تدفق المستثمرين الأفراد إلى هذا الصندوق الجديد المخصص للذكاء الاصطناعي

تشهد منظومة أشباه الموصلات تحولًا هيكليًا في تخصيص رؤوس الأموال من قبل المستثمرين الأفراد، حيث برز صندوق المؤشرات المتداولة (ETF) لشرائح ذاكرة DRAM كأداة رئيسية للاستثمارات في بنية تحتية الذكاء الاصطناعي.

أُطلق الصندوق بواسطة Roundhill Investments في 2 أبريل، وصعد بسرعة إلى مرتبة «المفضّل» بين المستثمرين الأفراد الذين يسعون إلى تعرض موجه لسلسلة توريد شرائح الذاكرة.

بينما فضّلت دورات الاستثمار الأولى في الذكاء الاصطناعي وحدات معالجة الرسوميات (GPUs)، تشير أنشطة السوق الأخيرة إلى ضيق تركيز متزايد نحو عنق الزجاجة في الذاكرة الذي يقيد مراكز البيانات العالمية.

تدفقات DRAM تُسجل أرقامًا قياسية في 2026

وفقًا لـ Vanda Research، اندفع المتداولون الأفراد نحو DRAM بوتيرة متسارعة، مع مشتريات يومية تتجاوز 200 مليون USD (تقريبًا ‏734.7 مليون د.إ.‏) خلال الشهر الأول – وتيرة تدفُّق دولارات أسرع من المفضّلات السابقة مثل TSLL وBITO.

والأهم من ذلك، «لا توجد إشارات على تباطؤ هذا الهوس الشرائي في المدى القريب»، وفق ما كتب باحثو Vanda في أحدث تقرير لهم.

يعكس تركيز الصندوق الطبيعة الأوليغوبولية للصناعة. ثلاث حيازات الصندوق الكبرى — Samsung وSK Hynix وMicron — تمثل نحو 75% من إجمالي الأصول البالغة 6 مليار USD (تقريبًا ‏22 مليار د.إ.‏).

الحجة الأساسية الصعودية لهذه الحيازات واضحة وبسيطة: مع تسارع مزوّدي السحابة العملاقة في توسيع القدرات، برزت الذاكرة كعنق زجاجة حاسم، ما أدى إلى ارتفاع أسعار المدخلات ومخاوف من نقص طويل الأمد.

قد يدفع هذا الخلل بين العرض والطلب إلى تعزيز هوامش الربح، ويتوقع كثيرون الآن أن يتجاوز هذا المؤشر 70% هذا العام.

من بين المساهمين البارزين الآخرين في سوق DRAM شركات متخصصة في تخزين البيانات والشرائح مثل Kioxia وWestern Digital وSeagate، ما يشير إلى أن المستثمرين الأفراد ينظرون بشكل متزايد إلى ذاكرة HBM وأجهزة التخزين ذات الكثافة العالية كأدوات أساسية لعملية بناء بنية الذكاء الاصطناعي.

لماذا يختار المستثمرون الأفراد شرائح الذاكرة بدلًا من وحدات معالجة الرسوميات (GPUs)

الحماس الفردي تجاه DRAM ليس مجرد قصة زخم — بل يعكس تحولًا أعمق في البنية المعمارية لأنظمة الذكاء الاصطناعي.

يعتقد الخبراء أن الموجة التالية من الذكاء الاصطناعي تتجه نحو أحمال عمل وكيلية (agentic workloads)، حيث لا تقتصر وظيفة النماذج على إنتاج مخرجات فحسب، بل تتولى إدارة مهام متعددة الخطوات، واستدعاء أدوات خارجية، وإدارة سير عمل موزّع.

يدفع هذا التحول عنق الزجاجة في الأداء بعيدًا عن الاستدلال المرتكز على GPU ونحو طبقات تنسيق تعتمد بكثرة على المعالجات المركزية (CPUs).

كما كتب Daniel Nenni في SemiWiki في أبريل: «تحول أنظمة الذكاء الاصطناعي الوكيلة الناشئة الاستدلال إلى عملية موزعة متعددة الخطوات. هذا التحول المعماري يولد طلبًا كبيرًا على المعالجات المركزية»، مغيرًا جوهريًا طريقة تخصيص القدرة الحاسوبية داخل مراكز البيانات.

وافق على هذا الرأي محلل أول في Morgan Stanley، Shawn Kim، رافعًا توقعه لسوق المعالجات المركزية القابل للعنوان (TAM) لعام 2030 بنسبة 25% ووصف أنظمة الذكاء الاصطناعي المستقبلية بأنها هياكل هجينة — «رفوف GPU» كثيفة للحوسبة النموذجية مقترنة بـ«رفوف CPU» للتنسيق، ومعالجة البيانات، وتشغيل الأدوات.

بالنسبة للمستثمرين الأفراد، تجعل هذه البنية المتطورة الذاكرة، وبالأخص HBM والتخزين عالي الكثافة، وسيلة أكثر مباشرة للاستفادة من عنق الزجاجة في البنية التحتية الناشئ عن توسع كل من GPU وCPU، مما يضع صندوق DRAM كخيار أنظف وأكثر قابلية للتوسع في عملية بناء الذكاء الاصطناعي.