کوالکام چگونه می‌خواهد با تراشه‌های هوش مصنوعی به رقیب انویدیا تبدیل شود؟

سال‌هاست وقتی صحبت از تراشه‌های هوش مصنوعی و دیتاسنتر می‌شود، نام انویدیا تقریباً به‌صورت خودکار در مرکز توجه قرار می‌گیرد. این شرکت با معماری CUDA، پردازنده‌های گرافیکی قدرتمند و پلتفرم‌های کامل دیتاسنتری توانسته جایگاه بسیار قدرتمندی در زیرساخت هوش مصنوعی ایجاد کند؛ جایگاهی که رقبا برای شکستن آن باید نه‌تنها تراشه‌ای قدرتمند، بلکه یک اکوسیستم کامل ارائه دهند.

با این حال، در سال ۲۰۲۶ یک رقیب قدیمی از دنیای تراشه‌های موبایل تصمیم گرفته وارد این میدان شود: کوالکام.

کوالکام که بخش بزرگی از شهرت خود را مدیون تراشه‌های Snapdragon در گوشی‌های هوشمند است، حالا می‌خواهد خود را به یکی از بازیگران اصلی زیرساخت هوش مصنوعی تبدیل کند. این شرکت در ماه ژوئن نقشه راه جدید خود برای دیتاسنتر را معرفی کرد و تنها چند ماه بعد، همکاری چندنسلی بزرگی را با آمازون برای تولید تراشه‌های سفارشی هوش مصنوعی اعلام کرد.

این همکاری می‌تواند یکی از جدی‌ترین تلاش‌های کوالکام برای کاهش وابستگی به بازار موبایل و ورود به بازاری باشد که انویدیا در آن سلطه دارد. طبق قرارداد اعلام‌شده در ۸ سپتامبر، محصولات دیتاسنتری کوالکام برای آمازون می‌توانند در مجموع ارزشی تا ۶۰ میلیارد دلار داشته باشند و تمرکز اصلی همکاری روی تراشه‌های سفارشی برای Inference هوش مصنوعی است.

اما کوالکام دقیقاً چگونه می‌خواهد با انویدیا رقابت کند؟

کوالکام چرا به سراغ دیتاسنتر آمده است؟

بازار گوشی‌های هوشمند دیگر تنها جایی نیست که کوالکام می‌تواند روی آن حساب کند.

کوالکام در سال‌های اخیر تلاش کرده کسب‌وکار خود را از تلفن‌های همراه فراتر ببرد و وارد حوزه‌هایی مانند خودرو، رایانه، اینترنت اشیا و هوش مصنوعی شود. در برنامه جدید این شرکت، دیتاسنتر یکی از مهم‌ترین بخش‌های رشد آینده محسوب می‌شود.

کوالکام در رویداد Investor Day ژوئن ۲۰۲۶ اعلام کرد که هدفش رسیدن به بیش از ۱۵ میلیارد دلار درآمد سالانه از کسب‌وکار دیتاسنتر تا سال مالی ۲۰۲۹ است. این رقم بخشی از برنامه گسترده‌تر شرکت برای رساندن درآمد غیرموبایلی به حدود ۴۰ میلیارد دلار در همان سال است.

بنابراین ورود به بازار هوش مصنوعی برای کوالکام یک پروژه جانبی نیست؛ بخشی از استراتژی اصلی این شرکت برای آینده است.

Dragonfly؛ پاسخ کوالکام به زیرساخت هوش مصنوعی انویدیا

کوالکام برای ورود به دیتاسنتر، برند جدیدی با نام Qualcomm Dragonfly ایجاد کرده است.

Dragonfly صرفاً یک شتاب‌دهنده هوش مصنوعی نیست. کوالکام می‌خواهد مجموعه‌ای از قطعات زیرساخت دیتاسنتر را در قالب این خانواده عرضه کند؛ از پردازنده مرکزی گرفته تا شتاب‌دهنده هوش مصنوعی، حافظه و ارتباطات پرسرعت.

نقشه راه فعلی شامل محصولاتی مانند Dragonfly C1000 CPU، شتاب‌دهنده Dragonfly AI300، فناوری High Bandwidth Compute یا HBC و محصولات ارتباطی است.

این مسئله اهمیت زیادی دارد.

کوالکام نمی‌خواهد صرفاً یک تراشه بسازد و امیدوار باشد دیتاسنترها آن را خریداری کنند. این شرکت می‌خواهد بخشی از یک پلتفرم کامل AI Infrastructure باشد؛ رویکردی که بسیار شبیه مسیری است که انویدیا طی کرده است.

تفاوت مهم کوالکام با انویدیا؛ تمرکز روی Inference

شاید مهم‌ترین نکته درباره استراتژی کوالکام این باشد که این شرکت قرار نیست در قدم اول مستقیماً در تمام بخش‌های بازار هوش مصنوعی با انویدیا رقابت کند.

کوالکام تمرکز ویژه‌ای روی Inference دارد.

Training مرحله‌ای است که مدل هوش مصنوعی در آن آموزش داده می‌شود و معمولاً به حجم بسیار زیادی از محاسبات نیاز دارد.

اما Inference زمانی اتفاق می‌افتد که مدل آموزش‌دیده در حال پاسخ دادن به درخواست کاربران یا اجرای وظایف مختلف است.

با رشد Chatbotها، سرویس‌های هوش مصنوعی و به‌خصوص Agentها، حجم Inference به‌شدت افزایش یافته است.

کوالکام معتقد است در این بخش، تنها قدرت خام پردازشی اهمیت ندارد؛ مصرف انرژی، تأخیر و هزینه تولید هر توکن نیز اهمیت بسیار زیادی پیدا می‌کند.

به همین دلیل این شرکت محصولات Dragonfly را از ابتدا با تمرکز بر بهره‌وری انرژی و هزینه Inference طراحی کرده است.

Qualcomm AI300؛ شتاب‌دهنده‌ای برای عصر Agentها

در مرکز برنامه کوالکام، شتاب‌دهنده‌های AI200، AI250 و AI300 قرار دارند.

AI300 جدیدترین محصول این خانواده است و کوالکام آن را بخشی از نقشه راه چندنسلی خود برای شتاب‌دهنده‌های Inference معرفی کرده است.

ایده اصلی ساده است: اگر قرار باشد میلیون‌ها یا میلیاردها درخواست هوش مصنوعی در دیتاسنترها پردازش شود، صرفاً سریع‌تر بودن تراشه کافی نیست.

تراشه باید بتواند این کار را با مصرف انرژی و هزینه کمتر انجام دهد.

کوالکام می‌گوید معماری Dragonfly با تمرکز بر معیارهایی مانند Tokens per Watt و Tokens per Dollar طراحی شده است؛ یعنی میزان توکن پردازش‌شده در ازای مصرف انرژی و هزینه.

این دقیقاً همان نقطه‌ای است که کوالکام امیدوار است بتواند در برابر معماری‌های گران‌قیمت GPU مزیت ایجاد کند.

فناوری High Bandwidth Compute چه مشکلی را حل می‌کند؟

یکی از بزرگ‌ترین مشکلات اجرای مدل‌های هوش مصنوعی، همیشه قدرت محاسباتی خام نیست.

گاهی مشکل اصلی این است که داده‌ها با سرعت کافی بین حافظه و واحد پردازش جابه‌جا نمی‌شوند.

این مسئله به‌خصوص در مرحله Inference و تولید توکن اهمیت دارد.

کوالکام برای حل این مشکل فناوری High Bandwidth Compute یا HBC را معرفی کرده است.

در این معماری، کوالکام تلاش کرده فاصله میان حافظه و پردازش را کاهش دهد و پهنای باند مؤثر را افزایش دهد. طبق اطلاعات رسمی شرکت، HBC نسل اول در مقایسه با AI200 تا ۱۸ برابر و HBC نسل دوم همراه AI300 تا ۵۴ برابر پهنای باند مؤثر بیشتری ارائه می‌کند.

هدف اصلی این فناوری، کاهش هزینه انرژی ناشی از جابه‌جایی داده‌هاست.

این موضوع بسیار مهم است، زیرا دیتاسنترهای هوش مصنوعی فقط برای خرید تراشه هزینه نمی‌کنند؛ برق، سیستم خنک‌کننده، شبکه و زیرساخت نیز بخش بزرگی از هزینه نهایی را تشکیل می‌دهند.

کوالکام می‌خواهد از CPU هم استفاده کند

یکی دیگر از بخش‌های مهم استراتژی کوالکام، ورود جدی به پردازنده‌های دیتاسنتری است.

Dragonfly C1000 یک CPU مبتنی بر معماری Arm است که برای زیرساخت‌های دیتاسنتری و عصر Agentic AI طراحی شده است. کوالکام معتقد است در سیستم‌های هوش مصنوعی جدید، CPU همچنان نقش مهمی در مدیریت داده، اجرای سرویس‌ها، هماهنگی پردازش‌ها و اجرای وظایف Agentها دارد.

این موضوع جالب است، زیرا انویدیا نیز دقیقاً به همین سمت حرکت کرده است.

انویدیا در سال ۲۰۲۶ پردازنده Vera را معرفی کرد که مشخصاً برای بارهای کاری مرتبط با Agentها، اجرای کد، Sandbox، پردازش داده و هماهنگی عملیات AI طراحی شده است.

بنابراین رقابت کوالکام و انویدیا دیگر فقط درباره GPU در برابر GPU نیست.

هر دو شرکت در حال حرکت به سمت ساخت زیرساخت کامل برای کارخانه‌های هوش مصنوعی هستند.

آمازون؛ مهم‌ترین برگ برنده کوالکام

اما شاید مهم‌ترین اتفاق در برنامه کوالکام، همکاری جدید با آمازون باشد.

کوالکام در ۸ سپتامبر ۲۰۲۶ اعلام کرد که با آمازون روی چند نسل از تراشه‌های سفارشی برای زیرساخت‌های بزرگ هوش مصنوعی AWS همکاری خواهد کرد.

تمرکز اولیه این همکاری روی AI Inference است و دو شرکت همچنین روی فناوری‌های ارتباطات نوری پرسرعت برای دیتاسنترها کار خواهند کرد؛ راهکارهایی که سرعت ارتباطی آن‌ها می‌تواند به ۱.۶ ترابیت بر ثانیه برسد.

این همکاری از چند جهت اهمیت دارد.

اول اینکه آمازون یکی از بزرگ‌ترین ارائه‌دهندگان خدمات ابری جهان است.

دوم اینکه AWS سال‌هاست روی تراشه‌های اختصاصی خود مانند Trainium و Inferentia سرمایه‌گذاری کرده است.

و سوم اینکه قرارداد با یک Hyperscaler بزرگ می‌تواند به کوالکام کمک کند تراشه‌های خود را در مقیاس بسیار بزرگ وارد بازار کند.

بر اساس گزارش رویترز، ارزش بالقوه خرید محصولات و تراشه‌های دیتاسنتری کوالکام توسط آمازون می‌تواند تا ۶۰ میلیارد دلار باشد؛ البته این رقم یک تعهد خرید نقدی و قطعی ۶۰ میلیارد دلاری در همین لحظه نیست، بلکه سقف ارزش بالقوه همکاری در چارچوب قرارداد چندساله است.

چرا آمازون حاضر است به کوالکام فرصت بدهد؟

پاسخ را باید در یک کلمه پیدا کرد:

تنوع.

شرکت‌های بزرگ ابری نمی‌خواهند برای همیشه به یک تأمین‌کننده تراشه وابسته باشند.

انویدیا امروز قدرتمندترین بازیگر بازار شتاب‌دهنده‌های هوش مصنوعی است، اما هزینه بالا، محدودیت عرضه و وابستگی شدید به یک پلتفرم باعث شده شرکت‌های بزرگ به دنبال گزینه‌های دیگر باشند.

آمازون خودش تراشه‌های Trainium و Inferentia را توسعه داده است و اکنون همکاری با کوالکام می‌تواند یک گزینه دیگر برای ایجاد زیرساخت اختصاصی و بهینه‌شده فراهم کند.

در همین زمان، کوالکام با مایکروسافت و متا نیز در حوزه دیتاسنتر همکاری‌هایی دارد. این مجموعه همکاری‌ها نشان می‌دهد شرکت در تلاش است به یک تأمین‌کننده مستقل در بازار AI Infrastructure تبدیل شود.

مزیت اصلی کوالکام؛ بهره‌وری انرژی

اگر کوالکام واقعاً بخواهد در بازار دیتاسنتر موفق شود، احتمالاً مهم‌ترین سلاحش بهره‌وری انرژی خواهد بود.

تراشه‌های هوش مصنوعی بسیار قدرتمند هستند، اما مصرف انرژی آن‌ها نیز بسیار بالاست.

با افزایش تعداد دیتاسنترهای AI، مسئله برق و خنک‌سازی به یکی از محدودیت‌های اصلی صنعت تبدیل شده است.

کوالکام سال‌ها تجربه طراحی تراشه‌های کم‌مصرف برای گوشی‌های هوشمند دارد. البته یک تراشه موبایل را نمی‌توان مستقیماً با یک شتاب‌دهنده دیتاسنتری مقایسه کرد، اما تخصص این شرکت در طراحی معماری‌های کم‌مصرف می‌تواند در بازار جدید یک مزیت مهم ایجاد کند.

به همین دلیل Qualcomm به‌جای تمرکز صرف بر معیارهایی مانند تعداد عملیات در ثانیه، روی کارایی به ازای مصرف انرژی و هزینه هر توکن تأکید می‌کند.

آیا کوالکام واقعاً می‌تواند انویدیا را شکست دهد؟

اینجا باید کمی محتاط باشیم.

نه، دست‌کم در کوتاه‌مدت.

انویدیا فقط یک تولیدکننده تراشه نیست.

این شرکت یک اکوسیستم بسیار گسترده شامل GPU، شبکه، نرم‌افزار، CUDA، کتابخانه‌های هوش مصنوعی، سیستم‌های رک‌محور و ابزارهای توسعه دارد.

در سال ۲۰۲۶، پلتفرم Vera Rubin انویدیا نیز شامل مجموعه‌ای از GPU، CPU، شبکه، حافظه و شتاب‌دهنده‌های مختلف شده است و این شرکت تلاش می‌کند تقریباً تمام لایه‌های یک AI Factory را تحت پوشش قرار دهد.

بنابراین کوالکام نمی‌تواند صرفاً با عرضه یک تراشه سریع، جای انویدیا را بگیرد.

اما مسئله این است که لازم نیست جای انویدیا را به‌طور کامل بگیرد.

اگر کوالکام بتواند حتی بخشی از بازار Inference را به دست آورد، می‌تواند به یک بازیگر بسیار بزرگ تبدیل شود.

نبرد اصلی شاید بر سر Inference باشد

بازار هوش مصنوعی در حال تغییر است.

در سال‌های ابتدایی رونق ChatGPT، توجه اصلی به آموزش مدل‌های عظیم معطوف بود. شرکت‌ها میلیاردها دلار برای ساخت GPU Clusterهایی هزینه کردند که بتوانند مدل‌های بزرگ را آموزش دهند.

اما اکنون میلیون‌ها کاربر و Agent باید به‌صورت مداوم از این مدل‌ها استفاده کنند.

هر درخواست، هر پیام، هر جست‌وجو و هر عملیات Agentic به Inference نیاز دارد.

بنابراین ممکن است در سال‌های آینده، اقتصاد اجرای مدل‌ها به اندازه قدرت آموزش آن‌ها اهمیت پیدا کند.

کوالکام دقیقاً روی همین نقطه سرمایه‌گذاری کرده است.

ارتباطات هم بخشی از جنگ تراشه‌هاست

یکی از نکات جالب استراتژی کوالکام این است که فقط روی پردازنده تمرکز نکرده است.

همکاری با آمازون شامل فناوری‌های ارتباطات نوری نیز می‌شود.

این مسئله از آن جهت اهمیت دارد که وقتی تعداد زیادی تراشه و سرور در یک دیتاسنتر کنار هم قرار می‌گیرند، سرعت انتقال داده میان آن‌ها می‌تواند به یک گلوگاه تبدیل شود.

اگر پردازنده‌ها سریع‌تر شوند اما شبکه نتواند داده را با سرعت مناسب جابه‌جا کند، بخشی از توان پردازشی عملاً بلااستفاده خواهد ماند.

کوالکام با ورود به حوزه ارتباطات نوری تلاش می‌کند این مشکل را در سطح زیرساخت حل کند. همکاری با آمازون برای فناوری‌هایی تا ۱.۶ ترابیت بر ثانیه دقیقاً در همین راستا قرار دارد.

بزرگ‌ترین چالش کوالکام؛ نرم‌افزار

با تمام این موارد، یک مانع بزرگ همچنان وجود دارد:

اکوسیستم نرم‌افزاری.

انویدیا سال‌هاست روی CUDA سرمایه‌گذاری کرده و بسیاری از توسعه‌دهندگان و شرکت‌های هوش مصنوعی نرم‌افزارهای خود را برای پلتفرم این شرکت بهینه کرده‌اند.

کوالکام اگر بخواهد سهم بزرگی از بازار بگیرد، باید توسعه‌دهندگان را متقاعد کند که مهاجرت به سخت‌افزار جدید ارزشش را دارد.

این یعنی فقط ساخت تراشه کافی نیست.

کوالکام باید ابزارهای توسعه، کتابخانه‌ها، کامپایلرها، Frameworkها و پشتیبانی نرم‌افزاری قدرتمندی ارائه کند تا اجرای مدل‌های محبوب روی Dragonfly ساده و بهینه باشد.

این شاید دشوارترین بخش رقابت با انویدیا باشد.

آیا کوالکام مسیر متفاوتی انتخاب کرده است؟

در واقع بله.

کوالکام ظاهراً نمی‌خواهد نسخه دیگری از انویدیا باشد.

این شرکت تلاش می‌کند روی بخش‌هایی تمرکز کند که ممکن است معماری‌های سنتی GPU در آن‌ها مزیت مطلق نداشته باشند:

• Inference در مقیاس بالا
• مصرف انرژی پایین‌تر
• هزینه کمتر به ازای توکن
• تراشه‌های سفارشی برای Hyperscalerها
• پردازنده‌های Arm برای دیتاسنتر
• حافظه با پهنای باند بالا
• ارتباطات پرسرعت و نوری
• زیرساخت مخصوص Agentic AI

این استراتژی به کوالکام اجازه می‌دهد به‌جای جنگ مستقیم با تمام محصولات انویدیا، بازارهای در حال رشد جدید را هدف قرار دهد.

آینده رقابت کوالکام و انویدیا چه خواهد شد؟

اگر برنامه کوالکام طبق نقشه پیش برود، سال‌های آینده می‌توانند رقابت جالبی میان این دو شرکت ایجاد کنند.

انویدیا در حال ساخت یک اکوسیستم کامل برای AI Factory است و از GPU تا CPU، شبکه و نرم‌افزار را پوشش می‌دهد.

کوالکام نیز Dragonfly را به‌عنوان یک پلتفرم کامل برای عصر Agentic AI معرفی کرده و حالا قرارداد با آمازون نشان داده است که این استراتژی فقط روی کاغذ باقی نمانده است.

کوالکام هدف بیش از ۱۵ میلیارد دلار درآمد دیتاسنتری در سال مالی ۲۰۲۹ را تعیین کرده و طبق گفته مدیران شرکت، قرارداد آمازون یکی از اجزای اصلی رسیدن به این هدف است. درآمد حاصل از همکاری با آمازون نیز قرار است از فصل منتهی به دسامبر ۲۰۲۶ آغاز شود.

بنابراین شاید سؤال درست این نباشد که «آیا کوالکام می‌تواند انویدیا را شکست دهد؟»

سؤال مهم‌تر این است که:

آیا کوالکام می‌تواند به دومین ستون بزرگ بازار زیرساخت هوش مصنوعی تبدیل شود؟

اگر پاسخ مثبت باشد، همین اتفاق برای تغییر ساختار بازار کافی است.

جمع‌بندی؛ کوالکام نمی‌خواهد انویدیا را کپی کند

کوالکام وارد یکی از رقابتی‌ترین بازارهای تاریخ صنعت تراشه شده است؛ بازاری که انویدیا در آن مزیت عظیمی دارد و شرکت‌هایی مانند AMD، گوگل، آمازون، مایکروسافت و متا نیز هرکدام بخشی از زیرساخت مورد نیاز خود را توسعه می‌دهند.

با این حال، استراتژی کوالکام منطقی به نظر می‌رسد.

این شرکت به‌جای تلاش برای شکست مستقیم انویدیا در تمام جبهه‌ها، روی Inference، بهره‌وری انرژی، تراشه‌های سفارشی، پردازنده‌های Arm و ارتباطات دیتاسنتری تمرکز کرده است.

معرفی خانواده Dragonfly، فناوری High Bandwidth Compute و شتاب‌دهنده‌های AI200 تا AI300، پایه سخت‌افزاری این استراتژی را تشکیل می‌دهند. همکاری چندنسلی با آمازون نیز نخستین نشانه بسیار جدی از ورود این برنامه به مرحله تجاری است.

البته فاصله کوالکام با انویدیا همچنان بسیار زیاد است؛ به‌خصوص در نرم‌افزار و اکوسیستم توسعه‌دهندگان. اما بازار هوش مصنوعی آن‌قدر سریع در حال گسترش است که حتی تصاحب بخشی از آن می‌تواند برای کوالکام یک تحول تاریخی باشد.

انویدیا ممکن است همچنان پادشاه بازار GPUهای هوش مصنوعی باقی بماند؛ اما کوالکام می‌خواهد کاری کند که برای ساخت یک دیتاسنتر هوش مصنوعی، دیگر تنها یک انتخاب جدی وجود نداشته باشد.