خطة NVIDIA لتمويل الحوسبة الذكاء الاصطناعي بقيمة 500 مليار دولار: كيف تصبح البنية التحتية لوحدات معالجة الرسومات فئة أصول

مقدمة

تحاول NVIDIA تغيير الطريقة التي تدفع بها صناعة الذكاء الاصطناعي مقابل القدرة الحاسوبية.

في 10 أغسطس 2026، أعلنت الشركة عن إقامة شراكات استراتيجية مع Apollo وBlackRock وBlackstone وBrookfield وGoldman Sachs وKKR لإنشاء منصات تمويل حوسبة مستقلة للبنية التحتية للذكاء الاصطناعي القائمة على تقنيات NVIDIA.

حجم الهدف ضخم: تهدف هذه المنصات إلى تعبئة أكثر من 500 مليار دولار من رأس المال الخارجي على المدى الطويل.

هذا الرقم يحتاج إلى صياغة دقيقة.

لم تقم NVIDIA بجمع صندوق واحد بقيمة 500 مليار دولار، ولم تعلن المؤسسات الست عن التزامات فردية ثابتة ومحددة. وقّعت الأطراف مذكرات تفاهم، ولا تزال الاتفاقيات النهائية وشروط المشاريع وجداول النشر والالتزامات الرأسمالية الفعلية قيد التحديد.

هذه الرؤية تتجاوز بكثير مجرد تقديم قروض للعملاء لشراء وحدات معالجة الرسومات.

تريد NVIDIA أن تكون مصانع الذكاء الاصطناعي - بما في ذلك المجموعة التقنية الكاملة من المسرعات والشبكات وبرامج الأنظمة وأطر الذكاء الاصطناعي والبنية التحتية المحيطة بها - قابلة للتمويل كبنية تحتية إنتاجية. بدلاً من أن يدفع كل مختبر ذكاء اصطناعي أو مؤسسة أو مزود خدمات سحابية التكلفة الكاملة مقدمًا من ميزانيته العمومية، يمكن لرأس المال المؤسسي طويل الأجل امتلاك هذه الأصول أو تمويلها، بينما يدفع العملاء مقابل الوصول إلى القدرة الحاسوبية.

رؤية جينسن هوانغ بسيطة: في مجال الذكاء الاصطناعي، القدرة الحاسوبية تولد الإيرادات، لذلك يمكن الاكتتاب في البنية التحتية الحاسوبية كأصول إنتاجية، وليس فقط معاملتها كمشتريات تقنية سريعة الاستهلاك.

تريد NVIDIA من وول ستريت تمويل مصانع الذكاء الاصطناعي

على مدى العامين الماضيين، كان أحد أكبر العوائق أمام توسيع نطاق الذكاء الاصطناعي هو رأس المال.

تحتاج مختبرات الذكاء الاصطناعي المتطورة إلى مجموعات أكبر لتدريب وتقديم نماذج أقوى. تريد المؤسسات نقل المزيد من أعباء العمل إلى الذكاء الاصطناعي. يتنافس مزودو الخدمات السحابية ومزودو الخدمات الجدد على زيادة السعة.

الأجهزة باهظة الثمن، والنفقات تتجاوز بكثير وحدات معالجة الرسومات نفسها.

قد يتطلب مصنع الذكاء الاصطناعي الحديث:

• مسرعات
• شبكات عالية السرعة
• تخزين
• توزيع الطاقة
• أنظمة تبريد سائلة
• مبانٍ
• أراضٍ
• اتصال بالشبكة الكهربائية
• برامج أنظمة
• عمليات تشغيل
• التزامات سعة طويلة الأجل

يمكن لشركات التكنولوجيا الكبرى تمويل معظم هذه النفقات من خلال التدفق النقدي وأسواق الديون العامة.

غالبًا ما لا تستطيع شركات الذكاء الاصطناعي الأصغر ومشغلو البنية التحتية القيام بذلك.

تهدف خطة تمويل NVIDIA إلى جلب رأس مال خاص ومؤسسي أكبر لسد هذه الفجوة.

وفقًا للهيكل المُعلن، ستقوم المجموعات المالية الست بإنشاء مجمعات رأس مال مخصصة وتقييم المشاريع المتعلقة بالبنية التحتية للذكاء الاصطناعي القائمة على تقنيات NVIDIA بشكل مستقل.

توفر NVIDIA المنصة التقنية والنظام البيئي.

يوفر الممولون الاكتتاب ورأس المال والخبرة في البنية التحتية والوصول إلى أسواق رأس المال.

تقول الشركة إن الهدف

يشمل العملاء:

• مختبرات الذكاء الاصطناعي المتطورة
• الشركات الناشئة المتخصصة في الذكاء الاصطناعي
• المؤسسات الكبيرة
• مزودو الخدمات السحابية للذكاء الاصطناعي
• الحكومات والمشاريع الوطنية للذكاء الاصطناعي

يمكن لهذا النموذج أن يتيح للمؤسسات التي لديها طلب قوي ولكنها غير قادرة أو غير راغبة في تحمل كامل تكلفة البنية التحتية دفعة واحدة، الحصول على موارد حاسوبية باهظة الثمن.

هذا أقرب إلى تمويل البنية التحتية منه إلى التقسيط الاستهلاكي

قد يكون وصف هذه الفكرة بأنها "شراء وحدات معالجة الرسومات بالتقسيط العقاري" صورة بليغة، لكن الهيكل الفعلي أقرب إلى تمويل البنية التحتية والمعدات.

قد يبدو الترتيب المبسط على النحو التالي:

رأس المال المؤسسي
        ↓
أداة تمويل / مالك البنية التحتية
        ↓
مصنع ذكاء اصطناعي قائم على NVIDIA
        ↓
مستخدم القدرة الحاسوبية على المدى الطويل
        ↓
رسوم استخدام أو تدفقات نقدية شبيهة بالإيجار
        ↓
خدمة الدين / عوائد المستثمرين

لا يحتاج مستخدم القدرة الحاسوبية بالضرورة إلى امتلاك كل وحدة معالجة رسومات بشكل مباشر.

ستقيّم المؤسسات المالية ما إذا كان المشروع قادرًا على توليد تدفقات نقدية دائمة كافية لتبرير الاستثمار.

قد يشمل هذا التقييم:

• الجودة الائتمانية للعملاء
• مدة العقود
• معدل استخدام القدرة الحاسوبية
• الإيرادات المتوقعة من الإيجار
• الطلب على النماذج
• تكاليف الطاقة
• عمر الأجهزة
• القيمة المتبقية
• خيارات إعادة النشر

يشبه هذا النموذج أعمال تمويل الأصول الشائعة - حيث يمتلك طرف أو يمول شراء أصول إنتاجية عالية القيمة، بينما يتولى طرف آخر استخدامها.

تأجير الطائرات هو تشبيه واضح.

لا تشتري شركات الطيران دائمًا كل طائرة نقدًا. يمكن لشركات التأجير امتلاك الطائرات وتحصيل المدفوعات على المدى الطويل، مع الاحتفاظ بقيمة الأصول المادية.

يمكن للقدرة الحاسوبية للذكاء الاصطناعي أن تتبع نموذج تمويل مشابه، على الرغم من أن خصائص استهلاك وحدات معالجة الرسومات تختلف اختلافًا كبيرًا عن الطائرات.

لماذا تعتقد NVIDIA أن القدرة الحاسوبية يمكن أن تصبح فئة أصول قابلة للاستثمار

نشر جينسن هوانغ بيانًا آخر في 11 أغسطس، جادل فيه بأن القدرة الحاسوبية لمصانع الذكاء الاصطناعي من NVIDIA تمتلك الصفات التي يبحث عنها المستثمرون في البنية التحتية.

يعتمد حجته على أربع نقاط رئيسية.

1. الأصل قادر على توليد الإيرادات

البنية التحتية للذكاء الاصطناعي ليست معدات خاملة.

يمكن استخدامها للتدريب والاستدلال والضبط الدقيق والحوسبة العلمية وأعباء عمل الوكلاء وتوليد الوسائط وتقنيات الروبوتات وغيرها من الخدمات المدفوعة.

إذا تم الحفاظ على معدل استخدام مرتفع، يمكن للمعدات توليد تدفقات نقدية متكررة.

2. البنية المعمارية تدعم أعباء عمل متعددة

تعتقد NVIDIA أن بنيتها التحتية لا تقتصر على نموذج واحد.

يمكن لنفس مجموعة وحدات معالجة الرسومات أن تخدم اللغة والرؤية والصوت والبيولوجيا والذكاء الاصطناعي الفيزيائي وتقنيات الروبوتات والحوسبة عالية الأداء.

هذا يجعل الأجهزة أسهل في إعادة النشر عندما يتغير العملاء أو أعباء العمل.

3. CUDA توسع قاعدة المستخدمين المحتملين

النظام البيئي البرمجي لـ NVIDIA حاسم لفكرة التمويل، لأن الأجهزة تكون أكثر قيمة عندما يمكن لعدد أكبر من العملاء استخدامها.

CUDA مستخدمة على نطاق واسع في السحابة والأطر والتطبيقات وبيئات المؤسسات.

هذا يخلق سوقًا ثانوية أعمق للسعة الحاسوبية.

4. البرمجيات يمكن أن تطيل العمر الاقتصادي الفعلي

يعتقد هوانغ أن التحسين المستمر لـ CUDA يمكن أن يحقق للأجهزة المثبتة عوائد اقتصادية أفضل بمرور الوقت.

لا يمكن للبرمجيات أن تمنع التقادم المادي، ولا يمكنها جعل وحدات معالجة الرسومات القديمة مكافئة للبنى الجديدة، لكنها يمكن أن تحسن معدلات الاستخدام وأداء النواة ودعم الأطر ونطاق الأعباء التي تظل مجدية اقتصاديًا.

رقم 500 مليار دولار هو هدف وليس أموالًا تم جمعها

هذا التمييز هو مفتاح فهم الإعلان.

قالت NVIDIA إن منصات التمويل هذه تهدف إلى تعبئة إجمالي يزيد عن 500 مليار دولار من رأس المال الخارجي بمرور الوقت.

أوضحت الشركة أن هذا الرقم:

• ليس إيرادات NVIDIA
• ليس صندوقًا واحدًا
• ليس التزامًا تجاه عميل معين

ذكرت وكالة رويترز أن NVIDIA لم تكشف عن مبالغ الالتزامات الفردية للمؤسسات المالية الست، أو شروط التمويل التفصيلية، أو جداول النشر.

الاتفاقيات الحالية مبنية على مذكرات تفاهم.

لا تزال الاتفاقيات النهائية قيد التفاوض.

هذا يعني أن العناوين التي تزعم أن NVIDIA "جمعت 500 مليار دولار" تبالغ في ما حدث بالفعل.

الوصف الأكثر دقة هو أن NVIDIA تعمل مع ست مؤسسات مالية كبرى على بناء منصة، هدفها العلني طويل الأمد هو ضخ أكثر من 500 مليار دولار في مشاريع البنية التحتية للذكاء الاصطناعي.

ما حجم المخاطرة التي ستتحملها NVIDIA؟

تحاول NVIDIA الرد على قلق واضح: إذا باعت الشركة وحدات معالجة الرسوميات (GPU) وقدمت في الوقت نفسه ضمانات للتمويل، فهل تتحمل وول ستريت فعلاً مخاطرة مستقلة؟

قال جنسن هوانغ إن مزودي رأس المال سيتولون الاكتتاب في كل مشروع بشكل مستقل.

وعليهم مراجعة العملاء ومعدلات الاستخدام والتدفقات النقدية والطلب والقيمة المتبقية بأنفسهم.

قد تقدم NVIDIA آلية دعم للقيمة المتبقية تصل إلى 25% من فرصة المشروع، مع التقييم كل حالة على حدة.

لا ينبغي وصف هذا بأن NVIDIA تضمن 25% من منصة الـ 500 مليار دولار بأكملها.

هذه الآلية محدودة وخاصة بمشاريع معينة ومرتبطة بالقيمة المتبقية للأصول.

في السيناريو الأقصى النظري، ستكون 25% من 500 مليار دولار مساوية لـ 125 مليار دولار، وهذا يفسر ظهور هذا الرقم في التقارير. لكن التعرض الفعلي لـ NVIDIA سيعتمد على المشاريع التي تحصل على الدعم وهيكل كل ترتيب.

قالت NVIDIA إن هدفها هو تحرير رأس المال المستقل مع إبقاء مخاطرها تحت السيطرة.

لماذا تهتم وول ستريت؟

الشركاء الستة ليسوا مجرد مستثمرين في التكنولوجيا.

إنهم من بين أكبر المؤسسات العالمية في البنية التحتية، والائتمان الخاص، ورأس مال التأمين، والمعاشات التقاعدية، وإدارة الأصول طويلة الأجل.

البنية التحتية للذكاء الاصطناعي توفر لهم مجالاً جديداً لتخصيص رأس المال.

قد يوفر مشروع حوسبة كبير:

• مدفوعات تعاقدية
• إيرادات استخدام طويلة الأجل
• ضمانات عينية
• استرداد القيمة المتبقية
• تدفقات نقدية شبيهة بالبنية التحتية
• التعرض لنمو الذكاء الاصطناعي دون الحاجة لشراء أسهم في مختبرات الذكاء الاصطناعي

بالنسبة للمؤسسات التي تدير أموال المعاشات أو التأمين، فإن الجاذبية تختلف عن رأس المال الاستثماري.

ليست هناك حاجة بالضرورة لتصبح شركة ناشئة شركة تبلغ قيمتها

مئة مليار دولار.

إنهم بحاجة إلى عوائد يمكن التنبؤ بها من أصل إنتاجي يمكن قياس استخدامه واسترداد قيمته.

لهذا السبب، قد يكون تحويل قوة الحوسبة إلى شيء قابل للنمذجة والتمويل وإعادة البيع بنفس أهمية حجم الصفقات الأولى.

صفقة Anthropic تُظهر كيف يمكن أن يبدو هذا النوع من التمويل

المقال المصدر يستخدم Anthropic كمثال على كيفية تطور تمويل البنية التحتية للذكاء الاصطناعي بالفعل.

في يونيو 2026، دعمت Apollo وBlackstone توسعاً في القدرة الحاسوبية لشركة Anthropic بحوالي 35 مليار دولار، شمل رقائق ذكاء اصطناعي مخصصة وبنية تحتية مرتبطة بـ Broadcom وGoogle.

يستخدم هذا الهيكل رأس المال الخاص لتمويل البنية التحتية الحاسوبية، بدلاً من مطالبة Anthropic بشراء كامل الأجهزة نقداً بشكل مباشر.

التقارير العامة وصفت هيكلاً ذا غرض خاص، حيث تكون الديون مدعومة بمدفوعات شبيهة بالإيجار، وتقدم Broadcom دعماً للقيمة المتبقية للجزء المميز من التمويل.

التفاصيل المحددة ليست مطابقة تماماً لمنصة NVIDIA الجديدة.

لكن المبدأ الاقتصادي متشابه:

مزود رأس المال يشتري أو يمول القدرة الحاسوبية
        ↓
شركة الذكاء الاصطناعي تستخدم القدرة الحاسوبية
        ↓
مدفوعات طويلة الأجل تسدد التمويل
        ↓
الأجهزة تحتفظ بقيمة استرداد معينة

المبادرة الجديدة من NVIDIA تحاول تحويل الصفقات التي كانت تُتفاوض عليها كل حالة على حدة إلى قناة تمويل متكررة تغطي قاعدة عملاء أوسع.

التحول الأكبر: البنية التحتية للذكاء الاصطناعي يمكنها استيعاب رأس المال المؤسسي

المعنى الأعمق لخطة التمويل ليس مجرد نقل نفقة من ميزانية عميل معين.

إذا تم قبول القدرة الحاسوبية للذكاء الاصطناعي كأصل بنية تحتية رئيسي، فإن قاعدة رأس المال المحتملة تتجاوز بكثير الاحتياطيات النقدية لشركات التكنولوجيا.

مصادر رأس المال المحتملة تشمل:

• صناديق المعاشات التقاعدية
• شركات التأمين
• صناديق البنية التحتية
• صناديق الثروة السيادية
• صناديق الائتمان الخاص
• مستثمرو الديون المضمونة بأصول
• البنوك ومستثمرو أسواق رأس المال

هؤلاء المستثمرون يمولون بالفعل المطارات والمرافق العامة وأبراج الاتصالات وخطوط الأنابيب ومنشآت الخدمات اللوجستية والطائرات والعقارات ومراكز البيانات.

تريد NVIDIA أن تدخل مصانع الذكاء الاصطناعي أيضاً في هذا الإطار من الحوار.

لكن لتحقيق ذلك، يحتاج المستثمرون إلى إجابات موثوقة على عدة أسئلة:

• كم من الوقت ستبقى الأجهزة صالحة للاستخدام؟
• ما مدى سرعة انخفاض قيمة الأجيال الأقدم عند صدور أجيال جديدة من وحدات المعالجة الرسومية؟
• هل يمكن نقل الأجهزة إلى مشغل آخر؟
• هل سيستمر العملاء في الدفع مقابل القدرة الحاسوبية؟
• ما قيمة إعادة البيع الفعلية بعد بضع سنوات؟
• كم من العائد الاقتصادي يأتي من برامج NVIDIA بدلاً من الرقاقة نفسها؟

منصة التمويل يمكنها تقديم هيكل، لكنها لا تستطيع إزالة هذه المخاطر.

رد فعل السوق يكشف الجانب الآخر من الرهان

الإعلان لم يقابل بحماس غير مشروط.

في 10 أغسطس، انخفض سهم NVIDIA بحوالي 2.9%، بينما كان المستثمرون يقيّمون خطة التمويل وسط ضغوط سوقية أوسع.

في اليوم نفسه، ارتفعت أسهم عدة شركات إدارة أصول بديلة مشاركة في الخطة.

هذه المقارنة أثارت قلقاً مألوفاً حول البنية التحتية للذكاء الاصطناعي: التمويل الدائري.

منطقه كالتالي:

1. شركة الرقائق تريد من العملاء شراء المزيد من البنية التحتية.
2. العملاء يحتاجون تمويلاً لتحمل تكلفة هذه البنية التحتية.
3. مزود رأس المال يمول عملية الشراء.
4. شركة الرقائق تحصل على إيرادات الأجهزة.
5. إذا واجه العميل صعوبات لاحقاً، قد يعتمد هيكل التمويل على نفس الأجهزة للحفاظ على القيمة.

في أكثر الأشكال تطرفاً، يمكن لتمويل الموردين أن يجعل الطلب يبدو أقوى بينما تتراكم المخاطر في أماكن أخرى من النظام.

ردت NVIDIA مباشرة على هذا النقد في مقال جنسن هوانغ بتاريخ 11 أغسطس.

جادلت الشركة بأن هذه الخطة مختلفة لأن مزودي رأس المال الستة مؤسسات مستقلة ستتخذ قرارات الاكتتاب الخاصة بها، بدلاً من مجرد تصديق NVIDIA بأن كل مشروع قابل للتمويل.

هذا التمييز مهم، لكن القلق لن يختفي حتى يتمكن المستثمرون من رؤية كيفية بناء المشاريع المحددة ومقدار المخاطر الذي ستبقيه NVIDIA في النهاية.

لماذا تختلف GPU عن الطائرات

تشبيه الطائرات يساعد في شرح هيكل التمويل، لكنه أقل دقة عند الحديث عن الاستهلاك.

الطائرات تستنزف قيمتها بشكل أساسي بسبب العمر وساعات الطيران ودورات الإقلاع والهبوط وحالة الصيانة والطلب في السوق.

أما وحدات GPU فقد تفقد قيمتها بسرعة لأن البنى الجديدة تغير اقتصاديات الحوسبة.

إذا كان مسرّع أحدث يقدم أداءً أفضل في استهلاك الطاقة أو الذاكرة أو الشبكات أو تكلفة الرموز المميزة، فقد تفقد البطاقات الأقدم جاذبيتها حتى لو كانت لا تزال تعمل بشكل مثالي.

هذا الخطر من التقادم التكنولوجي قد يكون أصعب جزء في التعامل مع GPU كضمان طويل الأجل.

نموذج تمويل بخمس سنوات يتطلب تقدير قيمة الرقاقة بعد عدة دورات منتج.

في صناعة تتطور فيها المسرعات الجديدة بسرعة وتغير نماذج البنى تركيبة أعباء العمل الأكثر قيمة باستمرار، هذا أمر صعب للغاية.

إجابة NVIDIA: CUDA وقابلية التبادل وإعادة النشر

رد جنسن هوانغ هو أن منتجات الحوسبة من NVIDIA ليست أجهزة أحادية الاستخدام.

وحدة GPU لم تعد مناسبة لتدريب أحدث النماذج المتطورة يمكن استخدامها في:

• الضبط الدقيق
• الاستدلال
• النماذج الأصغر
• أعباء عمل المؤسسات
• الحوسبة العلمية
• العرض
• المحاكاة
• المعالجة المجمعة
• سعة السحابات الإقليمية

اتساع نظام CUDA البيئي يزيد من عدد المستخدمين الثانويين المحتملين.

هذا مهم للمقرضين، لأن الأصل الممول يكون أكثر أماناً عندما يمكن نقله إلى عملاء آخرين.

أشارت NVIDIA أيضاً إلى أن تحسينات البرمجيات ترفع باستمرار إنتاجية الأجهزة المثبتة.

قد لا يكون الأصل قادراً على المنافسة مثل أحدث GPU، لكنه لن يصبح بلا قيمة بالضرورة.

A100 هو المثال المفضل لدى NVIDIA

أطلقت NVIDIA معالج A100 في عام 2020.

بعد ست سنوات، قال جنسن هوانغ إن A100 لا يزال مستخدماً بشكل تجاري نشط في التدريب والضبط الدقيق والاستدلال والحوسبة عالية الأداء.

يواصل العملاء تقديم التزامات سعة لسنوات متعددة حول هذه البنية.

بالنسبة لـ NVIDIA، يثبت هذا أن العمر الاقتصادي لوحدات معالجة الرسوميات في مراكز البيانات قد يتجاوز بكثير ما يوحي به دورة إطلاق المنتج.

هذا يدعم أيضاً الحجة القائلة إن نموذج التمويل لا يتطلب من وحدات GPU القديمة أن تظل الشريحة الأسرع في السوق دائماً.

كل ما يحتاجه هو إبقاء GPU بكفاءة إنتاجية كافية تجعل المستخدمين على استعداد للاستمرار في الدفع مقابل استخدامها.

تأجير H100 يعزز حجة NVIDIA

المقال المصدر استشهد أيضًا ببيانات أسعار التأجير من SemiAnalysis التي نقلها جنسن هوانغ.

وفقًا لمقال NVIDIA بتاريخ 11 أغسطس، ارتفع سعر تأجير H100 لمدة عام واحد من حوالي 1.70 دولار لكل ساعة GPU في أكتوبر 2025 إلى حوالي 2.35 دولار لكل ساعة GPU في مارس 2026.

كما ارتفع السعر الوسيط حسب الطلب عبر مقدمي الخدمات من حوالي 2.00 دولار لكل ساعة GPU في أكتوبر 2025 إلى حوالي 2.70 دولار في يونيو 2026.

بالنسبة للمقرضين، تدعم أسعار الإيجار المستقرة أو المرتفعة وجهة النظر القائلة بأن وحدات GPU القديمة المثبتة لا تزال قادرة على توليد تدفقات نقدية مستمرة حتى بعد دخول منتجات أحدث إلى السوق.

ومع ذلك، بالنسبة للمشترين، لا ينبغي اعتبار أسعار الإيجار التاريخية ضمانًا للقيمة المتبقية المستقبلية.

فإن توفر وحدات GPU، وتوافر الكهرباء، وكفاءة النماذج، والأجهزة المنافسة، وطلب الاستدلال، والهياكل الجديدة، كلها عوامل قد تغير الاقتصاديات بسرعة.

الاتفاقيات الفعلية الموقعة حتى الآن

المرحلة الحالية لا تزال في حالتها الأولية.

وقّعت NVIDIA مذكرات تفاهم مع ست مؤسسات مالية.

لم تكشف الشركة بعد عن:

• اتفاقية التمويل الرئيسية النهائية
• حجم الأموال التي ستقدمها كل مؤسسة
• أول مشروع سيحصل على التمويل
• أول عميل
• الجدول الزمني الشامل للنشر المستهدف
• أسعار الفائدة المعيارية
• شروط الإيجار المعيارية
• صيغة موحدة لحساب القيمة المتبقية

من المتوقع أن يتم تقييم كل فرصة تمويل بشكل فردي.

وهذا يعني أن المنصة النهائية قد لا تبدو كمنتج رهن عقاري عالمي موحد، بل كمجموعة من هياكل التمويل القابلة للتكرار، تُطبق على عملاء ومشاريع مراكز بيانات مختلفة.

آلية دعم الـ 25% ليست تلقائية

تفصيل آخر يستحق التكرار هو آلية القيمة المتبقية.

صرحت NVIDIA أنها قد تقدم، في بعض الحالات، دعمًا يصل إلى 25% لفرصة معينة.

هذا ليس تلقائيًا.

وليس وعدًا بأن تحتفظ كل وحدة GPU بـ 25% من سعر شرائها.

كما أنه ليس ضمانًا شاملاً يغطي هدف الـ 500 مليار دولار بأكمله.

من المتوقع أن يتم تقييم هذا الدعم على أساس كل مشروع على حدة، وكإضافة إلى الاكتتاب المستقل من قبل الممولين.

من الواضح أن هذا التصميم يهدف إلى تقليل الانطباع الخارجي بأن NVIDIA تمول مبيعاتها فقط.

ما إذا كان المستثمرون سيقبلون هذا التمييز سيعتمد على العقود الفعلية.

من يستفيد أكثر

يبدو أن منصة التمويل الأكثر فائدة للفئات التالية:

العملاء الذين لديهم طلب قوي على القدرة الحاسوبية، لكن وصولهم إلى رأس المال منخفض التكلفة أقل من شركات التكنولوجيا العملاقة.

مختبرات الذكاء الاصطناعي الرائدة

يمكن للمختبرات توسيع قدرات التدريب والاستدلال دون الحاجة إلى تخصيص قدر كبير من رأس المال السهمي في الأجهزة.

مزودو خدمات الحوسبة السحابية للذكاء الاصطناعي

عندما يمكن أن يعتمد تمويل الأجهزة على طلب العملاء طويل الأجل، يمكن لمشغلي Neocloud وسحابات GPU زيادة السعة بسرعة أكبر.

الشركات الكبرى

قد تفضل الشركات التي تبني مصانع ذكاء اصطناعي خاصة اعتماد هياكل تمويل أو دفع مرتبط بالاستخدام، بدلاً من عمليات شراء رأسمالية ضخمة لمرة واحدة.

الحكومات

يمكن للمشاريع الوطنية للذكاء الاصطناعي استخدام تمويل البنية التحتية لتسريع مشاريع الحوسبة السيادية، دون الاعتماد الكامل على الميزانيات التقنية السنوية.

المشاريع الأفضل جودة على الأرجح هي تلك التي لديها عقود طويلة الأجل، ومعدلات استخدام عالية، وعملاء ممتازون، وسوق ثانوي واضح للأجهزة.

ما الذي قد يسوء

يحمل هذا الإجراء أيضًا عدة مخاطر.

1. انخفاض قيمة الأجهزة أسرع من المتوقع

قد تؤدي الأجيال الجديدة من المسرعات إلى خفض القيمة الاقتصادية لأجيال الأجهزة الممولة بشكل كبير.

2. انخفاض معدلات الاستخدام

قد تعمل مراكز البيانات التي تم بناؤها لتلبية الطلب المتوقع على الذكاء الاصطناعي بأقل من طاقتها الكاملة، مما يضعف التدفقات النقدية المستخدمة لسداد التمويل.

3. تخلف العملاء عن السداد

بعض المختبرات الرائدة وسحابات الذكاء الاصطناعي تنمو بسرعة، لكنها لا تزال كثيفة رأس المال، وقد لا تتمتع بجدارة ائتمانية بدرجة الاستثمار.

4. تأخير الكهرباء يقلل الإيرادات

إذا لم تتمكن مراكز البيانات من الحصول على الكهرباء أو الشبكة أو التبريد أو الموافقات التنظيمية النهائية، فلن تتمكن وحدات GPU من توليد إيرادات.

5. تحسن كفاءة الذكاء الاصطناعي أسرع من نمو الطلب

إذا كانت النماذج تتطلب قدرًا أقل بكثير من الحوسبة لنفس المخرجات، فقد تتعرض القدرة المثبتة للضغط حتى مع استمرار نمو معدلات تبني الذكاء الاصطناعي.

6. حجم التمويل الدائري كبير جدًا

إذا كان موردو التكنولوجيا والعملاء والممولون وضامنو القيمة المتبقية متشابكين بشكل عميق للغاية، فقد تنتقل الخسائر في جزء واحد من النظام البيئي بسرعة إلى أجزاء أخرى.

ماذا يعني هذا لتسعير الذكاء الاصطناعي

يربط المقال الأصلي في النهاية نظام التمويل بالسعر الذي يدفعه المستخدمون النهائيون مقابل الذكاء الاصطناعي.

هذا الارتباط حقيقي، وإن كان غير مباشر.

تكلفة النموذج لا تشمل فقط البحث والتطوير والهندسة.

بل تعكس أيضًا تكاليف:

• وحدات GPU
• الكهرباء
• الشبكات
• بناء مراكز البيانات
• التمويل
• الاستهلاك
• التشغيل

إذا كان من الممكن تمويل البنية التحتية بأسعار فائدة منخفضة والحفاظ على معدلات استخدام عالية لفترات طويلة، يمكن أن تنخفض تكلفة وحدة الحوسبة.

هذا يمكن أن يخفض تكلفة تدريب النماذج الأكبر، كما يمكن أن يجعل الاستدلال وخدمات اشتراكات الذكاء الاصطناعي أرخص بمرور الوقت.

والعكس صحيح أيضًا.

إذا كان السوق مفرطًا في البناء، أو انخفضت قيمة الأجهزة أسرع من المتوقع، أو زادت خسائر التمويل، فقد ترتفع تكلفة رأس المال لبنية الذكاء الاصطناعي التحتية في المستقبل.

لذلك، أصبح وول ستريت جزءًا من مجموعة منتجات الذكاء الاصطناعي، على الرغم من أن المستخدم النهائي لن يراه أبدًا على الواجهة.

قواعد أعمال الحوسبة تتغير

لم تعد NVIDIA مجرد مورّد للرقائق.

إنها توفر المسرعات والشبكات والبرمجيات والتصاميم المرجعية وهندسة مصانع الذكاء الاصطناعي ومعايير النظام البيئي، والآن إطارًا لجلب رأس مال خارجي واسع النطاق إلى عملية البناء.

هذا سيغير المشهد التنافسي.

لا يزال سباق الذكاء الاصطناعي يتعلق بقدرات النماذج، لكنه يعتمد بشكل متزايد أيضًا على من يمكنه بناء قدرة حوسبة قابلة للاستخدام بأقل تكلفة، وتمويلها بكفاءة، وإبقائها تعمل بكامل طاقتها، والحفاظ على قيمتها عبر أجيال متعددة من الأجهزة.

هدف NVIDIA البالغ 500 مليار دولار هو في جوهره رهان على أن نظامها البيئي دائم بما يكفي ليجعل وول ستريت ينظر إلى القدرة الحاسوبية كبنية تحتية إنتاجية طويلة الأجل وفعالة.

السنوات القادمة ستختبر الافتراض الأكثر أهمية في هذه الحجة: كم ستساوي وحدات GPU الحالية بعد إطلاق أجيال أكثر؟

الأسئلة الشائعة

هل جمعت NVIDIA 500 مليار دولار نقدًا؟

لا. وقعت NVIDIA مذكرات تفاهم مع ست مؤسسات مالية بهدف إنشاء منصة تمويل تعبّئ تدريجيًا أكثر من 500 مليار دولار من رأس المال الخارجي. الالتزامات المحددة والاتفاقيات النهائية والجدول الزمني للنشر لم يتم الكشف عنها بعد علنًا.

ما هي المؤسسات المالية التي تعمل مع NVIDIA؟

الشركاء المعلنون يشملون Apollo وBlackRock وBlackstone وBrookfield وGoldman Sachs وKKR. من المتوقع أن تقوم هذه المؤسسات بالاكتتاب المستقل في فرص البنية التحتية للذكاء الاصطناعي، بدلاً من مجرد تمويل جميع عملاء NVIDIA تلقائيًا.

هل يعني هذا أن الشركات يمكنها شراء وحدات GPU من NVIDIA بالتقسيط؟

ليس بالمعنى الاستهلاكي للتقسيط. هذا البرنامج أقرب إلى هياكل المعدات والبنية التحتية والائتمان الخاص والتأجير، حيث يقدم مزودو رأس المال التمويل لمصانع الذكاء الاصطناعي، ويدفع العملاء مقابل الوصول أو الاستخدام طويل الأجل.

هل تقدم NVIDIA ضمانًا للتمويل؟

صرحت NVIDIA أنها قد تقدم آلية دعم للقيمة المتبقية تصل إلى 25% لبعض الفرص، مع تقييم كل حالة على حدة. هذا ليس ضمانًا شاملاً بنسبة 25% من هدف الـ 500 مليار دولار.

لماذا ينظر المستثمرون إلى وحدات GPU كأصول بنية تحتية؟

يمكن للمستثمرين تقييم الإيرادات المتكررة الناتجة عن القدرة الحاسوبية، وعمق السوق للعملاء، ومعدلات الاستخدام، ومدد العقود، والقيمة المتبقية. تعتقد NVIDIA أن CUDA ودعم مجموعة واسعة من أعباء العمل وقابلية إعادة النشر تجعل أجهزتها أكثر ديمومة وسيولة من الأصول التكنولوجية أحادية الاستخدام.

ما هو أكبر خطر في تمويل وحدات GPU لسنوات متعددة؟

التقادم التكنولوجي هو الخطر الأساسي. الأجيال الجديدة من المسرعات تقلل القيمة الاقتصادية للأجيال الأقدم بوتيرة أسرع بكثير مما يفعله التآكل المادي للمعدات التقليدية في البنية التحتية.

هل لا تزال وحدات GPU القديمة من NVIDIA ذات استخدام تجاري؟

نعم. تستشهد NVIDIA بمعالج A100 الذي تم إطلاقه في عام 2020، والذي لا يزال يُستخدم بعد عدة سنوات في التدريب والاستدلال والضبط الدقيق والحوسبة عالية الأداء. لكن هذا لا يضمن أن كل جيل مستقبلي من وحدات GPU سيتبع نفس نمط القيمة المتبقية.

هل يمكن لهذا التمويل أن يجعل الذكاء الاصطناعي أرخص للمستخدمين؟

من الممكن.

انخفاض تكاليف التمويل، وارتفاع معدلات الاستخدام، وعمر تشغيلي أطول للأجهزة، يمكن أن يقلل من تكلفة وحدة القدرة الحاسوبية. لا يزال السعر النهائي لخدمات الذكاء الاصطناعي يعتمد على عوامل متعددة مثل كفاءة النماذج، والمنافسة، والطاقة، والبرمجيات، والطلب.

أدوات ذات صلة

• NVIDIA DSX: منصة نفيديا لتصميم ومحاكاة ونشر وتشغيل مصانع الذكاء الاصطناعي.
• مصانع الذكاء الاصطناعي من NVIDIA: البنية التحتية التي تطورها نفيديا لمنشآت الحوسبة واسعة النطاق للذكاء الاصطناعي.
• CUDA Toolkit: منصة برمجة وحدات معالجة الرسوميات والنظام البيئي البرمجي من نفيديا، وهو جوهر حجتها حول القيمة المتبقية.
• NVIDIA AI Enterprise: منصة البرمجيات المؤسسية المدعومة من نفيديا لنشر وإدارة أعباء عمل الذكاء الاصطناعي.
• NVIDIA DGX Cloud Lepton: منصة تربط المطورين بالقدرة الحاسوبية لوحدات معالجة الرسوميات لدى مزودي خدمات سحابية متعددين.

روابط ذات صلة

• نفيديا تعلن عن خطة تمويل بقدرة حاسوبية تبلغ 500 مليار دولار: إعلان رسمي حول ست شراكات ومذكرات تفاهم وأهداف رأس المال طويلة الأجل.
• جينسن هوانغ: القدرة الحاسوبية لمصانع الذكاء الاصطناعي كفئة أصول قابلة للاستثمار: شرح تفصيلي من نفيديا حول القيمة المتبقية، وCUDA، واستمرارية A100، وأسعار تأجير H100، وآلية الدعم بنسبة 25%.
• رويترز: نفيديا تتعاون مع وول ستريت لدفع تمويل ذكاء اصطناعي بقيمة 500 مليار دولار: تقرير مستقل حول الإعلان وأهداف رأس المال والشروط غير المفصح عنها.
• رويترز: أبولو وبلاكستون يدعمان توسع أنثروبيك بقدرة حاسوبية بقيمة 35 مليار دولار: معلومات أساسية حول سوابق تمويل القدرة الحاسوبية للذكاء الاصطناعي من رأس المال الخاص الكبير.
• NVIDIA DSX: الوثائق الرسمية لمنصة البنية التحتية لمصانع الذكاء الاصطناعي من نفيديا.
• NVIDIA CUDA Toolkit: منصة مطوري CUDA الرسمية من نفيديا، والمشار إليها في حجة اقتصاديات القدرة الحاسوبية طويلة الأجل.
• NVIDIA AI Enterprise: الوثائق الرسمية لمكدس البرمجيات المؤسسية للإنتاج من نفيديا.

ملخص

وقعت نفيديا مذكرات تفاهم مع أبولو، وبلاكستون، وبلاكستون، وبروكفيلد، وجولدمان ساكس، وKKR لإنشاء منصات تمويل مستقلة تهدف إلى حشد أكثر من 500 مليار دولار تدريجيًا للبنية التحتية للذكاء الاصطناعي.

المشروع ليس جولة تمويل مكتملة بقيمة 500 مليار دولار. إنه إطار يهدف إلى تحويل مصانع الذكاء الاصطناعي القائمة على تقنيات نفيديا إلى أصول يمكن لمزودي رأس المال طويل الأجل تمويلها وتأجيرها وتأمينها وربما إعادة بيعها.

المسألة الأساسية هي القيمة المتبقية. تعتقد نفيديا أن CUDA، والدعم الواسع لأعباء العمل، وقابلية إعادة النشر، واستمرارية A100، واقتصاديات تأجير H100 القوية، يمكن أن تجعل البنية التحتية لوحدات معالجة الرسوميات متينة بما يكفي لتمويلها كبنية تحتية. لا يزال المستثمرون يواجهون مخاطر مثل التقادم السريع للأجهزة، ومعدلات الاستخدام، والجدارة الائتمانية للعملاء، والطاقة، والتمويل الدوري.

إذا قبلت وول ستريت القدرة الحاسوبية كأصل إنتاجي طويل الأجل، فما التالي

قد تعتمد مراحل سباق الذكاء الاصطناعي بالقدر نفسه على التمويل والقيمة المتبقية، كما تعتمد على الأداء الأصلي للنماذج.