گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت

۱۷ مهر ۱۴۰۵

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت

گلوبال‌فاندریز با تی‌اس‌ام‌سی برای تولید قطعات بسته‌بندی تراشه‌های هوش مصنوعی در نیویورک توافق کرد؛ اما این خبر به معنای آماده‌شدن ظرفیت تازه در همین امروز نیست. هم‌زمان، درآمد ماهانهٔ تی‌اس‌ام‌سی و برآورد سود فصلی سامسونگ تصویری از کسب‌وکار فعلی تراشه‌سازان می‌دهند. در سوی مصرف نیز انویدیا و وزارت انرژی آمریکا برنامه‌های تازه‌ای برای پژوهش با هوش مصنوعی اعلام کرده‌اند. گزارش امروز تفاوت این اسناد را توضیح می‌دهد: قرارداد تولید با درآمد ثبت‌شده یکی نیست، سود تلفیقی سهم هوش مصنوعی را نشان نمی‌دهد و بودجهٔ پژوهش هم هنوز نتیجهٔ علمی نیست. برای فهم اثر واقعی این خبرها باید زمان تحویل، نوع هزینه و خروجی قابل سنجش هر برنامه را جدا دنبال کرد.


تحلیل ژرف

گلوبال‌فاندریز در ۸ اکتبر از توافق دو میلیارد دلاری با تی‌اس‌ام‌سی خبر داد: تولید واسط‌های سیلیکونی برای بسته‌بندی پیشرفتهٔ CoWoS در مالتای نیویورک، با دورهٔ اولیهٔ پنج‌ساله. آغاز افزایش تولید انبوه برای نیمهٔ نخست ۲۰۲۸ پیش‌بینی شده است. نکتهٔ اصلی برای خواننده، فاصلهٔ امضای قرارداد تا دسترسی به محصول است. تأمین‌کننده‌ای تازه می‌تواند وابستگی زنجیرهٔ تولید را کمتر کند، اما تنها پس از راه‌اندازی و تحویل محصول. ژرف این خبر را گامی در ساخت ظرفیت آینده می‌داند، نه شاهد برطرف‌شدن کمبود فعلی یا افت فوری قیمت تجهیزات هوش مصنوعی.

«بسته‌بندی» در اینجا جعبهٔ حمل تراشه نیست. در یک مجموعهٔ محاسباتی، قطعات باید به شکل قابل اعتماد کنار هم قرار بگیرند و ارتباط برقرار کنند؛ واسط سیلیکونی یکی از اجزای این اتصال است، نه خود پردازندهٔ کامل. توافق، اجزای خازنیِ شیار عمیقِ تعبیه‌شده را نیز در بر می‌گیرد. برای تصور تفاوت، آماده‌شدن یک قطعهٔ اتصال ضروری را با تحویل کل دستگاه مقایسه کنید: اولی برای دومی لازم است، اما جای آن را نمی‌گیرد. به همین دلیل، ظرفیت ساخت یک جزء را نباید بی‌واسطه به تعداد شتاب‌دهنده‌های آمادهٔ نصب در مرکز داده تبدیل کرد؛ سایر اجزا و مراحل تولید نیز باید با آن هماهنگ باشند.

از نظر مالی هم باید برچسب هر عدد را حفظ کرد. ارزش قرارداد، هزینهٔ ساخت کارخانه، پول پرداخت‌شده و درآمد شناسایی‌شده چهار مفهوم متفاوت‌اند. نمی‌توان رقم اعلامی را بر طول قرارداد تقسیم کرد و حاصل را درآمد قطعیِ سالانه یا سود شرکت نامید. چنین محاسبه‌ای به زمان تحویل، مقدار سفارش، قیمت خدمات و شیوهٔ ثبت درآمد نیاز دارد؛ اطلاعیه این جزئیات را ارائه نمی‌کند. همین احتیاط دربارهٔ ظرفیت فیزیکی لازم است: بدون تعداد ویفر یا محصول پذیرفته‌شده، اندازهٔ دقیق عرضهٔ اضافه معلوم نیست. پرسش مفید برای گزارش بعدی، پیشرفت راه‌اندازی و تعهدات تحویل است، نه ساختن یک پیش‌بینی مالی از یک عدد تیتر.

تی‌اس‌ام‌سی در گزارش ۸ اکتبر، درآمد سپتامبر را حدود ۵۱۱٫۸۶ میلیارد دلار تایوان اعلام کرد؛ ۰٫۶ درصد کمتر از اوت و ۵۴٫۶ درصد بیشتر از سپتامبر پارسال. درآمد نه‌ماهه نیز به ۳٬۸۹۸٫۷۳ میلیارد دلار تایوان رسید، با رشد ۴۱٫۱ درصدی. این ارقام از مقیاس فعالیت فعلی شرکت خبر می‌دهند، نه سهم اختصاصی هوش مصنوعی. کاهش ماهانه در کنار رشد سالانه تناقضی ندارد، چون مبنای مقایسه متفاوت است. برای سنجش شتاب کسب‌وکار باید هر دو را دید؛ یک ماه اندکی ضعیف‌تر، به‌تنهایی نه پایان رونق را ثابت می‌کند و نه رشد بالای سالانه تداوم همان آهنگ را تضمین می‌کند.

سامسونگ هم در ۸ اکتبر، برای سه‌ماههٔ سوم فروش تلفیقیِ حدود ۱۹۵ تریلیون وون و سود عملیاتیِ حدود ۱۰۷٫۴ تریلیون وون برآورد کرد. این اعداد طبق استانداردهای حسابداری کره‌اند و پیش از پایان حسابرسی بیرونی منتشر شده‌اند: نقطهٔ میانیِ دامنهٔ ۱۹۴ تا ۱۹۶ تریلیون وون برای فروش و ۱۰۷٫۳ تا ۱۰۷٫۵ برای سود عملیاتی. سود عملیاتی با سود خالص یا جریان نقد یکی نیست. این اطلاعیهٔ کوتاه نیز سهم حافظه، سایر تراشه‌ها یا محصولات مصرفی را تفکیک نمی‌کند؛ نسبت‌دادن تمام سود به هوش مصنوعی، ادعایی فراتر از سند است. برای این تفکیک باید گزارش تفصیلی شرکت را انتظار کشید.

از کنار هم گذاشتن این دو گزارش نمی‌توان قیمت تراشه را استخراج کرد. درآمد شرکت از ترکیب مقدار فروش، قیمت و نوع محصول اثر می‌گیرد؛ سود نیز به هزینه‌ها وابسته است. برای نمونه، افزایش سهم محصول گران‌تر می‌تواند درآمد را بالا ببرد، بی‌آنکه تعداد همهٔ محصولات به همان نسبت رشد کند. این یک توضیح حسابداریِ ممکن است، نه تشخیص ژرف دربارهٔ علت ارقام این دو شرکت. در نتیجه، خریدار زیرساخت برای برآورد هزینهٔ پروژهٔ خود هنوز به پیشنهاد قیمت و موعد تحویل مشخص نیاز دارد. رقم کل فروش یا سود یک تأمین‌کننده جای شرایط واقعی خرید او را نمی‌گیرد.

در سوی پژوهش، انویدیا همان روز تعهداتی به ارزش یک میلیارد دلار برای پنج سال آینده اعلام کرد؛ با حمایت از مؤسسات آموزش عالی، توسعهٔ رایانش کوانتومی و ارائه‌دهندگان ابرِ پشتیبان مأموریت‌های دولت آمریکا. این برنامه در رویدادی در واشینگتن و هم‌زمان با گسترش مأموریت جنسیس معرفی شد. مبلغ تعهد، به‌خودی‌خود حجم تجهیزات تحویل‌شده یا پول نقد خرج‌شده در روز اعلام نیست؛ ترکیب و برنامهٔ تفصیلی تحویل در متن نیامده است. همچنین سند، خرید ظرفیت موضوع توافق گلوبال‌فاندریز را اثبات نمی‌کند. این دو خبر را می‌توان از نظر ساخت و مصرف زیرساخت کنار هم خواند، نه به‌عنوان دو طرف یک معاملهٔ اعلام‌نشده.

وزارت انرژی آمریکا یک سند مشخص‌تر دربارهٔ مقصد پژوهش‌ها منتشر کرد: ۱۵۹ میلیون دلار برای ۱۲ پروژهٔ تازهٔ مرحلهٔ دوم جنسیس. از جمله، شرکت Commonwealth Fusion Systems قرار است همتای دیجیتال دستگاه همجوشی SPARC را برای شبیه‌سازی و بهینه‌سازی عملیات بسازد؛ پروژهٔ AXESS به رهبری فرمی‌لب نیز طراحی تراشه برای محیط‌های سخت را دنبال می‌کند. این‌ها هدف و موضوع پروژه‌های برگزیده‌اند، نه نتیجهٔ اثبات‌شدهٔ پژوهش. نام‌بردن از همجوشی در این سند به معنای تحویل برق تجاری تازه نیست، همان‌طور که بودجهٔ طراحی تراشه به معنای آماده‌شدن همان تراشه برای تولید انبوه نیست.

این مثال‌ها نشان می‌دهند ارزیابی هوش مصنوعی علمی باید فراتر از روان‌بودن پاسخ یک مدل باشد. در شبیه‌سازی دستگاه، پرسش این است که پیش‌بینی تا چه حد با رفتار اندازه‌گیری‌شده سازگار است؛ در طراحی قطعه، باید دید پیشنهاد مدل زیر محدودیت‌های واقعی کار می‌کند یا نه. آزمون ناموفق هم می‌تواند اطلاعات مفید بدهد، اما نباید آن را موفقیت تجاری نامید. برداشت ژرف این است که ارزش برنامه زمانی روشن‌تر می‌شود که معیار پذیرش، دادهٔ آزمون و هزینهٔ رسیدن به نتیجه منتشر شود. فعلاً بودجه نشان می‌دهد کاری برای انجام‌دادن انتخاب شده است، نه اینکه تمام ادعاهای آن کار تأیید شده‌اند.

جمع‌کردن بودجهٔ وزارت انرژی با تعهد انویدیا هم تصویر دقیقی از هزینهٔ تازه نمی‌سازد. دو سند دامنه و بازهٔ زمانی متفاوت دارند و یکی از همکاری‌های انویدیا در برخی پروژه‌های جنسیس سخن می‌گوید؛ از این متن‌ها نمی‌توان یک مجموعِ بدون هم‌پوشانی استخراج کرد. در مقایسهٔ سایر ارقام این گزارش نیز باید ارز و دوره را حفظ کرد: دلار آمریکا در قراردادها و برنامه‌ها، دلار تایوان در درآمد ماهانه، و وون در برآورد فصلی. جمع جبری آن‌ها نه اندازهٔ بازار است و نه میزان تقاضای قطعی برای پردازش. برای پیگیری خرج واقعی باید قراردادها، پرداخت‌ها و گزارش عملکرد هر برنامه را جدا خواند.

در ماه‌های پیش رو، سه نشانه ارزش پیگیری دارد: پیشرفت ظرفیت جدید تا تولید قابل تحویل؛ جزئیات درآمد و سود تراشه‌سازان؛ و خروجی قابل آزمونِ پژوهش‌های تأمین مالی‌شده. ممکن است سفارش‌ها زودتر از عرضه رشد کنند؛ ممکن است بهره‌وری بهتر، برای یک کار معین به سخت‌افزار کمتری نیاز داشته باشد. هیچ‌کدام از این مسیرها از خبر امروز به‌تنهایی قطعی نمی‌شود. نتیجهٔ ژرف محدود و عملی است: توافق تأمین را با موجودی آماده، گزارش مالی را با سهم هوش مصنوعی و بودجهٔ پژوهش را با دستاورد نهایی اشتباه نگیریم. تاریخ تحویل و نتیجهٔ اندازه‌گیری‌شده‌اند که فاصلهٔ این مراحل را پر می‌کنند.

عکس جلد: گلوبال‌فاندریز، از کتابخانهٔ تصویری مؤسسهٔ ملی استاندارد و فناوری آمریکا (NIST)، با مجوز استفادهٔ تحریریه‌ای و ذکر منبع. تصویر، ساخت ویفر در تأسیسات موجودِ مالتای نیویورک را نشان می‌دهد، نه خط آیندهٔ موضوع این قرارداد؛ برای قالب جلد برش خورده است.


منابع و اسناد

  1. 01GlobalFoundries reaches agreement to establish U.S.-based supply of silicon interposers for advanced AI packagingGlobalFoundries · ۱۶ مهر ۱۴۰۵
  2. 02TSMC September 2026 Revenue ReportTSMC · ۱۶ مهر ۱۴۰۵
  3. 033Q 2026 Pre-Earnings GuidanceSamsung Electronics · ۱۶ مهر ۱۴۰۵
  4. 04NVIDIA Commits $1 Billion to Advance US Science Over the Next Five YearsNVIDIA · ۱۶ مهر ۱۴۰۵
  5. 05Energy Department Announces New Genesis Mission Awards to Advance Super Intelligence for ScienceUS Department of Energy · ۱۶ مهر ۱۴۰۵

برچسب‌ها

زیرساخت هوش مصنوعیگلوبال‌فاندریزبسته‌بندی پیشرفتهسود تراشه‌سازانبودجهٔ پژوهشمأموریت جنسیس

اخبار مرتبط

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست
۲۳ مهر ۱۴۰۵•منبع: ASML

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست

ای‌اس‌ام‌ال می‌گوید برنامهٔ فعلی تولیدش برای پاسخ به تقاضای مشتریان در ۲۰۲۷ و ۲۰۲۸ کافی نیست؛ حتی با سود قابل توجهی که امروز گزارش می‌کند. ابزارهای تازهٔ انویدیا ممکن است محاسبات مهندسی را کوتاه‌تر کنند، اما سرعت بیشتر یک محاسبه به‌خودی‌خود تولید کارخانه را بالا نمی‌برد. نظرسنجی فعالان نیمه‌رسانا از مشکل نیروی ماهر خبر می‌دهد و تورم آمریکا نیز موضوعی جداگانه برای فرض‌های تأمین مالی است. این شماره تفاوت ظرفیت دستگاه، سود گزارش‌شده، زمان محاسبه و قیمت مصرف‌کننده را روشن می‌کند. آنچه باید در ادامه دید، تعهد مشخص‌تر تولید و نتیجهٔ آزمون در کار واقعی است، نه فرض رفع کمبود با نرم‌افزار.

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت
۱۶ مهر ۱۴۰۵•منبع: Applied Digital

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت

اپلاید دیجیتال در تازه‌ترین گزارش مالی خود، ۱۸۳٫۵ میلیون دلار درآمد تجهیز فضای مشتریان را در برابر ۶۵٫۸ میلیون دلار اجارهٔ پایه ثبت کرد. این تفاوت نشان می‌دهد چرا رشد درآمد مراکز هوش مصنوعی را نمی‌توان یکسره رشد اجارهٔ تکرارشونده دانست. زیان حسابداری بزرگ، زیان تعدیل‌شدهٔ کوچک‌تر و جریان نقد مثبتِ عملیات نیز هرکدام مبنای متفاوتی دارند. گزارش امروز این حساب‌ها را باز می‌کند و سپس با اتکا به صورت‌جلسهٔ تازهٔ فدرال رزرو، تغییر چت‌جی‌پی‌تی و قیمت‌های هایکو ۵٫۵، پرسش بعدی را مطرح می‌کند: درآمد ساخت زیرساخت چگونه به درآمد پایدار استفاده از آن تبدیل می‌شود؟ پاسخ هنوز به تحویل پروژه، هزینهٔ تأمین مالی و مصرف واقعی وابسته است.

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست
۱۵ مهر ۱۴۰۵•منبع: Constellation Energy

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست

گوگل با تعهد خرید بلندمدت برق، پشت افزایش ظرفیت نیروگاه‌های موجود کانستلیشن ایستاده است؛ برق تازه هنوز تولید نشده است. تفاوت میان خرید برق موجود و ساخت ظرفیت اضافه، مهم‌ترین نکتهٔ این قرارداد برای خوانندهٔ خبرهای مراکز داده است. گزارش امروز توضیح می‌دهد این تعهد چه کمکی به سرمایه‌گذاری می‌کند و چه چیزهایی، از زمان تحویل تا بازده اقتصادی، هنوز روشن نیست. نتایج مالی پنگوئن، پژوهش تازهٔ اوپن‌ای‌آی دربارهٔ کار با نرم‌افزار و تغییر دسترسی امنیتی آنتروپیک نیز حدود شواهد موجود را نشان می‌دهند. جمع‌بندی ژرف این است که تعهد خرید، پیشرفت مدل و درآمد ثبت‌شده را باید جدا سنجید؛ هیچ‌کدام جای برق قابل تحویل و کار واقعاً انجام‌شده را نمی‌گیرد.

ژرف این تحلیل را به‌طور مستقل و بر پایه منابع اصلی نوشته است. برای جزئیات و زمینه کامل، پیوندهای بالا را ببینید.

می‌خواهید هوش مصنوعی را وارد کار روزمره سازمانتان کنید؟

با ما تماس بگیرید و بگویید کدام کار بیشترین وقتتان را می‌گیرد.

تماس با ما