الاثنين، 12 أكتوبر 2026

الحوسبة والسحابة

ميزة Nvidia التنافسية تنتقل من وحدات معالجة الرسوميات إلى الأنظمة المحيطة بها

بينما تطور شركات الحوسبة السحابية الكبرى رقائقها الخاصة، وجّهت نتائج أعمال Nvidia هذا الأسبوع أنظار المستثمرين نحو ميزة جديدة: الأجهزة المتخصصة اللازمة لتنسيق حوسبة وحدات معالجة الرسوميات على نطاق الجيغاواط.

Abstract green curved layers fanning out against a clean white background, representing Nvidia branding.
صورة: Nvidia

في السنوات الأولى من طفرة الذكاء الاصطناعي، كانت Nvidia المصدر الوحيد لوحدات معالجة الرسوميات المتطورة، ما جعلها مربحة للغاية مع توسع الصناعة. وفي السنوات الأخيرة، بدأت شركات حوسبة سحابية كبرى مثل Amazon وGoogle في تطوير رقائقها الخاصة، ما دفع المستثمرين إلى التساؤل عن مدى استدامة ميزة Nvidia فعلياً. وبعد أن ضاعفت الشركة قيمتها السوقية 10 مرات بين بداية 2023 ومنتصف 2025، سلكت أسهم Nvidia مساراً أكثر اعتدالاً خلال العام الماضي وسط مخاوف بشأن المنافسة في وحدات معالجة الرسوميات.

وبرزت رواية جديدة منذ إعلان نتائج Nvidia يوم الأربعاء: إذ يدرك المستثمرون أن ميزة الشركة تتجاوز وحدات معالجة الرسوميات بكثير. فمع توسع حوسبة الذكاء الاصطناعي إلى مستوى الجيغاواط، أصبح تنسيقها مهمة متزايدة التعقيد، وقد بنت Nvidia جزءاً كبيراً من الأجهزة المتطورة اللازمة للتعامل معها - ما يمنح الشركة ميزة في الأنظمة المحيطة بوحدة معالجة الرسوميات حتى مع تصاعد المنافسة عليها.

وتطرح Nvidia حالياً بنيتها المعمارية Vera Rubin، التي تجمع بين وحدة معالجة الرسوميات Rubin ووحدات أخرى، من بينها وحدة المعالجة المركزية Vera، ومسرّع الاستدلال Groq 3 LPX، وحوامل مطابقة للتخزين والشبكات. وبحسب Nvidia، فإن هذه أنظمة شديدة التخصص لا تعالج الرموز (tokens) بنفسها، بل تضمن أن كل ما هو خارج وحدة معالجة الرسوميات يعمل بأقصى كفاءة ممكنة. وتركز وحدة المعالجة المركزية Vera بشكل خاص على تنسيق البيانات. وقال جيسون هاردي (Jason Hardy)، نائب رئيس تقنية التخزين في Nvidia، لـ TechCrunch: “أهمية Vera تكمن في أن هناك حداً لكمية الذاكرة التي يمكن وضعها في خادم واحد أو أي نوع من منصات الحوسبة”، مضيفاً أن الشركة لاحظت “تحسناً بأكثر من 3 أضعاف” في العمليات التي تسرّع فيها وحدة المعالجة المركزية Vera الوصول إلى التخزين الفلاشي دون خلق اختناقات في الأداء.

وتظهر مشكلة مماثلة خارج Nvidia. ففي منشور مدونة في وقت سابق من هذا الشهر، قالت OpenAI إن رقاقتها Jalapeño صُممت لتقليل حركة البيانات وتأخيرات الاتصال من خلال إبقاء عبء العمل بأكمله داخل نظام واحد متصل - وهو نهج مختلف يسعى لتحقيق الهدف الأساسي نفسه المتمثل في كسب الكفاءة عبر تحكم أذكى في حركة البيانات بدلاً من مجرد زيادة دورات المعالجة. وستظل Nvidia مضطرة إلى منافسة مصنّعي الرقائق المنافسين وشركات الحوسبة السحابية الكبرى في هذه الطبقة الجديدة، لكنها تبدو، على الأقل في المراحل المبكرة، محتفظة بتفوق واضح.

لماذا يهم

إذا انتقلت ساحة المنافسة الحقيقية من الأداء الخام لوحدات معالجة الرسوميات إلى التنسيق على مستوى الأنظمة، فقد تعوّض ميزة Nvidia المبكرة في هذه الطبقة عن المنافسة المتصاعدة التي تواجهها في مجال الرقائق وحده.