تمرد رقائق الذكاء الاصطناعي: 1.2 مليار دولار في أسبوع واحد للإطاحة بـ Nvidia

الأسبوع الذي غيّر حرب الرقائق

في الأسبوع الثالث من فبراير 2026، حدث شيء غير مسبوق في عالم الشركات الناشئة لأشباه الموصلات (Semiconductors). جمعت أربع شركات مجتمعة أكثر من 1.2 مليار دولار في غضون أيام، كل منها تطرح نهجاً مختلفاً جذرياً للإطاحة بـ Nvidia في مجال الحوسبة الخاصة بالذكاء الاصطناعي. حصلت MatX على 500 مليون دولار لبنية المسرّعات المصممة أولاً لنماذج اللغات الكبيرة (LLM). أغلقت Positron جولة بقيمة 230 مليون دولار من Arm وصندوق الثروة السيادي القطري بتقييم يتجاوز المليار دولار. جمعت Taalas مبلغ 169 مليون دولار لتقنيتها الجذرية المتمثلة في دمج أوزان النماذج في الترانزستورات. وأضافت SambaNova مبلغ 350 مليون دولار بدعم استراتيجي من Intel.

لم يكن هذا جهداً منسقاً. تعمل هذه الشركات في مناطق جغرافية مختلفة، وتستهدف شرائح مختلفة من مكدس الحوسبة الخاصة بالذكاء الاصطناعي، وفي بعض الحالات تتنافس مباشرة مع بعضها البعض. ما يوحدها هو قناعة مشتركة: إن احتكار Nvidia المتمركز حول وحدات معالجة الرسومات (GPU) للحوسبة الخاصة بالذكاء الاصطناعي غير مستدام اقتصادياً وبنيوياً، والسوق ناضج للتغيير الجذري.

التوقيت ليس عرضياً. من المتوقع أن تستهلك أحمال عمل الاستدلال (Inference) ثلثي إجمالي الحوسبة الخاصة بالذكاء الاصطناعي بحلول نهاية 2026، وهو تحول جذري عن المشهد الذي كان يهيمن عليه التدريب في 2024. يتطلب التدريب توازياً بالقوة الغاشمة حيث تتفوق بنية Nvidia. أما الاستدلال فيتطلب الكفاءة وزمن الاستجابة المنخفض وتحسين التكاليف — وهو تحدٍ هندسي مختلف جذرياً يفتح الباب أمام البدائل المصممة خصيصاً لهذا الغرض.

MatX: البنية المصممة أولاً لنماذج اللغات الكبيرة

خرجت MatX من وضع التخفي بأجرأ ادعاء: يقدم مسرّعها المخصص أداءً يفوق بعشر مرات أداء H100 الرائد من Nvidia لاستدلال نماذج اللغات الكبيرة بجزء بسيط من التكلفة لكل رمز (Token). أسسها مهندسون سابقون في Google TPU ساعدوا في تصميم وحدات المعالجة الموترية (Tensor Processing Units) التي تشغّل البنية التحتية للذكاء الاصطناعي الخاصة بـ Google، وتمثل MatX التحدي التقني الأكثر مصداقية لهيمنة Nvidia.

ينطلق نهج الشركة من المبادئ الأساسية. بدلاً من بناء وحدة معالجة رسومات عامة الأغراض يمكن تكييفها لأحمال عمل الذكاء الاصطناعي، صممت MatX بنية رقاقتها حول الأنماط الحسابية المحددة لنماذج Transformer. آلية الانتباه (Attention)، والتخزين المؤقت للمفتاح والقيمة (Key-Value Caching)، وتوليد الرموز التي تهيمن على استدلال نماذج اللغات الكبيرة، كل منها يحصل على سيليكون مخصص ومحسّن لتلك العمليات بالتحديد.

جولة MatX البالغة 500 مليون دولار، التي قادها على ما يبدو تحالف من مستثمري الحوسبة السحابية الفائقة (Hyperscaler)، تشير إلى أن أكبر مستهلكي الحوسبة الخاصة بالذكاء الاصطناعي يرون ما يكفي من الجدارة التقنية للمراهنة بشكل كبير. تدّعي الشركة أن لديها سيليكون عاملاً في أيدي العملاء، رغم عدم نشر معايير قياس مستقلة. إذا تأكدت ادعاءات الأداء، فإن الجانب الاقتصادي مقنع: تحسين الكفاءة بعشر مرات سيخفض تكلفة تشغيل الاستدلال لنموذج من فئة GPT-4 من حوالي 0.03 دولار لكل 1000 رمز إلى 0.003 دولار، وهو سعر قد يجعل تطبيقات الذكاء الاصطناعي التي كانت غير مجدية اقتصادياً قابلة للتطبيق.

المخاطر بنفس القدر من الأهمية. تملك الشركات الناشئة في مجال الرقائق المخصصة تاريخاً طويلاً من وعود الأداء الثوري والفشل في التوسع. الفجوة بين رقاقة عاملة ونظام جاهز للإنتاج مع أدوات برمجية ودعم للمترجم البرمجي وتوافق مع المنظومة تُقاس بالسنوات والمليارات من الدولارات.

Positron وTaalas: انحرافات جذرية

جذبت جولة Positron البالغة 230 مليون دولار الانتباه ليس بسبب المبلغ بل بسبب المستثمرين. قادت Arm Holdings — الشركة التي تقوم بنية مجموعة التعليمات الخاصة بها على أساس كل معالج محمول تقريباً على وجه الأرض — الجولة إلى جانب صندوق الثروة السيادي القطري. يشير التقييم الذي يتجاوز المليار دولار لشركة ذات معايير قياس عامة محدودة إلى أن Arm ترى نهج Positron مكملاً لطموحاتها في مجال الذكاء الاصطناعي في مراكز البيانات.

تركز بنية Positron على ما تسميه الشركة “التناثر الأصيل” (Native Sparsity) — الملاحظة بأنه في معظم عمليات استدلال الذكاء الاصطناعي، تنتج الغالبية العظمى من الحسابات نتائج شبه صفرية ويمكن تخطيها بالكامل. تؤدي وحدات معالجة الرسومات من Nvidia هذه الحسابات غير الضرورية لأن بنيتها تعالج جميع عناصر المصفوفة بشكل موحد. تحدد رقاقة Positron وتزيل حسابات القيمة الصفرية على مستوى العتاد، مما يوفر نظرياً مكاسب كفاءة هائلة لأحمال عمل الاستدلال حيث تتجاوز معدلات التناثر غالباً 90%.

تتبنى Taalas نهجاً أكثر جذرية. تموّل جولتها البالغة 169 مليون دولار تقنية تدمج أوزان النماذج مباشرة في تكوينات الترانزستورات أثناء تصنيع الرقاقة. في عتاد الذكاء الاصطناعي التقليدي، تُخزَّن أوزان النماذج في الذاكرة وتُنقل إلى وحدات الحساب — وهي عملية تخلق اختناقات مع نمو النماذج. تزيل Taalas قيد عرض نطاق الذاكرة هذا بالكامل عبر ترميز النموذج في البنية الفيزيائية للرقاقة. المقايضة واضحة: كل رقاقة مصممة خصيصاً لنموذج واحد ولا يمكن إعادة برمجتها. لكن بالنسبة للاستدلال ذي الحجم الكبير للنماذج الشائعة مثل GPT-4 أو Claude، يمكن أن تكون الجوانب الاقتصادية تحويلية.

يعكس هذا النهج النمط التاريخي للدوائر المتكاملة المخصصة للتطبيقات (ASIC) التي أحدثت اضطراباً في الحوسبة العامة في مجالات مثل تعدين Bitcoin وترميز الفيديو. السؤال هو ما إذا كان استدلال الذكاء الاصطناعي سيتوحد حول عدد صغير من النماذج المهيمنة — مما يجعل رقائق الوظيفة الثابتة من نوع Taalas قابلة للتطبيق — أم سيستمر في التشرذم عبر آلاف النماذج المتخصصة حيث يحتفظ العتاد العام بميزته.

SambaNova وتحالف Intel

تمثل جولة SambaNova البالغة 350 مليون دولار، مع Intel كمستثمر استراتيجي، ديناميكية تنافسية مختلفة تماماً. على عكس الشركات الناشئة المتخصصة، تقوم SambaNova بشحن أنظمة DataScale الخاصة بها إلى عملاء المؤسسات منذ 2023 ولديها قاعدة مثبتة ذات مغزى في القطاعين الحكومي والمالي.

الشراكة مع Intel ذات أهمية استراتيجية لكلا الطرفين. عانت Intel في منافسة Nvidia في مسرّعات الذكاء الاصطناعي، حيث فشلت سلسلة منتجات Gaudi في الحصول على حصة سوقية ذات مغزى رغم التسعير العدواني. من خلال الاستثمار في SambaNova، تحصل Intel على وصول إلى بنية تدفق بيانات قابلة لإعادة التكوين (Reconfigurable Dataflow) تكمل معالجات Xeon الخاصة بها في عمليات نشر مراكز البيانات غير المتجانسة. وتحصل SambaNova على علاقات التصنيع لدى Intel وقنوات مبيعاتها للمؤسسات والتحقق من صحة منتجاتها لدى مديري تكنولوجيا المعلومات الذين يظلون حذرين تجاه مزودي الشركات الناشئة للبنية التحتية الحرجة.

بُنيت بنية SambaNova حول وحدات تدفق بيانات قابلة لإعادة التكوين يمكن تحسينها لبنى نماذج مختلفة دون قيود الوظيفة الثابتة لـ Taalas أو العبء العام لوحدات معالجة الرسومات من Nvidia. تضع الشركة نفسها في سوق المؤسسات بدلاً من المنافسة المباشرة مع مزودي الحوسبة السحابية الفائقة، مستهدفة المؤسسات التي تحتاج إلى تشغيل استدلال الذكاء الاصطناعي محلياً لأسباب تنظيمية أو أمنية.

اقتصاديات الاستدلال التي تغذي التمرد

القوة الأساسية وراء موجة التمويل هذه هي نقطة انعطاف اقتصادية في حوسبة الذكاء الاصطناعي. خلال حقبة التدريب في 2023-2024، كان احتكار Nvidia شبه منيع. تدريب نموذج رائد يتطلب آلاف وحدات معالجة الرسومات العاملة في تزامن محكم لأشهر، وأنشأ نظام CUDA البيئي من Nvidia وتوصيلات NVLink والأدوات البرمجية تكاليف تحويل لم تستطع أي شركة ناشئة التغلب عليها.

الاستدلال مختلف بنيوياً. كل طلب استدلال مستقل وحساس لزمن الاستجابة ومقيد بالتكاليف. الشركة التي تدير روبوت محادثة يخدم ملايين المستخدمين تهتم بشكل أساسي بتكلفة الرمز الواحد وزمن استجابة الإجابة — وهي مقاييس تكون فيها بنية Nvidia المحسّنة للتدريب مفرطة التوفير وغير فعالة بشكل متزايد.

الأرقام تتحدث عن نفسها. تبلغ تكلفة وحدة معالجة الرسومات H100 من Nvidia حوالي 30,000 دولار وتقدم ما يقرب من 1,000 رمز في الثانية لنموذج يضم 70 مليار معامل. بتكاليف تشغيل مراكز البيانات، يُترجم هذا إلى ما يقرب من 0.01 إلى 0.03 دولار لكل 1,000 رمز حسب معدل الاستخدام. بالنسبة لمنتج ذكاء اصطناعي موجه للمستهلك يخدم ملايين المستخدمين يومياً، يمكن أن تمثل حوسبة الاستدلال 60 إلى 80% من إجمالي تكاليف التشغيل.

أي شركة ناشئة يمكنها تقديم أداء استدلال مكافئ بتكلفة أقل بنسبة 50% لكل رمز تعالج فوراً سوقاً تقدر بعشرات المليارات من الدولارات سنوياً. عند تخفيض بنسبة 90% — النطاق الذي تستهدفه MatX وTaalas — تصبح فئات جديدة تماماً من تطبيقات الذكاء الاصطناعي مجدية اقتصادياً: معالجة فيديو الذكاء الاصطناعي في الوقت الفعلي، والمساعدات الذكية الدائمة، والخدمات المدعومة بالذكاء الاصطناعي في الأسواق الناشئة حيث التسعير الحالي باهظ.

يتوقع محللو الصناعة أن يصل سوق رقائق استدلال الذكاء الاصطناعي إلى 50-70 مليار دولار بحلول 2028، بمعدل نمو سنوي مركب يتجاوز 40%. حتى الاستحواذ على 10% من هذا السوق سيجعل أي واحدة من هذه الشركات الناشئة شركة أشباه موصلات كبرى.

ماذا يعني هذا لاحتكار Nvidia

لا تقف Nvidia مكتوفة الأيدي. توفر بنية Blackwell الخاصة بالشركة، التي يتم شحنها بكميات كبيرة طوال 2026، تحسينات كبيرة في كفاءة الاستدلال مقارنة بـ H100. تتضمن خريطة طريق Nvidia بنية Rubin في 2027 مع تحسينات إضافية للاستدلال. ويخلق نظام CUDA البيئي البرمجي — بملايين المطورين وآلاف المكتبات المحسّنة والتكامل العميق في كل إطار عمل رئيسي للذكاء الاصطناعي — خندقاً دفاعياً لا يستطيع أي تفوق في العتاد وحده اختراقه.

لكن الديناميكيات التنافسية تغيرت. في 2024، واجهت Nvidia منافسة بشكل أساسي من شركات كبرى ممولة جيداً — AMD وIntel وGoogle — كانت تتحرك ببطء وتفتقر إلى فلسفة تصميم رقائق أصيلة للذكاء الاصطناعي. المنافسون في 2026 مختلفون: شركات ناشئة سريعة الحركة ببنى مركزة ومليارات من التمويل وفرق مؤسسة مستقطبة من نفس مجموعة المواهب التي بنت عتاد الذكاء الاصطناعي لدى Nvidia وGoogle.

السيناريو الأكثر ترجيحاً هو تجزئة السوق بدلاً من الإزاحة. من المرجح أن تحتفظ Nvidia بهيمنتها في التدريب وفي أحمال عمل الاستدلال التي تتطلب مرونة عبر العديد من بنى النماذج. لكن سوق الاستدلال الموحد ذو الحجم الكبير — تشغيل نماذج راسخة على نطاق واسع — قد يشهد استحواذ البدائل المصممة خصيصاً على حصة كبيرة.

بالنسبة لمنظومة الذكاء الاصطناعي الأوسع، هذه المنافسة إيجابية بلا لبس. تكاليف الاستدلال المنخفضة تسرّع التبني وتمكّن تطبيقات جديدة وتقلل من تركيز قدرة الحوسبة الخاصة بالذكاء الاصطناعي في أيدي عدد قليل من مزودي الحوسبة السحابية الفائقة. الـ 1.2 مليار دولار التي جُمعت في أسبوع واحد ليست مجرد رهان على أربع شركات ناشئة — إنها رهان على أن سوق حوسبة الذكاء الاصطناعي كبير بما يكفي وينمو بسرعة كافية لدعم مناهج معمارية متعددة. بالنظر إلى المسارات الحالية، يبدو هذا الرهان سليماً بشكل متزايد.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• MatX Raises $500M for LLM-First AI Accelerator — TechCrunch
• Positron Secures $230M from Arm and Qatar at $1B+ Valuation — The Information
• Taalas Emerges with $169M for Transistor-Embedded AI Weights — Wired
• SambaNova Raises $350M with Intel as Strategic Backer — Bloomberg
• AI Inference to Hit Two-Thirds of Compute by 2026 — Gartner Research