قال باحثون إن الولايات المتحدة استحوذت على 72% من القدرة الحاسوبية العالمية للذكاء الاصطناعي منذ عام 2022، مقابل 10% للصين، ما يمنح أمريكا أفضلية كبيرة في تطوير أدوات الذكاء الاصطناعي التي يستخدمها الأفراد والشركات.
أهم النقاط
قالت مؤسسة Epoch AI Research إن 72% من القدرة الحاسوبية العالمية للذكاء الاصطناعي منذ عام 2022 انتهت في الولايات المتحدة، بينما استحوذت الصين على نحو 10%
قالت Epoch إن الولايات المتحدة استحوذت على نحو 60% من القدرة الحاسوبية الجديدة للذكاء الاصطناعي المضافة سنويًا بين عامي 2022 و2025
لم تنشر Epoch المنهجية الكاملة في منشورها على X، لذا ينبغي التعامل مع الأرقام على أنها تقديرات تقريبية للاتجاهات
تنفق Oracle وAmazon وMicrosoft مبالغ طائلة على الأنظمة المتكاملة، لا على المعالجات وحدها، لدعم تدريب النماذج الكبيرة والاستدلال بها
أفادت مؤسسة Epoch AI Research بأن الولايات المتحدة استحوذت أيضًا على نحو 60% من حوسبة الذكاء الاصطناعي الجديدة التي أُضيفت سنويًا من 2022 إلى 2025. وتدرس المجموعة الاتجاهات طويلة الأمد في تدريب النماذج والطلب على الأجهزة والبنية التحتية للذكاء الاصطناعي.
تكتسب هذه الأرقام أهميتها لأن حوسبة الذكاء الاصطناعي، أي الشرائح والخوادم المستخدمة لتدريب النماذج وتشغيلها، باتت تحدد الجهات القادرة على بناء أنظمة رائدة على نطاق واسع.
يمكن لمختبر تحسين البيانات والخوارزميات، لكنه يظل بحاجة إلى آلاف المسرّعات وعقود لتوفير الطاقة ومعدات الشبكات للانتقال من النموذج الأولي إلى الإنتاج.
لم تنشر Epoch المنهجية الكاملة في منشور X، لذا ينبغي التعامل مع الأرقام بوصفها تقديرًا تقريبيًا للاتجاه، لا إحصاءً شاملًا لكل وحدات معالجة الرسوميات العاملة. ومع ذلك، يتوافق هذا التوزيع مع التطورات الصناعية الأخيرة، ومنها التوسع الكبير في البنية التحتية السحابية بالولايات المتحدة وضوابط التصدير التي أبطأت وصول الصين إلى المسرّعات المتقدمة.
حوسبة الذكاء الاصطناعي تتركز في السحب الأمريكية
ويساعد هذا التركّز أيضًا في تفسير ارتباط عدد كبير من مطوري النماذج بشركاء البنية التحتية الأمريكيين.
عندما توجد معظم حوسبة الذكاء الاصطناعي في السحب الأمريكية ومراكز الاستضافة المشتركة، يصبح الوصول إليها مسألة تفاوض تجاري قبل أن يكون مسألة بحثية.
وقد وسّع هذا الواقع الفجوة بين المختبرات القادرة على ضمان سعة حوسبة طويلة الأجل وتلك التي لا تستطيع ذلك. كما يدفع الدول خارج الولايات المتحدة إلى دعم الحوسبة المحلية، واستمالة مصنّعي الشرائح الأجانب، أو الاكتفاء بأجهزة أقدم تزيد تكاليف التدريب وتطيل دورات النشر.
هذا النمط مألوف لقرّاء العملات المشفرة.
باتت حوسبة الذكاء الاصطناعي الشحيحة تشبه إلى حد ما مساحة الكتل المحدودة أو القدرة التعدينية النادرة. فالجهة التي تسيطر على الإمدادات تستطيع فرض رسوم مقابل الوصول إليها، وإعطاء الأولوية لأعباء العمل المفضلة، والتأثير في اقتصاديات جميع الجهات التابعة لها.
اقرأ أيضًا: شركة ناشئة لأبحاث الأدوية تجمع 215 مليون دولار لبناء مختبرات كيمياء في الولايات المتحدة
أربعة أعوام من السياسات والمشتريات
لم يظهر هذا الاختلال بين عشية وضحاها.
منذ 2022، أبرمت شركات الحوسبة فائقة النطاق الأمريكية التزامات متعددة السنوات لشراء الشرائح، واستأجرت طاقة جديدة على نطاق صناعي، واستحوذت على جزء كبير من إنتاج العالم من المسرّعات المتطورة.
في المقابل، اضطرت الصين إلى التكيف مع قيود التصدير ومحدودية إنتاج الشرائح المحلية وضيق فرص الحصول على تقنيات التغليف المتقدمة والذاكرة. وهذا لا يمنع الشركات الصينية من بناء نماذج قوية، لكنه يغيّر منحنى التكاليف ويبطئ وتيرة إتاحة حوسبة جديدة للذكاء الاصطناعي.
ويأتي الرقم الأحدث أيضًا بعد عام اعتبر فيه المستثمرون الوصول إلى القدرة الحاسوبية مؤشرًا على استدامة شركات الذكاء الاصطناعي.
تقل أهمية ادعاءات الإيرادات عندما يكون السؤال الأصعب هو ما إذا كانت الشركة ستتمكن من حجز عدد كافٍ من الأجهزة بعد ستة أشهر.
ما الذي تغيّره حوسبة الذكاء الاصطناعي للآخرين؟
والأمر التالي الذي ينبغي مراقبته هو ما إذا كانت حصة الولايات المتحدة ستواصل الارتفاع رغم زيادة إنفاق المناطق الأخرى. فإذا أضافت أوروبا والخليج وأجزاء من آسيا سعة كبيرة في 2027، فقد يصبح السوق أقل تركّزًا من دون أن يتوازن فعليًا.
أما بالنسبة إلى الشركات الناشئة، فالمسألة العملية أبسط.
إذا استمر تركز حوسبة الذكاء الاصطناعي في عدد قليل من المناطق والسحب، فقد يضطر مطورو النماذج إلى الاختيار بين هوامش ربح أعلى أو زمن تأخير أقل أو استقلالية استراتيجية. ولن يتمكن إلا قليل منهم من تحقيق الأهداف الثلاثة معًا.
كيف تتحول حوسبة الذكاء الاصطناعي إلى طاقة
تكشف أرقام Epoch AI Research عن أكثر من مجرد عدد الشرائح.
عمليًا، تعني حوسبة الذكاء الاصطناعي القدرة المتاحة للتدريب والاستدلال داخل مجموعات الحوسبة المبنية من المسرّعات ومبدّلات الشبكات والذاكرة وأنظمة إمداد الطاقة. قد تمتلك شركة 10,000 وحدة معالجة رسومية متقدمة، لكن ضعف الترابط بينها قد يجعل قدرتها الفعلية على حوسبة الذكاء الاصطناعي أقل من قدرة منافس لديه عدد أقل من الشرائح وشبكات أسرع.
لهذا السبب، تنفق Oracle وAmazon وMicrosoft مبالغ طائلة على الأنظمة المتكاملة، لا على المعالجات وحدها.
يتطلب تدريب النماذج الكبيرة نقل البيانات بين رفوف الخوادم بزمن تأخير منخفض، بينما يتطلب الاستدلال توافر عدد كافٍ من الخوادم للرد على طلبات المستخدمين بتكلفة مستقرة. وعندما تقول Epoch إن الولايات المتحدة حصدت 72% من حوسبة الذكاء الاصطناعي، فهي تشير إلى السيطرة على المنظومة المتكاملة: الأراضي والكهرباء والتبريد والشرائح وبرمجيات الحوسبة السحابية.
وبالنسبة إلى المختبرات وشركات الحوسبة السحابية الصينية، تكتسب هذه النسبة أهميتها لأن غياب كل طبقة يزيد من حدة القيود في الطبقة التالية.
قد يؤدي نقص الشرائح المتطورة إلى الاضطرار لاستخدام مجموعات حوسبة أصغر. وقد تعني المجموعات الأصغر دورات تدريب أطول.
وقد تؤخر الدورات الأطول إطلاق المنتجات وتزيد احتياجات التمويل. وهذا هو التفاعل المتسلسل الكامن وراء إحصائية واحدة.
اقرأ أيضًا: هيئة الأوراق المالية والبورصات تدرج 3 شركات في قائمة عامة لتداول الأسهم المُرمّزة