Nvidia تحطم الأرقام القياسية مدفوعة بطلب متفجر على الرموز (التوكنات)

حطمت Nvidia أرقامها القياسية مرة أخرى. فقد أعلنت الشركة نتائجها المالية للفصل الأخير، وتجاوزت هذه النتائج توقعات المحللين، وأكدت الفرضية الرئيسية للعامين الماضيين: سباق الذكاء الاصطناعي يزداد زخماً ولا يتباطأ. وصاغ الرئيس التنفيذي جنسن هوانغ ما يحدث في جملة واحدة: «الطلب العالمي على الرموز (التوكنات) أصبح أسياً بالكامل».

ولفهم لماذا يبدو هذا التصريح أشبه بتشخيص مالي لعصر كامل، لا بد من توضيح ما يعنيه الرمز (التوكن) في سياق النماذج اللغوية. الرمز هو الوحدة الأساسية التي تتعامل معها أنظمة مثل GPT-4 أو Claude عند معالجة النصوص وتوليدها. وكل طلب موجَّه إلى النموذج، وكل رد من روبوت دردشة، وكل استدعاء لواجهة API من تطبيق مؤسسي، يعني مليارات الرموز التي يجب معالجتها في مكان ما. ومعالجتها تتطلب معالجات رسومية من Nvidia. وهذه السلسلة تحديداً هي التي منحت الشركة فصلاً جديداً حافلاً بالنجاح.

والسياق لا يقل أهمية عن الأرقام. فعلى مدى الفصول الماضية، رفعت كبرى شركات التقنية في العالم، وهي Microsoft وGoogle وAmazon وMeta*، نفقاتها الرأسمالية على بناء مراكز البيانات وتوسيعها بصورة متواصلة. والمبالغ تبدو شبه غير قابلة للتصديق: فكل واحدة من هذه الشركات تنفق عشرات المليارات من الدولارات سنوياً على البنية التحتية للذكاء الاصطناعي. ومع ذلك، لا تنوي أي منها تخفيف وتيرتها. فالتقارير الفصلية تتوالى، وفي كل مرة تُرفع توقعات الإنفاق الرأسمالي. وبالنسبة إلى Nvidia، يعني ذلك طلباً مستقراً ومتوقعاً وواسع النطاق على منتجاتها الرئيسية: مسرّعات سلسلة H100 والجيل التالي Blackwell.

ومن اللافت أن هوانغ لا يفسر نجاح الشركة بالتفوق التنافسي في العتاد بقدر ما يفسره بتغيّر جوهري في اقتصاديات الذكاء الاصطناعي. ففي السابق، كان الإنفاق على البنية التحتية في قطاع التقنية دورياً إلى حد كبير: تبني الشركات طاقات حاسوبية لأحمال عمل محددة ثم تتوقف. أما اليوم فالمنطق مختلف. فالنماذج اللغوية لا تُستخدم فحسب، بل يُعاد تدريبها ويُستكمل تدريبها وتُوسَّع باستمرار. وكل تحسين للنموذج يتطلب مزيداً من الحوسبة. وكل تطبيق جديد قائم على الذكاء الاصطناعي التوليدي يولّد حركة إضافية من الرموز. فالنظام يغذي نفسه بنفسه، ويتنامى الطلب على القدرات الحاسوبية أسرع من نمو العرض.

وهذا يعني للقطاع عدة أمور مهمة. أولاً، تترسخ مكانة Nvidia نهائياً كمحتكر للبنية التحتية في عصر الذكاء الاصطناعي التوليدي، أي شركة لا يمكن بناء أي نظام ذكاء اصطناعي جاد دون منتجاتها. صحيح أن المنافسين موجودون: فـAMD تطور مسرّعاتها بنشاط، وGoogle تبني وحدات TPU الخاصة بها، وشركات ناشئة مثل Cerebras وGroq تقدم بُنى بديلة. لكن منظومة CUDA التي بنتها Nvidia على مدى سنوات تشكّل حاجز دخول يصعب تجاوزه في وقت قصير. وثانياً، تعني النفقات الرأسمالية القياسية للاعبين الكبار أن السوق بأكمله يراهن على تحقيق عوائد طويلة الأجل من منتجات الذكاء الاصطناعي. فالشركات لم تكن لتنفق مئات المليارات من الدولارات على البنية التحتية لو لم تكن واثقة من أن هذه الاستثمارات ستؤتي ثمارها.

أما بالنسبة إلى المستخدمين النهائيين والمطورين، فالصورة ليست واضحة المعالم. فمن جهة، ينعكس نمو الاستثمارات في البنية التحتية في نهاية المطاف خدمات ذكاء اصطناعي أسرع وأذكى وأكثر إتاحة. ومن جهة أخرى، يخلق تركّز سوق الحوسبة بدرجة كبيرة في يد شركة واحدة مخاطر تتعلق بالتسعير وبتوافر العتاد. فنقص وحدات GPU، الذي صار حديث الجميع في عام 2023، لم يختفِ بالكامل، بل انتقل ببساطة إلى أجيال جديدة من الرقائق.

إن قصة Nvidia خلال العامين الأخيرين ليست مجرد قصة شركة ناجحة. إنها مرآة تعكس اللحظة الراهنة في تطور الذكاء الاصطناعي بأكملها: مرحلة تسبق فيها الاستثمارات الضخمة فهمَ كيفية تحقيق عوائد منها بالضبط. وما دام الطلب على الرموز أسياً، سيبقى جنسن هوانغ وNvidia في قلب هذه المعادلة. والسؤال الرئيسي ليس ما إذا كان النمو سيستمر، فهو سيستمر. السؤال هو من سيجني في النهاية الأرباح الكبرى من تريليونات الرموز المعالَجة.

*تُصنَّف Meta منظمة متطرفة ومحظورة في روسيا.