لكن مجرد احتمال حدوثها يحمل دلالة كبيرة: لأول مرة قد يعتمد مختبر ذكاء اصطناعي رائد على شريحة صممتها مايكروسوفت نفسها لتشغيل نماذجه في الإنتاج، بدلاً من الاعتماد الكامل على معالجات الرسوميات من Nvidia.

لماذا تمثل الصفقة إن حدثت نقطة تحول لمايكروسوفت

تعمل مايكروسوفت منذ سنوات على تطوير شرائح مخصصة لمراكز بيانات Azure. ومع ذلك، فإن معظم هذه الشرائح كانت تُستخدم داخلياً أو ضمن خدمات الشركة الخاصة.

إذا أصبحت Anthropic عميلاً خارجياً يستخدم هذه الشرائح لتشغيل نماذجها، فسيعني ذلك انتقال مشروع مايكروسوفت للرقاقات من مجرد خيار استراتيجي لتقليل الاعتماد على Nvidia إلى منتج تجاري حقيقي في سوق الحوسبة السحابية.

الأمر أكثر أهمية لأن العلاقة بين الشركتين بالفعل ضخمة:

• في نوفمبر 2025 أعلنت Microsoft وNvidia وAnthropic شراكة استراتيجية واسعة.
• تعهدت Anthropic بإنفاق نحو 30 مليار دولار على قدرات الحوسبة في Azure لتشغيل نماذج Claude.
• كما تعهدت مايكروسوفت باستثمار يصل إلى 5 مليارات دولار في الشركة، بينما التزمت Nvidia باستثمارات قد تصل إلى 10 مليارات دولار.

بمعنى آخر، Anthropic بالفعل أحد أكبر عملاء Azure في مجال الذكاء الاصطناعي. وإذا بدأت تشغيل أحمال عمل فعلية على شرائح Maia، فسيكون ذلك اختباراً عملياً كبيراً لهذه التكنولوجيا.

ما الذي يميز شريحة Maia 200؟

أطلقت مايكروسوفت Maia 200 كجيل ثانٍ من مسرعات الذكاء الاصطناعي المصممة خصيصاً لمرحلة الاستدلال (Inference) — أي تشغيل النماذج المدربة لإنتاج الإجابات أو النصوص أو الصور.

هذه المرحلة أصبحت من أكبر مصادر التكلفة في خدمات الذكاء الاصطناعي، لأنها تتكرر مع كل طلب من المستخدمين.

أبرز مواصفات الشريحة تشمل:

• تصنيع بتقنية 3 نانومتر من TSMC
• دعم حسابات FP4 وFP8 المصممة لنماذج اللغة الكبيرة
• ذاكرة HBM3e بسعة 216 جيجابايت
• عرض نطاق ذاكرة يقارب 7 تيرابايت في الثانية
• ذاكرة داخلية على الشريحة بحجم 272 ميجابايت
• قدرة حسابية تتجاوز 10 بيتافلوبس FP4 وأكثر من 5 بيتافلوبس FP8

تقول مايكروسوفت إن هذه البنية تسمح بتحسين الأداء مقابل التكلفة بنحو 30٪ مقارنة بالأجهزة المستخدمة سابقاً في بنيتها التحتية.

هذا مهم لأن تشغيل نماذج الذكاء الاصطناعي على نطاق واسع يعتمد كثيراً على:

• سرعة معالجة الاستعلامات
• كفاءة استهلاك الطاقة
• تكلفة توليد كل "توكن" من النص

وهنا تحاول الشرائح المخصصة التفوق على المعالجات العامة مثل GPUs.

كيف تتكامل هذه الخطوة مع شراكة Microsoft وAnthropic

حتى لو تم الاتفاق على استخدام Maia، فمن غير المتوقع أن تحل هذه الشرائح محل Nvidia بالكامل.

لا تزال وحدات معالجة الرسوميات من Nvidia هي الخيار المهيمن في تدريب النماذج الكبيرة، وهي جزء أساسي من البنية التحتية التي تستخدمها Anthropic داخل Azure.

لكن السيناريو الأكثر واقعية هو توزيع الأدوار:

• Nvidia GPUs لتدريب النماذج الكبيرة
• Maia 200 لتشغيل النماذج والاستدلال على نطاق واسع

هذا المزيج قد يمنح الشركات توازناً أفضل بين الأداء والتكلفة.

الاتجاه الأكبر: تعدد السحابات والشرائح

المحادثات بين Anthropic ومايكروسوفت تعكس تحولاً أكبر في صناعة الذكاء الاصطناعي.

الشركات المطورة للنماذج أصبحت تعتمد على استراتيجيات متعددة السحابات والشرائح بدلاً من الاعتماد على مورد واحد.

الفكرة بسيطة:

• تقليل الاعتماد على مورد واحد للرقاقات
• تجنب نقص الإمدادات أو ارتفاع الأسعار
• اختيار العتاد الأنسب لكل نوع من الأحمال

وفي المقابل، بدأت شركات الحوسبة السحابية نفسها في تطوير شرائحها الخاصة:

• Google مع وحدات TPU
• Amazon مع Trainium وInferentia
• Microsoft مع Maia

وذلك بهدف السيطرة على المزيد من طبقات البنية التحتية للذكاء الاصطناعي وتقليل الاعتماد على Nvidia.

ماذا يعني ذلك لسباق البنية التحتية للذكاء الاصطناعي

لا تزال Nvidia اللاعب الأكثر هيمنة في سوق الحوسبة الخاصة بالذكاء الاصطناعي. لكن التحركات الأخيرة تشير إلى أن شركات السحابة الكبرى تريد امتلاك السلسلة الكاملة للتقنية — من الشرائح إلى مراكز البيانات إلى المنصات البرمجية.

إذا بدأت Anthropic فعلاً تشغيل نماذجها على Maia 200 على نطاق واسع، فسيكون ذلك إشارة قوية بأن الشرائح المصممة داخل شركات السحابة أصبحت منافساً حقيقياً في تشغيل نماذج الذكاء الاصطناعي الحديثة.

وفي هذه الحالة لن يكون الصراع فقط بين الخدمات السحابية… بل أيضاً بين الشرائح نفسها التي تشغل مستقبل الذكاء الاصطناعي.

لكن مجرد احتمال حدوثها يحمل دلالة كبيرة: لأول مرة قد يعتمد مختبر ذكاء اصطناعي رائد على شريحة صممتها مايكروسوفت نفسها لتشغيل نماذجه في الإنتاج، بدلاً من الاعتماد الكامل على معالجات الرسوميات من Nvidia.

لماذا تمثل الصفقة إن حدثت نقطة تحول لمايكروسوفت

تعمل مايكروسوفت منذ سنوات على تطوير شرائح مخصصة لمراكز بيانات Azure. ومع ذلك، فإن معظم هذه الشرائح كانت تُستخدم داخلياً أو ضمن خدمات الشركة الخاصة.

إذا أصبحت Anthropic عميلاً خارجياً يستخدم هذه الشرائح لتشغيل نماذجها، فسيعني ذلك انتقال مشروع مايكروسوفت للرقاقات من مجرد خيار استراتيجي لتقليل الاعتماد على Nvidia إلى منتج تجاري حقيقي في سوق الحوسبة السحابية.

الأمر أكثر أهمية لأن العلاقة بين الشركتين بالفعل ضخمة:

• في نوفمبر 2025 أعلنت Microsoft وNvidia وAnthropic شراكة استراتيجية واسعة.
• تعهدت Anthropic بإنفاق نحو 30 مليار دولار على قدرات الحوسبة في Azure لتشغيل نماذج Claude.
• كما تعهدت مايكروسوفت باستثمار يصل إلى 5 مليارات دولار في الشركة، بينما التزمت Nvidia باستثمارات قد تصل إلى 10 مليارات دولار.

بمعنى آخر، Anthropic بالفعل أحد أكبر عملاء Azure في مجال الذكاء الاصطناعي. وإذا بدأت تشغيل أحمال عمل فعلية على شرائح Maia، فسيكون ذلك اختباراً عملياً كبيراً لهذه التكنولوجيا.

ما الذي يميز شريحة Maia 200؟

أطلقت مايكروسوفت Maia 200 كجيل ثانٍ من مسرعات الذكاء الاصطناعي المصممة خصيصاً لمرحلة الاستدلال (Inference) — أي تشغيل النماذج المدربة لإنتاج الإجابات أو النصوص أو الصور.

هذه المرحلة أصبحت من أكبر مصادر التكلفة في خدمات الذكاء الاصطناعي، لأنها تتكرر مع كل طلب من المستخدمين.

أبرز مواصفات الشريحة تشمل:

• تصنيع بتقنية 3 نانومتر من TSMC
• دعم حسابات FP4 وFP8 المصممة لنماذج اللغة الكبيرة
• ذاكرة HBM3e بسعة 216 جيجابايت
• عرض نطاق ذاكرة يقارب 7 تيرابايت في الثانية
• ذاكرة داخلية على الشريحة بحجم 272 ميجابايت
• قدرة حسابية تتجاوز 10 بيتافلوبس FP4 وأكثر من 5 بيتافلوبس FP8

تقول مايكروسوفت إن هذه البنية تسمح بتحسين الأداء مقابل التكلفة بنحو 30٪ مقارنة بالأجهزة المستخدمة سابقاً في بنيتها التحتية.

هذا مهم لأن تشغيل نماذج الذكاء الاصطناعي على نطاق واسع يعتمد كثيراً على:

• سرعة معالجة الاستعلامات
• كفاءة استهلاك الطاقة
• تكلفة توليد كل "توكن" من النص

وهنا تحاول الشرائح المخصصة التفوق على المعالجات العامة مثل GPUs.

كيف تتكامل هذه الخطوة مع شراكة Microsoft وAnthropic

حتى لو تم الاتفاق على استخدام Maia، فمن غير المتوقع أن تحل هذه الشرائح محل Nvidia بالكامل.

لا تزال وحدات معالجة الرسوميات من Nvidia هي الخيار المهيمن في تدريب النماذج الكبيرة، وهي جزء أساسي من البنية التحتية التي تستخدمها Anthropic داخل Azure.

لكن السيناريو الأكثر واقعية هو توزيع الأدوار:

• Nvidia GPUs لتدريب النماذج الكبيرة
• Maia 200 لتشغيل النماذج والاستدلال على نطاق واسع

هذا المزيج قد يمنح الشركات توازناً أفضل بين الأداء والتكلفة.

الاتجاه الأكبر: تعدد السحابات والشرائح

المحادثات بين Anthropic ومايكروسوفت تعكس تحولاً أكبر في صناعة الذكاء الاصطناعي.

الشركات المطورة للنماذج أصبحت تعتمد على استراتيجيات متعددة السحابات والشرائح بدلاً من الاعتماد على مورد واحد.

الفكرة بسيطة:

• تقليل الاعتماد على مورد واحد للرقاقات
• تجنب نقص الإمدادات أو ارتفاع الأسعار
• اختيار العتاد الأنسب لكل نوع من الأحمال

وفي المقابل، بدأت شركات الحوسبة السحابية نفسها في تطوير شرائحها الخاصة:

• Google مع وحدات TPU
• Amazon مع Trainium وInferentia
• Microsoft مع Maia

وذلك بهدف السيطرة على المزيد من طبقات البنية التحتية للذكاء الاصطناعي وتقليل الاعتماد على Nvidia.

ماذا يعني ذلك لسباق البنية التحتية للذكاء الاصطناعي

لا تزال Nvidia اللاعب الأكثر هيمنة في سوق الحوسبة الخاصة بالذكاء الاصطناعي. لكن التحركات الأخيرة تشير إلى أن شركات السحابة الكبرى تريد امتلاك السلسلة الكاملة للتقنية — من الشرائح إلى مراكز البيانات إلى المنصات البرمجية.

إذا بدأت Anthropic فعلاً تشغيل نماذجها على Maia 200 على نطاق واسع، فسيكون ذلك إشارة قوية بأن الشرائح المصممة داخل شركات السحابة أصبحت منافساً حقيقياً في تشغيل نماذج الذكاء الاصطناعي الحديثة.

وفي هذه الحالة لن يكون الصراع فقط بين الخدمات السحابية… بل أيضاً بين الشرائح نفسها التي تشغل مستقبل الذكاء الاصطناعي.