مايكروسوفت تكشف عن شريحة ذكاء اصطناعي جديدة تتحدى إنفيديا وAMD بكفاءة أعلى 40% 🤖

كشفت مايكروسوفت (MSFT – Microsoft) عن أحدث معالجاتها للذكاء الاصطناعي أزور مايا 300 (Azure Maia 300)، في خطوة تستهدف تقليل اعتمادها على الرقائق التي توفرها إنفيديا (NVDA – Nvidia) وإيه إم دي (AMD – AMD)، وتعزيز قدرتها على تشغيل خدمات الذكاء الاصطناعي بكفاءة أعلى.

وأعلنت الشركة المعالج الجديد يوم الاثنين خلال مؤتمر OCP Global Summit 2026 في سان خوسيه، موضحة أنه سيصبح جزءًا من خط معالجات مايا الذي يضم أيضًا Maia 100 وMaia 200.

وتخطط مايكروسوفت لبدء نشر هذه المعالجات على نطاق واسع خلال 2027، ضمن بنية تحتية متعددة الغيغاواط، بهدف جعلها النظام الأساسي لتشغيل عمليات الاستدلال بالذكاء الاصطناعي في منتجات الشركة وخدماتها.

وبحسب مايكروسوفت، يوفر المعالج الجديد كفاءة أعلى بنسبة 40% في عدد وحدات معالجة البيانات المنتجة لكل ميغاواط مقارنة بأنظمة رائدة تعتمد على معالجات الرسوميات.

🧠 نظرة مُركّب: يمثل إطلاق مايا 300 خطوة مهمة في استراتيجية مايكروسوفت للسيطرة على تكاليف تشغيل الذكاء الاصطناعي. لكن نجاح المعالج تجاريًا سيعتمد على قدرته على تحقيق الكفاءة المعلنة عند تشغيل التطبيقات الفعلية، وليس في الاختبارات الداخلية وحدها.

🚀 ما الذي يميز معالج مايا 300؟

يركز معالج Azure Maia 300 على عمليات الاستدلال (AI Inference)، وهي المرحلة التي يستخدم فيها نموذج الذكاء الاصطناعي قدراته المدربة مسبقًا لإنتاج الإجابات وتنفيذ المهام.

وتختلف هذه العمليات عن تدريب النماذج، الذي يتطلب معالجة كميات ضخمة من البيانات لبناء قدرات النموذج الأساسية.

وأوضحت مايكروسوفت أن المعالج الجديد يقدم تحسينات كبيرة في كفاءة التشغيل، أبرزها:

• كفاءة أعلى بنسبة 40% في إنتاج وحدات البيانات لكل ميغاواط مقارنة بأنظمة رائدة تعتمد على معالجات الرسوميات.
• قدرة رف تضم 96 شريحة من Maia 300 على معالجة وحدات بيانات بمعدل يعادل 7 أضعاف قدرة رف يعتمد على الجيل السابق Maia 200، وفق مقارنة الشركة.
• الاستعداد لنشر المعالجات ضمن بنية تحتية متعددة الغيغاواط بدءًا من 2027.
• الاعتماد عليها تدريجيًا لتصبح النظام الأساسي لعمليات الاستدلال في منتجات مايكروسوفت.

وتُعرف وحدات البيانات باسم الرموز (Tokens)، وهي وحدات تستخدمها أنظمة الذكاء الاصطناعي لتمثيل أجزاء من النصوص والصور والفيديو.

وكلما زاد عدد الرموز التي يستطيع النظام معالجتها مقابل كمية الكهرباء المستهلكة، تحسنت كفاءته التشغيلية.

🧠 نظرة مُركّب: قد تؤدي زيادة كفاءة الاستدلال إلى خفض تكلفة تشغيل خدمات الذكاء الاصطناعي، خصوصًا مع ارتفاع أعداد المستخدمين. لكن المقارنة بين المعالجات تتطلب أيضًا النظر إلى تكلفة الأجهزة والتبريد والبرمجيات، وليس استهلاك الطاقة وحده.

☁️ مايكروسوفت توسع استخدام معالجاتها الخاصة

تستخدم مايكروسوفت بالفعل معالج Maia 200 لتشغيل عدد من خدمات الذكاء الاصطناعي في بيئات الإنتاج الفعلية.

وتشمل هذه الاستخدامات خدمات مايكروسوفت 365 كوبايلوت (Microsoft 365 Copilot)، إلى جانب نماذج أوبن إيه آي (OpenAI) ونماذج مايكروسوفت الخاصة (MAI) والنماذج مفتوحة المصدر.

كما تعتمد تطبيقات مثل تيمز (Teams) وكوبايلوت (Copilot) وكوورك (Cowork) على قدرات الذكاء الاصطناعي التي توفرها البنية الحاسوبية للشركة.

وبحسب مايكروسوفت، يحقق معالج مايا 200 كفاءة أعلى بنحو 1.7 مرة في عدد الرموز المعالجة لكل واط مقارنة بأنظمة أخرى تعتمد على معالجات الرسوميات.

ويمثل مايا 300 الجيل التالي في هذه الاستراتيجية، مع التركيز على رفع القدرة الإنتاجية وتقليل استهلاك الطاقة لكل مهمة.

🧠 نظرة مُركّب: يمنح تطوير المعالجات داخليًا مايكروسوفت فرصة لتصميم رقائق تتناسب مع احتياجات خدماتها تحديدًا. وقد يساعد ذلك على تحسين هوامش الربح إذا انخفضت تكلفة تشغيل كل طلب من المستخدمين، لكن النتائج ستعتمد على حجم الاستخدام وتكلفة تطوير المعالجات.

🏢 عمالقة التكنولوجيا يقللون اعتمادهم على إنفيديا

لا تقتصر استراتيجية تطوير المعالجات الخاصة على مايكروسوفت.

فقد اتجهت شركات التكنولوجيا الكبرى إلى تصميم رقائق مخصصة لتشغيل تطبيقات الذكاء الاصطناعي، بهدف تقليل الاعتماد على الموردين الخارجيين.

وتشمل هذه الشركات:

• أمازون (AMZN – Amazon)، التي تطور معالجات ترينيوم (Trainium).
• ألفابت (GOOGL – Alphabet)، التي تطور معالجات TPU المستخدمة في خدمات جوجل السحابية.
• ميتا (META – Meta Platforms)، التي تعمل على تطوير معالجات مخصصة لأحمال الذكاء الاصطناعي.
• مايكروسوفت (MSFT – Microsoft)، التي توسع عائلة معالجات Maia.

كما تعمل شركات متخصصة في الذكاء الاصطناعي، مثل أوبن إيه آي (OpenAI) وأنثروبيك (Anthropic)، على تطوير قدرات أو مشروعات مرتبطة بالمعالجات المخصصة.

ويسمح تصميم الرقائق داخليًا للشركات بتكييف بنيتها الحاسوبية مع متطلبات تطبيقاتها، بدلًا من الاعتماد الكامل على معالجات عامة الاستخدام.

🧠 نظرة مُركّب: يعكس هذا التوجه تحولًا تدريجيًا في سوق البنية التحتية للذكاء الاصطناعي. فالشركات الكبرى لم تعد تكتفي بشراء المعالجات، بل تسعى إلى امتلاك جزء أكبر من التكنولوجيا التي تشغل خدماتها، ما قد يعيد توزيع فرص النمو بين موردي الرقائق.

📉 لماذا يمثل مايا 300 تحديًا لإنفيديا؟

تعتمد إنفيديا (NVDA – Nvidia) بصورة كبيرة على الطلب القادم من شركات الحوسبة السحابية العملاقة، التي تشكل أكثر من 50% من إيراداتها الفصلية في كثير من الفترات.

وتضم هذه الفئة شركات مثل مايكروسوفت وأمازون وجوجل وميتا، التي تستثمر مبالغ ضخمة في مراكز بيانات الذكاء الاصطناعي.

وقد يؤدي توسع هذه الشركات في استخدام معالجاتها الخاصة إلى تقليل اعتمادها النسبي على رقائق إنفيديا في بعض التطبيقات.

وتزداد المنافسة مع اتجاه أمازون (AMZN) وألفابت (GOOGL) إلى إتاحة معالجاتهما المخصصة لعملاء خارجيين عبر خدمات الحوسبة السحابية.

كما تدرس أمازون بيع معالجاتها لعملاء يرغبون في تركيبها داخل مراكز بياناتهم الخاصة، بدلًا من الاعتماد على تشغيلها في منشآت أمازون.

وقد يفتح ذلك مجالًا لمنافسة أكثر مباشرة مع موردي الرقائق التقليديين.

🧠 نظرة مُركّب: يتمثل التحدي أمام إنفيديا في احتمال انتقال جزء من الطلب على معالجات الاستدلال إلى رقائق مخصصة أقل تكلفة. لكن حجم التأثير سيعتمد على سرعة انتشار هذه البدائل ومدى قدرتها على دعم التطبيقات المختلفة بكفاءة.

⚖️ هل يعني ذلك تراجع الطلب على رقائق إنفيديا وإيه إم دي؟

رغم توسع الشركات الكبرى في تطوير معالجاتها، لا يعني ذلك بالضرورة توقفها عن شراء رقائق إنفيديا (NVDA) وإيه إم دي (AMD).

فأحمال الذكاء الاصطناعي تختلف من حيث طبيعتها ومتطلباتها الحاسوبية.

وقد تكون المعالجات المخصصة مناسبة لتطبيقات معينة، بينما تظل معالجات الرسوميات أكثر ملاءمة لتدريب نماذج متقدمة أو تشغيل تطبيقات تحتاج إلى مرونة برمجية كبيرة.

كما تستفيد إنفيديا من منظومة برمجيات واسعة وأدوات تطوير متقدمة، ما يجعل الانتقال الكامل إلى بدائل أخرى أكثر تعقيدًا.

ولهذا قد تتجه الشركات إلى استخدام مزيج من المعالجات بدلًا من الاعتماد على نوع واحد.

ولا تزال رقائق إنفيديا من أكثر المعالجات طلبًا في سوق الذكاء الاصطناعي، وفق المعلومات الواردة.

🧠 نظرة مُركّب: قد تكون النتيجة الأقرب هي تنويع مصادر المعالجات بدلًا من استبدال إنفيديا بالكامل. وسيكون التحدي أمام الشركة الحفاظ على حصتها في سوق سريع النمو، حتى إذا توسعت البدائل المخصصة في بعض الاستخدامات.

💰 كيف قد تستفيد مايكروسوفت ماليًا؟

تستهلك مراكز بيانات الذكاء الاصطناعي كميات كبيرة من الكهرباء، ما يجعل كفاءة الطاقة عاملًا مهمًا في تكلفة تشغيل الخدمات.

وإذا استطاعت مايكروسوفت معالجة عدد أكبر من الرموز باستخدام كمية الكهرباء نفسها، فقد تتمكن من زيادة الطاقة التشغيلية دون ارتفاع مماثل في استهلاك الكهرباء.

وقد يساعد ذلك على تحسين اقتصاديات خدمات مثل كوبايلوت وأزور، خصوصًا إذا استمر نمو الطلب على الذكاء الاصطناعي.

كما يمنح امتلاك المعالجات الخاصة مايكروسوفت قدرة أكبر على التخطيط لتوسعات مراكز البيانات وتقليل تعرضها لبعض قيود الإمدادات الخارجية.

لكن تطوير الرقائق يتطلب استثمارات كبيرة في البحث والتصميم والتصنيع والبرمجيات، ما يعني أن المكاسب المالية لن تكون تلقائية.

🧠 نظرة مُركّب: إذا تحققت مكاسب الكفاءة المعلنة على نطاق واسع، فقد تدعم هوامش ربح خدمات الذكاء الاصطناعي لدى مايكروسوفت. ومع ذلك، يجب مقارنة وفورات التشغيل بتكاليف تطوير المعالجات ونشرها وصيانتها.

📌 الخلاصة لمتابعي مُركّب

أعلنت مايكروسوفت (MSFT – Microsoft) إطلاق معالج الذكاء الاصطناعي الجديد Azure Maia 300، ضمن خطتها لتقليل الاعتماد على معالجات إنفيديا (NVDA) وإيه إم دي (AMD).

وتقول الشركة إن المعالج الجديد يوفر كفاءة أعلى بنسبة 40% في عدد الرموز المعالجة لكل ميغاواط مقارنة بأنظمة رائدة تعتمد على معالجات الرسوميات.

كما يوفر رف يضم 96 شريحة قدرة معالجة تعادل 7 أضعاف الجيل السابق Maia 200، وفق اختبارات مايكروسوفت.

وتخطط الشركة لنشر معالجات مايا على نطاق واسع بدءًا من 2027، لتصبح البنية الأساسية لعمليات الاستدلال في منتجاتها وخدماتها.

🧠 نظرة مُركّب: يمثل إطلاق مايا 300 خطوة جديدة نحو تقليل تكلفة تشغيل الذكاء الاصطناعي وزيادة استقلالية مايكروسوفت التقنية. أما بالنسبة لإنفيديا وإيه إم دي، فإن الخطر الأساسي يتمثل في تراجع الاعتماد النسبي على معالجاتهما لدى بعض أكبر العملاء، وليس بالضرورة انخفاض الطلب الإجمالي عليهما.

🔮 النظرة المستقبلية

ستتركز الأنظار خلال 2027 على قدرة مايكروسوفت على تنفيذ خطط نشر معالجات مايا ضمن بنية تحتية متعددة الغيغاواط.

وإذا نجحت الشركة في تحقيق مكاسب الكفاءة المعلنة على نطاق واسع، فقد تتمكن من تحسين اقتصاديات خدمات الذكاء الاصطناعي وتقليل اعتمادها على موردي المعالجات الخارجيين.

وفي المقابل، ستواجه إنفيديا وإيه إم دي منافسة متزايدة من المعالجات التي تطورها شركات الحوسبة السحابية الكبرى.

لكن استمرار نمو الطلب على تدريب النماذج وتشغيلها قد يتيح مساحة لنمو المعالجات المخصصة ومعالجات الرسوميات معًا.

وسيكون من المهم متابعة حصة المعالجات الخاصة من الإنفاق الرأسمالي لشركات التكنولوجيا، ومدى تأثيرها في مشتريات رقائق إنفيديا وإيه إم دي.

وبالنسبة لمتابعي القطاع، فإن السؤال الأساسي هو ما إذا كانت المعالجات المخصصة ستصبح الخيار الرئيسي لتشغيل خدمات الذكاء الاصطناعي واسعة النطاق، أم أن مرونة معالجات الرسوميات ومنظوماتها البرمجية ستبقيها في موقع متقدم لسنوات مقبلة.