مايكروسوفت تراهن على شرائح الذكاء الاصطناعي الخاصة بها.. هل تتغير المنافسة مع إنفيديا في مراكز البيانات؟

Microsoft Maia 300، إنفيديا، مسرعات الذكاء الاصطناعي، مراكز البيانات، كفاءة الطاقة

تواصل مايكروسوفت تطوير شرائح مخصصة لتشغيل تطبيقات الذكاء الاصطناعي، في إطار استراتيجية تهدف إلى تقليل تكاليف التشغيل وتحسين كفاءة استخدام الموارد داخل مراكز البيانات. وذكرت تقارير تقنية في أكتوبر 2026 أن الشركة تعمل على توسيع نطاق استخدام مسرعات «Maia 300»، مع التركيز على تحسين نقل البيانات والذاكرة، بدلًا من الاعتماد على زيادة القدرة الحسابية الخام وحدها.

ويأتي هذا التوجه في وقت تتنافس فيه شركات الحوسبة السحابية على توفير البنية التحتية اللازمة لتدريب النماذج وتشغيلها. وتظل إنفيديا لاعبًا رئيسيًا في سوق معالجات الذكاء الاصطناعي، لكن تطوير شرائح مخصصة يمنح الشركات الكبرى فرصة لتصميم أنظمة تناسب أحمال العمل الخاصة بها.

لماذا تطور مايكروسوفت شرائحها الخاصة؟

تعتمد تطبيقات الذكاء الاصطناعي على موارد حوسبة كبيرة، خصوصًا عندما تخدم ملايين المستخدمين أو تشغّل وكلاء قادرين على تنفيذ مهام متتابعة. وقد تصبح تكلفة التشغيل عاملًا مهمًا عندما تستخدم الشركة النموذج بصورة مستمرة وعلى نطاق واسع.

وتسمح الشرائح المصممة داخليًا بتكييف العتاد مع نوع العمل الذي تنفذه الشركة. فاحتياجات تدريب نموذج جديد قد تختلف عن احتياجات تشغيل نموذج جاهز للإجابة عن طلبات المستخدمين، وهي العملية التي تُعرف عادةً بالاستدلال.

وقد يساعد التصميم المخصص على تحسين الأداء لكل وحدة طاقة أو تكلفة، لكن تحقيق هذه الفائدة يعتمد على جودة الشريحة والبرمجيات المحيطة بها، ومدى توافقها مع التطبيقات المستخدمة.

ما أهمية الذاكرة في تشغيل النماذج؟

لا يعتمد أداء الذكاء الاصطناعي على قدرة المعالجة وحدها. ففي كثير من الأحمال، تحتاج الشرائح إلى نقل كميات كبيرة من البيانات بين الذاكرة ووحدات الحساب. وإذا لم تكن سرعة نقل البيانات كافية، فقد لا تستفيد التطبيقات بالكامل من القدرة الحسابية المتاحة.

ووفق التقرير التقني، تركز شريحة Maia 300 على تحسين عرض نطاق الذاكرة، مع استخدام بنية تتضمن شرائح متعددة وذاكرة عالية النطاق. ونسب التقرير إلى مايكروسوفت ادعاءات بشأن تحسن كفاءة الأداء مقارنة ببعض الأنظمة السابقة، لكن هذه المقارنات تحتاج إلى تقييم مستقل يأخذ في الاعتبار طبيعة الأحمال والأنظمة المستخدمة.

وتبرز هذه النقطة لأن تشغيل النماذج الكبيرة يتطلب موازنة بين المعالجة والذاكرة والطاقة والتبريد. وقد لا تحقق شريحة ذات مواصفات قوية فائدة كبيرة إذا كانت بقية مكونات النظام لا تستطيع مواكبة أدائها.

هل تستطيع الشرائح المخصصة منافسة إنفيديا؟

يمكن للشرائح المخصصة أن تقلل اعتماد بعض الشركات على وحدات المعالجة العامة مرتفعة التكلفة، لكنها لا تعني بالضرورة الاستغناء عن إنفيديا. فالمنافسة لا تتعلق بالعتاد وحده؛ بل تشمل البرمجيات وأدوات التطوير ودعم التطبيقات وسهولة نقل النماذج بين الأنظمة.

وتتمتع إنفيديا بمنظومة واسعة من الأدوات التي يستخدمها المطورون، ما يجعل التحول إلى منصة أخرى عملية تتطلب جهدًا هندسيًا. وقد تضطر الشركات إلى تعديل الشيفرات أو تحسينها أو إعادة اختبارها لضمان الأداء والاستقرار.

كما أن تطوير شريحة جديدة بكميات كبيرة يتطلب قدرة تصنيع متقدمة وتوافر الذاكرة والمكونات، إلى جانب بنية طاقة وتبريد مناسبة. ولذلك، فإن إعلان مواصفات تقنية لا يعني أن الشركة تستطيع استبدال جميع وحدات المعالجة التي تشتريها من الموردين الآخرين.

وتشير التقارير إلى أن مايكروسوفت تخطط لتوسيع استخدام Maia 300 مستقبلًا، لكنها ستواصل أيضًا الاعتماد على شرائح من إنفيديا وAMD في أعمال التدريب.

كيف تؤثر المنافسة في تكلفة الذكاء الاصطناعي؟

إذا تمكنت الشركات من تشغيل النماذج بتكلفة أقل، فقد يصبح من الممكن توفير خدمات أكثر أو توسيع استخدام الذكاء الاصطناعي في تطبيقات جديدة. وقد تستفيد الشركات الصغيرة بصورة غير مباشرة إذا انعكس انخفاض التكلفة على أسعار الخدمات السحابية.

لكن انخفاض تكلفة العملية الواحدة لا يضمن انخفاض الإنفاق الإجمالي. فقد يؤدي تحسن الكفاءة إلى زيادة الطلب على الخدمات، ما يدفع الشركات إلى بناء مراكز بيانات إضافية وشراء مزيد من العتاد.

كما أن أسعار الخدمة النهائية تتأثر بعوامل أخرى، منها تكلفة الطاقة، والبنية التحتية، والصيانة، والبرمجيات، والطلب في السوق. ولهذا، ينبغي عدم اعتبار تحسين كفاءة الشريحة دليلًا كافيًا على أن أسعار الذكاء الاصطناعي ستنخفض تلقائيًا.

ما التحديات أمام تصنيع الشرائح؟

يحتاج تطوير الشرائح المتقدمة إلى سلاسل توريد معقدة، تشمل مصانع أشباه الموصلات ومواد التصنيع والذاكرة وأنظمة التغليف المتقدم. وقد تؤثر محدودية الطاقة الإنتاجية أو تأخر المكونات في سرعة توسيع نطاق الاستخدام.

كما أن تشغيل مراكز البيانات يحتاج إلى كميات كبيرة من الكهرباء وأنظمة تبريد فعالة. وحتى إذا حققت الشريحة كفاءة أعلى، فقد يستمر إجمالي الطلب على الطاقة في الارتفاع إذا توسعت الخدمات بسرعة.

وتحتاج الشركات كذلك إلى التأكد من أن البنية البرمجية قادرة على استغلال الشريحة الجديدة، لأن الأداء الفعلي يعتمد على التوافق بين العتاد والنماذج وأنظمة التشغيل.

هل يتغير شكل سوق الذكاء الاصطناعي؟

قد يؤدي انتشار الشرائح المخصصة إلى تنويع خيارات الحوسبة وتقليل الاعتماد على مورد واحد لدى بعض الشركات. لكنه قد يخلق أيضًا منظومات تقنية مختلفة تتطلب أدوات تطوير ودعمًا خاصًا، ما يزيد أهمية التوافق والمعايير المشتركة.

وستظل المنافسة مرتبطة بقدرة كل شركة على توفير أداء موثوق، وتكلفة مناسبة، وسهولة استخدام، وإمدادات كافية. كما ستحتاج المؤسسات إلى تقييم التكلفة الإجمالية للنظام، لا سعر الشريحة وحده.

الخلاصة: يعكس تطوير Maia 300 توجه مايكروسوفت نحو امتلاك قدر أكبر من التحكم في البنية التحتية للذكاء الاصطناعي. وقد تساعد الشرائح المخصصة في تحسين الكفاءة وتقليل بعض التكاليف، لكنها لا تعني نهاية هيمنة إنفيديا أو الاستغناء عن موردي المعالجات الآخرين. وستتحدد النتائج من خلال الأداء الفعلي، وتوافر المكونات، وتوافق البرمجيات، والقدرة على التوسع التجاري.