تصور کنید بخواهید برای خرید تجهیزات صنعتی وام بگیرید، اما به‌جای پذیرفتن یک ابزار همه‌کاره، بانک تنها ابزاری را ضمانت پذیرد که دقیقاً برای یک محصول خاص ساخته شده است.
این دقیقاً همان اتفاقی است که در بازار سرمایه‌ی هوش مصنوعی رخ داده است. طبق گزارش AI Tech Connect در ۲ آگوست ۲۰۲۶، شرکت General Compute توانسته است تسهیلاتی به ارزش ۴۰۰ میلیون دلار را دریافت کند که ضمانت آن نه واحد پردازش گرافیکی (GPU)، بلکه مدار مجتمع کاربردی‌ویژه (ASIC) — تراشه‌هایی که مثل یک دستگاه برش لیزر صنعتی، فقط برای یک عملیات دقیق طراحی شده‌اند — است.
این تحول در حالی رخ می‌دهد که صنعت به‌دنبال روش‌های بهینه‌تر برای اجرای مدل‌ها در مقیاس واقعی است. این حرکت به سوی بهینه‌سازی سخت‌افزاری در زمانی می‌آید که بسیاری از تحلیلگران، از جمله در بررسی هزینه‌های زیرساختی هوش مصنوعی، بر لزوم دستیابی به درآمدزایی کلان برای توجیه این سرمایه‌گذاری‌های سنگین تأکید دارند. همان‌طور که در پوشش پیشین ما از تلاش‌های DeepSeek برای ساخت تراشه‌های استنتاج اختصاصی دیدیم، این وام نشان می‌دهد که بازارهای مالی حالا سیلیکون‌های تخصصی را به‌عنوان دارایی‌های پایدار می‌شناسند.
این تسهیلات به‌گونه‌ای طراحی شده که با تقاضای مشتری رشد کند؛ یعنی با تعهد اولیه ۱۰۰ میلیون دلاری شروع شده و سقف آن تا ۴۰۰ میلیون دلار بالا می‌رود. وام‌گیرنده، شرکت General Compute است؛ یک فضای ابری استنتاج در بوستون که در اوایل سال ۲۰۲۶ توسط فین پوکلوسکی (Finn Puklowski) تأسیس شد.
جزئیات فنی این قرارداد عبارت است از:
- وثیقه: تراشه‌های SambaNova SN50 مخصوص استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی نه دوره‌ی آموزش آشپز.
- نسبت سرمایه: این وام بیش از ۲۰ برابرِ دوره‌ی سرمایه‌گذاری اولیه (Seed) ۱۵ میلیون دلاری شرکت در مه ۲۰۲۶ است.
- ساختار: این مبلغ یک تزریق نقدی مستقیم نیست، بلکه سقف اعتباری تعریف شده است.
به باور تحلیلگران، این اتفاق یعنی پایان انحصار مطلق GPUها در زیرساخت هوش مصنوعی. اگر تراشه‌هایی مثل SN50 بتوانند به‌عنوان وثیقه پذیرفته شوند، سد ورود برای ارائه‌دهندگان ابری تخصصی می‌شکند. در واقع ریسک مالی از زنجیره تأمین انویدیا فاصله می‌گیرد و به عملکرد واقعی سخت‌افزار استنتاج منتقل می‌شود. این تغییر رویکرد به سمت خدمات تخصصی، یادآور استراتژی‌های جدید غول‌هایی چون مایکروسافت است که به‌جای فروش لایسنس‌های کلی، بر ارائه خدمات سفارشی و تخصصی متمرکز شده‌اند.
گام بعدی شما
- اگر مدیر زیرساخت هستید، بررسی کنید که آیا هزینه‌های استنتاج شما با جایگزینی GPU با ASIC کاهش می‌یابد یا خیر.
- چشم به این موضوع داشته باشید که آیا بانک‌های بزرگ دیگر نیز تراشه‌های تخصصی را به‌عنوان دارایی پذیرفته‌شده می‌شناسند یا نه.
- عملکرد مدل‌های خود را روی سخت‌افزارهای غیر از انویدیا بسنجید تا وابستگی تامین‌کننده را کاهش دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو