءة في استهلاك الطاقة إلى استمرار رفع الطلب على رقائق السيليكون عالية الجودة، ومقاومات الليثوغرافيا، والغازات الخاصة، ومواد التغليف المتقدم. وستصبح مرونة سلسلة التوريد أهم من السعر وحده.

الوسط: تصميم الرقائق والبنية التحتية السحابية تبدأ بإعادة توزيع الأدوار

في الماضي، كان GPU يكاد يحتكر سردية توسع تدريب الذكاء الاصطناعي، لكن سوق الاستدلال أكثر قابلية لظهور طبقات مختلفة:1. وحدات معالجة الرسوميات العامة (GPU) ستواصل تحمل أوسع نطاق من التوافق البرمجي ومهام التدريب؛ 2. ASIC / شرائح الاستدلال المخصصة ستتنافس على نماذج محددة، وزمن استجابة محدد، وسيناريوهات الكلفة؛ 3. neocloud ستقوم، عبر تأجير الحوسبة، ودمج مراكز البيانات، وإدخال العملاء، بتغليف قدرات الشرائح مباشرةً على هيئة خدمة.

سيؤدي ذلك إلى تأثيرات مختلفة على NVIDIA وAMD وGoogle TPU وAmazon Trainium وغيرها من المسارات. لا تزال NVIDIA تمتلك أقوى منظومة بيئية، لكن العملاء في مرحلة الاستدلال سيولون اهتمامًا أكبر لكلفة كل token، واستهلاك الطاقة، ومرونة النشر، واستقرار الإمداد. كما أن لدى AMD فرصة لتعزيز حضورها لدى بعض عملاء السحابة ونشر تطبيقات الذكاء الاصطناعي لدى المؤسسات؛ أما الشرائح التي تطورها hyperscaler داخليًا، مثل TPU وTrainium، فإذا استطاعت تحقيق TCO أقل في أعباء عمل الاستدلال، فستواصل معدلات قبولها في السوق الارتفاع.

في المصب: نماذج نشر مراكز البيانات تتغير

السمة الأساسية لـ General Compute ليست فقط أنها استخدمت شريحة SambaNova، بل إنها تؤكد على التبريد بالهواء، وانخفاض استهلاك الطاقة، وإمكانية النشر في مراكز البيانات الحالية. وهذه نقطة مهمة جدًا. فقد كانت مراكز بيانات الذكاء الاصطناعي سابقًا تتمحور في الغالب حول التبريد السائل، وتزويد الطاقة عالي الكثافة، والرفوف المصممة خصيصًا؛ أما إذا استطاعت شرائح الاستدلال خفض عتبة التبديد الحراري، فسيؤدي ذلك إلى توسيع سيناريوهات النشر بشكل كبير، بل وقد يعيد القيمة التشغيلية لبعض مراكز البيانات غير المستغلة، ومراكز البيانات الطرفية، ومرافق colo القديمة.

وبالنسبة لمشغلي البنية التحتية السحابية ومراكز البيانات، فهذا يعني أن نقطة البيع المستقبلية قد لا تكون مجرد “مزيد من الحوسبة”، بل “حوسبة أسهل في الإطلاق”.

تأثير التكنولوجيا

1. تحسين الاستدلال بدلًا من مجرد ذروة القدرة الحاسوبية

تكمن قيمة شرائح الاستدلال ليس في الأداء الأقصى لنقطة واحدة، بل في الإنتاجية المستمرة، وهيكلية الذاكرة، وملاءمة طبقة البرمجيات. إن معماريات مثل SambaNova، التي تركز على وصول أكثر مرونة إلى الذاكرة والاحتفاظ بالسياق، تشير إلى أن الصناعة تنتقل من “تكديس القدرة الحاسوبية” إلى “مواءمة أعباء عمل الاستدلال”.

2. التغليف المتقدم لا يزال ساحة المعركة الأساسية

حتى لو أن بعض شرائح الاستدلال لا تستهدف أعلى درجة ممكنة من الاستهلاك الحراري المصمم، فإن الحوسبة بالذكاء الاصطناعي لا تزال تعتمد بدرجة كبيرة على chiplet وHBM وinterposer والوصلات عالية الكثافة. وعلى المدى الطويل، فإن التغليف المتقدم ليس مجرد ناتج ثانوي لشرائح التدريب، بل جزء من القدرة التنافسية لشرائح الذكاء الاصطناعي.

3. التبريد بالهواء / انخفاض استهلاك الطاقة قد يفتح أسواقًا جديدة

إذا أمكن نشر نوع من شرائح الذكاء الاصطناعي عبر تعديلات أقل في التبريد والطاقة، فسوف يؤثر ذلك مباشرةً في سرعة توسع مراكز البيانات. وبالنسبة للعملاء، يعني ذلك دورة تسليم أقصر؛ وبالنسبة لسلسلة الإمداد، فهذا يعني أن الطلب الإضافي على البنية التحتية للتبريد السائل قد يُعاد توجيهه، لكنه لن يختفي، بل ستواصل استيعابه عناقيد التدريب الأعلى كثافة والسحابة فائقة النطاق.

تأثير سلسلة الإمداد

من المستفيد؟

• مصنّعو الشرائح المتخصصة: لقد وسّع سيناريو الاستدلال مساحة التصميم إلى ما وراء GPU.- مصنّعو الشرائح المتخصصة: توسّعت سيناريوهات الاستدلال لتضيف مجال تصميم يتجاوز وحدات GPU.
• مزوّدو التغليف المتقدم: المزيد من خوادم الذكاء الاصطناعي، والمزيد من تركيبات الشرائح غير المتجانسة، يعني تعقيدًا أعلى في التغليف.
• مشغّلو مراكز البيانات ومزوّدو colo: إذا كانت شرائح الاستدلال من الجيل الجديد أسهل في النشر، فقد يعاد تسعير الأصول الموجودة في مراكز البيانات.
• مزوّدو معدات ومواد أشباه الموصلات: الاستثمارات التي يقودها الذكاء الاصطناعي في العمليات التصنيعية المتقدمة والتغليف المتقدم لا تزال تدعم الطلبات طويلة الأجل.

من يواجه المخاطر؟

• سلسلة تعتمد بالكامل على GPU: إذا تفرّعت أحمال عمل الاستدلال، فقد ينمو بعض الطلب على GPU بوتيرة أقل من التوقعات في ذروة التدريب.
• حلول مراكز البيانات شديدة الاعتماد على التبريد السائل: إذا مال السوق نحو عُقد استدلال منخفضة الاستهلاك للطاقة، فإن الجدوى الاقتصادية لبعض مسارات التعديل كثيفة الأصول ستنخفض.
• ASIC يفتقر إلى منظومة برمجية: إذا لم تحصل الشرائح المتخصصة على عدد كافٍ من المطورين وتكيّف النماذج، فمن السهل أن تُهمَّش في سوق الاستدلال.

المشهد التنافسي

من منظور المشهد التنافسي، يتحول سوق الحوسبة بالذكاء الاصطناعي إلى "سوق متعدد المستويات"، وليس سوقًا تحتكره GPU واحدة.

• NVIDIA لا تزال جهة التسعير الأساسية، ولا سيما في التدريب والاستدلال المتقدم، حيث تتمتع بميزة في المنظومة.
• Groq وCerebras وSambaNova تمثل مسارات مختلفة للتخصص: إذ تركز الأولى على الاستدلال منخفض الكمون، بينما تركز الثانية على التوازي واسع النطاق والابتكار في معمارية النظام، أما SambaNova فترهن على ذاكرة أكثر مرونة وكفاءة أعلى في الاستدلال.
• الشرائح المطوّرة ذاتيًا من عمالقة السحابة ستواصل اقتطاع حصص من سوق الاستدلال المعياري، لأنها الأعلم بأعباء عملها.

لذلك، فإن تغيّر الحصص السوقية مستقبلًا قد لا يظهر على أنه "من سيحل محل NVIDIA"، بل على نحوٍ أقرب إلى: تظل حصة NVIDIA مرتفعة جدًا في السوق الإجمالية، لكن حصة الشرائح المتخصصة في سوق الاستدلال الفرعي تواصل الارتفاع.

الآثار الإقليمية

الولايات المتحدة

لا تزال الولايات المتحدة تمتلك تصميم شرائح الذكاء الاصطناعي، ومنصات السحابة، ومنظومة البرمجيات، وتسعير أسواق رأس المال. وظهور neocloud مثل General Compute يوضح أن الابتكار في السوق الأمريكية لا يحدث فقط داخل عمالقة السحابة، بل أيضًا لدى مزوّدي الخدمات العمودية الذين يبنون أعمالهم حول معماريات شرائح محددة.

تايوان

تواصل تايوان احتلال موقع محوري في العمليات التصنيعية المتقدمة والتغليف المتقدم. وما دامت الطلبات المرتبطة بالذكاء الاصطناعي تواصل التركز في 3nm/2nm والتغليف المتقدم، فستظل تايوان واحدة من أهم عقد التصنيع في سلسلة التوريد العالمية.

كوريا الجنوبية

لا تزال كوريا الجنوبية واحدة من أهم الموردين في أعلى سلسلة قيمة الذكاء الاصطناعي من حيث DRAM/HBM وسلسلة توريد الذاكرة. إن توسع سوق الاستدلال لن يضعف أهمية HBM، بل سيجعل نطاقًا أوسع من شرائح الذكاء الاصطناعي بحاجة إلى ذاكرة عالية النطاق الترددي.

اليابان

اليابان لا تزال أساسية في المواد والمواد الكيميائية ومكوّنات المعدات.### اليابان

لا تزال اليابان عنصرًا محوريًا في المواد والكيماويات ومكوّنات المعدات. كما أن ترقية شرائح الذكاء الاصطناعي ستواصل دفع الطلب على المواد عالية النقاء والأجزاء الدقيقة.

أوروبا

أكبر متغير في أوروبا يأتي من جانب المعدات، ولا سيما المنظومة الأوروبية لتقنية EUV التي تتمركز حول ASML. وما دام التصنيع المتقدم والتغليف يواصلان التقدم، فلن تتغير المكانة الاستراتيجية لأوروبا في المعدات الأساسية.

الصين وجنوب شرق آسيا

لا يزال السوق الصيني يتمتع بحجم طلب كبير على نشر الاستدلال بالذكاء الاصطناعي، لكن القيود على التصدير ستستمر في التأثير على الحصول على الشرائح والمعدات المتقدمة. أما جنوب شرق آسيا فمن المرجح أن يواصل استيعاب جزء من أعمال التغليف والاختبار والتجميع والطلب المتسرب من مراكز البيانات، ليصبح منطقة مستفيدة من تنويع سلاسل الإمداد.

Investment Perspective

سبب اهتمام أسواق رأس المال بهذه الشركات لا يعود فقط إلى نمو الطلب على الذكاء الاصطناعي، بل أيضًا إلى أن البنية التحتية للذكاء الاصطناعي بدأت تُنشئ برك أرباح جديدة:

1. تحولت خدمات الحوسبة من “شراء GPU” إلى “بيع النتائج”؛ 2. قد يؤدي الجمع بين الشرائح المتخصصة والنشر السحابي إلى هيكل هامش ربح إجمالي أعلى؛ 3. بدأ منطق تقييم أصول مراكز البيانات يتحول من غرف خوادم عامة إلى بنية تحتية للذكاء الاصطناعي موجهة حسب السيناريو.

وبالنسبة للمستثمرين، فإن السؤال المهم حقًا ليس “هل ستظهر Cerebras أخرى؟”، بل: أي بنية قادرة على بناء ما يكفي من القفل البرمجي، واستقرار سلسلة الإمداد، وارتباط العميل في عصر الاستدلال.

Long-Term Outlook

خلال السنوات الثلاث المقبلة: سينمو عبء عمل الاستدلال بسرعة، وستظل GPU مهيمنة، لكن شرائح الاستدلال المتخصصة وneocloud ستجذبان مزيدًا من العملاء التجريبيين.

خلال السنوات الخمس المقبلة: قد تشهد سلسلة صناعة الذكاء الاصطناعي تدرجًا أوضح، بحيث يرتبط التدريب والاستدلال والنشر الطرفي ببنى مختلفة من الشرائح ومراكز البيانات.

خلال السنوات العشر المقبلة: إذا أصبح agentic AI هو السائد، فستصبح تكلفة الاستدلال متغير المنافسة الأساسي، وسيُعاد تشكيل تصميم الشرائح والبنية التحتية حول “تكلفة النتيجة الواحدة” بدلًا من “أقصى أداء”.

Conclusion

إن تعاون General Compute وSambaNova، وإن بدا ظاهريًا كجولة تمويل مبكرة وإدخال شريحة جديدة، فإنه يعكس في جوهره تحولًا هيكليًا في سلسلة صناعة الذكاء الاصطناعي: لا تزال GPU مهمة، لكنها لم تعد الجواب الوحيد؛ ولا تزال العمليات المتقدمة مهمة، لكن التغليف والنشر أصبحا مهمين بالقدر نفسه؛ ولا تزال مراكز البيانات مهمة، لكن القدرة على التنفيذ السريع داخل المرافق القائمة باتت تشكل عتبة جديدة.بالنسبة لصناعة أشباه الموصلات، يتمثل الحكم الأساسي لهذا الاتجاه في أن: المنافسة في AI chips قد انتقلت بالفعل من سباق قدرة حوسبة واحد إلى منافسة منظومية تشمل "معمارية الشريحة + التغليف + نشر مراكز البيانات + المنظومة البرمجية". ومن يستطيع خفض تكلفة الاستدلال أكثر، وتقليص دورة النشر أكثر، وجعل انضمام العملاء أكثر سلاسة، يكون أكثر احتمالًا لأن يحصد حصة أكبر في الجولة التالية من AI infrastructure spending.

---

Source URL

• https://techcrunch.com/2026/05/28/has-the-hunt-for-ai-compute-uncovered-the-next-cerebras/