الذكاء الاصطناعي
أحدث إنجازات الذكاء الاصطناعي: ما الجديد وما التالي؟
أضف Securities.io إلى مصادرك المفضلة على Google
يستمر الذكاء الاصطناعي (AI) في زيادة أهميته، بفضل إمكاناته الكبيرة في إحداث ثورة في الصناعات.
في النهاية، تُحاكي هذه المحاكاة للذكاء البشري في الآلات فوائد مثل زيادة الكفاءة والإنتاجية، تحسين الدقة واتخاذ القرار، فرص عمل جديدة، وتعزيز تجربة العملاء.
وبالتالي، أصبح الذكاء الاصطناعي محركًا رئيسيًا لنمو الشركات، حيث تتبناه أكثر من 70٪ من الشركات. تُظهر التقديرات أن السوق العالمية للذكاء الاصطناعي قد تصل إلى تريليونات بحلول عام 2030، مدفوعة بزيادة الاستثمارات والتطورات التقنية.
فقط هذا العام، شهدنا تطورات هائلة: قدمت OpenAI وكيل بحث عميق بدقة تزيد عن 25٪ في معيار اختبار Humanity’s Last Exam؛ أطلقت DeepSeek نسخة DeepSeek-R1 التي تستخدم استدلال سلسلة الأفكار؛ أطلقت Baidu إصداري Ernie X1 و Ernie 4.5؛ وكشف Stability AI عن نموذج جديد، Stable Virtual Camera، يتيح تحويل الصور إلى مشاهد ثلاثية الأبعاد.
في الوقت نفسه، تتعاون Google مع شركة MediaTek التايوانية لتطوير الجيل التالي من وحدات معالجة التنسور (TPUs) لتقليل تكاليف الإنتاج والاعتماد على الشركاء الحاليين. وفي الوقت ذاته، أعلن ائتلاف يضم OpenAI وOracle (ORCL ) وSoftBank وMGX عن مشروع Stargate بالتعاون مع الحكومة الأمريكية.
في الأسبوع الماضي، أعلنت Nvidia (NVDA ) عن مجموعة جديدة من “أجهزة الحوسبة الفائقة الشخصية للذكاء الاصطناعي” المدعومة بمنصة شريحة Grace Blackwell. كشف الرئيس التنفيذي Jensen Huang عن DGX Spark وDGX Station في GTC 2025 لتمكين المستخدمين من إنشاء نماذج أولية، وضبطها، وتشغيل نماذج الذكاء الاصطناعي بأحجام مختلفة على الحافة.
إذن، دعونا الآن نلقي نظرة على بعض أهم الإنجازات الحديثة التي حققها الباحثون باستخدام الذكاء الاصطناعي في مختلف القطاعات.
انقر هنا لتعرف ما إذا كان الذكاء الاصطناعي مجرد ضجة أم أن هناك جوهرًا لنموه.
الذكاء الاصطناعي يحل تحديات التعلم الخاصة به
الذكاء الاصطناعي لا يقتصر فقط على نقل المعرفة إلى قطاعات أخرى، بل يساهم أيضًا في تطوير نفسه من خلال تمكين تطوير أنظمة ذكاء اصطناعي أكثر تعقيدًا عبر التقدم في تحليل البيانات، التعلم الآلي، والأتمتة، مما يؤدي إلى معالجة أسرع، تنبؤات أكثر دقة، واتخاذ قرارات أفضل.
هذا الشهر، قدم الباحثون مكونات ميمريستية جديدة أكثر متانة، يمكنها العمل في الوضعين التناظري والرقمي، وتعمل عبر نطاق جهد أوسع.
يمكن لهذه الخصائص أن تساعد في معالجة مشكلة “النسيان الكارثي”، التي تحدث عندما تنسى الشبكات العصبية الاصطناعية ما تعلمته مسبقًا. يحدث ذلك عادةً عندما يتم تدريب الشبكات العصبية العميقة (DNNs) المصممة لمحاكاة الدماغ البشري على مهمة جديدة، وتقوم عملية التحسين الجديدة بكتابة ما تم تعلمه مسبقًا.
دماغنا لا يواجه هذه المشكلة، بفضل قدرته على تعديل درجة التغيير المشبكي. كما يُشتبه أن درجات مختلفة من اللدونة تمكّن دماغنا من تعلم أشياء جديدة بشكل دائم دون نسيان القديمة. وقد حقق الباحثون شيئًا مشابهًا باستخدام الميمريستور الجديد.
تتصرف الميمريستورات بطريقة تشبه خلايا الدماغ وتستهلك طاقة قليلة جدًا. كنوع من أجهزة الذاكرة التي تغير المقاومة بناءً على الجهد المطبق، يمكن للميمريستورات تغيير مقاومتها بناءً على الجهد المطبق. حتى بعد إيقاف الجهد، تظل قيمة مقاومتها ثابتة بفضل قدرتها على الخضوع لتغييرات هيكلية.
وفقًا لإليا فالوف من معهد بيتر غرينبرغ (PGI-7) في مركز البحوث جوليش، الذي قاد البحث:
“تُعتبر العناصر الميمريستية مرشحين مثاليين للمكونات الحاسوبية المستوحاة من الدماغ والقادرة على التعلم.”
على الرغم من التقدم الكبير الذي تم تحقيقه، فإن تسويق المكونات يحدث بوتيرة أبطأ بكثير بسبب ارتفاع معدل الفشل في الإنتاج، وقصر عمر المنتج، وحساسيته للتأثيرات الميكانيكية التي قد تتسبب في أعطال أثناء التشغيل.
هذا يتطلب بحثًا في تحسين التحكم في العمليات النانوية بالإضافة إلى مواد وآليات تبديل جديدة لتقليل تعقيد الأنظمة وزيادة نطاق وظائفها، وفقًا لفالوف.
لهذا الغرض، تعاون علماء ألمان وصينيون واكتشفوا “آلية ميمريستية كيميائية كهربائية جديدة جوهريًا تكون أكثر استقرارًا كيميائيًا وكهربائيًا”، مما سيوسع آفاق تطبيقات علوم الأعصاب.
انقر هنا لتعرف كيف ستقود شرائح الدماغ المدعومة بالذكاء الاصطناعي القفزة التالية في تطور البشرية.
اختراق الميمريستور لتعلم الذكاء الاصطناعي المستمر
نُشر في مجلة Nature Communications1، حددت الدراسة آليتين أساسيتين لعمل الميمريستورات ثنائية القطب:
- التأين الكهروكيميائي (ECM)
- آلية تغيير التكافؤ (VCM)
تُكوّن ميمريستورات ECM خيطًا معدنيًا بين القطبين. هذا “الجسر الموصلي” الصغير يغيّر المقاومة الكهربائية ويذوب عند عكس الجهد. بينما يسمح بجهود تبديل منخفضة وأوقات تبديل سريعة، فإن الحالات المتولدة هنا متغيرة وقصيرة الأمد.
تغيّر ميمريستورات VCM مقاومتها من خلال حركة أيونات الأكسجين عند الواجهة بين القطب والإلكتروليت عبر تعديل حاجز شوتكي. وعلى الرغم من استقرارها النسبي، إلا أنها تتطلب جهود تبديل عالية.
مع وجود مزايا وعيوب لكل عملية، صمم الفريق ميمريستورًا يجمع بين فوائد النوعين، وهو ما لم يُعتقد أنه ممكن.
لذلك، يستخدم الميمريستور الجديد خيطًا من أكسيدات المعادن (بدلاً من أن يكون معدنيًا بالكامل مثل ECM)، يتشكل من حركة أيونات الأكسجين والتنتالوم. وهو مستقر جدًا ولا يذوب بالكامل أبدًا.
“يمكنك التفكير فيه كخيط موجود دائمًا إلى حد ما ويتم تعديلها كيميائيًا فقط.”
– فالوف
يُشار إلى آلية التبديل الجديدة والقوية باسم آلية تعديل توصيلية الخيط (FCM). المكونات القائمة على هذه الآلية أكثر مقاومة لدرجات الحرارة العالية، تحتاج إلى جهود أقل للإنتاج، تمتلك نطاق جهد أوسع، وتكون أكثر استقرارًا كيميائيًا وكهربائيًا. كما أن عمرها الافتراضي أطول لأن عددًا أقل من المكونات تحترق أثناء الإنتاج، مما يؤدي إلى انخفاض معدل الرفض.
تتيح حالات الأكسدة المختلفة للميمريستور العمل في الوضعين الثنائي والتناظري، مما يمكن أن يساعد في التغلب على مشكلة “النسيان الكارثي”.
أوضح فالوف أن “الخصائص الفريدة” للميمريستور الأوميكي ذو الطرفين الجديد “تسمح باستخدام أوضاع تبديل مختلفة للتحكم في تعديل الميمريستور بطريقة لا تفقد فيها المعلومات المخزنة”.
قام الباحثون بالفعل بتطبيق المكون الميمريستي الجديد في نموذج شبكة عصبية اصطناعية في محاكاة، محققين دقة عالية في التعرف على الأنماط عبر مجموعات بيانات صور متعددة.
سيفحص الفريق الآن موادًا أخرى قد تكون أفضل وأكثر استقرارًا. فالوف واثق من أن “نتائجهم ستدفع قدمًا تطوير الإلكترونيات لتطبيقات ‘الحوسبة داخل الذاكرة'”.
MSFT مخطط السعر
الآن، تُعد شركة Microsoft (MSFT ) واحدة من الشركات الرائدة في مجال الذكاء الاصطناعي، والتي استثمرت 12 مليار دولار في صانع ChatGPT OpenAI وتقدم منتجات ذكاء اصطناعي مثل Copilot، Azure AI Studio، وأدوات مدعومة بالذكاء الاصطناعي داخل Microsoft 365، Dynamics 365، وPower Platform. تُقَدَّر القيمة السوقية للشركة التقنية بـ 2.9 تريليون دولار وتُتداول أسهمها حاليًا عند $394.58، بانخفاض 7.17٪ منذ بداية العام. بالنسبة للربع المنتهي في 31 ديسمبر 2024، فقد أعلنت عن زيادة بنسبة 12٪ في الإيرادات لتصل إلى 69.6 مليار دولار وربح السهم المخفف 3.23 دولار.
وفقًا لرئيس شركة Microsoft التنفيذي ساتيا ناديلا:
“نحن نبتكر عبر مجموعة تقنياتنا ونساعد العملاء على تحقيق العائد الكامل على الاستثمار في الذكاء الاصطناعي لاغتنام الفرصة الضخمة القادمة. بالفعل، تجاوز عملنا في مجال الذكاء الاصطناعي معدل إيرادات سنوي قدره 13 مليار دولار، بزيادة 175٪ على أساس سنوي.”
آخر المستجدات حول Microsoft
الذكاء الاصطناعي في الرعاية الصحية، تحسين تشخيص مرض باركنسون
في قطاع الرعاية الصحية، يساعد الذكاء الاصطناعي على خفض التكاليف وتحقيق نتائج أفضل للمرضى من خلال تحسين التشخيص والعلاج ورعاية المرضى عبر اكتشاف الأمراض، الطب المخصص، وتحسين الكفاءة في المهام الإدارية.
الآن، سيساعد الذكاء الاصطناعي الأطباء على تشخيص مرض باركنسون والحالات المرتبطة به بشكل تفريقي أسرع وبدقة أكبر.
حاليًا، تتراوح دقة تشخيص مرض باركنسون بين 55٪ و78٪ خلال السنوات الخمس الأولى من التقييم، جزئيًا بسبب تشابه اضطرابات الحركة الشقيقة له، مما يجعل التشخيص النهائي صعبًا في البداية.
مع ذلك، طوّر باحثون في جامعة فلوريدا ومعهد UF Health Norman Fixel للأمراض العصبية نموذج ذكاء اصطناعي جديد يحقق معدل دقة يتجاوز 96٪.
كما أشار الدراسة، كان من الصعب تطبيق نهج قائم على التصوير لتشخيص وتفريق مرض باركنسون (PD)، الشلل المتقدم فوق القذالي (PSP)، وتعدد الأنظمة المتعددة (MSA) المتنوعة من باركنسون. ومع ذلك، أظهرت البيانات الحديثة أنه من الممكن ذلك باستخدام التصوير بالرنين المغناطيسي المتناثر الوزن مع خوارزميات تعلم الآلة المتخصصة في المرض.
الدراسة، الممولة من المعاهد الوطنية للصحة ونُشرت في مجلة JAMA Neurology2، تفصّلت في نظام التمييز الآلي للتصوير للباركنسونية (AIDP)، وهو برنامج معالجة MRI آلي وتعلم آلي يضم تقنية مؤشرات حيوية غير غازية.
أشار ديفيد فايلانكور، أستاذ في قسم الفسيولوجيا التطبيقية وعلم الحركة بجامعة UF، إلى أن صانعي أجهزة MRI لا يتواصلون مع بعضهم بسبب المنافسة في السوق ويستخدمون برامجهم وتسلسلاتهم الخاصة.
لذلك، طور الباحثون “برنامجًا جديدًا يعمل عبر جميعها.” سيساعد هذا الأداة الأطباء على زيادة فعالية التشخيص بين الاضطرابات المختلفة، وفقًا لفايلانكور.
بينما يساعد التصوير بالرنين المغناطيسي المتناثر الوزن في AIDP على تحديد مواقع تدهور الأعصاب من خلال قياس كيفية انتشار جزيئات الماء في الدماغ، يقوم الخوارزم بتحليل الفحص الدماغي لتقديم النتائج.
تم اختبار الخوارزم بدقة مقابل تشخيصات العيادات الشخصية وأُجري عبر 21 موقعًا، بما في ذلك موقعين في كندا و19 في الولايات المتحدة.
“هذه حالة تُظهر أن الابتكار بين التكنولوجيا والذكاء الاصطناعي قد ثبت أنه يعزز دقة التشخيص، مما يتيح لنا فرصة تحسين العلاج للمرضى المصابين بمرض باركنسون.”
– مايكل أوكون، د.م., مدير معهد نورمان فيكسل للأمراض العصبية في UF Health.
يسعى الباحثون الآن للحصول على موافقة إدارة الغذاء والدواء الأمريكية (FDA).
استخدام الذكاء الاصطناعي لتوقع خطر القلب عبر صور الماموجرام
أظهر نموذج تعلم عميق آخر إمكانات في توقع خطر القلب استنادًا إلى صور الماموجرام، وهي أداة فحص السرطان الهامة. قدمت هذه الدراسة في الجلسة العلمية السنوية لكلية القلب الأمريكية (ACC) دمج قوة الذكاء الاصطناعي مع الماموجرام لتحليل تراكم الكالسيوم في الشرايين داخل نسيج الثدي.
تراكم الكالسيوم في الأوعية الدموية هو علامة على تلف القلب المرتبط بالتقدم في العمر أو بأمراض القلب المبكرة. وفقًا للدراسات السابقة، تواجه النساء اللواتي لديهن تراكم كالسيوم في الشرايين خطرًا أعلى بنسبة 51٪ للإصابة بأمراض القلب والسكتة الدماغية.
على الرغم من كون أمراض القلب السبب الرئيسي للوفاة في الولايات المتحدة، إلا أن أمراض القلب لدى النساء لا تُشخص بشكل كافٍ، وهو ما يمكن تغييره باستخدام أدوات فحص الماموجرام المدعومة بالذكاء الاصطناعي التي تستفيد بشكل أفضل من الفحوصات التي تخضع لها العديد من النساء بانتظام.
في الولايات المتحدة، يُجرى حوالي 40 مليون فحص ماموجرام كل عام. تُستخدم هذه الأشعة السينية لفحص سرطان الثدي. بينما تُظهر هذه الصور تكلس شرايين الثدي، لا يتم الإبلاغ عن هذه المعلومات للمرضى أو أطبائهم.
استخدمت الدراسة الجديدة تقنية تحليل صور بالذكاء الاصطناعي لم تُستَخدم من قبل على الماموجرام لإظهار أن التكنولوجيا يمكنها سد هذه الفجوة عبر تقييم التكلس تلقائيًا ثم تقديم تصنيف خطر القلب. وفقًا للمؤلف الرئيسي للدراسة، ثيو داباميدي، د.م., دكتوراه، وزميل ما بعد الدكتوراه في جامعة إيموري بأتلانتا:
“نرى فرصة للنساء للحصول على فحص للسرطان وكذلك فحص قلبي إضافي من خلال الماموجرام. أظهرت دراستنا أن تكلس شرايين الثدي هو مؤشر جيد لأمراض القلب، خاصةً لدى المرضى الذين تقل أعمارهم عن 60 عامًا. إذا تمكنا من فحص وتحديد هؤلاء المرضى مبكرًا، يمكننا إحالتهم إلى أخصائي قلب لتقييم المخاطر بشكل أعمق.”
لبناء الأداة، درّب الباحثون نموذجًا للذكاء الاصطناعي لتقسيم الأوعية المتكلسة في صور الماموجرام. ثم يستخدم النموذج هذه البكسلات الساطعة لحساب خطر الأحداث القلبية المستقبلية استنادًا إلى بيانات أكثر من 56,000 مريض.
“أتاحت التقدمات في التعلم العميق والذكاء الاصطناعي استخراج واستخدام المزيد من المعلومات من الصور لتوجيه الفحص الانتهازي بشكل أكثر قابلية للتنفيذ.”
– داباميدي
أظهرت نتائج الدراسة أن النموذج الجديد أدّى بشكل جيد في تحديد خطر القلب للمرضى ذوي المخاطر المنخفضة أو المتوسطة أو الشديدة استنادًا إلى صور الماموجرام.
وفقًا لهم، يزداد معدل الأحداث القلبية الخطيرة مع مستوى تكلس شرايين الثدي لدى النساء تحت 60 عامًا واللواتي تتراوح أعمارهن بين 60 و80 عامًا بعد حساب خطر الوفاة من نوبة قلبية حادة أو سكتة دماغية أو أي سبب خلال سنتين وخمس سنوات.
هذا يجعل هذه الأداة مناسبة بشكل خاص لتوفير إنذار مبكر لمخاطر أمراض القلب لدى النساء الأصغر سنًا، مما يتيح التدخلات المبكرة.
تُظهر نتائج الدراسة أيضًا أن الأشخاص الذين لديهم أعلى مستوى من تكلس شرايين الثدي، فوق 40 مم²، لديهم معدل بقاء خالٍ من الأحداث خلال خمس سنوات أقل بكثير مقارنةً بأولئك الذين لديهم أدنى مستوى، أقل من 10 مم².
الخطوة التالية للباحثين هي الحصول على موافقة FDA وجعل الأداة متاحة للاستخدام الأوسع. في المستقبل، يخططون أيضًا لاستكشاف استخدام نماذج ذكاء اصطناعي مماثلة لتحليل مؤشرات حيوية لحالات أخرى، مثل أمراض الكلى، التي قد تُستخرج من الماموجرام.
GEHC مخطط السعر
الآن، عندما يتعلق الأمر بالشركات التي تدفع بالذكاء الاصطناعي في الرعاية الصحية، تستثمر GE HealthCare Technologies (GEHC ) بشكل كبير في التقنية وتدمجها عبر منتجاتها لتحسين رعاية المرضى وتعزيز سير عمل الأطباء. تُقَدَّر القيمة السوقية للشركة بـ 37.26 مليار دولار وتُتداول أسهمها حاليًا عند 81.49 دولار، بارتفاع 4.23٪. في الربع الرابع من عام 2024، ارتفع إيرادها بنسبة 2٪ إلى 5.3 مليار دولار بينما كان ربح السهم المخفف 1.57 دولار.
آخر المستجدات حول تقنيات GE HealthCare
الذكاء الاصطناعي في علوم المواد: تحسين عمليات نمو الأفلام الرقيقة
علوم المواد حاسمة للتقدم الحديث حيث تمكّن من تطوير مواد جديدة وتحسين المواد القائمة. يساهم الذكاء الاصطناعي في هذا المجال من خلال تسريع اكتشاف وتصميم مواد جديدة، تحسين المواد القائمة، وتحسين عمليات التصنيع.
استخدم الباحثون من جامعة طوكيو للعلوم (TUS)، بقيادة الأستاذ ماساتو كوتسوجي، الذكاء الاصطناعي الآن لتحسين عمليات نمو الأفلام الرقيقة من خلال التنبؤ بالنمو الشجيري فيها.
تلعب هذه العمليات دورًا أساسيًا في تطوير أجهزة أشباه الموصلات، تقنيات الاتصالات، وتقنيات المستشعرات.
حاليًا، تُزرع الأفلام الرقيقة عن طريق وضع طبقات صغيرة من المواد على ركيزة. ومع ذلك، للاستفادة الكاملة من أداء أجهزة الأفلام المتعددة الطبقات، يجب تصنيع الركيزة بدقة لأنها تؤثر بشكل كبير على التكوين البنيوي، مما يؤثر بدوره على وظيفتها وأدائها.
ومع ذلك، تتأثر الهياكل بشكل كبير بظروف عملية النمو مثل التركيب، الغلاف الجوي، وعيوب السطح. خلال عملية تصنيع المساحات الكبيرة، والتي تُعد مهمة لتطبيقها التجاري، تظهر عقبة رئيسية على شكل هياكل شجرية.
تقلل هذه الأنماط الشجرية المتفرعة من استواء الأفلام الرقيقة وتُلاحظ عادةً في مواد مثل الجرافين، النحاس، والبوروفين، خاصةً في مرحلة النمو الأولية والأفلام المتعددة الطبقات.
نظرًا لأن البنية الدقيقة تؤثر مباشرة على أداء الجهاز، من الضروري تقليل تكوين الشجرية. لتحقيق ذلك، يجب أولاً فهم الظروف التي تسبب التشعب الشجيري. تعتمد الأساليب الحالية لدراسة الشجرية على التحليل البصري البسيط والتفسير الذاتي، مما يتطلب تجريبًا وخطأً كبيرين.
لمواجهة هذه القضايا، بنى الباحثون نموذجًا للذكاء الاصطناعي لتحليل الهياكل الشجرية. يدمج الأسلوب المبتكر التعلم الآلي (ML) والهومولوجيا المستمرة (PH) مع تحليل الطاقة لربط البنية والعملية في نمو الشجرية.
“توفر منهجيتنا رؤى جديدة حول آليات النمو وتقدم مسارًا قويًا قائمًا على البيانات لتحسين تصنيع الأفلام الرقيقة.”
– البروفيسور كوتسوجي
دمج الذكاء الاصطناعي، PH، وتحليل الطاقة لدراسة النمو الشجيري
نُشر في مجلة Science and Technology of Advanced Materials: Methods3، تفصل الدراسة النموذج الذي يستخدم الهومولوجيا المستمرة (PH) لالتقاط الميزات الطوبولوجية المعقدة لهياكل الميكرو-شجرية، والتي غالبًا ما تُهمل بواسطة تقنيات معالجة الصور التقليدية.
بينما تسمح الهومولوجيا المستمرة بتقييم متعدد المقاييس للثقوب والاتصالات داخل الهياكل الهندسية، ساعدت تقنية التعلم الآلي تحليل المكونات الرئيسية (PCA) على تقليل ميزات الشكل الميكرو-شجري المستخرجة عبر PH إلى فضاء ثنائي الأبعاد.
ساعد ذلك الفريق على قياس التغييرات الهيكلية في الشجرية وإقامة علاقة بين هذه التغييرات والطاقة الحرة في المادة التي تؤثر على طريقة تكوين الشجرية.
عند تقييم هذه العلاقة، اكتشف الفريق الظروف الخاصة والآليات الخفية للنمو التي تؤثر على تشعب الشجرية.
“تُظهر إطار عملنا بشكل كمي تشكل الشجرية إلى تغيرات الطاقة الحرة لجبس، مكشفًا عن تدرجات الطاقة التي تدفع سلوك التشعب.”
– كوتسوجي
بعد ذلك، درس الفريق نمو الشجرية في ركيزة نحاسية (Cu) سداسية الشكل وقارن النتائج ببيانات من محاكاة الحقل الطوري للتحقق من نهجهم. أشار كوتسوجي إلى:
“من خلال دمج الطوبولوجيا والطاقة الحرة، يقدم منهجنا نهجًا متعدد الاستخدامات لتحليل المواد. من خلال هذا الدمج، يمكننا إقامة صلة هرمية بين البنى الدقيقة على المستوى الذري والوظائف الماكروية عبر مجموعة واسعة من المواد، ممهداً الطريق لتقدمات مستقبلية في علوم المواد.”
وفقًا له، يمكن أن يؤدي هذا الأسلوب إلى تطوير أجهزة أفلام رقيقة عالية الجودة للاتصالات عالية السرعة بما يتجاوز 5G وتقدمات في المواد عالية الأداء، الفيزياء غير المتوازنة، وتكنولوجيا المستشعرات.
الآن، إذا نظرنا إلى اسم بارز في مجال علوم المواد يستخدم الذكاء الاصطناعي للابتكار، فإن Applied Materials (AMAT ) من بين القادة. تستفيد من الذكاء الاصطناعي لتعزيز تصنيع شرائح أشباه الموصلات عبر منصة AI(x)، ExtractAI، ونظام SEMVision™ H20. تُقَدَّر القيمة السوقية للشركة بـ 123.6 مليار دولار وتُتداول أسهمها حاليًا عند 151 دولارًا، بانخفاض 6.5٪ منذ بداية العام. بالنسبة للربع الأول من عام 2025، أبلغت عن زيادة بنسبة 7٪ في الإيرادات لتصل إلى 7.17 مليار دولار بينما كان ربح السهم وفقًا لمبادئ GAAP 1.45 دولارًا وبدون GAAP 2.38 دولارًا.
AMAT مخطط السعر
“الدفع الصناعي لتسريع تطوير الحوسبة المتقدمة والذكاء الاصطناعي الأكثر تعقيدًا يكتسب زخماً. تمكّن Applied Materials من تمكين الانعطافات الرئيسية في بنية الأجهزة الضرورية للذكاء الاصطناعي الفعال في الطاقة، وتركيزنا على الابتكار المشترك عالي السرعة يخلق فرص تعاون فريدة مع عملائنا وشركائنا، مما يضع Applied في موقع النمو المستمر وتفوق الأداء في السنوات القادمة.”
– الرئيس التنفيذي غاري ديكرسون الشهر الماضي
آخر المستجدات حول Applied Materials
الخلاصة
لقد كان الذكاء الاصطناعي يغيّر بالفعل الأعمال عبر الصناعات. وتقدم وتيرة الابتكار الآن حلولًا رائدة لتحدياته الطويلة الأمد. مع هذه التطورات، التي تتراوح بين علوم المواد، التشخيص الطبي، الحواسيب الفائقة الشخصية، وحتى حلول لتحديات التعلم الخاصة بالذكاء الاصطناعي نفسه، نحن ندخل عصرًا يعد بتحول غير مسبوق.
مع استمرار تطور الذكاء الاصطناعي، فإن قدرته على تعزيز الإنتاجية، تحسين اتخاذ القرار، وفتح آفاق جديدة تجعله أحد أقوى القوى التي تشكّل المستقبل.
انقر هنا لتعرف كل شيء عن الاستثمار في الذكاء الاصطناعي (AI).
الدراسات المشار إليها:
1. Chen, S., Yang, Z., Hartmann, H., Shi, J., Liu, Y., Li, M., He, Y., Zhang, J., Wang, Q., Luo, D., Chen, L., Wang, Y., Liu, D., & Renner, F. U. (2025). الميمريستورات الأوهومية الكهروكيميائية للتعلم المستمر. Nature Communications, 16(1), 2348. https://doi.org/10.1038/s41467-025-57543-w
2. Vaillancourt, D. E., Barmpoutis, A., Wu, S. S., DeSimone, J. C., Schauder, M., Chen, R., Parrish, T. B., Wang, W., Molho, E., Morgan, J. C., Simon, D. K., Scott, B. L., Rosenthal, L. S., Gomperts, S. N., Akhtar, R. S., Grimes, D., De Jesus, S., Stover, N., Bayram, E., Ramirez-Zamora, A., Prokop, S., Fang, R., Slevin, J. T., Kanel, P., Bohnen, N. I., Tuite, P., Aradi, S., Strafella, A. P., Siddiqui, M. S., Davis, A. A., Huang, X., Ostrem, J. L., Fernandez, H., Litvan, I., Hauser, R. A., Pantelyat, A., McFarland, N. R., Xie, T., Okun, M. S., & the AIDP Study Group. (2025). التمييز الآلي للتصوير للباركنسونية. JAMA Neurology. Advance online publication. https://doi.org/10.1001/jamaneurol.2025.0112
3. Tone, M., Sato, S., Kunii, S., Obayashi, I., Hiraoka, Y., Ogawa, Y., Higo, Y., & Kotsugi, M. (2025). ربط البنية والعملية في نمو الشجرية باستخدام الهومولوجيا المستمرة مع تحليل الطاقة. Science and Technology of Advanced Materials: Methods. https://doi.org/10.1080/27660400.2025.2475735
