Investing.com – يتميز مسار النظام البيئي لأشباه الموصلات للذكاء الاصطناعي بمشهد متطور، مدفوعًا بالطلب المتزايد على القوة الحسابية اللازمة لتغذية تطورات الذكاء الاصطناعي.
وفقًا للمحللين في بنك باركليز، يقف القطاع عند منعطف حرج حيث تستمر الشهية العالمية للحلول التي تدعم الذكاء الاصطناعي، وخاصة نماذج اللغات الكبيرة، في تجاوز العرض والأداء الحاليين للرقائق.
أثار بيع أسماء شرائح الذكاء الاصطناعي، مثل NVIDIA (NASDAQ:)، بعد تقارير الأرباح، مخاوف بشأن ما إذا كان السوق قد وصل إلى ذروته.
ومع ذلك، يؤكد باركليز أن مستقبل الصناعة لا يزال مليئًا بالنمو، مدفوعًا بالاحتياجات الحسابية المتزايدة باستمرار لنماذج الذكاء الاصطناعي.
يشير بنك باركليز إلى أن النظام البيئي لأشباه الموصلات القائم على الذكاء الاصطناعي في المراحل الأولى من التكثيف، وتتميز هذه الفترة بقيود كبيرة على العرض.
وتشير التوقعات إلى أن الموارد الحاسوبية المطلوبة لتدريب الجيل القادم من حاملي شهادات الماجستير، والتي يصل حجم بعضها إلى 50 تريليون معلمة، هائلة.
تشير تقديرات الوساطة إلى أنه بحلول عام 2027، ستكون هناك حاجة إلى ما يقرب من 20 مليون شريحة فقط لتدريب هذه النماذج. يسلط هذا الرقم الضوء على الحقيقة الصارخة المتمثلة في أن الطلب على حوسبة الذكاء الاصطناعي ينمو بوتيرة أسرع بكثير مما تستطيع تكنولوجيا الرقائق الحالية مواكبته، حتى مع تحسن أداء مسرعات الذكاء الاصطناعي.
تصبح الفجوة بين الطلب على حوسبة الذكاء الاصطناعي وعرض الرقائق أكثر وضوحًا عند النظر في متطلبات التدريب لنماذج مثل GPT-5، والتي من المتوقع أن تتطلب زيادة في قوة الحوسبة بمقدار 46 مرة مقارنة بـ GPT-4.
ومع ذلك، خلال هذه الفترة نفسها، من المتوقع أن يصل التحسن في أداء الرقائق الرائدة، مثل الجيل التالي من بلاكويل من NVIDIA، إلى سبعة أضعاف فقط.
ومما يزيد من تفاقم هذه المشكلة هو القدرة المحدودة على إنتاج الرقائق، حيث أن شركة تصنيع أشباه الموصلات التايوانية (NYSE:)، على سبيل المثال، مقيدة بإنتاج يبلغ حوالي 11.5 مليون شريحة بلاكويل بحلول عام 2025.
ومما يزيد من التعقيد الطلب المتوقع على رقائق الاستدلال. الاستدلال، وهو المرحلة التي تولد فيها نماذج الذكاء الاصطناعي مخرجات بعد تدريبها، من المقرر أن يستهلك جزءًا كبيرًا من النظام البيئي الحسابي للذكاء الاصطناعي.
يشير باركليز إلى أن الاستدلال يمكن أن يمثل ما يصل إلى حوالي 40% من سوق رقائق الذكاء الاصطناعي، كما يتضح من ادعاءات NVIDIA بأن جزءًا كبيرًا من رقائقها يتم استخدامه لهذا الغرض. يمكن أن يتجاوز الطلب الإجمالي على الرقائق في كل من التدريب والاستدلال 30 مليون وحدة بحلول عام 2027.
وبينما تتصارع الصناعة مع هذه التحديات، يقترح باركليز اتباع نهج مزدوج المسار لسوق مسرعات الذكاء الاصطناعي، حيث يمكن أن تزدهر حلول السيليكون التجارية والمخصصة.
من ناحية، تتمتع شركات مثل NVIDIA وAMD (NASDAQ:) بوضع جيد يمكنها من توفير الرقائق للتدريب والاستدلال على نماذج الذكاء الاصطناعي الحدودية على نطاق واسع. من ناحية أخرى، من المرجح أن تستمر شركات التوسعة الفائقة – وهي الشركات التي تدير مراكز بيانات ضخمة – في تطوير السيليكون المخصص لأحمال عمل الذكاء الاصطناعي الأكثر تخصصًا.
سيسمح هذا النهج المنقسم بالمرونة في السوق ويدعم حالات الاستخدام المختلفة خارج نطاق LLM الكبير.
ومن المتوقع أن يلعب الاستدلال دورًا متزايد الأهمية، ليس فقط كمحرك للطلب ولكن أيضًا كمولد محتمل للإيرادات.
تشير الأساليب الجديدة لتحسين الاستدلال، مثل التعلم المعزز المطبق في أحدث نموذج “o1” من OpenAI، إلى إمكانية تحقيق اختراقات في أداء الذكاء الاصطناعي.
ومع تخصيص الموارد بشكل أفضل واستراتيجيات الاستدلال الفعالة من حيث التكلفة، يمكن أن يتحسن العائد على الاستثمار في نماذج الذكاء الاصطناعي بشكل كبير، مما يوفر حوافز لمواصلة الاستثمار في كل من البنية التحتية للتدريب والاستدلال.