الذكاء الاصطناعي سيعيد تشكيل المشهد التكنولوجي العالمي في عام 2026، بحسب TrendForce
حددت TrendForce 10 اتجاهات تكنولوجية رئيسية ستحدد تطور صناعة التكنولوجيا في عام 2026. وفيما يلي أبرز هذه النتائج:
تشتد المنافسة على شرائح الذكاء الاصطناعي مع اكتساب التبريد السائل اعتماداً واسع النطاق في مراكز البيانات
في عام 2026، من المتوقع أن يؤدي ارتفاع الطلب على بناء مراكز بيانات الذكاء الاصطناعي - مدفوعًا بزيادة الإنفاق الرأسمالي من قبل كبار مقدمي خدمات الاتصالات في أمريكا الشمالية وصعود المشاريع السحابية السيادية في جميع أنحاء العالم - إلى زيادة شحنات خوادم الذكاء الاصطناعي بنسبة تزيد عن 20٪ على أساس سنوي.
ستواجه NVIDIA، الاسم الرائد في مجال الذكاء الاصطناعي اليوم، منافسة أقوى في المستقبل. تخطط AMD لتحدي NVIDIA من خلال تقديم حل MI400 ذو الحامل الكامل، والذي يعكس أنظمة GB/VR الخاصة بـ NVIDIA ويستهدف عملاء CSP. وفي الوقت نفسه، يعمل مقدمو خدمات الاتصالات الرئيسيون في أمريكا الشمالية على زيادة تطوير أجهزة ASIC الخاصة بهم داخليًا. وفي الصين، أدت التوترات الجيوسياسية إلى تسريع الدافع نحو الاكتفاء الذاتي التكنولوجي، مع قيام شركات مثل بايت دانس، وبايدو، وعلي بابا، وتينسنت، وهواوي، وكامبريكون بتعزيز الجهود لإنشاء رقائق الذكاء الاصطناعي الخاصة بها. ومن المقرر أن يؤدي هذا إلى تكثيف المنافسة العالمية.
تتزايد قوة التصميم الحراري (TDP) لكل شريحة بسرعة حيث أصبحت معالجات الذكاء الاصطناعي أكثر قوة، حيث قفزت من 700 واط لـ NVIDIA H100 وH200 إلى أكثر من 1000 واط لـ B200 وB300 القادم. تؤدي هذه الزيادة في إنتاج الحرارة إلى اعتماد واسع النطاق لأنظمة التبريد السائل في رفوف الخوادم، مع توقع أن يصل الاستخدام إلى 47% بحلول عام 2026.
طرحت Microsoft تقنية تبريد ميكروفلويديك متقدمة على مستوى الشريحة لتعزيز الكفاءة الحرارية. في المدى القريب إلى المتوسط، سيظل التبريد السائل باستخدام الألواح الباردة هو الحل الأساسي، مع انتقال وحدات CDU من إعدادات السائل إلى الهواء إلى إعدادات السائل إلى السائل. على المدى الطويل، من المرجح أن يتجه السوق نحو إدارة حرارية أكثر تفصيلاً على مستوى الرقاقة.
كسر حواجز النطاق الترددي: تعيد HBM والاتصالات البصرية تعريف بنيات مجموعة الذكاء الاصطناعي
تمثل الزيادة السريعة في حجم البيانات واحتياجات النطاق الترددي للذاكرة، مدفوعة بتوسيع أعباء عمل الذكاء الاصطناعي من التدريب إلى الاستدلال، تحديًا لتصميم النظام من خلال الكشف عن الاختناقات في سرعة النقل وكفاءة الطاقة. ولمعالجة هذه القيود، تظهر تقنيات HBM والربط البيني البصري كعوامل تمكين مهمة لبنيات الذكاء الاصطناعي من الجيل التالي.
تستفيد الأجيال الحالية من HBM من التراص ثلاثي الأبعاد ومن خلال السيليكون لتقليل المسافة بين المعالجات والذاكرة بشكل كبير، مما يحقق عرض نطاق ترددي أعلى وكفاءة أعلى. سيقدم الجيل القادم من HBM4 كثافة أكبر للقناة ونطاق ترددي أوسع للإدخال/الإخراج لدعم المتطلبات الحسابية الهائلة لوحدات معالجة الرسوميات والمسرعات التي تعمل بالذكاء الاصطناعي.
ومع ذلك، مع تجاوز معلمات النموذج مستوى التريليون مقياس وتوسع مجموعات وحدات معالجة الرسومات بشكل كبير، يظهر عرض النطاق الترددي للذاكرة مرة أخرى باعتباره عنق الزجاجة الرئيسي للأداء. تعالج الشركات المصنعة للذاكرة هذه المشكلة من خلال تحسين بنيات مكدس HBM، والابتكار في تصميم التغليف والواجهة، والتصميم المشترك مع الرقائق المنطقية لتعزيز عرض النطاق الترددي على الرقاقة لمعالجات الذكاء الاصطناعي.
في حين أن هذه التطورات تخفف من الاختناقات المتعلقة بالذاكرة، فإن نقل البيانات عبر الرقائق والوحدات النمطية أصبح القيد الحاسم التالي لأداء النظام. للتغلب على هذه الحدود، تظهر البصريات المجمعة (CPO) وضوئيات السيليكون (SiPh) كمجالات تركيز استراتيجية لصانعي وحدات معالجة الرسومات ومزودي خدمات الطاقة.
حاليًا، دخلت أجهزة الإرسال والاستقبال الضوئية القابلة للتوصيل 800G و1.6T بالفعل في الإنتاج الضخم، وبدءًا من عام 2026، من المتوقع نشر منصات SiPh/CPO ذات النطاق الترددي الأعلى في محولات الذكاء الاصطناعي. وستمكن تقنيات الاتصالات البصرية من الجيل التالي هذه من ربط البيانات ذات النطاق الترددي العالي ومنخفضة الطاقة، مما يؤدي إلى تحسين كثافة النطاق الترددي العام للنظام وكفاءة الطاقة لتلبية متطلبات الأداء المتصاعدة للبنية التحتية للذكاء الاصطناعي.
بشكل عام، تتطور صناعة الذاكرة بسرعة نحو كفاءة عرض النطاق الترددي باعتبارها ميزتها التنافسية الأساسية. تبرز التطورات في مجال الاتصالات البصرية - المصممة للتعامل مع نقل البيانات عبر الرقائق والوحدات النمطية - باعتبارها الحل الأكثر فعالية للتغلب على قيود الواجهات الكهربائية التقليدية في عمليات نقل البيانات لمسافات طويلة وعالية الكثافة. ونتيجة لذلك، من المقرر أن تصبح تقنيات النقل عالية السرعة ركيزة أساسية لتطور البنية التحتية للذكاء الاصطناعي.