مایکروسافت در حال پایان‌دادن به توافق خود با اوراکل برای اجاره ظرفیت پردازشی موردنیاز هوش مصنوعی است. بر اساس گزارشی از بلومبرگ، این شرکت پس از تمدیدنکردن قرارداد، طی ماه‌های اخیر استفاده از بخشی از ظرفیت اجاره‌ای اوراکل را متوقف کرده است. دلیل این تصمیم، قدیمی‌تر بودن نسل پردازنده‌های گرافیکی انویدیا در زیرساخت اوراکل و تطابق‌نداشتن آن‌ها با نیازهای در حال تغییر مایکروسافت عنوان شده است.
این اتفاق در شرایطی رخ می‌دهد که شرکت‌های بزرگ فناوری برای توسعه سرویس‌های هوش مصنوعی، میلیاردها دلار در زیرساخت‌های پردازشی سرمایه‌گذاری می‌کنند و هم‌زمان به دنبال افزایش بهره‌وری و کنترل هزینه‌های اجاره GPU هستند.
چرا مایکروسافت اجاره ظرفیت پردازشی از اوراکل را متوقف کرد؟
بر اساس گزارش بلومبرگ در ۶ نوامبر ۲۰۲۶، مایکروسافت تصمیم گرفته قرارداد اجاره ظرفیت پردازشی خود از Oracle Cloud Infrastructure را تمدید نکند. این شرکت در ماه‌های اخیر به‌تدریج استفاده از ظرفیت اجاره‌ای اوراکل را کاهش داده و بخشی از آن را خاموش کرده است.
افراد مطلع از این موضوع گفته‌اند سخت‌افزارهای مورد استفاده در این قرارداد به نسل‌های قدیمی‌تر GPUهای انویدیا مجهز بوده‌اند و با گذشت زمان، دیگر پاسخگوی مشخصات و نیازهای پردازشی مایکروسافت نبوده‌اند.
توافق اولیه دو شرکت در سال ۲۰۲۳ اعلام شده بود. بر اساس آن، مایکروسافت قرار بود از زیرساخت ابری اوراکل برای اجرای قابلیت‌های مبتنی بر هوش مصنوعی در موتور جست‌وجوی Bing استفاده کند. ارزش مالی دقیق این قرارداد به‌صورت عمومی اعلام نشده است.
واکنش اوراکل؛ تقاضا برای GPUهای نسل قدیمی همچنان بالاست
پس از انتشار این گزارش، سخنگوی اوراکل اعلام کرد تقاضا برای زیرساخت هوش مصنوعی Oracle Cloud همچنان قوی است و این موضوع به GPUهای نسل‌های قبلی نیز مربوط می‌شود.
اوراکل همچنین پیش‌تر اعلام کرده بود که در سپتامبر ۲۰۲۶ قراردادهای اجاره برخی GPUهای چهار ساله را با قیمتی حدود ۲۰ درصد بالاتر از نرخ اولیه تمدید کرده است.
این موضع نشان می‌دهد که پایان همکاری با مایکروسافت لزوماً به معنای بی‌ارزش‌شدن GPUهای قدیمی یا کاهش تقاضای عمومی برای آن‌ها نیست. ارزش اقتصادی هر نسل سخت‌افزار به نوع بار کاری، هزینه اجاره، میزان بهره‌وری و نیاز مشتریان بستگی دارد.
مایکروسافت نیز تا زمان انتشار گزارش بلومبرگ، توضیح رسمی درباره این تصمیم ارائه نکرده بود.
بازنگری مایکروسافت در قراردادهای میلیارد دلاری زیرساخت هوش مصنوعی
پایان همکاری با اوراکل بخشی از بازنگری گسترده‌تر مایکروسافت در نحوه تأمین ظرفیت پردازشی موردنیاز خود محسوب می‌شود. این شرکت برای پاسخ‌گویی به تقاضای فزاینده خدمات هوش مصنوعی، علاوه بر توسعه دیتاسنترهای اختصاصی، از ظرفیت شرکت‌های ارائه‌دهنده خدمات ابری و زیرساخت GPU نیز استفاده کرده است.
بلومبرگ پیش‌تر گزارش داده بود که مایکروسافت بیش از ۸۰ میلیارد دلار تعهد برای اجاره ظرفیت از شرکت‌های ابری دیگر، از جمله CoreWeave، Nscale و Nebius، ایجاد کرده است.
بااین‌حال، هزینه‌های بالا و تأخیر در آماده‌سازی برخی دیتاسنترها باعث شده مایکروسافت نظارت بیشتری بر پروژه‌های تأمین‌کنندگان خود داشته باشد و درباره برخی قراردادها و همکاری‌های جدید با دقت بیشتری تصمیم‌گیری کند.
نمونه دیگر این چالش‌ها، تأخیر در تحویل بخشی از زیرساخت‌های شرکت IREN است. این شرکت اعلام کرده بود درخواست مایکروسافت برای تغییرات در طراحی شبکه، زمان‌بندی آماده‌سازی ظرفیت پردازشی را به تعویق انداخته است.
پایان همکاری مایکروسافت و اوراکل چه پیامی برای بازار GPU دارد؟
این اتفاق یکی از چالش‌های مهم بازار زیرساخت هوش مصنوعی را برجسته می‌کند: عمر اقتصادی GPUها الزاماً با عمر فیزیکی آن‌ها یکسان نیست.
یک پردازنده گرافیکی ممکن است همچنان از نظر فنی سالم و قابل استفاده باشد، اما با افزایش نیاز مدل‌های هوش مصنوعی به حافظه، پهنای باند و توان محاسباتی، جذابیت اقتصادی آن برای برخی مشتریان کاهش پیدا کند.
برای شرکت‌های فعال در حوزه دیتاسنتر و اجاره GPU، این موضوع اهمیت چندانی دارد:
- مدیریت چرخه عمر سخت‌افزار: انتخاب GPU باید با توجه به طول عمر اقتصادی و نیاز مشتریان انجام شود.
- انعطاف‌پذیری در ارائه خدمات: زیرساخت باید بتواند متناسب با نسل‌های جدید مدل‌های هوش مصنوعی و نیازهای پردازشی به‌روزرسانی شود.
- کنترل هزینه و بهره‌وری: صرفاً داشتن GPU بیشتر به معنای رقابت‌پذیری بالاتر نیست؛ هزینه تأمین، مصرف انرژی و عملکرد واقعی سخت‌افزار نیز اهمیت دارند.
- تنوع مشتریان: GPUهای قدیمی‌تر ممکن است برای برخی بارهای کاری همچنان اقتصادی باشند، حتی اگر برای پروژه‌های بزرگ و جدید هوش مصنوعی مناسب نباشند.
در مجموع، تصمیم مایکروسافت نشان می‌دهد بازار اجاره GPU وارد مرحله‌ای شده که در آن فقط دسترسی به ظرفیت پردازشی اهمیت ندارد؛ بلکه نسل سخت‌افزار، بهره‌وری و تطابق آن با نیازهای مشتری نیز به عوامل تعیین‌کننده تبدیل شده‌اند. برای ارائه‌دهندگان زیرساخت GPU، مدیریت هوشمندانه ترکیب سخت‌افزاری و برنامه‌ریزی برای نوسازی تجهیزات می‌تواند نقش مهمی در حفظ مشتریان و رقابت در بازار هوش مصنوعی داشته باشد.
