Главный ров Nvidia — не чипы, а CUDA: AI-агенты начали его переписывать
CUDA — программный слой Nvidia, работающий с 2006 года, — двадцать лет удерживал разработчиков сильнее любого железа: переход на альтернативы (AMD ROCm, Intel oneAPI) стоил месяцев переработки кода. AI-агенты для генерации кода начали снижать эту стоимость — и впервые создают настоящую угрозу главному конкурентному преимуществу компании.
معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
على مدى عشرين عاماً، لم يكن الأصل التنافسي الرئيسي لـ Nvidia سرعةَ وحدة معالجة الرسومات GPU، بل منصةَ البرمجيات CUDA — الطبقة التي تحوّل شرائح الشركة إلى أداة بأيدي مطوّري AI. ووفقاً لتحليل The Next Web، فإن هذا الخندق تحديداً هو الذي بدأت عوامل AI لكتابة الكود وأدوات تحسين الاستدلال الجديدة في تقويضه.
لماذا يهم CUDA أكثر من أي شريحة من Nvidia
ظهر CUDA عام 2006، وعلى مدى قرابة عقدين أصبح أساساً لتطوير AI: إذ يعتمد عليه PyTorch وTensorFlow وJAX ومعظم أطر deep learning الرائدة. آلاف النوى المُحسَّنة بعناية، وخطوط أنابيب ML المؤسسية، والمناهج الجامعية — كل ذلك بُني حول تجريدات CUDA على مدار سنوات.
كان الانتقال من CUDA إلى بديل لا يعني استبدال بعض الوظائف، بل إعادة بناء كامل المكدس البرمجي الذي جرى تصحيحه وضبطه لسنوات. تقدّم AMD منصة ROCm، وتقدّم Intel منصة oneAPI، غير أن توافقهما مع منظومة CUDA القائمة ظل محدوداً، وكان نقل النوى الحرجة يستلزم معرفة عميقة بالبنى الدقيقة لوحدات معالجة الرسومات. والنتيجة: حتى الشركات التي كان لديها دوافع اقتصادية للتحوّل إلى موردٍ آخر للأجهزة ظلّت في الغالب على منصة Nvidia — لأن تكلفة الخروج من منظومتها البرمجية كانت باهظةً للغاية.
- يعمل CUDA منذ عام 2006 — ما يقارب 20 عاماً من المنظومة المتراكمة
- PyTorch وTensorFlow وJAX مُحسَّنة أصلاً لـ CUDA
- AMD ROCm وIntel oneAPI — بدائل قابلة للعمل بتوافق محدود
- كان الانتقال تاريخياً إلى منصة أخرى يستلزم أشهراً من عمل مهندسي GPU
- كانت تكلفة الخروج المرتفعة، لا تفوّق الشرائح، هي ما أبقى الصناعة على Nvidia
كيف بدأت عوامل AI في إعادة كتابة الخندق
بدأت عوامل AI لكتابة الكود — GitHub Copilot وCursor وDevin وما يماثلها — في تولّي الجزء الميكانيكي من الهجرة من CUDA: تحليل التبعيات، وإعادة كتابة النوى، وتكييف الواجهات لتعمل مع ROCm أو oneAPI. وبدأت التكلفة التي كانت تُقاس في السابق بأشهر عمل المتخصصين في الكود منخفض المستوى في الانخفاض.
«لم يكن الخندق الحقيقي لـ
Nvidia يوماً قائماً على الأجهزة. بدأ AI في إعادة كتابته» — من تحليل The Next Web.
وبحسب المطبوعة، لم يكن خندق Nvidia قائماً على التفوق التقني لـ CUDA في حد ذاتها، بل على التكلفة الباهظة للخروج منها. والأدوات التي تُخفّض هذه التكلفة تُغيّر المعادلة التنافسية في سوق أجهزة AI تغييراً جوهرياً.
في الوقت ذاته، يتطور اتجاه تحسين الاستدلال المستقل عن الأجهزة. إذ يتيح إطار عمل Triton من OpenAI، ومُصرِّفات MLIR، ولغة Mojo من شركة Modular، كتابةَ نوى لوحدات GPU دون ارتباط صارم بـ API الخاصة بـ CUDA. وبالتعاون مع عوامل AI، تُشكّل هذه الأدوات معاً منظومةً تُخفّض بصورة منهجية عائق تبديل منصات الأجهزة، فاتحةً الطريق أمام منافسة حقيقية.
ما الذي يعنيه ذلك
لا يعني الخطر المحدق بـ CUDA انهيارَ Nvidia: فالميزة الأدائية الفعلية للأجهزة في سلسلة Blackwell لا تزال حقيقية، وتستغرق دورة استبدال أساطيل GPU في مراكز البيانات سنوات، ولا يتلاشى أثر المنظومة في موسم واحد. بيد أن مجرد حقيقة أن عوامل AI بدأت في تخفيض الحاجز الرئيسي غير التكنولوجي لدى Nvidia يُغيّر المشهد على المدى البعيد: فقد حصلت AMD وIntel والشركات الناشئة التي تعمل على شرائح مخصصة على فرصة حقيقية لاستقطاب المطورين الذين لم يستطيعوا في السابق تحمّل تكلفة مغادرة منظومة CUDA.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
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.