تصور کنید تمام زیرساختهای دیجیتال جهان به یک شرکت واحد در تایوان وابسته باشد؛ این ریسک اکنون گوگل و انویدیا را به سوی اینتل سوق داده است.
اگر امروز در حال مدیریت یک پروژه هوش مصنوعی هستید، بزرگترین کابوس شما نه رقابت با یک مدل برتر، بلکه نبود تراشهی لازم برای پردازش است. گوگل برای سال ۲۰۲۸، سفارش بیش از ۳ میلیون تراشه را به اینتل سپرد تا دیگر تنها به یک منبع متکی نباشد.
این تصمیم نشاندهندهی نیاز شدید غولهای فناوری به «نقشه جایگزین» است. سالهاست شرکت TSMC انحصار تولید تراشههای پیشرفته را در دست دارد. همانطور که در تحلیل قبلی ما دربارهی استراتژی xAI برای مدیریت ظرفیتهای پردازشی اشاره کردیم، شرکتهای بزرگ اکنون به دنبال توزیع تولید سختافزارهای خود هستند. این استراتژی شبیه خرید یک بیمهنامه برای زنجیره تأمین است تا در صورت بروز هر حادثه، تولید متوقف نشود.
به گزارش The Information در تاریخ ۸ ژوئن ۲۰۲۶، صنعت سختافزار به سقف ظرفیت خود رسیده است. مدیرعامل TSMC هشدار داد که عرضه جهانی تراشهها تا سالها نمیتواند پاسخگوی تقاضای شدید برای محاسبات (compute) باشد — که شبیه اجارهی یک آشپزخانه صنعتی برای پختن غذاهای پیچیده است و بدون آن، هیچ مدل هوش مصنوعی اجرا نمیشود.
جزئیات این تحولات عبارتند از:
- گوگل: تعهد به خرید ۳ میلیون TPU تا سال ۲۰۲۸.
- انویدیا: آزمایش فناوری تولید اینتل برای معماری جدید GPU به نام Feynman.
- SK Hynix: بررسی سازگاری تراشههای حافظه با بستهبندیهای اینتل.
پس از انتشار این خبر، ارزش سهام اینتل بیش از ۱۰ درصد رشد کرد.
این اتفاق برای اینتل یک طناب نجات است؛ شرکتی که سالها در بخش تولید تراشه ضرر داده و از ضربالاجلهای خود عقب افتاده بود. برای بازار جهانی، دوران «فقط TSMC» به پایان میرسد. اگر اینتل موفق شود، رقابت در بازار تولید تراشه باعث ثبات قیمتها میشود و ریسک «تکنقطه-شکست» که اقتصاد جهانی AI را تهدید میکرد، کاهش مییابد.
گام بعدی شما
- تصمیم نهایی انویدیا دربارهی معماری Feynman را دنبال کنید؛ این یک نقطه عطف برای اعتبار اینتل است.
- نرخ بازدهی تولید (Yield Rate) اینتل در سال ۲۰۲۷ را رصد کنید تا متوجه شوید آیا واقعاً جایگزین TSMC میشود یا خیر.
- تغییر قیمت توکنها در مدلهای زبانی را زیر نظر بگیرید، چون کاهش هزینه سختافزار مستقیماً روی قیمت سرویسها اثر میگذارد.
اما این تغییر مسیر در سختافزار، تأثیری مستقیم بر هزینههای نهایی مدلها خواهد داشت؛ در گزارش بعدی بررسی میکنیم که چرا هزینه استنتاج ممکن است کاهش یابد.
گفتگو