چه شرکتی تراشه‌های هوش مصنوعی تولید می‌کند؟ تحلیل بازار ۲۰۲۶

سازندگان اصلی تراشه

از سال ۲۰۲۶، چشم‌انداز سخت‌افزار هوش مصنوعی تحت سلطه چند بازیگر کلیدی است که قدرت محاسباتی خام مورد نیاز برای مدل‌های زبانی بزرگ و پردازش داده‌های پیچیده را فراهم می‌کنند. انویدیا همچنان برجسته‌ترین نام در این صنعت است و در تولید واحدهای پردازش گرافیکی (GPU) پیشتازی قابل توجهی دارد. این تراشه‌ها به دلیل انعطاف‌پذیری بالا و قابلیت‌های پردازش موازی گسترده، ابزارهای اصلی مورد استفاده برای آموزش پیشرفته‌ترین سیستم‌های هوش مصنوعی جهان هستند.

AMD همچنین خود را به عنوان یک نیروی اصلی تثبیت کرده است و اخیراً بیش از 11 درصد از بازار شتاب‌دهنده‌های هوش مصنوعی را به خود اختصاص داده است. سری Instinct آنها، به ویژه MI300X، به طور گسترده توسط شرکت‌هایی که به دنبال جایگزین‌هایی با حافظه بالا برای سخت‌افزارهای سنتی هستند، مورد استفاده قرار می‌گیرد. اینتل همچنان با خط تولید شتاب‌دهنده‌های Gaudi خود در این حوزه رقابت می‌کند، که به عنوان راه‌حل‌های مقرون‌به‌صرفه برای آموزش و استنتاج هوش مصنوعی به بازار عرضه می‌شوند. این سه شرکت، «رده اول» محاسبات عمومی هوش مصنوعی را تشکیل می‌دهند و سخت‌افزار بنیادی مورد نیاز مراکز داده جهانی را فراهم می‌کنند.

سیلیکون ابری سفارشی

یک تغییر عمده در سال ۲۰۲۶، حرکت به سمت سیلیکون‌های سفارشی توسط ارائه‌دهندگان اصلی خدمات ابری است که اغلب به عنوان ابرمقیاس‌پذیر (hyperscalers) شناخته می‌شوند. این شرکت‌ها به جای تکیه صرف بر فروشندگان شخص ثالث، تراشه‌های خود را طراحی می‌کنند تا عملکرد را برای اکوسیستم‌های نرم‌افزاری خاص خود بهینه کنند. گوگل با واحدهای پردازش تنسور (TPU) خود، که اکنون بخش قابل توجهی از بازار شتاب‌دهنده‌های ابری سفارشی را در اختیار دارند، در این دسته پیشرو است. این تراشه‌ها به‌طور خاص برای مدیریت حجم کار ریاضی مورد نیاز شبکه‌های عصبی طراحی شده‌اند.

مایکروسافت و آمازون (AWS) نیز از این روند پیروی کرده‌اند. تراشه‌های Azure Maia و Athena مایکروسافت در زیرساخت ابری آنها ادغام شده‌اند تا کارایی سرویس‌های هوش مصنوعی را بهبود بخشند. به همین ترتیب، آمازون از تراشه‌های Trainium و Inferentia خود برای ارائه پردازش هوش مصنوعی کم‌هزینه‌تر به مشتریان ابری خود استفاده می‌کند. متا (Meta) نیز با MTIA (شتاب‌دهنده آموزش و استنتاج متا) خود که برای پشتیبانی از موتورهای پیشنهاد عظیم و ویژگی‌های هوش مصنوعی مولد در پلتفرم‌های اجتماعی آن طراحی شده است، وارد این عرصه شده است.

موبایل و لبه

تراشه‌های هوش مصنوعی فقط در مراکز داده عظیم یافت نمی‌شوند؛ آن‌ها به طور فزاینده‌ای در لوازم الکترونیکی مصرفی روزمره تعبیه می‌شوند. این دسته با نام «هوش مصنوعی لبه‌ای» یا «هوش مصنوعی روی دستگاه» شناخته می‌شود. اپل با تراشه‌های سری A و M خود که مجهز به موتورهای عصبی اختصاصی هستند، بازیگر اصلی این عرصه است. تا سال ۲۰۲۶، اپل تقریباً ۴۲ درصد از بازار هوش مصنوعی روی دستگاه‌ها را در اختیار دارد و ویژگی‌هایی مانند پردازش تصویر در لحظه و اجرای مدل زبان محلی را در آیفون‌ها و مک‌بوک‌ها امکان‌پذیر می‌کند.

کوالکام ارائه‌دهنده‌ی اصلی تراشه‌های دارای قابلیت هوش مصنوعی برای اکوسیستم اندروید و بخش رو به رشد «کامپیوترهای شخصی مبتنی بر هوش مصنوعی» است. پلتفرم‌های اسنپدراگون آنها NPU (واحدهای پردازش عصبی) را ادغام می‌کنند که به گوشی‌های هوشمند اجازه می‌دهد وظایف پیچیده هوش مصنوعی را بدون نیاز به اتصال مداوم به اینترنت انجام دهند. شرکت‌های دیگری مانند سامسونگ و هواوی نیز سیلیکون‌های تخصصی هوش مصنوعی را برای دستگاه‌های تلفن همراه خود تولید می‌کنند و تضمین می‌کنند که قابلیت‌های هوش مصنوعی در سراسر بازار جهانی تلفن همراه توزیع شده باشد.

سخت‌افزار تخصصی هوش مصنوعی

فراتر از پردازنده‌های گرافیکی و پردازنده‌های مرکزی همه منظوره، بازار در سال ۲۰۲۶ شامل شرکت‌هایی می‌شود که مدارهای مجتمع با کاربرد خاص (ASIC) بسیار تخصصی می‌سازند. این تراشه‌ها برای یک کار خاص طراحی شده‌اند و همین امر آنها را بسیار کارآمدتر از تراشه‌های عمومی می‌کند. برای مثال، Groq به خاطر واحدهای پردازش زبان (LPU) خود که به‌طور خاص برای تسریع سرعت استنتاج مدل‌های زبانی بزرگ طراحی شده‌اند و تولید متن تقریباً آنی را فراهم می‌کنند، توجه زیادی را به خود جلب کرده است.

آی‌بی‌ام با پردازنده‌های Telum II خود که شتاب‌دهنده‌های هوش مصنوعی را مستقیماً در سیستم‌های اصلی برای تشخیص کلاهبرداری در لحظه و مدل‌سازی مالی ادغام می‌کنند، همچنان در بخش شرکت‌های رده بالا نقش مهمی ایفا می‌کند. علاوه بر این، شرکت‌هایی مانند Broadcom و Marvell با طراحی تراشه‌های شبکه و زیرساخت داده که به هزاران پردازنده هوش مصنوعی اجازه می‌دهد با سرعت بالا در یک مرکز داده با یکدیگر ارتباط برقرار کنند، نقش مهمی ایفا می‌کنند.

فرآیند تولید

مهم است که بین شرکت‌هایی که تراشه‌ها را طراحی می‌کنند و شرکت‌هایی که واقعاً آنها را تولید می‌کنند، تمایز قائل شویم. بیشتر شرکت‌های تولیدکننده تراشه هوش مصنوعی، مانند انویدیا و ای‌ام‌دی، «بدون کارخانه» هستند، به این معنی که معماری را طراحی می‌کنند اما کارخانه‌ها را در اختیار ندارند. تولید فیزیکی واقعی توسط ریخته‌گری‌ها انجام می‌شود. TSMC (شرکت تولیدی نیمه‌رسانای تایوان) مهم‌ترین تولیدکننده جهان است که اکثریت قریب به اتفاق تراشه‌های هوش مصنوعی پیشرفته را با استفاده از گره‌های فرآیند پیشرفته ۳ نانومتری و ۲ نانومتری تولید می‌کند.

سامسونگ فاندری یکی دیگر از بازیگران اصلی است که قادر به تولید سیلیکون‌های پیشرفته هوش مصنوعی است. در حالی که اینتل در تلاش است تا خدمات ریخته‌گری خود را گسترش دهد، TSMC همچنان شریک اصلی اکثر رهبران هوش مصنوعی است. این لایه تولیدی یک گلوگاه برای صنعت است؛ بدون تجهیزات تخصصی و اتاق‌های تمیز ارائه شده توسط این کارخانه‌های ریخته‌گری، طرح‌های ایجاد شده توسط انویدیا یا اپل نمی‌توانستند به سخت‌افزار فیزیکی تبدیل شوند. برای علاقه‌مندان به اقتصاد دیجیتال گسترده‌تر، می‌توانید دارایی‌های مختلف مرتبط با فناوری و زیرساخت را از طریق WEEX پیدا کنید، که بستری برای فعالیت‌های مالی مدرن فراهم می‌کند.

حافظه و زیرساخت

تراشه‌های هوش مصنوعی نمی‌توانند به صورت جداگانه عمل کنند؛ آن‌ها برای ذخیره داده‌هایی که پردازش می‌کنند، به حجم عظیمی از حافظه پرسرعت نیاز دارند. میکرون و SK Hynix شرکت‌های پیشرو در ارائه حافظه با پهنای باند بالا (HBM) هستند که جزء حیاتی هر شتاب‌دهنده هوش مصنوعی مدرن است. بدون این تراشه‌های حافظه، حتی سریع‌ترین پردازنده‌های انویدیا نیز به دلیل گلوگاه‌های داده، کند می‌شوند.

زیرساخت‌های پیرامون این تراشه‌ها نیز یک صنعت عظیم است. این شامل آی‌سی‌های مدیریت توان، سیستم‌های خنک‌کننده پیشرفته و کارت‌های اترنت تخصصی طراحی‌شده برای حجم کاری هوش مصنوعی می‌شود. با افزایش اندازه مدل‌های هوش مصنوعی، تقاضا برای این اجزای پشتیبانی‌کننده افزایش یافته و یک اکوسیستم چندلایه ایجاد شده است که در آن تخصص سخت‌افزاری کلید حفظ عملکرد و بهره‌وری هزینه در سال 2026 است.

مقایسه سهم بازار

جدول زیر نقش‌های متنوعی را که شرکت‌های مختلف در اکوسیستم تراشه‌های هوش مصنوعی تا سال ۲۰۲۶ ایفا می‌کنند، نشان می‌دهد.

روندهای آینده صنعت

با نگاهی به نیمه دوم سال ۲۰۲۶، روند از سخت‌افزارهای «یک‌سایز برای همه» فاصله می‌گیرد. ما شاهد افزایش تراشه‌های نورومورفیک و تراشه‌های طراحی‌شده برای «کمبود» هستیم که داده‌های غیرضروری را برای صرفه‌جویی در انرژی نادیده می‌گیرند. با توجه به اینکه مصرف برق مراکز داده عظیم هوش مصنوعی به یک نگرانی جهانی تبدیل شده است، بهره‌وری به مهمترین معیار تبدیل شده است. انتظار می‌رود شرکت‌هایی که بتوانند بیشترین «توکن به ازای هر وات» را ارائه دهند، در سال‌های آینده بیشترین سهم را به خود اختصاص دهند.

علاوه بر این، چشم‌انداز ژئوپلیتیکی همچنان بر اینکه چه کسی تراشه‌های هوش مصنوعی را می‌سازد و کجا ساخته می‌شوند، تأثیر می‌گذارد. افزایش سرمایه‌گذاری در تولید تراشه‌های داخلی در ایالات متحده، اروپا و چین منجر به زنجیره تأمینی پراکنده‌تر اما مقاوم‌تر می‌شود. این امر تضمین می‌کند که تولید سخت‌افزار هوش مصنوعی همچنان ستون اصلی استراتژی فناوری و اقتصادی جهانی برای آینده‌ای قابل پیش‌بینی باشد.