Microsoft تستعد لتركيب رقائقها الخاصة في مراكز البيانات بقدرة تُقاس بالغيغاواط

تستعد Microsoft لتركيب أحدث جيل من رقائقها الخاصة في مراكز البيانات. ولم يعد حجم النشر يُقاس بعدد البطاقات والرفوف، بل بالغيغاواط من الطاقة المستهلكة. وبحسب Bloomberg، تسعى الشركة إلى تشغيل خدمات الذكاء الاصطناعي لديها في المقام الأول على عتاد طورته بنفسها. ومن الجزء المتاح من التقرير، لا يتضح الاسم الدقيق للرقاقة ولا الجدول الزمني ولا المواقع. لكن وحدة القياس نفسها تُظهر مدى جدّية الشركة.

لماذا يُحتسب الحجم بالغيغاواط

الغيغاواط هو اللغة التي يُتحدث بها اليوم عن البنية التحتية للذكاء الاصطناعي. فالنمو لا يتقيد بعدد المسرّعات المتاحة وحده، بل أيضًا بالكهرباء الواصلة إلى المجمّع والتبريد وشبكة الربط. وبحسب تقديرنا التقريبي، يعادل غيغاواط واحد، مع احتساب كل المعدات المساندة، نحو نصف مليون مسرّع من الفئة الحالية. وهذا تقدير من هيئة التحرير وليس رقمًا صادرًا عن Microsoft، ويعتمد العدد الفعلي على استهلاك الرقاقة للطاقة وكفاءة الموقع.

لذلك تعني عبارة «غيغاواط من الرقائق الخاصة» أمرًا واحدًا: Microsoft لا تخطط لعناقيد تجريبية لأغراض داخلية، بل لتشغيل صناعي.

ما المعروف وما غير المعروف

• الهدف المعلن: تشغيل برمجيات الذكاء الاصطناعي لدى Microsoft في المقام الأول على عتادها الخاص.
• الحجم: غيغاواط من القدرة المركّبة.
• ما الذي يُركَّب تحديدًا: أحدث إصدار من الرقائق التي طورتها Microsoft نفسها.
• لم يُكشف: عملية التصنيع، وسعة ذاكرة HBM ونوعها، وعدد الرفوف، والجدول الزمني، والمناطق.
• لم يُكشف: أي حصة من المشتريات ستحتفظ بها Nvidia وAMD. وكلمة «mostly» لا تعني التخلي الكامل عنهما.

لنستذكر الخلفية. عرضت Microsoft المسرّع Maia 100 ومعالج Arm من طراز Cobalt 100 في نوفمبر 2023. وبدا ذلك حينها تمهيدًا للمستقبل: فقد كان الجزء الأكبر من التدريب والاستدلال في Azure يعتمد على معالجات Nvidia الرسومية، وبقيت Microsoft من أكبر زبائنها. وقال ساتيا ناديلا لاحقًا إن الشركة تملك حق الوصول إلى الملكية الفكرية لـ OpenAI على مستوى الأنظمة في مجال الرقائق. وهذه مساندة كبيرة لمطوّر يصمّم سيليكونه بنفسه.

لماذا تفعل Microsoft ذلك

ثمة ثلاثة أسباب، وكلها تتعلق بالمال والتحكم.

الأول هو التكلفة. فكل رمز (توكن) تنتجه Copilot والخدمات القائمة على نماذج OpenAI يُدفع ثمنه عبر مسرّع، وهامش ربح المورّد داخل في هذا السعر. أما الرقاقة الخاصة، المصمَّمة لنماذج بعينها وللاستدلال، فتتيح خفض التكلفة لكل وحدة حوسبة.

الثاني هو إمكانية التنبؤ بالإمدادات. فطابور الانتظار على المسرّعات وذاكرة HBM يحدد متى تستطيع Microsoft تشغيل قدرات جديدة. والتصميم الخاص لا يلغي الاعتماد على TSMC ومصنّعي الذاكرة، لكنه يقلل الاعتماد على مورّد واحد.

الثالث هو المنافسة مع السحابات الأخرى. فـ Google تبني TPU منذ زمن، وAmazon تطوّر Trainium، وMeta تصنع MTIA. وMicrosoft تلحق بمنافسيها، ولن تتمكن من اللحاق بهم دون نشر واسع لرقاقتها الخاصة.

وللاستراتيجية نقاط ضعف. أبرزها حزمة البرمجيات: فقد نما حول CUDA نظام بيئي ضخم، ونقل الأحمال إلى بنية غريبة عنه يتطلب مترجمات ومكتبات ومهندسين. والمشكلة الثانية هي الطاقة: فالغيغاواطات يجب تأمينها من مكان ما وإيصالها إلى الموقع.

ما الذي يجب متابعته لاحقًا

بالنسبة إلى عملاء Azure، السؤال الرئيسي هو متى ستظهر الأنماط (instances) القائمة على رقائق Microsoft، وكيف سينعكس ذلك على سعر الاستدلال. فإذا كان التوفير حقيقيًا، فسيظهر في تسعيرة النماذج وفي شروط التعاقد مع كبار العملاء.

وعلى المطورين متابعة دعم PyTorch وTriton على العتاد الجديد. فكلما قلّت التعديلات اللازمة للنقل، أسرع انتقال الأحمال بعيدًا عن Nvidia.

أما بالنسبة إلى المستثمرين، فالأهم هو بند النفقات الرأسمالية وهيكل المشتريات. فإذا بدأت حصة Nvidia في العقود الجديدة بالانخفاض، فسيؤكد ذلك ما نقلته Bloomberg بالأرقام. أما الآن فالمعروف هو الأهم: Microsoft أعلنت نيّتها التحول إلى عتادها الخاص، واختارت لذلك حجمًا يتطلب محطات كهرباء.