لماذا تسعى شركات الذكاء الاصطناعي الرائدة إلى تطوير شرائح مخصصة في عام 2026

في 7 يوليو، أصبحت هناك خبران عن شركات صينية للذكاء الاصطناعي تطور رقائقها الخاصة أخبارًا رائجة.

أولاً، تقرير حصري لرويترز: DeepSeek تعمل على تطوير شريحة خاصة بها. ووفقًا لمصادر مطلعة ثلاث، فإن هذه الشريحة تستهدف عملية الاستنتاج (inference)، وليس التدريب. وأفاد التقرير أن DeepSeek قامت بتجنيد مهندسين مصممين للشرائح بشكل سري، دون اللجوء إلى قنوات التوظيف العامة، كما أنها تتواصل مع مصانع خارجية للتصنيع وشركات تخزين. ولم ترد DeepSeek على طلبات التعليق، كما أن هناك جدلًا حول هذا التقرير، لأنه يعتمد حاليًا على مصدر واحد فقط وهو رويترز.

في نفس اليوم، أفادت The Information مرة أخرى أن مختبرًا صينيًا آخر، Zhipu، يقيم تطوير شريحة مخصصة مصممة داخليًا. وفقًا لمصادر مطلعة، يعود السبب إلى الطلب المتزايد بشكل هائل على GLM-5.2. ووفقًا لـ The Information وعدد من المصادر التي استشهدت بها، فإن هذا النموذج هو الأسرع نموًا على منصة Vercel لتوحيد النماذج، حيث ارتفع استهلاك tokens اليومي في الأسبوع الأول إلى 27 ضعفًا. وقد أجرت Zhipu اتصالات أولية مع عدة شركات صينية لتصميم الشرائح، لكنها لم تختار بعد شريكًا، ووفقًا للتقارير، قد يستغرق المشروع بأكمله أكثر من عامين. وعقب صدور الخبر، ارتفعت أسهم Zhipu في سوق الهونغ كونغ للأسهم في ذلك اليوم بنسبة تصل إلى حوالي 9.9%.

بالطبع، كلا الرسالتين لا تزالان في مرحلة التقييم المبكرة، ولا توجد لديهما أي منتجات فعلية أو تصاميم نهائية.

في الواقع، DeepSeek وZhipu ليسا استثناءين. عندما تبعد الكاميرا، سترى أن "رغبة شركات الذكاء الاصطناعي في تصنيع شرائحها الخاصة" أصبحت في عام 2026 فعلًا افتراضيًا في الصناعة: من OpenAI وAnthropic على الجانب الآخر من المحيط، إلى هاتين المختبرين الرائدين محليًا، فإن الإجراءات متطابقة بشكل مدهش. هذه المقالة تهدف إلى الإجابة على السؤال: لماذا؟

إذا كانت أخبار DeepSeek لا تزال في مرحلة الشائعات، فإن OpenAI قد عرضت بالفعل المنتج الفعلي.

في 24 يونيو، أطلقت OpenAI وBroadcom معًا Jalapeño، وهي أول شريحة طورتها OpenAI بنفسها، وهي أيضًا شريحة ASIC مصممة خصيصًا لاستنتاج النماذج الكبيرة.

قال ريتشارد هو، المسؤول عن الأجهزة في OpenAI، إن هذه الشريحة "تم تصميمها من الصفر لاستنتاج LLM"، حيث قام الفريق بتحسينات مستهدفة حول النواة، ونقل الذاكرة، والشبكة، ونمط الخدمة.

وفقًا لـ OpenAI، أظهرت اختبارات المختبر المبكرة أن أداء Jalapeño لكل واط "أفضل بكثير من أحدث المستويات الصناعية الحالية". ومع ذلك، اعترفت الشركة بأن الأداء النهائي لا يزال قيد القياس، وستُنشر التقارير الفنية التفصيلية خلال الأشهر القادمة. مثل هذه المزاعم حول مزايا الأداء من قبل الشركات المصنعة، لا يمكن اعتبارها سوى رأيًا واحدًا حتى ظهور معايير خارجية مستقلة.

هناك بعض التفاصيل التي تستحق الملاحظة. وفقًا لتومز هاردوير، استغرق تطوير هذه الشريحة من التصميم حتى الإنتاج (tape-out) تسعة أشهر فقط، وصرح OpenAI أن هذا قد يكون أسرع دورة تطوير ASIC في تاريخ أشباه الموصلات المتقدمة عالية الأداء؛ ويعود تسريع هذه الدورة إلى نماذج OpenAI نفسها: استخدام الذكاء الاصطناعي لتصميم شرائح تُصنع ذكاءً اصطناعيًا.

من المقرر أن يبدأ Jalapeño في النشر بحلول نهاية عام 2026، مع ربطه بشراكة مع Broadcom بسعة 10 جيجاواط ستُكمل بحلول عام 2029. ووفقًا للتقارير، من المتوقع أن تشتري مايكروسوفت حوالي 40٪ من الطاقة الإنتاجية الأولى لـ Jalapeño.

انظر الآن إلى مختبر الرائدة الآخر، Anthropic. في أبريل من هذا العام، نشرت رويترز أول تقرير يفيد بأن Anthropic تُقيّم أيضًا تطوير شرائحها الخاصة، باستخدام لغة حذرة: الخطط لا تزال في مراحلها المبكرة، وقد تقرر الشركة في النهاية شراء الشرائح فقط دون تصنيعها، ولم يتم تحديد التصميم بعد، ولا يُوجد فريق متخصص مُنشأ.

لكن في بداية يوليو، حدث تطور جديد. وفقًا لتقارير متعددة، بدأت Anthropic في التواصل مع سامسونج لمناقشة تصنيع رقاقة مخصصة، وفقًا لما يُزعم أنه يستهدف عملية تصنيع 2 نانومتر وتقنيات التパكيغ المتقدمة من سامسونج.

كما استقطب Anthropic مؤخرًا كلايف تشان، وهو أحد الأعضاء الأوائل في فريق تطوير الرقائق الخاص بـ OpenAI.

في مواجهة الأسئلة الإضافية، أجاب Anthropic بأن "مجموعة الأجهزة المتنوعة" المكونة من شرائح Google وAmazon وNVIDIA ستظل محور استراتيجيتهم الحاسوبية، ولم يقدموا أي تعليقات إضافية بشأن الشراكة مع Samsung.

هذا البيان الرسمي يسلط الضوء تمامًا على الدافع الأكثر واقعية وراء موجة الرقائق المطورة ذاتيًا. وفقًا لبيانات The Information، تمتلك نيفيديا حوالي 74% من سوق رقائق الذكاء الاصطناعي العالمي؛ بينما لم تُنتج Anthropic حتى الآن أي رقاقة خاصة بها، وكل استدعاء لـ Claude يعتمد على رقائق مستأجرة من شركاء، وهؤلاء الشركاء هم في الوقت نفسه منافسوها.

تجدر الإشارة إلى أن وقت استكشاف Anthropic لتطوير شرائحها الخاصة يتطابق تقريبًا مع الزيادة الحادة في إيراداتها. وفقًا لما أعلنته الشركة نفسها، بلغ إيرادات التشغيل السنوية لعام 2026 أكثر من 30 مليار دولار أمريكي، بينما كانت في نهاية عام 2025 حوالي 9 مليارات دولار أمريكي فقط. بمجرد الوصول إلى هذا الحجم، يصبح حساب التكلفة الاقتصادية لتطوير الشرائح الخاصة مبررًا.

عند مقارنة هذه الأخبار المتعلقة بـ DeepSeek و Zhipu و OpenAI و Anthropic جنبًا إلى جنب، ستلاحظ نقطة مشتركة: فهي جميعًا تصنع رقائق استدلال، وليست رقائق تدريب. هذا ليس صدفة.

يحدث تحول هيكلية في الصناعة: ينتقل مركز استهلاك القوة الحسابية من "تدريب النماذج" إلى "تشغيل النماذج". التدريب هو تكلفة واحدة، بينما تقديم النموذج لمئات الملايين من المستخدمين هو نفقات مستمرة. وفقًا لتحليلات شركة Introl، فإن الاستدلال يمثل الآن حوالي ثلثي إجمالي قوة الحوسبة المستخدمة في الذكاء الاصطناعي.

https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu

أما الاستدلال، فهو بالضبط ميدان عمل ASICs. باستخدام تشبيه من كريس ميلر، مؤلف كتاب "حرب الرقائق"، لـ CNBC: تشبه وحدات معالجة الرسومات (GPU) من نيفيديا سكين سويسري، يمكنها القيام بأي نوع من الحساب المتوازي؛ بينما تشبه ASICs أداة مخصصة لغرض واحد، فعالة وسريعة، لكنها موصولة بشكل ثابت لأداء نوع واحد فقط من المهام. مرحلة التدريب تتطلب مرونة السكين السويسرية، لأن بنية النموذج لا تزال تتغير؛ لكن بمجرد تثبيت النموذج وضرورة خدمته لطلبات ضخمة، فإن تلك "الأداة المخصصة لغرض واحد" تكون أكثر كفاءة في استهلاك الطاقة وأقل تكلفة.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

انفجار الوكلاء (Agent) زاد من تضخيم هذه الحسابات. قدم تحليل من MindCast AI تمييزًا مثيرًا للاهتمام:

الاستدلال التقليدي هو "تكلفة الاستعلام": سؤال واحد، إجابة واحدة، والتسوية مكتملة؛

الوكيل هو "تكلفة التكرار": هدف واحد من المستخدم يُحفّز عشرات أو حتى مئات من استدعاءات الاستدلال، لأن الوكيل يجب أن يستنتج، يخطط، يسترجع، وينفذ.

صورة مترجمة من https://www.mindcast-ai.com/p/ai-inference-economy

عندما يتم نشر الوكلاء على نطاق واسع، سيتضخم عدم التوازن الاقتصادي بين التدريب والاستدلال بطريقة غير خطية. ولذلك، تخلص هذه المؤسسة التحليلية إلى أن اقتصاد الاستدلال ليس شيئًا يجب القلق بشأنه عام 2028، بل هو قرار شراء يجب اتخاذه عام 2026.

بالنسبة لـ "لماذا تبني بنفسك"، هناك بالفعل أرقام محددة جدًا تدعمها الصناعة.

أبسط مثال يأتي من منصة صور الذكاء الاصطناعي Midjourney. وفقًا للتقارير، بعد نقل عبء الاستنتاج من وحدات معالجة الرسومات NVIDIA إلى وحدات TPU من الجيل السابع من Google، انخفضت تكاليف قوة الحوسبة الشهرية من حوالي 2.1 مليون دولار إلى حوالي 700 ألف دولار، بانخفاض بنسبة 65%. عندما تُطبَّق هذه النسبة على شركات ضخمة تعمل بمليارات الاستعلامات يوميًا، كما قال محلل، فإن الاستثمار بمليارات الدولارات في تطوير شرائح خاصة يصبح "مسألة حسابية مالية مباشرة".

إجابة هذا السؤال تُغيّر السوق بأكمله. وفقًا لتوقعات TrendForce، سيصل نمو شحنات ASIC المخصصة إلى 44.6٪ بحلول عام 2026، بينما ستكون نسبة نمو GPU التجارية فقط 16.1٪ — وهي المرة الأولى التي يتجاوز فيها نمو الرقائق المخصصة نمو GPU. وتشير Introl إلى أرقام من بلومنبرغ للبحث الصناعي بشكل أوسع: بحلول عام 2033، من المتوقع أن يصل سوق مسرّعات الذكاء الاصطناعي بأكمله إلى 604 مليار دولار، مع استمرار زيادة حصة الرقائق المخصصة فيه.

لقد أدلت الشركات العملاقة بتصويتها الحقيقي بالمال الفعلي. وحدات معالجة التعلم التربوي من جوجل، وTrainium من أمازون، وMaia من مايكروسوفت، وMTIA من ميتا... هذه الرقائق المطورة داخليًا تخدم كل منها كميات هائلة من أحمال الاستدلال داخل شركاتها الأم.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

وفقًا لـ CNBC، قال رون ديمانت، المهندس المعماري الرئيسي لـ Trainium، إن هذا ASIC من أمازون يوفر ميزة في القيمة مقابل السعر تتراوح بين 30% و40% مقارنة ببائعي الأجهزة الآخرين على AWS.

تشير هذه الأرقام إلى أنه عندما تنمو متطلبات قوة الحوسبة الخاصة بك إلى حجم ضخم، تصبح الشرائح ليست ببساطة بند تكلفة، بل تصبح حاجزًا تنافسيًا بذاتها. وكما ذكرت مقالة تحليلية من Oplexa، فإن التحكم في شرائح السيليكون الخاصة بك يعني التحكم في خارطة طريق الأداء، وهيكل التكاليف، وسلسلة التوريد الخاصة بك. هذه العناصر الثلاثة لا يمكن الحصول عليها بأي أمر شراء.

إذا كان الحساب الاقتصادي هو السبب الظاهر، فإن "عدم رغبتي في تسليم مصيري إلى شركة واحدة" هو التيار الخفي الأعمق تحت السطح.

قوة نيفيديا تأتي جزئياً من الرقاقة نفسها، ولكن بشكل أكبر من CUDA. وCUDA هي نظام بيئي برمجي تراكم على مدار أكثر من عقدين. وفقاً لتحليل Spheron، فإن جميع تحسينات استنتاج LLM الجادة تقريباً، من FlashAttention إلى المعالجة المتسلسلة في vLLM، تعمل فقط على CUDA. هذا النظام البيئي ليس مجرد حماية لنيفيديا، بل هو "تكلفة نقل" يجب على أي فريق يرغب في تغيير الرقاقة دفعها. ووفقاً للتقديرات، فإن نقل طبقة الخدمة من vLLM إلى SDK الخاص بـ Amazon Neuron يتطلب عادةً من أسبوعين إلى ستة أسابيع من وقت الهندسة، وبعض هياكل النماذج لا تُدعم أصلاً.

https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/

بسبب ارتفاع وسُمك هذا الجدار، فإن الدافع لتجاوزه يكون أقوى بشكل خاص. بالنسبة للشركات الضخمة والمختبرات الرائدة، فإن كل حمل يعمل على شريحة مطورة داخليًا يعني مزيدًا من الأرباح التي تبقى في جيوبهم، وأيضًا يعني قوة تفاوض أكبر عند التفاوض مع نيفيديا.

تقييم TheStreet واضح جدًا: ما يتغير هو الافتراض الافتراضي القائل بأن "مختبرات الذكاء الاصطناعي يجب أن تقبل أي سعر أو شروط توريد تفرضها نيفيديا". لدى مايكروسوفت Maia، ولدى أمازون Trainium، ولدى جوجل TPU، والآن ترغب مختبرات الذكاء الاصطناعي الأحدث في تجميع نفس الرهانات الخاصة بها.

ارجع إلى الرسالتين في 7 يوليو. بالنسبة لـ DeepSeek وZhipu، فإن الشريحة المطورة داخليًا تواجه، بالإضافة إلى جميع الأسباب المذكورة أعلاه، مشكلة مشتركة لا تواجهها نظراؤها الأمريكية: قيود التصدير.

جدير بالذكر أيضًا أن شائعات التصميم الذاتي لـ DeepSeek تزامنت تمامًا مع أول تمويل خارجي لها: أكملت الشركة جولة تمويل تزيد عن 50 مليار يوان، بقيمة تقييم تتجاوز 330 مليار يوان. تصنيع الرقائق مكلف جدًا، وحدوث هذين الأمرين معًا — التمويل والرقائق — لا يُعد بالضرورة صدفة.

أما زهي بو، فقد أصبحت في يناير من هذا العام أول مختبر ذكاء اصطناعي صيني يُدرج في سوق هونغ كونغ للمال. كلاهما يستعدان للرهان المكلف هذا، بتحضير محافظهما المالية مسبقًا.

اجمع هذه المؤشرات، والإجابة على السؤال "لماذا ترغب جميع شركات الذكاء الاصطناعي في تصنيع شرائحها الخاصة" هي في الواقع تلاقٍ لعدة قوى: استبدال الاستدلال للتدريب كمجال رئيسي للحوسبة، مما يمنح شرائح ASIC المخصصة فرصة للظهور؛ وانفجار الوكلاء الذكيين الذي يدفع تكلفة الاستدلال إلى التضخم غير الخطي، مما يضخم كل دولار يتم توفيره؛ بينما يدفع الاعتماد العميق على نيفيديا جميع الشركات إلى الرغبة في تجميع حصتها الخاصة من قوة التفاوض. بالنسبة للشركات الصينية مثل DeepSeek وZhipu، يجب إضافة مشكلة القيود على التصدير.

لكن تحت هذا الهيجان، يجب أن يُسكب قليل من الماء البارد. فتصميم الرقائق الذاتي بعيد كل البعد عن كونه خيارًا مضمونًا. فدورة التصميم تستغرق عادةً من 18 إلى 24 شهرًا، مع استثمارات هندسية أولية ضخمة، كما يتطلب ذلك حمل عمل ثابتًا وقابلًا للتنبؤ به ليكون من المجدي تصميم بنية ثابتة حوله. بالنسبة للشركات الناشئة التي لا تزال تختبر هياكل النماذج، أو الشركات العادية التي تواجه مهام متنوعة، فإن مرونة وحدات معالجة الرسومات من نيفيديا هي في الواقع الخيار الأكثر فعالية من حيث التكلفة.

توضح TechTimes أن ميزة التكلفة التي تتراوح بين 40% و65% تنطبق فقط على الشركات الضخمة التي تقوم ب数十亿 الاستعلامات يوميًا؛ بالنسبة للشركات التي تقوم ببضعة عشرات الآلاف من الاستعلامات أسبوعيًا، فإن هذه الحسابات تصبح معاكسة.

سؤال أكثر إثارة للتساؤل هو: هل ستُضعف هذه الموجة نيفيديا، أم أنها ستُضيف لها فقط "موقعًا تكميليًا"؟ الإجابة التي تميل إليها معظم التحليلات هي الخيار الثاني. وفقًا لـ Oplexa، قد يتجاوز عدد وحدات ASIC المُرسَلة عدد وحدات GPU بحلول عام 2027، لكن كلا السوقين سيستمران في النمو: البنية التحتية للذكاء الاصطناعي تنقسم حاليًا إلى مسارين مختلفين: الأحمال الثابتة، عالية التردد، والقابلة للتنبؤ تُخصص لوحدات ASIC، بينما الأحمال البحثية، المتنوعة، والهياكل التي لا تزال قيد التطوير تُخصص لوحدات GPU. لا تزال نيفيديا تحتفظ بسيطرة قوية على التدريب وأغلب السوق.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

لا توجد إجابة حتى الآن حول ما إذا كان DeepSeek وZhipu قادرين على تصنيع شرائحهما الخاصة، حيث لا تزال كلا الرسالتين في مراحل التقييم المبكرة.

لكنها وقعت في نفس اليوم، كحجرين أُلقيا في الماء في آنٍ واحد، حيث أظهرت الاهتزازات نفسها قلقًا واحدًا: من سان فرانسيسكو إلى بكين، في عصر تصبح فيه قوة الحوسبة قوة، لا توجد شركة ذكاء اصطناعي واحدة ترغب في البقاء حتى الجولة التالية، وتريد تأجير مصيرها إلى أيدي الآخرين إلى الأبد.

هذا المقال من حساب ويشات الرسمي "ماشين سينس" (ID: almosthuman2014)، الكاتب: Panda