Meta تبدأ إنتاج رقائق الذكاء الاصطناعي الخاصة بها في سبتمبر 2026 لتقليل اعتمادها على Nvidia
تخطط Meta لبدء إنتاج رقاقة خاصة بها لأنظمة الذكاء الاصطناعي في سبتمبر 2026، بحسب ما نقلته Reuters عن مذكرة داخلية للشركة. وتأتي هذه الخطوة ضمن استراتيجية تهدف إلى رفع القدرات الحاسوبية إلى 14 غيغاواط بحلول 2027 وتقليل الاعتماد على رقائق Nvidia. وتعتمد Meta منذ سنوات بشكل شبه كامل على وحدات معالجة الرسوميات من Nvidia في تدريب نماذجها وتشغيلها. ومن شأن الرقاقة الجديدة أن تمنحها قدرًا أكبر من التحكم في تكلفة القدرات الحاسوبية وتوافرها.
معالج بواسطة الذكاء الاصطناعي من 3DNews AI؛ بتحرير Hamidun News
تعتزم Meta Platforms (صنّفتها روسيا منظمة متطرفة وحظرت نشاطها على أراضيها) بدء إنتاج رقاقة خاصة بها لأنظمة الذكاء الاصطناعي في سبتمبر 2026، بحسب ما أوردته Reuters نقلًا عن مذكرة داخلية للشركة.
لماذا تحتاج Meta إلى رقائق خاصة بها
اعتمدت الشركة طوال سنوات بشكل شبه كامل على وحدات معالجة الرسوميات من Nvidia لتدريب نماذج الذكاء الاصطناعي وتشغيلها، شأنها في ذلك شأن معظم كبرى شركات التقنية. ومن المفترض أن يقلل تطوير رقاقة خاصة هذا الاعتماد، وأن يمنح Meta تحكمًا أكبر في تكلفة القدرات الحاسوبية وتوافرها، وهي القدرات التي لا تزال تمثل الاختناق الرئيسي لصناعة الذكاء الاصطناعي بأكملها. وكانت الشركة قد كشفت عن أولى رقائقها من سلسلة MTIA (Meta Training and Inference Accelerator) في عام 2023، لكنها استخدمتها في الغالب لمهام الاستدلال (inference) لا لتدريب نماذج كبيرة حقًا.
- تعتزم الشركة بدء إنتاج رقاقتها الخاصة في سبتمبر 2026
- الهدف هو تقليل الاعتماد على رقائق Nvidia
- تنوي الشركة رفع قدراتها الحاسوبية إلى 14 غيغاواط بحلول 2027
- مصدر المعلومات مذكرة داخلية لشركة Meta اطّلعت عليها Reuters
كم من القدرات تحتاج Meta
إن 14 غيغاواط من القدرات الحاسوبية التي تأمل الشركة في الحصول عليها العام المقبل تفوق بمراحل ما تستهلكه معظم مراكز البيانات القائمة. وللمقارنة، يكفي غيغاواط واحد لتزويد مئات الآلاف من المنازل بالكهرباء. ويعود حجم هذه القدرات إلى أن Meta تواصل الاستثمار في تدريب نماذج أكبر فأكبر من عائلة Llama، وفي البنية التحتية لمنتجاتها الخاصة بالذكاء الاصطناعي داخل Facebook (الشبكة الاجتماعية محظورة في روسيا) وInstagram (الخدمة محظورة في روسيا). وقد بات تزايد استهلاك مراكز بيانات شركات الذكاء الاصطناعي للطاقة ملحوظًا حتى خارج قطاع التقنية: فبناء قدرات جديدة لا يتطلب الرقائق وحدها، بل يستلزم أيضًا إبرام عقود طويلة الأجل لتوريد الكهرباء، بما في ذلك اتفاقيات مع محطات الطاقة النووية ومحطات الغاز.
لماذا تمثل المسألة قضية استراتيجية للصناعة بأكملها
يفوق الطلب على رقائق Nvidia العرض بمراحل، حتى إن أكبر المشترين ينتظرون دورهم في طوابير التوريد لسنوات، ويضطرون إلى قبول الأسعار التي تحددها Nvidia نفسها، التي أصبحت عمليًا عنق الزجاجة الرئيسي لصناعة الذكاء الاصطناعي كلها. ولا يعني امتلاك كبار العملاء رقائق خاصة بهم خروج Nvidia من السوق كليًا: فتدريب أكبر النماذج لا يزال يتطلب وحدات GPU من الفئة العليا، بينما تغطي التطويرات الذاتية في الغالب مهام أضيق، مثل الاستدلال، أي ردود النماذج المباشرة على طلبات المستخدمين، وهي عمليات تُنفَّذ مليارات المرات يوميًا وتكلّف أقل على العتاد المتخصص.
ماذا يعني ذلك
تتيح رقائق الذكاء الاصطناعي الخاصة لكبرى شركات التقنية الاعتماد بدرجة أقل على Nvidia وسياساتها السعرية. وتسلك Google وAmazon الطريق نفسه بالفعل، الأولى برقائق TPU والثانية برقائق Trainium، ويزيد دخول Meta إلى هذا السوق من حدة المنافسة على توريد المكونات وعلى قدرات مراكز البيانات. وبالنسبة إلى Nvidia، فهذه إشارة إلى أن أكبر عملائها يسعون إلى تنويع مورّدي القدرات الحاسوبية، أما بالنسبة إلى السوق عمومًا، فهي دلالة على أن السباق نحو سيليكون ذكاء اصطناعي خاص بات القاعدة لدى جميع عمالقة الصناعة، لا الاستثناء.
- 23 أكتوبر 2026جامعة تشجيانغ تصدر أول مراجعة للذكاء الاصطناعي egocentric للنظارات الذكية
- 23 أكتوبر 2026Meta تستخدم Muse Spark 1.3 في الأبحاث الطبية وتعد بتسريعها عشرة أضعاف
- 23 أكتوبر 2026منصة Groq تطلق Meta Muse Spark Open: نحو 816B معامل وسرعة تفوق 350 رمزاً/ثانية
- 23 أكتوبر 2026وكيل Meta الذكي Muse يحقق 5 ملايين عملية تنزيل في الولايات المتحدة خلال 22 يومًا، أسرع من ChatGPT
❓ أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا تحتاج Meta إلى رقائق خاصة بها؟
اعتمدت الشركة طوال سنوات بشكل شبه كامل على وحدات معالجة الرسوميات من Nvidia لتدريب نماذج الذكاء الاصطناعي وتشغيلها، شأنها في ذلك شأن معظم كبرى شركات التقنية. ومن المفترض أن يقلل تطوير رقاقة خاصة هذا الاعتماد، وأن يمنح Meta تحكمًا أكبر في تكلفة القدرات الحاسوبية وتوافرها، وهي القدرات التي لا تزال تمثل الاختناق الرئيسي لصناعة الذكاء الاصطناعي بأكملها. وكانت الشركة قد كشفت عن أولى رقائقها من سلسلة MTIA (Meta Training and Inference Accelerator) في عام 2023، لكنها استخدمتها في الغالب لمهام الاستدلال (inference) لا لتدريب نماذج كبيرة حقًا. تعتزم الشركة بدء إنتاج رقاقتها الخاصة في
ما أبرز التفاصيل حول كم من القدرات تحتاج Meta؟
إن 14 غيغاواط من القدرات الحاسوبية التي تأمل الشركة في الحصول عليها العام المقبل تفوق بمراحل ما تستهلكه معظم مراكز البيانات القائمة. وللمقارنة، يكفي غيغاواط واحد لتزويد مئات الآلاف من المنازل بالكهرباء. ويعود حجم هذه القدرات إلى أن Meta تواصل الاستثمار في تدريب نماذج أكبر فأكبر من عائلة Llama، وفي البنية التحتية لمنتجاتها الخاصة بالذكاء الاصطناعي داخل Facebook (الشبكة الاجتماعية محظورة في روسيا) وInstagram (الخدمة محظورة في روسيا). وقد بات تزايد استهلاك مراكز بيانات شركات الذكاء الاصطناعي للطاقة ملحوظًا حتى خارج قطاع التقنية: فبناء قدرات جديدة لا يتطلب الرقائق وحدها، بل يست
ما أبرز التفاصيل حول لماذا تمثل المسألة قضية استراتيجية للصناعة بأكملها؟
يفوق الطلب على رقائق Nvidia العرض بمراحل، حتى إن أكبر المشترين ينتظرون دورهم في طوابير التوريد لسنوات، ويضطرون إلى قبول الأسعار التي تحددها Nvidia نفسها، التي أصبحت عمليًا عنق الزجاجة الرئيسي لصناعة الذكاء الاصطناعي كلها. ولا يعني امتلاك كبار العملاء رقائق خاصة بهم خروج Nvidia من السوق كليًا: فتدريب أكبر النماذج لا يزال يتطلب وحدات GPU من الفئة العليا، بينما تغطي التطويرات الذاتية في الغالب مهام أضيق، مثل الاستدلال، أي ردود النماذج المباشرة على طلبات المستخدمين، وهي عمليات تُنفَّذ مليارات المرات يوميًا وتكلّف أقل على العتاد المتخصص.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
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.