إنفيديا تصنع أمواجًا بقيمة 5 تريليون دولار! خندق CUDA يغلق على شركات الذكاء الاصطناعي العالمية ولا أحد يستطيع الهروب

في 30 أكتوبر، تجاوزت القيمة السوقية لشركة إنفيديا 5 تريليونات دولار، لتصبح الشركة الوحيدة في العالم التي تحقق هذه المعلم. ومع ذلك، في خضم هذا الصدمة، جاء ارتباك كبير: إذا كانت صناعة شرائح الذكاء الاصطناعي مربحة للغاية، لماذا نرى فقط إنفيديا تحقق الأرباح؟ الجواب يكمن في الخندق الذي بنته إنفيديا على مدى 20 عامًا - CUDA، هذه البنية التحتية الموحدة للمعالجة قد قيدت أكثر من 4.5 مليون مطور حول العالم.

لماذا لا يمكن لأحد أن ينافس إنفيديا رغم أن جميع المنافسين هم من الخبراء المتميزين؟

هل لدى إنفيديا منافسون؟ نعم. كثيرون. وكلهم من كبار المحترفين. إذا نظرنا حولنا، يمكننا على الأقل عد ثلاثة “منافسين” من العيار الثقيل. مثل، AMD. إنها منافسة قديمة لإنفيديا في مجال أشباه الموصلات، حيث تتجاوز المنافسة بينهما عقوداً. من حيث التقنية والخبرة، فهي بالتأكيد من الأكثر تأهيلاً لمنافسة إنفيديا. مثل، إنتل. كانت “سيدة الشرائح” سابقاً. لديها قدرة تصنيعية قوية وقاعدة عملاء كبيرة. مثل، جوجل. لديها تقريباً موارد لا حصر لها، مع أفضل فرق الذكاء الاصطناعي في العالم. وعلاوة على ذلك، فهي تعمل على تطوير شرائح الذكاء الاصطناعي المخصصة الخاصة بها.

ترى، هذه الثلاثة عمالقة، أي منهم ليس له اسم يتردد في جميع أنحاء العالم؟ لكن، هذا يجعل المشكلة أكثر حدة: على الطاولة، كلهم خبراء، لكن الرهانات، يبدو أنها كلها في يد لاعب واحد. لماذا هذا؟

أولاً، لنقل الجواب، لأن إنفيديا تستخدم نظاماً واحداً، بتكاليف انتقال مرتفعة جداً، مما يجعل عملاءها مرتبطين بها بشكل كبير. قد تقول إن السبب هو أن رقائق إنفيديا هي الأسرع والأفضل. لكن في الواقع، هذا الجواب ليس دقيقاً بما فيه الكفاية. تخيل هذا السيناريو: تدخل سوزي بانغ، الرئيسة التنفيذية لشركة AMD، إلى مكتب OpenAI، وتقدم عرضاً مغرياً جداً للرئيس التنفيذي سام التمان. لدى AMD شريحة GPU جديدة تمامًا، تفوق أداء شريحة إنفيديا B200 بنسبة 30%، وسعرها نصف السعر.

إذا كنت الآن سام ألتمان، هل ستوقع هذه “الطلبية” أم لا؟ دعني أخمن، من المحتمل أن سام ألتمان لن يوقع. على الأقل، سيكون مترددًا جدًا. لماذا؟ لأن هناك خيارًا أرخص وأكثر كفاءة أمامه، لكن هذا لا يجعله متحمسًا؟ لأن السعر هو مجرد جزء صغير من العملية بأكملها. في استثمارات التكنولوجيا التجارية، يجب أن نفكر من خلال إطار TCO (التكلفة الإجمالية للملكية). هذا لا يشمل فقط السعر المباشر، ولكن أيضًا التكاليف غير المباشرة والمخفية.

تكلفة الانتقال تصل إلى عدة مليارات من الدولارات من السجون الخفية

إذا كانت OpenAI قد انتقلت حقًا من إنفيديا إلى AMD، ماذا سيحدث؟ لنقل الاستنتاج مباشرة، فإن التكاليف الرئيسية للعمالة، وتكاليف ترحيل التعليمات البرمجية، والتكاليف التشغيلية، وتكاليف الفرص، ستزداد بشكل كبير. وأي تغيير من هذه التغييرات قد يحدد مباشرة الحياة أو الموت.

تخيل، إذا تم تغيير المنصة، ماذا سيحدث لآلاف المهندسين المتميزين؟ هل ستمحى خبراتهم التي تمتد لأكثر من عشر سنوات بين عشية وضحاها، ويجب عليهم أن يتعلموا من جديد؟ كم ستكون تكلفة التدريب هذه؟ وماذا عن ملايين أسطر الشيفرة البرمجية؟ ليست مجرد “نسخ ولصق”. الأمر يشبه زراعة الليتشي من الجنوب في الشمال. ليس الأمر مجرد حفره ونقله، بل يتطلب إجراء الكثير من الأبحاث والاختبارات، بالإضافة إلى وقت طويل. الذكاء الاصطناعي هو كذلك، وفي النهاية، لا يمكن التأكد مما إذا كان سينجح أم لا.

علاوة على ذلك، يعني الانتقال إلى منصة جديدة أنه يجب تشغيل وصيانة نظامين مختلفين تمامًا في نفس الوقت. ومن المحتمل أن ترتفع التكاليف هنا إلى الضعف. الأمر الأكثر خطورة، وأكبر خطر، هو أن تكلفة الفرصة مرتفعة للغاية. في مجال الذكاء الاصطناعي، كل ثانية مهمة. إذا كان الانتقال إلى منصة جديدة سيؤدي إلى تأخير في البحث والتطوير، أو تأخر إصدار النموذج لعدة أشهر، فمن المحتمل أن يتحول الأمر من كونك رائدًا في الصناعة إلى متابع.

قائمة التكاليف الخفية لتحويل منصة OpenAI

تكلفة العمالة: إعادة تدريب ألف مهندس، صفر خبرة، تكلفة الوقت لعدة سنوات

ترحيل الشيفرة: يجب إعادة كتابة ملايين الأسطر من شيفرة CUDA، واختبارها والتحقق منها يتطلب الكثير من الوقت والجهد.

صيانة النظام المزدوج: أثناء فترة الانتقال، يتم تشغيل نظامين في وقت واحد، مما يؤدي إلى مضاعفة التكلفة.

تكلفة الفرصة: التقدم في البحث والتطوير يتأخر عن المنافسين، مما قد يؤدي إلى التحول من قائد إلى تابع

تكلفة المخاطر: قد يؤدي الفشل في النقل إلى انخفاض أداء النموذج، وتأثيرات الأعمال يصعب تقديرها

لذلك، بعد جمع جميع التكاليف المباشرة وغير المباشرة، تم تحقيق نتيجة “تأمين الموردين”. بعبارة أخرى، أنا مرتبط بك بشكل قوي من البرمجيات إلى الأجهزة. على المدى الطويل، تعتبر هذه الحل الأمثل لشركات الذكاء الاصطناعي، لأنها لن تقلق بشأن الأجهزة خلال فترة العقد المقبلة. الآن، عندما ننظر مرة أخرى إلى طلبية AMD تلك “الأداء أعلى بنسبة 30%، وسعرها نصف”، هل لا زلت تجدها جذابة؟ الجواب هو لا. التوفير بملايين الدولارات في الأجهزة، مقارنة بالتكاليف المحتملة التي قد تصل إلى عشرات المليارات من الدولارات في تكاليف الانتقال والمخاطر الاستراتيجية المحتملة، لا يُذكر.

نظام CUDA البيئي في عصر الذكاء الاصطناعي

! نظام NVIDIA CUDA البيئي

（المصدر：X）

عند هذه النقطة، يجب أن تكون قد اكتشفت أن ما يحبس عملاء إنفيديا حقًا ليس عتادها، بل هو “قفص” غير مرئي وغير ملموس. وهو ما يُعرف بـ “خندق إنفيديا”، وهو CUDA. الاسم الكامل لـ CUDA هو Compute Unified Device Architecture (الهيكل الموحد للأجهزة الحاسوبية). بعبارة أخرى، إنها مجموعة من أدوات البرمجة التي تساعد المبرمجين على استخدام وحدات معالجة الرسومات من إنفيديا بشكل أفضل.

إذا قلنا إن وحدة معالجة الرسومات (GPU) من إنفيديا هي “وحدة الكمبيوتر” لعصر الذكاء الاصطناعي. فسيكون CUDA هو “نظام ويندوز” لعصر الذكاء الاصطناعي. فكر في الأمر، لماذا لم تتمكن لينكس، التي قد تكون تقنيًا أفضل، وما زالت مجانية، من زعزعة هيمنة ويندوز في سوق سطح المكتب الشخصي على مدار عقود؟ الجواب ليس في النظام نفسه، بل في النظام البيئي.

لأن نظام التشغيل Windows لديه نظام بيئي ضخم للغاية. من Office من Microsoft، إلى Adobe، وصولًا إلى برامج صناعية متخصصة مختلفة، كلها مرتبطة ارتباطًا وثيقًا بالنظام البيئي بالكامل. تخيل شركة تحتاج إلى استخدام العديد من البرامج المتخصصة، كيف ستختار بين تكلفة شراء ترخيص Windows وتكلفة إعادة تدريب الموظفين؟ الجواب، بديهي.

CUDA، هكذا، لديها نظام بيئي ضخم لا يصدق. بالنسبة للعديد من الشركات والأفراد، هذه هي الخيار الأساسي. هناك إحصائيات تشير إلى أنه حتى الآن، يوجد أكثر من 4.5 مليون مطور في جميع أنحاء العالم يستخدمون CUDA في التطوير. وفي عام 2020، كان هذا الرقم 1.8 مليون. يبلغ عدد مرات تنزيل حزمة أدوات CUDA شهريًا مئات الآلاف.

20 عامًا من القمار الفاخر من عدم الثقة إلى عدم القدرة على الاستغناء عنه

في عام 2006، عندما تم إصدار CUDA، لم يهتم أحد، ولم تكن وادي السيليكون وول ستريت متفائليين. بحلول عام 2008، وبسبب تأثير الأزمة المالية، انخفض سعر سهم إنفيديا بأكثر من 80%، وكانت القيمة السوقية حوالي 4 مليارات. حتى داخل إنفيديا، كانت هناك انقسامات حول مستقبل CUDA. في نفس الوقت، كانت تكلفة تطوير CUDA كبيرة جداً. كانت أول وحدة معالجة رسومات تدعم CUDA من إنفيديا هي G80. لتطوير هذه الشريحة، قضت إنفيديا 4 سنوات كاملة، بتكلفة تصل إلى 475 مليون دولار، وهو ما يمثل ثلث ميزانية البحث والتطوير الإجمالية خلال تلك السنوات الأربع.

في ذلك الوقت، كان حقًا وقت حياة أو موت. ماذا نفعل؟ فكر جين-هسنغ في خطة: ضخ الأموال. التركيز كان على ضخ الأموال في المدارس والمؤسسات البحثية. من خلال التبرع بالمال والمعدات، سمح لـ CUDA بالدخول إلى الجامعات، حيث تم تدريب المستخدمين في مجالات التعليم والبحث. بالإضافة إلى ذلك، تم إنشاء مراكز بحث وتطوير وتعليم متنوعة لـ CUDA على مستوى العالم، وفتح دورات تعليمية. في ذلك الوقت، كانت تكاليف البحث والتطوير التي تُستثمر في CUDA تصل إلى 500 مليون دولار سنويًا.

على الرغم من الجهود الكبيرة التي بذلت من حيث القوى البشرية والموارد المالية، لم يكن يُنظر إلى CUDA بشكل إيجابي لفترة طويلة. في أوائل عام 2013، اعتقد العديد من محللي الاستثمار أنه فقط من خلال التخلي عن CUDA والعودة إلى الأعمال الأساسية لألعاب الكمبيوتر، يمكن لسعر سهم إنفيديا أن يرتفع. حتى أن بعضهم تساءل عما إذا كان يمكن للمدير التنفيذي جين هوانغ أن يستمر في عمله. ولكن الآن، يبدو أن إنفيديا كانت تراهن على CUDA. علاوة على ذلك، لقد كانت الرهانات صحيحة.

لماذا أصبحت CUDA مرغوبة بعد أن كانت غير مُبَشَّر بها؟ لأن خريجي الجامعات الذين درسوا CUDA انضموا إلى شركات التكنولوجيا، وأصبحت موارد المجتمع ومكتبات الشيفرات الخاصة بـ CUDA تتزايد بشكل مستمر. حتى عام 2015، كان هناك 800 جامعة في جميع أنحاء العالم تقدم دورات CUDA. مع مرور الوقت، توسعت استخدامات CUDA من الجامعات إلى المزيد من المجالات مثل الرعاية الصحية والتجارة. أما بالنسبة لعلاقتها بمجال الذكاء الاصطناعي، فيمكن القول إنها مجرد “صدفة”.

في عام 2012، في مسابقة عالمية للتعرف على الصور بالذكاء الاصطناعي نظمتها جامعة ستانفورد، قدمت مجموعة مكونة من ثلاثة أشخاص من جامعة تورنتو شبكة عصبية ذكاء اصطناعي تُدعى AlexNet، وفازت بالبطولة. علاوة على ذلك، كانت دقتها أعلى من المركز الثاني بنسبة 41%. كيف تم ذلك؟ قالت الفريق إنه استخدم بطاقتين NVIDIA GTX 580 GPU، وكانوا أيضًا الفريق الوحيد في المسابقة الذي استخدم CUDA لتدريب الشبكة العصبية.

في ذلك الوقت، لاحظت Google أيضًا هذا الفريق. لقد وجدوا أن AlexNet استخدمت فقط بطاقتي GPU، وكانت النتائج مشابهة تقريبًا لتلك التي تم تدريبها بواسطة 16000 وحدة معالجة مركزية من Google. وسرعان ما أدركت الصناعة بأكملها أن GPU هي أفضل الأجهزة التي تدعم الذكاء الاصطناعي. ومن المحتمل أن تصبح إنفيديا مفتاح تطوير الذكاء الاصطناعي.

معاناة المنافسين: AMD مفتوحة المصدر، انتعاش إنتل، تطوير جوجل الذاتي

بمجرد فهم CUDA، عند النظر إلى منافسي إنفيديا، ستلاحظ أن كل خطوة منهم مقيدة بشدة من قبل إنفيديا. على سبيل المثال، اختارت AMD فتح المصدر. لقد طورت منصة مفتوحة المصدر تسمى ROCm، وهدفها هو استبدال CUDA. لكنها تشبه “لينكس لعصر الذكاء الاصطناعي”، مجانية، مفتوحة المصدر، ذات إمكانيات تقنية، وأكثر تكلفة. لكن بالنسبة للمستخدمين، فإن تكلفة الانتقال مرتفعة للغاية.

على سبيل المثال، اختارت إنتل تقسيم المسار. إنتل ذكية، حيث اعترفت مباشرة أن إنفيديا تتفوق بفارق كبير في سوق الذكاء الاصطناعي العالي. لذا، وضعت إنتل سلسلة شرائح Gaudi الخاصة بها في الأسواق الفرعية مثل الاستدلال على مستوى المؤسسات وتدريب النماذج الصغيرة والمتوسطة. ولكن هذا يعني أيضًا أن إنتل تخلى عن الجزء الأكثر ربحية في سوق شرائح الذكاء الاصطناعي.

على سبيل المثال، اختارت Google المواجهة بشكل مباشر. وقد أفادت Investopedia بأن هامش الربح لشركة إنفيديا في بيع وحدات معالجة الرسومات (GPU) يبلغ حوالي 80%، ويطلق عليها في الصناعة “ضريبة إنفيديا”. لتجنب دفع أسعار مرتفعة، بدأت Google تطوير تقنياتها الخاصة منذ عام 2015، مستخدمة نظاماً داخلياً يسمى TPU. بالمقارنة، فإن TPU مرتبط بعمق مع المنصات الداخلية لـ Google، مما لا يؤثر على مكانة إنفيديا.

لذا، كما ترى، فإن هؤلاء المنافسين الكبار ليسوا مجرد منافسة في الأداء، بل يتنافسون في الاستراتيجيات. جميعهم يفكرون في كيفية تجاوز CUDA، وتجاوز إنفيديا. لكن على الأقل في الوقت الحالي، لا يمكن لأحد أن يهزهم. جميع المتحدين يدورون حول الجبل، وهذا في حد ذاته هو أسمى تعبير عن الاحترام لهذا الجبل الذي يصعب تسلقه.

إلهام للمؤسسين: الخندق لا يمكن استبداله

إن إنفيديا انتقلت من عدم الاكتراث بها إلى أن أصبحت محط أنظار الجميع. على طول الطريق، كانت تجربة مذهلة حقًا. هناك من يعبر عن قلقه على الإنترنت: إن ارتفاع إنفيديا بهذا الشكل مرتفع جدًا، هل هذا مبالغ فيه، هل يمكن أن يكون فقاعة؟ هل ستكون إنفيديا هي سيسكو الثانية. في فترة فقاعة الإنترنت عام 2000، كانت سيسكو مزودًا لأجهزة الشبكة، وقد تجاوزت قيمتها في ذروتها 150 ضعفًا من نسبة السعر إلى الأرباح المستقبلية. لكن بعد انفجار الفقاعة، انهارت بشكل حاد.

في الواقع، هناك اختلافات جوهرية. تواجه سيسكو سوق البناء “لمرة واحدة”. عندما تم الانتهاء من “تمديد الأنابيب” في الإنترنت المبكر، توقفت نمو سيسكو بشكل طبيعي. بينما تواجه إنفيديا سوقًا ينمو باستمرار. على الأقل يبدو أن الذكاء الاصطناعي لا يزال ينمو في الوقت الحالي، لذا فإن هذه “سباق التسلح” لا يبدو أن لها نهاية. والأهم من ذلك، أن عملاء إنفيديا هم عمالقة مثل مايكروسوفت، جوجل، ميتا، الذين يعتبرون من بين الأكثر ثراءً في العالم. بالنسبة لهم، شراء رقائق إنفيديا ليست خيارًا، بل ضرورة للبقاء على قيد الحياة في عصر الذكاء الاصطناعي.

بالطبع، لا يمكن لأحد أن يتنبأ بما سيحدث في المستقبل. ربما في يوم من الأيام، قد يظهر نوع جديد من الخوارزميات التي قد تجعل الـ GPU غير مهم، مما يغير قواعد اللعبة بالكامل. لكن على الأقل في الوقت الحالي، يمكننا أن نتعلم درسًا مهمًا جدًا من إنفيديا. ما هو خندقك؟ ليس في الانشغال بـ “هل منتجي أفضل أو أسرع أو أرخص من المنافسين؟” ولكن يجب أن نسأل: “هل لمنتجي نظام بيئي يجعله لا يمكن للعملاء الاستغناء عنه؟”

في الحقيقة، إن القيمة السوقية البالغة 5 تريليون دولار لشركة إنفيديا هي أفضل إجابة على هذه المسألة. إنها تثبت أن أبسط وأهم منطق أساسي في عالم الأعمال. أعمق خندق دفاعي لا يتم بناؤه من خلال السعر والأداء، بل يجب أن يجعلك لا غنى عنه.