ما الذي يركز عليه وادي السيليكون؟ بدأت المرحلة الثانية من الذكاء الاصطناعي! ملخص آراء عمالقة التكنولوجيا في مؤتمر TMT لدى Goldman Sachs (تحليل معمق)

أوضح إشارة نقلها مؤتمر Goldman Sachs Communacopia + TMT لعام 2026 هي: تركيز الاستثمار في الذكاء الاصطناعي ينتقل من "بناء القدرة الحوسبية" إلى "استخدام القدرة الحوسبية"، ولكن القدرة الحوسبية نفسها ما تزال تعاني نقصًا شديدًا في العرض مقارنة بالطلب. تحقق هاتين النقطتين معًا يُشكل جوهر التوتر المركزي في وادي السيليكون حاليًا.

حدد كبير الاقتصاديين في Goldman Sachs، Jan Hatzius، النغمة العامة في المؤتمر: "لن تستمر موجة استثمارات الذكاء الاصطناعي إلى الأبد." لكن Jensen Huang من Nvidia أعطى، في نفس المؤتمر، شعورًا معاكسًا بالإلحاح: "70% من النمو هو الحد الأقصى من العرض، وليس الحد الأقصى من الطلب." هذا الخلاف هو بالضبط السمة الجوهرية للنصف الثاني من سباق الذكاء الاصطناعي—الاتجاه لا خلاف عليه، وإنما الإيقاع والتوزيع هما محل الجدال.

عن ماذا يتحدث وادي السيليكون: ستة محاور رئيسية

المحور الأول: "القيود الفيزيائية" للقدرة الحوسبية تصبح السردية الجديدة

أعاد Jensen Huang في المؤتمر تعريف إطار السردية للبنية التحتية للذكاء الاصطناعي بشكل منهجي. وأرجع القوة الدافعة إلى ثورتين متداخلتين في الصناعة: الانتقال من الحوسبة الاسترجاعية إلى الحوسبة التوليدية، ونهاية قانون مور.

الحواسيب في الستين سنة الماضية كانت "مسجلة مسبقًا"—بعد ضغط المستخدم تُسترجع المعلومات من التخزين. لكن الذكاء الاصطناعي التوليدي يتطلب توليد الإجابات في الزمن الحقيقي وفقًا للسياق، ما يعني أنه يجب بناء طبقة حسابية جديدة تشتغل باستمرار. وفي الوقت ذاته، انتهت مكاسب تصغير الترانزستورات، ولم تعد تحسينات الأداء تعتمد على تصغير عمليات التصنيع. تعامل Jensen Huang مع ذلك من خلال تحقيق تصميم تعاوني متطرف عبر تغليف الرقاقات المتعددة CoWoS والتوسع الرأسي باستخدام NVLink، وقال بصراحة: "إذا لم تمتلك NVLink، وإذا لم تستطع تحقيق توسع رأسي فعّال حقًا، فقد انتهيت، لأن قانون مور أصبح عدوك."

النقطة المحورية في هذا السرد هي: النقطة الأساسية التي تقيد نمو الذكاء الاصطناعي تحولت من "هل يوجد طلب؟" إلى "هل يستطيع العالم الفيزيائي مواكبة ذلك؟" أقرّ Huang بوجود عنق زجاجة واسع النطاق في تغليف الرقاقات، الرقائق السيليكونية، الذاكرة، وحتى في طاقة ومواقع مراكز البيانات. وأبقى على توقعاته لنمو سنوي حوالي 70% حتى CY27. أما Bret Johnsen، المدير المالي لـ SpaceX، فكشف عن خطة توسع أكثر طموحًا: بحلول 2027 سترتفع قدرة الذكاء الاصطناعي الحوسبية من 2 جيجاوات إلى 5-10 جيجاوات، مع خطط لنشر أقمار صناعية للذكاء الاصطناعي لتخفيض تكلفة القدرة الحوسبية في المدار لتكون مماثلة لتلك الموجودة على الأرض.

المحور الثاني: "مسار الفائز" في طبقة تطبيقات الذكاء الاصطناعي أصبح أكثر وضوحًا

قدم Hock Tan، المدير التنفيذي لشركة Broadcom، نموذجًا اقتصاديًا مثيرًا: 1 جيجاوات من القدرة الحوسبية الأمامية تكافئ 30 مليار دولار ARR، منها 10 مليارات تكلفة، و20 مليارًا تُقتنص من طبقتي النماذج والتطبيقات، و10 مليارات تنافس عليها سلسلة الصناعة الكاملة من Cloud+Chip+Memory+Power.

هذا يعني أن توزيع القيمة في سلسلة الصناعة أصبح قابلًا للقياس. بناءً على ذلك، قدمت Goldman Sachs ترتيب "مسار الفائز": طبقة النماذج المغلقة > ملكية الشرائح > hyperscaler > الطاقة + التبريد السائل > الشبكة > طبقة التطبيقات.

ولكن أشارت Goldman Sachs أيضًا إلى أن رؤوس الأموال تنتقل من المرحلة الأولى (GPU/HBM/أجهزة مراكز البيانات) إلى المرحلة الثانية (الفائزين في طبقة التطبيقات القادرين على تحويل token إلى إنتاجية وعائدات وتدفق مالي للشركات). ومن المتوقع أن يصبح تمييز التقييمات "أكثر حدة" مستقبلًا: شركات البرمجيات التي تملك بيانات حصرية، سير عمل معقدة، وعائد استثمار واضح ستُعاد تقييمها، في حين ستتعرض SaaS التقليدية التي من السهل سلعتها من قبل النماذج الأساسية لضغط مستمر.

أكدت مداخلة Ali Ghodsi، المدير التنفيذي لشركة Databricks، هذا التوجه: تركيز المنافسة في مجال برمجيات تطبيقات الذكاء الاصطناعي ينتقل نحو النشر الفعلي في الشركات، وستحصل منصات البرمجيات التي تستطيع تحويل قدرات النماذج بكفاءة ودقة إلى نتائج أعمال موثوقة على مساحة نمو جديدة.

المحور الثالث: Agentic AI ينتقل من "مفهوم" إلى "إعادة هيكلة تنظيمية"

في هذا المؤتمر، لم يعد Agentic AI يقتصر على مستوى العرض الوظيفي، بل بدأ يعيد تشكيل الهيكل الداخلي للشركات.

كشفت CHYM عن تنفيذها تخفيض في القوى العاملة بنسبة 10%، بهدف بناء "منظمة أكثر انسيابية وسرعة"، حيث تقلص حجم فريق المنتجات والهندسة إلى نصف الحجم السابق، ولكن "بفضل وضوح المسؤوليات وترشيد العمليات، يبقى الناتج ثابتًا". أما Block فبعد تنفيذ عملية إعادة هيكلة واسعة في بداية العام (تقليل المستويات بين صانعي القرار والمنفذين)، تحقق الآن تأثير الرافعة بناءً على تكاليف ثابتة."

أما تقنيًا، تعتبر AMD أن Agentic AI يمثل عبء عمل جديد، وترى أنه سيزيد من الحاجة إلى أنواع مختلفة من وحدات المعالجة المركزية، وليس فقط GPU. وقدمت SailPoint هدفًا محددًا: قد يصبح agentic AI المحرك الأساسي للنمو، مع هدف عائدات agentic بقيمة 800 مليون دولار للسنة المالية 2029.

وكانت تعليقات Amy Hood، المديرة المالية لـ Microsoft، الأكثر منهجية: حيث تجمع Microsoft بين رخص المستخدمين المتوقعة مع تسعير خدمات الذكاء الاصطناعي بناءً على الاستهلاك، مع توسيع منتجات代理 مثل Agent 365 وCopilot. وصرحت بوضوح أن "سير العمل الآمنة والخاضعة للرقابة بالوكالة" قد يدفع النمو، إذ يتعاون الوكلاء والتطبيقات والبشر بشكل متزايد.

المحور الرابع: الأمن السيبراني كـ"أكثر المحاور تداولًا"

الأمن السيبراني هو أكثر سيناريو تطبيقي تم ذكره في هذا المؤتمر. وصرّح Huang بوضوح أنه الساحة الرئيسية التالية لتطبيق الذكاء الاصطناعي، وشرح المنطق الاقتصادي بوضوح:

"واحدة من النواتج الفرعية للبرمجة طبعًا هي اكتشاف الأخطاء، وأحد مشتقاتها سوق ضخم جدًا يُسمى الأمن السيبراني. مساعد البرمجة يستجيب للمطالبة ويتوقف؛ الوكيل الأمني يراقب الشبكة بشكل مستمر، ما يعني أن العملاء يحتاجون إلى الدفع مقابل الاستدلال على مدار الساعة طوال الأسبوع، وليس بشكل متقطع."

قال الرئيس التنفيذي لشركة Palo Alto Networks بصراحة "صناعة أمن الذكاء الاصطناعي لم تُبنى بعد"، وتبلغ القيمة السوقية لشركتي CrowdStrike وPalo Alto مجتمعين حوالي 490 مليار دولار، مما يجعلها أقل بكثير من شركات الذكاء الاصطناعي التريليونية القيمة، مما يثير الانتباه لإمكانية إعادة تقييم هذا المسار.

أبرز George Kurtz، المدير التنفيذي لشركة CrowdStrike، في نفس المؤتمر بيانات تُظهر حجم التحدي: الهجمات السيبرانية المعتمدة على الذكاء الاصطناعي زادت بنسبة 89% خلال العام الماضي، وأسرع وقت تجاوز للحماية بلغ 27 ثانية. الـ27 ثانية أقل من زمن تشخيص فرق الأمن البشرية لمعظم التنبيهات، مما يدعم جوهريًا حجة استبدال الفرق التحليلية بوكلاء مستقلين.

وصف Huang CrowdStrike بأنها "شريك الأمن السيبراني الأول" لـ Nvidia، وصرح أن إطلاق SafeMind هو "نقطة تحول في الأمن السيبراني".

المحور الخامس: "الدفع حسب النتائج" في OpenAI واقتصاديات كثافة الاستخدام

قدمت Sarah Friar، المديرة المالية لـ OpenAI، مؤشرًا حديثًا حول أحدث خطوط الذكاء الاصطناعي التجارية في مداخلتها بالمؤتمر.

الأعمال المؤسسية تُشكل نصف العائدات: تغيرت نسبة عائدات الأفراد مقابل المؤسسات من 60:40 في بداية العام إلى 50:50 في منتصفه. وشهد الدخل السنوي الإجمالي حتى يوليو نموًا شهريًا بنسبة 20%، ونموًا بنسبة 32% في قطاع الأعمال، رغم كِبر القاعدة بالفعل.

الرقم الحقيقي الجديد هو شدة الاستخدام: وما بين أعلى 10% من عملاء المؤسسة المتقدمة، وصل استهلاك token إلى 8 أضعاف (سابقًا 3 أضعاف) مقارنة بالعملاء العاديين، وفي OpenAI نفسها وصل إلى 33 ضعفًا. وصفت Friar الرقم 33 بأنه "معاينة لمستقبل تطور العملاء الحاليين"، أي أن نمو جانب الأعمال لا يعتمد على جذب عملاء جدد بل على تزايد استهلاك العميل الواحد باستمرار.

خريطة التسعير باتت واضحة: اشتراك → حسب الاستهلاك → الدفع حسب النتائج. صرّحت Friar صراحة أنها تريد التخلي عن تسعير token والانتقال إلى تقاسم عمودي. كما يتغير منطق المنافسة في طبقة النماذج:لا يُنظر إلى تكلفة الـ token الوحدة، بل تكلفة كل مهمة، حيث يُنتج نموذجهم نفس النتائج بعدد token أقل بنسبة 68% من المنافسين.

المحور السادس: "إشارات جانب العرض" فيما يتعلق بالتخزين والاستهلاك وكفاءة المنظمات

قدّمت SanDisk في المؤتمر تقييمًا قللت الأسواق من تقديره: من المحتمل أن يظل نمو إمداد NAND محدودًا في المستقبل المنظور، بينما يدفع الاستخدام الواسع للذكاء الاصطناعي الطلب للأعلى باستمرار، ما يشير مباشرة لمنطق دعم محتمل لسعر NAND.

إشارات جانب الاستهلاك متسقة للغاية: صرحت Block أن "الإنفاق الاستهلاكي في الربع الثاني كان قويًا جدًا، وما تزال هذه النزعة قوية في يوليو وأغسطس"؛ كما أعلن Toast أن الاستهلاك ظل مستقرًا؛ وأشارت Booking.com إلى أن الطلب على السفر ما يزال متينًا. وهذا يوافق تصريحات Visa في نفس السياق سابقًا.

إعادة تشكيل الذكاء الاصطناعي للكفاءة الداخلية يتم كشفها أيضًا: Booking.com تطبق حاليًا الذكاء الاصطناعي التوليدي في خدمة العملاء وتطوير البرمجيات، "ونرى بالفعل فوائد ملموسة"؛ وذكرت Etsy أن الذكاء الاصطناعي جلب "فهمًا أعمق للمخزون، والمشترين، ونوايا الشراء".

إطار "النصف الثاني للذكاء الاصطناعي" في تقارير Goldman Sachs

تشكل سلسلة التقارير التي أصدرتها Goldman Sachs قبل المؤتمر وبعده الأساس التحليلي لفهم هذا الحدث.

المستوى الأول: من "توسع القدرة الحوسبية" إلى "تحقيق الدخل من Token". أشار محللو Goldman Sachs بوضوح إلى أن رؤوس الأموال العالمية تنتقل من عنق الزجاجة في الأجهزة في المرحلة الأولى من الاستثمار في الذكاء الاصطناعي إلى الفائزين في طبقة التطبيقات القادرة على تحويل Token إلى إنتاجية، وإيرادات، وتدفق نقدي للشركات. والمعيار الأساسي لتقييم شركات التطبيقات هو: هل تملك قواعد بيانات ضخمة وحصرية، وسير عمل قوية، ودورة تنفيذ مغلقة بواسطة Agents الذكية، وعائد استثمار واضح.

المستوى الثاني: من "ثنائية القطب" إلى "منافسة متعددة الأقطاب". أشار Rich Privorotsky، رئيس منصة One-Delta في Goldman Sachs، إلى أن سردية الذكاء الاصطناعي تنتقل من "سباق تقني بين Nvidia وGoogle" إلى "نظام تنافسي عالي ومتعدد الأقطاب". أكدت Meta و xAI أنهما تستطيعان تقديم خدمات API متقدمة بأسعار أقل بكثير. رغم أن زيادة المنافسة قد تخفض أسعار Tokens، فإن "تدفق الطلب الأسي بفضل Token أرخص" (حجة داعية لشراء الأجهزة) ليست بالضرورة صحيحة عمليًا. بلغت نسبة اعتماد أدوات الذكاء الاصطناعي المدفوعة من قبل المؤسسات أكثر من 50%، وقد لا يؤدي خفض الأسعار وحده مباشرة إلى موجة طلب جديدة وقوية.

المستوى الثالث: من "النماذج الكبيرة" إلى "النماذج الصغيرة المتخصصة". تتسارع حركة أعباء العمل في المؤسسات نحو نماذج أصغر وأخص—معالجة المستندات، توجيه سير العمل، التدقيق، وخدمة العملاء. تعمل هذه النماذج بتكلفة منخفضة وسرعة عالية، وقادرة على التشغيل محليًا على أجهزة الحافة. استشهدت Goldman Sachs برأي مدير Hugging Face: تمر الشركات بتحول هيكلي من "استئجار API مغلق متطور" إلى "امتلاك وتشغيل نماذجها مفتوحة المصدر".

المستوى الرابع: كفاءة رأس المال ستكون الاختبار النهائي. ليست المعضلة المركزية لدى Goldman Sachs ما إذا كانت عمالقة السحابة ستبطئ الاستثمارات، بل متى سيطالب المساهمون بكفاءة رأسمالية أعلى. بمجرد أن يضطر عمالقة السحابة لتقليل الإنفاق الرأسمالي بسبب ضغط المساهمين، لن يكون من السهل الحفاظ على معدلات التقييم العالية في قطاع الأجهزة، حتى لو كانت النتائج المالية لا تزال قوية.

جملة تلخّص حال وادي السيليكون الآن

جوهر "النصف الثاني للذكاء الاصطناعي" ليس أن الذكاء الاصطناعي "أصبح أبطأ"، بل أنه "انتقل من سردية الندرة إلى سردية التوزيع". لا تزال القدرة الحوسبية تعاني نقصًا مقارنة بالطلب، لكن السوق بدأ يتساءل: لمن ستتحول هذه القدرة الحوسبية في النهاية إلى تدفق نقدي؟ كان جواب Huang هو "استثمر دولار واحصل على مئة"، وجواب OpenAI "الدفع حسب النتائج"، وأما جواب Goldman Sachs فهو "العائد النافع عن كل دولار يُستثمر في الذكاء الاصطناعي". من يستطيع تحويل Token إلى نتائج أعمال الشركة القابلة للتحقق هو من سيحدد قواعد النصف الثاني للذكاء الاصطناعي.