Nvidia ما بعد الشريحة: المصدر المفتوح ومصانع الذكاء الاصطناعي وميزة البنية التحتية
Nvidia تبيع بنية تحتية، لا مجرد شريحة
تحليل | 13 نوفمبر 2026. Nvidia هي المورد المهيمن للشرائح المتقدمة المستخدمة لتدريب نماذج الذكاء الاصطناعي وتشغيلها في مراكز البيانات، وتضع تقديرات القطاع حصتها العالمية عند نحو 80%. وتتجاوز أهميتها المعالجات إلى البرمجيات وأدوات التطوير والسحابة والممارسات الهندسية. استبدال منصة حوسبة تعمل بالفعل أكبر من تصميم معالج منافس. والحصة تقيس سوقا محددة، وليست إحصاء لكل شركات الذكاء الاصطناعي أو دليلا على اعتماد حصري.
الانتقال من استرجاع معلومات مخزنة إلى توليد إجابات مرتبطة بالسياق في الوقت الحقيقي يغير الدور الاقتصادي للحوسبة. فنظام الذكاء الاصطناعي يجري حسابات لإنتاج مخرجاته بدلا من تقديم ملف مسجل فحسب. ومن هنا تأتي فكرة مصنع الذكاء الاصطناعي: تصبح البنية جزءا من إنتاج الخدمات الرقمية. والاختبار التجاري هو أن تكون المخرجات مفيدة بما يكفي لتحقيق إيراد يتجاوز كلفة تقديمها.
المصدر المفتوح جزء من المحرك، لكن CUDA ليست مفتوحة بالكامل
تتيح البرمجيات المفتوحة للباحثين والمطورين فحصها وتعديلها ومشاركتها بموجب ترخيصها، ما يسمح بالتعاون بين الشركات والدول. وتوضح PyTorch هذه القاعدة المشتركة: جمع انتقالها إلى Linux Foundation أعضاء منهم AMD وAWS وGoogle Cloud وMeta وMicrosoft Azure وNvidia. لذا ليست برمجيات الذكاء الاصطناعي المفتوحة ملكية أو إنجاز شركة شرائح واحدة.
تشارك Nvidia مع احتفاظها بمكونات مملوكة. تصدر مكتبة CUTLASS بترخيص BSD، ووحدات نواة Linux الخاصة بوحدات GPU بترخيص مزدوج MIT/GPL. لكن فتح وحدات النواة لا يجعل برنامج التشغيل والبرامج الثابتة وCUDA Toolkit بأكملها مفتوحة المصدر. فللحزمة ترخيص وقيود خاصة. التنزيل المجاني والمصدر المفتوح والأوزان المفتوحة أوصاف مختلفة، ويجب فحص كل مكون على حدة.
تخدم النماذج المفتوحة ثلاثة أغراض مترابطة: فهم معماريات المستقبل، ونشر الذكاء الاصطناعي خارج عدد قليل من الموردين ذوي المنتجات المغلقة، ودعم الأحياء والفيزياء والروبوتات إلى جانب اللغة. ومن أمثلتها Nemotron 3 Super. تصفه Nvidia بأنه نموذج هجين Mamba-Transformer بمزيج من الخبراء، يضم 120 مليار معلمة إجمالا و12 مليارا نشطة، مع إتاحة نقاط التحقق ومجموعات البيانات ووصفات التطوير. تدل هذه المواد على شكل محدد من الانفتاح، لا على خلو كل منتجات الشركة من القيود.
الميزة هي الطريق من الفكرة إلى النظام العامل
توفر CUDA منصة برمجة ومترجما ومكتبات وأدوات للتطبيقات المسرعة بوحدات GPU. يستطيع الباحث استخدام إطار عالي المستوى دون كتابة كل عملية مباشرة بلغة CUDA. لكن خيارات التنفيذ تحته تؤثر في الذاكرة والحساب والتواصل بين الأجهزة.
تمثل قاعدة CUDA المثبتة ميزة تنافسية محورية. فالبرمجيات المدعومة والمهندسون المدربون وأدوات تصحيح الأخطاء وطرق النشر المألوفة تقلل عدم اليقين عند تشغيل نموذج في الإنتاج. ينافس البديل هذه المنظومة العاملة، لا رقما في مواصفات شريحة فقط. وقد يتطلب استبدالها تكييف البرمجيات والتحقق من النتائج وإعادة بناء الخبرة التشغيلية. الصعوبة حقيقية، لكن كلفتها تختلف حسب عبء العمل؛ وليست ارتباطا دائما لا يمكن فكه.
OpenAI والسحابة: اعتماد كبير، لا احتكار شامل
ChatGPT خدمة من OpenAI وليس مشتريا مستقلا للشرائح في هذه المقارنة. وصف إعلان OpenAI في سبتمبر 2025 شركة Nvidia بأنها شريك استراتيجي مفضل للحوسبة والشبكات، وأعلن خطاب نوايا لنشر أنظمة Nvidia بقدرة لا تقل عن 10 غيغاواط. كما ذكر نية Nvidia استثمار ما يصل إلى 100 مليار دولار أمريكي تدريجيا. هذه خطط معلنة بتاريخ محدد، وليست دليلا هنا على تشغيل كامل القدرة أو دفع كامل الاستثمار.
تتيح السحابة الوصول إلى عتاد Nvidia دون شراء خوادم خاصة. توثق AWS مثلا مثيلات EC2 P5 بوحدات H100 ومثيلات P5e/P5en بوحدات H200 للتدريب والاستدلال والحوسبة عالية الأداء. ويقدم المورد خدمات حول العتاد، منها الشبكات وإدارة القدرة. إنها علاقة أوسع من صفقة شرائح.
تهيمن Nvidia على السوق الأوسع، لكن البدائل تنجز أعمالا مهمة بالفعل. دربت Google نموذج Gemini 2.0 على وحدات Trillium TPU الخاصة بها. وأعلنت AWS تشغيل أعباء Anthropic على بنية Trainium2 في Project Rainier. هذه بدائل فعلية، لا دليل على أن كل منصة منافسة أرخص أو أسرع أو متاحة بالمقدار نفسه لكل مهمة. الصورة العملية هي اعتماد كبير على Nvidia مع استبدال انتقائي، لا اعتماد حصري لدى الجميع.
ما بعد الدردشة: الصحة والروبوتات والحوسبة قرب المستشعر
تمتد منصات Nvidia الموثقة إلى التصوير الطبي والجينوم وأبحاث اكتشاف الأدوية والروبوتات. وتصف موادها الصحية MONAI لذكاء التصوير الطبي وParabricks للجينوم، بينما صممت IGX للتطبيقات الصناعية والروبوتية والطبية الطرفية. هذه قدرات واستخدامات مقصودة، وليست إثباتا لعلاج أو موافقة سريرية أو انتشار في كل مستشفى.
الفارق بين مركز البيانات والحوسبة الطرفية مهم. يقدم النظام المركزي موارد مشتركة كبيرة، بينما يعالج النظام الطرفي المعلومات قرب كاميرا أو آلة أو مستشعر. وقد يجعل ذلك الاستجابة المحلية وإرسال بيانات مختارة أمرين ذوي قيمة. وتبقى متطلبات الطاقة والموثوقية والسلامة مختلفة باختلاف البيئة. وجود معمارية في مجالات متعددة لا يعني أن جهازا مطابقا يناسب الجميع.
وصلت Nvidia إلى الفضاء، لكن مصنع ذكاء اصطناعي مداريا ادعاء آخر
يوجد مثال فضائي موثق: عرض قدمه Jet Propulsion Laboratory في يونيو 2023 يسجل أربع وحدات Nvidia Tesla T4 ضمن حزمة HPE Spaceborne Computer-2 على محطة الفضاء الدولية. وفحص البرنامج معالجات أخرى أيضا. يثبت ذلك استخدام عتاد Nvidia في تجربة حوسبة مدارية، لا تشغيل كل الأقمار به ولا أنه أول GPU أرسل إلى الفضاء.
يشرح وصف NASA للبرنامج مشكلة الإشعاع ونهج HPE البرمجي لمراقبة الأنظمة وإبطائها عند الحاجة. فالحوسبة المدارية مسألة هندسية، وليست مجرد رفع خوادم فوق الغلاف الجوي. الإشعاع والتكرار الاحتياطي والطاقة وطرد الحرارة كلها مهمة. معالجة الصور قرب مستشعرات قمر تختلف عن بناء مصنع مداري ضخم للذكاء الاصطناعي. ويظل الثاني اتجاها مستقبليا، لا مشكلة تبريد محلولة أو جدولا مؤكدا للتسليم.
التقييم: افصل سعر السوق عن التوقع
وضعت بيانات السوق التي فحصت لهذا المقال القيمة السوقية لأسهم Nvidia عند نحو 4.01 تريليون دولار أمريكي قرب إغلاق التداول الأمريكي في 12 نوفمبر 2026. هذا تقدير مقرب ومؤرخ، وليس سعرا مباشرا لتداول 13 نوفمبر الأمريكي. تقيس القيمة السوقية قيمة الأسهم، لا الإيراد السنوي أو النقد في البنك أو مجمل منفعة الذكاء الاصطناعي للمجتمع.
ينتمي تقييم مستقبلي عند 10 تريليونات دولار أو إيراد سنوي عند 3 تريليونات إلى سيناريو نمو طموح، لا سجل النتائج المحققة. تفترض حجة التوسع أن مصانع الذكاء الاصطناعي تخلق طلبا جديدا بدلا من أخذ حصة قائمة فقط. ويتوقف تحوله إلى ربح على دفع العملاء مقابل نتائج مفيدة وكلفة البنية والتقدم التقني. إنها احتمالات بعيدة المدى، لا أهداف يقرها هذا التحليل أو يضمنها.
القيد التالي هو المصنع بأكمله
اتسعت وحدة الحوسبة من GPU إلى حاسوب ثم عنقود ثم مصنع كامل للذكاء الاصطناعي. تظهر خطط OpenAI وأوصاف AWS لعناقيد GPU أهمية الشبكات والنشر إلى جانب المعالجات. ويجب تقييم الطاقة والتبريد وموثوقية البرمجيات والاستغلال معا. شراء المسرعات لا يساوي تشغيل خدمة منتجة. وتظل الحوسبة على نطاق الكوكب اتجاها طويل الأجل، لا قدرة مكتملة.
يمكن للمصدر المفتوح توسيع المشاركة وتسهيل التكيف. لكنه لا يوفر الكهرباء أو يزيل كلفة العتاد أو يضمن أن يمول التطبيق نفسه. وبالمثل، يمكن للعتاد والبرمجيات المملوكة تقديم أداء مفيد دون جعل الاعتماد دائما. يظل التوازن بين الأدوات المشتركة والمنصات التجارية منافسة مستمرة، لا قانونا صناعيا محسومًا.
الخلاصة: صعوبة الاستبدال ليست استحالته
تكمن أهمية Nvidia في الجمع بين الحوسبة المسرعة ومنصة ناضجة وثقة المطورين والوصول السحابي وتطبيقات من المختبر إلى تجربة مدارية. يتيح عملها المفتوح لمزيد من الناس البناء على البنية، بينما تبقى الطبقات المملوكة مهمة تجاريا. السؤال ليس هل يستطيع منافس نسخ GPU، بل هل يقدم البديل النظام الكامل والموثوق الذي يحتاجه عميل محدد.
هذا يجعل استبدال Nvidia صعبا في حالات كثيرة، لا مستحيلا في كل الحالات. وحدات Google TPU وAWS Trainium تمنع بالفعل ذلك الحكم المطلق. يعتمد مستقبلها على تحويل الهندسة وانتشار المنظومة إلى عمل مفيد بكلفة مقبولة. يعكس التقييم المرتفع توقعات، ولا يضمنها. هذا تحليل تحريري، وليس نصيحة استثمارية.