في 21 يوليو 2026 (بتوقيت بكين)، أغلقت أسهم Alphabet عند $351.37، بارتفاع قدره %1.52 خلال اليوم. في نفس اليوم، أغلقت أسهم NVIDIA عند $203.28، مع مكسب بنسبة %0.23.
كان وراء هذا التباين في الأسعار تقرير صادر عن منصة الإعلام التقني The Information: تعمل Google على تطوير شريحة خادم جديدة تحمل الاسم الرمزي الداخلي Frozen v2، بهدف دمج جزء من بنية نموذج Gemini الكبير بشكل دائم في السيليكون. سيتيح ذلك أداء معالجة الرموز بمعدل أعلى بـ6 إلى 10 مرات لكل وحدة طاقة مقارنةً بوحدة TPU الحالية. في اليوم الذي انتشر فيه الخبر، ارتفعت أسهم Alphabet بنسبة تقارب %3.7 خلال التداولات اليومية.
شريحة من المقرر نشرها بعد عامين دفعت السوق إلى الاستثمار في مخطط مستقبلي. المنطق وراء ذلك يتجاوز إطلاق شريحة ذكاء اصطناعي جديدة؛ فهو يشير إلى احتمال إعادة كتابة قواعد المنافسة في بنية الذكاء الاصطناعي.
لماذا تتحول عمالقة الحوسبة السحابية من شراء الشرائح إلى تصميمها؟
على مدار العقد الماضي، تمحور هيكل السوق لبنية الذكاء الاصطناعي حول محور رئيسي واحد: وحدات معالجة الرسوميات من NVIDIA، ونظام CUDA البرمجي، ومراكز البيانات المتنامية باستمرار. كان هذا المسار واضحاً وفعالاً؛ حيث تتكيف شرائح الحوسبة العامة مع مختلف أعباء عمل الذكاء الاصطناعي، وتدفع وفورات الحجم نحو تقليل التكلفة وتحسين الأداء بشكل مستمر.
لكن هذا المشهد يتغير. المزودون الرئيسيون للحوسبة السحابية يتجهون جماعياً نحو تصميم شرائحهم الخاصة:
| الشركة | الشريحة المملوكة | التقدم المحرز |
|---|---|---|
| TPU (وحدة معالجة التينسور) | وصلت إلى الجيل السابع Ironwood، ستنشر في 2026 | |
| Amazon | Trainium / Inferentia | الإيرادات السنوية تجاوزت $20 مليار في أوائل 2026 |
| Microsoft | Maia 200 | أُطلقت في يناير 2026، تستخدم تقنية 3nm |
| Meta | MTIA (Iris) | مخطط لإنتاجها بكميات كبيرة في سبتمبر 2026 |
هذا الاتجاه مدفوع بعدة عوامل. أولها التكلفة. شرائح TPU الداخلية لدى Google يمكن أن تقلل تكاليف الحوسبة للذكاء الاصطناعي بنسبة تصل إلى %30. بلغت أعمال شرائح AWS المملوكة إيرادات سنوية قدرها $20 مليار في أوائل 2026. مع تحول استدلال الذكاء الاصطناعي من "هل يمكن تحقيقه؟" إلى "هل هو مجدي اقتصادياً؟"، تصبح تكلفة الرمز الواحد هي المتغير التنافسي المركزي.
العامل الثاني هو أمان التوريد. أصبحت نقص القدرة الحوسبية قضية داخلية عاجلة في Google. تشير التقارير إلى أن عدم كفاية القدرة لا يزيد فقط من المنافسة الداخلية على الموارد، بل يجبر Google Cloud أيضاً على رفض بعض الشراكات مع العملاء الخارجيين. في يونيو 2026، وافقت Google على دفع ما يقارب $1 مليار شهرياً لـ SpaceX لسد فجوة الحوسبة. في الربع الأول من 2026، بلغت النفقات الرأسمالية لـ Alphabet $35.7 مليار، مع رفع التوجيه السنوي إلى $180–190 مليار، أي ضعف ما أنفقته في 2025 ($91.4 مليار). في نفس الربع، وصلت إيرادات Google Cloud إلى $20 مليار، بزيادة %63 على أساس سنوي، وقفزت قيمة العقود المتراكمة من $240 مليار في الربع السابق إلى $462 مليار. صرّحت الإدارة في مكالمة الأرباح أن الطلب على الذكاء الاصطناعي غير مسبوق وأن الشركة لا تزال مقيدة بسعة الحوسبة.
عندما يتفوق نمو الطلب باستمرار على توسع العرض، يتحول تطوير الشرائح المملوكة من "اختياري" إلى "إجباري".
منطق "التجميد" في Frozen v2: لماذا يؤدي دمج بنية النموذج في السيليكون إلى زيادة الكفاءة عشرة أضعاف؟
لفهم قيمة Frozen v2، من المهم أولاً استيعاب كيفية عمل شرائح الذكاء الاصطناعي التقليدية.
في البنى التقليدية، يتم تخزين نماذج الذكاء الاصطناعي في الذاكرة. تقرأ الشرائح الأوزان والمعلمات البنيوية من الذاكرة، وتقوم بالحسابات في وحدات المعالجة، ثم تكتب النتائج مرة أخرى إلى الذاكرة. لكل رمز يتم إنتاجه، تمر هذه العملية بدورة كاملة. يستهلك جزء كبير من الطاقة في نقل البيانات، بينما تشكل الحسابات الفعلية نسبة أقل.
تتبع Frozen v2 نهجاً مختلفاً: فهي تدمج بنية الشبكة العصبية لنموذج Gemini—بما في ذلك الهيكل الهرمي، وآليات الانتباه متعدد الرؤوس، والاتصالات المتبقية، وغيرها من المكونات الأساسية—مباشرة في الدوائر الفيزيائية أثناء تصميم الشريحة. تصبح البنى التي كانت تتطلب تقرأ وحسابات متكررة جزءاً من الدائرة نفسها.
يعرف هذا المفهوم في صناعة أشباه الموصلات باسم ASIC (الدائرة المتكاملة الخاصة بالتطبيق). أجهزة تعدين Bitcoin هي ASIC، وكذلك معالجات الصور في الهواتف الذكية—تضحي بالعمومية من أجل كفاءة عالية في مهمة محددة. لكن لم يجرؤ أحد على بناء ASIC للنماذج الكبيرة حتى الآن، لأن دورات تطوير النموذج سريعة، ودورات تصميم الشريحة طويلة، وبحلول وقت تصنيع الشريحة قد يصبح النموذج قديماً بالفعل.
رهان Frozen v2 هو أن بنية Gemini الأساسية أصبحت مستقرة بما يكفي لتشفيرها في السيليكون. منذ إصدار Gemini 1.0 في ديسمبر 2023 حتى 3.5 Flash، لم تتغير المكونات الأساسية لبنية Transformer—الانتباه متعدد الرؤوس، الشبكات التغذوية الأمامية، تطبيع الطبقات—تغيراً جوهرياً. حدثت الابتكارات الحقيقية في حجم النموذج، وبيانات التدريب، وتحسين ما بعد التدريب، وليس على مستوى البنية التحتية.
Frozen v2 يقفل البنية، لكن يمكن تحديث الأوزان. كانت خطة Frozen v1 الأصلية تهدف إلى دمج كل من بنية النموذج والأوزان، لكن Google تخلت عن هذا النهج لأن الشريحة كانت قادرة فقط على تشغيل إصدار واحد من Gemini، ما يجعلها قديمة مع كل تحديث للنموذج. الحل في Frozen v2 هو "قفل الهيكل وليس التفاصيل".
من منظور تدفق البيانات، تتوزع مكاسب الكفاءة في Frozen v2 على النحو التالي:
دمج بنية النموذج في السيليكون → تقليل فك التعليمات وقراءة المعلمات → تقليل حركة البيانات بين الشريحة والذاكرة → انخفاض استهلاك الطاقة لكل رمز → زيادة معالجة الرموز لكل وحدة طاقة بمعدل 6–10 أضعاف
يشير التقرير إلى أن شرائح Frozen ستصبح فرعاً أكثر تخصصاً ضمن محفظة الشرائح المملوكة لـ Google، ولن تحل محل وحدات TPU العامة. حالياً، تعتبر Google Frozen v2 مشروعاً تجريبياً، ولا توجد خطط لإنتاجها بكميات كبيرة على غرار وحدات TPU. ومن المتوقع نشرها في 2028.
من "سباق عدد وحدات GPU" إلى "منافسة تكلفة الرمز الواحد"
تكمن أهمية Frozen v2 ليس في إمكانية إنتاجها بكميات كبيرة، بل في التحول الذي تمثله في منطق المنافسة.
تاريخياً، كان المقياس الأساسي في منافسة شرائح الذكاء الاصطناعي هو "من يمتلك أكبر عدد من وحدات GPU". بنت NVIDIA تفوقاً لا يُضاهى في هذا المجال—بحلول أوائل 2026، كانت NVIDIA تسيطر على حوالي %86 من سوق مسرعات الذكاء الاصطناعي وشرائح مراكز البيانات. وتقدر TrendForce أن حصتها من سوق شرائح الذكاء الاصطناعي العالمي ستكون حوالي %64 في 2026. في الربع الأول من 2026 (الربع الأول المالي 2027 لـ NVIDIA)، بلغت إيرادات مراكز البيانات لدى NVIDIA $75.25 مليار، بزيادة %92 على أساس سنوي.
لكن Frozen v2 تشير إلى بعد تنافسي جديد: "من يستطيع توفير أكبر قدرة حوسبية للذكاء الاصطناعي بأقل تكلفة للوحدة". مع تحول تطبيقات الذكاء الاصطناعي من التدريب إلى الاستدلال واسع النطاق، ستحدد تكلفة الكهرباء والشرائح وتشغيل مراكز البيانات لكل رمز مدى جدوى نماذج الأعمال.
تتمتع Google بميزة هيكلية هنا: يمكن استيعاب وحدات TPU غير المستخدمة داخلياً—دمجها مباشرة في عمليات Google السحابية—بينما تفتقر NVIDIA إلى أعمال سحابية مماثلة الحجم لاستغلال الأجهزة الفائضة. يمنح ذلك Google مرونة أكبر في تخطيط السعة وإدارة المخاطر لشرائحها المملوكة.
بالإضافة إلى ذلك، توسع Google نظام TPU إلى الأسواق الخارجية. تشير التقارير إلى أن Google تجري محادثات مع عدة مزودي خدمات سحابية احترافية "Neo-cloud"، وتشجعهم على إضافة خيارات TPU إلى خدماتهم. أصبحت Anthropic وApple وMeta عملاء خارجيين لوحدات TPU. وتبني Google مشروعاً مشتركاً مع Blackstone بسعة حوسبية قدرها 500 ميغاواط لوحدات TPU. إذا انتقلت المزيد من شركات التقنية إلى وحدات TPU أو الشرائح المملوكة لـ Google، فلن يؤدي ذلك فقط إلى تآكل حصة NVIDIA السوقية، بل قد يقلل أيضاً من قدرتها على التحكم في الأسعار.
ومع ذلك، تواجه هذه العملية قيوداً واقعية. TSMC هي عنق الزجاجة الذي يجب أن يمر منه جميع مصممي الشرائح؛ تعتمد Google على Broadcom كوسيط لتأمين السعة. يجري حالياً تحديد تخصيص 2027، وستعكس حصة Google مباشرة موقف TSMC تجاه أعمال TPU. في الوقت نفسه، تظل Google أحد أكبر عملاء NVIDIA، حيث تشتري عشرات الآلاف من وحدات GPU سنوياً لتدريب أكبر نماذجها. هذا التداخل بين "المنافس والعميل الأكبر" يجعل المشهد التنافسي أكثر تعقيداً.
تكاليف وحدود التخصص
المسار التقني لـ Frozen v2 ليس خالياً من التنازلات. يوضح التقرير أن الشريحة متوافقة فقط مع نماذج Gemini المستقبلية إذا حافظت Google على نفس البنية الأساسية. إذا تغيرت بنية النموذج، قد يصبح الجزء المدمج في السيليكون غير صالح للاستخدام.
في الوقت نفسه، تواجه أعمال الذكاء الاصطناعي لدى Google تحديات أكثر إلحاحاً. تشير التقارير إلى تأخر إصدار الجيل التالي من Gemini Pro، وانتقال عدد من كبار الباحثين في الذكاء الاصطناعي إلى المنافسين. تمثل النماذج الصينية الآن %45 من استخدام الرموز بين الشركات الأمريكية. بينما لا تزال الشرائح المتخصصة على خارطة طريق 2028، الأولويات الفورية لـ Google هي استقرار وتيرة تحديث النماذج والحفاظ على المواهب.
بالإضافة إلى ذلك، أكملت Alphabet مؤخراً تمويلاً بقيمة $84.75 مليار عبر إصدار أسهم—واحدة من أكبر الطروحات الثانوية في تاريخ الولايات المتحدة—بهدف بناء مراكز بيانات، ونشر وحدات TPU من الجيل السابع Ironwood، والاستمرار في شراء وحدات GPU من NVIDIA. لن تصل Frozen v2 حتى 2028؛ هذا التمويل يُصرف الآن.
الخلاصة
ارتفعت أسهم Alphabet بنسبة %1.52 على خلفية أخبار Frozen v2، بينما سجلت NVIDIA زيادة متواضعة قدرها %0.23. قد يعكس هذا الفارق تقدير السوق لنهجين تنافسيين مختلفين: أحدهما قائم على حاجز الحجم لشرائح الحوسبة العامة، والآخر على ثورة الكفاءة في شرائح الحوسبة المتخصصة.
لا تزال Frozen v2 مشروعاً تجريبياً، وجدول نشرها في 2028 يعني أنها لن تشكل تحدياً جوهرياً لمكانة NVIDIA السوقية على المدى القصير. مع ذلك، فإن الاتجاه الذي تشير إليه—من "من يمتلك أكبر عدد من وحدات GPU" إلى "من يستطيع توفير أكبر قدرة حوسبية للذكاء الاصطناعي بأقل تكلفة"—يصبح اتجاهاً هيكلياً عبر الصناعة.
من المتوقع أن ينمو سوق شرائح الذكاء الاصطناعي من حوالي $61.8 مليار في 2025 إلى نحو $84.2 مليار في 2026. في هذا السوق المتوسع بسرعة، سيحدد التفاعل بين التخصص والعمومية هيكل التكلفة وديناميكيات المنافسة لبنية الذكاء الاصطناعي خلال العقد القادم. يبقى نجاح Frozen v2 غير مؤكد، لكن العقلية التي يمثلها—تصميم الشرائح من أجل النماذج، بدلاً من إجبار النماذج على التكيف مع الشرائح—بدأت بالفعل في إعادة تشكيل النقاش حول الحوسبة للذكاء الاصطناعي.
الأسئلة الشائعة
س: ما مقدار التحسن في الأداء الذي تقدمه شريحة Frozen v2 من Google مقارنة بوحدات TPU الحالية؟
يقدر مهندسو Google أن Frozen v2 يمكن أن توفر أداء معالجة الرموز أعلى بـ6 إلى 10 مرات لكل وحدة طاقة مقارنة بأحدث وحدات TPU لدى الشركة. يأتي هذا التحسن بشكل رئيسي من دمج بنية نموذج Gemini في الشريحة، ما يقلل الطاقة المستهلكة في نقل البيانات والحسابات المتكررة.
س: هل ستستبدل Frozen v2 وحدات GPU من NVIDIA؟
ليس في المدى القريب. Frozen v2 شريحة متخصصة مصممة لنموذج Gemini؛ ولن تستبدل وحدات TPU العامة، فضلاً عن وحدات GPU من NVIDIA. لا تزال Google تشتري عشرات الآلاف من وحدات GPU من NVIDIA سنوياً لتدريب أكبر نماذجها.
س: متى سيتم نشر Frozen v2 رسمياً؟
تشير التقارير إلى أن هدف Google هو نشرها في 2028. المشروع حالياً يعتبر تجريبياً، ولا توجد خطط لإنتاجها بكميات كبيرة على غرار وحدات TPU.
س: لماذا تطور Alphabet شرائح ذكاء اصطناعي خاصة بها؟
الدوافع الرئيسية ثلاثة: تقليل الاعتماد على NVIDIA، التحكم في ارتفاع تكاليف الحوسبة، وتخفيف نقص القدرة الحوسبية الداخلي الحاد. في الربع الأول من 2026، بلغت إيرادات Google Cloud $20 مليار، بزيادة %63 على أساس سنوي، لكن القيود الحوسبية حدّت من النمو الإضافي.
س: ما هي مخاطر النهج التقني لـ Frozen v2؟
أكبر خطر هو تكلفة عدم المرونة. الشريحة متوافقة فقط مع إصدارات Gemini اللاحقة التي تستخدم نفس البنية الأساسية. إذا تغيرت بنية النموذج، قد يصبح التصميم المدمج في السيليكون غير صالح للاستخدام. بالإضافة إلى ذلك، دورات تصميم الشرائح أطول من دورات تحديث النماذج، ولهذا لم يجرؤ أحد سابقاً على بناء ASIC للنماذج الكبيرة.
