رقائق ARM المخصصة للخوادم تزاحم هيمنة x86 على مراكز البيانات السحابية

لعقدين من الزمن، كانت كلمة "server" مرادفةً لـ x86 — سواء أكانت شريحة Intel أم AMD، تعمل بنفس مجموعة التعليمات سواء كانت في مركز بيانات أحد البنوك أو في rack شركة ناشئة داخل منشأة colocation. لكن هذه المسلّمة باتت تتداعى في أعماق أكبر ثلاثة مزودي خدمات سحابية في العالم. فقد أمضت كل من AWS وGoogle Cloud وMicrosoft Azure السنوات الأخيرة في تصميم معالجات server CPUs خاصة بها مستندةً إلى معمارية Arm، وبحلول منتصف عام 2026 باتت هذه الشرائح تستحوذ على حصة كافية من طاقة الحوسبة الجديدة لدى hyperscalers، لدرجة أن x86 لم يعد الخيار الافتراضي التلقائي الذي اعتدنا عليه.

الأرقام التي تكشف حجم التحول

ارتفع اختراق Arm لشحنات server CPU من نحو 5% عام 2020 إلى ما يتراوح بين 15% و23% في عام 2025، وفق ما يرصده المحللون المتخصصون في قطاع أشباه الموصلات. غير أن الرقم الأكثر إثارةً للانتباه جاء من الجلسات التي عُقدت خلال معرض Computex 2026، إذ أشارت الأبحاث المقدَّمة هناك إلى أن شرائح Arm المعتمدة اقتربت من نصف طاقة الحوسبة المنشورة لدى hyperscalers — ليس من حيث عدد الشحنات، بل من حيث الطاقة الفعلية المنشورة عبر AWS وGoogle وMicrosoft مجتمعةً. ونما سوق خوادم Arm ذاتها من نحو 5.8 مليار دولار عام 2023 إلى ما يُقدَّر بـ 8.2 مليار دولار في 2026.

ولافت للنظر أن هذا النمو لم يأتِ على حساب AMD. فقد جرى تعديل تقديرات نمو شحنات server CPU لصالح AMD من 14% إلى 23% لعام 2026، فيما انتقل توقع Intel من انكماش بنسبة 3% إلى نمو بنسبة 3%. يتسع الإجمالي بسرعة كافية تجعل مكاسب Arm ومكاسب AMD تتحقق في آنٍ واحد — فالخسارة الأكبر تقع على الحصة التاريخية لـ Intel من سوق x86، وليس على معمارية x86 في حد ذاتها.

ثلاث شرائح وثلاثة رهانات مختلفة

كانت AWS الأسبق في المضيّ بهذا المسار وأكثرها جرأةً. فشريحة Graviton5، المتاحة بشكل عام منذ العاشر من يونيو 2026، تضم 192 نواةً من Arm Neoverse V3 موزعةً على أربع chiplets مبنية وفق عملية TSMC بتقنية 3nm، مع 192MB من ذاكرة التخزين المؤقت L3 Cache، وذاكرة DDR5، ومنفذ PCIe Gen 6 — وهو ما يمثّل زيادةً خمسيةً في حجم الـ Cache مقارنةً بـ Graviton4 مع قفزة أداء مُعلَن عنها بنسبة 25%. وقد صمّمت AWS هذه الشريحة خصيصاً لأعباء العمل في "عصر الـ Agentic AI": تقديم الـ Inference، وخطوط أنابيب الـ Retrieval، وأنماط الطلبات المتقطعة وعالية الاستهلاك للذاكرة التي تولّدها وكلاء الذكاء الاصطناعي، بدلاً من الحوسبة الدفعية الكلاسيكية.

أما Google Axion فتنتهج مقاربةً مغايرة، إذ تُقدَّم بوصفها النصف الخاص بالـ CPU ضمن ثنائي متكامل مع racks الـ TPU v8 من Google. وتؤكد Google أن Axion يُحقق أداءً أفضل بنسبة 30% مقارنةً بنظيراتها من Instances السحابية المعتمدة على Arm، وكفاءةً أعلى في استهلاك الطاقة بنسبة 60% مقارنةً بالـ Instances المماثلة من x86 — والكفاءة هي الكلمة المفتاحية هنا، إذ تتمثّل مهمة Axion في الأساس بتغذية بيانات TPUs وتصريفها دون أن يُشكّل عنق زجاجة في استهلاك الطاقة أو الحرارة على طول ذلك المسار.

وتبقى شريحة Cobalt من Microsoft الأهدأ صوتاً بين الثلاثة، غير أنها ربما تكون الأكثر إثباتاً لنفسها في بيئات الإنتاج حتى الآن: فهي تُشغّل أعباء عمل حقيقية عبر مناطق Azure اليوم، مع عملاء من أمثال Databricks يُديرون منصات بيانات إنتاجية عليها لا مجرد عمليات نشر تجريبية. وعلى خلاف Graviton وAxion اللتين تُوظّفان إطاراً خطابياً مجاوراً للذكاء الاصطناعي، سوّقت Microsoft لـ Cobalt بشكل أكثر مباشرةً بوصفها خياراً للتكلفة والكفاءة في الاستخدام العام ضمن حوسبة Azure الاعتيادية.

لماذا باتت Hyperscalers تتحكم في شرائحها بنفسها

تصميم server CPU من الصفر لم يكن قراراً اتخذه مزودو الخدمات السحابية باستهانة — فهو يستلزم سنوات من الاستثمار الهندسي في مجال الشرائح لا تقترب منه معظم شركات البرمجيات. والعائد من هذا الاستثمار هو السيطرة على متغير ظل طويلاً في قبضة خرائط المنتجات الخاصة بـ Intel وAMD: الأداء لكل واط على مستوى مراكز البيانات. أصبح استهلاك الطاقة اليوم القيداً الأساسي على حجم الحوسبة التي يمكن لأي Hyperscaler نشرها فعلياً، في ظل محدودية ربط الشبكة الكهربائية والاستهلاك الهائل للطاقة من جانب مجموعات تدريب وتشغيل الاستدلال بالذكاء الاصطناعي. ويمكن ضبط الشريحة المصممة داخلياً لتلائم بالتحديد مزيج أعباء العمل الذي يُشغّله ذلك المزود فعلاً، بدلاً من الملف العام متعدد الأغراض الذي يضطر مصنّع الشرائح التجارية إلى استهدافه ليُرضي الجميع.

ولهذا أيضاً تأتي أهمية Grace CPU من Nvidia — وهي شريحة Arm مصممة للجلوس مباشرةً بجانب GPUs من Nvidia على اللوحة ذاتها — حتى وإن كانت Nvidia ليست مزوداً سحابياً. فهي الدليل الأجلى على أن ميزة Arm في هذه الدورة لا تتعلق فعلاً بتكاليف ترخيص مجموعة التعليمات؛ بل تتعلق بأي معمارية تُتيح لمصمم الشريحة بناء التوليفة التي يحتاجها بالضبط بين الـ CPU والذاكرة والـ Interconnect لخدمة مُسرّعه أو أعباء عمله المحددة، بدلاً من شراء ما شحنه Intel أو AMD في ذلك العام.

ماذا يعني هذا لـ AMD وIntel ومورّدي Arm المستقلين

يُشير تسارع نمو AMD في قطاع الخوادم إلى أنها انتزعت حصصاً من Intel بدلاً من أن تخسر أرضاً أمام Arm — إذ يظل EPYC خيار x86 التجاري الافتراضي لأعباء العمل التي لا تُشغّلها شركة Hyperscaler تمتلك برنامجها الخاص للشرائح. وعودة Intel إلى النمو الإيجابي انتصار أصغر حجماً، لكنه حقيقي بعد سنوات من تآكل حصتها في سوق الخوادم. أما الشركة الغائبة عن موجة الشرائح الحصرية لـ Hyperscalers فهي Ampere Computing، مصممة شرائح Arm للخوادم المستقلة، التي تنافس بمعالجاتها AmpereOne مباشرةً كلاً من Graviton وAxion، مستهدفةً العملاء الذين لا يرغبون في بناء شرائحهم الخاصة — أي مزودو الخدمات السحابية من خارج أكبر ثلاثة، والمؤسسات التي تُشغّل أعباء عمل Arm في منشآت الـ Colocation بعيداً عن خدمات Hyperscalers الكبار.

ماذا يعني هذا عند اختيار بيئة تشغيل أعباء العمل

بالنسبة للفرق الهندسية التي تُقيّم أنواع Cloud Instances، انتقل السؤال العملي من "هل Arm ناضجة بما يكفي" إلى "أيّ أعباء العمل ينبغي نقلها أولاً". فالخدمات عديمة الحالة وذات التوسع الأفقي — كطبقات الويب وبوابات الـ API وتقديم الـ Inference — هي التي تحقق في العادة أوضح مكاسب في نسبة الأداء إلى السعر على Instances من Graviton أو Axion، بفارق تكلفة يصل أحياناً إلى 20-40% لقدر مماثل من الـ Throughput، شريطة أن يكون خط أنابيب البناء لديك يُنتج بالفعل ملفات Arm64 ثنائية أو أن Runtime لغتك البرمجية يُجرّد الفارق (إذ تنتقل Go وJava ومعظم اللغات التفسيرية بتغييرات طفيفة، في حين تستلزم قواعد كود C/C++ التي تعتمد على Intrinsics معمارية جهداً حقيقياً في الـ Porting). لقد انتقلت الشرائح التي كانت حتى وقت قريب خياراً لتحسين التكلفة في شريحة من أعباء العمل لتصبح الافتراضي الذي تسعى إليه AWS وGoogle وMicrosoft في أي طاقة جديدة — مما يعني أن إخضاع أعباء عملك الخاصة لمعايير قياسية على Arm Instances لم يعد ضرباً من الحيطة الاختيارية، بل مجرد لحاق بالبنية التحتية التي وصلت إلى هذا المسار قبلك.