من عام 2023 إلى عام 2025، كان السرد الأساسي في صناعة رقائق الذكاء الاصطناعي يدور حول "سباق التسلح من أجل قوة الحوسبة". حيث تسابق مزودو خدمات السحابة والعمالقة التقنيون لشراء وحدات معالجة الرسومات (GPU)، وتوسيع مراكز البيانات، واستثمار مئات المليارات من الدولارات في بنية تحتية للحوسبة السحابية. وقد رسخت NVIDIA، مستفيدة من نظام CUDA البيئي وسلسلة وحدات معالجة الرسومات عالية الأداء لديها، موقعاً شبه حصين في السوق خلال هذه الفترة.
ومع دخولنا عام 2026، تشهد الصناعة تحولاً جوهرياً في منطقها. إذ تتناقص العوائد الهامشية لتكاليف تدريب النماذج الكبيرة، ويزداد الطلب على استدلال الذكاء الاصطناعي بشكل كبير، وتتحول الشركات من التركيز على "هل يمكننا تدريب النماذج؟" إلى "هل يمكننا نشرها على نطاق واسع؟". ينتقل سوق رقائق الذكاء الاصطناعي من المرحلة الأولى لبناء البنية التحتية إلى المرحلة الثانية—منافسة الكفاءة التجارية.
مراجعة المرحلة الأولى: هيمنة بناء البنية التحتية
بين عامي 2023 و2025، كان المحرك الرئيسي في سوق رقائق الذكاء الاصطناعي هو الطلب الشره على قوة الحوسبة لتدريب النماذج الكبيرة. استغلت NVIDIA هذه الفرصة، وحولت وحدات معالجة الرسومات من أدوات لمعالجة الرسومات إلى "عملة الحوسبة" لعصر الذكاء الاصطناعي.
في السنة المالية 2026، بلغت إيرادات NVIDIA الإجمالية $215.9 مليار، بزيادة %65 على أساس سنوي، متجاوزة حاجز $200 مليار لأول مرة. من ذلك، وصلت إيرادات مراكز البيانات إلى $193.7 مليار، بزيادة %68، مساهمةً بنحو %90 من دخل الشركة. وفي الربع الرابع وحده، بلغت إيرادات مراكز البيانات $62.3 مليار، بزيادة %22 على أساس ربعي و%75 على أساس سنوي. تجاوزت الرؤية المجمعة للإيرادات لمنصتي Blackwell وRubin حاجز $500 مليار بنهاية 2026.
كان الخندق التنافسي لـNVIDIA في هذه المرحلة مبنياً ليس فقط على أداء الأجهزة، بل أيضاً على التقييد العميق لنظام CUDA البرمجي البيئي. اعتاد المطورون على بناء تطبيقات الذكاء الاصطناعي على CUDA، بينما بني مزودو السحابة البنية التحتية حول وحدات معالجة الرسومات من NVIDIA، مما جعل تكاليف الانتقال مرتفعة للغاية. هذا التفوق الشامل "أجهزة + برمجيات + نظام" مكن NVIDIA من الاستحواذ على نحو %80 من سوق مسرّعات الذكاء الاصطناعي في مراكز البيانات.
في المقابل، تقدمت AMD بسلسلة منتجات Instinct GPU، لكن حصتها السوقية بقيت بين %5 و%7، مع اتساع الفجوة المطلقة. وقد قدمت شركة Futurum Group تقديراً أكثر تحفظاً، حيث قدرت حصة AMD في سوق وحدات معالجة الرسومات لمراكز البيانات بنحو %4.5.
بداية المرحلة الثانية: من قوة التدريب إلى كفاءة الاستدلال
بعد عام 2026، تشهد ديناميكيات المنافسة في سوق رقائق الذكاء الاصطناعي تحولاً هيكلياً. التحول الأساسي: التركيز السوقي ينتقل من "قوة التدريب" إلى "كفاءة الاستدلال"، ومن "حجم شراء وحدات معالجة الرسومات" إلى "تحسين التكلفة وحجم النشر التجاري".
هناك عدة عوامل تدفع هذا التغيير. أولاً، استكملت الاستثمارات الكبرى في تدريب النماذج الكبيرة، واحتياطيات الحوسبة لدى اللاعبين الرئيسيين وصلت إلى التشبع. ثانياً، تنتقل تطبيقات الذكاء الاصطناعي من مستوى العرض التجريبي إلى مستوى الإنتاج الفعلي، مع زيادة أعباء الاستدلال بشكل سريع—تقدّر AMD رسمياً أن أعباء الاستدلال تنمو الآن بأكثر من %80. ثالثاً، أصبحت الشركات تركز على إجمالي تكلفة الملكية عند اتخاذ قرارات الشراء، بدلاً من السعي وراء أعلى قوة حوسبة فقط.
تتوقع J.P. Morgan أن يصل سوق رقائق الشبكات الخاصة بالذكاء الاصطناعي إلى $107.5 مليار في 2026، ويرتفع إلى $154.9 مليار في 2027. وقد رفعت منظمة إحصاءات تجارة أشباه الموصلات العالمية توقعاتها لسوق أشباه الموصلات العالمي لعام 2026 من $975.4 مليار إلى $1.51 تريليون، بزيادة %89.9 على أساس سنوي. السوق يتوسع، لكن منطق تقسيم الكعكة يتغير.
هجوم AMD: من "بديل منخفض التكلفة" إلى "سرد قوة التسعير"
استراتيجية AMD لمنافسة NVIDIA تطورت بوضوح في هذه المرحلة الثانية.
في الربع الأول من 2026، بلغت إيرادات AMD $10.25 مليار، بزيادة %37.85 على أساس سنوي، وقفز صافي الربح بنسبة %95 ليصل إلى $1.38 مليار. وصلت إيرادات مراكز البيانات إلى $5.8 مليار، بزيادة %57، لتصبح المحرك الرئيسي لنمو AMD. وتتوقع الشركة أن تبلغ إيرادات الربع الثاني نحو $11.2 مليار، بزيادة تقارب %46 على أساس سنوي.
على مستوى المنتجات، خارطة طريق AMD واضحة وطموحة. سلسلة Instinct MI400، المبنية على تقنية TSMC بدقة 2 نانومتر ومعمارية CDNA Next، تضم 432GB من ذاكرة HBM4، وعرض نطاق 19.6 TB/s، وقوة حوسبة 40 PFLOPs من FP4—أي ضعف أداء الجيل السابق. وقد حصلت السلسلة بالفعل على طلبات من Oracle وOpenAI ووزارة الطاقة الأمريكية.
الأكثر أهمية هو نظام Helios للذكاء الاصطناعي على مستوى الرفوف. يدمج هذا النظام بشكل محكم وحدات EPYC Venice من الجيل السادس، ووحدات MI450X GPU، ورقائق الشبكات Vulcano 800G، وأنظمة التبريد بالسائل، ليحقق أداءً يبلغ 2.9 exaFLOPS FP4 كحد أقصى لكل رف، وسعة إجمالية تصل إلى 31TB من HBM4.
ويأتي التحول الحقيقي من جانب العملاء. في يوليو 2026، أعلنت Microsoft أنها ستنشر حل Helios من AMD على Azure لدعم أعباء استدلال الذكاء الاصطناعي المتقدمة. يمثل ذلك أول نشر شامل لـAMD—وحدة معالجة الرسومات، وحدة المعالجة المركزية، والشبكات—لعميل سحابي واحد. سابقاً، وقعت Meta اتفاقيات بنية تحتية متعددة الأجيال للذكاء الاصطناعي بإجمالي يصل إلى 6 جيجاواط؛ كما أبرمت OpenAI وOracle وTCS الهندية التزامات كبيرة. ووفقاً لـAMD، ثمانية من أكبر عشر شركات ذكاء اصطناعي في العالم تشغل أعباء عملها على وحدات Instinct GPU.
يعتقد المحلل في Futurum Group، Daniel Newman، أن AMD يمكن أن ترفع حصتها السوقية في وحدات معالجة الرسومات لمراكز البيانات من %4.5 الحالية إلى بين %20 و%25. وتقدر Morgan Stanley أن طلب AMD على CoWoS سينمو بنسبة %308 في 2027.
خندق NVIDIA—والشقوق الناشئة
لا تقف NVIDIA مكتوفة الأيدي أمام المنافسين. منصة Rubin دخلت مرحلة الإنتاج الكامل، حيث تجمع وحدات معالجة الرسومات عالية الأداء مع وحدات Vera CPU لزيادة سرعة معالجة الرموز عشرة أضعاف بتكلفة أقل. وتدعم معمارية Vera Rubin حتى 144 وحدة معالجة رسومات لكل خزانة، مع نسخ عالية المستوى تصل إلى 576 وحدة. أعلنت NVIDIA أنه بحلول نهاية 2026، ستصل الشحنات المجمعة لمنصتي Blackwell وRubin إلى 20 مليون وحدة.
ومع ذلك، فإن هيمنة NVIDIA ليست بلا شقوق. في الربع الثاني من السنة المالية 2026، بلغت إيرادات مراكز البيانات لدى NVIDIA $41.1 مليار—بزيادة %56 على أساس سنوي، لكنها أقل من توقعات المحللين البالغة $41.3 مليار. أكدت الشركة عدم وجود مبيعات لشريحة H20 المخصصة للسوق الصينية خلال الربع، ولا يتوقع شحنات للصين في توجيهات الربع الثالث أيضاً. في سوق خوادم مسرّعات الذكاء الاصطناعي بالصين، ارتفعت الحصة المجمعة للموردين المحليين من %41–%46 في 2025 إلى نحو %56 في 2026. تعيد ضوابط التصدير رسم المشهد التنافسي الإقليمي.
على جانب البرمجيات، يتآكل خندق CUDA الخاص بـNVIDIA أيضاً. إذ تتيح لغة SCALE الآن تشغيل ملفات CUDA الثنائية غير المعدلة على وحدات AMD GPU. وتقدم برمجيات ROCm 7.0 من AMD أداءً يفوق الجيل السابق بـ3.5 مرات، وهي متكاملة بعمق مع أطر العمل مفتوحة المصدر مثل vLLM وSGLang.
تكلفة الاستدلال: المعيار التنافسي الرئيسي في المرحلة الثانية
إذا كانت المرحلة الأولى تعرف بـ"أداء التدريب مقابل الدولار"، فإن المرحلة الثانية تتمحور حول "تكلفة الاستدلال لكل رمز".
في يوليو 2026، أفادت شركة Wafer المتخصصة في تحسين الاستدلال أن AMD MI355X، عند تشغيل نموذج GLM 5.2 مفتوح المصدر، قدمت تكاليف استدلال بنصف تلك الخاصة بـNVIDIA B200، مع %80 من الأداء. توصلت SemiAnalysis إلى نتائج مشابهة: في سيناريوهات الاستدلال التفاعلي، حققت AMD MI355X تكلفة استدلال لكل مليون رمز تبلغ حوالي $0.22، مقارنة بـ$0.30 لوحدة NVIDIA B200.
لخص رئيس قسم مراكز البيانات في AMD، Forrest Norrod، ميزة Helios الأساسية بأنها "أفضل إجمالي تكلفة ملكية وأقل تكلفة لكل رمز". هذا السرد مقنع للغاية في المرحلة الثانية—عندما تحتاج الشركات إلى توسيع نشر الذكاء الاصطناعي من التجارب إلى الإنتاج الفعلي، حتى الفروق الصغيرة في تكلفة الاستدلال يمكن أن تتحول إلى مليارات الدولارات من النفقات التشغيلية.
بالطبع، لا تزال NVIDIA تتصدر الأداء على مستوى الرفوف في الاستدلال. إذ يمكن لـGB200 NVL72، مع الربط الداخلي NVLink على مستوى الخزانة وتنسيق البرمجيات، تقديم معدل نقل يصل إلى 28 ضعفاً مقارنة بـAMD MI350X في بعض السيناريوهات. ومع ذلك، تنتقل AMD باستراتيجيتها من "ملاحقة الأداء" إلى "قيادة التكلفة".
الخلاصة
انتقل سوق رقائق الذكاء الاصطناعي من المرحلة الأولى لبناء البنية التحتية إلى المرحلة الثانية لمنافسة الكفاءة التجارية. هذا التحول يوسع المشهد التنافسي من التركيز الأحادي على "قوة التدريب" إلى منافسة متعددة الأبعاد تشمل "كفاءة الاستدلال، تحسين التكلفة، وحجم النشر التجاري".
لا تزال NVIDIA، بنظامها البيئي CUDA وقدراتها الشاملة وقاعدة عملائها الضخمة، تسيطر على نحو %80 من سوق مسرّعات الذكاء الاصطناعي في مراكز البيانات. لكن AMD تبني نظاماً تنافسياً مميزاً يتمحور حول "إجمالي تكلفة الملكية" و"تكلفة كل رمز" من خلال حل Helios للرفوف، وسلسلة MI400، ونظام ROCm مفتوح المصدر. تظهر قرارات الشراء لدى العملاء الرئيسيين مثل Microsoft وMeta وOpenAI أن الطلب السوقي على "مصدر ثانٍ" حقيقي ويتسارع.
في المرحلة الثانية من المنافسة على رقائق الذكاء الاصطناعي، لن يكون الفائز هو الشركة التي تبني أقوى شريحة، بل تلك التي تساعد الشركات على نشر الذكاء الاصطناعي من المختبر إلى الإنتاج بأقل تكلفة وأعلى كفاءة.
الأسئلة الشائعة
س1: ما الفرق الجوهري بين المرحلة الأولى والثانية من المنافسة على رقائق الذكاء الاصطناعي؟
المرحلة الأولى (2023–2025) ركزت على بناء بنية تحتية للذكاء الاصطناعي، مع طلب أساسي على شراء وحدات معالجة الرسومات، وتوسيع مراكز البيانات، والاستثمار في الحوسبة السحابية. كان التركيز التنافسي على قوة التدريب. أما المرحلة الثانية (بعد 2026) فانتقلت إلى تجارية الذكاء الاصطناعي، حيث يعطي السوق الأولوية لتكلفة الاستدلال، وكفاءة الطاقة، وحجم نشر الشركات. يتحول التركيز من "هل يمكننا التدريب؟" إلى "هل يمكننا التوسع وتحقيق الأرباح؟"
س2: كيف تتحدى AMD هيمنة NVIDIA في السوق؟
تطورت استراتيجية AMD من "بديل منخفض التكلفة" إلى "سرد قوة التسعير". حصل نظام Helios للرفوف على شراء شامل من Microsoft بسعر يزيد بنحو %40 عن Rubin من NVIDIA، مما يثبت أن السوق مستعد لدفع قيمة مميزة. تقدم سلسلة MI400 سعة ذاكرة وعرض نطاق يفوق Rubin بـ1.5 مرة، وتقدم ROCm 7.0 أداء برمجياً يفوق الجيل السابق بـ3.5 مرات. مع عملاء رئيسيين مثل Meta وMicrosoft، تنتقل AMD من "تابع" إلى "مزود بديل".
س3: هل يتآكل خندق نظام CUDA البيئي الخاص بـNVIDIA؟
نعم. تتيح لغة SCALE الآن تشغيل ملفات CUDA الثنائية غير المعدلة مباشرة على وحدات AMD GPU، مما يكسر احتكار NVIDIA البرمجي الذي دام 15 عاماً. كما أن ROCm 7.0 من AMD متكامل بعمق مع أطر الاستدلال مفتوحة المصدر مثل vLLM وSGLang. ورغم أن CUDA لا تزال المعيار الصناعي، إلا أن "تفردها" بين أنظمة المطورين بدأ يتلاشى.
س4: لماذا تعتبر تكلفة الاستدلال مهمة جداً في المرحلة الثانية من المنافسة؟
مع انتقال الذكاء الاصطناعي من العرض التجريبي إلى النشر الإنتاجي الواسع، تحدد تكلفة الاستدلال بشكل مباشر جدوى النماذج التجارية. تقدم AMD MI355X تكلفة استدلال لكل مليون رمز تبلغ حوالي $0.22، مقارنة بـ$0.30 لوحدة NVIDIA B200. بالنسبة لتطبيقات الذكاء الاصطناعي واسعة النطاق التي تعالج مليارات الرموز يومياً، يعني هذا الفرق توفير مئات الملايين من الدولارات سنوياً. في المرحلة الثانية، من يستطيع تقديم تكلفة أقل لكل رمز دون التضحية بالأداء لديه أفضل فرصة للفوز بطلبات النشر التجاري واسعة النطاق.
