اگر امروز مدیر یک مرکز داده هستید، متوجه شده‌اید که دیگر مشکل شما کمبود تراشه نیست، بلکه سرعت انتقال داده‌هاست. بازار هوش مصنوعی در حال تجربه یک چرخش سخت‌افزاری است: مرکز ثقل قدرت از «مغز» (GPU) به «سیستم عصبی» (HBM) منتقل شده است.
این تغییر در حالی رخ می‌دهد که ارزش سهام انویدیا (Nvidia) از اوج خود در می ۲۰۲۴ حدود ۱۵٪ کاهش یافته است. با وجود اینکه انویدیا همچنان یک قدرت بزرگ است و پیش‌بینی می‌شود درآمدهای آن به رشد خود ادامه دهد، اما این کاهش قیمت سیگنالی از تغییر نگاه سرمایه‌گذاران به رقابت زیرساخت‌های هوش مصنوعی است. بازار اکنون از تمرکز بر قدرت پردازش خام، به سمت حافظه‌هایی حرکت کرده است که باید این قدرت را پشتیبانی کنند.
در واقع، انویدیا اکنون در مقایسه با سودهای مورد انتظار، ارزان‌تر از میانگین شاخص S&P است؛ به این معنا که سرمایه‌گذاران در حال حاضر برای هر دلار سود پیش‌بینی‌شده‌ی این شرکت، مبلغ کمتری می‌پردازند تا آنچه برای یک شرکت بزرگ معمولی آمریکایی می‌پردازند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی قوانین مقیاس‌پذیری اشاره کردیم، رشد مدل‌ها به سخت‌افزاری نیاز دارد که بتواند حجم عظیمی از داده را جابه‌جا کند. در دو سال گذشته، جهان واحد پردازش گرافیکی (GPU) — شبیه به موتور یک ماشین مسابقه‌ای که هرچه سریع‌تر باشد بهتر است — را تنها دروازه‌بان پیشرفت هوش مصنوعی می‌دید. باور بر این بود که اگر تراشه نداشتید، نمی‌توانستید مدل‌ها را آموزش دهید. این وضعیت، محیطی شبیه به «تب طلای» ایجاد کرد که در آن سلطه انویدیا مطلق بود.
زمینه فنی (Technical Context)
صعود انویدیا بر پایه تکنولوژی‌های واقعاً تحسین‌برانگیز بنا شده بود. دو محرک کلیدی در این مسیر وجود داشت:
- CUDA: یک پلتفرم برنامه‌نویسی گسترده که باعث شد GPUهای انویدیا به موتور پیش‌فرض پژوهش‌های هوش مصنوعی تبدیل شوند.
- توسعه سریع: انویدیا سرعت تولید GPUها را به سطحی رساند که کمتر کسی آن را ممکن می‌پنداشت و برخی از پیچیده‌ترین دستگاه‌های ساخته شده در تاریخ بشر را تولید کرد.
اما اکنون گلوگاه جدیدی ظهور کرده است. مراکز داده اکنون به هر مقدار حافظه‌ای که بتوان با پول خرید، نیاز دارند. این چالش‌های زنجیره تامین تنها محدود به حافظه نیست و حتی در بخش‌های دیگر سخت‌افزاری نیز دیده می‌شود؛ چنان‌که نقص‌های فنی در بردهای مدار چاپی باعث تأخیر در عرضه برخی مدل‌های پیشرفته انویدیا شد. طبق گزارش تک‌کرانچ (TechCrunch)، این نیاز شدید باعث شده است تا سازندگان حافظه به برندگان اصلی و جدید توسعه زیرساخت‌های هوش مصنوعی تبدیل شوند.
ظهور معاملات حافظه (The Rise of the Memory Trade)
در این میان، شرکت میکرون (Micron)، یکی از بزرگ‌ترین تولیدکنندگان حافظه دسترسی تصادفی پویا (DRAM) — که حافظه استاندارد موجود در سرورها و رایانه‌هاست و مثل میز کار یک کارمند است و هرچه بزرگ‌تر باشد، دسترسی به پرونده‌ها سریع‌تر می‌شود — شاهد رشد خیره‌کننده ارزش خود بوده است. در حالی که سهام انویدیا در حال کاهش بود، ارزش میکرون تقریباً سه برابر شد.
جزئیات این تغییر عبارتند از:
- تمرکز بر HBM: تقاضا به‌طور خاص برای تراشه‌های «حافظه پهنای‌باند بالا» (High-Bandwidth Memory) است؛ قطعات تخصصی که برای انتقال داده‌ها به پردازشگرها با سریع‌ترین سرعت ممکن طراحی شده‌اند.
- پیشرفت‌های تدریجی: برخلاف تکامل پیچیده و جهشی GPUها، تکنولوژی HBM طی ۲۰ سال گذشته به صورت گام‌به‌گام و تدریجی بهبود یافته است.
- اشتباه در تخمین بازار: در تابستان ۲۰۲۵ هیچ پیشرفت فنی شگفت‌انگیزی رخ نداد؛ بلکه صنعت صرفاً مقدار حافظه مورد نیاز برای ساخت مراکز داده را بسیار کمتر از حد واقعی تخمین زده بود.
این عدم توازن بین عرضه و تقاضا به شرکت‌های حافظه‌ساز اجازه داد تا قیمت‌های خود را در سال گذشته تا ۱۰ برابر افزایش دهند. در حالی که قیمت GPUها در حال تثبیت است، قیمت لحظه‌ای (Spot Price) DRAM — یعنی قیمتی که خریداران در بازار آزاد در مقابل قراردادهای بلندمدت می‌پردازند — همچنان در حال صعود است.
سقوط قیمت محاسبات (The Compute Price Collapse)
در مقابل، هزینه اجاره ساعتی یک Nvidia H100 از اوج خود در می ۲۰۲۴، جایی که به حدود ۳.۲۰ دلار در ساعت رسیده بود، به طور پیوسته کاهش یافته است.
به گزارش منابع صنعتی، دو نیروی اصلی باعث این سقوط قیمت شده‌اند:
۱. سیلیکون‌های سفارشی: غول‌هایی مثل گوگل، آمازون، مایکروسافت و OpenAI پردازنده‌های سفارشی خود را برای کاهش وابستگی به انویدیا روانه بازار کرده‌اند. حتی اگر این تراشه‌ها به کیفیت آخرین مدل‌های انویدیا نباشند، اما برای پایین آوردن قیمت‌ها «به اندازه کافی خوب» هستند.
۲. افزایش عرضه: کمبودهای شدید GPU که سال گذشته بسیار هشداردهنده به نظر می‌رسید، سرانجام فروکش کرده است.
وین نلمز، هم‌بنیان‌گذار و مدیر فنی شرکت Ornn، به تک‌کرانچ گفته است: «بسیاری از بازیگران اکنون می‌توانند یک تراشه شتاب‌دهنده بسازند، اما تقریباً هیچ‌کس DRAM خودش را نمی‌سازد. بازیکنان بیشتری در حال ورود به بازار GPU و شتاب‌دهنده‌ها هستند. همه می‌خواهند سیلیکون خودشان را بسازند، اما هیچ‌کس حافظه DRAM خودش را نمی‌سازد.»
این وضعیت یک اصلاح کلاسیک در بازار است. انویدیا ثابت کرد که قدرت محاسباتی به شدت ارزشمند است و همین موضوع هر شرکت تکنولوژی بزرگی را ترغیب کرد تا نسخه خاص خود از آن محاسبات را بسازد. در این مسیر، آن‌ها به طور اتفاقی کمیابی را به یک قطعه ساده‌تر منتقل کردند: تراشه حافظه.
برای خواننده و تحلیل‌گر، این بدان معناست که «تجارت هوش مصنوعی» دیگر تنها درباره این نیست که چه کسی هوشمندترین تراشه را می‌سازد، بلکه درباره این است که چه کسی می‌تواند داده‌ها را با سرعت کافی جابه‌جا کند تا آن تراشه‌ها فعال بمانند. مرکز ثقل مالی از مغز (GPU) به سیستم عصبی (HBM) لغزیده است.
نلمز معتقد است این وضعیت تا زمانی ادامه خواهد داشت که یا یک پیشرفت تکنولوژیکی بزرگ در HBM رخ دهد، یا تغییر شدیدی در عرضه و تقاضا ایجاد شود و یا بازیگر جدیدی وارد بازار حافظه شود.
گام بعدی شما
- اگر در حوزه سرمایه‌گذاری تکنولوژی فعال هستید، زنجیره تامین HBM و شرکت‌های جایگزین میکرون را رصد کنید.
- برای توسعه‌دهندگان، پیگیری بهینه‌سازی‌های مربوط به مدیریت حافظه در استنتاج (Inference) حیاتی‌تر از خرید سخت‌افزار بیشتر است.
این تنها بخشی از پازل زیرساختی است؛ اثر این تغییر بر هزینه نهایی سرویس‌های ابری را در گزارش بعدی بررسی خواهیم کرد.
گفتگو