من أسهل الأخطاء التي يمكن ارتكابها عند بدء أبحاث أشباه الموصلات هي التعامل مع «أشباه الموصلات» باعتبارها صناعة واحدة.

في الواقع، فإن الشريحة داخل الخادم أو الهاتف الذكي أو السيارة أو مُسرّع الذكاء الاصطناعي هي النتيجة النهائية لشبكة إنتاج معقدة بشكل غير معتاد. يمكن لبرامج التصميم، والملكية الفكرية، ومعدات التصنيع، والمواد المتخصصة، والصفّيات/المسابك (foundries)، ومُنتجي الذاكرة، وشركات التغليف، ومقدمي خدمات الاختبار، وكذلك الشركات المُصنِّعة للأنظمة أن تؤدي جميعها أدوارًا مهمة قبل أن يصل منتج نهائي إلى العميل.

وهذا يهم المستثمرين لأن أجزاء مختلفة من سلسلة القيمة تستجيب بشكل مختلف لاتجاه السوق نفسه.

قد يؤدي الارتفاع في طلب الذكاء الاصطناعي إلى استفادة مصممي الرقائق فورًا، ثم قد يخلق لاحقًا عنق زجاجة في المسابك، ويزيد الطلب على التغليف المتقدم، ويشدّ التوريد الخاص بالذاكرة عالية النطاق الترددي (high-bandwidth memory)، وفي النهاية قد يدفع الشركات المصنعة إلى طلب مزيد من المعدات. يساعد فهم التسلسل على تفسير لماذا يمكن لشركات أشباه الموصلات أن تعمل بشكل مختلف جدًا حتى عندما تبدو مكشوفة لنفس الموضوع.

التصميم يأتي قبل التصنيع

تبدأ كل أشباه موصلات كتصميم.

يحدد المهندسون ما الذي يجب أن تقوم به الرقاقة، وكيف ينبغي أن تتفاعل وظائف مختلفة، وكم الطاقة التي يمكن للنظام استهلاكها، وكيف ينبغي تحسين المعمارية (architecture) لحمل عمل (workload) معيّن.

الرقائق الحديثة بالغة التعقيد بحيث لا يمكن تصميمها يدويًا. لذلك تعتمد شركات أشباه الموصلات على برامج أتمتة التصميم الإلكتروني (EDA) وعلى كتل ملكية فكرية (IP) قابلة لإعادة الاستخدام لتصميم الرقائق ومحاكاتها والتحقق منها وتجهيزها للتصنيع.

وهذا عنصر مهم في الصناعة: تُنشأ قيمة اقتصادية كبيرة قبل بدء التصنيع المادي.

لا يتعين على شركة ما امتلاك مصنع تصنيع (fabrication plant) لتحتل موقعًا مهمًا في منظومة أشباه الموصلات.

الشركات بلا مصنع (Fabless) تركز على التصميم

تعمل العديد من شركات أشباه الموصلات المعروفة تحت نموذج «fabless».

هم يصممون الرقائق لكنهم يستكملون معظم أو كل التصنيع عبر مسابك خارجية.

يسمح هذا النموذج للشركات بتوجيه رأس المال وموارد الهندسة نحو المعمارية (architecture) وتطوير المنتجات والأنظمة البيئية للبرمجيات وعلاقات العملاء، بدلًا من بناء مصانع «fabs» متقدمة خاصة بها.

المقايضة تكمن في الاعتماد على شركاء التصنيع.

إذا أصبحت سعة المسابك المتقدمة (leading-edge foundry capacity) مقيدة، فلا يمكن للمصمم بلا مصنع (fabless designer) أن ينتج ببساطة المزيد من الرقائق بنفسه. تصبح توافر التصنيع، وتقنية العمليات، والتغليف، وعلاقات سلسلة التوريد جزءًا من قدرته على تلبية الطلب.

لهذا السبب، فإن دراسة مصمم رقاقة غالبًا ما تتطلب أيضًا دراسة شركاء تصنيعه.

المسابك (Foundries) تحوّل التصاميم إلى رقائق فعلية

لا يزال يتعين تحويل تصميم أشباه الموصلات المكتمل إلى «سيليكون».

تحدث هذه العملية داخل مصانع التصنيع، أو الـ«fabs»، حيث تمرّ الرقائق عبر مئات أو حتى آلاف الخطوات التصنيعية شديدة التحكم.

تُودَع طبقات من المواد، ثم تُنقش، وتُحفر، وتُعدَّل، وتُنظَّف، وتُقاس، وتُفحَص مرارًا حتى يتم إنشاء البنى الميكروسكوبية التي تشكّل الرقاقة.

تتخصص المسابك في تصنيع الرقائق المصممة بواسطة شركات أخرى.

عند عقد عمليات التصنيع المتقدمة (process nodes)، تكون حواجز الدخول هائلة. يتطلب بناء وتشغيل مصانع «fabs» متقدمة ورؤوس أموال كبيرة، وخبرة تقنية متخصصة جدًا، ومعدات تصنيع متقدمة، بالإضافة إلى سنوات من تطوير عمليات التصنيع.

اقتصاديات المسابك حسّاسة أيضًا بشكل كبير لاستخدام الطاقة (utilization).

تتحمل «fab» تكاليف ثابتة كبيرة بغض النظر عما إذا كانت تعمل قريبًا من طاقتها القصوى. يوزّع ارتفاع الاستخدام (utilization) هذه التكاليف عبر مخرجات أكثر، بينما قد يؤدي انخفاض الاستخدام إلى ضغط الربحية.

ونتيجة لذلك، غالبًا ما يراقب المستثمرون عن كثب استخدام الطاقة (utilization) وإضافات السعة عند تقييم دورة أشباه الموصلات.

صناعة معدات أشباه الموصلات تجعل التصنيع المتقدم ممكنًا

تعتمد المسابك نفسها على جزء رئيسي آخر من سلسلة القيمة: معدات أشباه الموصلات.

تقوم أدوات مختلفة بخطوات مختلفة في عملية التصنيع. تنقل أنظمة الليثوغرافيا أنماطًا صغيرة جدًا إلى الرقائق (wafers). تضيف أدوات الترسيب طبقات من المواد. تزيل معدات الحفر المواد المختارة. وتبحث أنظمة الفحص والقياس (inspection and metrology) عن العيوب وتتحقق مما إذا كانت خطوات التصنيع قد اكتملت بشكل صحيح.

قد تكون الحواجز التقنية في هذه الفئة مرتفعة بشكل استثنائي.

وهذا يجعل شركات معدات أشباه الموصلات مفيدة ليس فقط كمشروعات يمكن تحليلها بشكل مستقل، بل أيضًا كمؤشرات على استثمارات القطاع المستقبلية.

عندما يبدأ المصنعون بطلب مزيد من المعدات، فهم في الواقع يُصدرون حكمًا حول مكان توقع الحاجة إلى سعة إنتاج مستقبلية.

لذلك فإن الإنفاق على المعدات يقدّم أحد الأوجه التي توضّح ما يتوقّع أن يحدثه القطاع في السنوات التالية.

المواد سهلة الإغفال

يعتمد تصنيع أشباه الموصلات أيضًا على نطاق واسع من المواد المتخصصة.

تشمل هذه السيليكون على شكل رقائق (silicon wafers)، ومقاومات ضوئية (photoresists)، ومواد كيميائية متخصصة، وغازات، وركائز (substrates)، ومعادن، والعديد من المدخلات الأخرى التي يجب أن تلبي معايير شديدة الصرامة من حيث النقاوة والاتساق.

قد تكون بعض هذه الأسواق أصغر بكثير من أسواق المعالجات أو الذاكرة، لكن أهميتها الاستراتيجية قد تكون كبيرة.

لا يحتاج المكوّن إلى تمثيل حصة كبيرة من تكلفة النظام النهائي كي يصبح عائقًا (عنق زجاجة).

إذا كان هناك عدد صغير فقط من الموردين المؤهلين، أو إذا كان تغيير الموردين يتطلب اختبارات وشهادات مطوّلة، فقد يترتب على اضطراب في فئة صغيرة ظاهريًا في المنبع (upstream) عواقب تمتد عبر سلسلة الإنتاج بأكملها.

الذاكرة تغذّي المعالج

لا يمكن للمعالجات إجراء حسابات مفيدة دون وجود بيانات.

وهذا يجعل الذاكرة جزءًا أساسيًا آخر من منظومة أشباه الموصلات.

جعل الذكاء الاصطناعي هذه العلاقة أكثر وضوحًا. تتطلب المُسرّعات التي تنفّذ حسابات مصفوفية على نطاق واسع كميات هائلة من البيانات لكي تُسلَّم بسرعة. صُممت الذاكرة عالية النطاق الترددي (HBM) تحديدًا لتوفّر عرض نطاق أكبر بكثير من معماريات الذاكرة التقليدية.

ومع نمو أنظمة الذكاء الاصطناعي، يحتاج المستثمرون بشكل متزايد إلى التفكير في المعالجات والذاكرة معًا.

يمكن لخريطة طريق للمُسرّعات تتطلب HBM أكثر بشكل ملحوظ لكل جهاز أن تؤثر على الطلب على الذاكرة حتى لو ظل عدد المُسرّعات المُشحونة ثابتًا. لذلك فإن تشكيل المنتجات (product mix) مهم إلى جانب حجم الوحدات (unit volume).

التغليف المتقدم يربط النظام

بمجرد تصنيع الرقائق الفردية، لا يزال يتعين دمجها في أنظمة قابلة للاستخدام.

هنا يدخل التغليف ضمن سلسلة القيمة.

تجمع معالجات الذكاء الاصطناعي المتقدمة بشكل متزايد بين عدة شرائح حوسبة (compute dies) ووُكدات (stacks) من HBM داخل حزمة مترابطة بإحكام. توفر تقنيات التغليف الاتصالات المادية التي تتيح لهذه المكوّنات التواصل بكفاءة.

لقد رفع ذلك مستوى التغليف من كونه عملية خلفية كانت تُهمل نسبيًا إلى جزء مهم استراتيجيًا من الحوسبة عالية الأداء.

كما أنه يخلق نوعًا جديدًا من قيود السعة.

قد يمتلك المُصنّع سعة كافية من الرقائق لإنتاج شرائح الحوسبة المطلوبة، لكنه قد يظل غير قادر على شحن أنظمة نهائية كافية لأن سعة التغليف محدودة.

انتقل عنق الزجاجة ببساطة إلى المرحلة اللاحقة.

الشبكات والقدرة تمدّ قصة أشباه الموصلات

لا تنتهي سلسلة القيمة عندما تُغلَّف المُسرّعات.

تحتاج الأنظمة الكبيرة من الذكاء الاصطناعي إلى رقائق الشبكات (networking chips)، والمحولات (switches)، والمكوّنات البصرية (optical components)، ووحدات التحكم في التخزين (storage controllers)، وأشباه موصلات إدارة الطاقة (power-management semiconductors)، ومنظمات الجهد (voltage regulators)، والعديد من الأجهزة الأخرى.

كلما أصبحت تجمعات (clusters) الذكاء الاصطناعي أكبر، زادت أهمية هذه المكوّنات الداعمة.

يكون مركز البيانات المليء بالمُسرّعات (accelerators) مفيدًا فقط إذا كانت هذه المُسرّعات قادرة على التواصل بكفاءة وتلقي طاقة كافية.

لهذا السبب تمتدّ الأثر الاقتصادي لبنية تحتية للذكاء الاصطناعي إلى ما هو أبعد من الشركات التي تنتج أكثر المعالجات ظهورًا.

التفكير في العلاقات بدلًا من الرموز السُّعريّة (Tickers)

فهم سلسلة قيمة أشباه الموصلات يتلخّص في نهاية المطاف في فهم التبعيات.

إذا زاد طلب المُسرّعات، ماذا يحدث لسعة المسابك المتقدمة؟ إذا كانت كل مُسرّعة تستخدم HBM أكثر، فماذا يحدث لإمدادات الذاكرة؟ إذا أصبحت حزم الحوسبة (compute packages) أكبر، هل يمكن للتغليف المتقدم أن يتوسع بسرعة كافية؟ إذا نمت التجمعات، ما تقنيات الشبكات والقدرة التي تصبح أكثر أهمية؟

هذه الأسئلة محورية في إطار البحث خلف Bella Alpha SEMI AlphaReport.

بدلًا من التعامل مع كل إعلان من كل شركة أو كل نقطة بيانات للقطاع على أنها تطورٌ معزول، تنظر SEMI AlphaReport إلى مكان وجود المعلومات داخل سلسلة قيمة أشباه الموصلات وكيف يمكن أن تؤثر التغييرات في طبقة واحدة على طبقة أخرى.

هذه المقاربة مهمة لأن استثمار أشباه الموصلات نادرًا ما يتعلق بشركة واحدة تعمل بشكل مستقل.

الرقاقة هي منتج. والقطاع الذي يصنعها هو شبكة من تقنيات مترابطة، ومورّدين، وعملاء، وقرارات تتعلق بالسعة.

إن فهم هذه الشبكة هو أحد أكثر نقاط البداية فائدة لفهم القطاع.

لأغراض المعلومات والبحث فقط. لا يشكّل هذا المحتوى نصيحة مالية أو استثمارية.

عن بيلّا

من خلال هدف يجعل تداول العملات المشفرة والبحث وفرص العائد أسهل في التنقل، يقدّم بروتوكول بيلّا حزمة منتجات سهلة الوصول عبر ذكاء سوقي مدعوم بالذكاء الاصطناعي وتطوير استراتيجيات كميّة. تتضمن المنظومة الخاصة بمنتجاته Bella Alpha، وهو بروتوكول عائد متعدد السلاسل، وبرنامجًا لمحاكاة Uniswap V3 قائمًا على أسلوب برمجي (programmatic).

Bella Alpha هي التطور التالي لـ Bella Signal Bot وBella Research Bot، إذ تجمع إشارات تداول مدعومة بالذكاء الاصطناعي وبيانات السوق ومعلومات المشاريع وأبحاث العملات المشفرة ضمن تجربة تليجرام واحدة. مدعومة بخمسة نماذج ذكاء اصطناعي متخصصة، تراقب Bella Alpha أزواج التداول الدائم (perpetual trading pairs) المدعومة وتقدّم إشارات Long وShort وClose عبر ظروف سوق مختلفة. كما أن محرك الأبحاث الخاص بها المدعوم بـ LLM وRetrieval-Augmented Generation يتيح للمستخدمين طرح أسئلة مرتبطة بالسوق، والبحث عن معلومات ذات صلة، واستكشاف مشاريع التشفير المدعومة، ما يخلق سير عمل أكثر ترابطًا من تحديد حركة سوقية إلى البحث عن السياق وراءها دون التنقل بين أدوات منفصلة.

بالإضافة إلى ذكاء سوقي خاص بالذكاء الاصطناعي، طوّر بروتوكول بيلّا مجموعة أوسع من أدوات التمويل اللامركزي (DeFi) والأدوات الكميّة. يوفّر Bella LP Farm مزوّدي السيولة إمكانية الوصول إلى فرص العائد عبر شبكات متعددة، بينما Tuner هو مُحاكي Uniswap V3 قائم على أسلوب برمجي يمكّن المطورين والاستراتيجيين الكميين من إجراء اختبارات خلفية (backtest) وصقل للاستراتيجيات باستخدام بيانات تاريخية أو بيانات مخصّصة، مع الحفاظ على سلوك عقد Uniswap V3 الذكي.

يدعم بروتوكول بيلّا Binance Labs وArrington XRP Capital، إضافةً إلى عدد من المستثمرين المعروفين الآخرين.

لمزيد من المعلومات عن بيلّا أو للانضمام إلى فريقنا، تواصلوا معنا عبر contact@bella.fi. تعرّفوا على الأخبار الرسمية الأخيرة الخاصة ببيلّا: Medium: https://medium.com/@Bellaofficial Twitter: @BellaProtocol Telegram: https://t.me/bellaprotocol Discord: https://discord.gg/jcuFJZWFMh Gitbook: https://bellafi.gitbook.io/bella-protocol