في يونيو 2026، استقر سعر Bitcoin حول حاجز الـ $60,000، بينما تم تداول Ethereum في نطاق $1,600، ما يشير إلى فترة من التماسك في سوق العملات الرقمية. في المقابل، شهد قطاع آخر—وهو بنية مراكز بيانات الذكاء الاصطناعي التحتية—طفرة في النشاط. تتوقع شركة Gartner أن يصل الإنفاق العالمي على تكنولوجيا المعلومات إلى $6.31 تريليون في 2026، بزيادة سنوية قدرها %13.5، مع تصدر الإنفاق على أنظمة مراكز البيانات جميع الفئات بمعدل نمو %55.8. كما تتوقع IDC أن يصل الإنفاق العالمي على الذكاء الاصطناعي المؤسسي إلى $940 مليار في 2026.
وسط هذا السباق التكنولوجي، يجري تحول جوهري في طريقة النظر إلى التنافسية: لم تعد قوة مراكز بيانات الذكاء الاصطناعي تُقاس بعدد وحدات معالجة الرسومات (GPU) أو قوة الحوسبة القصوى فقط. بل أصبح التركيز ينصب على التناغم الكلي بين الحوسبة والتخزين والشبكات ضمن العناقيد. وأصبح فهم كيفية عمل الذاكرة والشبكات والتخزين معًا أمرًا أساسيًا لتقييم القيمة الاستثمارية للبنية التحتية للذكاء الاصطناعي.
جدار الذاكرة: أول عنق زجاجة في عصر النماذج الضخمة
شهد حجم معلمات النماذج الضخمة للذكاء الاصطناعي نموًا هائلًا خلال العامين الماضيين. فمن 2024 إلى 2026، زادت معلمات النماذج السائدة بمئة ضعف، كما توسعت نوافذ السياق من عشرات الآلاف إلى ملايين الرموز. ومع ذلك، لم يتجاوز نمو عرض نطاق ذاكرة الخوادم %15 سنويًا، ما يجعله أقل بكثير من وتيرة الطلب في أعمال الذكاء الاصطناعي. وقد أدى هذا التفاوت الحاد بين سرعة تطور البرمجيات والأجهزة إلى جعل "جدار الذاكرة" هو عنق الزجاجة الرئيسي الذي يحد من قوة الحوسبة في الذكاء الاصطناعي.
يشير مصطلح جدار الذاكرة إلى حقيقة أن سرعة معالجة وحدات المعالجة المركزية/الرسومية (CPU/GPU) تتزايد بوتيرة أسرع بكثير من عرض نطاق القراءة/الكتابة في الذاكرة وزمن الاستجابة. وبينما تعمل شرائح الحوسبة بسرعات هائلة، لا يمكن تزويدها بالبيانات بسرعة كافية، ما يؤدي إلى بقاء المعالجات في وضع الانتظار لفترات طويلة. ووفقًا لتقارير اختبارات الصناعة، يمكن أن تؤدي اختناقات إدخال/إخراج البيانات في عناقيد GPU الضخمة إلى بقاء وحدات GPU في وضع الخمول لأكثر من %40 من الوقت—أي أن ما يقارب نصف هذه الشرائح باهظة الثمن تقضي وقتها في انتظار نقل البيانات.
أصبحت موارد الذاكرة نادرة بشكل مقلق. إذ يستهلك خادم استنتاج واحد للذكاء الاصطناعي أكثر من عشرة أضعاف من DRAM وHBM مقارنة بخادم مركز بيانات تقليدي، مع تخصيص ما يقارب %60 من القدرة الإنتاجية العالمية لرقائق DRAM الآن لعناقيد الذكاء الاصطناعي. وتحديدًا، تعاني HBM من نقص مزمن في الإمدادات، حيث تم حجز معظم الطاقة الإنتاجية من قبل عملاء كبار حتى عامي 2026 و2027. وتشير Gartner إلى أن الطلب المتزايد مع قيود العرض دفع أسعار HBM إلى مستويات قياسية، ما جعل الذاكرة قطاعًا عالي الربحية لمصنعي أشباه الموصلات.
وللتغلب على جدار الذاكرة، يتقدم القطاع في مسارين: أولًا، تحسينات على مستوى البرمجيات مثل جدولة ذاكرة التخزين المؤقت (KV cache) المتدرجة وضغط البيانات بتقنيات التكميم منخفضة البت، لتعظيم الاستفادة من الموارد التخزينية الحالية. ثانيًا، الابتكار في بنية الأجهزة، بما في ذلك ترقية HBM وتبني بروتوكولات ربط ذاكرة جديدة مثل CXL (Compute Express Link). فقد ضاعفت منصة NVIDIA HGX Rubin من عرض نطاق ذاكرة GPU ثلاث مرات ليصل إلى 176 تيرابايت/ثانية. هذان المساران ليسا متضادين، بل يشكلان استراتيجيات متكاملة تعيد رسم منطق التعاون بين التخزين والحوسبة على مستوى الصناعة.
الشبكات: "الجهاز العصبي" لعناقيد الذكاء الاصطناعي
بينما تعالج الذاكرة كفاءة نقل البيانات داخل العقدة الواحدة، تحل الشبكات تحدي نقل البيانات بين العقد. ففي عناقيد الذكاء الاصطناعي الضخمة، يتعين على مئات أو آلاف وحدات GPU العمل معًا لتدريب أو استنتاج نموذج واحد، ما يجعل كفاءة التواصل بين وحدات GPU أمرًا حاسمًا لسرعة التدريب الكلية.
وتوجد اختناقات في عرض النطاق على عدة مستويات: بين الشرائح، لم تعد التوصيلات التقليدية على لوحات الدوائر المطبوعة (PCB) تفي بمتطلبات عرض النطاق العالي وزمن الاستجابة المنخفض لوحدات الذكاء الاصطناعي. وداخل الرفوف الخوادمية، يحد عرض النطاق بين الخوادم من التوسع الرأسي. وعلى مستوى مراكز البيانات، يقيّد عرض النطاق وزمن الاستجابة في النقل لمسافات طويلة التوسع الأفقي وجدولة الأعمال عبر المناطق. وتشير التقديرات إلى أن استهلاك الطاقة لنقل البيانات في عناقيد التدريب الحالية يفوق استهلاك الحوسبة نفسها.
لطالما هيمنت تقنيتا NVLink وInfiniBand من NVIDIA على سوق التوصيلات الداخلية لعناقيد الذكاء الاصطناعي. وتوفر أحدث مفاتيح NVLink الآن عرض نطاق يبلغ 28.8 تيرابايت/ثانية، أي ضعف الجيل السابق. ومع ذلك، يواجه هذا المشهد تحديات متزايدة—حيث تطور شركات مثل AMD وBroadcom حلولها الخاصة، كما تنضج معايير مفتوحة مثل UALink (Ultra Accelerator Link) بسرعة. وبحلول 2026، ستتحول المنافسة في مجال الشبكات من "هيمنة NVIDIA" إلى "تعدد المعايير"، ما يرفع متطلبات قدرات تكامل الأنظمة لدى مشغلي مراكز البيانات.
التخزين: من "مخزن" إلى "خط أنابيب البيانات"
في مراكز البيانات التقليدية، كان التخزين يُستخدم كـ"مخزن بيانات"—يركز أساسًا على أرشفة البيانات الباردة وحفظها. أما في مراكز بيانات الذكاء الاصطناعي، فقد تطور التخزين ليصبح "خط أنابيب بيانات"—مهمته إيصال بيانات التدريب إلى وحدات الحوسبة بسرعات فائقة ودعم قراءة معلمات النماذج بزمن استجابة منخفض أثناء الاستنتاج.
يتطلب تدريب الذكاء الاصطناعي وصولًا سريعًا إلى كميات هائلة من البيانات الأولية، بينما يحتاج الاستنتاج إلى استرجاع سريع لأوزان النماذج وذاكرات KV cache. وأصبحت ذاكرات KV cache تمتد الآن من HBM في وحدات GPU إلى DRAM في النظام، بل وحتى إلى أقراص SSD المحلية عالية السرعة. هذا يطمس الحدود بين التخزين والذاكرة، ويجعل أجهزة التخزين ليست مجرد نقاط نهاية للبيانات، بل عقدًا أساسية في خط تدفق البيانات.
ويحل التخزين الكلي بالفلاش محل الأقراص الصلبة التقليدية كخيار رئيسي لمراكز بيانات الذكاء الاصطناعي. ففي مؤتمر ISC High Performance 2026، استعرضت شركة Sugon منتجات التخزين الكلي بالفلاش والشبكات المحلية عالية السرعة، ما يبرز هذا الاتجاه الصناعي. وأصبح أداء التخزين الآن عاملًا حاسمًا في وصول البيانات إلى وحدات الحوسبة في الوقت المناسب، وبالتالي يؤثر مباشرة على معدلات استغلال وحدات GPU.
تناغم الحوسبة والذاكرة والشبكات: من اختراقات منفردة إلى تحسين النظام
عندما تتضح أدوار كل مكون وعنق الزجاجة الخاص به، يتبلور معنى "التناغم": فالقوة الحقيقية لمركز بيانات الذكاء الاصطناعي ليست مجرد مجموع أداء وحدات GPU، أو عرض نطاق الذاكرة، أو إنتاجية الشبكة، أو عمليات الإدخال/الإخراج للتخزين (IOPS). بل هي المخرجات الفعلية الناتجة عن الترابط المنظومي بين هذه العناصر الأربعة.
إن النمو المتواصل في حجم معلمات النماذج يدفع نحو صعود عناقيد الذكاء الاصطناعي العملاقة. ولم يعد تحديد قابلية الاستخدام يعتمد فقط على أداء الشرائح، بل أصبح يعتمد بشكل متزايد على التناغم والكفاءة الكلية بين الحوسبة والتخزين والشبكات ضمن العنقود. وهذه الرؤية أصبحت بسرعة إجماعًا صناعيًا.
وفي التطبيق العملي، أصبح التصميم المتكامل للحوسبة والذاكرة والشبكات هو النهج القياسي لدى كبار المصنعين. يتبع عنقود Sugon scaleX الفائق للذكاء الاصطناعي هذه الفلسفة المتكاملة، ما يعزز بشكل كبير من كفاءة التدريب والاستنتاج. أما نظام التشغيل الاستنتاجي NVIDIA Dynamo 1.0، مع منصة BlueField-4 CMX، فيربط بسلاسة بين GPU وHBM وDRAM للنظام وأقراص الفلاش المحلية والتخزين البعيد عبر عدة طبقات، ما يكسر عزلة ذاكرة GPU من خلال توجيه تلقائي للبيانات الساخنة والباردة.
ويؤكد تقرير IDC الصادر في يونيو 2026: لم تعد الميزة التنافسية في الذكاء الاصطناعي تتعلق بامتلاك أقوى حوسبة، بل بقدرة تحويل الذكاء الاصطناعي إلى قدرة أعمال مستدامة بأقل تكلفة للرمز (token cost). وفي جوهر تكلفة الرمز تكمن الكفاءات المجمعة للحوسبة والذاكرة والشبكات والتخزين.
مشهد السوق: من المستفيد؟
ينعكس هذا التوجه الصناعي بوضوح في أسواق رأس المال.
فعلى صعيد الذاكرة، برزت SK Hynix كنجم عام 2026. ففي 22 يونيو 2026، قفز سهم SK Hynix بنسبة %6 ليصل إلى مستوى قياسي بلغ 2,944,000 وون كوري، متجاوزًا Samsung لتصبح الشركة الأعلى قيمة في كوريا، مع مكاسب منذ بداية العام تجاوزت %349. كما حققت Micron نتائج قوية، إذ تضاعفت إيراداتها الفصلية أكثر من أربع مرات في الأسبوع الأخير من يونيو، وأعلنت عن 16 اتفاقية توريد طويلة الأجل جديدة. وقفز سهم Micron بنسبة %16 في يوم إعلان النتائج.
أما في مجال الشبكات، فقد سجلت شركة Corning الموردة للألياف البصرية أعلى مستوى لها على الإطلاق في الأسبوع الأخير من يونيو، بعد أن أعاد السوق تقييم الدور المحوري لمنتجاتها في مراكز بيانات الذكاء الاصطناعي. كما تجاوزت طلبات البنية التحتية للذكاء الاصطناعي لدى Cisco حاجز $9 مليار.
وفي جانب الخوادم وتكامل الأنظمة، بلغت إيرادات خوادم Dell المحسنة للذكاء الاصطناعي $16.1 مليار في ربع واحد، بزيادة سنوية قدرها %757. وتستحوذ Supermicro على نحو %70 من حصة السوق في تقنية التبريد السائل المباشر.
أما في تشغيل مراكز البيانات، فقد اختارت BOCOM International شركتي GDS (GDS-SW) وSUNeVision (SUNEVISION) كأفضل الخيارات في قطاع مراكز البيانات، مشيرة إلى النمو المتفجر في الطلب الناتج عن الذكاء الاصطناعي التوليدي. كما أشارت UBS إلى أن صناعة مراكز البيانات على الإنترنت في الصين ستشهد تسارعًا كبيرًا بدءًا من النصف الثاني من 2026.
كيف تستثمر في بنية الذكاء الاصطناعي التحتية عبر Gate؟
يوفر Gate الآن إمكانية الوصول إلى أكثر من 12,500 سهم وصندوق تداول (ETF) في أسواق الولايات المتحدة وهونغ كونغ وكوريا. يمكن للمستثمرين استخدام حساب موحد لتداول الأسهم العالمية مباشرة باستخدام USDT وأصول رقمية أخرى، ما يتيح توزيعًا سلسًا بين العملات الرقمية والأوراق المالية التقليدية.
ويغطي Gate ضمن قطاع بنية مراكز بيانات الذكاء الاصطناعي كامل سلسلة الصناعة، من الشرائح إلى التطبيقات:
بالنسبة للأسهم الأمريكية، يمكن للمستثمرين تداول شركات رئيسية مثل NVIDIA (NVDA)، وAMD، وMicron (MU)، وBroadcom (AVGO)، وDell (DELL)، وSupermicro (SMCI)، وCorning (GLW)، وCisco (CSCO). يدعم Gate التداول قبل وبعد السوق، ما يوسع ساعات التداول إلى 16×5، ويسمح للمستخدمين بالاستجابة الفورية لإعلانات الأرباح والبيانات الاقتصادية الكلية.
أما في سوق هونغ كونغ، فيمكن للمستثمرين التركيز على مشغلي مراكز البيانات مثل GDS (09698.HK) وSUNeVision (01686.HK).
وفي السوق الكورية، تظل SK Hynix (000660.KS) الرائدة بلا منازع في HBM، بينما تلعب Jeju Semiconductor دورًا رئيسيًا في المواد البصرية للاتصالات في مراكز بيانات الذكاء الاصطناعي.
تبدأ رسوم تداول الأسهم عبر Gate من %0.1 فقط، وتدعم التداول بالرافعة المالية والنقدي، كما يتمتع المستخدمون الذين يمتلكون $2,000 أو أكثر بمعدلات VIP حصرية. وللمستثمرين الراغبين في التعرض المنهجي لقطاع بنية مراكز بيانات الذكاء الاصطناعي، تتيح قدرات Gate الشاملة عبر الأسواق والأصول خفض الحواجز أمام توزيع الأصول التقنية عالميًا.
الخلاصة
تنتقل مراكز بيانات الذكاء الاصطناعي من عصر "تكديس وحدات GPU" إلى مرحلة جديدة من تحسين النظام ككل. لم تعد الذاكرة والشبكات والتخزين مكونات بنية تحتية معزولة—بل أصبحت متغيرات منظومية تحدد معًا، ضمن إطار تناغم الحوسبة والذاكرة والشبكات، المخرجات الحقيقية لقوة الحوسبة في الذكاء الاصطناعي.
وفهم هذا المنطق لا يساعد فقط في تقييم التوجهات التقنية، بل يوفر أيضًا إطارًا تحليليًا متينًا لاتخاذ قرارات الاستثمار. من الشرائح إلى الذاكرة، ومن الشبكات إلى التخزين، ومن الخوادم إلى تشغيل مراكز البيانات، لا تزال سلسلة الصناعة بأكملها في بدايات إعادة التقييم. ومع تقاطع تقلبات سوق العملات الرقمية قصيرة الأجل مع السردية طويلة المدى لبنية الذكاء الاصطناعي التحتية، يفتح نافذة جديدة لتوزيع الأصول بين الاقتصاد الرقمي والاقتصاد الحقيقي.
الأسئلة الشائعة
س1: لماذا لا يمكن لمراكز بيانات الذكاء الاصطناعي حل مشكلات قوة الحوسبة بمجرد إضافة المزيد من وحدات GPU؟
وحدات GPU هي فقط نقطة النهاية لإخراج الحوسبة. وتعتمد كفاءتها بشكل كبير على ما إذا كان عرض نطاق الذاكرة يستطيع تزويدها بالبيانات في الوقت المناسب، وما إذا كانت الشبكات قادرة على تنسيق العمل المتوازي بين وحدات GPU بكفاءة، وما إذا كان التخزين يمكنه التعامل بسرعة مع عمليات القراءة والكتابة الضخمة للبيانات. ففي عناقيد GPU الكبيرة، يمكن أن تؤدي اختناقات إدخال/إخراج البيانات إلى بقاء أكثر من %40 من وحدات GPU في وضع الخمول—لذا فإن تكديس المزيد من وحدات GPU دون معالجة هذه الجوانب الثلاثة يؤدي إلى هدر هائل في قوة الحوسبة.
س2: لماذا تعاني HBM من نقص شديد في الإمدادات؟
HBM (ذاكرة النطاق الترددي العالي) هي الذاكرة القياسية لشرائح الذكاء الاصطناعي، وتتميز بعمليات تصنيع معقدة ودورات توسع تتجاوز عامين. وفي 2026، سيتجاوز الطلب على الاستنتاج في الذكاء الاصطناعي الطلب على التدريب، ما يدفع الطلب على HBM وDRAM عالية السعة إلى مستويات أعلى. وقد تم بالفعل حجز معظم الطاقة الإنتاجية من قبل كبار العملاء حتى عامي 2026 و2027، ما يترك مرونة محدودة في الإمدادات على المدى القصير.
س3: ما المنطق الأساسي للاستثمار في بنية مراكز بيانات الذكاء الاصطناعي؟
المنطق الأساسي هو التحول من "هيمنة التدريب" إلى "انفجار الطلب على جميع المستويات". ففي 2026، ستنفق شركات Microsoft وGoogle وAmazon وMeta مجتمعين $725 مليار على الإنفاق الرأسمالي لبنية الذكاء الاصطناعي التحتية. ولا يمكن لقطاع واحد فقط تحمل هذا الحجم من الاستثمار؛ بل ستستفيد سلسلة القيمة بأكملها—من الشرائح والذاكرة إلى الشبكات وتشغيل مراكز البيانات—بشكل هيكلي.
س4: كيف يتيح Gate تداول الأسهم المرتبطة ببنية مراكز بيانات الذكاء الاصطناعي؟
يوفر Gate إمكانية الوصول إلى أكثر من 12,500 سهم وصندوق تداول في الولايات المتحدة وهونغ كونغ وكوريا. يمكن للمستخدمين الإيداع باستخدام USDT وأصول رقمية أخرى، وتداول أسهم البنية التحتية الأساسية للذكاء الاصطناعي مثل NVIDIA وMicron وSK Hynix ضمن حساب موحد. كما يدعم Gate التداول قبل وبعد السوق، وأنماط التداول بالرافعة المالية والنقدي، مع رسوم تبدأ من %0.1 فقط.
س5: ما هي المخاطر الرئيسية للاستثمار في بنية مراكز بيانات الذكاء الاصطناعي؟
تشمل المخاطر الرئيسية: (1) اختلال التوازن بين العرض والطلب قد يؤدي إلى فائض مؤقت في الإمدادات—تشير BOCOM International إلى ضرورة مراقبة الدورات الاقتصادية وتقلبات التقييم؛ (2) استدامة الإنفاق الرأسمالي لمزودي الخدمات السحابية العملاقة—تحذر J.P. Morgan من أن نمو الإنفاق الرأسمالي في 2025–2026 سيفوق نمو الإيرادات، ما يضغط على التدفقات النقدية؛ (3) التوترات الجيوسياسية والقيود على التصدير قد تعطل سلاسل توريد الشرائح المتقدمة.
