#

النقاط الرئيسية

• يتجه الاهتمام بالبنية التحتية للذكاء الاصطناعي من وحدات GPU نحو الذاكرة.

• بالنسبة للمشترين المغاربة، ينبغي أن تتابع المشتريات DRAM وHBM وتسعير السحابة.

• لم تعد إتاحة وحدات GPU وحدها تروي الصورة كاملة.

• قد تحتاج خطط مراكز البيانات إلى رؤية أوسع لسلاسل التوريد والتكاليف.

• يجب أن تشمل الحوكمة الخصوصية والأمن السيبراني والامتثال منذ البداية.

البنية التحتية للذكاء الاصطناعي تتغير

أفادت TechCrunch في 2026-07-09 بأن الاهتمام بالبنية التحتية للذكاء الاصطناعي ينتقل من وحدات GPU إلى الذاكرة. وذكر المقال أن سعر سهم Nvidia انخفض 15% عن ذروته في مايو، رغم استمرار نمو الإيرادات المتوقعة. كما ذكر أن أموال البنية التحتية للذكاء الاصطناعي اتجهت بشكل متزايد إلى شركات الذاكرة مثل Micron.

بالنسبة للقراء المغاربة، الدرس الأساسي عملي. يجب ألا تركز خطط الذكاء الاصطناعي فقط على ما إذا كانت وحدات GPU متاحة. بل ينبغي أيضاً متابعة الذاكرة وتسعير السحابة وسلسلة توريد العتاد الأوسع.

لماذا أصبحت الذاكرة مهمة الآن

يذكر المقال أن نقص وحدات GPU قد تراجع. وفي الوقت نفسه، تحتاج مراكز البيانات إلى مزيد من DRAM والذاكرة عالية النطاق الترددي. كما يذكر أن أسعار DRAM الفورية ارتفعت بشكل حاد، بينما انخفض تسعير H100 الفوري بالساعة من ذروة مايو.

هذا المزيج مهم للمشتريات. قد تجد إحدى الفرق أن الوصول إلى المسرّعات أصبح أسهل، لكن التكلفة الإجمالية للنظام لا تزال ترتفع. بالنسبة للمؤسسات المغربية، يعني ذلك أن الميزانيات يجب أن تُراجع عبر كامل الطبقة التقنية، وليس فقط على مستوى الشريحة.

السياق المغربي: ماذا يعني ذلك عملياً

غالباً ما تحتاج الشركات والمؤسسات العامة المغربية إلى تخطيط دقيق يتعلق بالتكلفة والتوقيت واختيار الموردين. إذا نما الطلب على الذكاء الاصطناعي، فقد تؤثر قيود الذاكرة في خطط النشر حتى عندما يبدو توفر وحدات GPU أفضل. وهذا مهم بشكل خاص للفرق التي تعتمد على الخدمات السحابية أو العتاد المستورد.

كما أن مزيج اللغات مهم أيضاً. قد تحتاج مشاريع الذكاء الاصطناعي في المغرب إلى سير عمل بالعربية والفرنسية وأحياناً بالإنجليزية. وهذا قد يزيد من احتياجات إعداد البيانات ومتطلبات التخزين، مما يجعل التخطيط للذاكرة والبنية التحتية أكثر أهمية.

كما ينبغي أخذ قيود البنية التحتية في الاعتبار. فقد تواجه بعض المشاريع محدودية في المهارات الداخلية أو دورات شراء غير منتظمة أو جداول تكامل ضيقة. وفي هذا السياق، قد يؤدي التركيز الضيق على وحدات GPU إلى مفاجآت لاحقاً.

حالات الاستخدام في المغرب

بالنسبة للقراء المغاربة، قد يؤثر هذا التحول في عدة حالات استخدام شائعة للذكاء الاصطناعي. قد تحتاج أنظمة دعم العملاء إلى ذاكرة أكبر إذا كانت تتعامل مع قواعد معرفة كبيرة أو محتوى متعدد اللغات. وقد تحتاج المساعدات الداخلية أيضاً إلى مزيد من التخزين ووصول أسرع إلى البيانات.

يمكن لحالات الاستخدام كثيفة البيانات أن تشعر بالأثر بسرعة. فقد تعتمد فرق التحليلات وسير عمل معالجة المستندات وأنظمة الاسترجاع جميعها على سعة الذاكرة وأداء السحابة. وإذا تغيرت الأسعار، فقد يحتاج نطاق المشروع إلى التغيير أيضاً.

قد يحتاج المشترون في القطاعين العام والخاص أيضاً إلى مقارنة خيارات التشغيل المحلي والسحابة بشكل أدق. قد تبدو خدمة سحابية جذابة في البداية، لكن التسعير الفوري والتكاليف المرتبطة بالذاكرة يمكن أن يغيرا الجدوى الاقتصادية. ينبغي لفرق المشتريات اختبار عدة سيناريوهات قبل الالتزام.

المخاطر والحوكمة

رسالة المقال لا تتعلق بالتكلفة فقط، بل أيضاً بإدارة المخاطر. فإذا راقبت المؤسسات عناوين الأخبار الخاصة بوحدات GPU فقط، فقد تفوتها نقاط الضغط في إمدادات الذاكرة وتسعيرها وتوافرها.

بالنسبة لصناع السياسات المغاربة وقادة الأعمال، يجب أن تشمل الحوكمة الانضباط في المشتريات. وهذا يعني التحقق من افتراضات الموردين، ومراجعة مرونة العقود، ومراقبة الاعتماديات العتادية. كما يعني التخطيط للأمن السيبراني، لأن حزم الذكاء الاصطناعي الأكثر تعقيداً يمكن أن تخلق المزيد من أسطح الهجوم.

كما ينبغي أن تظل الخصوصية والامتثال في المركز. تحتاج أنظمة الذكاء الاصطناعي التي تعالج بيانات الأعمال المحلية أو البيانات الشخصية إلى ضوابط واضحة. يجب أن تحدد الفرق من يمكنه الوصول إلى البيانات، وأين تُخزن، وكيف تُحمى.

ما الذي ينبغي أن تفعله الفرق المغربية بعد ذلك

ابدأ بقائمة تحقق أوسع للمشتريات. أدرج وحدات GPU وDRAM والذاكرة عالية النطاق الترددي وتسعير السحابة وجداول التسليم. إذا كان المشروع يعتمد على بنية تحتية خارجية، فاسأل كيف يمكن أن تتغير التكاليف بمرور الوقت.

ثم راجع جاهزية البيانات. تحتاج أنظمة الذكاء الاصطناعي إلى بيانات قابلة للاستخدام، ويجب أن تكون هذه البيانات منظمة وآمنة ومُعالجة قانونياً. إذا كانت البيانات مجزأة أو متعددة اللغات، فقد يحتاج المشروع إلى إعداد أكثر مما هو متوقع.

بعد ذلك، قيّم المهارات الداخلية. قد تحتاج الفرق إلى دعم في تخطيط البنية التحتية وإدارة الموردين وتشغيل النماذج. وإذا كانت هذه المهارات محدودة، فقد يكون الإطلاق المرحلي أكثر أماناً من إطلاق كبير دفعة واحدة.

وأخيراً، أدرج الحوكمة في الخطة مبكراً. ويشمل ذلك الخصوصية والأمن السيبراني والامتثال والرقابة على المشتريات. بالنسبة للمؤسسات المغربية، يمكن لهذا النهج أن يقلل المفاجآت ويجعل الإنفاق على الذكاء الاصطناعي أكثر مرونة.

الخلاصة

إن الانتقال من وحدات GPU إلى الذاكرة يذكّرنا بأن البنية التحتية للذكاء الاصطناعي أوسع من مكوّن واحد. بالنسبة للمغرب، ليست الاستجابة المفيدة هي الذعر، بل تحسين المشتريات والتخطيط والحوكمة.

إذا اتبعت ميزانيات الذكاء الاصطناعي كامل الطبقة التقنية، فقد تتخذ الفرق قرارات أكثر استقراراً. وهذا مهم سواء كان المشروع تجربة أولية أو نظاماً إنتاجياً أو جهداً طويل الأمد للتحول الرقمي.