OpenAI تعلن أول شريحة مخصصة لها من إنتاج Broadcom

لعدة سنوات، كان اسم إنفيديا يختصر مشهد تشغيل نماذج الذكاء الاصطناعي. كل استجابة سريعة من روبوت محادثة، كل صورة مولَّدة، وكل سطر كود ينتجه نموذج لغوي يعتمد في الخلفية على وحدات معالجة رسومية قوية تستهلك طاقة هائلة. لكن هذا الاعتماد بدأ يتصدع تدريجياً، ومع إعلان OpenAI عن أول شريحة مخصصة لها بالتعاون مع Broadcom، يبدو أن مرحلة جديدة من بناء البنية التحتية للذكاء الاصطناعي قد بدأت.

المعالج الجديد، الذي يحمل اسم Jalapeño، صُمم خصيصاً لعمليات الاستدلال، أي تشغيل النماذج بعد تدريبها للاستجابة لطلبات المستخدمين. بخلاف مرحلة التدريب المكلفة حسابياً، تمثل الاستجابة الفورية للمستخدم عبئاً تشغيلياً يومياً ومتكرراً، وهنا تحديداً تتركز المعركة الاقتصادية الحقيقية.

تقول الشركة إن النتائج الأولية تظهر أداءً أعلى لكل واط مقارنةً بالبدائل الحالية، وهي عبارة قد تبدو تقنية، لكنها في الواقع تمس جوهر المعادلة: تكلفة أقل لكل استجابة، واستهلاك طاقة أدنى، وكفاءة أعلى في مراكز البيانات.

لسنوات، كانت شركات الذكاء الاصطناعي الكبرى مضطرة للوقوف في طابور شراء وحدات معالجة الرسوميات من إنفيديا. ومع ازدياد الطلب العالمي على تسريع النماذج اللغوية، تحولت هذه الوحدات إلى مورد استراتيجي نادر ومكلف.

تحرك OpenAI ليس معزولاً. غوغل طورت وحدات TPU الخاصة بها، وأمازون بنت معالجات Trainium وInferentia لخدمات AWS. الرسالة واضحة: من يريد السيطرة على اقتصاديات الذكاء الاصطناعي لا يكفيه تطوير النموذج، بل عليه امتلاك السيليكون الذي يشغّله.

اللافت في إعلان OpenAI أنها لا تتحدث فقط عن نماذج رائدة أو منتجات مثل أدوات البرمجة الذكية، بل عن تصميم المعمارية، وأنظمة الذاكرة، والأنوية، وجدولة المهام. بمعنى آخر، الشركة تتحرك عمودياً عبر كامل المكدس التقني، من تجربة المستخدم حتى الشريحة الفيزيائية.

هذا التوجه نحو التكامل الرأسي يعكس تحولا في صناعة الذكاء الاصطناعي: لم يعد التفوق مرتبطاً بالخوارزمية وحدها، بل بكيفية تكييف البرمجيات والبنية التحتية معاً. حين تُصمم الشريحة حول عبء عمل محدد، يمكن تحسين الاتصال الداخلي، وتقليل زمن الاستجابة، وإعادة توزيع الأحمال بذكاء أعلى.

مع تزايد الاستخدام اليومي لنماذج اللغة والتطبيقات الوكيلة، تصبح كل ملي ثانية وكل واط ذا معنى تجاري. الاستدلال هو ما يدفع الفاتورة فعلياً، لأنه يحدث ملايين المرات يومياً. لذلك فإن أي تحسن في الأداء مقابل الطاقة قد يترجم إلى وفورات بمئات الملايين على مستوى مراكز البيانات.

ومن المرجح أن تبقى عمليات التدريب الضخمة معتمدة على عتاد إنفيديا في المدى القريب، لكن تخفيف ضغط الاستدلال وحده كافٍ لإعادة رسم خريطة التكاليف. وهذا قد يمنح OpenAI قدرة أكبر على تسعير خدماتها التوليدية أو تقديم نماذج أكثر قوة دون رفع السعر على المستخدم النهائي.

عندما تبدأ شركات البرمجيات في تصميم رقائقها الخاصة، فهذا مؤشر على نضج تقني واقتصادي متقدم. لم يعد الذكاء الاصطناعي مجرد طبقة تطبيقية فوق الحوسبة السحابية، بل أصبح صناعة ثقيلة لها مصانع، وشركاء تصنيع، وسلاسل توريد معقدة.

خطوة OpenAI تكشف أن المنافسة القادمة لن تدور فقط حول من يملك النموذج الأكبر، بل حول من يملك البنية التحتية الأذكى والأكفأ. وفي عالم تتضاعف فيه أحمال العمل بسرعة، قد تكون الشريحة الصغيرة المخفية في عمق مركز بيانات هي العامل الفاصل بين الربحية والنزيف المستمر.

وربما في السنوات القليلة المقبلة، سننظر إلى هذا الإعلان لا كإطلاق معالج جديد فحسب، بل كلحظة انتقال من سباق نماذج إلى سباق بنى تحتية كاملة تعيد تعريف كيفية بناء وتشغيل الذكاء الاصطناعي على نطاق عالمي.