NVIDIA في GTC 2026 تنقل التركيز من الرقائق إلى مصانع الرموز وعصر Agent-as-a-Service

أظهرت NVIDIA في GTC 2026 أن المرحلة التالية من سوق الذكاء الاصطناعي لن تُبنى حول وحدات GPU منفردة، بل حول مصانع الاستدلال، حيث يصبح المنتج الرئيسي هو الرموز (التوكنات) وأفعال الوكلاء. والفكرة المحورية في الكلمة الافتتاحية أن الشركة لم تعد تبيع مسرّعات فحسب، بل بنية تحتية متكاملة للإنتاج الصناعي لمخرجات الذكاء الاصطناعي، تبدأ من مكتبات CUDA وتمر بحوامل الخوادم والشبكات، وتصل إلى الطبقة البرمجية للشركات.

عشرون عامًا من CUDA كأساس

انطلق هذا التحول من عشرين عامًا من CUDA. فقد حوّل الرهان على المنصة البرمجية بطاقات NVIDIA الرسومية يومًا ما من عتاد متخصص في مجال ضيق إلى أداة حوسبة شاملة للتعلم الآلي. وعرضت GTC هذا المسار بوصفه تطورًا متسلسلًا: بدأ بمنظومة من المكتبات والأطر البرمجية، ثم أنظمة DGX، وصولًا إلى وحدات معيارية جاهزة لعناقيد الذكاء الاصطناعي الكبيرة. والمنطق بسيط: حتى أقوى الرقائق لا تعني الكثير دون برمجيات وتحسينات وقدرة على نشر السيناريوهات التطبيقية بسرعة في بيئة الإنتاج.

من SaaS إلى Agent-as-a-Service

ومن هنا تأتي الفكرة الثانية لدى NVIDIA: السوق يتحرك من نموذج SaaS إلى Agent-as-a-Service. في السابق كانت الشركات تدفع مقابل الوصول إلى أداة، بينما يتولى الموظف استخراج النتيجة. أما الآن فيبدأ قطاع الأعمال بالدفع مقابل إجراء منجَز بالذكاء الاصطناعي. فالمطلوب من الوكيل ألا يكتفي بتوليد نص، بل أن يُنجز المهمة: يعالج الطلب، ويجري التحليل، ويعدّ المستند، ويتخذ القرار ضمن قواعد محددة. لذلك لا يعود معيار الكفاءة هو الأداء المجرد مقيسًا بالفلوبس، بل كلفة الرمز المفيد والسعر النهائي للإجراء ذي المعنى. وبهذا المنطق يتحول الاستدلال إلى اقتصاد مستقل، وتتحول مراكز البيانات إلى منشآت إنتاج للعمل الذهني.

مفهوم Token Factory

وهنا تروّج NVIDIA لمفهوم Token Factory. فالشركة تقترح النظر إلى مراكز بيانات الذكاء الاصطناعي الحديثة لا بوصفها أماكن لتخزين البيانات، بل مصانع مدخلاتها الكهرباء والبنية التحتية ومخرجاتها تدفق من الرموز للتطبيقات والمساعدات والوكلاء المستقلين. وجاء في GTC تقدير بأن الإنفاق العالمي على بناء هذه القدرات وتحديثها قد يقترب بحلول عام 2027 من 1 تريليون دولار. ولا يقتصر الطلب عليها على الذكاء الاصطناعي المؤسسي، بل يغذّيه أيضًا نمو النماذج المفتوحة التي اقتربت كثيرًا من الحافة الأمامية من حيث الجودة، وجعلت إطلاق الخدمات الخاصة في متناول عدد أكبر من الشركات.

بنية Vera Rubin

والركيزة العتادية لهذه الاستراتيجية هي بنية Vera Rubin. وتصفها NVIDIA لا بوصفها زيادة اعتيادية في القدرة مقارنة بالجيل السابق، بل محاولة لإعادة تغليف المنظومة بأكملها لخدمة الاستدلال. فالأهم لم يعد بطاقة واحدة ولا حتى خادمًا واحدًا، بل الحامل بأكمله: الحوسبة، والمعالج المركزي CPU، والذاكرة، والتخزين، والشبكة، والأمن، والوصلات الضوئية بين الوحدات.

ويهدف هذا النهج إلى رفع معدل الإنتاجية وسرعة الاستجابة في آن واحد دون أن تنفجر تكاليف الكهرباء. وتم التركيز بشكل خاص على المعيارية: يمكن تجميع التكوينات بحسب نوع الحمل، من الإجابات السريعة واسعة الاستهلاك إلى الاستدلال reasoning المكلف في الزمن الحقيقي. وهذا يرسم تقسيمًا جديدًا للسوق: إجابات رخيصة للاستهلاك الواسع، واستدلال متميز للسيناريوهات المعقدة للوكلاء.

وثمة إشارة مهمة أخرى من GTC، وهي أن وكلاء الذكاء الاصطناعي باتوا يُعامَلون بوضوح أكبر كجزء من البنية التحتية للشركات، لا كإضافة تجريبية فوق الدردشات. ولذلك تروّج NVIDIA إلى جانب العتاد لبنى مرجعية برمجية لإدخال الوكلاء إلى الشركات الكبرى. والمغزى أن يعمل الوكيل ضمن سياسات الأمن، وألا يصل إلا إلى الواجهات المسموح بها، وأن يندمج بصورة يمكن التنبؤ بها في المشهد التقني القائم للشركة.

وقد يكون هذا للمؤسسات أهم حتى من الرقائق نفسها: فبدون الرقابة والتدقيق وقابلية الإدارة لن تصل أي استقلالية إلى بيئة الإنتاج.

الخلاصة الرئيسية

الخلاصة الرئيسية من GTC 2026 أن NVIDIA تحاول أن تحتل لا سوق المسرّعات فقط، بل موقع المورّد الأساسي لاقتصاد الاستدلال. ففي السابق كانت المنافسة تدور حول عدد الترانزستورات والريادة في تدريب النماذج، أما الآن فيتحول مركز الثقل إلى كلفة الإجراء المفيد، واستقرار خدمات الذكاء الاصطناعي، وسرعة نشر أنظمة الوكلاء. وبالنسبة للسوق، يعني ذلك الانتقال من الحديث عن «أقوى GPU» إلى سؤال: من سيتمكن من إنتاج الذكاء كخدمة بكلفة أقل وموثوقية أعلى؟

باختصار:

• في GTC 2026 نقلت NVIDIA التركيز من وحدات GPU المنفردة إلى مصانع الاستدلال، حيث يصبح المنتج هو الرموز وأفعال الوكلاء.
• السوق يتحرك من SaaS إلى Agent-as-a-Service؛ والمعيار هو كلفة الرمز المفيد. وقد يقترب الإنفاق على هذه القدرات بحلول عام 2027 من 1 تريليون دولار.
• بنية Vera Rubin تعيد تغليف المنظومة بأكملها لخدمة الاستدلال — الحامل كاملًا، مع التركيز على المعيارية بحسب الأحمال.