الرقائق المخصصة تقود مستقبل الذكاء الاصطناعي

في الوقت الحالي، يبدو أن كل شركة تقنية كبرى تقريبًا تطوّر رقاقات سيليكون مخصصة بها، أو تدرس الاستحواذ على شركات قائمة متخصصة في تصنيع الرقاقات. لماذا؟ ومع الارتفاع الهائل في عدد الرقائق اللازمة لتشغيل طيف واسع من تطبيقات الذكاء الاصطناعي، يمكن لإنتاج هذه الرقائق داخل الشركة أن يساهم في خفض التكاليف وتحسين أداء أنظمة الذكاء الاصطناعي، بحسب Shobhit Varshney، نائب الرئيس وSenior Partner في IBM Consulting.

ويقول في حلقة حديثة من بودكاست IBM Mixture of Experts: "عندما تحسّن بنية العتاد لتعمل بتناغم مع بنية البرمجيات، يحدث ما يشبه السحر. فهذا يخفض التكلفة الإجمالية وزمن الانتقال، وفي الوقت نفسه يزيد معدل الإنتاجية."

ومن خلال إنتاج الرقائق داخليًا، تقلل الشركات أيضًا اعتمادها على شركة تصنيع الرقائق NVIDIA، التي تسيطر – وفق التقديرات – على ما بين 70% و95% من سوق رقائق الذكاء الاصطناعي. ومع ذلك، فهذه ليست الصورة كاملة، كما تشير Kaoutar El Maghraoui، عالمة أبحاث رئيسة ومدير في IBM Research، في مقابلة مع IBM Think. تقليل الاعتماد على NVIDIA، كما تقول، لا يعني بالضرورة حل المشكلة، بل "لا يفعل في الواقع سوى أن ينقل مركز القوة من عملاق إلى آخر".

ويشير Shobhit Varshney إلى أنه حتى مع سعي الشركات إلى إحكام سيطرتها على عملية التصميم، وهي مرحلة هيمنت عليها NVIDIA في السنوات الأخيرة، فإن هذه الشركات ستظل تعتمد بدرجة كبيرة على شركة Taiwan Semiconductor Manufacturing Company Limited (TSMC). تصنّع TSMC غالبية رقائق الذكاء الاصطناعي على مستوى العالم لمجموعة واسعة من الاستخدامات، تمتد من الهواتف الذكية إلى المعدات العسكرية.

ويقول Varshney إن TSMC هي "اللاعب العملاق المهيمن" في هذا المجال، موضحًا: "الجميع يصمّم الرقائق، لكن TSMC هي القلب النابض لهذه الصناعة بأكملها في الوقت الحالي."

وقد بدأ سباق الرقائق في Silicon Valley قبل وقت طويل من أن تعزّز تطبيقات الذكاء الاصطناعي التوليدي الشهية المتزايدة لشركات التقنية تجاه هذه الرقائق. في عام 2015، نجح نظام الذكاء الاصطناعي AlphaGo من Google، والمدعوم بشريحة صمّمتها Google تُعرف باسم وحدة معالجة الموتر (TPU)، في هزيمة لاعب بشري محترف في لعبة Go الصينية القديمة. ومنذ ذلك الحين، كشفت Google عن سلسلة من الرقائق التي صمّمتها داخليًا لتشغيل أنظمة الذكاء الاصطناعي في مراكز البيانات الخاصة بها. ومؤخرًا، في ديسمبر 2024، أعلنت Google عن شريحة ذكاء اصطناعي جديدة لحوسبة Quantum تحمل اسم Willow. وتقول الشركة إن Willow قادرة على إكمال عملية حسابية معيارية في أقل من 5 دقائق، وهي العملية نفسها التي قد يستغرق تنفيذها على واحد من أسرع أجهزة الكمبيوتر العملاقة المتاحة اليوم نحو 10 سبتيليون (10²⁵) سنة.

وفي الفترة نفسها تقريبًا التي كانت Google تطلق فيها AlphaGo، بدأ باحثون في IBM أيضًا دراسة إمكانات بناء عتاد مخصص للذكاء الاصطناعي. وبحلول عام 2021، كانت IBM قد افتتحت AI Hardware Center في مدينة Albany بولاية New York بهدف إنشاء نظام بنائي أوسع يربط بين عتاد وبرمجيات الذكاء الاصطناعي. وبحلول عام 2022، كانت شريحة المعالج الدقيق الجديدة Telum من IBM قد أدخلت قدرات الاستدلال بالذكاء الاصطناعي إلى IBM Z، أجهزة الكمبيوتر المركزية التي تُنفَّذ عليها قرابة 70% من معاملات العالم من حيث القيمة. في أواخر عام 2024، أعلنت IBM عن رقاقة التسريع Spyre™، التي جلبت قدرات الذكاء الاصطناعي التوليدي إلى أجهزة IBM Z من فئة الكمبيوتر المركزي المخصصة لمستخدمي المؤسسات.

وفي الوقت نفسه، تعمل AWS على تطوير رقاقات كمبيوتر خاصة بها لمشروعات الذكاء الاصطناعي منذ عام 2018 على الأقل. وإذا انتقلنا سريعًا إلى الفعالية السنوية لمنصة AWS في عام 2024، نجد أن Amazon أعلنت هناك عن أحدث رقاقاتها المخصصة للذكاء الاصطناعي Trainium3 AI chip، التي ستوفرها للعملاء مقترنة بالنماذج اللغوية الكبيرة (LLMs) التي تطورها شريكتها Anthropic. وقد سارعت شركات عديدة إلى اعتماد رقاقات الذكاء الاصطناعي من AWS، من بينها Apple، التي لفتت الأنظار في AWS 2024 لأنّها من المرات النادرة التي تتحدث فيها Apple علنًا عن أحد مزوّديها.

ومن جانب آخر، أعلنت Microsoft، التي تطوّر رقاقات لتشغيل وظائف الألعاب لديها منذ سنوات، عن رقاقات مخصصة للذكاء الاصطناعي في عام 2023، في الفترة نفسها التي كشفت فيها شركة التقنية العملاقة Meta عن خططها الخاصة لرقاقات السيليكون. أما OpenAI فهي أحدث المنضمّين إلى سباق السيليكون المخصص، رغم أنّها لم تصدر حتى الآن إعلانات رسمية مفصلة. وعلى الرغم من عدم الكشف عن التفاصيل علنًا، أفادت وكالة Reuters في وقت سابق من هذا الشهر بأنّ OpenAI تضع اللمسات الأخيرة على تصميمات الرقاقات الخاصة بها، مع خطط لبدء تصنيعها عبر TSMC في عام 2025.

لماذا اشتدّ سباق الرقائق في الآونة الأخيرة؟ يقول Varshney من IBM إنّ تمكين الشركات من تخصيص الرقاقات لنماذج لغوية محددة بما يتوافق مع حالات الاستخدام التي تحتاجها يتيح لها خفض التكاليف، وتحسين زمن الانتقال، وتسريع حركة البيانات بين الشبكات المختلفة. ويضرب مثالًا على ذلك: تاريخيًا، عندما كانت الشركات تنفّذ مهام الكشف عن الغش وتدقيق الفواتير الواردة، كانت تعتمد على تقنيات الحوسبة التقليدية، نظرًا إلى ضخامة حجم المعاملات وحاجتها إلى زمن انتقال بالغ الانخفاض. ويضيف Varshney: "كانت هذه العمليات تُنفَّذ ملايين المرات يوميًا، ما يعني أن التكاليف كانت تتراكم بوتيرة سريعة جدًا."

أمّا اليوم، ومع قدرة الشركات على تحسين الرقاقات لنماذج بعينها، فقد انخفضت كلفة حالات الاستخدام ذات الأحجام الكبيرة، وأصبح نشر هذه الحلول في بيئات الإنتاج على نطاق واسع أكثر جدوى من الناحية الاقتصادية. من منظور المؤسسات، تظل حالات الاستخدام نفسها لا تتغير، كما يوضح Varshney. ويضيف: "لكننا اليوم بدأنا نستهدف السيناريوهات ذات الحجم الكبير، تلك التي لم يكن تحقيق عائد استثمار (ROI) مجدٍ فيها في السابق."

ومع تزايد عدد شركات التقنية التي تصمم الرقاقات داخليًا، يبرز سؤال مهم: كيف تحافظ TSMC على تفوقها على المنافسين؟ توضح Kaoutar El Maghraoui من IBM أن نهج الشركة، منذ البداية، كان مختلفًا عن نهج معظم شركات التقنية الأخرى؛ فهي تعمل كمصنع متخصص لتصنيع الرقاقات (foundry) مكرَّس لهذا الغرض، أي إنها لا تصمم الرقاقات نفسها، بل تتولى تصنيعها لصالح شركات أخرى فقط. وعلى مدى السنوات الماضية، لجأت أعداد متزايدة من الشركات إلى إسناد تصنيع الرقاقات إلى TSMC، مع الارتفاع المستمر في كلفة إنتاج مجموعة آخذة في الاتساع من أنواع الرقاقات المختلفة.

وفي الوقت نفسه، قفزت كلفة تصنيع الرقاقة الواحدة قفزات كبيرة، بحسب ما يوضح Dylan Patel، مؤسس شركة SemiAnalysis المتخصصة في أبحاث وتحليلات أشباه الموصلات، في مقابلة بودكاست حديثة. ويقول Patel إن تركيز TSMC الكامل على عملية تصنيع الرقاقات جعلها تبسّط كثيرًا من التعقيد أمام عملائها من المؤسسات.

ويشرح قائلًا: "تصنيع أشباه الموصلات عملية معقدة للغاية وجذورها قديمة، كما أن حاجز الدخول إلى هذا المجال أعلى بكثير مما هو عليه في أغلب شركات التقنية، لأن الأدوار المطلوبة فيه متخصصة إلى حد كبير." ويضيف أن موظفي TSMC يشعرون بفخر بالغ بعملهم: "فهم مستعدون للعمل 80 ساعة أسبوعيًا داخل المصنع، وإذا وقع أي خلل – مثل حدوث زلزال – فلن يترددوا في الحضور إلى الموقع في منتصف الليل، لأنهم غالبًا الجهة الوحيدة القادرة على إصلاح معدات بعينها."

ويوضّح Patel أن سببًا آخر يصعِّب تكرار نموذج TSMC هو استثمارها مليارات الدولارات في شراء عشرات الآلات المتقدمة عالية التخصص لتصنيع الرقاقات، التي طورتها شركة ASML الهولندية، وهي من أبرز الشركات العالمية في مجال معدات تصنيع الرقاقات.

وقد كانت ASML رائدة في تطوير تقنية الطباعة الضوئية بالأشعة فوق البنفسجية القصوى (EUV)، التي تقوم أساسًا على توليد أطوال موجية قصيرة للغاية من الضوء بكميات كبيرة، لاستخدامها في طباعة تصاميم صغيرة ومعقدة على الرقائق الدقيقة (microchips). تتراوح تكلفة آلات تصنيع الرقائق لدى ASML بين 183 و380 مليون دولار أمريكي للآلة الواحدة. وقد جرى تركيب واحدة من أوائل آلات الطباعة الضوئية بالأشعة فوق البنفسجية القصوى (EUV) في العالم عام 2014 في مجمّع Albany Nanotech، الذي تملكه وتديره NY CREATES، وتعدّ IBM Research شريكًا رئيسيًا فيه.

ومنذ ذلك الحين، ساهمت IBM Research مع شركائها في بناء نظام بنائي متكامل لتطوير وتحسين تقنية الطباعة الضوئية بالأشعة فوق البنفسجية القصوى (EUV)، مما أتاح لشركة IBM وغيرها من الشركاء تصغير حجم الترانزستورات إلى بضعة نانومترات فقط، أي أقل سُمكًا بعشرات الآلاف من المرات من شعرة بشرية واحدة.

وفي حين تواصل ASML وشركاؤها مثل IBM العمل على إنتاج رقائق أصغر فأصغر، ستبقى TSMC طرفًا أساسيًا في مشهد تصنيع الرقائق. ولا يرى Dylan Patel من شركة SemiAnalysis أن دور TSMC في هذا السياق يمثل مشكلة. ويقول: "لا أعتقد أن هذا التطور يلغي حالة الاعتماد القائم." وكانت TSMC قد أعلنت في عام 2020 عزمها إنشاء مصانع لتصنيع الرقائق في الولايات المتحدة، ومنذ ذلك الحين استثمرت الشركة العملاقة نحو 65 مليار دولار أمريكي لتطوير ثلاثة مصانع للرقائق في ولاية أريزونا. وفي الربع الرابع من عام 2024، بدأ إنتاج الرقاقات في أول مصنع تابع لشركة TSMC في الولايات المتحدة.

ويرى خبراء مثل El Maghraoui أن أمام الشركات فرصًا واعدة لاستخدام الذكاء الاصطناعي في اكتشاف مواد جديدة للرقائق التي تشغّل حلول الذكاء الاصطناعي نفسها. ولهذا الغرض، يمكن أن تساعد النماذج الجديدة من IBM وMeta الباحثين على اكتشاف مواد مبتكرة لتصنيع الرقائق، بما قد يسهم في موازنة ميدان المنافسة مستقبلًا.

ويقول El Maghraoui: "عندما نجعل هذه النماذج مفتوحة المصدر، فإننا نُسرّع وتيرة الابتكار، ونعزّز التعاون، وندفع نحو تطوير أنواع جديدة بالكامل من أشباه الموصلات."

فعلى سبيل المثال، يعمل فريق ضمن مشروع نماذج الأساس للمواد (FM4M) في IBM Research على استخدام الذكاء الاصطناعي لتصميم رقائق جديدة يمكنها تحقيق الأداء نفسه أو أداء أفضل مع تقليل بصمتها البيئية، بحسب ما يوضح Jed Pitera، القائد المشارك لاستراتيجية المواد المستدامة في IBM. إذا كان لدي مصنع رقاقات وأنتج عشرة أنواع مختلفة من الرقاقات، فما هي البصمة البيئية الإجمالية لكل رقاقة؟" يتساءل Pitera، في إشارة إلى الطاقة والمياه المستهلكة، والانبعاثات الناتجة عن تصنيع كل رقاقة على حدة.

ويضيف: "عندما نعرف البصمة البيئية الإجمالية للرقاقة A، يمكننا عندها البدء في إعادة النظر في طريقة تصنيعنا للرقاقات، بحيث نحافظ على مستوى الأداء نفسه، مع تقليل الأثر البيئي إلى أدنى حد ممكن." "وعندما تنخفض البصمة البيئية، تتحرك التكاليف في الاتجاه نفسه وتنخفض بدورها."