دیوارهایی که غول‌های هوش مصنوعی را متوقف کرد

به گزارش شبکه اطلاع‌رسانی طلا و ارز، برای ماه‌ها، همه نگاه‌ها به مدل‌های زبانی بزرگ و رقابت شرکت‌هایی مانند OpenAI و Anthropic بود. اما امروز، تصویر متفاوت شده است. سرمایه‌گذاران حرفه‌ای به این نتیجه رسیده‌اند که الگوریتم خوب، بدون سخت‌افزار کافی، هیچ ارزشی ایجاد نمی‌کند. زنجیره تأمین فیزیکی هوش مصنوعی – از تراشه‌های حافظه گرفته تا کابل‌های برق – به حلقه مفقوده این صنعت تبدیل شده است. در این گزارش، سه گلوگاه اصلی را مرور می‌کنیم و نشان می‌دهیم چرا شرکت‌های تولیدکننده قطعات، نه توسعه‌دهندگان نرم‌افزار، گزینه‌های داغ سرمایه‌گذاری شده‌اند.

آن سوی الگوریتم؛ دنیای فیزیک و مهندسی

قضیه از این قرار است: تا چندی پیش، مهم‌ترین سؤال این بود که «کدام مدل هوشمندتر است؟» اما امروز، سؤال به این شکل تغییر کرده: «چگونه می‌توانیم این مدل را با هزینه معقول به هزاران میلیون کاربر برسانیم؟» پاسخ در سه لایه زیرساختی نهفته است: حافظه پرسرعت، بسته‌بندی پیشرفته و انرژی کافی.

برای درک مقیاس، فقط به رقم سرمایه‌گذاری غول‌های فناوری نگاه کنید. آمازون، مایکروسافت، گوگل، متا و اوراکل در سال ۲۰۲۶ حدود ۷۲۵ میلیارد دلار هزینه سرمایه‌ای خواهند داشت – رقمی که تقریباً ۶ برابر سال ۲۰۲۲ است. حدود سه‌چهارم این بودجه صرف زیرساخت هوش مصنوعی می‌شود. به این رقم، بودجه ناشی از عرضه اولیه سهام شرکت‌هایی مانند OpenAI و Anthropic (حدود ۷۰ میلیارد دلار دیگر) را هم اضافه کنید. نتیجه؟ فشاری بی‌سابقه روی زنجیره تأمین.

گلوگاه اول – حافظه HBM؛ طلای جدید دنیای فناوری

مشکل کجاست؟

مدل‌های هوش مصنوعی برای پاسخ‌دهی سریع، به حافظه‌ای نیاز دارند که بتواند حجم عظیمی از داده را در کسری از ثانیه جابه‌جا کند. این حافظه «HBM» (حافظه با پهنای باند بالا) نام دارد و عرضه آن بسیار محدود است.

قیمت تراشه‌های حافظه DRAM در سال ۲۰۲۶، ۱۲۵ درصد رشد کرده و قیمت حافظه‌های ذخیره‌سازی تا ۲۳۴ درصد افزایش یافته است. تحلیلگران می‌گویند تمام ظرفیت تولید تراشه‌های تعیین‌شده برای سال ۲۰۲۶، از هم‌اکنون به فروش رفته است.

علت اصلی، گذار از مرحله آموزش به مرحله استنتاج است. تا دیروز، هزینه اصلی صرف «یاد دادن» به هوش مصنوعی می‌شد. اما امروز، هزینه اصلی صرف «پاسخ دادن» به کاربران است. پیش‌بینی می‌شود تا پایان سال ۲۰۲6، حدود ۷۰ تا ۸۰ درصد از کل هزینه‌های محاسباتی هوش مصنوعی مربوط به مرحله استنتاج باشد. این یعنی نیاز روزافزون به HBM.

برنده این گلوگاه کیست؟

شرکت مایکرون (Micron) . سهام این شرکت در ۱۲ ماه گذشته ۹۰۰ درصد رشد کرده و به عضویت باشگاه یک تریلیون دلاری درآمده است.

گلوگاه دوم – بسته‌بندی CoWoS؛ معمای پنهان انویدیا

مشکل کجاست؟

ساخت یک تراشه هوش مصنوعی، فقط به طراحی آن ختم نمی‌شود. تراشه حافظه باید به پردازنده اصلی متصل شود. این کار با فناوری خاصی به نام «بسته‌بندی پیشرفته CoWoS» انجام می‌گیرد. ظرفیت این بسته‌بندی سال‌هاست که پاسخگوی تقاضا نیست.

تازه‌ترین گزارش‌ها نشان می‌دهد که خود انویدیا نیز از این کمبود آسیب دیده است. این شرکت مجبور شده تولید نسل جدید تراشه خود به نام «Rubin Ultra» را کاهش دهد و تمرکز را روی نسل قبلی یعنی «Blackwell» بگذارد. سهم Blackwell از کل محموله‌های تراشه‌های پیشرفته امسال از ۶۱ درصد به ۷۱ درصد افزایش یافته است.

پیش‌بینی می‌شود کمبود ظرفیت بسته‌بندی CoWoS تا سال ۲۰۲۷ ادامه داشته باشد. تنها در آن زمان و با افزایش ۶۰ درصدی ظرفیت شرکت TSMC (تولیدکننده اصلی این فناوری)، مشکل تا حدی کاهش می‌یابد.

گلوگاه سوم – انرژی؛ دیواری که هوش مصنوعی به آن خورده است

مشکل کجاست؟

مراکز داده هوش مصنوعی به شدت انرژی‌بر هستند. بسیاری از پروژه‌های جدید نه به دلیل کمبود تراشه، که به دلیل نداشتن مجوز برق کافی متوقف می‌شوند. تحلیلگران می‌گویند: «دسترسی به شبکه برق، امروز از کمبود تراشه هم مهم‌تر شده است.

صنعت در حال گذار به سیستم‌های ۸۰۰ ولت است (نسخه قوی‌تر از سیستم ۴۸ ولت قدیمی). با دو برابر شدن ولتاژ، جریان نصف و اتلاف انرژی تا ۷۵ درصد کاهش می‌یابد. این انقلاب، شرکت‌های فعال در حوزه مدیریت انرژی را به ستاره‌های جدید تبدیل کرده است.

برندگان این گلوگاه:

تگزاس اینسترومنتس (Texas Instruments) : که با انویدیا همکاری نزدیک دارد.

انسیمی (Onsemi) : با سهم ۵۵ درصدی از بازار خودروهای الکتریکی چین، اکنون در حال ورود به زیرساخت هوش مصنوعی است.

سناریوها؛ سرمایه‌گذاران به دنبال چه کسانی هستند؟

تحلیل‌های جدید نشان می‌دهد که سرمایه‌گذاران نهادی در حال کاهش سهام شرکت‌های صرفاً نیمه‌هادی و افزایش سهام تولیدکنندگان قطعات الکترونیکی هستند. به عبارت دیگر، موج بعدی ثروت‌آفرینی از آنِ شرکت‌هایی خواهد بود که در لایه‌های شلوغ‌تر زنجیره ارزش – مانند تجهیزات برق، مواد خاص، و سیستم‌های خنک‌کننده – فعالیت می‌کنند.

نتیجه‌گیری

عصر جدید هوش مصنوعی، عصر غلبه فیزیک بر الگوریتم است. سرمایه‌گذارانی که امروز به دنبال سهام‌های ارزشمند هستند، دیگر فقط به دنبال «بهترین مدل» نمی‌گردند؛ آن‌ها شرکت‌هایی را جستجو می‌کنند که باریک‌ترین نقاط زنجیره تأمین را در اختیار دارند. مایکرون، TSMC، تگزاس اینسترومنتس و انسیمی نام‌هایی هستند که نشان داده‌اند چگونه می‌توان از این تنگناها عبور کرد. خط بعدی نوشته شدن تاریخ هوش مصنوعی، نه توسط برنامه‌نویسان که توسط مهندسان برق و متخصصان مواد ساخته خواهد شد.