أدى DeepSeek إلى زيادة هائلة في الطلب على الاستدلال، وحدثت ثغرة في "هيمنة قوة الحوسبة" لشركة Nvidia. انفتح باب عالم جديد تدريجيًا - ثورة قوة الحوسبة التي تقودها شرائح ASIC تنتقل من الصمت إلى الضجيج.
نقل مركز أبحاث كور فلو مؤخرًا عن مصدر مطلع أن شركة ديب سيك تستعد لتطوير رقائق ذكاء اصطناعي خاصة بها. وبالمقارنة مع هذه الشركة الناشئة، فإن شركات محلية عملاقة مثل علي بابا وبايدو وبايت دانس قد بدأت بالفعل في البحث الذاتي.
على الجانب الآخر من المحيط، أُعلن مطلع العام عن تطورات جديدة في رقاقات OpenAI المُطوّرة ذاتيًا. وكشفت وسائل إعلام أجنبية أن أول رقاقة مُعدّلة من قِبل Broadcom ستُنتج في شركة TSMC خلال بضعة أشهر. وسبق أن أُفيد بأن سام ألتمان يعتزم جمع 7 تريليونات دولار لبناء "إمبراطورية رقاقات" تشمل التصميم والتصنيع. إضافةً إلى ذلك، انضمت جوجل وأمازون ومايكروسوفت وميتا إلى حمى البحث الذاتي.
من المؤشرات الواضحة أنه سواءً كانت DeepSeek أو OpenAI أو شركات صينية أو عمالقة وادي السيليكون، لا أحد يرغب في التخلف عن الركب في عصر قوة الحوسبة. وقد تصبح رقائق ASIC بمثابة فرصة لهم لدخول عالم جديد.
هل سيؤدي هذا إلى القضاء على إنفيديا؟ أم أنه سيعيد إنتاج إنفيديا أخرى؟ لا توجد إجابة حتى الآن. ومع ذلك، من الواضح أن الشركات في سلسلة الصناعات الأولية قد توقعت بالفعل قوة هذه "الموجة ذاتية التطوير". على سبيل المثال، حققت شركة برودكوم، التي تقدم خدمات التصميم والتخصيص لكبار المصنعين، انطلاقة قوية في الأداء: ففي عام 2024، ستزداد إيرادات أعمال الذكاء الاصطناعي بنسبة 240% على أساس سنوي لتصل إلى 3.7 مليار دولار أمريكي؛ وستبلغ إيرادات أعمال الذكاء الاصطناعي في الربع الأول من عام 1 2025 مليار دولار أمريكي، بزيادة قدرها 4.1% على أساس سنوي؛ ويأتي 77% منها من تصميم شرائح ASIC. وترى برودكوم أن قيمة سوق شرائح ASIC تتجاوز 80 مليار دولار.
من وحدة معالجة الرسوميات (GPU) إلى ASIC، اقتصاديات قوة الحوسبة تصل إلى نقطة تحول
التكلفة المنخفضة شرط أساسي لانتشار الذكاء الاصطناعي. في المقابل، أصبحت شرائح وحدة معالجة الرسومات (GPU) متعددة الأغراض بمثابة القيد الذهبي لانتشار الذكاء الاصطناعي.
يُعدّ معالجا H100 وA100 من NVIDIA الرائدان في تدريب النماذج الكبيرة، حتى أن B200 وH200 مطلوبان بشدة من قِبل عمالقة التكنولوجيا. وقد نقلت صحيفة فاينانشال تايمز سابقًا عن بيانات من Omdia تفيد بأنه في عام 2024، سيكون من بين العملاء الرئيسيين لرقائق معمارية Hopper من Nvidia كلٌّ من Microsoft وMeta وTesla/xAI، ومن بينها ستصل طلبات مايكروسوفت إلى 500,000.
ومع ذلك، وباعتبارها الحاكم المطلق لوحدات معالجة الرسومات للأغراض العامة، أصبح الجانب الآخر من عملة حلول منتجات NVIDIA واضحًا تدريجيًا: التكاليف المرتفعة واستهلاك الطاقة الزائد.
من حيث التكلفة، تتجاوز تكلفة وحدة H100 الواحدة 30,000 دولار أمريكي. يتطلب تدريب نموذج بمئات المليارات من المعلمات عشرات الآلاف من وحدات معالجة الرسومات، بالإضافة إلى استثمارات لاحقة في أجهزة الشبكة والتخزين والأمن، بإجمالي يزيد عن 500 مليون دولار أمريكي. ووفقًا لبيانات بنك HSBC، فإن أحدث جيل من حلول GB200 NVL72 يكلف أكثر من 3 ملايين دولار أمريكي لكل خزانة، بينما تبلغ تكلفة NVL36 حوالي 1.8 مليون دولار أمريكي.
يمكن القول إن تدريب النماذج باستخدام وحدات معالجة الرسومات متعددة الأغراض مكلف للغاية، لكن وادي السيليكون، بقوة حوسبة غير محدودة، لا يزال يُفضل مقولة "القوة الكبيرة تُسهّل العمل"، ولم تتباطأ النفقات الرأسمالية. مؤخرًا، تمتلك شركة xAI التابعة لماسك، والتي أعلنت مؤخرًا عن Grok-3، خوادم بحجم 200,000 وحدة معالجة رسومات للتدريب.
ذكرت المقالة "20,000 كلمة شرح مفصل لرؤى الذكاء الاصطناعي الرئيسية لعام 2025" التي أصدرتها شركة Tencent Technology وSilicon Rabbit Racing بشكل مشترك أن مشغلي مراكز البيانات الضخمة يتوقعون أن تتجاوز النفقات الرأسمالية (CapEx) 200 مليار دولار أمريكي في عام 2024، ومن المتوقع أن يقترب هذا الرقم من 250 مليار دولار أمريكي بحلول عام 2025، وسيتم تخصيص موارد كبيرة للذكاء الاصطناعي.
من حيث استهلاك الطاقة، ووفقًا لحسابات شركة SemiAnalysis، يبلغ إجمالي استهلاك مجموعة H100,000، التي تضم 100 بطاقة، 150 ميجاواط، أي ما يعادل 1.59 تيراواط/ساعة من الكهرباء سنويًا. وبحساب تكلفة 0.078 دولار أمريكي للكيلوواط/ساعة، تصل فاتورة الكهرباء السنوية إلى 123.9 مليون دولار أمريكي. وبالمقارنة مع البيانات الصادرة عن OpenAI، فإن معدل استخدام طاقة الحوسبة لوحدة معالجة الرسومات في مرحلة الاستدلال يتراوح بين 30% و50% فقط، وظاهرة "الحساب أثناء الانتظار" ملحوظة. ويُعد هذا الاستخدام غير الفعال للأداء إهدارًا كبيرًا للموارد في عصر الاستدلال.
سرعات تدريب TPU V4 وA100 التي أعلنت عنها Google سابقًا لنماذج معمارية مختلفة
الأداء المتميز، والأسعار المرتفعة، وضعف الكفاءة، والعوائق البيئية، دفعت هذه العوامل قطاع المعالجات إلى القول إن "العالم عانى من إنفيديا لفترة طويلة" خلال العام الماضي - إذ يفقد موردو الحوسبة السحابية استقلالية أجهزتهم تدريجيًا، إلى جانب مخاطر سلسلة التوريد، وأصبحت AMD "غير قادرة على النمو" مؤقتًا. وقد دفعت عوامل عديدة الشركات العملاقة إلى البدء في تطوير رقائق ASIC مخصصة لها.
منذ ذلك الحين، تحوّلت معركة شرائح الذكاء الاصطناعي من منافسة تكنولوجية إلى لعبة اقتصادية. وكما خلص بحث أجرته شركة ساوث ويست للأوراق المالية، "عندما تدخل بنية النموذج مرحلة التقارب، يجب أن يُنتج كل دولار يُستثمر في قوة الحوسبة فوائد اقتصادية قابلة للقياس". واستنادًا إلى التقدم الأخير الذي أبلغ عنه موردو الخدمات السحابية في أمريكا الشمالية، أظهرت الدوائر المتكاملة المُعدّلة (ASIC) مزايا استبدالية مُعينة:
- جوجل: شريحة TPU v5 المخصصة من قبل شركة Broadcom لصالح جوجل لديها تكلفة طاقة حوسبة وحدة أقل بنسبة 70% من تكلفة H100 في سيناريو Llama-3.
- أمازون: AWS Trainium 3، مع عملية 3 نانومتر، يستهلك 1/3 فقط من طاقة وحدة معالجة الرسومات للأغراض العامة بنفس قوة الحوسبة، مما يوفر أكثر من 10 ملايين دولار أمريكي في تكاليف الكهرباء سنويًا؛ ومن المفهوم أن شحنات شريحة Trainium من أمازون في عام 2024 تجاوزت 500,000 قطعة.
- مايكروسوفت: وفقًا لبيانات IDC، بعد أن طورت Microsoft Azure ASIC الخاصة بها، انخفضت نسبة تكاليف شراء الأجهزة من 75% إلى 58%، وهو ما أدى إلى الابتعاد عن معضلة المساومة السلبية طويلة الأمد.
وباعتبارها المستفيد الأكبر من سلسلة ASIC في أمريكا الشمالية، أصبح اتجاه شركة Broadcom واضحًا بشكل متزايد في البيانات.
بلغت إيرادات أعمال الذكاء الاصطناعي لشركة برودكوم 2024 مليار دولار أمريكي في عام 3.7، بزيادة سنوية قدرها 240%، منها 80% من خدمات تصميم ASIC. وفي الربع الأول من عام 1، بلغت إيرادات أعمال الذكاء الاصطناعي 2025 مليار دولار أمريكي، بزيادة سنوية قدرها 4.1%. وفي الوقت نفسه، تتوقع الشركة أن تبلغ إيرادات الذكاء الاصطناعي 77 مليار دولار أمريكي في الربع الثاني، بزيادة سنوية قدرها 4.4%.
في وقت مبكر خلال فترة التقرير السنوي، توقعت شركة برودكوم ارتفاعًا هائلاً في إيرادات ASIC في عام 2027، مما تنبأ بأن سوق رقائق ASIC سيصل إلى حجم سوقي قدره 90 مليار دولار أمريكي بعد ثلاث سنوات. وأكدت الشركة هذا خلال مؤتمرها الهاتفي للربع الأول.
بفضل هذا التوجه الصناعي الرائد، أصبحت شركة برودكوم ثالث شركة أشباه موصلات في العالم بقيمة سوقية تتجاوز تريليون دولار، بعد إنفيديا وتي إس إم سي. كما جذبت اهتمامًا دوليًا من شركات مثل مارفيل وآي شيب.
مع ذلك، هناك أمرٌ يجب التأكيد عليه: "المعالجات المتكاملة ASIC جيدة، لكنها لن تُضعف أداء وحدات معالجة الرسومات". تُطوّر كلٌّ من مايكروسوفت وجوجل وميتا منتجاتها الخاصة، لكنها في الوقت نفسه تتنافس على أن تكون الأولى في إطلاق معالج Nvidia B200، مما يُظهر عدم وجود منافسة مباشرة بين الطرفين.
ينبغي أن يكون الاستنتاج الأكثر موضوعية هو أن وحدات معالجة الرسومات ستظل مهيمنة على سوق التدريب عالي الأداء، وستظل الشريحة الأهم في سيناريوهات الاستدلال نظرًا لتعدد استخداماتها. ومع ذلك، في سوق رقائق الذكاء الاصطناعي المستقبلية، التي تقترب قيمتها من 400 مليار دولار، فإن مسار انتشار الدوائر المتكاملة المخصصة للتطبيقات (ASICs) واضحٌ بالفعل.
تتوقع شركة IDC أنه في سيناريوهات الاستدلال من عام 2024 إلى عام 2026، سترتفع حصة ASIC من 15% إلى 40%، أي ما يصل إلى 160 مليار دولار أمريكي كحد أقصى. وقد تكون النتيجة النهائية لهذا التحول هي استحواذ ASIC على 80% من سوق الاستدلال، وتراجع وحدات معالجة الرسومات (GPU) إلى مجالي التدريب والرسومات.
سيكون الفائزون الحقيقيون هم "اللاعبون المزدوجون" الذين يفهمون رقائق السيليكون وسيناريوهاتها. ومن الواضح أن إنفيديا واحدة منهم. التفاؤل بشأن ASIC لا يعني التقليل من شأن إنفيديا. الدليل على العالم الجديد هو إيجاد لاعبين مزدوجين آخرين غير إنفيديا، وكيفية جني الأموال في عصر ASIC الجديد.
يقوم "مشرط" ASIC بقطع جميع الوحدات غير الأساسية
يقال أن ASIC جيد للتفكير في الذكاء الاصطناعي، ولكن ما نوع الشريحة هذه؟
من منظور معماري، فإن الحد الأقصى للشرائح متعددة الأغراض مثل وحدات معالجة الرسومات هو تصميمها "واحد مقابل مائة" - فهي بحاجة إلى مراعاة متطلبات متعددة مثل عرض الرسومات، والحوسبة العلمية، وهندسة النماذج المختلفة، مما يؤدي إلى إهدار كمية كبيرة من موارد الترانزستور على وحدات وظيفية غير أساسية.
الميزة الأبرز لوحدة معالجة الرسومات من NVIDIA هي احتوائها على العديد من "النوى الصغيرة"، والتي تُضاهي محركات صاروخ فالكون المتعددة. يمكن للمطورين الاعتماد على مكتبة المشغلات التي جمعتها CUDA على مر السنين لاستدعاء هذه النوى الصغيرة للحوسبة المتوازية بسلاسة وكفاءة ومرونة.
ولكن إذا كان النموذج النهائي مؤكدًا نسبيًا، فإن مهمة الحوسبة تكون مؤكدة نسبيًا، ولا حاجة إلى عدد كبير من الأنوية الصغيرة للحفاظ على المرونة. هذا هو المبدأ الأساسي لـ ASIC، ولذلك تُسمى أيضًا شريحة عالية القدرة الحوسبية مُخصصة بالكامل.
ومن خلال القطع الدقيق "الذي يشبه المشرط"، يتم الاحتفاظ فقط بوحدات الأجهزة ذات الصلة القوية بسيناريو الهدف، مما يؤدي إلى إطلاق العنان للكفاءة المذهلة، والتي تم التحقق منها في منتجات Google وAmazon.
مُسرِّع الذكاء الاصطناعي Google TPU v5e في لقطة حقيقية
بالنسبة لوحدات معالجة الرسومات (GPUs)، فإن أفضل أداة لاستدعائها هي CUDA من NVIDIA، أما بالنسبة لشرائح ASIC، فتُستدعى بواسطة خوارزميات طورها مُزودو الخدمات السحابية أنفسهم. هذه ليست مهمة صعبة على الشركات الكبيرة التي بدأت كمُزودي برامج.
- في Google TPU v4، يتم استخدام 95% من موارد الترانزستور لوحدات ضرب المصفوفة ووحدات معالجة المتجهات، والتي تم تحسينها لحسابات الشبكة العصبية، في حين تمثل الوحدات المماثلة في وحدات معالجة الرسومات أقل من 60%.
- بخلاف نموذج فصل "الحوسبة والتخزين" في بنية فون نيومان التقليدية، يمكن لـ ASIC تخصيص تدفق البيانات بناءً على خصائص الخوارزمية. على سبيل المثال، في شريحة النظام المُوصى بها والمُخصصة من قِبل Broadcom لـ Meta، تُدمج وحدة الحوسبة مباشرةً حول وحدة تحكم التخزين، مما يُقلل مسافة نقل البيانات بنسبة 70% ويُقلل زمن الوصول إلى ثُمن زمن وحدة معالجة الرسومات.
- استجابة لخصائص الوزن المتفرق بنسبة 50% -90% في نماذج الذكاء الاصطناعي، تم تضمين شريحة Amazon Trainium2 بمحرك حوسبة متفرق يمكنه تخطي رابط حساب القيمة الصفرية، مما يحسن الأداء النظري بنسبة 300%.
عندما تكون الخوارزميات عادةً ثابتة، تتمتع ASIC بميزة طبيعية في السيناريوهات العمودية الحتمية. الهدف النهائي من تصميم ASIC هو جعل الشريحة نفسها "تجسيدًا ماديًا" للخوارزمية.
في التاريخ الماضي والواقع الحالي، يمكننا أن نجد أمثلة على نجاح ASIC، مثل رقائق آلات التعدين.
في بداياتها، استخدمت الصناعة وحدات معالجة الرسومات من إنفيديا للتعدين. لاحقًا، ومع ازدياد صعوبة التعدين، تجاوز استهلاك الكهرباء إيرادات التعدين (وهو ما يُشبه إلى حد كبير احتياجات الاستدلال الحالية)، وشهد قطاع التعدين طفرةً هائلةً في شرائح ASIC المُخصصة. على الرغم من أن تعدد استخداماتها أقل بكثير من تعدد استخدامات وحدات معالجة الرسومات، إلا أن شرائح ASIC للتعدين تُعزز التوازي إلى أقصى حد.
على سبيل المثال، تُشغّل دائرة ASIC لتعدين البيتكوين من Bitmain عشرات الآلاف من وحدات الحوسبة التجزئة SHA-256 في آنٍ واحد، محققةً تسارعًا فائق الخطية باستخدام خوارزمية واحدة، وكثافة طاقة الحوسبة أعلى بألف مرة من كثافة طاقة وحدة معالجة الرسومات. ولم يقتصر الأمر على تحسين القدرة المخصصة بشكل كبير، بل ساهم أيضًا في توفير استهلاك الطاقة على مستوى النظام.
بالإضافة إلى ذلك، فإن استخدام ASIC يمكن أن يعمل على تبسيط الدوائر الطرفية (على سبيل المثال، لم تعد هناك حاجة إلى مجموعة البروتوكولات المعقدة لواجهة PCIe)، وتقليل مساحة اللوحة الرئيسية بنسبة 40%، وخفض تكلفة الجهاز بأكمله بنسبة 25%.
بفضل تكلفتها المنخفضة وكفاءةها العالية ودعمها للتكامل العميق للأجهزة والسيناريوهات، تتكيف أنوية تقنية ASIC هذه بشكل طبيعي مع احتياجات التحول في صناعة الذكاء الاصطناعي من "القوة الغاشمة الحسابية" إلى "ثورة الكفاءة المكررة".
مع ظهور عصر الاستدلال، فإن مزايا تكلفة ASIC سوف تكرر تاريخ آلات التعدين وتحقق "صليب الموت" تحت تأثير الحجم - على الرغم من تكاليف البحث والتطوير الأولية المرتفعة (تكلفة تصميم شريحة واحدة تبلغ حوالي 50 مليون دولار أمريكي)، فإن منحنى انخفاض التكلفة الهامشية أكثر حدة من منحنى وحدات معالجة الرسومات للأغراض العامة.
لنأخذ Google TPU v4 كمثال، عندما زاد حجم الشحنات من 100,000 قطعة إلى مليون قطعة، انخفضت تكلفة القطعة الواحدة انخفاضًا حادًا من 1 دولار أمريكي إلى 3,800 دولار أمريكي، أي ما يقارب 1,200%، في حين أن انخفاض تكلفة وحدة معالجة الرسومات لا يتجاوز عادةً 70%. ووفقًا لأحدث المعلومات من سلسلة الصناعة، من المتوقع أن تُشحن Google TPU v30 6 مليون وحدة في عام 1.6، بقوة حوسبة لشريحة واحدة أعلى بثلاث مرات من الجيل السابق. ولا تزال فعالية ASIC من حيث التكلفة تتزايد بسرعة.
هذا يقودنا إلى موضوع جديد: هل يمكن للجميع الانضمام إلى موجة تطوير ASIC ذاتيًا؟ يعتمد ذلك على تكلفة البحث الذاتي والطلب عليه.
وفقًا لحسابات بطاقة مُسرِّع الاستدلال ASIC بتقنية 7 نانومتر، قد تصل تكاليف إنتاج الشريط لمرة واحدة، بما في ذلك رسوم ترخيص الملكية الفكرية، وتكاليف العمالة، وأدوات التصميم، وقوالب الأقنعة، وغيرها، إلى مئات ملايين اليوانات، دون احتساب تكاليف الإنتاج الضخم اللاحقة. في هذا الصدد، تتمتع الشركات الكبيرة بمزايا مالية أكبر.
في الوقت الحاضر، يمتلك بائعو الخدمات السحابية مثل جوجل وأمازون نظام عملاء ناضج، ويمكنهم تشكيل حلقة مغلقة من البحث والتطوير والمبيعات، ولديهم مزايا متأصلة في البحث الذاتي.
بالنسبة لشركات مثل ميتا، يكمن سرّ تطوير أعمالها ذاتيًا في وجود طلب هائل على قوة الحوسبة داخليًا. في وقت سابق من هذا العام، كشف زوكربيرج عن خططه لإطلاق حوالي 1 جيجاواط من قوة الحوسبة في عام 2025، وامتلاك أكثر من 1.3 مليون وحدة معالجة رسومية بنهاية العام.
تبلغ قيمة "الخريطة الجديدة" أكثر من 100 مليار دولار
لقد أدى الطلب على التعدين وحده إلى إنشاء سوق تبلغ قيمته ما يقرب من 10 مليارات دولار، لذلك عندما أعلنت شركة Broadcom أن مساحة سوق AI ASIC ستبلغ 70-90 مليار دولار بحلول نهاية عام 2024، لم نتفاجأ، بل حتى اعتقدنا أن هذا الرقم قد يكون متحفظًا.
الآن، لم يعد من الممكن التشكيك في التوجه الصناعي لرقائق ASIC، بل يجب أن ينصب التركيز على كيفية إتقان قواعد اللعبة في "الخريطة الجديدة". في سوق ASIC للذكاء الاصطناعي، الذي تبلغ قيمته قرابة 100 مليار دولار، تشكّلت ثلاثة مستويات واضحة: "مصممو ومصنعو رقائق ASIC الذين يضعون القواعد"، و"دعم سلسلة الصناعة"، و"التصنيع بدون مصانع في السيناريوهات العمودية".
الطبقة الأولى هي مصممو ومصنعو شرائح ASIC الذين يضعون القواعد. يمكنهم تصنيع شرائح ASIC بسعر وحدة يزيد عن 10,000 دولار أمريكي، والتعاون مع موردي الخدمات السحابية للاستخدام التجاري. تشمل الجهات الفاعلة الرئيسية في هذا المجال Broadcom وMarvell وAIchip وTSMC، الشركة الرائدة في مجال صناعة السبائك، والتي ستستفيد من أي شريحة متطورة.
المستوى الثاني هو سلسلة الصناعات الداعمة. وتشمل هذه السلسلة، التي جذبت اهتمام السوق، التغليف المتطور والسلسلة الصناعية اللاحقة.
- التعبئة والتغليف المتقدمة: تم نقل 35% من قدرة إنتاج CoWoS الخاصة بشركة TSMC إلى عملاء ASIC، بما في ذلك النظراء المحليين مثل SMIC وChangdian Technology وTongfu Microelectronics.
- يُتيح فصل موردي الخدمات السحابية عن حلول أجهزة NVIDIA فرصًا جديدة في مجال الأجهزة، مثل كابلات AEC النحاسية. يجب أن تُجهّز رقاقة ASIC واحدة، التي طورتها أمازون بنفسها، بثلاث رقائق AEC. إذا تم شحن 3 ملايين رقاقة ASIC في عام 7، فستتجاوز قيمة السوق المُقابلة 2027 مليارات دولار أمريكي. وستستفيد قطاعات أخرى، بما في ذلك الخوادم ولوحات الدوائر المطبوعة، من منطق مماثل.
المستوى الثالث هو سلسلة من السيناريوهات العمودية قيد التطوير. جوهر ASIC هو سوق قائم على الطلب. من يستوعب نقاط الضعف في هذا السيناريو أولاً سيمتلك قوة التسعير. جوهر ASIC هو التخصيص، وهو أمرٌ مُتكيفٌ بطبيعته مع السيناريوهات العمودية. لنأخذ شرائح القيادة الذكية كمثال. كشرائح ASIC نموذجية، ومع توجه BYD وشركات أخرى نحو القيادة الذكية، بدأ هذا النوع من المنتجات يدخل مرحلة نمو هائل.
يمكن اعتبار الفرص المقابلة للمستويات الثلاثة الرئيسية لسلسلة صناعة ASIC العالمية بمثابة "المفاتيح السرية الثلاثة" للإنتاج المحلي.
بسبب قيود الحظر، لا تزال الفجوة بين وحدات معالجة الرسومات المحلية ووحدات معالجة NVIDIA هائلة، كما أن البناء البيئي رحلة طويلة. ومع ذلك، بالنسبة لوحدات ASIC، فنحن على نفس خط البداية مع الخارج. إلى جانب السيناريوهات العمودية، يمكن للعديد من شركات Fabless الصينية إنتاج منتجات أكثر كفاءة في استخدام الطاقة، مثل وحدات ASIC لآلات التعدين المذكورة آنفًا، ووحدات ASIC للقيادة الذكية، وKunlun Core من Baidu.
يعتمد تصنيع الرقائق الداعمة بشكل رئيسي على شركة SMIC، بينما تُعد شركة ZTE Microelectronics، التابعة لـ ZTE، وافدًا جديدًا. ومن غير المستبعد أن تتعاون مع المصنّعين المحليين مستقبلًا لتقديم دراما "من سيكون منافسًا قويًا لشركة Broadcom الصينية؟"
الموردون الرئيسيون لشركة Nvidia لمنتجات مراكز البيانات
يُعد إنتاج الجزء الداعم من السلسلة الصناعية سهلاً نسبيًا. أما بالنسبة للخوادم، وأجهزة الإرسال والاستقبال الضوئية، والمفاتيح، ولوحات الدوائر المطبوعة، والكابلات النحاسية، فتتميز الشركات المحلية بطبيعتها بتنافسية أكبر نظرًا لانخفاض صعوباتها التقنية. في الوقت نفسه، تتمتع شركات سلسلة الصناعة هذه بعلاقة "تكافلية" مع قوة الحوسبة المحلية، ولن تكون سلسلة صناعة شرائح ASIC غائبة.
من حيث سيناريوهات التطبيق، بالإضافة إلى رقائق القيادة الذكية وبطاقات تسريع الاستدلال بالذكاء الاصطناعي المذكورة بشكل متكرر، تعتمد فرص شركات التصميم المحلية الأخرى على السيناريوهات التي يمكن أن تصبح شائعة والشركات التي يمكنها اغتنام الفرص.
وفي الختام
ومع انتقال الذكاء الاصطناعي من العمل الشاق في التدريب إلى المياه العميقة في التفكير سعياً إلى تحقيق كفاءة الطاقة، فإن النصف الثاني من حرب القوة الحاسوبية من المقدر أن ينتمي إلى تلك الشركات القادرة على تحويل الخيالات التكنولوجية إلى حسابات اقتصادية.
إن الهجوم المضاد لشرائح ASIC ليس ثورة تكنولوجية فحسب، بل هو أيضًا إنجازٌ تجاريٌّ في مجالات الكفاءة والتكلفة والتأثير. في هذه اللعبة الجديدة، تتزايد شرائح اللاعبين الصينيين بهدوء - فالفرص دائمًا ما تأتي لمن يكون مستعدًا.