يشهد مشهد البنية التحتية للذكاء الاصطناعي تحولاً جذرياً مع انتقال رأس المال من تدريب النماذج إلى تنفيذها. ويمثل القرض الضخم بقيمة 400 مليون دولار من شركة الاستثمار التكنولوجي Upper90 إلى شركة General Compute الناشئة المتخصصة في استنتاج الذكاء الاصطناعي (AI inference) علامة فارقة تاريخية في كيفية تمويل الأجهزة ونشرها.

عصر جديد من الضمانات: تمويل رقائق الاستنتاج

في خطوة تحاكي الأيام الأولى لتمويل وحدات معالجة الرسومات (GPU)، تخوض Upper90 غمار فئة أصول جديدة: السيليكون المخصص للاستنتاج. وبينما ركزت الموجة السابقة من التمويل -التي رادتها شركات مثل CoreWeave- على وحدات Nvidia GPU المستخدمة في أعباء عمل التدريب الضخمة، فإن هذه الصفقة البالغة 400 مليون دولار تستخدم رقائق مصممة خصيصاً لتشغيل النماذج المدربة مسبقاً كضمانات.

تعمل General Compute، بقيادة الرئيس التنفيذي Finn Puklowski، على بناء "neocloud"—وهو مزود بنية تحتية متخصص مصمم خصيصاً لأعباء عمل الذكاء الاصطناعي بدلاً من الحوسبة للأغراض العامة. هذا التمييز بالغ الأهمية؛ فبينما تقدم شركات الحوسبة السحابية العملاقة التقليدية (hyperscalers) مثل AWS و Azure خدمات واسعة النطاق، تعمل الـ neoclouds على تحسين زمن الاستجابة (latency) ومعدل النقل (throughput) لتلبية المتطلبات الفريدة للنماذج اللغوية الكبيرة (LLMs).

الميزة التقنية لرقائق SambaNova SN50

يكمن في قلب استراتيجية General Compute شراكتها مع SambaNova، وهي شركة تصنيع رقائق مدعومة من Intel. تقوم الشركة بنشر رقائق SambaNova SN50، التي تم هندستها لتوفير قفزة نوعية في الأداء مقارنة بالأجهزة التقليدية.

ووفقاً لشركة General Compute، يمكن لهذه الرقائق توفير سرعات استنتاج تصل إلى 16 ضعفاً أسرع من السحب السحابية الحالية القائمة على وحدات GPU. وبالإضافة إلى السرعة المجردة، توفر رقائق SN50 ميزتين تشغيليتين رئيسيتين:

  • كفاءة الطاقة: تستهلك طاقة أقل لكل رمز (token)، مما يقلل من التكاليف التشغيلية الضخمة لنشر الذكاء الاصطناعي.
  • تبريد مبسط: على عكس وحدات GPU المتطورة التي تتطلب غالباً أنظمة تبريد مائي معقدة ومكلفة، تسمح هذه الرقائق بنشر أسرع عبر مجموعة متنوعة من بيئات مراكز البيانات القياسية.

كسر احتكار Nvidia

هذه الصفقة هي أكثر من مجرد ضخ لرأس المال؛ إنها إشارة استراتيجية إلى أن السوق يبحث عن بدائل لهيمنة Nvidia. ومع بقاء تكلفة الرموز (tokens) والوصول إلى النماذج الرائدة عائقاً أمام المطورين، هناك طلب متزايد على الوصول الرخيص والفعال إلى النماذج مفتوحة المصدر.

إن صعود النماذج مفتوحة المصدر عالية الأداء—مثل K3 من Kimi، الذي ينافس Anthropic و OpenAI في معايير البرمجة—يعني أن عنق الزجاجة في الصناعة يتحول من "كيف نبني النماذج؟" إلى "كيف نشغلها بتكلفة معقولة؟". ومن خلال الاستفادة من سيليكون غير تابع لشركة Nvidia، تضع General Compute والمنافسون مثل TensorWave (بالشراكة مع AMD) أنفسهم لتقديم تكلفة إجمالية للملكية (TCO) متفوقة.

وكما أشار Puklowski، تمثل هذه الصفقة "تنظيماً ذاتياً لرأس المال" لتفتيت قبضة Nvidia الاحتكارية على منظومة الذكاء الاصطناعي. ومن خلال المراهنة على أجهزة استنتاج متخصصة، يقر المستثمرون بأن المرحلة التالية من طفرة الذكاء الاصطناعي ستكون مدفوعة بالحجم، والكفاءة، وانتشار الذكاء الاصطناعي في التطبيقات اليومية.

النقاط الرئيسية

  • التمويل القائم على الاستنتاج أولاً: تمثل صفقة الـ 400 مليون دولار تحولاً نحو استخدام رقائق الاستنتاج المتخصصة، بدلاً من مجرد وحدات GPU للتدريب، كضمانات للقروض الضخمة.
  • مكاسب الأداء: تهدف General Compute إلى التفوق على السحب القائمة على وحدات GPU بما يصل إلى 16 ضعفاً باستخدام رقائق SambaNova SN50، التي توفر كفاءة أفضل في الطاقة وسهولة في النشر.
  • تنويع المكونات التقنية: تشير هذه الخطوة إلى طلب متزايد في السوق على سيليكون غير تابع لشركة Nvidia لدعم التوسع الفعال من حيث التكلفة للنماذج اللغوية الكبيرة (LLMs) مفتوحة المصدر.