Nvidia تغيّر نموذج تحقيق الإيرادات: حوسبة للشركات الناشئة في مجال الذكاء الاصطناعي الآن والدفع لاحقًا
أعلنت Nvidia عن آلية جديدة للتعامل مع مزوّدي الحوسبة السحابية للذكاء الاصطناعي: فبدلًا من بيع الرقائق مباشرة، تقترح الشركة نموذجًا لتقاسم الإيرادات ودعمًا ائتمانيًا. ويُفترض أن يتيح ذلك الحصول على كميات كبيرة من وحدات GPU للشركات التي لم تكن لتتحمل كلفة شرائها بطريقة أخرى. وبذلك تغيّر Nvidia نموذج تحقيق الإيرادات من عتادها نفسه.
معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
أعلنت Nvidia عن آلية جديدة للتعامل مع مزوّدي الحوسبة السحابية للذكاء الاصطناعي: فبدلًا من بيع الرقائق مباشرة، تقترح الشركة نموذجًا لتقاسم الإيرادات (revenue-sharing) ودعمًا ائتمانيًا، كي تحصل على وحدات GPU شركات لم تكن لتتحمل كلفتها بطريقة أخرى.
كيف تعمل الآلية الجديدة من Nvidia
وفق ما ذكرته الشركة، فإنها تغيّر نموذج تحقيق الإيرادات من رقائقها نفسه. فقد كان مزوّدو الحوسبة السحابية والشركات الناشئة يشترون وحدات GPU مباشرة، أما الآن فتتيح Nvidia الوصول إلى كميات كبيرة من القدرات الحاسوبية ضمن اتفاقيات لتقاسم الإيرادات ودعم ائتماني.
- تنتقل Nvidia من البيع المباشر للرقائق إلى نموذج تقاسم الإيرادات (revenue-sharing)
- تشمل الآلية دعمًا ائتمانيًا لمزوّدي الحوسبة السحابية للذكاء الاصطناعي
- الهدف هو إتاحة وحدات GPU للشركات التي لا تستطيع تحمّل كلفة الشراء المباشر
- يحصل المزوّدون على القدرات الحاسوبية دون الحاجة إلى دفع كامل الثمن مقدّمًا
لماذا تغيّر Nvidia نموذج تحقيق الإيرادات
ما زال الطلب على وحدات GPU لتدريب نماذج الذكاء الاصطناعي وتشغيلها يتجاوز المعروض، وتبقى كلفة الرقائق المتقدمة فوق طاقة كثير من الشركات الناشئة ومزوّدي الحوسبة السحابية الصغار. ويخفض تقاسم الإيرادات والدعم الائتماني حاجز الدخول: تحصل الشركات على القدرات الحاسوبية الآن، وتسدّد ثمنها تدريجيًا مع نمو إيراداتها من استخدامها.
وبالنسبة إلى Nvidia، تتيح هذه الآلية توسيع قاعدة العملاء لتشمل جهات لم تكن لتتمكن أصلًا من شراء وحدات GPU مباشرة، وفي الوقت نفسه ربط هذه الجهات بمنظومتها على المدى الطويل، لا عبر صفقة بيع لمرة واحدة كما في المبيعات المعتادة. فالشركة تتحمل عمليًا جزءًا من المخاطر المالية التي كانت تقع بالكامل على مشتري الرقائق.
كما تساعد هذه الآلية Nvidia على الحفاظ على مكانتها في ظل تنامي المنافسة من مصنّعي المسرّعات البديلة، ومحاولات منصات الحوسبة السحابية الكبرى تطوير رقائق خاصة بها. فحين تقدّم الشركة أداة تمويلية للحصول على العتاد إلى جانب العتاد نفسه، فإنها تندمج في النموذج التجاري للعميل على مستوى أعمق من مورّد المعدات التقليدي.
من المستفيد من الآلية الجديدة
أكثر المستفيدين من تغيير القواعد هم مزوّدو الحوسبة السحابية للذكاء الاصطناعي المتوسطون والصغار، فهم الأكثر عرضة لموقف يوجد فيه طلب على الحوسبة من عملائهم، لكن لا يتوافر لديهم رأس المال لشراء وحدات GPU بكامل كلفتها. ويحوّل تقاسم الإيرادات النفقات الرأسمالية الكبيرة لمرة واحدة إلى مدفوعات موزّعة على فترة زمنية ومرتبطة بالاستخدام الفعلي للقدرات.
أما بالنسبة إلى اللاعبين الأكبر القادرين أصلًا على الشراء المباشر، فالتغييرات أقل أهمية، لكن الدعم الائتماني من Nvidia قد يتيح لهم هم أيضًا توسيع أسطول وحدات GPU بسرعة أكبر دون انتظار جولة التمويل التالية. كما تقلّل هذه الآلية من خطر تكدّس المخزون لدى Nvidia: فبدلًا من انتظار أن يتوافر لدى المشترين المحتملين رأس المال اللازم للشراء الكامل، تورّد الشركة الرقائق فورًا ضمن اتفاقيات ممولة، فتصل وحدات GPU إلى التشغيل الفعلي بسرعة أكبر بدل أن تبقى في الميزانية بانتظار إتمام الصفقة.
ماذا يعني ذلك
انتقال Nvidia من المبيعات لمرة واحدة إلى نموذج تقاسم الإيرادات مؤشر على أن سوق وحدات GPU للذكاء الاصطناعي يقترب من نقطة لا يتطلب فيها استمرار نمو المبيعات رقائق أقوى فحسب، بل آليات مالية جديدة تخفض حاجز الدخول أمام اللاعبين الأقل رسملة. وبذلك تتحول Nvidia عمليًا من مصنّع للعتاد إلى دائن لمنظومتها الخاصة، ما يعني أن نتائجها المالية مستقبلًا ستكون أوثق ارتباطًا بنجاح مزوّدي الحوسبة السحابية للذكاء الاصطناعي الذين تتيح لهم الوصول إلى الحوسبة. وهذا بالنسبة إلى السوق عمومًا إشارة إضافية إلى مدى تأثير المنافسة على وحدات GPU في الشروط التي تتطور بها صناعة الذكاء الاصطناعي بأكملها.
- 28 أكتوبر 2026Liquid AI تطلق LFM2.5-24B-A2B: وكيل ذكي بمعاملات نشطة لا تتجاوز 2B
- 28 أكتوبر 2026PyTorch 2.15 يسرّع نماذج MoE على Mac بمعدل 5–6.5 أضعاف ويضيف دعم FP8
- 28 أكتوبر 2026Anthropic تقدّم طلب S-1 للاكتتاب العام بتقييم 2 تريليون دولار: هامش 85% وربح في الربع الثاني
- 28 أكتوبر 2026NVIDIA Kumo Relational يتفوق على نماذج التعلم الخاضع للإشراف في 41 مهمة دون تدريب
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تعمل الآلية الجديدة من Nvidia؟
وفق ما ذكرته الشركة، فإنها تغيّر نموذج تحقيق الإيرادات من رقائقها نفسه. فقد كان مزوّدو الحوسبة السحابية والشركات الناشئة يشترون وحدات GPU مباشرة، أما الآن فتتيح Nvidia الوصول إلى كميات كبيرة من القدرات الحاسوبية ضمن اتفاقيات لتقاسم الإيرادات ودعم ائتماني. تنتقل Nvidia من البيع المباشر للرقائق إلى نموذج تقاسم الإيرادات (revenue-sharing) تشمل الآلية دعمًا ائتمانيًا لمزوّدي الحوسبة السحابية للذكاء الاصطناعي الهدف هو إتاحة وحدات GPU للشركات التي لا تستطيع تحمّل كلفة الشراء المباشر يحصل المزوّدون على القدرات الحاسوبية دون الحاجة إلى دفع كامل الثمن مقدّمًا
ما أبرز التفاصيل حول لماذا تغيّر Nvidia نموذج تحقيق الإيرادات؟
ما زال الطلب على وحدات GPU لتدريب نماذج الذكاء الاصطناعي وتشغيلها يتجاوز المعروض، وتبقى كلفة الرقائق المتقدمة فوق طاقة كثير من الشركات الناشئة ومزوّدي الحوسبة السحابية الصغار. ويخفض تقاسم الإيرادات والدعم الائتماني حاجز الدخول: تحصل الشركات على القدرات الحاسوبية الآن، وتسدّد ثمنها تدريجيًا مع نمو إيراداتها من استخدامها. وبالنسبة إلى Nvidia، تتيح هذه الآلية توسيع قاعدة العملاء لتشمل جهات لم تكن لتتمكن أصلًا من شراء وحدات GPU مباشرة، وفي الوقت نفسه ربط هذه الجهات بمنظومتها على المدى الطويل، لا عبر صفقة بيع لمرة واحدة كما في المبيعات المعتادة. فالشركة تتحمل عمليًا جزءًا من الم
ما أبرز التفاصيل حول من المستفيد من الآلية الجديدة؟
أكثر المستفيدين من تغيير القواعد هم مزوّدو الحوسبة السحابية للذكاء الاصطناعي المتوسطون والصغار، فهم الأكثر عرضة لموقف يوجد فيه طلب على الحوسبة من عملائهم، لكن لا يتوافر لديهم رأس المال لشراء وحدات GPU بكامل كلفتها. ويحوّل تقاسم الإيرادات النفقات الرأسمالية الكبيرة لمرة واحدة إلى مدفوعات موزّعة على فترة زمنية ومرتبطة بالاستخدام الفعلي للقدرات. أما بالنسبة إلى اللاعبين الأكبر القادرين أصلًا على الشراء المباشر، فالتغييرات أقل أهمية، لكن الدعم الائتماني من Nvidia قد يتيح لهم هم أيضًا توسيع أسطول وحدات GPU بسرعة أكبر دون انتظار جولة التمويل التالية. كما تقلّل هذه الآلية من خطر ت
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.