مرداد
اخبار
کمبود GPU در آژور؛ مایکروسافت ظرفیت را به کوپایلت خودش داد
مشتریان سازمانی آژور ماههاست از کمبود ظرفیت پردازندههای گرافیکی گله دارند و حالا دلیلش رسماً روشن شده است: مایکروسافت بخش بزرگی از GPUهای تازه را بهجای مشتریان ابری، به محصولات هوش مصنوعی خودش داده است. مدیر مالی شرکت تأیید کرده که اگر این ظرفیت به آژور میرسید، رشد درآمد این سرویس بهجای ۳۹ درصد از ۴۰ درصد عبور میکرد. پشت این یک درصد، یک تصمیم راهبردی بزرگ پنهان است.
لیست مطالب
۱) ماجرا از کجا شروع شد؟
پایان ژوئیه ۲۰۲۶، درست در آستانهی اعلام نتایج مالی مایکروسافت، گزارشی منتشر شد که موضوعی نیمهعلنی را به یک تأیید رسمی تبدیل کرد: پردازندههای گرافیکی تازهای که در نیمهی نخست سال مالی وارد مدار شدند، بهجای آنکه در اختیار مشتریان ابری آژور قرار بگیرند، صرف محصولات هوش مصنوعی خود مایکروسافت شدند.
این تصمیم پیشتر هم در قالب شکایتهای پراکندهی مشتریان دیده میشد — صف انتظار برای نمونههای GPU، محدودیت سهمیه در برخی مناطق، و تأخیرهایی که به گفتهی برخی سازمانها از چند هفته تا چند ماه طول میکشید. اما تفاوت اینبار در منبع خبر بود: تأیید از سوی بالاترین سطح مالی شرکت آمد، نه از زبان مشتریان ناراضی.
۲) آن یک درصدی که خیلی بزرگتر از یک درصد است
مهمترین جملهی این ماجرا از امی هود، مدیر مالی مایکروسافت، است. طبق گزارشها او گفته اگر GPUهایی که در نیمهی نخست سال مالی وارد سرویس شدند بهجای محصولات هوش مصنوعی خود مایکروسافت به آژور اختصاص مییافتند، رشد آژور بهجای ۳۹ درصد بیش از ۴۰ درصد میشد.
در نگاه اول یک واحد درصد ناچیز به نظر میرسد. اما وقتی پایهی محاسبه یک کسبوکار ابری در مقیاس دهها میلیارد دلار است، همان یک واحد به رقمی میلیارد دلاری ترجمه میشود. مهمتر از عدد، معنای آن است: مایکروسافت آگاهانه پذیرفته که برای تقویت محصولات هوش مصنوعی خودش، از رشد گزارششدهی پرچمدارترین سرویسش کوتاه بیاید.
در بازار سرمایه، رشد آژور یکی از دقیقترین شاخصهای سلامت مایکروسافت است. کوتاه آمدن از آن، تصمیمی نیست که بهسادگی و بدون محاسبه گرفته شود.
۳) ظرفیت دقیقاً به کجا رفت؟
طبق گزارشها اولویتهای داخلی که ظرفیت را جذب کردهاند عمدتاً دو خانوادهی محصولاند:
- مایکروسافت ۳۶۵ کوپایلت — دستیار هوش مصنوعی درون آفیس، تیمز و اوتلوک که به گزارش منابع، رشد چشمگیری در تعداد صندلیهای پولی داشته است.
- گیتهاب کوپایلت — دستیار کدنویسی که طبق گزارشها از مرز ۲۶ میلیون کاربر عبور کرده و در فشار رقابتی شدیدی با ابزارهای تازهوارد قرار دارد.
در کنار اینها، بارهای کاری داخلی هوش مصنوعی — از آموزش و تنظیم مدل تا استنتاج در سرویسهای مصرفی — هم سهم قابلتوجهی برداشتهاند. طبق گزارشها مایکروسافت روی بهینهسازی استنتاج هم کار کرده و برای مدلهای پرتقاضای کوپایلت به بهبود حدود ۴۰ درصدی در توان عبوری رسیده است؛ عددی که نشان میدهد فشار ظرفیت صرفاً با خرید سختافزار حل نشده است.
۴) سرمایهگذاری ۱۹۰ میلیارد دلاری که هنوز کافی نیست
عجیبترین بخش ماجرا این است که کمبود در دل یکی از بزرگترین موجهای سرمایهگذاری تاریخ فناوری رخ داده است. طبق گزارشها مایکروسافت در این دوره حدود ۱۹۰ میلیارد دلار صرف زیرساخت هوش مصنوعی کرده و بخشی از این رقم — به گفتهی منابع نزدیک به ۲۵ میلیارد دلار — صرفاً ناشی از گران شدن قطعات بوده است.
شرکت طبق گزارشها در آخرین فصل حدود یک گیگاوات ظرفیت تازه اضافه کرده و برنامه دارد ردپای مراکز دادهاش را ظرف دو سال دو برابر کند. با این حال، تقاضا سریعتر از عرضه رشد کرده و پیشبینیها حاکی از ادامهی محدودیت تا پایان ۲۰۲۶ است.
این تصویر بخشی از یک تنگنای صنعتی گستردهتر است که همهی بازیگران بزرگ را درگیر کرده؛ موضوعی که در تحلیل ما دربارهی اهمیت هوش مصنوعی برای کسبوکارها هم به لایههای اقتصادیاش پرداختهایم.
۵) خرید ظرفیت از رقیب؛ اعتراف بزرگتر
گویاترین نشانهی شدت کمبود، جایی است که مایکروسافت به سراغ رقبایش رفته. طبق گزارشها مدیران این شرکت «همهجا دنبال ظرفیت» بودهاند و گزینههای آمازون و گوگل را ارزیابی کردهاند؛ برخی گزارشها از اجارهی ظرفیت برای پایدارسازی سرویس گیتهاب و بررسی گزینهی اوراکل هم خبر دادهاند.
برای شرکتی که کل روایت فروش آژور بر پایهی «ما زیرساخت را داریم» بنا شده، اجارهی ظرفیت از رقیب مستقیم یک اعتراف راهبردی است. این یعنی محدودیت نه یک گلوگاه موقت در یک منطقه، بلکه یک تنگنای ساختاری در کل زنجیرهی تأمین است.
۶) مشتری سازمانی چه چیزی را حس میکند؟
در عمل، اثر این تصمیم برای کاربر خانگی و کسبوکار کوچک تقریباً صفر است. فشار روی سازمانهایی است که نمونههای GPU تأمین میکنند یا عملیات یادگیری ماشین را مقیاس میدهند. طبق گزارشها نشانههای ملموس عبارتاند از:
- صف انتظار برای برخی پیکربندیهای GPU در مناطق پرتقاضا.
- سهمیهبندی سختگیرانهتر و تأخیر در افزایش ظرفیت پروژههای موجود.
- فشار قیمتی، چون کمیابی عرضه معمولاً به تخفیف کمتر و شرایط قرارداد سختتر میانجامد.
توصیهی رایج کارشناسان هم سه بند دارد: بازبینی وابستگیها به یک ارائهدهندهی واحد، طراحی مسیر جایگزین چندابری، و آزمایش سرویسهای کوپایلت پیش از استقرار گسترده. برای شناخت بهتر رقابت میان ارائهدهندگان مدل، مقایسهی چتجیپیتی و دیپسیک نمونهی خوبی از تفاوت رویکردهاست.
۷) چرا مایکروسافت این ریسک را پذیرفت؟
منطق تصمیم را میتوان در سه لایه دید.
حاشیهی سود بالاتر محصول نهایی
فروش یک صندلی کوپایلت با قیمت ماهانهی مشخص، حاشیهی سودی بهمراتب بهتر از اجارهی خام یک GPU به مشتری دارد. وقتی ظرفیت محدود است، منطق اقتصادی به سمت محصولی میرود که ارزش بیشتری از هر واحد محاسبه بیرون میکشد.
ترس از جا ماندن در رقابت دستیارها
طبق گزارشها کوپایلت هنوز در برخی سنجهها از رقبای مطرح عقب است و گیتهاب هم با فشار ابزارهای تازهی کدنویسی روبهروست. در چنین شرایطی، کمبود ظرفیت یعنی کندی محصول و کندی محصول یعنی ریزش کاربر.
قفل شدن مشتری در اکوسیستم
مشتریای که کوپایلت را در جریان کاری روزانهاش جا داده، بهسختی مهاجرت میکند. اما مشتریای که فقط GPU اجاره کرده، هر لحظه میتواند به ابر دیگری برود. از منظر بلندمدت، سرمایهگذاری روی محصول چسبندهتر منطقی است.
۸) تصویر بزرگتر؛ ابرها دیگر بیطرف نیستند
مهمترین درسی که میتوان از این ماجرا گرفت، فراتر از مایکروسافت است. تا چند سال پیش، ارائهدهندهی ابر یک زیرساخت خنثی بود که ظرفیتش را به هر مشتریای میفروخت. حالا همان ارائهدهنده، خودش تولیدکنندهی محصولات هوش مصنوعی است و در زمان کمبود، رقیب مشتری خودش میشود.
این تعارض منافع، ساختاری است و مختص یک شرکت نیست؛ هر ابری که همزمان مدل و سرویس مصرفی میسازد، دیر یا زود با همین انتخاب روبهرو میشود. برای سازمانها معنایش روشن است: در ارزیابی ارائهدهنده، فقط قیمت و SLA کافی نیست؛ باید پرسید در روز کمبود، شما در کدام ردیف صف میایستید. مرور محدودیتهای واقعی هوش مصنوعی و پیگیری اخبار روزانهی این حوزه در چنین تصمیمهایی کمککننده است.
۹) در ادامه چه چیزی را باید دنبال کرد؟
سه نشانه ارزش پیگیری دارند. نخست، اینکه آیا رشد آژور در فصلهای بعدی با ورود ظرفیت تازه جبران میشود یا الگوی اولویتدهی به محصولات داخلی ادامه پیدا میکند. دوم، اینکه قراردادهای اجارهی ظرفیت از رقبا رسمی و علنی میشوند یا در سطح بررسی باقی میمانند. سوم، واکنش مشتریان سازمانی بزرگ؛ اگر مهاجرت محسوسی به ابرهای رقیب رخ دهد، معادلهی سود این تصمیم تغییر میکند.
برای کسبوکارهای کوچکتر، مهمترین اقدام عملی همین امروز ساده است: بدانید سرویس شما دقیقاً به کدام منطقه، کدام نوع نمونه و کدام مدل وابسته است، و برای هرکدام یک جایگزین روی کاغذ داشته باشید. آموزشهای عملی کار با ابزارهای هوش مصنوعی را میتوانید در بخش آموزشها دنبال کنید.
پرسشهای پرتکرار دربارهی کمبود GPU در آژور
آیا مایکروسافت واقعاً ظرفیت مشتریان را به خودش داده است؟
طبق گزارشها بله. مدیر مالی شرکت تأیید کرده که ظرفیت GPU نیمهی نخست سال مالی در اولویت محصولات هوش مصنوعی داخلی قرار گرفته و همین باعث شده رشد آژور بهجای عبور از ۴۰ درصد، در ۳۹ درصد بماند.
این کمبود تا کی ادامه دارد؟
طبق گزارشها انتظار میرود محدودیت عرضه دستکم تا پایان ۲۰۲۶ ادامه داشته باشد. مایکروسافت برنامهی دو برابر کردن ظرفیت مراکز داده در دو سال را اعلام کرده، اما تقاضا نیز همزمان در حال رشد است.
کاربر عادی هم تحت تأثیر قرار میگیرد؟
عملاً خیر. اثر اصلی روی سازمانهایی است که نمونههای GPU تهیه میکنند یا بارهای کاری یادگیری ماشین را مقیاس میدهند. کاربران خانگی و کسبوکارهای کوچک تغییر محسوسی حس نمیکنند.
آیا مایکروسافت از رقبایش ظرفیت میخرد؟
طبق گزارشها این شرکت گزینههای خرید یا اجارهی ظرفیت از ارائهدهندگان دیگر از جمله آمازون، گوگل و اوراکل را بررسی کرده است. برخی گزارشها از اجارهی ظرفیت برای پایدارسازی سرویس گیتهاب خبر دادهاند.
سازمانها چه کاری باید انجام دهند؟
بازبینی وابستگیها به یک ابر واحد، طراحی مسیر جایگزین چندابری، رزرو زودهنگام ظرفیت برای پروژههای حساس، و آزمایش محدود سرویسهای کوپایلت پیش از استقرار سراسری، چهار اقدام رایجی است که کارشناسان توصیه میکنند.
