با وجود تسلط بی‌رقیب انویدیا بر بازار پردازنده‌های گرافیکی هوش مصنوعی، رونمایی از معماری پردازنده‌های Rubin و افزایش گزارش‌ها درباره تمایل غول‌های فناوری به توسعه تراشه‌های اختصاصی، نشانه‌ای از تغییر ساختاری در این صنعت است. کارشناسان معتقدند که محدودیت‌هایی نظیر مصرف انرژی بالا، هزینه‌های سنگین و کمبود عرضه، تراشه‌های کاربردی ویژه (ASIC) را به گزینه‌ای استراتژیک و دلپذیر برای شرکت‌های بزرگ تبدیل کرده است.
وضعیت فعلی بازار و موقعیت انویدیا
بر اساس آمارهای صنعت نیمه‌هادی، انویدیا در سال ۲۰۲۵ همچنان با کنترل حدود ۸۶ درصد سهم بازار پردازنده‌های گرافیکی هوش مصنوعی، بازیگر اصلی این حوزه باقی مانده است. پردازنده‌های سری Blackwell به‌صورت گسترده برای آموزش و استنتاج مدل‌های هوش مصنوعی مورد استفاده قرار می‌گیرند. علاوه بر سخت‌افزار، اکوسیستم نرم‌افزاری CUDA به عنوان استاندارد غیررسمی توسعه‌دهندگان تثبیت شده و این ترکیب قدرت محاسبه و بلوغ نرم‌افزاری، انویدیا را به ستون فقرات زیرساخت‌های جهانی هوش مصنوعی تبدیل کرده است.
🔗 بیشتر بخوانید: معرفی پلتفرم توسط AMD برای پیشبرد زیرساخت‌های هوش مصنوعی
رویداد توسعه تراشه‌های داخلی توسط غول‌های فناوری
با این حال، چشم‌انداز سخت‌افزاری به‌تدریج در حال دگرگونی است. شرکت‌هایی چون OpenAI در همکاری با Broadcom، در حال طراحی تراشه‌های سفارشی بهینه‌شده برای وظایف استنتاجی (Inference) هستند. این تراشه‌ها با فرآیند ساخت ۳ نانومتری TSMC تولید شده و در فاز اول در مراکز داده خود OpenAI مستقر می‌شوند، بدون اینکه به‌صورت تجاری در بازار عرضه گردند.
این استراتژی الگو گرفته از رویکرد سایر غول‌های تکنولوژی است:
🔗 بیشتر بخوانید: کمپین اسپم با هوش مصنوعی: ۸۰ هزار وب‌سایت آلوده شدند_رنگو
- گوگل با تراشه‌های TPU
- آمازون با تراشه‌های Trainium و Inferentia
- مِتا (Meta) با پروژه‌های سیلیکونی داخلی
هدف مشترک همه، کاهش وابستگی به پردازنده‌های گران‌قیمت و گاه کم‌یاب انویدیا است. این روند، Broadcom را به یک رقیب جدی و نوظهور در عرصه سخت‌افزار هوش مصنوعی مبدل کرده است.
تغییر اولویت: از کارایی خام به بهینه‌سازی هزینه-کارایی
سختی در بازگشت سرمایه و کمبود تراشه‌های گرافیکی، شرکت‌های بزرگ را از تمرکز صرف بر عملکرد خام (Raw Performance) به سمت بهینه‌سازی هزینه-کارایی (Cost-Performance Optimization) سوق داده است. اکنون دستیابی به بهترین بازده محاسباتی در ازای هر دلار هزینه، اولویت اول است. آمازون با تکیه بر تراشه‌های داخلی Trainium، کنترل بیشتر بر زنجیره تامین و سودآوری بلندمدت را در اولویت قرار داده است.
آینده تراشه‌های ASIC و تأثیرات اکوسیستمی
پیش‌بینی می‌شود نسل‌های آینده تراشه‌های ASIC با بهبود کارایی انرژی، ویژگی‌های امنیتی پیشرفته و یکپارچگی عمیق‌تر با مدل‌های هوش مصنوعی، پذیرش گسترده‌تری یابند. این تراشه‌ها می‌توانند مصرف انرژی مراکز داده را تا ۳۰ درصد کاهش دهند و با بهینه‌سازی برای وظایف خاص، کارایی بسیار بالاتری نسبت به پردازنده‌های گرافیکی عمومی (GPU) ارائه کنند.
رشد تقاضا برای ASICها، سودآوری را برای طیف وسیعی از بازیگران فراهم می‌کند: غول‌های فناوری با تراشه‌های داخلی، فابریک‌های تراشه‌سازی چون TSMC و سامسونگ، و تامین‌کنندگان ابزارهای طراحی، زیرساخت‌های خنک‌کننده و شبکه. از سوی دیگر، معرفی پردازنده‌های جدید Rubin توسط انویدیا نیز به تسریع در پذیرش سیستم‌های خنک‌سازی مایع پیشرفته در مراکز داده منجر خواهد شد.
