رف Vera Rubin من إنفيديا قد يقترب من 8 ملايين دولار — والسبب يتجاوز المعالجات الرسومية
تقديرات المحللين تشير إلى أن رف Vera Rubin قد يبلغ نحو 7.8 مليون دولار، أي ما يقارب ضعف رف Blackwell الحالي الذي يكلّف حوالي 4 ملايين دولار. القفزة في السعر لا تعود أساساً إلى المعالجات الرسومية، بل إلى الذاكرة المتقدمة مثل HBM4 وLPDDR5X إضافة إلى مكونات مثل PCBs وMLCCs وركائز ABF.
Why is Nvidia’s upcoming Vera Rubin AI rack expected to cost around $7.8 million—nearly double the current $4 million Blackwell rack—and whaNext‑generation AI racks like Nvidia’s Vera Rubin integrate GPUs, CPUs, networking, and massive memory pools into a single rack‑scale system.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: Why is Nvidia’s upcoming Vera Rubin AI rack expected to cost around $7.8 million—nearly double the current $4 million Blackwell rack—and wha. Article summary: Nvidia’s upcoming Vera Rubin AI rack is expected to cost about $7.8 million because the bill of materials appears to be rising across the entire system, not just in the GPUs, with memory the biggest jump and supporting c. Topic tags: general, documentation, general web, user generated, news. Reference image context from search candidates: Reference image 1: visual subject "Vera Rubin will use about twice as much power as Blackwell but will be far more efficient by delivering 10 times more performance per watt," source context "First look at Nvidia’s AI system Vera Rubin and how it beats Blackwell" Reference image 2: visual subject "Vera Rubin will use about twi
openai.com
تُظهر تحليلات سلسلة التوريد أن الجيل القادم من أنظمة الذكاء الاصطناعي لدى إنفيديا، رف Vera Rubin AI (طراز NVL72)، قد يصل سعره إلى نحو 7.8 مليون دولار—أي ما يقارب ضعف سعر رف Blackwell GB300 الحالي الذي يبلغ حوالي 4 ملايين دولار.
لكن المفاجأة أن السبب الرئيسي لهذا الارتفاع ليس المعالج الرسومي (GPU) نفسه. الزيادة الأكبر تأتي من الذاكرة والبنية التحتية للنظام بالكامل، مثل اللوحات الإلكترونية والركائز المتقدمة والمكونات السلبية.
هذا يعكس تحولاً مهماً في تصميم أنظمة الذكاء الاصطناعي: فالأداء لم يعد يعتمد فقط على قوة الشريحة، بل على النظام المتكامل داخل الرف بالكامل.
رف يقترب سعره من 8 ملايين دولار
تقديرات المحللين تشير إلى أن رف Rubin قد يبلغ حوالي 7.8 مليون دولار، وهو ارتفاع يقارب الضعف مقارنة بالجيل السابق المبني على Blackwell.
Studio Global AI
Search, cite, and publish your own answer
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
ما هي الإجابة المختصرة على "رف Vera Rubin من إنفيديا قد يقترب من 8 ملايين دولار — والسبب يتجاوز المعالجات الرسومية"؟
تقديرات المحللين تشير إلى أن رف Vera Rubin قد يبلغ نحو 7.8 مليون دولار، أي ما يقارب ضعف رف Blackwell الحالي الذي يكلّف حوالي 4 ملايين دولار.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تقديرات المحللين تشير إلى أن رف Vera Rubin قد يبلغ نحو 7.8 مليون دولار، أي ما يقارب ضعف رف Blackwell الحالي الذي يكلّف حوالي 4 ملايين دولار. القفزة في السعر لا تعود أساساً إلى المعالجات الرسومية، بل إلى الذاكرة المتقدمة مثل HBM4 وLPDDR5X إضافة إلى مكونات مثل PCBs وMLCCs وركائز ABF.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
التحول يعكس تغيراً في بنية أنظمة الذكاء الاصطناعي، حيث أصبحت القيمة موزعة عبر النظام بالكامل—من الذاكرة والشبكات إلى اللوحات الإلكترونية—وليس في الـGPU وحده.
الزيادة ليست في جزء واحد فقط، بل في معظم مكونات النظام. وتشير تقارير تحليلية إلى زيادات كبيرة في عدة فئات من المكونات:
تكلفة الذاكرة ارتفعت بنحو 435٪
محتوى لوحات الدوائر المطبوعة PCB ارتفع حوالي 233٪
مكونات MLCC (المكثفات الخزفية متعددة الطبقات) ارتفعت بنحو 182٪
ركائز التغليف المتقدمة ABF ارتفعت حوالي 82٪
هذه الزيادات تعني أن النظام بأكمله أصبح أكثر تعقيداً وتكلفة مع توسع قدرات الذكاء الاصطناعي.
الذاكرة هي أكبر عامل في ارتفاع السعر
العامل الأكبر وراء ارتفاع التكلفة هو الجيل الجديد من تقنيات الذاكرة المستخدمة في منصة Rubin.
تعتمد معالجات Rubin الرسومية على HBM4 (High Bandwidth Memory)، وهي النسخة الأحدث من الذاكرة فائقة النطاق المستخدمة لتغذية نماذج الذكاء الاصطناعي الضخمة بكمية هائلة من البيانات.
في الوقت نفسه، يضيف النظام طبقة كبيرة من ذاكرة LPDDR5X المرتبطة بمعالج Vera CPU، مع قدرة تصل إلى 1.5 تيرابايت من الذاكرة عبر وحدات SOCAMM.
وقد بدأت شركات الذاكرة بالفعل تصنيع هذه المكونات خصيصاً للنظام. على سبيل المثال، أعلنت شركة Micron عن بدء الإنتاج الضخم لوحدات HBM4 ووحدات SOCAMM2 المصممة لمنصة Rubin.
نتيجة لذلك يجمع النظام بين:
HBM4 عالية النطاق للمعالجات الرسومية
LPDDR5X بسعات كبيرة للمعالجات المركزية
وهذا يرفع إجمالي حجم الذاكرة وتكلفتها لكل رف بشكل كبير. وتشير بعض التقديرات إلى أن الذاكرة وحدها قد تمثل نحو ربع تكلفة الرف—وهي نسبة أعلى بكثير مقارنة بالأجيال السابقة.
تعقيد النظام يتزايد عبر كامل الرف
الذاكرة ليست العامل الوحيد. منصة Rubin تعتمد أيضاً على تكامل وثيق بين عدة شرائح وتقنيات شبكات عالية الأداء.
فالنظام يجمع بين عدد من المكونات المتخصصة داخل رف واحد، مثل:
معالجات Vera CPU
معالجات Rubin GPU
مفاتيح NVLink
بطاقات الشبكات ConnectX SuperNIC
معالجات الشبكة BlueField DPU
مفاتيح إيثرنت Spectrum
هذا المستوى من التكامل يتطلب لوحات إلكترونية أكثر تعقيداً وأنظمة طاقة واتصال أسرع بكثير من خوادم الذكاء الاصطناعي التقليدية.
لذلك ترتفع أيضاً تكلفة المكونات الداعمة مثل:
PCBs متعددة الطبقات لنقل الإشارات عالية السرعة
MLCCs لضمان استقرار الطاقة
ركائز ABF المتقدمة لتغليف الشرائح
وقد تبدو هذه المكونات صغيرة منفردة، لكنها تتراكم لتشكل تكلفة كبيرة عندما يكون الرف يحتوي على عشرات المعالجات ومعدات الشبكات.
الـGPU ما زال الأغلى… لكنه لم يعد كل القصة
لا يزال المعالج الرسومي هو أكبر مكوّن فردي من حيث التكلفة داخل النظام.
بعض التقديرات تضع سعر شريحة Rubin الواحدة عند حوالي 55 ألف دولار، أي بزيادة تقارب 57٪ مقارنة بجيل Blackwell.
لكن لأن تكلفة الذاكرة وبقية المكونات تنمو بسرعة أكبر، فإن حصة الـGPU من التكلفة الإجمالية للرف أصبحت أقل مما كانت عليه سابقاً.
وهذا يشير إلى تحول جوهري في تصميم العتاد: الأداء لم يعد يعتمد فقط على المسرّع، بل على الهندسة الكاملة للنظام.
ماذا يعني ذلك لسلسلة توريد الذكاء الاصطناعي؟
هذا التغير في بنية التكلفة له تأثيرات واسعة على صناعة أشباه الموصلات.
أولاً، لم يعد الربح محصوراً في مصنّعي المعالجات الرسومية. فالشركات التي تنتج:
ذاكرة HBM وDRAM
ركائز التغليف المتقدمة
لوحات PCB عالية الطبقات
المكونات السلبية مثل المكثفات
أصبحت تستفيد بشكل متزايد من طفرة الذكاء الاصطناعي.
ثانياً، يزداد اعتماد الصناعة على إمدادات الذاكرة المتقدمة وقدرات التغليف المتطور. فإذا حدث نقص في إنتاج HBM4، فقد يؤثر ذلك مباشرة على سرعة نشر مراكز بيانات الذكاء الاصطناعي.
وأخيراً، قد تحصل شركات تصنيع الأنظمة—خصوصاً مصنعي الخوادم بنموذج ODM وOEM—على حصة أكبر من القيمة، لأن بناء هذه الأنظمة أصبح أكثر تعقيداً من مجرد تركيب وحدات GPU داخل خادم تقليدي.
الصورة الأكبر: الذكاء الاصطناعي يتحول إلى حوسبة فائقة على مستوى الرف
السعر المتوقع البالغ 7.8 مليون دولار يوضح مدى سرعة تطور بنية عتاد الذكاء الاصطناعي.
في الأجيال السابقة كانت الخوادم عبارة عن معالجات GPU مضافة إلى خوادم تقليدية. أما الأنظمة الجديدة مثل Rubin فهي مصممة كـ حواسيب فائقة متكاملة داخل رف واحد تجمع بين الحوسبة والذاكرة والشبكات في بنية موحدة.
ولهذا يمكن أن يصبح سعر رف واحد قريباً من تكلفة بناء مركز بيانات صغير.
مع ملاحظة أن رقم 7.8 مليون دولار هو تقدير تحليلي مبني على بيانات سلسلة التوريد، ولم تعلن إنفيديا رسمياً عن السعر النهائي لهذه الأنظمة حتى الآن.
لكن الاتجاه العام واضح: الجيل القادم من بنية الذكاء الاصطناعي لن يحدده المعالج وحده، بل النظام الكامل المحيط به.
investor.nvidia.comNVIDIA Kicks Off the Next Generation of AI With Rubin — Six New ...
Comments
0 comments