Generic filters
Search in title
Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
جیتکس ترکیه
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
یادداشت
 جدال بزرگ انویدیا بر سر سیلیکون

هیزم آتش جنگ هوش مصنوعی

جدال بزرگ انویدیا بر سر سیلیکون

زمان مطالعه: 4 دقیقه

بزرگ‌ترین مشتریان سازنده تراشه می‌خواهند بخشی از کسب‌وکار آن را از آنِ خود کنند و انویدیا با قراردادی ۵۰۰ میلیارددلاری در حال مقابله است.

رابطه میان انویدیا و هایپراسکیلرها (Hyperscalers)؛ یعنی غول‌های رایانش ابری مانند آمازون، گوگل، متا و مایکروسافت زمانی کاملاً سرراست بود. انویدیا تراشه‌ها را طراحی و تأمین می‌کرد و هایپراسکیلرها با استفاده از آن‌ها دیتاسنتر می‌ساختند. فعلاً هر دو طرف همچنان به یکدیگر نیاز دارند (نمودار). بااین‌حال، هر دو خود را برای آینده‌ای آماده می‌کنند که در آن وابستگی‌شان به یکدیگر کمتر خواهد بود.

نشانه‌ای از جدایی قریب‌الوقوع در ۱۰ اوت پدیدار شد؛ زمانی که انویدیا از همکاری با شش سرمایه‌گذار بزرگ وال‌استریت، از جمله بلک‌راک و گلدمن ساکس برای «بسیج بیش از ۵۰۰ میلیارد دلار» سرمایه برای زیرساخت هوش مصنوعی خبر داد. هدف این طرح کمک به مشتریانی مانند آزمایشگاه‌های کوچک‌تر هوش مصنوعی و شرکت‌هایی است که در مقایسه با گوگل یا مایکروسافت با هزینه‌های استقراض بالاتری مواجه‌اند تا بتوانند منابع مالی عظیمی را که برای ساخت دیتاسنترها نیاز دارند، تأمین کنند. بر اساس این طرح، کنسرسیوم مذکور منابع سرمایه را از سرمایه‌گذاران نهادی جذب و آن را با نرخ‌های جذاب به مشتریان انویدیا وام می‌دهد تا با استفاده از تجهیزات انویدیا زیرساخت بسازند. زیرساخت هزینه بسیار بالایی دارد؛ به‌طوری که ساخت یک دیتاسنتر بزرگ حدود ۵۰ میلیارد دلار هزینه می‌برد. البته بیشتر شرکت‌ها به چنین مقیاسی حتی نزدیک هم نمی‌شوند، اما هزینه‌ها درهرصورت سنگین است.

رویکرد انویدیا استفاده از توان محاسباتی (Compute) به‌عنوان وثیقه است تا سرمایه‌گذاران نهادی نیز بتوانند در این طرح مشارکت کنند. یکی از چالش‌ها این است که پردازنده‌ها عمر مفید محدودی دارند، معمولاً چهار تا پنج سال؛ مسئله‌ای که ارزش‌گذاری وام‌هایی را که در برابر این دارایی‌ها اعطا می‌شوند دشوار می‌کند. چالش دیگر این است که اگر تقاضای موردانتظار برای زیرساخت ایجاد نشود، چه اتفاقی خواهد افتاد. پاسخ انویدیا این است که از طریق سازوکاری که در صورت افت ارزش دارایی پشتوانه وام به زیر سطحی مشخص، مسئولیت شرکت را حفظ می‌کند، تا یک‌چهارم هزینه یک پروژه را تضمین کند. این نوعی مهندسی مالی هوشمندانه از سوی شرکتی است که بیشتر به مهندسی فنی شهرت دارد.

این اقدامات تا حدی ناشی از نشانه‌های غیرقابل‌انکارِ فاصله‌گرفتن مشتریان اصلی انویدیا از این شرکت است. هایپراسکیلرها دیگر صرفاً به خرید تراشه‌های انویدیا رضایت نمی‌دهند و میلیاردها دلار برای طراحی تراشه‌های خودشان هزینه می‌کنند. گوگل سال‌هاست دسترسی اجاره‌ای به واحدهای پردازش تنسور (TPU)، تراشه‌های تخصصی هوش مصنوعی خود را از طریق سرویس ابری خودش ارائه می‌کند. اکنون این شرکت سیستم‌های TPU را به سایر شرکت‌ها نیز می‌فروشد. آمازون درآمد سالانه‌شده کسب‌وکار تراشه‌های اختصاصی خود را که عمدتاً به هوش مصنوعی مرتبط است، ۲۵ میلیارد دلار برآورد می‌کند. «اندی جسی»، مدیرعامل آمازون نیز معتقد است این کسب‌وکار آن را به یکی از سه کسب‌وکار بزرگ تراشه‌های دیتاسنتری در جهان تبدیل کرده است. مایکروسافت و متا نیز تراشه‌های خود را توسعه داده‌اند. آنتروپیک و OpenAI نیز قصد دارند همین کار را انجام دهند.

هایپراسکیلرها دلایل خوبی برای طراحی تراشه یا به‌اصطلاح رایج سیلیکون اختصاصی (Custom Silicon) دارند. تراشه‌ها بخش قابل‌توجهی از هزینه یک دیتاسنتر هوش مصنوعی را تشکیل می‌دهند. کارگزاری برنستین برآورد می‌کند که در یک رک سرور مجهز به تراشه‌های H100 انویدیا که قیمت هرکدام ۲۵ هزار دلار است، هزینه تراشه‌ها سه‌چهارم کل هزینه را تشکیل می‌دهد. سیلیکون اختصاصی یک‌پنجم تا یک‌سوم این هزینه قیمت دارد، هرچند قدرت پردازشی کمتری دارند. غول‌های رایانش ابری استدلال می‌کنند که همچنان توان محاسباتی بیشتری به‌ازای هر دلار دریافت می‌کنند. تراشه‌های اختصاصی همچنین برای وظایف مشخص مناسب‌ترند؛ برای مثال، TPUهای گوگل برای محاسبات زیربنای مدل‌های هوش مصنوعی این شرکت و پردازنده‌های متا برای الگوریتم‌های توصیه‌گر بهینه شده‌اند.

برخی هایپراسکیلرها معتقدند سیلیکون اختصاصی به‌خودی‌خود به یک کسب‌وکار بزرگ تبدیل خواهد شد. گوگل در ماه مه با بلک‌استون، غول سرمایه‌گذاری خصوصی همکاری کرد تا یک شرکت رایانش ابری هوش مصنوعی راه‌اندازی کند که توان محاسباتی مبتنی بر تراشه‌های گوگل را اجاره خواهد داد. آمازون نیز طرح مشابهی دارد. همچنین آنتروپیک و OpenAI قصد دارند از پردازنده‌های Trainium آمازون استفاده کنند. چنین اقداماتی می‌تواند سیلیکون اختصاصی را به رقیبی قدرتمند برای تراشه‌های انویدیا تبدیل کند. مؤسسه پژوهشی بلومبرگ اینتلیجنس برآورد می‌کند که محموله‌های تراشه‌های هوش مصنوعی در سراسر جهان از حدود ۱۵ میلیون واحد در سال جاری به ۲۸ میلیون واحد در سال ۲۰۳۰ افزایش خواهد یافت. تراشه‌های اختصاصی ۴۹ درصد از این مجموع را تشکیل خواهند داد و سهم انویدیا ۴۰ درصد خواهد بود. انویدیا احتمالاً همچنان از نظر درآمد در جایگاه مسلط باقی خواهد ماند؛ اما سیلیکون اختصاصی ارزان‌تر، حاشیه سود بالای این شرکت را تحت‌فشار قرار خواهد داد.

انویدیا ماجرا را متفاوت می‌بیند. جنسن هوانگ، مدیرعامل انویدیا استدلال می‌کند که بزرگ‌ترین نقطه قوت سیلیکون اختصاصی، یعنی تخصصی‌بودن آن هم‌زمان نقطه‌ضعف آن نیز هست. این تراشه‌ها برای بارهای کاری شناخته‌شده مناسب‌اند، نه بارهای کاری جدید. در مقابل، GPUهای انویدیا تقریباً از عهده هر نوع وظیفه هوش مصنوعی برمی‌آیند. با گسترش هوش مصنوعی از مدل‌های زبانی بزرگ به حوزه‌هایی مانند رباتیک، خودروهای خودران و کاربردهای صنعتی، این انعطاف‌پذیری ممکن است اهمیت بیشتری پیدا کند.

همگام ماندن با انویدیا نیز ممکن است پرهزینه و دشوار باشد. این شرکت اکنون هر سال تراشه‌های پیشگامانه جدیدی عرضه می‌کند؛ درحالی‌که پیش‌تر این کار را هر دو سال یک‌بار انجام می‌داد. طراحی یک تراشه هوش مصنوعی پیشرفته معمولاً برای شرکت‌های دیگر دو تا سه سال زمان می‌برد و بین یک تا سه میلیارد دلار هزینه دارد. انویدیا تنها در سه‌ماهه گذشته بیش از ۶ میلیارد دلار صرف تحقیق‌وتوسعه کرده است. تعداد کمی از شرکت‌ها سرمایه و استعداد مهندسی لازم برای تداوم چنین تلاشی را در اختیار دارند.

انویدیا همچنین از تولید تراشه‌های خود سود می‌برد. شرکت‌هایی که طراحی‌های دیگران را به محصول نهایی تبدیل می‌کنند، مانند TSMC تایوانی، ظرفیت محدودی دارند. به گفته «ویوک آریا» از بانک آمریکا، شرکت‌های ابری باید تصمیم بگیرند که آیا از این «ظرفیت ارزشمند» برای نیازهای خود استفاده کنند یا آن را در اختیار مشتریانشان قرار دهند.

انویدیا علاوه بر دفاع از جایگاه خود در برابر هایپراسکیلرها، امیدوار است مشتریان دیگری نیز جذب کند. این شرکت می‌خواهد به دولت‌هایی که در تلاش برای ایجاد زیرساخت داخلی هوش مصنوعی هستند، شرکت‌هایی که دیتاسنترهای خود را می‌سازند و شرکت‌های نئوکلاود (Neocloud) که توان محاسباتی هوش مصنوعی را اجاره می‌دهند، تراشه بفروشد.

همکاری جدید با وال‌استریت بخشی از راهبرد گسترده‌تر انویدیا برای کمک به مشتریان در تأمین مالی سرمایه‌گذاری‌های هوش مصنوعی است. انویدیا در ماه ژوئیه برنامه‌ای راه‌اندازی کرد که بر اساس آن، ظرفیت محاسباتی بلااستفاده شرکت‌های نئوکلاود را در ازای سهمی از درآمدهای آینده اجاره می‌کند تا این شرکت‌ها بتوانند راحت‌تر وام بگیرند و فعالیت خود را گسترش دهند. همچنین گفته می‌شود این شرکت در حال مذاکره درباره طرحی ۳۵۰ میلیارددلاری است تا به OpenAI برای اجاره یک دیتاسنتر در اوهایو و خرید GPU کمک کند. انویدیا نسبت به اتهاماتی مبنی بر اینکه معاملاتش نوعی «تأمین مالی چرخشی» (Circular Financing) محسوب می‌شوند، حساس است. این شرکت می‌گوید ساختار جدید، با واردکردن سرمایه‌گذاران خارجی، با هدف برطرف‌کردن این نگرانی‌ها طراحی شده است.

مرز میان تأمین‌کننده مالی و تأمین‌کننده تجهیزات و همچنین مرز میان مشتری و رقیب اکنون محو شده است. اما همه، هر جا که بتوانند، در حال خرید توان محاسباتی هستند. انویدیا همچنان بخش عمده این توان را تأمین می‌کند.

گزارش حاضر در نسخه August 15th 2026 نشریه The Economist منتشر شده است.

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]