هل ستصبح وحدة المعالجة المركزية الكأس المقدسة الجديدة للذكاء الاصطناعي؟

خلال السنوات القليلة الماضية، بدأت ثورة الذكاء الاصطناعي تُروى من خلال سرد استثماري بسيط للغاية. وفي قلب هذا السرد يقف بطل واحد: وحدة معالجة الرسومات (GPU). أصبحت معالجات الرسومات رمزًا لعصر تكنولوجي جديد، وقد حدد توافرها بشكل مباشر الشركات القادرة على تدريب نماذج لغوية أكثر تطورًا، والشركات التي تتخلف عن الركب في سباق مستقبل الذكاء الاصطناعي.

ونتيجة لذلك، سرعان ما تعلم السوق التفكير في الذكاء الاصطناعي من خلال معيار واحد: القدرة الحاسوبية. فزيادة عدد وحدات معالجة الرسومات تعني نماذج أكبر، والنماذج الأكبر تعني منتجات أفضل، والمنتجات الأفضل تعني ميزة تنافسية.

لكن مع مرور الوقت، بدأ هذا السرد يصبح أكثر تعقيدًا. فقد اتضح أن القدرة الحاسوبية الخام وحدها لا تكفي إذا كان النظام عاجزًا عن نقل البيانات بالسرعة المطلوبة. لم تعد المشكلة تقتصر على وحدات معالجة الرسومات فحسب، بل أصبحت الذاكرة أيضًا تشكل عائقًا متزايدًا - سواء الذاكرة الأقرب إلى المعالج على شكل HBM، أو ذاكرة الوصول العشوائي الديناميكية (DRAM) التقليدية للخوادم، بالإضافة إلى بنية تخزين البيانات ونقلها بأكملها.

كانت هذه اللحظة الأولى التي بدأ فيها المستثمرون يدركون أن ثورة الذكاء الاصطناعي ليست قصة مكون واحد، بل سلسلة تكنولوجية متكاملة - من السيليكون، مرورًا بالذاكرة، وصولًا إلى الشبكات وأنظمة التبريد.

والآن، في الوقت الذي بدت فيه خريطة هذه الثورة شبه مكتملة، يبرز تحول آخر - أقل وضوحًا بكثير، ولكنه قد يكون بنفس أهمية التحولات السابقة.

يلعب المعالج المركزي (CPU) دورًا متزايد الأهمية، وهو طبقة كانت تُعامل لسنوات على أنها "بنية تحتية بديهية". في عالم لم يعد فيه الذكاء الاصطناعي مجرد استعلام واحد لنموذج، بل أصبح أشبه بنظام معقد من العوامل المستقلة التي تؤدي مهامًا متعددة الخطوات، لا يتغير حجم الحوسبة فحسب، بل طبيعتها قبل كل شيء.

عند هذه النقطة، يبرز سؤال كان يبدو ثانويًا قبل فترة وجيزة: هل يمكن للمعالج المركزي، الذي كان يعمل سابقًا كمنسق وشريك هادئ لوحدة معالجة الرسومات (GPU)، أن يصبح في الواقع أحد المكونات الرئيسية لبنية الذكاء الاصطناعي بأكملها؟

وإذا كان الأمر كذلك، فهل هذا يعني أننا ندخل في موجة ثالثة من ثورة الذكاء الاصطناعي بعد وحدات معالجة الرسومات والذاكرة، حيث لن يكون العامل الرئيسي هو قوة الحوسبة الخام، بل مدى قدرتنا على ربط وتنسيق النظام بأكمله ككل؟

عصر وحدات معالجة الرسومات

في بداية ثورة الذكاء الاصطناعي، لم يكن هناك شك يُذكر حول مصدر بنيتها التكنولوجية. مع التقدم الهائل في مجال التعلم العميق وظهور نماذج لغوية ضخمة، اتضح جليًا أن العائق الرئيسي لم يعد الخوارزمية نفسها، بل حجم العمليات الحسابية اللازمة لتدريبها.

عند هذه النقطة، برزت معالجات الرسومات. فقد أثبتت بنيتها، المصممة أصلاً لعرض الرسومات ومعالجة عمليات الصور المتوازية، ملاءمتها التامة لنوع العمليات الحسابية التي تتطلبها الشبكات العصبية. فبدلاً من نواة واحدة فائقة السرعة، توفر وحدات معالجة الرسومات آلاف وحدات المعالجة الأبسط القادرة على تنفيذ العمليات نفسها بالتوازي عبر مجموعات بيانات ضخمة.

هذا ما جعل وحدات معالجة الرسومات المحرك الطبيعي لثورة الذكاء الاصطناعي. يعتمد تدريب النماذج اللغوية، وخاصة تلك القائمة على بنية المحولات، بشكل كبير على عمليات المصفوفات - وهي مهام يمكن موازاتها بسهولة. عمليًا، يعني هذا أنه كلما زادت قدرة وحدة معالجة الرسومات على التركيز في نظام واحد، زاد حجم النموذج الذي يمكن تدريبه.

نتيجةً لذلك، ظهر معيار جديد للبنية التحتية للحوسبة بسرعة. بدأت مراكز البيانات تُشبه مجموعات من مُسرّعات مُتخصصة، حيث لعبت وحدات المعالجة المركزية دورًا داعمًا، مُختصةً بشكل أساسي بإعداد البيانات، وإدارة العمليات، والتواصل بين مُكونات النظام. نُقلت جميع العمليات الحسابية المُعقدة إلى وحدات معالجة الرسومات.

أدى هذا التصميم إلى تركيز كبير للقيمة في قطاع واحد من السوق. مع تزايد الطلب على قوة الحوسبة، استحوذ مُصنّعو وحدات معالجة الرسومات على الحصة الأكبر من القيمة الاقتصادية لثورة الذكاء الاصطناعي. لم يُصبح الوصول إلى وحدات معالجة الرسومات مُجرد ميزة تكنولوجية، بل أصبح أيضًا قيدًا استراتيجيًا يُحدد وتيرة تطور الشركات بأكملها ومراكز الأبحاث.

في هذا السياق، بدأ السوق يُفكر في الذكاء الاصطناعي بطريقة خطية للغاية. المزيد من وحدات معالجة الرسومات يعني المزيد من الحوسبة، والمزيد من الحوسبة يعني نماذج أكبر، والنماذج الأكبر تعني مُنتجات أفضل. بدا منطق هذه الثورة بسيطًا ومفهومًا جيدًا نسبيًا.

مع مرور الوقت فقط، ظهرت أولى المؤشرات على أن هذه الصورة غير مكتملة.

الذاكرة كموجة ثانية

مع تزايد نماذج الذكاء الاصطناعي من ملايين إلى مليارات، ثم إلى مئات المليارات من المعاملات، برزت مشكلة لم تكن واضحة في البداية كنقص القدرة الحاسوبية. فقد تبيّن أن زيادة عدد وحدات معالجة الرسومات (GPUs) لا تحلّ جميع قيود النظام إذا لم تتدفق البيانات بالسرعة الكافية عبر بنية الحوسبة بأكملها.

عند هذه النقطة، بدأت الذاكرة تكتسب أهمية بالغة. شملت هذه الأهمية الذاكرة المتصلة مباشرة بوحدات معالجة الرسومات على شكل ذاكرة HBM، بالإضافة إلى ذاكرة DRAM التقليدية للخوادم، وطبقة تخزين البيانات ونقلها في مراكز البيانات. أصبحت الذاكرة العامل المحدد لسرعة تدريب وتشغيل النماذج المتزايدة الحجم.

عمليًا، هذا يعني أن حتى أحدث وحدات معالجة الرسومات لم تكن قادرة على استغلال كامل إمكاناتها إذا لم تُغذّى بالبيانات بشكل صحيح. لم يعد عنق الزجاجة هو القدرة الحاسوبية بحد ذاتها، بل قدرة النظام على الحفاظ على تدفق مستمر للمعلومات بين الذاكرة والشبكات والمسرّعات.

كانت هذه هي اللحظة التي بدأت فيها ثورة الذكاء الاصطناعي بالتحوّل من مشكلة حسابية بحتة إلى مشكلة أنظمة. بدلاً من وجود عنصر مهيمن واحد، بدأنا نلاحظ اعتمادًا متزايد التعقيد بين مختلف طبقات البنية التحتية.

بدأت الذاكرة، التي كانت تُعتبر سابقًا عنصرًا داعمًا، تلعب دورًا استراتيجيًا. وأصبحت حلول النطاق الترددي العالي، مثل HBM، من أهم العوامل المُمكّنة لتوسيع نطاق النماذج الحديثة، وبدأ مُصنّعو الذاكرة يحتلون مكانةً أكثر أهمية في سلسلة قيمة ثورة الذكاء الاصطناعي.

ومن المهم الإشارة إلى أن هذه المرحلة لم تُستبدل وحدات معالجة الرسومات (GPUs)، بل كشفت عن حدودها الطبيعية. فمع توسع نطاق النماذج، بات من الواضح أن القدرة الحاسوبية وحدها لا قيمة لها إن لم تكن مدعومة بمعدل نقل بيانات كافٍ. ونتيجةً لذلك، بدأ السوق يُدرك تدريجيًا أن الذكاء الاصطناعي ليس سباقًا فرديًا للحصول على أقوى معالج، بل هو نظام مُعقد يُمكن أن يُصبح فيه كل مُكوّن من مُكوّنات البنية التحتية عائقًا مُحتملًا.

وهنا بدأ يتشكّل فهمٌ أشمل للذكاء الاصطناعي كنظام بيئي، حيث تلعب الذاكرة والشبكات وبنية البيانات التحتية، إلى جانب وحدات معالجة الرسومات، أدوارًا أساسية.

وحدة المعالجة المركزية وصعود الذكاء الاصطناعي الوكيل

لفترة طويلة، بدا دور وحدات المعالجة المركزية في ثورة الذكاء الاصطناعي مستقرًا ومحددًا بدقة. فقد كانت مسؤولة عن إدارة النظام، وإعداد البيانات، وتنسيق عمل مُسرّعات وحدة معالجة الرسومات (GPU) التي تُنفّذ المهام الحسابية المعقدة. في هذا السياق، عملت وحدة المعالجة المركزية كمشغل بنية تحتية صامت، غير مرئي للمستخدم النهائي، ولم يطرأ تغيير يُذكر على وظيفتها.

لكن هذه الصورة تتغير الآن مع ظهور فئة جديدة من تطبيقات الذكاء الاصطناعي، يُشار إليها بشكل متزايد بالذكاء الاصطناعي الوكيل. على عكس نماذج اللغة التقليدية التي تستجيب لمطالبات فردية، صُممت الأنظمة القائمة على الوكلاء لأداء مهام معقدة متعددة الخطوات، لا تتطلب فقط توليد استجابات، بل أيضًا اتخاذ إجراءات ضمن بيئة رقمية.

عمليًا، هذا يعني أننا بدلًا من استعلام واحد واستجابة واحدة، نتعامل مع سلسلة كاملة من العمليات. قد يبدأ الوكيل بتحليل المشكلة، ثم يُقسّمها إلى خطوات أصغر، ويُنفّذ سلسلة من الاستعلامات لأنظمة خارجية، أو قواعد بيانات، أو واجهات برمجة تطبيقات (APIs)، ويُعالج المعلومات المُستقاة، ثم يُنتج النتيجة النهائية. تتطلب كل خطوة من هذه الخطوات عمليات نظام منفصلة، ​​وتواصلًا مع مصادر بيانات مختلفة، وإدارة مستمرة لحالة العملية برمتها.

في هذا النموذج الجديد، يبدأ العبء الحسابي بالتحول. يصبح نموذج اللغة الذي يعمل على وحدة معالجة الرسومات (GPU) جزءًا واحدًا فقط من نظام أكبر، مسؤول عن توليد اللغة وتفسيرها. أما باقي العمليات - منطق التحكم، وإدارة المهام، والتواصل بين الأنظمة، والتعامل مع الأدوات الخارجية - فتزيد من عبء وحدة المعالجة المركزية (CPU).

هنا يظهر تحول جذري في المنظور. سابقًا، كانت وحدة المعالجة المركزية تُعامل كطبقة داعمة مهمتها "عدم التدخل" في حسابات وحدة معالجة الرسومات. أما في عالم الذكاء الاصطناعي الوكيل، فتبدأ وحدة المعالجة المركزية بالعمل كمنسق نشط لا يقتصر دوره على إدارة تدفق البيانات فحسب، بل يشارك أيضًا في عملية اتخاذ القرار في النظام.

والأهم من ذلك، أن هذا ليس تغييرًا شكليًا، بل تغييرًا هيكليًا. فكل وكيل ذكاء اصطناعي لا يُنفذ خطوة حسابية واحدة، بل خطوات تشغيلية متعددة، مما يؤدي إلى زيادة حادة في العمليات المنفذة خارج وحدة معالجة الرسومات. ونتيجةً لذلك، تتزايد أهمية بنية وحدة المعالجة المركزية، إذ يجب عليها التعامل مع عدد هائل من الاستعلامات والعمليات والتفاعلات الآنية بالتوازي.

عند هذه النقطة، يبرز أول تحول معماري حقيقي في أنظمة الذكاء الاصطناعي. فبدلاً من نموذج يتمحور حول نوع واحد من الحوسبة، نتجه نحو نظام متعدد الطبقات، حيث تتولى مكونات مختلفة أدوارًا تشغيلية مختلفة. تتولى وحدات معالجة الرسومات (GPUs) حسابات المصفوفات، وتتولى الذاكرة التخزين وتدفق البيانات، بينما تصبح وحدة المعالجة المركزية (CPU) بشكل متزايد الطبقة المسؤولة عن تنسيق العملية برمتها.

تغيير بنية النظام

مع تزايد دور الذكاء الاصطناعي القائم على الوكلاء، لا تتغير طريقة استخدام النماذج فحسب، بل تتغير بنية أنظمة الذكاء الاصطناعي بأكملها. فالتقسيم التقليدي، حيث كانت وحدات معالجة الرسومات (GPUs) تتولى الحساب بينما تؤدي وحدات المعالجة المركزية (CPUs) دورًا داعمًا، أصبح غير كافٍ بشكل متزايد للتشغيل الفعلي لتطبيقات الذكاء الاصطناعي الحديثة.

بدلاً من عملية حسابية واحدة، نتعامل بشكل متزايد مع نظام يشبه شبكة معقدة من الطبقات المتعاونة. يبقى نموذج اللغة هو جوهر "الاستدلال"، ولكن حوله تنمو بنية تحتية واسعة مسؤولة عن الذاكرة، وتدفق البيانات، والتواصل مع الأدوات، والتنفيذ في الوقت الفعلي.

في هذا الإطار، لم تعد وحدة المعالجة المركزية مجرد طبقة دعم تقني لوحدة معالجة الرسومات، بل أصبحت مُكاملة النظام بأكمله. وتتحمل الآن حصة متزايدة من المسؤوليات المتعلقة بالتنسيق، وإدارة الحالة، ومعالجة العمليات المعقدة القائمة على الوكلاء.

نتيجة لذلك، لم يعد الذكاء الاصطناعي نموذجًا واحدًا، بل أصبح نظام تشغيل لعمليات ذكية، حيث تؤدي أنواع مختلفة من الأجهزة أدوارًا متخصصة ولكنها مترابطة.

اقتصاديات التغيير

لا يتعلق أهم تغيير يشهده مجال الذكاء الاصطناعي بكيفية بناء الأنظمة، بل بكيفية توزيع الطلب على موارد الحوسبة. لفترة طويلة، كانت العلاقة بين وحدة المعالجة المركزية ووحدة معالجة الرسومات هي المعيار السائد، والتي كانت في مجموعات الذكاء الاصطناعي التقليدية تميل بشدة نحو المعالجات المسرّعة.

مع صعود الذكاء الاصطناعي الوكيل، يتغير هذا التوازن تدريجيًا. فبدلاً من بنية تلعب فيها وحدات المعالجة المركزية دورًا هامشيًا وتسيطر فيها وحدات معالجة الرسومات على النظام، نتجه نحو نموذج أكثر توازنًا تتولى فيه المعالجات العامة حصة متزايدة من أعباء العمل المتعلقة بالتنسيق، ومعالجة الأدوات، والمعالجة متعددة الخطوات.

لهذا التحول تبعات اقتصادية مباشرة. فمع انتقال المزيد من العمليات إلى خارج وحدات معالجة الرسومات (GPUs)، يزداد الطلب على قوة المعالجة المركزية (CPUs) في مراكز البيانات، مما يؤدي إلى زيادة عدد النوى المطلوبة لكل مُسرِّع. ونتيجةً لذلك، تصبح بنية الذكاء الاصطناعي أكثر استهلاكًا للموارد، ليس فقط من حيث وحدات معالجة الرسومات، بل أيضًا من حيث الحوسبة للأغراض العامة.

من منظور النظام، يؤدي هذا إلى تحول هيكلي في الطلب عبر سلسلة القيمة. فالنفقات الرأسمالية التي كانت تركز سابقًا بشكل أساسي على وحدات معالجة الرسومات والذاكرة عالية النطاق الترددي، تتوسع بشكل متزايد لتشمل قطاع وحدات المعالجة المركزية. وهذا يُولِّد ضغطًا على سلاسل التوريد، ويزيد من استغلال الطاقة الإنتاجية، ويُعيد تشكيل التوقعات تدريجيًا لسوق وحدات المعالجة المركزية للخوادم.

في هذا السياق، لم تعد وحدة المعالجة المركزية تُعتبر قطاعًا ناضجًا ومستقرًا، بل أصبحت أحد المكونات الرئيسية لبنية الذكاء الاصطناعي، وتزداد أهميتها مع ازدياد تعقيد الأنظمة القائمة على الوكلاء.

سوق وحدات المعالجة المركزية واللاعبون الرئيسيون

يُعيد الدور المتغير لوحدات المعالجة المركزية في بنية الذكاء الاصطناعي تشكيل المشهد التنافسي لصناعة أشباه الموصلات. لسنوات عديدة، اتسم سوق معالجات الخوادم بالاستقرار النسبي وهيمنت عليه شركة واحدة، ولكن مع ظهور عصر الذكاء الاصطناعي القائم على الوكلاء، عاد هذا السوق ليصبح ساحة منافسة تقنية شرسة.

وتتوسط هذه المنافسة ثلاث شركات رئيسية: AMD، وIntel، وArm. تمثل كل منها نموذج أعمال مختلفًا، وهيكلية مختلفة، ومنهجية مختلفة لما يجب أن يكون عليه المعالج الحديث في عصر الذكاء الاصطناعي.

وتُعد AMD المستفيد الأكبر من التغييرات في قطاع خوادم x86. فمن خلال معالجات EPYC، تُعزز الشركة حصتها السوقية باستمرار، مع تقديم كفاءة عالية في استهلاك الطاقة وأداء تنافسي لكل نواة. وفي ظل تزايد الطلب على المعالجات في الأنظمة القائمة على الوكلاء، تستفيد AMD أيضًا من قدرتها على توفير كل من المعالجات المركزية ووحدات معالجة الرسومات، مما يُتيح بناء بنية حوسبة أكثر تكاملًا لمراكز البيانات.

من جهة أخرى، تمر شركة إنتل بمرحلة تحول. فبعد سنوات من تراجع حصتها في سوق الخوادم، تسعى لاستعادة مكانتها من خلال أجيال جديدة من معالجات زيون واستراتيجية تركز على تطوير عمليات التصنيع. ومع ذلك، لا يقتصر التحدي الذي يواجه إنتل على الجانب التقني فحسب، بل يمتد ليشمل الجانب الاستراتيجي أيضاً، إذ يتطلب إعادة تعريف دورها في منظومة الذكاء الاصطناعي التي تطورت بشكل كبير متجاوزةً نقاط قوتها السابقة.

أما الركن الثالث فهو شركة Arm، التي تعمل على مستوى مختلف من سلسلة القيمة. فبدلاً من تصنيع الرقائق، توفر Arm البنية التي تستخدمها شركات الحوسبة السحابية العملاقة لتصميم معالجاتها الخاصة. ونتيجة لذلك، فإن حصة متزايدة من نمو وحدات المعالجة المركزية لا تذهب مباشرة إلى الشركات المصنعة التقليدية، بل إلى أنظمة الحوسبة السحابية التي تبني رقائق سيليكون مخصصة.

يؤدي هذا إلى تحول هيكلي. لم يعد سوق وحدات المعالجة المركزية مجرد احتكار ثنائي بسيط بين إنتل وإيه إم دي، بل أصبح نظامًا بيئيًا متعدد الطبقات حيث تقوم شركات الحوسبة السحابية العملاقة مثل AWS وجوجل ومايكروسوفت بتصميم معالجاتها الخاصة المُحسّنة لأحمال عمل محددة.

في هذا السياق، لا يوجد فائز مهيمن واحد. بل نلاحظ سوقاً تتعايش فيه نماذج الأعمال والهياكل المختلفة وتتنافس على حصة متزايدة من الطلب على الحوسبة في عصر الذكاء الاصطناعي.

الموجة الثالثة من الذكاء الاصطناعي وتداعياتها

بالنظر إلى ثورة الذكاء الاصطناعي برمتها من منظور البنية التحتية، يتبين نمط تطوري واضح، حيث تنتقل طبقات النظام تدريجيًا من الخلفية إلى مركز الاهتمام. بدأت القصة بمعالجات الرسوميات (GPU)، مما أتاح نماذج اللغة الحديثة. ثم برزت الذاكرة، التي لولاها لما كان التوسع ممكنًا. والآن، أصبحت وحدات المعالجة المركزية (CPU) الطبقة التالية في هذه السلسلة.

لا يحرك هذا التحول موضة تكنولوجية، بل تطور جوهري في كيفية عمل أنظمة الذكاء الاصطناعي. يمثل الانتقال من الاستعلامات الفردية إلى نماذج اللغة وصولًا إلى الذكاء الاصطناعي الفاعل تحولًا من العمليات الحسابية البسيطة إلى عمليات اتخاذ القرار المعقدة متعددة الخطوات. في مثل هذه البيئة، تزداد أهمية إدارة المهام، والتواصل مع الأنظمة الخارجية، ومعالجة العمليات المتوازية بشكل ملحوظ.

هذه هي تحديدًا الوظائف التي تُحمّل وحدات المعالجة المركزية (CPU) بشكل متزايد، والتي لم تعد طبقة داعمة، بل أصبحت عنصرًا أساسيًا في تشغيل نظام الذكاء الاصطناعي.

يؤدي هذا إلى مراجعة جوهرية للتوقعات المتعلقة بحجم سوق وحدات المعالجة المركزية للخوادم. وتشير التوقعات إلى نمو يتجاوز 120 مليار دولار بحلول عام 2030، وفي سيناريوهات أكثر تفاؤلاً يصل إلى 200 مليار دولار، مما يوحي بأن وحدات المعالجة المركزية لم تعد قطاعًا ناضجًا ومستقرًا، بل أصبحت دورة نمو منفصلة مدفوعة بالذكاء الاصطناعي.

في هذا الهيكل الجديد، لا يوجد فائز واحد. تستفيد AMD من الطلب المتزايد على معالجات x86 وتعزز مكانتها كلاعب رئيسي في البنية التحتية للذكاء الاصطناعي. وتسعى Intel إلى استغلال الأهمية المتجددة لوحدات المعالجة المركزية لإعادة بناء مكانتها في مواجهة التحديات التقنية والتنافسية. في الوقت نفسه، تستحوذ Arm على حصة متزايدة من نمو الحوسبة السحابية، حيث يقوم مزودو خدمات الحوسبة السحابية بتصميم رقائق سيليكون مخصصة لأحمال عمل محددة.

لا يكمن جوهر الأمر في تحديد فائز واحد، بل في فهم أن وحدة المعالجة المركزية (CPU) تُصبح موجة ثالثة موازية لثورة الذكاء الاصطناعي، إلى جانب وحدات معالجة الرسومات (GPU) والذاكرة. موجة لا تحل محل الموجات السابقة، بل تُكملها، لتُشكّل صورة أكثر شمولية لبنية الذكاء الاصطناعي التحتية.

من هذا المنظور، لم تعد ثورة الذكاء الاصطناعي قصة اختراق تكنولوجي واحد، بل عملية متعددة المراحل لإعادة توزيع القيمة عبر سلسلة قيمة أشباه الموصلات. ووحدة المعالجة المركزية، التي طالما اعتُبرت مكونًا ثانويًا، بدأت تحتل مكانة في هذا النظام لم يتوقعها الكثيرون قبل فترة وجيزة.