الذكاء الاصطناعي والحوسبة
العقبة التالية للذكاء الاصطناعي ليست القدرة الحاسوبية: تكامل الأنظمة وتنسيق سير العمل يصبحان ساحة معركة جديدة
本文基于Forbes最新分析，探讨AI产业从算力瓶颈转向系统集成瓶颈的产业影响，分析对芯片产业链、云平台竞争格局及各地区的潜在冲击。 ترجمة إلى العربية: تستند هذه المقالة إلى أحدث تحليل من مجلة فوربس، وتناقش تأثير تحول صناعة الذكاء الاصطناعي من عنق الزجاجة في القدرة الحاسوبية إلى عنق الزجاجة في التكامل النظامي، وتحلل التأثيرات المحتملة على سلسلة صناعة الرقائق، وهيكل المنافسة في منصات السحابة، ومختلف المناطق.
مقدمة
في السنوات القليلة الماضية، كان السؤال الأساسي في صناعة الذكاء الاصطناعي هو ما إذا كان يمكن بناء طاقة حاسوبية كافية بسرعة لتلبية الطلب. أدى ظهور نماذج اللغة الكبيرة إلى سباق غير مسبوق في البنية التحتية، حيث أصبحت NVIDIA مركزًا لنظام الذكاء الاصطناعي البيئي، وقام مزودو الخدمات السحابية فائقة الحجم بتوسيع مراكز البيانات بسرعة تاريخية، وقدم مزودو الخدمات السحابية الأصلية للذكاء الاصطناعي خدمات للمؤسسات التي لا تستطيع الحصول على طاقة حاسوبية عبر القنوات التقليدية. ومع ذلك، مع نضوج نشر الذكاء الاصطناعي، تواجه الصناعة عنق زجاجة جديد: الانتقال من الحصول على البنية التحتية للذكاء الاصطناعي إلى كيفية استخدام هذه البنية التحتية بشكل فعال.
ستحلل هذه المقالة التأثير العميق لهذا التحول على سلسلة صناعة أشباه الموصلات، وخطوط التكنولوجيا، وهيكل المنافسة في السوق، وسلاسل التوريد الإقليمية.
خلفية
تظهر توقعات Tirias Research أن حجم استدلال نماذج اللغة الكبيرة سينمو من 990 تريليون رمز في عام 2024 إلى أكثر من كوينتيليون رمز بحلول عام 2030، بينما يتزايد أيضًا توليد الصور والفيديو. لكن النقطة الأساسية هي أن أعباء عمل الذكاء الاصطناعي تتطور من الموجة الأولى (المساعدات الحوارية) إلى الموجة الثانية (العوامل المستقلة). تحتاج العوامل المستقلة إلى التفكير، واستدعاء الأدوات، والحفاظ على السياق، وتنفيذ مهام متعددة الخطوات، وغالبًا ما تعمل بشكل مستمر بدلاً من الاستجابات الفردية. وفقًا للتقديرات، يستهلك مستخدمو الموجة الثانية بمعدل 40 ضعفًا من الرموز مقارنة بمستخدمي الموجة الأولى.
لا تزال الطاقة الحاسوبية أساسية، لكنها لم تعد شرطًا كافيًا. يعتمد النجاح بشكل متزايد على الأنظمة التي تربط النماذج والأدوات والبيانات والإجراءات في سير عمل موثوق. وصف الرئيس التنفيذي لشركة NVIDIA، جينسن هوانغ، مؤخرًا الذكاء الاصطناعي العامل بأنه "نقطة تحول" أخرى وصلت إليها الصناعة.
تحليل متعمق
تأثير التكنولوجيا
يتحول مركز خطوط التكنولوجيا من أداء النموذج الفردي إلى التكامل على مستوى النظام. لم تعد منصات السحابة الذكاء الاصطناعي تقدم فقط وحدات معالجة الرسوميات والتخزين، بل بدأت في تغليف سير عمل كاملة - بما في ذلك النماذج، ومحركات الاسترجاع، وقواعد البيانات المتجهة، وأدوات المراقبة، وأطر العمل للعوامل، والضوابط الأمنية، وطبقات التنسيق. على سبيل المثال، أطلقت Nebius "Agents Blueprint" الذي يوسع مفهوم البنية التحتية كرمز إلى سير عمل الذكاء الاصطناعي، مما يسمح للمستخدمين بإعادة استخدام قوالب أنظمة مثبتة.
تتجلى الحواجز التكنولوجية في: القدرة على التكامل عبر الطبقات، وموثوقية تنسيق سير العمل، والتوازن بين زمن الانتقال المنخفض والإنتاجية العالية، والأمان في البيئات متعددة المستأجرين. ستحدد هذه المهارات البرمجية الفرق أكثر من كثافة الطاقة الحاسوبية وحدها.
تأثير سلسلة التوريد### تأثير سلسلة التوريد
- هذا التحول له تأثير متعدد الأبعاد على سلسلة التوريد:
- رقاقات المنبع: استمرار الطلب على وحدات معالجة الرسوميات (GPU)، لكن نمط الطلب يتحول من نبضات التدريب إلى الاستدلال المستمر. زيادة الطلب على رقاقات الشبكات عالية الأداء (مثل NVIDIA ConnectX و Broadcom Tomahawk) نظرًا لحاجة العوامل (agents) إلى استدعاء الخدمات الخارجية بشكل متكرر.
- التخزين والذاكرة: العوامل المستمرة التشغيل تحتاج إلى الحفاظ على السياق، مما يدفع الطلب على الذاكرة عالية النطاق (HBM) ووسائط التخزين عالية السعة.
- التبريد وإمدادات الطاقة: الاستدلال المستمر يؤدي إلى توزيع أكثر توازنًا لاستهلاك الطاقة في مراكز البيانات، لكن إجمالي الطاقة يرتفع، مما يفرض متطلبات أعلى على التبريد السائل ورقاقات إدارة الطاقة.
- حزمة برمجيات المنصات السحابية: المشاريع مفتوحة المصدر (مثل Kubernetes و Ray و LangChain) والمنصات التجارية (مثل Nebius و Google Vertex AI) تصبح مكونات أساسية، مما يغير مشهد النظام البيئي للبرمجيات.
القطاعات المستفيدة: مزودو الخدمات السحابية ذوو القدرة على التحسين الشامل (مثل AWS و Azure و GCP)، ومتكاملو الأنظمة، والشركات الناشئة التي تقدم أدوات المراقبة والتنظيم. القطاعات المعرضة للخطر: مزودو الخدمات السحابية الذين يقدمون فقط وحدات GPU عارية، وشركات أشباه الموصلات التي تعتمد بشكل مفرط على الطلب على طاقة التدريب.
المشهد التنافسي
- المشهد التنافسي يخضع لإعادة تشكيل:
- NVIDIA: لا تزال تحتل مركزية الحوسبة AI، لكن الذكاء الاصطناعي الوكيل (agentic AI) يتطلب شبكات وتخزينًا أكثر تعقيدًا، مما قد يضعف هيمنتها على وحدة GPU الواحدة. استثمرت NVIDIA في التكامل الشامل من خلال عمليات الاستحواذ (مثل Mellanox) والبرمجيات (CUDA و AI Enterprise)، لكنها تواجه تحديات من AMD و Intel و ASIC المخصصة (مثل Google TPU و Amazon Trainium).
- عمالقة السحابة: AWS و Microsoft Azure و Google Cloud تتمتع بميزة بفضل رقاقاتها المطورة ذاتيًا وخدمات المنصات (مثل Amazon Bedrock و Azure AI و Vertex AI). السحب الأصلية AI (مثل Nebius و CoreWeave) تتنافس من خلال تمايز سير العمل.
- تصميم الرقاقات: الذكاء الاصطناعي الوكيل يتطلب زمن استجابة أقل للاستدلال، مما يعزز تطوير رقاقات AI الحافة والرقاقات المخصصة للاستدلال (مثل Groq و Cerebras).
- EDA/IP: زيادة تعقيد تصميم الأنظمة تفرض متطلبات جديدة على أدوات EDA (مثل Synopsys و Cadence) من حيث المحاكاة والتحقق.
قد يتسارع تغيير الحصة السوقية: قد تواجه NVIDIA تحديات في حصتها من سوق الاستدلال، لكنها لا تزال قوية في جانب التدريب؛ وستزداد حصة الرقاقات المطورة ذاتيًا على المنصات السحابية؛ وسوق الخدمات السحابية AI يميل إلى التركيز بين اللاعبين الرئيسيين.
الآثار الإقليمية- الولايات المتحدة: يهيمن مزودو الخدمات السحابية الفائقة وNVIDIA، لكن القدرة على تكامل الأنظمة تعتمد على النظام البيئي للبرمجيات في وادي السيليكون. من المتوقع أن تبرز السحب الأصلية للذكاء الاصطناعي مثل Nebius (على الرغم من تسجيلها في هولندا، إلا أن فريقها الأساسي في إسرائيل/الولايات المتحدة). - الصين: تأثرًا بقيود التصدير، تحتاج رقاقات الذكاء الاصطناعي المحلية (Huawei Ascend و Cambricon) إلى تحقيق اختراقات في برمجيات النظام، بينما تتسارع منصات سير العمل (مثل Baidu AI Cloud و Alibaba Cloud PAI). لكن المشاركة في سلاسل التوريد العالمية تتراجع. - تايوان الصينية: يستمر الطلب على عمليات التصنيع المتقدمة من TSMC، لكن تأثير اتجاه تكامل الأنظمة على مرحلة تصنيع الرقاقات غير مباشر. تحتاج شركات التصميم مثل MediaTek إلى متابعة متطلبات AP للذكاء الاصطناعي الوكيل. - كوريا الجنوبية: تتمتع Samsung بمزايا في الذاكرة (HBM) والتصنيع التعاقدي، لكن قدراتها في برمجيات النظام ضعيفة. - اليابان: تخطط Rapidus في التغليف المتقدم، لكن بناء منصات السحابة للذكاء الاصطناعي متخلف. - أوروبا: تحقق شركات مثل Nebius اختراقات في ابتكار منصات السحابة للذكاء الاصطناعي، لكن النطاق الصناعي محدود. قد يؤثر قانون الذكاء الاصطناعي للاتحاد الأوروبي على الامتثال لسير العمل. - جنوب شرق آسيا: أصبحت وجهة ساخنة لمواقع مراكز البيانات السحابية، لكن قدرة تصميم الرقاقات المحلية ضعيفة.
منظور الاستثمار
يركز سوق رأس المال طويل الأجل على القيمة على مستوى الأنظمة. بعد موجة GPU، يبحث المستثمرون عن نقطة النمو التالية - شركات البرمجيات مثل منصات سير العمل للذكاء الاصطناعي وأدوات المراقبة وأطر العمل الوكيلة ستكون ذات تقييمات عالية. في مجال الأجهزة، تستفيد شركات رقاقات الشبكات والتخزين. في ظل المخاطر الجيوسياسية، تحظى سلاسل التوريد المتنوعة بالاهتمام أيضًا.
التوقعات طويلة الأجل
- في غضون 3 سنوات: تتحول منصات السحابة للذكاء الاصطناعي من البنية التحتية إلى سير العمل كخدمة، وتتبنى الشركات الكبيرة سير العمل الوكيل. تطلق NVIDIA المزيد من الحلول على مستوى الأنظمة.
- في غضون 5 سنوات: يصبح الذكاء الاصطناعي الوكيل سائدًا، وتنمو استهلاك الرموز (tokens) بشكل هائل. يتغير هيكل الطلب على الرقاقات: ترتفع حصة رقاقات الاستدلال ورقاقات الشبكات.
- في غضون 10 سنوات: قد يؤدي تكامل أنظمة الذكاء الاصطناعي إلى ظهور بنى جديدة للرقاقات (مثل الحوسبة والتخزين المتكاملين، والحوسبة القابلة لإعادة التشكيل)، وتستمر طبقة التجريد البرمجي في الانخفاض.
تحليل سلسلة الصناعة
المنبع: الرقاقات والمعدات يطرح الذكاء الاصطناعي الوكيل متطلبات متوازنة لرقاقات الحوسبة والتخزين والشبكات. لا تزال GPU هي القوة الرئيسية، لكن NPU و LPU المخصصتان للاستدلال تبرزان تدريجيًا. يستمر الطلب على عمليات التصنيع المتقدمة 3nm/2nm، لكن تقنيات التغليف (مثل CoWoS والتكديس ثلاثي الأبعاد) حاسمة لعرض النطاق الترددي للذاكرة.
الوسط: منصات السحابة وحزمة البرمجيات يصبح مزودو خدمات السحابة للذكاء الاصطناعي (AWS و Azure و GCP و Nebius) المدمجين الأساسيين. يقدمون حلولًا شاملة من مكتبات النماذج إلى خدمات التنسيق. تقليل سير العمل من حاجز تطبيقات الذكاء الاصطناعي للمؤسسات، لكنه يزيد من الاعتماد على التصاق المنصة.### المصب: التطبيقات الصناعية لا تحتاج الشركات إلى بناء أنظمة الذكاء الاصطناعي الخاصة بها، بل يمكنها شراء خدمات سير العمل مباشرة. ويعتمد التمايز على البيانات الخاصة، والضبط الدقيق للمجال، والامتثال للأمان. وهذا يسرع انتشار الذكاء الاصطناعي، لكنه ينقل الحواجز التقنية إلى البيانات والمعرفة الصناعية.
الاستنتاج العقبة التالية أمام الذكاء الاصطناعي ليست القدرة الحاسوبية، بل التكامل بين الأنظمة وقدرة تنسيق سير العمل. سيؤدي هذا التحول إلى إعادة توزيع القيمة في سلسلة الصناعة: من الأجهزة إلى البرمجيات، ومن الشرائح الفردية إلى بنية الأنظمة. بالنسبة لشركات الرقاقات، لم يعد تقديم أداء عالٍ للحوسبة كافياً، بل يجب عليها التعاون العميق مع منصات السحابة لتوفير تكلفة ملكية إجمالية أفضل وكفاءة تكامل. بالنسبة للمستثمرين، يجب التركيز على منصات الذكاء الاصطناعي السحابية ذات الحلول على مستوى النظام، ورقاقات الشبكات والتخزين، وبرمجيات التنسيق. في المشهد التنافسي العالمي، لا تزال الولايات المتحدة تتمتع بميزة المبادر، لكن أوروبا والصين لديهما فرص في المجالات الفرعية.
سياق التحرير · semiconreport
تضع semiconreport هذه الملاحظة ضمن صناعة الرقائق / موجز الصناعة / التركيز. ما زالت التواريخ والأسماء وتغيرات الحالة تحتاج إلى تحقق: ينبغي فتح روابط المصادر قبل إعادة استخدام الملخص. صناعة الرقائق / موجز الصناعة / التركيز يوضح الزاوية التحريرية المحلية.