OpenAI تكشف عن GPT-5.3-Codex-Spark المعتمد على شرائح Cerebras بدلًا من Nvidia

# تخلت OpenAI عن Nvidia. ماذا يعني هذا لمستقبل الذكاء الاصطناعي؟

لقد حدثت لحظة في تاريخ نماذج اللغات الكبيرة كان يعتبرها الكثيرون مستحيلة. كشفت OpenAI عن GPT-5.3-Codex-Spark — أول نموذج رائد للشركة تم تدريبه ونشره ليس على معالجات الرسومات Nvidia، بل على رقاقات Wafer Scale Engine 3 البديلة من Cerebras Systems. تكشف هذه الخطوة ليس فقط عن إنجاز تقني، بل عن نقطة تحول في اقتصاديات الذكاء الاصطناعي وفي النضال من أجل استقلالية أقوى الشركات في الصناعة.

على مدى السنوات الخمس الماضية، أنشأت Nvidia سيطرة شبه احتكارية على سوق معجلات تدريب الشبكات العصبية. عندما أصبح واضحاً أن بنى معمارية transformer تتطلب قوة حسابية ضخمة، وضعت جميع المختبرات الكبرى — من OpenAI إلى Meta و Google — رهانها على معالجاتها الرسومية. لكن الاعتماد على موردٍ واحد ينطوي على مخاطر. القيود على التصدير إلى الصين، نقص الرقاقات، الأسعار المتزايدة — كل هذا أثقل كاهل الشركات التي حاولت توسيع نطاق نماذجها. عانت OpenAI بصمت مع الجميع، لكنها الآن قررت اتخاذ إجراء.

اقترحت Cerebras Systems منهجاً غير عادي. بدلاً من إنشاء آلاف المعالجات الصغيرة، صممت الشركة WSE-3 — بلورة سيليكون أحادية بحجم رقاقة كاملة، يستحيل تركيبها على مقبس قياسي. إنها ليست مجرد رقاقة، بل مزرعة صغيرة كاملة على قطعة واحدة من السيليكون، تحتوي على أكثر من 900 ألف نواة. يبدو أن هذا الحل يتعارض مع مبادئ المعيارية، لكن هذا بالضبط ما سمح لـ Cerebras بتجنب اختناقات نقل البيانات بين المعالجات الفردية — العدو الرئيسي للتدريب المتوازي.

عندما اختبرت OpenAI تدريب GPT-5.3-Codex-Spark على WSE-3، كانت النتائج غير متوقعة. ظلت سرعة تقارب النموذج عند مستوى التدريب على Nvidia H100، لكن احتاجت إلى تزامن أقل وحركة بيانات أقل بين المعجلات. بعبارة أخرى، يمكن الآن استخدام تلك الساعات من وقت خمول الشبكة التي كانت الشركة تهدرها سابقاً للحسابات المفيدة. هذا يعني أرخص. هذا يعني أسرع.

لكن الملحوظ الرئيسي ليس الأرقام التقنية، بل الأهمية الاستراتيجية. أثبتت OpenAI أن بديلاً عن Nvidia موجود، وأن النماذج الكبيرة يمكن تدريبها على رقاقات غير رقاقاتها. هذا أول تحدٍ جدي للاحتكار، والسوق يرد بالفعل. الشركات الأخرى — Intel مع Gaudi الخاصة بها، AMD مع EPYC و MI300، حتى Google مع TPU — تعرف الآن أن هناك نافذة فرصة. إذا استطاعت OpenAI إعادة تدريب نموذج على أجهزة جديدة وتحقيق نتائج قابلة للمقارنة، فيمكنهم أيضاً فعل ذلك.

ستتغير اقتصاديات الذكاء الاصطناعي، لكن ليس على الفور. لا يمكن لـ Cerebras حالياً إنتاج WSE-3 بالأحجام التي تنتجها Nvidia من H100. إعادة بناء البنية التحتية، إعادة كتابة الكود للتحسين للهندسة الجديدة — كل هذا سيتطلب وقتاً. ومع ذلك، تم وضع البداية. خلال السنتين أو الثلاث سنوات القادمة، سنرى على الأرجح تصاميم معجل أكثر غرابة، تجارب أكثر نشاطاً مع الرقاقات العصبية الشكلية وأجهزة الكمبيوتر الكمية. ستبقى Nvidia لاعباً قوياً، لكنها لن تكون الوحيدة.

بالنسبة لمستخدمي ChatGPT العاديين، لن يغير هذا عملياً شيئاً — النموذج يبقى كما هو، وقدراته دون تغيير. لكن بالنسبة للصناعة، الفرق ضخم. أثبتت OpenAI أن الذكاء العظيم يمكن بناؤه بطريقة مختلفة، وأنه في السباق من أجل الأجهزة، النجاح ينتمي ليس لمن وصلوا أولاً، بل لمن يفكرون أسرع.