مقارنة شاملة بين شرائح الذكاء الاصطناعي في الولايات المتحدة والصين
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك... تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيا...
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك...
تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيات الأمريكية، مع أداء يقترب من مئات التيرافلوب ودعم لتدريب نماذج الذكاء الاصطناعي الكبيرة.
المنافسة لا تعتمد على قوة الشريحة فقط، بل تشمل أيضاً عرض النطاق للذاكرة، تقنيات التصنيع، منظومات البرمجيات، وقدرة الشركات على بناء عناقيد حوسبة ضخمة لتدريب النماذج الكبيرة.
Research US vs China AI Chips and compare them as comprehensively as possible in table formatThe global AI accelerator race increasingly centers on competing chip ecosystems in the United States and China.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: Research US vs China AI Chips and compare them as comprehensively as possible in table format. Article summary: The US side in this evidence set includes Nvidia H200, AMD MI325X, and Google TPU v6e, while the China side is represented mainly by Huawei’s Ascend 910B.. Topic tags: deepresearch, documentation, general web, education, user generated. Reference image context from search candidates: Reference image 1: visual subject "RAND's divisions conduct research on a uniquely broad front for clients around the globe. #### U.S. research divisions. U.S. and China flags on a computer chip on a motherboard. **" source context "China's AI Models Are Closing the Gap—but America's Real Advantage Lies Elsewhere | RAND" Reference image 2: visual subject "RAND's divisions conduct research on a uniquely broad front for clients a
openai.com
يشهد عالم الحوسبة المخصصة للذكاء الاصطناعي سباقاً متسارعاً بين الولايات المتحدة والصين، حيث تحاول كل منهما تطوير مسرّعات قادرة على تدريب وتشغيل نماذج الذكاء الاصطناعي الضخمة. وتتصدر الشركات الأمريكية مثل AMD وGoogle السوق العالمي، بينما تسعى شركات صينية مثل Huawei وBiren وCambricon إلى بناء بدائل محلية قوية.
ولا يتعلق التنافس بالأداء الحسابي فقط، بل يشمل أيضاً عوامل أخرى مثل عرض نطاق الذاكرة، تقنيات التصنيع المتقدمة، منظومات البرمجيات، وقدرة مراكز البيانات على توصيل آلاف المسرّعات في عناقيد حوسبة عملاقة.
فيما يلي مقارنة تفصيلية لأبرز الشرائح المتنافسة وفق المواصفات الموثقة المتاحة.
أبرز شرائح الذكاء الاصطناعي في المنافسة
الولايات المتحدة
AMD Instinct MI325X
Google TPU v6e (المعروفة باسم Trillium)
الصين
Huawei Ascend 910 (والجيل الأحدث 910C)
Biren BR100 وBR104
Cambricon MLU370‑X8
تم تصميم هذه المسرّعات أساساً لتدريب النماذج الضخمة مثل نماذج اللغة الكبيرة (LLMs)، وتشغيل خدمات الاستدلال في مراكز البيانات، إضافة إلى تطبيقات الحوسبة العلمية المتقدمة.
مقارنة تقنية بين الشرائح
الشريحة
الدولة / الشركة
المعمارية أو تقنية التصنيع
الأداء الحسابي الأقصى
الذاكرة
عرض نطاق الذاكرة
الطاقة
ملاحظات بارزة
AMD Instinct MI325X
الولايات المتحدة / AMD
معمارية CDNA3
حوالي 1.3 PFLOPS FP16 (حتى 2.6 PFLOPS FP8 مع sparsity)
256GB HBM3E
نحو 6 TB/s
حتى 750–1000 واط
سعة ذاكرة كبيرة جداً لتدريب النماذج الضخمة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "مقارنة شاملة بين شرائح الذكاء الاصطناعي في الولايات المتحدة والصين"؟
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك... تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيات الأمريكية، مع أداء يقترب من مئات التيرافلوب ودعم لتدريب نماذج الذكاء الاصطناعي الكبيرة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
المنافسة لا تعتمد على قوة الشريحة فقط، بل تشمل أيضاً عرض النطاق للذاكرة، تقنيات التصنيع، منظومات البرمجيات، وقدرة الشركات على بناء عناقيد حوسبة ضخمة لتدريب النماذج الكبيرة.
مقارنة شاملة بين شرائح الذكاء الاصطناعي في الولايات المتحدة والصين
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك... تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيا...
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك...
تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيات الأمريكية، مع أداء يقترب من مئات التيرافلوب ودعم لتدريب نماذج الذكاء الاصطناعي الكبيرة.
المنافسة لا تعتمد على قوة الشريحة فقط، بل تشمل أيضاً عرض النطاق للذاكرة، تقنيات التصنيع، منظومات البرمجيات، وقدرة الشركات على بناء عناقيد حوسبة ضخمة لتدريب النماذج الكبيرة.
Research US vs China AI Chips and compare them as comprehensively as possible in table formatThe global AI accelerator race increasingly centers on competing chip ecosystems in the United States and China.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: Research US vs China AI Chips and compare them as comprehensively as possible in table format. Article summary: The US side in this evidence set includes Nvidia H200, AMD MI325X, and Google TPU v6e, while the China side is represented mainly by Huawei’s Ascend 910B.. Topic tags: deepresearch, documentation, general web, education, user generated. Reference image context from search candidates: Reference image 1: visual subject "RAND's divisions conduct research on a uniquely broad front for clients around the globe. #### U.S. research divisions. U.S. and China flags on a computer chip on a motherboard. **" source context "China's AI Models Are Closing the Gap—but America's Real Advantage Lies Elsewhere | RAND" Reference image 2: visual subject "RAND's divisions conduct research on a uniquely broad front for clients a
openai.com
يشهد عالم الحوسبة المخصصة للذكاء الاصطناعي سباقاً متسارعاً بين الولايات المتحدة والصين، حيث تحاول كل منهما تطوير مسرّعات قادرة على تدريب وتشغيل نماذج الذكاء الاصطناعي الضخمة. وتتصدر الشركات الأمريكية مثل AMD وGoogle السوق العالمي، بينما تسعى شركات صينية مثل Huawei وBiren وCambricon إلى بناء بدائل محلية قوية.
ولا يتعلق التنافس بالأداء الحسابي فقط، بل يشمل أيضاً عوامل أخرى مثل عرض نطاق الذاكرة، تقنيات التصنيع المتقدمة، منظومات البرمجيات، وقدرة مراكز البيانات على توصيل آلاف المسرّعات في عناقيد حوسبة عملاقة.
فيما يلي مقارنة تفصيلية لأبرز الشرائح المتنافسة وفق المواصفات الموثقة المتاحة.
أبرز شرائح الذكاء الاصطناعي في المنافسة
الولايات المتحدة
AMD Instinct MI325X
Google TPU v6e (المعروفة باسم Trillium)
الصين
Huawei Ascend 910 (والجيل الأحدث 910C)
Biren BR100 وBR104
Cambricon MLU370‑X8
تم تصميم هذه المسرّعات أساساً لتدريب النماذج الضخمة مثل نماذج اللغة الكبيرة (LLMs)، وتشغيل خدمات الاستدلال في مراكز البيانات، إضافة إلى تطبيقات الحوسبة العلمية المتقدمة.
مقارنة تقنية بين الشرائح
الشريحة
الدولة / الشركة
المعمارية أو تقنية التصنيع
الأداء الحسابي الأقصى
الذاكرة
عرض نطاق الذاكرة
الطاقة
ملاحظات بارزة
AMD Instinct MI325X
الولايات المتحدة / AMD
معمارية CDNA3
حوالي 1.3 PFLOPS FP16 (حتى 2.6 PFLOPS FP8 مع sparsity)
256GB HBM3E
نحو 6 TB/s
حتى 750–1000 واط
سعة ذاكرة كبيرة جداً لتدريب النماذج الضخمة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "مقارنة شاملة بين شرائح الذكاء الاصطناعي في الولايات المتحدة والصين"؟
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تتصدر الولايات المتحدة حالياً أداء المسرّعات المتقدمة للذكاء الاصطناعي مع شرائح مثل AMD MI325X التي تصل إلى نحو 1.3 بيتافلوب FP16 وذاكرة HBM3E بسعة 256 جيجابايت، إضافة إلى Google TPU v6e الذي يوفر 918 تيرافلوب bf16 لك... تعمل الصين على تطوير بدائل محلية مثل Huawei Ascend 910C وBiren BR100 لتقليل الاعتماد على التقنيات الأمريكية، مع أداء يقترب من مئات التيرافلوب ودعم لتدريب نماذج الذكاء الاصطناعي الكبيرة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
المنافسة لا تعتمد على قوة الشريحة فقط، بل تشمل أيضاً عرض النطاق للذاكرة، تقنيات التصنيع، منظومات البرمجيات، وقدرة الشركات على بناء عناقيد حوسبة ضخمة لتدريب النماذج الكبيرة.
مصممة للعمل ضمن مجموعات TPU ضخمة تصل إلى 256 شريحة.
Huawei Ascend 910
الصين / Huawei
معمارية Da Vinci بدقة ~7nm
نحو 256 TFLOPS FP16
ذاكرة HBM
حوالي 1.2 TB/s
~350W
أُطلقت عام 2019 كمسرّع الذكاء الاصطناعي الرئيسي لهواوي.
Huawei Ascend 910C
الصين / Huawei
تصميم chiplet مزدوج
نحو 800 TFLOPS FP16 تقديراً
حتى 96–128GB HBM
نحو 3.2 TB/s
~310W
محاولة لمنافسة شرائح فئة Nvidia A100/H100.
Biren BR100
الصين / Biren
GPU متعدد الشرائح بدقة 7nm
256 TFLOPS FP32 / حوالي 2048 TOPS INT8
64GB HBM2E
حتى 2.3 TB/s
~550W
معالج يحتوي نحو 77 مليار ترانزستور.
Biren BR104
الصين / Biren
نسخة أحادية الشريحة
نحو 128 TFLOPS FP32
32GB HBM2E
~819 GB/s
~300W
إصدار أقل قوة للاستخدام عبر PCIe.
Cambricon MLU370‑X8
الصين / Cambricon
معمارية MLUarch03 بدقة 7nm
96 TFLOPS FP16 / 256 TOPS INT8
48GB LPDDR5
~614 GB/s
~250W
يدعم ربط عدة بطاقات عبر MLU‑Link.
البنية المعمارية والأداء الحسابي
تشير المواصفات المعلنة إلى أن المسرّعات الأمريكية ما زالت تتقدم في الأداء الخام. فمثلاً يوفر AMD MI325X قدرة تصل إلى نحو 1.3 بيتافلوب FP16، وهي قدرة عالية لتدريب النماذج الكبيرة.
أما Google TPU v6e فتقدم 918 تيرافلوب بدقة bf16 لكل شريحة، وتعتمد على تصميم خاص يتضمن وحدات ضرب مصفوفية مخصصة للذكاء الاصطناعي.
في المقابل، تحاول الصين تقليص الفجوة. فشريحة Huawei Ascend 910C تعتمد تصميمًا مكوناً من شريحتين (chiplet) ويمكن أن تصل إلى نحو 800 تيرافلوب FP16 وفق تقديرات متعددة.
أما شركة Biren فطرحت مسرّع BR100 الذي يوفر ما يصل إلى 256 تيرافلوب FP32 وقرابة 2048 TOPS INT8، وهو موجه أيضاً لمراكز البيانات.
الذاكرة وعرض النطاق
تُعد الذاكرة عالية النطاق HBM عاملاً حاسماً في تدريب نماذج الذكاء الاصطناعي، لأن العمليات تتطلب نقل كميات ضخمة من البيانات بين الذاكرة ووحدات الحساب.
يحتوي AMD MI325X على 256 جيجابايت من HBM3E مع عرض نطاق يقارب 6 تيرابايت/ثانية، وهي من أعلى القيم في السوق حالياً.
توفر TPU v6e حوالي 32 جيجابايت HBM مع عرض نطاق يقارب 1.6 تيرابايت/ثانية.
تصل Ascend 910C إلى عرض نطاق ذاكرة يقارب 3.2 تيرابايت/ثانية لدعم نماذج الذكاء الاصطناعي الكبيرة.
تحتوي Biren BR100 على 64 جيجابايت HBM2E مع عرض نطاق يصل إلى 2.3 تيرابايت/ثانية.
كلما ارتفع عرض النطاق، أصبح تدريب النماذج الضخمة أسرع وأكثر كفاءة.
الربط بين الشرائح والتوسع في العناقيد
في الواقع، نادراً ما يتم تدريب نماذج الذكاء الاصطناعي على شريحة واحدة فقط. بل يتم ربط مئات أو آلاف المسرّعات معاً داخل مراكز البيانات.
تعتمد TPU v6e على شبكة اتصال مخصصة تسمى ICI لربط الشرائح ضمن مجموعات TPU تصل إلى 256 شريحة.
تستخدم Cambricon MLU370‑X8 تقنية MLU‑Link التي توفر 200 جيجابايت/ثانية من عرض النطاق بين البطاقات.
توفر شرائح Biren أيضاً وصلات GPU‑to‑GPU عالية السرعة لبناء عناقيد تدريب كبيرة.
هذا يعني أن تصميم النظام الكامل أصبح بنفس أهمية تصميم الشريحة نفسها.
التصنيع وسلاسل التوريد
تعتمد كفاءة الشرائح بشكل كبير على تقنية التصنيع.
تم تصنيع Biren BR100 باستخدام عملية TSMC بدقة 7 نانومتر مع تغليف CoWoS المتقدم.
تستخدم شرائح Huawei Ascend 910C مزيجاً من تصنيع SMIC بدقة 7 نانومتر وبعض الرقائق المنتجة قبل القيود الأمريكية.
في المقابل، تعتمد الشركات الأمريكية عادة على سلاسل توريد عالمية متقدمة وتقنيات تصنيع أكثر تطوراً.
منظومات البرمجيات
الأداء الحقيقي لا يعتمد على العتاد فقط، بل على منظومة البرمجيات أيضاً.
تستفيد الشركات الأمريكية من أنظمة ناضجة مثل CUDA (من Nvidia) وROCm من AMD، إضافة إلى نظام برمجيات TPU الخاص بـGoogle.
تطور Huawei إطار عمل CANN (Compute Architecture for Neural Networks) لدعم شرائح Ascend وبناء نظام بيئي محلي للذكاء الاصطناعي.
غالباً ما تحدد هذه الأدوات البرمجية أي منصة يختارها المطورون فعلياً.
ماذا تكشف هذه المقارنة؟
توضح البيانات الحالية عدة اتجاهات واضحة:
تفوق في الأداء الموثق: ما تزال الشرائح الأمريكية تظهر أرقاماً أعلى في القدرة الحسابية وسعة الذاكرة في العديد من الحالات.
بناء بدائل محلية: تعمل الصين على تطوير عدة خطوط من المسرّعات مثل Ascend وBiren وCambricon لتقليل الاعتماد على التقنيات الأجنبية.
التنافس على مستوى الأنظمة: المنافسة الحقيقية أصبحت بين أنظمة حوسبة كاملة تضم آلاف المسرّعات وليس مجرد شرائح منفردة.
في النهاية، سباق شرائح الذكاء الاصطناعي ليس مجرد مقارنة في عدد الترانزستورات أو التيرافلوب. إنه أيضاً صراع بين منظومات تقنية كاملة تشمل العتاد والبرمجيات وسلاسل التوريد والبنية التحتية للحوسبة على نطاق هائل.
ومع استمرار نمو نماذج الذكاء الاصطناعي التوليدي، ستصبح هذه العوامل مجتمعة هي التي تحدد أي منصات ستقود مستقبل الحوسبة الذكية.
cset.georgetown.edu
Pushing the Limits: Huawei's AI Chip Tests U.S. Export Controls
مصممة للعمل ضمن مجموعات TPU ضخمة تصل إلى 256 شريحة.
Huawei Ascend 910
الصين / Huawei
معمارية Da Vinci بدقة ~7nm
نحو 256 TFLOPS FP16
ذاكرة HBM
حوالي 1.2 TB/s
~350W
أُطلقت عام 2019 كمسرّع الذكاء الاصطناعي الرئيسي لهواوي.
Huawei Ascend 910C
الصين / Huawei
تصميم chiplet مزدوج
نحو 800 TFLOPS FP16 تقديراً
حتى 96–128GB HBM
نحو 3.2 TB/s
~310W
محاولة لمنافسة شرائح فئة Nvidia A100/H100.
Biren BR100
الصين / Biren
GPU متعدد الشرائح بدقة 7nm
256 TFLOPS FP32 / حوالي 2048 TOPS INT8
64GB HBM2E
حتى 2.3 TB/s
~550W
معالج يحتوي نحو 77 مليار ترانزستور.
Biren BR104
الصين / Biren
نسخة أحادية الشريحة
نحو 128 TFLOPS FP32
32GB HBM2E
~819 GB/s
~300W
إصدار أقل قوة للاستخدام عبر PCIe.
Cambricon MLU370‑X8
الصين / Cambricon
معمارية MLUarch03 بدقة 7nm
96 TFLOPS FP16 / 256 TOPS INT8
48GB LPDDR5
~614 GB/s
~250W
يدعم ربط عدة بطاقات عبر MLU‑Link.
البنية المعمارية والأداء الحسابي
تشير المواصفات المعلنة إلى أن المسرّعات الأمريكية ما زالت تتقدم في الأداء الخام. فمثلاً يوفر AMD MI325X قدرة تصل إلى نحو 1.3 بيتافلوب FP16، وهي قدرة عالية لتدريب النماذج الكبيرة.
أما Google TPU v6e فتقدم 918 تيرافلوب بدقة bf16 لكل شريحة، وتعتمد على تصميم خاص يتضمن وحدات ضرب مصفوفية مخصصة للذكاء الاصطناعي.
في المقابل، تحاول الصين تقليص الفجوة. فشريحة Huawei Ascend 910C تعتمد تصميمًا مكوناً من شريحتين (chiplet) ويمكن أن تصل إلى نحو 800 تيرافلوب FP16 وفق تقديرات متعددة.
أما شركة Biren فطرحت مسرّع BR100 الذي يوفر ما يصل إلى 256 تيرافلوب FP32 وقرابة 2048 TOPS INT8، وهو موجه أيضاً لمراكز البيانات.
الذاكرة وعرض النطاق
تُعد الذاكرة عالية النطاق HBM عاملاً حاسماً في تدريب نماذج الذكاء الاصطناعي، لأن العمليات تتطلب نقل كميات ضخمة من البيانات بين الذاكرة ووحدات الحساب.
يحتوي AMD MI325X على 256 جيجابايت من HBM3E مع عرض نطاق يقارب 6 تيرابايت/ثانية، وهي من أعلى القيم في السوق حالياً.
توفر TPU v6e حوالي 32 جيجابايت HBM مع عرض نطاق يقارب 1.6 تيرابايت/ثانية.
تصل Ascend 910C إلى عرض نطاق ذاكرة يقارب 3.2 تيرابايت/ثانية لدعم نماذج الذكاء الاصطناعي الكبيرة.
تحتوي Biren BR100 على 64 جيجابايت HBM2E مع عرض نطاق يصل إلى 2.3 تيرابايت/ثانية.
كلما ارتفع عرض النطاق، أصبح تدريب النماذج الضخمة أسرع وأكثر كفاءة.
الربط بين الشرائح والتوسع في العناقيد
في الواقع، نادراً ما يتم تدريب نماذج الذكاء الاصطناعي على شريحة واحدة فقط. بل يتم ربط مئات أو آلاف المسرّعات معاً داخل مراكز البيانات.
تعتمد TPU v6e على شبكة اتصال مخصصة تسمى ICI لربط الشرائح ضمن مجموعات TPU تصل إلى 256 شريحة.
تستخدم Cambricon MLU370‑X8 تقنية MLU‑Link التي توفر 200 جيجابايت/ثانية من عرض النطاق بين البطاقات.
توفر شرائح Biren أيضاً وصلات GPU‑to‑GPU عالية السرعة لبناء عناقيد تدريب كبيرة.
هذا يعني أن تصميم النظام الكامل أصبح بنفس أهمية تصميم الشريحة نفسها.
التصنيع وسلاسل التوريد
تعتمد كفاءة الشرائح بشكل كبير على تقنية التصنيع.
تم تصنيع Biren BR100 باستخدام عملية TSMC بدقة 7 نانومتر مع تغليف CoWoS المتقدم.
تستخدم شرائح Huawei Ascend 910C مزيجاً من تصنيع SMIC بدقة 7 نانومتر وبعض الرقائق المنتجة قبل القيود الأمريكية.
في المقابل، تعتمد الشركات الأمريكية عادة على سلاسل توريد عالمية متقدمة وتقنيات تصنيع أكثر تطوراً.
منظومات البرمجيات
الأداء الحقيقي لا يعتمد على العتاد فقط، بل على منظومة البرمجيات أيضاً.
تستفيد الشركات الأمريكية من أنظمة ناضجة مثل CUDA (من Nvidia) وROCm من AMD، إضافة إلى نظام برمجيات TPU الخاص بـGoogle.
تطور Huawei إطار عمل CANN (Compute Architecture for Neural Networks) لدعم شرائح Ascend وبناء نظام بيئي محلي للذكاء الاصطناعي.
غالباً ما تحدد هذه الأدوات البرمجية أي منصة يختارها المطورون فعلياً.
ماذا تكشف هذه المقارنة؟
توضح البيانات الحالية عدة اتجاهات واضحة:
تفوق في الأداء الموثق: ما تزال الشرائح الأمريكية تظهر أرقاماً أعلى في القدرة الحسابية وسعة الذاكرة في العديد من الحالات.
بناء بدائل محلية: تعمل الصين على تطوير عدة خطوط من المسرّعات مثل Ascend وBiren وCambricon لتقليل الاعتماد على التقنيات الأجنبية.
التنافس على مستوى الأنظمة: المنافسة الحقيقية أصبحت بين أنظمة حوسبة كاملة تضم آلاف المسرّعات وليس مجرد شرائح منفردة.
في النهاية، سباق شرائح الذكاء الاصطناعي ليس مجرد مقارنة في عدد الترانزستورات أو التيرافلوب. إنه أيضاً صراع بين منظومات تقنية كاملة تشمل العتاد والبرمجيات وسلاسل التوريد والبنية التحتية للحوسبة على نطاق هائل.
ومع استمرار نمو نماذج الذكاء الاصطناعي التوليدي، ستصبح هذه العوامل مجتمعة هي التي تحدد أي منصات ستقود مستقبل الحوسبة الذكية.
cset.georgetown.edu
Pushing the Limits: Huawei's AI Chip Tests U.S. Export Controls
