الذكاء الاصطناعي يخلق طلبًا «لا يشبع» على الذاكرة: الرئيس التنفيذي لشركة Alger يتحدث عن الطفرة في أشباه الموصلات

وصف الرئيس التنفيذي لصندوق الاستثمار Alger، Dan Chung، في مقابلة مع Bloomberg الطلب على الذاكرة بأنه «لا يشبع»، وربطه مباشرة بالتطور الانفجاري للذكاء الاصطناعي. وبحسب Chung، فإن ذلك يعيد تعريف مشهد الاستثمار التقني بأكمله، ويفرض إعادة تقييم للمواضع التي ينبغي البحث فيها عن الأرباح في طفرة الذكاء الاصطناعي.

لماذا يحتاج الذكاء الاصطناعي إلى كل هذه الذاكرة

تتطلب نماذج اللغة الكبيرة الحديثة بيتابايتات من البيانات للتدريب. وكل معامل (parameter) في النموذج يشغل جزءًا من الذاكرة. فجولة تدريب واحدة على مئات الآلاف من وحدات GPU تتطلب تنسيقًا بين بيتابايتات من DRAM والذاكرة السريعة عالية النطاق الترددي (HBM). ولخدمة ملايين المستخدمين في وقت واحد، تستخدم مراكز البيانات عشرات التيرابايتات من VRAM. وتؤدي بنية Transformer إلى نمو خطي في استهلاك الذاكرة مع كل مضاعفة لحجم النموذج، وهو قانون توسّع لا يمكن لأحد إلغاؤه. أما مراكز البيانات التي تشغّل الاستدلال (inference) على مدار الساعة طوال أيام الأسبوع، فتستهلك الذاكرة كالثقب الأسود، إذ تبتلعها بكميات هائلة.

من يغذّي هذه المنظومة

لا يقتصر الطلب على وحدات GPU مثل NVIDIA H100، بل يشمل أيضًا DRAM وHBM (الذاكرة عالية النطاق الترددي) ووسائط التخزين طويلة العمر. وتسجّل شركات مثل Micron وSamsung وSK Hynix طلبات قياسية على رقائق الذاكرة، مع عقود تمتد لمدة 2-3 سنوات مقدمًا. ويشهد مصنّعو الذاكرة أقوى نمو في الطلب منذ عقدين. وتعمل المصانع بأقصى طاقتها في محاولة لمجاراة الطلب.

• تدريب النماذج: بيتابايتات من الذاكرة لكل تحديث
• الاستدلال (inference) على نطاق واسع: نسخ متعددة من النموذج موزعة على الخوادم
• قواعد البيانات المتجهية (Vector databases): التمثيلات المضمّنة (embeddings) المستخدمة في RAG تلتهم الذاكرة بشكل أُسّي
• الضبط الدقيق (Fine-tuning): نماذج مخصصة لكل عميل مؤسسي

الاتجاه الاستثماري

يؤكد Dan Chung أن القيمة في منظومة الذكاء الاصطناعي لا تكمن في رقائق المعالجة نفسها، بل في منظومة الذاكرة المحيطة بها. فالمستثمرون الذين كانوا ينظرون سابقًا إلى NVIDIA وشركات الذكاء الاصطناعي الناشئة الجديدة فقط، باتوا يتابعون الآن عن كثب مصنّعي الذاكرة والمتحكّمات (controllers) وحلول التبريد (cooling). وهي دورة طلب طويلة، فلا هي موضة ولا مضاربة، بل ضرورة معمارية متأصلة في طبيعة نماذج اللغة الكبيرة نفسها.

«لا يمكن للذكاء الاصطناعي أن يتطور دون ذاكرة. هذا ليس خيارًا، بل قيد»،

حسبما ورد في المقابلة.

ماذا يعني ذلك

تتحول ذاكرة أشباه الموصلات إلى «سكة حديد» جديدة، أي بنية تحتية أساسية تُبنى عليها كل التقنيات الأخرى. ولا تتجه الاستثمارات نحو أكثر شركات الذكاء الاصطناعي الناشئة لمعانًا، بل نحو الشركات التي توفّر المعاول والمجارف لحمّى الذهب في الذكاء الاصطناعي. وهذا يعني طلبًا طويل الأمد، وحماية من المضاربات، ووضوحًا في الإيرادات لسنوات عديدة قادمة.