ضغط الأسعار على الرقائق
ترفع NVIDIA أسعار الرقائق المتقدمة للذكاء الاصطناعي. عادةً ما تُمرّر الشركة المصنّعة زيادة التكاليف، لكن الشركة الآن ترفع الأسعار. قد يدفع هذا القرار وادي السيليكون إلى إعادة النظر في خططه. أنفقت Meta Platforms Inc. وMicrosoft Corp. وOpenAI مبالغ ضخمة على معدات NVIDIA لتدريب النماذج وتشغيلها.
- ترفع NVIDIA أسعار الرقائق المتقدمة.
- قد يعيد وادي السيليكون النظر في خططه.
- أنفقت Meta وMicrosoft وOpenAI مبالغ ضخمة على المعدات.
إذا استمرت تكلفة الرقائق في الارتفاع، فقد لا يكون شراء مزيد من المعدات هو أفضل إجابة. قد تحتاج الشركات إلى البحث عن طرق للحصول على المزيد من الرقائق المتوفرة لديها. تتحول الأولوية من كمية المشتريات إلى كفاءة الاستخدام.
تغيّر منطق السباق
كان سباق الذكاء الاصطناعي في الأساس حول الحصول على قدرة حوسبة أكبر. المزيد من الرقائق يعني القدرة على تدريب نماذج أكبر وأكثر تقدمًا. هذا النهج أصبح أكثر صعوبة وتكلفة.
| المعيار | الأولوية السابقة | الأولوية الجديدة |
|---|---|---|
| المورد الأساسي | عدد الرقائق | كفاءة كل رقاقة |
| الهدف | تدريب نماذج أكبر | إنجاز مزيد من العمل بالمعدات المتوفرة |
| القيد | الوصول إلى قدرة الحوسبة | ارتفاع التكلفة والتعقيد |
من ينتصر هو من يستخرج أكبر قدر من العمل من المعدات المتاحة.
تجربة الشركات الصينية
واجهت شركات الذكاء الاصطناعي الصينية قيودًا على الوصول إلى رقائق NVIDIA المتقدمة. وبدلًا من مجرد التباطؤ، بحثت عن طرق أخرى لتحسين أنظمة الذكاء الاصطناعي لديها.
- ركّزت على رفع كفاءة النماذج.
- استخدمت المعدات المتاحة بحذر.
- بحثت عن طرق أخرى لتحسين أنظمة الذكاء الاصطناعي.
أنشأت DeepSeek نماذج ذكاء اصطناعي قوية رغم وصول أقل إلى الرقائق الأكثر تقدمًا. عندما أصبح الوصول إلى الرقائق مشكلة، أدرج المطوّرون اختصارًا رياضيًا لآلية الانتباه الكامن متعدد الرؤوس (multi-head latent attention). وقد قلّل متطلبات ذاكرة الرقائق بنحو 96%.
يشير تقدّم DeepSeek إلى أن امتلاك عدد أقل من الرقائق الأعلى فئة لا يعني دائمًا التخلف عن الركب. والدرس واضح لوادي السيليكون: قد يكون الذكاء الاصطناعي الأذكى بنفس أهمية المعدات الأقوى.
البرمجيات كرافعة للكفاءة
تعمل Meta Platforms Inc. وOpenAI على أدوات برمجية جديدة وأنظمة برمجة. وقد تساعد نماذجهما للذكاء الاصطناعي على العمل بكفاءة أكبر.
- البرمجيات الأفضل تساعد النماذج على إنجاز مزيد من العمل.
- الأدوات الجديدة تقلّل الفاقد وتحسّن الأداء.
- أصبحت البرمجيات معيارًا منفصلًا عند اختيار الاستراتيجية.
أصبح الاستثمار في البرمجيات وأدوات التطوير لا يقل أهمية عن شراء العتاد.
معيار عملي
ستبقى رقائق NVIDIA مهمة لصناعة الذكاء الاصطناعي. غير أن الشركات ستركّز أقل على عدد الرقائق التي يمكنها شراؤها. وسيزداد وزن السؤال: كم من العمل يمكن لكل رقاقة أن تعالجه؟
- عدم النظر إلى الوصول إلى قدرة الحوسبة فقط.
- مراعاة كفاءة النماذج.
- تقييم الحلول البرمجية.
- مقارنة العائد من المعدات المتوفرة.
قد يعطي الذكاء الاصطناعي الأذكى النتيجة نفسها التي تعطيها المعدات الأقوى.
