الذكاء الاصطناعي
نظرة على NVIDIA (NVDA): من عملاق الرسومات إلى عملاق الذكاء الاصطناعي
عملاق الذكاء الاصطناعي
إذا كان لأكثر من عقد من الزمن، كان اهتمام المستثمرين في التكنولوجيا منصبًا على “التقنية الكبيرة” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), إلخ)، فقد شهدت السنوات القليلة الماضية تحولًا واضحًا نحو الأجهزة بدلاً من البرمجيات. وكانت العلامة الأولى الارتفاع المذهل لشركة Tesla (TSLA ) من سهم نادر شبه طائفي إلى واحدة من أكبر الشركات في العالم.
لكن هناك شركة واحدة تجلس على الحدود بين البرمجيات والأجهزة والتي ستحقق عوائد جيدة، إن لم تكن أقوى: NVIDIA (NVDA ).
الآن تُنظر إلى NVIDIA في الغالب كشركة ذكاء اصطناعي مع نجاح مفاجئ، لكنها في الواقع بنت تقنيتها الفريدة وموقعها في السوق بهدوء على مدار 20-30 عامًا. قد يمنحها ذلك موقعًا قويًا لتظل فاعلًا مهيمنًا في عالم التقنية للسنوات القادمة.
مسار نجاح NVIDIA
المعالج المركزي مقابل وحدة معالجة الرسومات
لفترة طويلة، كانت NVIDIA شركة ناجحة ولكن متخصصة في أجهزة الكمبيوتر تركز على إنتاج بطاقات الرسومات أو وحدات معالجة الرسومات (GPUs). في ذلك الوقت، كانت الـ GPUs تُعتبر عنصرًا مهمًا في عتاد الحوسبة ولكنها ثانوية مقارنة بالمعالج المركزي (CPU) الأهم.
تم تصميم المعالجات المركزية (CPUs) لأداء عمليات حسابية سريعة جدًا تتطلب تنفيذها واحدة تلو الأخرى، مما يجعلها ممتازة في الحسابات المعقدة.
في المقابل، تُعد الـ GPUs أقل قوة ولكنها مصممة لأداء العديد من العمليات المتوازية في آن واحد، مما يجعلها أفضل في معالجة كميات كبيرة من البيانات.
خلال هذه الفترة من التسعينات إلى العقد الأول من الألفية الثانية، سيطر منتجو الـ CPUs مثل Intel (INTC ) على الصناعة، بينما كانت الـ GPUs عالية الجودة تُستخدم في الغالب فقط من قبل اللاعبين ومصممي الجرافيك لأجهزة الحاسوب المتطورة.
بناء عمل وحدة معالجة الرسومات
في البداية، كان مؤسس NVIDIA جنسن هوانغ ومؤسسيه يعتقدون أن وتيرة الحوسبة ستتفوق على قدرة الـ CPU. كان جنسـن له دور أساسي في تطوير أولى الـ GPUs لشركة Sun Microsystems، التي تُعرف اليوم بـ Oracle (ORCL ).
ثم أصبح أحد مؤسسي NVIDIA في عام 1993، متبنيًا ثورة الحواسيب الشخصية في أوائل التسعينات.
“كنا نفكر، ربما تكون الرسومات ثلاثية الأبعاد هي الشيء الذي سيكون رائعًا. ولأول مرة، كان لدينا منصة يمكن أن تكون حاسوبًا وتُستخدم لأي غرض تريدونه. يمكنك أيضًا استخدامها للعب الألعاب. وكان علينا فقط بناء شريحة تجعل تشغيل الألعاب ممكنًا.
لم يكن أحد منا قد رأى حاسوبًا شخصيًا من قبل. لذا اضطررنا لشراء حاسوب شخصي. اشترينا جهاز Gateway 2000. لا أحد يعرف حتى كيف يبرمج Windows أو DOS. لا أحد رأى DOS. لذا اضطررنا لتفكيكه، وبدء التعلم عن الصناعة.
من المضحك أن نفكر الآن، بأثر رجعي، أن سوق الألعاب لم يكن “جديًا” في ذلك الوقت مقارنة بنماذج الأعمال الأكثر ربحية وتركيزًا على المؤسسات. لم تحقق البطاقات الأولى نجاحًا تجاريًا. كانت الجيل الثاني من الـ GPU أفضل لكنه أصبح قديمًا فجأة عندما تحول السوق نحو بنية DirectX من مايكروسوفت للألعاب.
في النهاية، استغرق NVIDIA ست سنوات وثلاث خطوط منتجات لتجد ملاءمة المنتج للسوق، مع العديد من الأحداث التي كادت أن تودي الشركة إلى الفشل.
جاء النجاح مع Riva 128: في أول أربعة أشهر، بيعت مليون وحدة. وتبع ذلك خط طويل من تصاميم بطاقات الرسومات الناجحة، بما في ذلك سلسلة GeForce، التي لا تزال حتى اليوم اللاعب المهيمن في السوق إلى جانب AMD’s (AMD ) Radeon.
المصدر: UBuy
CUDA والعملات المشفرة
في عام 2006، بعد أن أصبحت رائدة في مجال الـ GPU، أطلقت NVIDIA CUDA، واجهة برمجة تطبيقات عامة للأغراض العامة لمعالجات NVIDIA الرسومية، مما فتح الباب لاستخدامات أخرى غير الألعاب. تم ذلك لأن بعض الباحثين كانوا يستخدمون الـ GPUs بالفعل لإجراء الحسابات بدلاً من الحواسيب الفائقة التقليدية.
المصدر: NVIDIA
“أدرك الباحثون أنه بشراء بطاقة الألعاب هذه المسماة GeForce، وإضافتها إلى حاسوبهم، يصبح لديهم في الأساس حاسوب فائق شخصي. الديناميكيات الجزيئية، معالجة الزلازل، إعادة بناء التصوير المقطعي، معالجة الصور—مجموعة كاملة من التطبيقات المختلفة.”
هذا الاعتماد المتزايد على الـ GPUs، وبشكل أكثر تحديدًا على عتاد NVIDIA، خلق حلقة تغذية إيجابية تستند إلى آثار الشبكة: كلما زادت الاستخدامات، زاد عدد المستخدمين النهائيين والمبرمجين الذين يعرفونها، زادت المبيعات، زاد ميزانية البحث والتطوير، تسارعت سرعة الحوسبة، وزادت الاستخدامات مرة أخرى، وهكذا.
المصدر: NVIDIA
اليوم، تشمل القاعدة المثبتة مئات الملايين من وحدات CUDA GPU.
المصدر: NVIDIA
ليس فقط أن هذا سيكون مفيدًا جدًا للباحثين، بل أن تقنية جديدة ستستفيد من الحوسبة المتوازية للـ GPU: البلوك تشين والعملات المشفرة.
ازدهار العملات المشفرة
الآن، مع تراجع حماس الذكاء الاصطناعي، كانت العملات المشفرة أول تطبيق واسع النطاق للـ GPU خارج نطاق الألعاب والبحث العلمي. تتطلب العديد من سلاسل الكتل ومشروعات العملات المشفرة قدرًا هائلًا من القدرة الحاسوبية. بسرعة، أصبحت بطاقات NVIDIA GPU هي العتاد المركزي لأداء هذه الحسابات.
هذا خلق طفرة في مبيعات NVIDIA، وبدأ سعر سهم الشركة يرتفع تزامنًا مع ازدهار العملات المشفرة، حيث ارتفع سعر السهم بأكثر من 10 أضعاف.
(NVDA )
انخفض زخم سعر السهم من العملات المشفرة في عام 2022 قبل أن تدرك الأسواق أن NVIDIA كانت تبني استراتيجية ذكاء اصطناعي رائعة لسنوات عديدة.
الذكاء الاصطناعي
الشبكات العصبية
من أوائل العقد الأول من الألفية الثانية، بدأ الباحثون في توظيف الـ GPUs لدراسة الشبكات العصبية. هذه طريقة حوسبة تختلف عن البرمجة التقليدية وقد حصلت على جائزتي نوبل مختلفتين في عام 2024، في الفيزياء والطب.
الشبكات العصبية هي الأساس التقني لما يُشار إليه اليوم عادةً بـ “الذكاء الاصطناعي”.
في عام 2009، أحد طلابي آنذاك، إيان جودفيلو، الذي كان طالبًا في مرحلة البكالوريوس، ساعدني في بناء خادم GPU في غرفة سكنه. وكان ذلك الخادم ما استخدمناه في تجارب التعلم العميق الأولى لتدريب الشبكات العصبية.
بدأنا نرى تسريعات 10 أضعاف أو حتى 100 أضعاف في تدريب الشبكات العصبية على الـ GPUs لأننا كنا نستطيع تنفيذ ألف أو عشرة آلاف مهمة متوازية، بدلاً من خطوة واحدة تلو الأخرى.
Andrew Ng – مؤسس DeepLearning.AI وشريك عام لإدارة صناديق الذكاء الاصطناعي، في مقابلة مع سيكويا
كان ذلك قبل AlexNet، الاختراق الأول في التعرف على الصور الحاسوبية عام 2012، وسنوات قبل AlphaGo.
تحويل NVIDIA إلى الذكاء الاصطناعي
أدركت NVIDIA إمكانات الذكاء الاصطناعي مبكرًا، قبل أن يهتم أي شخص، غير الباحثين المتخصصين، بالشبكات العصبية.
كان ذلك، في ذلك الوقت، خطوة مخاطرة إلى قطاع غير مثبت، بالكاد موجود، أو كما قال جنسـن هوانغ:
“نحن نستثمر في أسواق لا تساوي حتى مليار دولار.”
في عامي 2016 و2017، أطلقت NVIDIA معماريتي باسكال وفولتا، على التوالي، أول مسرّع ذكاء اصطناعي قائم على الـ GPU، بينما قدمت فولتا نوى Tensor التي سرّعت مهام التعلم العميق حتى 12 مرة.
كان ذلك تحولًا جذريًا في هذا الاتجاه الجديد. عندما حولنا السفينة إلى ذلك الاتجاه، بحثنا عن كل باحث ذكاء اصطناعي على الكوكب.
وكانت منصتنا مفيدة لهم، وهذا هو التغذية الراجعة الإيجابية التي كنا نحصل عليها في ذلك الوقت. وهذا هو السبب في أنني أصدقاء مع جميع باحثي الذكاء الاصطناعي العالميين.
كانوا جميعًا مفيدين في تقديم المؤشرات المبكرة للنجاح المستقبلي على طول الطريق بالنسبة لي، وعليك أن تحتفل بهذه الانتصارات الصغيرة.
كان ذلك تمهيدًا لبناء بنية تحتية حوسبة للذكاء الاصطناعي، التي ظهرت بشكل كبير في الوعي العام عام 2023، مع إطلاق نماذج اللغة الكبيرة (LLMs) الشهيرة مثل Chat GPT.
لكن هذا تم بناؤه فعليًا على التطور البطيء وغالبًا ما يُنسى لبطاقات GPU المخصصة للذكاء الاصطناعي التي طورتها NVIDIA منذ عام 2016.
المصدر: NVIDIA
أمر ملحوظ آخر في تطور قوة حوسبة الذكاء الاصطناعي هو أنه يتبع قانونًا أسيًا بدلاً من قانون مور الخطي للمعالجات. ذلك لأن ليس فقط عتاد الـ GPU يتحسن، بل إن القدرة المطلوبة للمعالجة انخفضت بفضل التحسينات الجذرية في طريقة تدريب الشبكات العصبية.
بالإضافة إلى ذلك، تجعل البيانات المتاحة أكثر كفاءة التدريب، مما يمنح الباحثين زوايا متعددة للعمل بشكل متوازي لتعزيز الأداء.
أدى ذلك إلى انخفاض جذري في الطاقة المستهلكة لتدريب نفس نموذج GPT مع مرور الوقت، حيث انخفضت الطاقة المستهلكة 350 مرة خلال 8 سنوات، وانخفض استهلاك الطاقة المطلوب لإجراء طلب إلى هذه النماذج الكبيرة بشكل أكثر حدة.
المصدر: NVIDIA
شراكات NVIDIA
منذ تأسيسها، كانت NVIDIA شركة مرتبطة بعمق داخل الصناعة. بدلاً من أن تكون شركة مدمجة رأسياً، تسعى لإقامة روابط عميقة مع الأفضل، مع الحفاظ على تركيز حاد على مزاياها التنافسية.
على سبيل المثال، NVIDIA هي شركة “fabless” أي لا تمتلك مصانع تصنيع، تركز على التصميم والمفاهيم، وتترك تصنيع الـ GPUs إلى شركة أشباه الموصلات الرائدة عالميًا مثل TSMC (TSM ).
بعدم تطوير نماذج LLMs أو نظام ذكاء اصطناعي خاص بها، تُعد NVIDIA أيضًا شريكًا موثوقًا لجميع “التقنية الكبيرة” والشركات الناشئة في مجال الذكاء الاصطناعي، التي تراها شريكًا أساسيًا وليس منافسًا محتملًا. وهذا بدوره يمنح NVIDIA حجم مبيعات يتيح لها إعادة الاستثمار في البحث والتطوير والبقاء في صدارة اللعبة من الناحية التقنية.
لقد ثبت أن هذا هو الاختيار الصحيح، حيث أن NVIDIA هي المستفيد الأكبر من أكثر حملات الإنفاق الرأسمالي (capex) إثارة للإعجاب في تاريخ صناعة التقنية.
من المتوقع أن يصل إنفاق الذكاء الاصطناعي إلى 200 مليار دولار في عام 2025، إضافة إلى إنفاق رأسمالي متراكم متزايد من أكبر شركات التقنية في العالم منذ عام 2016.
المصدر: Sherwood
البيانات المالية
نمو NVIDIA من 2023 إلى 2024 كان مذهلًا لشركة بهذا الحجم:
- الإيرادات ارتفعت بنسبة 126٪، من 27 مليار دولار إلى 60 مليار دولار.
- صافي الدخل التشغيلي تضاعف ثلاث مرات (311٪) من 9 مليارات دولار إلى 37.1 مليار دولار.
- هامش الربح الإجمالي ارتفع من 59.2٪ إلى 73.8٪.
بشكل عام، تُقَيَّم الشركة بقيمة عالية، لكن ليس فقط بسبب نمو أرباحها. ومع ذلك، مع نسبة السعر إلى الأرباح (P/E) التي تتجاوز 60، وعائد توزيعات أرباح لا يتجاوز 0.03٪، يفترض المستثمرون نمواً مستقبليًا كبيرًا لتبرير سعر السهم الحالي.
المصدر: NVIDIA
مستقبل NVIDIA
نمو مستدام؟
معدل النمو الثلاثي الرقم لـ NVIDIA كان مذهلًا وانعكس في سعر سهم الشركة. بالطبع، كل شيء جيد يأتي إلى نهايته يومًا ما، ويبدأ المستثمرون بالقلق من أن ذلك قد يحدث قريبًا.
كانت نفس المخاوف صريحة بالفعل عندما كانت مبيعات NVIDIA تزدهر من مبيعات العملات المشفرة أو في المراحل الأولى من ازدهار الذكاء الاصطناعي، لذا فإن التشاؤم ليس بالضرورة استراتيجية استثمارية صائبة.
في مقابلة على بودكاست BG2Pod، أوضح هوانغ أن العالم يحتاج إلى تحديث ما يصل إلى تريليون دولار من مراكز البيانات والحوسبة لتضمين وتكييف الذكاء الاصطناعي. وحتى الآن، تم إنفاق 150 مليار دولار فقط من هذا الإجمالي.
وبالتالي، وفقًا له، لا يزال هناك مساحة واسعة لـ NVIDIA لمواصلة نمو المبيعات، حتى لو كان ذلك فقط بسبب الاحتياجات الحوسبية القائمة. وهذا قبل أن تصبح التطبيقات الإضافية للذكاء الاصطناعي أكثر انتشارًا، مثل السيارات ذاتية القيادة.
تتجاهل هذه المخاوف أيضًا أن جميع الصناعات، في النهاية، ستطبق الذكاء الاصطناعي على مستويات متعددة بطريقة أو بأخرى، بما في ذلك قطاعات مثل الرعاية الصحية التي تمثل نسبة مزدوجة الرقم من الناتج المحلي الإجمالي.
المصدر: NVIDIA
بلاكويل
في مارس 2024، أطلقت NVIDIA منصة Blackwell، “تمكين المؤسسات في كل مكان من بناء وتشغيل الذكاء الاصطناعي التوليدي في الوقت الفعلي على نماذج اللغة الكبيرة ذات التريليون معلمة بتكلفة واستهلاك طاقة أقل حتى 25 مرة مقارنةً بسابقتها.”.
المصدر: NVIDIA
هذه خطوة مهمة جدًا، حيث يصبح استهلاك الطاقة أحد أهم المخاوف للشركات التي تركز على الذكاء الاصطناعي، كما يتضح من الاتفاق الأخير لمايكروسوفت لإعادة تشغيل محطة نووية كاملة واستخدام كل طاقتها لمدة 20 عامًا بسعر متفق مسبقًا.
تصاميم داخلية
أحد المخاطر التي تواجه NVIDIA هو أنه على الرغم من كونه شريكًا رئيسيًا لأكبر الشركات في العالم، إلا أنه شريك مكلف ومربح جدًا (هامش ربح إجمالي 70٪). لذا عندما تنفق شركات بحجم ومهارات Alphabet/Google مئات المليارات من الدولارات على شرائح الذكاء الاصطناعي، فإنها تميل إلى تصنيعها داخليًا.
وهذا ليس مجرد افتراض، فمثلاً قامت Tesla بتطوير عتادها الخاص عن طريق توظيف مصممين كبار من منافس NVIDIA AMD. حتى عام 2019، كانت Tesla تستخدم منصة NVIDIA Drive PX 2 للحوسبة الذكائية. مع اقتراب Tesla من تسويق الروبوتاكسي فعليًا، قد يصبح هذا خسارة مبيعات ضخمة لـ NVIDIA.
وفي الوقت نفسه، قد يكون حالة Tesla استثناءً من القاعدة، حيث تسعى Tesla وشركات إيلون ماسك الأخرى، مثل SpaceX، دائمًا إلى مزيد من التكامل الرأسي ومستوى أعلى من السيطرة على عتادها.
الشركات الأقل خبرة في العتاد أو التي تركز أكثر على البرمجيات أو التسويق، مثل Facebook أو Microsoft، من المرجح أن تظل تعتمد على أحدث وأفضل تقنيات NVIDIA.
بالإضافة إلى ذلك، تُبنى العديد من نماذج الذكاء الاصطناعي حاليًا وتُبرمج على افتراض تشغيلها على بنية NVIDIA، ويُعتبر مبرمجو الذكاء الاصطناعي معتادين على عتاد NVIDIA، مما يشكل حواجز أعمال قيمة للشركة.
مخاطر سوق الذكاء الاصطناعي
قد يكون سوق الذكاء الاصطناعي ككل خطرًا أكبر لا يملك NVIDIA سيطرة كبيرة عليه من خلال إدارته الممتازة. إنه يزدهر الآن، ولكن هناك قلق متزايد من أن التطبيقات التي أُطلقت لم تتحول إلى إيرادات ضخمة كما فعل iPhone لشركة Apple في ذلك الوقت.
من المحتمل أن يكون هذا مجرد إشارة إلى أن التقنية لا تزال تبحث عن موضعها وتطور سوقها.
ولكن إذا استمرت هذه الحالة لفترة طويلة، قد نواجه موقفًا مشابهًا لأواخر التسعينات، حيث كانت توقعات أهمية الحاسوب الشخصي والإنترنت صحيحة، لكن التوقيت كان متفائلًا جدًا، مما أدى إلى انفجار فقاعة الدوت-كوم.
بالطبع، توقيع جنسـن هوانغ على توقيع امرأة في صدرها في يونيو 2024 يُعد علامة مفاجئة، وربما يثير قلق المستثمرين بشأن هوس مالي محتمل حول الذكاء الاصطناعي.
التاريخ المالي قد لا يتكرر بالضرورة، لكن المستثمرين سيحتاجون إلى تحليل هذا الخطر بدقة بالنسبة لـ NVIDIA والنظر في أوجه التشابه المحتملة مع شركة Sun Microsystems (صاحب أول عمل لجنسن هوانغ) في عام 2000.
عند 10 أضعاف الإيرادات، لإعطائك عائدًا خلال 10 سنوات، يجب أن أدفع لك 100٪ من الإيرادات لمدة 10 سنوات متتالية كأرباح موزعة. هذا يفترض أنني أستطيع الحصول على ذلك من مساهمي. هذا يفترض أن تكلفة البضائع صفر، وهو أمر صعب جدًا لشركة حاسوب. هذا يفترض صفر نفقات، وهو أمر صعب حقًا مع 39,000 موظف. (…)
الآن، بعد أن فعلت ذلك، هل يرغب أي منكم في شراء سهمي بسعر 64 دولارًا؟ هل تدركون مدى سخرية تلك الافتراضات الأساسية؟ لا تحتاجون إلى أي شفافية. لا تحتاجون إلى أي هوامش. ماذا كنتم تفكرون؟
سكوت ماكنيلي – حينها الرئيس التنفيذي لشركة Sun Microsystems
للمراجعة، نسبة السعر إلى المبيعات (P/S) الحالية لـ NVIDIA هي 35.
المصدر: YChart
الخلاصة
NVIDIA هي شركة بُنيت على اتخاذ المخاطر المحسوبة الصحيحة عدة مرات متتالية في الوقت المناسب، من بطاقات الرسومات للكمبيوتر إلى إصدار CUDA لتطبيقات جديدة إلى تبني الشبكات العصبية مبكرًا. هذا جعل مؤسسها، جنسـن هوانغ، يُصبح شبه نجم روك في صناعة أشباه الموصلات وتكنولوجيا المعلومات.
أداء الشركة الأخير أذهل السوق وخلق حماسًا هائلًا لسهم لا يمكن أن تدعيه Tesla فقط في السنوات الأخيرة. هذا يخلق فرصة ضخمة، كما يعرف العديد من المستثمرين الأوائل في Tesla، الذين واجهوا ما يقرب من عقد من المتشائمين الذين توقعوا فشل الشركة وسهمها “في أي لحظة الآن”.
هذا أيضًا يخلق بعض المخاطر، حيث أن ازدهار الذكاء الاصطناعي لم يولد بعد نوعًا من الإيرادات يبرر الإنفاق الرأسمالي الحالي وقد يواجه انخفاضًا قبل أن يصبح قطاعًا اقتصاديًا راسخًا.
