Meta تطور رقائقها الخاصة لتدريب نماذج AI

الشركة التي تنفق عشرات المليارات من الدولارات سنويًا على البنية الأساسية للذكاء الاصطناعي لم تعد تريد أن تعتمد على المعالجات من جهات خارجية، حتى في المرحلة الأكثر حساسية — تدريب النماذج. أكد مدير الشؤون المالية في Meta Platforms أن الشركة تطور رقاقات خاصة موجهة نحو تدريب نماذج الذكاء الاصطناعي المستقبلية. جاء هذا الإعلان في أعقاب عقود كبرى تم إبرامها مؤخرًا مع الشركات المصنعة للرقائق الرائدة، مما يشير إلى أن استراتيجية Meta في البنية الحتية الحسابية تصبح أكثر طموحًا بشكل كبير.

لكي نفهم نطاق هذه الخطوة، يجب أن نفهم السياق. حتى الآن، كانت الرقاقات الخاصة من Meta — وبشكل أساسي عائلة MTIA — موجهة نحو الاستدلال، أي تشغيل النماذج المدربة بالفعل. الاستدلال مهمة أبسط: النموذج يعرف بالفعل ما يجب أن يفعله، يحتاج فقط إلى إنتاج النتائج بسرعة وكفاءة. أما التدريب فهو حيوان مختلف تماما. تدريب نموذج لغة كبير يتطلب قوة حسابية ضخمة، وتنسيقًا معقدًا للغاية بين آلاف المعالجات، وعرض نطاق ذاكرة استثنائي. هذا هو بالضبط السبب في أن NVIDIA مع سلسلة معالجاتها GPU من فئة H100 و B200 تبقى عمليًا المورد البديل الوحيد لهذه المرحلة. الإعلان عن تطوير رقاقة تدريب خاصة يعني الطعن في هذا الاحتكار.

دافع Meta واضح تماما ويمكن قياسه بأرقام ملموسة. في عام 2025، أنفقت الشركة على نفقات رأسمالية، بشكل أساسي مرتبطة بالبنية الأساسية للذكاء الاصطناعي، حوالي 35 إلى 40 مليار دولار. ذهب جزء كبير من هذه الأموال إلى شراء معالجات GPU من NVIDIA. على هذه المستويات، حتى انخفاض طفيف في الاعتماد على مورد خارجي يمكن أن يوفر مليارات الدولارات. لكن الأمر لا يتعلق بالمال فحسب. توفر الرقاقات الخاصة القدرة على تحسين البنية المعمارية حسب الاحتياجات المحددة: حسب بنية نماذج LLaMA، حسب خصائص التدريب الموزع في مراكز البيانات التابعة لـ Meta، حسب أنماط الحمل الفريدة. معالجات NVIDIA الشاملة ممتازة، لكنها موجهة للاستخدام الشامل بالضبط — وهذا يعني أنها حتميًا تحمل معها تنازلات.

من الجدير بالملاحظة أن هذا الإعلان جاء بعد أن أبرمت Meta صفقات كبرى مع الشركات المصنعة الرائدة للرقائق. قد يبدو غريبًا: لماذا الاستثمار في التطويرات الخاصة إذا كانت الشراكات مع Broadcom و TSMC واللاعبين الآخرين توفر بالفعل الوصول إلى التقنيات المتقدمة؟ الإجابة تكمن في أفق التخطيط الاستراتيجي. تطوير رقاقة تدريب من الصفر عملية تستغرق ثلاث إلى خمس سنوات من المفهوم إلى الإنتاج الضخم. Meta تلعب على المدى الطويل: العقود الحالية تغطي احتياجات اليوم، بينما يجب أن يوفر السيليكون الخاص الاستقلالية في العقد القادم. هذه هي نفس الاستراتيجية التي يتبعها Google مع TPU، و Amazon مع Trainium، و Microsoft مع Maia — أكبر المستهلكين للقوة الحسابية لا يستطيعون تحمل الاعتماد الاستراتيجي على مورد واحد.

مع ذلك، فإن الطريق من الطموحات إلى رقاقة تدريب فعالة محفوف بالتعقيدات التقنية والتنظيمية. احتاجت Google إلى ما يقرب من عقد كامل لإحضار TPU إلى المستوى الذي تستطيع فيه الشركة تدريب أكبر نماذجها في الغالب على أجهزتها الخاصة. Amazon، رغم الاستثمارات الكبيرة في Trainium، لا تزال تواجه تساؤلات حول النظام البيئي للبرامج والتوافقية. إنشاء رقاقة هو نصف المعركة فقط. يجب بناء مجموعة البرامج كاملة: المترجمات والأطر العمل وأدوات التصحيح وأنظمة المراقبة. يجب إقناع الباحثين الخاصين بالشركة، المعتادين على CUDA و PyTorch، بالانتقال إلى منصة جديدة. يجب ضمان الموثوقية على مستوى آلاف الرقاقات التي تعمل معًا لعدة أشهر دون تعطل.

بالنسبة إلى NVIDIA، هذا الإعلان هو إشارة إنذار أخرى في سلسلة طويلة من الإشارات المماثلة. كل عميل كبير يعلن عن برنامج رقاقات خاص به يقلل احتمالًا من السوق المستهدفة لشركة Jensen Huang. ومع ذلك، تظهر التجربة أن الاستبدال الفعلي يحدث ببطء. حتى Google، التي تمتلك أكثر الرقاقات المخصصة للذكاء الاصطناعي نضجًا في الصناعة، تستمر في شراء معالجات GPU من NVIDIA لمهام معينة. من المرجح أن Meta تتحرك نحو نموذج هجين، حيث تتولى الرقاقات الخاصة تدريجيًا نسبة متزايدة من الحمل، بينما تبقى عمليات الشراء من موردين خارجيين كتأمين وملحق.

قرار Meta بتطوير رقاقات التدريب ليس مجرد خبر شركاتي، بل مؤشر على تحول أساسي في الصناعة. ينهي العصر الذي يستطيع فيه مورد واحد السيطرة على الأساس الحسابي لثورة الذكاء الاصطناعي بأكملها. أكبر شركات التكنولوجيا في العالم تبني بشكل متسق التكامل الرأسي — من النماذج والبيانات إلى السيليكون الفعلي الذي يعمل عليه كل شيء. لم تعد المسألة ما إذا كانت Meta يمكنها إنشاء رقاقة تدريب تنافسية، بل كم سرعة يمكنها القيام بذلك — وكيف سيعيد هذا تشكيل خريطة سوق البنية الأساسية للذكاء الاصطناعي متعددة المليارات دولار.