زيادة جديدة تضغط على ميزانيات الذكاء الاصطناعي
تتجه نفيديا إلى رفع أسعار بعض أنظمة الخوادم المخصصة للذكاء الاصطناعي بنسبة 15% تقريباً، في خطوة تأتي بعد زيادة سابقة وصلت إلى نحو 30% في يوليو وشملت معظم خطوط منتجاتها. وتشير التقديرات إلى أن هذه الموجة الجديدة ستطال أنظمة تعتمد على شرائح مثل Vera Rubin وGrace Blackwell، مع بدء تسليم بعض الوحدات في مطلع 2027.
السبب الرئيسي وراء هذه الزيادة هو الارتفاع الحاد في أسعار الذاكرة، إلى جانب الضغوط المتصاعدة على مكوّنات أخرى تدخل في بناء منظومات الذكاء الاصطناعي الحديثة. ويعكس ذلك واقعاً أوسع في السوق، حيث لم تعد تكلفة العتاد ثابتة، بل أصبحت تتأثر مباشرةً بطلب سريع النمو على بنية الحوسبة القادرة على تشغيل النماذج الكبيرة.
تضخم أسعار الذاكرة يغيّر معادلة شراء العتاد
تشير آراء محللين إلى أن ما يحدث لا يرتبط بسعر المنتج النهائي فقط، بل بسلسلة التوريد بأكملها. فارتفاع أسعار وحدات الذاكرة عالية النطاق الترددي HBM وذاكرة LPDDR5 يضغط على التكلفة النهائية للخوادم، إلى جانب عوامل أخرى مثل نقص بعض الشرائح المتقدمة، وسعة التصنيع في المصانع المتطورة، والتغليف المتقدم للمكوّنات.
هذه العناصر لا ترفع السعر فقط، بل تزيد أيضاً من فترات الانتظار والتسليم، وهو ما ينعكس عادةً على تسعير أعلى لدى الموردين. ووفق هذا المنطق، فإن المؤسسات التي تعتمد على شراء خوادم الذكاء الاصطناعي مباشرة ستواجه في الأغلب تكاليف أكبر، حتى لو حاولت التفاوض على العقود أو تأجيل الشراء.
ويرى بعض الخبراء أن نفيديا قد لا تكون ببساطة تمرر كامل الزيادة إلى العملاء، بل تمتص جزءاً من الضغوط التي تواجهها هي نفسها في التصنيع والتوريد. ومع ذلك، يبقى الاتجاه العام صعودياً، خاصةً لدى كبار العملاء الذين يشترون على نطاق واسع ويحتاجون إلى تجهيزات مستمرة لتوسيع قدراتهم الحوسبية.
التمويل لا يقتصر على الأجهزة وحدها
رغم أن العتاد يبدو في واجهة المشكلة، فإن بعض تكاليف الذكاء الاصطناعي تتصرف بشكل مختلف. فتكلفة كل وحدة معالجة أو كل رمز نصي في بعض الاستخدامات تتراجع تدريجياً، ما يفتح الباب أمام استراتيجيات جديدة للسيطرة على الإنفاق.
الرسالة الأهم لمسؤولي التقنية هنا هي أن الميزانية لا تتآكل فقط بسبب الشراء الأولي، بل أيضاً بسبب طريقة تشغيل النماذج وإدارة الحمل. فكلما ازداد الاعتماد على نماذج ضخمة في كل مهمة، ارتفعت فاتورة البنية الأساسية بلا داعٍ. أما التوزيع الذكي للأعباء، فيمكن أن يحسن الكفاءة ويخفف الضغط المالي.
هذا التحول يدفع الشركات إلى إعادة النظر في اختيار النموذج المناسب لكل مهمة. فالمسائل البسيطة مثل التصنيف أو التلخيص أو استخراج البيانات لا تحتاج دائماً إلى نموذج ضخم من الفئة العليا، ويمكن إنجازها بكلفة أقل عبر نماذج أصغر أو عبر بنية داخلية أكثر مرونة.
استراتيجيات لتخفيف الأثر على المؤسسات
مع ارتفاع أسعار الخوادم والذاكرة، يبحث مسؤولو تقنية المعلومات عن طرق لزيادة الاستفادة من البنية الحالية بدلاً من التوسع غير المنضبط. من بين الأساليب المطروحة: توجيه الطلبات إلى النموذج الأنسب، ضغط النماذج لتقليل حجمها، وتشغيل الدفعات على نحو أكثر كفاءة لتقليل الهدر في الموارد.
كما تتجه بعض الفرق التقنية إلى تطوير بنية هجينة تجمع بين النماذج المتقدمة للحالات المعقدة، والنماذج الصغيرة أو مفتوحة الأوزان للمهام اليومية. هذا النهج يتيح للمؤسسة الاحتفاظ بجودة عالية حيث يلزم، مع تقليص الاعتماد على البنية الأعلى كلفة في كل سيناريو.
ومن الزوايا المهمة أيضاً إدارة الذاكرة نفسها بذكاء. فبعض النماذج الحديثة بدأت تعتمد على أساليب طبقية تتيح تحميل الأجزاء الضرورية فقط إلى الذاكرة عند الحاجة، بدلاً من إبقاء النموذج كاملاً في RAM طوال الوقت. هذه المقاربة قد تقلل استهلاك الذاكرة وتمنح الشركات مساحة أفضل للتحكم في التكاليف.
السوق لا يتوقع انفراجاً سريعاً
تتفق قراءات السوق على أن الضغوط الحالية ليست مؤقتة على الأرجح. فالطلب على عتاد الذكاء الاصطناعي لا يزال قوياً، في حين أن المعروض من الذاكرة والمكوّنات المتقدمة لم يصل بعد إلى المستوى الذي يكفي لتخفيف الأسعار بشكل واضح.
وبالتالي، قد يظل المشهد على حاله في الأشهر المقبلة: تكاليف بنية تحتية أعلى، أسعار شراء أكبر، ومنافسة أشد على الموارد الحاسوبية. هذا الوضع لا يؤثر فقط في الشركات التي تبني مراكز بياناتها الخاصة، بل يمتد أيضاً إلى المستأجرين في السحابة، ومطوري البرمجيات، والفرق التي تشغّل نماذج الذكاء الاصطناعي على نطاق واسع.
في النهاية، يبدو أن الرسالة الأساسية للمؤسسات واضحة: لم يعد من الممكن التعامل مع موارد الذكاء الاصطناعي كما لو كانت بلا حدود. ومع استمرار ارتفاع أسعار العتاد، ستصبح كفاءة التشغيل، واختيار النموذج، وإدارة الذاكرة، عناصر حاسمة في ضبط الإنفاق والمحافظة على القدرة التنافسية.