NVIDIA — ملكة رقائق الذكاء الاصطناعي

NVIDIA لم تُخترع الذكاء الاصطناعي، لكنها صنعت البنية التحتية التي يعمل عليها. كل نموذج لغوي كبير، كل وكيل ذكاء اصطناعي، كل صورة مُولَّدة — خلفها في الغالب معالج NVIDIA. هذا الموقع تحوّل خلال عامين من ميزة تقنية إلى ريادة شبه احتكارية في أكثر قطاعات التكنولوجيا نمواً.

التأسيس والمسار حتى الذكاء الاصطناعي

تأسست NVIDIA في أبريل 1993 في سانتا كلارا بكاليفورنيا على يد جنسن هوانغ وكريس ماكلاهان وكيرتيس بريم. الهدف الأصلي كان تسريع رسومات الألعاب، وجاء معالج GeForce 256 عام 1999 بوصفه أول GPU مخصص تجارياً.

بداية 2006، أطلقت الشركة منصة CUDA التي سمحت للمطورين ببرمجة معالجات NVIDIA لمهام حسابية متنوعة خارج نطاق الرسومات. القرار الذي بدا وقتها تقنياً محضاً أصبح لاحقاً اللبنة التأسيسية لهيمنة الشركة: حين احتاجت مختبرات الذكاء الاصطناعي في 2010-2015 لمعالجات موازية، كان CUDA جاهزاً ومعروفاً لدى الباحثين.

من الألعاب إلى الذكاء الاصطناعي

نقطة الانعطاف الحقيقية جاءت عام 2012 حين أظهر AlexNet — المُدرَّب على معالجات NVIDIA — قفزة هائلة في دقة التعرف على الصور. الباحثون الأكاديميون اكتشفوا أن GPUs ليست للألعاب فقط؛ معالجات NVIDIA أصبحت الأداة الأساسية لتدريب الشبكات العصبية.

هذه البصيرة قادت NVIDIA إلى تطوير معالجات متخصصة للذكاء الاصطناعي. Volta عام 2017، ثم Turing، ثم Ampere، ثم Hopper A100 وH100 — كل جيل أتى بزيادة جوهرية في الأداء.

معمارية Blackwell والقيادة الراهنة

معمارية Hopper بمعالج H100 أصبحت معيار قياس أداء مختبرات الذكاء الاصطناعي منذ 2022. لكن Blackwell في 2024-2025 رفعت السقف مجدداً. معالج GB200 يُقدم أداءً يفوق الجيل السابق بـ 10 أضعاف في الاستدلال.

النتائج المالية تعكس هذا الطلب:

• الربع الثالث من السنة المالية 2026 (أكتوبر 2025): 57 مليار دولار إيرادات، بزيادة 62% سنوياً
• الربع الرابع (يناير 2026): 68 مليار دولار، بزيادة 73% سنوياً
• الإيرادات الكاملة لعام 2026: 215.9 مليار دولار، بزيادة 65% عن العام السابق

قسم مراكز البيانات — الذي يضم معالجات الذكاء الاصطناعي — بات يمثل أكثر من 90% من الإيرادات الإجمالية. “Blackwell sales are off the charts” كانت عبارة جنسن هوانغ التي باتت تُلخص حالة السوق.

الطلب يتجاوز العرض

بحلول أبريل 2026، أنظمة Blackwell مباعة بالكامل حتى منتصف العام مع قوائم انتظار طويلة من Meta ومايكروسوفت وAmazon وغوغل. المشكلة ليست في الطلب بل في الطاقة التصنيعية — NVIDIA تعتمد على TSMC كمُصنِّع حصري لأكثر معالجاتها تقدماً.

الأرقام المتوقعة لعام 2026 تتجاوز 320 مليار دولار من إيرادات Blackwell وحدها.

ما وراء الرقائق: البرمجيات والبيئة المتكاملة

CUDA ليس مجرد بروتوكول برمجي، إنه نظام بيئي متكامل لا يمكن الإفلات منه بسهولة. المطورون الذين تعلموا CUDA مترددون في الانتقال إلى بدائل AMD أو Intel حتى حين يتوفر التكافؤ التقني.

NVIDIA تحول تنافسها من الحديد إلى البرمجيات: منصة NIM لنشر النماذج، منظومة DGX Cloud لتوفير حواسيب AI عبر السحابة، وTensorRT لتحسين أداء الاستدلال. هذا التحول يرسّخ العائدات المتكررة بدل الاعتماد الكلي على دورات بيع الأجهزة.

المنافسون والمخاطر

AMD تُسرّع تطوير ROCm كبديل لـ CUDA، لكن التبني لا يزال محدوداً. Google وAmazon وMicrosoft تُطور رقائقها الخاصة — TPU وTrainium وAzure Maia — لتقليل الاعتماد على NVIDIA. OpenAI أبرمت صفقة مع AMD للحصول على 6 غيغاواط من الطاقة الحسابية.

قيود التصدير الأمريكية إلى الصين ضيّقت نافذة مهمة من السوق. رغم أن NVIDIA طورت رقائق مخففة كالـ H20 تتوافق مع القيود، إلا أن المنافسين الصينيين كهواوي يسرّعون بديلهم HiBM.

المعمارية التالية

في GTC 2026، كشفت NVIDIA عن بنية Rubin المبنية على عملية 3nm من TSMC وذاكرة HBM4، مع وعود بتخفيض تكلفة الاستدلال بمعامل 10 مقارنة بـ Blackwell. أنظمة Rubin ستبدأ الشحن في النصف الثاني من 2026.

معادلة NVIDIA تبدو بسيطة: طالما أن الطلب على الحوسبة للذكاء الاصطناعي يتضاعف، وطالما أن التحويل إلى بدائل معقد ومكلف، تبقى الشركة في موقع لا ينازعها فيه أحد عملياً. التحدي الحقيقي يكمن في ما يحدث حين يصل تحسين الكفاءة البرمجية في النماذج إلى مستوى يقلل الطلب على الحوسبة الخام — وهو سيناريو رسمه انهيار سهم الشركة 17% في يوم واحد بعد الإعلان عن DeepSeek R1.

---

استكشف المزيد

هل تريد معرفة المزيد عن أحدث النماذج المذكورة هنا؟ تفضل بزيارة قائمة أقوى نماذج الذكاء الاصطناعي للحصول على مقارنة شاملة، أو تصفح أحدث أدوات الذكاء الاصطناعي لتحسين إنتاجيتك.