هل يمكن لإنتل أخيرًا أن تتقن الذكاء الاصطناعي من خلال SambaNova؟ تتطلع لفرصة ثانية في استراتيجية الشرائح المخصصة

التركيز على الصفقة

تشير التقارير إلى أن إنتل تتطلع إلى الاستحواذ المحتمل على سامبانوفا سيستمز، شركة متخصصة في بنية تحتية للذكاء الاصطناعي، والتي شهدت انخفاض تقييمها من $5 مليار إلى سعر شراء يُشاع أنه فقط 1.6 مليار دولار. على عكس محاولتها السابقة في تسريع تدريب الذكاء الاصطناعي، فإن هذا الاستحواذ يستهدف قطاع سوقي مختلف تمامًا.

تتخصص سامبانوفا في بنية تحتية لاستنتاج الذكاء الاصطناعي—العبء الحسابي الذي يعالج النماذج المدربة بدلاً من إنشائها. تشكل شرائح الشركة المخصصة، المعروفة باسم وحدات تدفق البيانات القابلة لإعادة التكوين (RDUs)، العمود الفقري لنظام سامبا ريك. تجمع هذه الحلول المتكاملة بين الأجهزة، وبرمجيات الشبكات، وطبقات الإدارة في حزم كاملة بحجم رفوف مصممة لنشرها بسلاسة في مراكز البيانات.

لماذا فشل آخر رهانات إنتل على الذكاء الاصطناعي

تاريخ استحواذات عملاق أشباه الموصلات يروي قصة تحذيرية. في عام 2019، دفعت إنتل حوالي $2 مليار لشركة هابانا لابز، شركة تطور معالج تدريب الذكاء الاصطناعي Gaudi. في ذلك الوقت، بدا الأمر استراتيجيًا—حيث كانت Gaudi تكتسب زخمًا بين الشركات ذات السحابات الفائقة المهتمة ببدائل لوحدات معالجة الرسومات (GPU) المهيمنة من نفيديا.

لكن، فشل تنفيذ إنتل. أجيال لاحقة مثل Gaudi 2 وGaudi 3 قدمت أداءً محترمًا لكن لم تتمكن من التغلب على حاجتين هيكليتين. أولاً، استخدمت Gaudi بنية غير مألوفة مع نظام بيئي برمجي غير مكتمل. ثانيًا، والأهم، أن منصة CUDA الخاصة بـ نفيديا كانت قد رسخت نفسها كمعيار صناعي على مدى قرابة عقدين من الزمن. هذا أنشأ “خندقًا” يتجاوز الأداء الخام للشرائح—مكتبات برمجيات CUDA الناضجة ودرجة معرفة المطورين أعطت نفيديا ميزة لا يمكن التغلب عليها.

وفي الوقت نفسه، سعت إنتل إلى نهج مزدوج غير منسق: تطوير شرائح تدريب Gaudi مع إطلاق وحدات معالجة الرسومات لمراكز البيانات المنافسة. ولم يحقق أي منهما حصة سوقية ذات معنى. وعندما ألغت إنتل في النهاية مشروع Falcon Shores—وهو وحدة معالجة رسومات لمراكز البيانات تتضمن تقنية Gaudi—تخلت فعليًا عن ساحة معركة تدريب الذكاء الاصطناعي لـ نفيديا.

فرصة مختلفة من الناحية الهيكلية

قد تمثل عملية استحواذ سامبانوفا تحولًا استراتيجيًا بدلاً من تكرار الأخطاء السابقة. هناك عدة عوامل تميز هذا السيناريو.

أولاً، سوق الاستنتاج يعمل تحت ديناميكيات تنافسية مختلفة عن التدريب. بينما يتطلب التدريب أقصى قدر من القدرة الحسابية الخام، فإن الاستنتاج يركز على الكفاءة—الحصول على تنبؤات دقيقة من النماذج الموجودة مع استهلاك أقل للطاقة وتقليل الكمون. الشرائح المخصصة مثل تلك الخاصة بسامبانوفا تتفوق في هذه المشكلة المقيدة.

ثانيًا، تمتلك سامبانوفا بالفعل زخمًا سوقيًا ملموسًا. فقد أبرمت الشركة اتفاقيات نشر للسحب الذكية للاستنتاج في أستراليا وأوروبا والمملكة المتحدة في أكتوبر. بعد ذلك، اختارت OVHcloud، مزود الحوسبة الأوروبي الكبير، أنظمة سامبانوفا لتكملة محفظة بنيتها التحتية للذكاء الاصطناعي. هذه الانتصارات تشير إلى أن السوق يقدر قيمة حلول الاستنتاج على مستوى الرفوف بعيدًا عن نشرات وحدات معالجة الرسومات التجارية.

ثالثًا، تمتلك شركة إنتل كابيتال بالفعل سامبانوفا كشركة ضمن محفظتها، ويترأس مجلس إدارتها الرئيس التنفيذي لإنتل ليب-بو تان. هذا يقلل من مخاطر الاستحواذ من خلال المعرفة الحالية والتوافق التشغيلي.

التوافق الاستراتيجي مع توجه إنتل

إعلان إلغاء مشروع Falcon Shores أشار إلى إعادة توجيه استراتيجية: ستتخلى الشركة عن استراتيجيات الشرائح فقط لصالح أنظمة ذكاء اصطناعي متكاملة على مستوى الرفوف. يسرع الاستحواذ من هذا التحول من خلال توفير تكنولوجيا قابلة للنشر على الفور بدلاً من الحاجة إلى تطوير من الصفر لمشروع Jaguar Shores، خليفة Falcon Shores.

بالنسبة لشركة تعثرت مرارًا وتكرارًا في أسواق أشباه الموصلات المتخصصة، فإن الاستحواذ على بنية تحتية مثبتة للاستنتاج يمثل مسارًا أكثر قابلية للتنفيذ من المنافسة المباشرة مع نفيديا في تسريع التدريب أو بناء بدائل GPU زائدة.

ما إذا كانت مثل هذه الصفقة ستتحقق يبقى غير مؤكد. ومع ذلك، فإن استهداف الاستنتاج في الذكاء الاصطناعي بدلاً من التدريب، وشراء حلول تجارية معتمدة بدلاً من مشاريع R&D مضاربة، والاستفادة من علاقات المحفظة الحالية تشير إلى أن إنتل ربما تعلمت من تجربتها مع Habana Labs—وهذه المرة اختارت ساحة معركة مختلفة تمامًا.