لماذا تهز رقائق الذكاء الاصطناعي المخصصة من Google صناعة التكنولوجيا؟

قد يكون موقع Nvidia كمورد مهيمن لرقائق الذكاء الاصطناعي مهددًا من شريحة متخصصة رائدة بواسطة Google، حيث تشير التقارير إلى أن الشركات”https://www.bloomberg.com/news/articles/2025-11-25/alphabet-gains-on-report-that-meta-will-use-its-ai-chips”> مثل ميتا و”https://www.anthropic.com/news/expanding-our-use-of-google-cloud-tpus-and-services”> أنثروبي يتطلعون إلى إنفاق المليارات على وحدات معالجة الموتر من Google.

ما هو تي بي يو؟

يعتمد نجاح صناعة الذكاء الاصطناعي إلى حد كبير على”http://www.newscientist.com/article/2422928-nvidias-blackwell-ai-superchip-is-the-most-powerful-yet/”> وحدات المعالجة الرسومية (GPUs)، وهي نوع من شرائح الكمبيوتر التي يمكنها إجراء العديد من العمليات الحسابية المتوازية في نفس الوقت، بدلاً من واحدة تلو الأخرى مثل وحدات معالجة الكمبيوتر (CPUs) التي تشغل معظم أجهزة الكمبيوتر.

تم تطوير وحدات معالجة الرسومات في الأصل للمساعدة في رسومات الكمبيوتر، كما يوحي الاسم، والألعاب. يقول: “إذا كان لدي الكثير من وحدات البكسل في مساحة ما وأحتاج إلى القيام بتدويرها لحساب عرض جديد للكاميرا، فهذه عملية يمكن إجراؤها بالتوازي، للعديد من وحدات البكسل المختلفة”.”https://scholar.google.com/citations?user=A70PCXoAAAAJ&hl=en”> فرانشيسكو كونتي في جامعة بولونيا في إيطاليا.

كانت هذه القدرة على إجراء العمليات الحسابية بالتوازي مفيدة للتدريب وتشغيل نماذج الذكاء الاصطناعي، والتي غالبًا ما تستخدم العمليات الحسابية التي تتضمن شبكات واسعة من الأرقام التي يتم إجراؤها في نفس الوقت، والتي تسمى ضرب المصفوفات. يقول كونتي: “إن وحدات معالجة الرسومات هي بنية عامة جدًا، ولكنها مناسبة للغاية للتطبيقات التي تظهر درجة عالية من التوازي”.

ومع ذلك، نظرًا لعدم تصميمها في الأصل مع وضع الذكاء الاصطناعي في الاعتبار، فمن الممكن أن تكون هناك أوجه قصور في الطرق التي تترجم بها وحدات معالجة الرسومات الحسابات التي يتم إجراؤها على الرقائق. يقول كونتي إن وحدات معالجة Tensor (TPUs)، التي طورتها Google في الأصل في عام 2016، تم تصميمها بدلاً من ذلك فقط حول مضاعفة المصفوفات، وهي الحسابات الرئيسية اللازمة للتدريب وتشغيل نماذج الذكاء الاصطناعي الكبيرة.

هذا العام، أصدرت جوجل”https://blog.google/products/google-cloud/ironwood-google-tpu-things-to-know/”>الجيل السابع من مادة TPU، المسمى Ironwood، والتي تعمل على تشغيل العديد من نماذج الذكاء الاصطناعي الخاصة بالشركة مثل”http://www.newscientist.com/article/2505039-googles-gemini-3-model-keeps-the-ai-hype-train-going-for-now/”> الجوزاء ونمذجة البروتين”http://www.newscientist.com/article/2330866-deepminds-protein-folding-ai-cracks-biologys-biggest-problem/”> ألفا فولد.

هل وحدات TPU أفضل بكثير من وحدات معالجة الرسومات للذكاء الاصطناعي؟

من الناحية التكنولوجية، تعد وحدات TPU بمثابة مجموعة فرعية من وحدات معالجة الرسومات أكثر من كونها شريحة مختلفة تمامًا، كما يقول”https://www.bristol.ac.uk/people/person/Simon-McIntosh-Smith-73f4a083-2673-41b2-a10d-3350e16e9780/”> سيمون ماكينتوش سميث في جامعة بريستول بالمملكة المتحدة. “إنهم يركزون على الأجزاء التي تقوم بها وحدات معالجة الرسومات بشكل أكثر تحديدًا بهدف التدريب والاستدلال على الذكاء الاصطناعي، ولكنها في الواقع تشبه وحدات معالجة الرسومات في بعض النواحي أكثر مما قد تعتقد.” ولكن نظرًا لأن أجهزة TPU مصممة مع وضع بعض تطبيقات الذكاء الاصطناعي في الاعتبار، فإنها يمكن أن تكون أكثر كفاءة لهذه الوظائف وتوفر عشرات أو مئات الملايين من الدولارات، كما يقول.

ومع ذلك، فإن هذا التخصص له أيضًا عيوبه ويمكن أن يجعل TPU غير مرنة إذا تغيرت نماذج الذكاء الاصطناعي بشكل كبير بين الأجيال، كما يقول كونتي. “إذا لم تكن لديك المرونة اللازمة [TPU]، عليك أن تفعل [calculations] يقول كونتي: “على وحدة المعالجة المركزية للعقدة الخاصة بك في مركز البيانات، وهذا سوف يبطئك بشكل كبير”.

إحدى الميزات التي تتمتع بها وحدات معالجة الرسومات Nvidia تقليديًا هي أن هناك برامج بسيطة متاحة يمكنها مساعدة مصممي الذكاء الاصطناعي في تشغيل التعليمات البرمجية الخاصة بهم على شرائح Nvidia. لم يكن هذا موجودًا بنفس الطريقة بالنسبة لوحدات TPU عندما ظهرت لأول مرة، لكن الرقائق أصبحت الآن في مرحلة أصبحت أكثر سهولة في الاستخدام، كما يقول كونتي. “مع مادة TPU، يمكنك الآن أن تفعل الشيء نفسه [as GPUs]”، كما يقول. “والآن بعد أن قمت بتمكين ذلك، فمن الواضح أن التوفر أصبح عاملاً رئيسياً.”

من الذي يقوم ببناء TPU؟

على الرغم من أن جوجل أطلقت أجهزة TPU لأول مرة، فإن العديد من أكبر شركات الذكاء الاصطناعي (المعروفة باسم Hyperscalers)، فضلاً عن الشركات الناشئة الأصغر حجماً، بدأت الآن في تطوير أجهزة TPU المتخصصة الخاصة بها، بما في ذلك شركة أمازون، التي تستخدم رقائق Trainium الخاصة بها لتدريب نماذج الذكاء الاصطناعي الخاصة بها.

يقول ماكينتوش سميث: “معظم المتوسعين الفائقين لديهم برامجهم الداخلية الخاصة، ويرجع ذلك جزئيًا إلى أن وحدات معالجة الرسوميات أصبحت باهظة الثمن لأن الطلب كان يفوق العرض، وقد يكون من الأرخص تصميم وبناء برامج خاصة بك”.

كيف ستؤثر مواد TPU على صناعة الذكاء الاصطناعي؟

تعمل شركة جوجل على تطوير معالجات TPU الخاصة بها منذ أكثر من عقد من الزمن، لكنها كانت تستخدم هذه الرقائق في الغالب لنماذج الذكاء الاصطناعي الخاصة بها. ويبدو أن ما يتغير الآن هو أن الشركات الكبرى الأخرى، مثل ميتا وأنثروبيك، تقوم بعمليات شراء كبيرة للطاقة الحاسوبية من خلال وحدات المعالجة الحرارية (TPU) التي تنتجها شركة جوجل. يقول ماكينتوش سميث: “ما لم نسمع عنه هو أن كبار العملاء يتحولون، وربما هذا ما بدأ يحدث الآن”. “لقد نضجوا بما فيه الكفاية وهناك ما يكفي منهم.”

ويضيف أنه بالإضافة إلى خلق المزيد من الخيارات أمام الشركات الكبيرة، قد يكون من المنطقي ماليا بالنسبة لها أن تقوم بالتنويع. ويقول: “ربما يعني ذلك حصولك على صفقة أفضل من شركة Nvidia في المستقبل”.