إن سيطرة Nvidia على أجهزة الذكاء الاصطناعي موثقة جيدًا. تمتلك الشركة حوالي 86% من إيرادات وحدات معالجة الرسومات في مراكز البيانات. لكن حمايتها الحقيقية لم تكن أبدًا الشرائح نفسها، بل كانت CUDA، نظام البيئة البرمجية الذي يجعل المطورين مرتبطين جدًا بأجهزة Nvidia لدرجة أن التحول يشبه تعلم لغة جديدة أثناء القفز بالمظلة.
تستثمر OpenAI في قدرتها على تزويد الجميع بمظلة طوارئ. ويُقدَّم أداة الشركة المفتوحة المصدر المسمّاة Triton، التي تم إصدارها لأول مرة في يوليو 2021، على أنها المفتاح لتشغيل نماذج الذكاء الاصطناعي على أجهزة غير Nvidia مع تغييرات طفيفة في الكود.
من مشروع بحثي إلى سلاح استراتيجي
بدأ تريتون كمشروع متواضع نسبيًا. كان هدفه الأصلي تمكين المطورين من كتابة كود GPU عالي الأداء بلغة Python بدلاً من التصارع مع برمجة CUDA من المستوى المنخفض.
لقد تطور الأداة بشكل كبير منذ إصدار الإصدار 1.0 في منتصف عام 2021. تشير التحليلات من أوائل عام 2026 إلى أن Triton وصلت إلى نقطة تحول، حيث تمكن الآن من نقل نماذج الذكاء الاصطناعي عبر منصات الأجهزة المختلفة مع إعادة كتابة كود ضئيلة أو حتى صفرية.
لا تبني OpenAI أدواتها في فراغ أيضًا. دخلت الشركة في اتفاق متعدد السنوات مع AMD في أكتوبر 2025 لتشغيل ما يصل إلى 6 جيجاواط من وحدات Instinct GPU. ومن المتوقع وصول الموجة الأولى، وهي جيجاواط واحد من شرائح سلسلة MI450، في النصف الثاني من عام 2026.
اتباع مسار التوظيف
تقوم OpenAI بتوظيف نشط لمهندسي الاستنتاج المركّزين على تمكين وحدات معالجة الرسومات AMD. كما تشير التقارير من عام 2026 إلى أن OpenAI أعربت عن عدم رضاها عن بعض شرائح Nvidia.
ما يعنيه ذلك للمستثمرين
حصة Nvidia البالغة 86% من إيرادات وحدات معالجة الرسومات الخاصة بمركز البيانات لن تتبخر بين ليلة وضحاها. يمتلك CUDA عقودًا من التحسينات المتراكمة ونظامًا بيئيًا للمطورين عميقًا.
تستفيد AMD بشكل مباشر أكثر من غيرها. فالشركة تمتلك بالفعل شرائح تنافسية، وشراكتها مع OpenAI تُصدق طموحاتها في أجهزة الذكاء الاصطناعي بطريقة لا تستطيع أي معايير أداء تحقيقها. عندما تلتزم أكبر شركة ذكاء اصطناعي في العالم بتشغيل جيجاوات من معالجات GPU الخاصة بك، فإنها ترسل رسالة واضحة لبقية الصناعة بأن هناك بديلاً قابلاً للتطبيق لشركة Nvidia.
المخاطر التي يجب مراقبتها هي التنفيذ. بناء أداة تعمل نظريًا على أي عتاد شيء واحد، بينما جعلها تؤدي بنفس كفاءة الكود المُحسّن لـ CUDA على شرائح نفيديا نفسها تحدي آخر تمامًا.