شهد سوق رقائق الذكاء الاصطناعي (AI chips) منافسة متزايدة في الآونة الأخيرة، حيث بدأت رقائق معالجة Tensor الخاصة بشركة جوجل (TPUs) في التأثير بشكل ملحوظ على حصص السوق. وقد أثار تقرير حديث عن استكشاف شركة Meta، وهي واحدة من أكبر عملاء Nvidia، لإمكانية استخدام رقائق جوجل، تراجعًا في أسهم Nvidia والشركات المصنعة للرقائق الأخرى. هذه الخطوة تشير إلى تحول محتمل في ديناميكيات هذا السوق الحيوي.
لطالما استثمرت جوجل في تطوير رقائق الذكاء الاصطناعي الخاصة بها لأكثر من عقد من الزمان، واقتصر استخدامها بشكل رئيسي على البنية التحتية الداخلية للشركة. ومع ذلك، بدأت جوجل الآن في تأجير هذه الرقائق للعملاء الخارجيين من خلال خدماتها السحابية. في المقابل، ترسخت Nvidia كشركة رائدة في توفير رقائق الذكاء الاصطناعي من خلال وحدات معالجة الرسوميات (GPUs) الخاصة بها.
ما هي رقائق معالجة Tensor (TPUs) من جوجل؟
بدأت قصة رقائق TPUs قبل أكثر من عشر سنوات، عندما أدركت جوجل حاجتها إلى قوة حوسبة متخصصة وأكثر كفاءة لتطبيقات الذكاء الاصطناعي الطموحة. قاد فريق برئاسة جوناثان روس، الرئيس التنفيذي الحالي لشركة Groq، جهود تصميم شريحة جديدة تعتمد على نوع معين من الدوائر المتكاملة المصممة خصيصًا لتعلم الآلة. ومن هنا ولدت فكرة رقائق TPU.
وقد استمرت جوجل في تحسين وتطوير رقائق TPUs على مر السنين، مما جعلها أكثر فعالية في كل من تدريب النماذج واستنتاجها – وهي العملية التي تستخدم فيها النماذج المدربة للإجابة على الأسئلة أو أداء المهام. مع زيادة حجم نماذج اللغة الكبيرة، قامت جوجل أيضًا بزيادة نطاق ذاكرة أحدث رقائق TPUs للتعامل مع هذه الأحمال المتزايدة. ويتجلى ذلك في إطلاق شريحة “Ironwood” TPU، والتي تقدم تحسينات كبيرة في الأداء.
كيف تختلف رقائق TPUs عن وحدات معالجة الرسوميات (GPUs) من Nvidia؟
تم إطلاق وحدات معالجة الرسوميات (GPUs) من Nvidia في الأصل عام 1999 لأغراض الألعاب، ولم تكن مصممة في البداية لتطبيقات الذكاء الاصطناعي. ومع ذلك، اكتشف الباحثون لاحقًا أن هذه الشرائح يمكن أن تكون مفيدة في مهام مثل تدريب الشبكات العصبية، مما دفع Nvidia إلى زيادة تركيزها على سوق الذكاء الاصطناعي.
في المقابل، تم تصميم رقائق TPUs من جوجل خصيصًا للذكاء الاصطناعي منذ البداية. يسمح هذا التخصص برقائق TPUs بأن تكون أكثر كفاءة من شرائح Nvidia في بعض المهام، وأسرع في تنفيذ نماذج الذكاء الاصطناعي المحددة. وهي تتميز بمصفوفة متوالية، مما يسمح بتدفق مستمر من البيانات عبر الشريحة، بدلاً من الاضطرار إلى استردادها بشكل متكرر من الذاكرة.
إحدى الميزات الرئيسية لرقائق TPUs هي فعاليتها من حيث التكلفة عند استخدامها على نطاق واسع. يمكن دمج الآلاف من وحدات TPUs في “وحدة” واحدة مما يقلل التكاليف. وقد يصبح هذا الأمر أكثر أهمية مع زيادة استثمارات الشركات في مرحلة الاستنتاج، حيث تتفوق رقائق TPU بشكل خاص.
ما الذي يمنع العملاء من التبديل من وحدات معالجة الرسوميات (GPUs) إلى رقائق TPUs؟
تتمتع Nvidia بميزة مهمة تتمثل في برنامج CUDA الخاص بها، والذي يتيح للتطبيقات العادية استخدام وحدات معالجة الرسوميات لأغراض الحوسبة العامة – وليس فقط للرسومات. ويعمل برنامج CUDA حصريًا مع رقائق Nvidia، مما يمثل عقبة كبيرة أمام الشركات التي تفكر في التبديل إلى رقائق جوجل.
تسعى جوجل جاهدةً للتغلب على هذا التحدي. هناك طلب كبير في الصناعة على تحسين دعم رقائق TPUs للمكتبة Pytorch، وهي أداة شائعة لتطوير تطبيقات الذكاء الاصطناعي طورتها Meta. تخصص جوجل المزيد من الموارد والاهتمام لتحسين دعم Pytorch، والذي يُظهر طلبًا أكبر بكثير من برنامجها الخاص Tensorflow.
من يستخدم رقائق TPUs؟
تظل جوجل أكبر مستفيد من رقائق TPUs، حيث تستخدمها عبر جميع أقسامها لتشغيل منتجات مثل محرك البحث وخرائط جوجل. تم تدريب أحدث نماذجها Gemini 3 على وحدات TPU.
بالإضافة إلى احتياجاتها الداخلية، تقوم جوجل بتأجير رقائق TPUs لعملاء آخرين. فقد استخدمت شركة Apple وحدات TPUs لتدريب نماذجها الخاصة من الذكاء الاصطناعي، كما ذكرت تقارير سابقة. وفي أكتوبر، أعلنت شركة Anthropic عن صفقة ضخمة مع جوجل، حيث تخطط لاستخدام ما يصل إلى مليون وحدة TPU. وقد كشفت Broadcom، التي تساعد في تصنيع رقائق TPU لشركة جوجل، في مكالمتها الربيعية الأخيرة عن تلقيها طلبات شراء بقيمة إجمالية قدرها 21 مليار دولار من Anthropic للحصول على وحدات Ironwood TPU.
وفقًا لمصادر مطلعة، تقوم شركة Meta أيضًا بإجراء اختبارات أولية على رقائق TPUs، على الرغم من أنه ليس من الواضح ما إذا كان ذلك سيؤدي إلى اتفاقية طويلة الأجل.
ما هي الآثار المحتملة على جوجل وNvidia؟
من المتوقع أن يشهد سوق رقائق TPUs نموًا كبيرًا في السنوات القادمة. وفقًا لتقديرات Morgan Stanley، يمكن أن يؤدي بيع 500 ألف رقاقة TPU إلى إضافة حوالي 13 مليار دولار إلى إيرادات جوجل في عام 2027. ومن المتوقع أن يرتفع هذا الرقم إلى 7 ملايين وحدة في عام 2028.
إن امتلاك رقائق TPUs لا يمثل مجرد دفعة محتملة لإيرادات جوجل، بل يخلق أيضًا حلقة تغذية راجعة إيجابية. تستخدم جوجل هذه الرقائق لتشغيل وتدريب نماذج الذكاء الاصطناعي الخاصة بها، وتتعلم من هذه النماذج، وتستخدم هذه المعرفة لتحسين تصميم شرائحها التالية لتلبية احتياجاتها المتطورة.
على الرغم من أن وحدات معالجة الرسوميات (GPUs) من Nvidia لا تزال هي الخيار الأكثر شيوعًا في الوقت الحالي، إلا أن الشركات التكنولوجية العملاقة الأخرى تستثمر بشكل متزايد في رقائق مخصصة. على سبيل المثال، أعلنت Amazon مؤخرًا عن شريحة الذكاء الاصطناعي المخصصة Trainium3، والتي تدعي أنها يمكن أن تقلل من تكلفة التدريب وتشغيل نماذج الذكاء الاصطناعي بنسبة تصل إلى النصف مقارنة بوحدات معالجة الرسوميات (GPUs).
يرى بعض الخبراء أن العديد من الشركات التي تشتري رقائق TPUs هي أيضًا عملاء لشركة Nvidia، وأن الاتجاه الأرجح هو أن تقوم الشركات والمعامل بتنويع الشرائح التي تستخدمها، بدلاً من الاعتماد على مزود واحد فقط. قد يؤدي ذلك إلى فقدان Nvidia لقوتها التفاوضية في التسعير.
ومع ذلك، حتى إذا اكتسبت أعمال TPUs الخاصة بجوجل زخمًا إضافيًا، فهذا لا يعني أن Nvidia ستنهار بين عشية وضحاها. وفقًا لشركة SemiAnalysis، فإنها تعتقد أن الشركات، بما في ذلك Nvidia وجوجل وأمازون، ستبيع جميعها الكثير من الرقائق في المستقبل. “نحن لا نرى TPUs بمثابة تهديد كبير لأعمال Nvidia، ولكنها كانت لاعبًا حقيقيًا في السوق لسنوات عديدة. من الممكن أن تبيع جوجل خوادم TPUs خارجية للعديد من العملاء في المستقبل. في الوقت الحالي، هم انتقائيون جدًا.”
من المتوقع أن تشهد الفترة المقبلة تطورات متسارعة في مجال رقائق الذكاء الاصطناعي. يجب متابعة التطورات التكنولوجية، واستراتيجيات الشركات الرئيسية، والاتجاهات السوقية لتقييم التأثير طويل الأجل لهذه التغييرات. أحد أهم الأمور التي يجب مراقبتها هو ما إذا كانت جوجل ستزيد من توفير TPUs للعملاء الخارجيين، وكيف ستستجيب Nvidia لهذه المنافسة المتزايدة.