افزایش تقاضا برای سرورهای بهینه‌شده برای هوش مصنوعی؛ فرصتی بزرگ برای Dell و HPE

مقدمه

بازار جهانی فناوری در سال‌های اخیر شاهد یک تحول بنیادین بوده است: انفجار تقاضا برای زیرساخت‌های هوش مصنوعی. رشد سریع مدل‌های زبانی بزرگ (LLM) و هوش مصنوعی مولد باعث شده شرکت‌ها و سازمان‌ها بیش از هر زمان دیگری به سرورهای قدرتمند، بهینه‌سازی‌شده و مقیاس‌پذیر نیاز پیدا کنند. در این میان، شرکت‌های بزرگی مثل Dell و HPE (Hewlett Packard Enterprise) توانسته‌اند از این موج به نفع خود بهره‌برداری کنند.

گزارش‌های مالی اخیر این دو غول فناوری نشان می‌دهد که درآمد آن‌ها در بخش سرورها و زیرساخت‌های مبتنی بر AI رشد چشم‌گیری داشته و پیش‌بینی می‌شود این روند ادامه‌دار باشد.

رشد فروش سرورهای AI در Dell و HPE

عملکرد Dell

• شرکت Dell در گزارش سه‌ماهه دوم سال مالی ۲۰۲۶ اعلام کرد که ارزش ارسال سرورهای AI این شرکت به ۸٫۲ میلیارد دلار رسیده است؛ رقمی که حتی از کل فروش سال گذشته‌اش در این بخش بیشتر است.

• بخش زیرساخت Dell (Infrastructure Solutions Group) رشد ۴۴ درصدی را تجربه کرده که عمدتاً ناشی از تقاضای بالای سرورهای مرتبط با هوش مصنوعی بوده است.

• تحلیلگران پیش‌بینی می‌کنند Dell در سال مالی ۲۰۲۶ بیش از ۲۰ میلیارد دلار درآمد از فروش سرورهای AI داشته باشد.

عملکرد HPE

• HPE در سه‌ماهه دوم سال مالی ۲۰۲۵ درآمد کلی ۷٫۶ میلیارد دلار گزارش کرده که رشد ۶٪ نسبت به سال گذشته را نشان می‌دهد.

• بخش سرورهای این شرکت با فروش ۴٫۱ میلیارد دلاری رشد ۵٫۶٪ را تجربه کرده است.

• درآمد مستقیم از قراردادهای AI در این دوره حدود ۱ میلیارد دلار بوده است.

• بکلاگ (صف قراردادهای معوق) سیستم‌های AI در HPE به بیش از ۳٫۲ میلیارد دلار رسیده که نشانه افزایش مداوم تقاضاست.

دلایل افزایش تقاضا برای سرورهای AI

۱. رشد سریع مدل‌های هوش مصنوعی مولد

• شرکت‌ها برای آموزش و اجرای مدل‌های بزرگ نیازمند سرورهای قدرتمند با GPUهای پیشرفته هستند.

2. تمرکز بر مراکز داده اختصاصی و هیبریدی

   • بسیاری از سازمان‌ها نمی‌خواهند صرفاً به سرویس‌های ابری وابسته باشند، بنابراین به سرورهای داخلی و هیبریدی روی آورده‌اند.

3. رقابت میان غول‌های فناوری

   • شرکت‌هایی مثل OpenAI، Google و Meta تقاضای عظیمی برای GPU و سرورهای AI ایجاد کرده‌اند که به نفع تأمین‌کنندگان سخت‌افزار است.

4. نیاز صنایع مختلف

   • حوزه‌هایی مثل سلامت، مالی، خودرو و آموزش هم به سمت پردازش‌های AI رفته‌اند و همین بازار را گسترده‌تر کرده است.

چالش‌ها و ریسک‌ها

با وجود رشد تقاضا، موانع و مشکلاتی هم وجود دارد:

• فشار بر حاشیه سود: HPE گزارش داده که حاشیه عملیاتی بخش سرورهایش از ۱۱٪ به حدود ۵٫۹٪ کاهش یافته است. دلیل اصلی، هزینه بالای GPU و سایر قطعات تخصصی است.

• کمبود قطعات و زنجیره تأمین: افزایش تقاضا برای GPU باعث کمبود جهانی شده و می‌تواند سرعت تحویل سرورها را کاهش دهد.

• مصرف انرژی بالا: سرورهای AI نیازمند توان پردازشی و انرژی زیادی هستند که هزینه‌های خنک‌سازی و زیرساختی را بالا می‌برد.

• رقابت شدید: علاوه بر Dell و HPE، شرکت‌های دیگر و ارائه‌دهندگان خدمات ابری هم سهم بزرگی از بازار را هدف گرفته‌اند.

تحلیل آینده و پیش‌بینی بازار

با توجه به داده‌ها و روند فعلی:

• بازار سرورهای AI در حال ورود به یک فاز رشد انفجاری است.

• Dell و HPE به دلیل سابقه قوی در تولید سرور و همکاری‌های استراتژیک با Nvidia و AMD، موقعیت خوبی در این رقابت دارند.

• در میان‌مدت (۲ تا ۳ سال آینده) سرمایه‌گذاری سازمان‌ها در زیرساخت‌های AI افزایش خواهد یافت.

• در بلندمدت، رقابت شدید و فشار بر حاشیه سود ممکن است رشد سودآوری را کندتر کند، اما تقاضا برای سرورهای AI همچنان صعودی خواهد بود.

نتیجه‌گیری

رشد سریع تقاضا برای سرورهای هوش مصنوعی، شرکت‌هایی مثل Dell و HPE را در مرکز توجه سرمایه‌گذاران و بازار قرار داده است.

• از یک سو، این شرکت‌ها با ثبت رکوردهای درآمدی، نشان داده‌اند که از این موج فناوری بهره‌برداری می‌کنند.

• از سوی دیگر، چالش‌هایی مثل فشار هزینه، کمبود GPU و مصرف انرژی بالا می‌تواند بخشی از سودآوری آن‌ها را تحت تأثیر قرار دهد.

به طور کلی، سرورهای AI در حال تبدیل شدن به قلب تپنده زیرساخت‌های فناوری آینده هستند و شرکت‌هایی که بتوانند بهترین ترکیب از قدرت پردازشی، هزینه بهینه و پایداری را ارائه دهند، برندگان اصلی این بازار خواهند بود.

در این میان، سرورهای HPE با معماری قدرتمند، پشتیبانی از پردازنده‌های نسل جدید و امکان استفاده از شتاب‌دهنده‌های هوش مصنوعی، انتخابی مطمئن برای سازمان‌هایی است که به دنبال سرمایه‌گذاری بلندمدت هستند. از این رو، خرید سرور اچ پی نه تنها یک تصمیم سخت‌افزاری، بلکه یک استراتژی کلیدی برای افزایش بهره‌وری، کاهش هزینه‌ها و آماده‌سازی زیرساخت برای پروژه‌های هوش مصنوعی و کلان‌داده محسوب می‌شود.