من تقرير ماري ميكر حول الذكاء الاصطناعي إلى رؤية التحولات الصناعية: قواعد جديدة لرأس المال والقدرة الحاسوبية والمنافسة

مقدمة: خريطة واقعية لازدهار الذكاء الاصطناعي

في الوقت الذي تشهد فيه صناعة الذكاء الاصطناعي احتدامًا حادًا، غالبًا ما تكون البيانات ورأس المال أكثر المقاييس موثوقية لتقييم الاتجاهات. أصدرت ماري ميكر، الشريكة في Bond VC، مؤخرًا تقريرًا من 340 صفحة بعنوان "اتجاهات الذكاء الاصطناعي" (Trends in Artificial Intelligence)، وهو أول تقرير كبير لها حول اتجاهات الصناعة منذ ست سنوات، ويعد وثيقة تحظى باهتمام بالغ من أوساط التكنولوجيا والاستثمار العالمية. وقالت ميكر لأكسيوس: "لم نشهد أبدًا نموًا في عدد المستخدمين مثل ChatGPT، خاصة مع الأخذ في الاعتبار التغيرات في الأسواق خارج الولايات المتحدة، فهو يُظهر التحول في المشهد التكنولوجي والتوزيع العالمي." وتكشف الرسوم البيانية والبيانات الواردة في التقرير عن سرعة نمو الذكاء الاصطناعي وتكاليفه وهيكله التنافسي، مما يوفر لقطة عالية الدقة نادرة لفهم هذا التحول التقني.

الخلفية القطاعية: محرك متسارع للاستثمار في البنية التحتية للذكاء الاصطناعي

يكشف التقرير أولاً عن الدعم البنيوي الكامن وراء التوسع السريع للذكاء الاصطناعي. فمن عام 2014 إلى عام 2024، نما الإنفاق الرأسمالي لعمالقة التكنولوجيا الستة — أبل، إنفيديا، مايكروسوفت، جوجل، أمازون، وميتا — بنسبة 21% سنويًا، وفي الوقت نفسه، ارتفع حجم توليد البيانات عالميًا بمعدل نمو مركب سنوي قدره 28%. في هذا العصر، لم تعد قيمة الذكاء الاصطناعي مقتصرة على طبقة الخوارزميات، بل تركزت بشكل متزايد في القدرة على الوصول إلى البيانات على نطاق واسع، وتدريب النماذج، والاستدلال السريع. وتشكل مراكز البيانات فائقة الحجم، والشبكات عالية السرعة، وأحدث الرقائق القاعدة الأساسية للصناعة الجديدة للذكاء الاصطناعي.

وفي الوقت نفسه، شهد حجم البيانات المطلوبة لتدريب النماذج أيضًا تضخمًا هائلًا. وفقًا لإحصاءات Epoch AI، تجاوز متوسط معدل النمو السنوي لحجم مجموعات بيانات تدريب نماذج الذكاء الاصطناعي 250% خلال الخمسة عشر عامًا الماضية. ويعكس هذا المؤشر أن امتلاك أثمن الأصول البياناتية وقدرات معالجة البيانات أصبح حاجزًا رئيسيًا يتنافس عليه اللاعبون في مجال الذكاء الاصطناعي.

التأثير السوقي: انهيار التكاليف وتسارع التطبيق التجاري

على جانب الطلب في السوق، فإن النتيجة الأكثر لفتًا للانتباه في التقرير هي الانخفاض الحاد في تكاليف استدلال الذكاء الاصطناعي. فمن منتجات جيل GPT-3.5 من OpenAI إلى سلسلة GPT-4o، وصولاً إلى DeepSeek-V3 الذي صدر في نهاية عام 2024، انخفض سعر الاستدلال لكل مليون توكن من نطاق يزيد على عشرة دولارات إلى أقل من دولار واحد، أي بانخفاض بلغ 99.7% خلال عامين. وصفت ميكر هذا الاتجاه بأنه "استدلال بفائدة شبه صفرية". وقد أزال الانخفاض في تكلفة الاستدلال مباشرة العديد من العوائق أمام التسويق في السيناريوهات المحتملة، مما أتاح التطبيقات التي تعتمد على الاستدعاء المتكرر عالي التردد والتوليد الفوري.

كما تؤكد مؤشرات أخرى على تعزيز قدرة الذكاء الاصطناعي على تحقيق القيمة السوقية. تُظهر البيانات أنه خلال مسار الصعود إلى إيرادات سنوية تبلغ 5 ملايين دولار، يستغرق متوسط الشركات العاملة في الذكاء الاصطناعي 24 شهرًا، في حين يستغرق متوسط شركات البرمجيات كخدمة (SaaS) 37 شهرًا. ويُعزى قدرة الذكاء الاصطناعي على تقديم قيمة الأعمال بشكل أسرع، من ناحية، إلى القفزة في أداء منتجات الذكاء الاصطناعي نفسه، ومن ناحية أخرى، إلى الطلب القوي والمُلح من الشركات على التحول الذكي.

المشهد التنافسي: تفوق النماذج مغلقة المصدر وثنائية القطب بين الصين والولايات المتحدةعلى مستوى النظام البيئي للنماذج، تُوسّع النماذج مغلقة المصدر الفجوة في القدرات الحاسوبية مع معسكر المصادر المفتوحة. ويُظهر التقرير وجود فارق زمني يبلغ نحو 17 شهرًا بين النماذج مغلقة المصدر ومفتوحة المصدر من حيث كثافة الحوسبة التدريبية، حيث تنمو القدرة الحاسوبية للنماذج مغلقة المصدر بمعدل 5.2 ضعف سنويًا، مقابل 3.6 ضعف للنماذج مفتوحة المصدر. وهذا يعني أن مجموعات النماذج الأكثر تقدمًا تتركز بشكل متزايد في أيدي عدد قليل من اللاعبين الكبار القادرين على تحمل تكاليف حوسبة عالية للغاية. ورغم أن مجتمع المصادر المفتوحة ظل دائمًا يدعو إلى مسار تقني عادل ومفتوح، فإن التحيز في توزيع الموارد قد يؤدي إلى تركيز تدريجي للنفوذ داخل النظام البيئي.

من الناحية الجغرافية، تتركز أنظمة الذكاء الاصطناعي الكبيرة بشكل كبير في الولايات المتحدة والصين. تمتلك الولايات المتحدة ما يقرب من 150 نموذجًا كبيرًا ونظام ذكاء اصطناعي، بينما تجاوز هذا الرقم في الصين 100، مما يضع الدولتين في مقدمة واضحة عن المملكة المتحدة وفرنسا وكندا وألمانيا وغيرها. إن النموذج الثنائي القوي بين الولايات المتحدة والصين في حجم البيانات والقدرات الهندسية وكثافة الاستثمار يعمل على تحديد سلسلة صناعة الذكاء الاصطناعي العالمية. سيؤثر هذا المشهد على القدرة التقنية المستقلة للدول الأخرى، وقواعد عبور البيانات عبر الحدود، واستراتيجيات الأمن، مما يزيد من حدة النقاش حول «السيادة في الذكاء الاصطناعي».

إرشادات للشركات: تمييز الأفعال الحقيقية وسط الضجيج

بالنسبة للشركات التي تضع استراتيجياتها في الذكاء الاصطناعي، فإن الدروس المستفادة من هذا التقرير واضحة وعملية.

أولًا: الانخفاض في تكلفة الاستدلال يعني أن الشركات ينبغي أن تعيد تقييم حالات استخدام الذكاء الاصطناعي التي لم تكن تحقق عائد استثمار (ROI) في السابق، مثل خدمة العملاء الفورية، والتوصية المخصصة، والمساعدة البرمجية. والآن، التكلفة الحدية لقدرات الذكاء الاصطناعي تدخل نطاق القدرة على التحمل على نطاق واسع.

ثانيًا: سباق الإنفاق الرأسمالي لعمالقة التكنولوجيا يُظهر أن الذكاء الاصطناعي يعتمد على قدرة حاسوبية مادية وشبكات طاقة. عند اختيار مزودي الخدمات السحابية ومنصات النماذج، يجب على الشركات تقييم التوافق طويل الأجل لتوريد القدرة الحاسوبية ومخاطر الاحتجاز المحتملة.

ثالثًا: الفجوة بين النماذج مغلقة المصدر ومفتوحة المصدر تفرض على الشركات بناء استراتيجية «المسارين»: بالنسبة للأعمال الأساسية والبيئات ذات متطلبات الامتثال العالية، يمكن اختيار نماذج مغلقة المصدر عالية الجودة؛ أما في السيناريوهات التي تتطلب أمانًا عاليًا للبيانات أو تخصيصًا عميقًا، فإن البدائل مفتوحة المصدر - رغم تأخر قدراتها - توفر إمكانية التحكم والشفافية.

رابعًا: استهلاك الطاقة للذكاء الاصطناعي أصبح متغيرًا خارجيًا حاسمًا. ينبغي على الشركات أن تخطط بالتزامن لحلول الطاقة الخضراء عند نشر تطبيقات الذكاء الاصطناعي، لتجنب تأثير مشكلات استهلاك الطاقة والانبعاثات الكربونية على الامتثال.

التطلع إلى المستقبل: اتجاهات التطور من 12 شهرًا إلى ثلاث سنوات

في الاثني عشر شهرًا القادمة، ستستمر تكلفة الاستدلال على الأرجح في الانخفاض، مما سيدفع المزيد من الشركات الصغيرة والمتوسطة للانضمام إلى ابتكار تطبيقات الذكاء الاصطناعي، وستصبح الخدمات القائمة على الوكلاء (Agent) الحدود التطبيقية الساخنة القادمة. وفي الوقت نفسه، ستواصل شركات النماذج الكبيرة ربط أنظمتها البيئية عبر واجهات برمجة التطبيقات (API) والخدمات السحابية، بينما سيصبح توريد الرقائق وإمدادات الكهرباء عنق زجاجة جديدًا يقيد نمو القطاع.

على مدى 24 شهرًا قادمة، قد تظل الفجوة في الأداء بين النماذج مفتوحة المصدر ومغلقة المصدر قائمة بل وربما تتسع، لكن إذا تحققت اختراقات جديدة في كفاءة الأجهزة وتقنيات التدريب، فقد يتمكن معسكر المصادر المفتوحة من تقصير دورة اللحاق. كما أن مكانة الصين والولايات المتحدة «الثنائية» من حيث عدد أنظمة الذكاء الاصطناعي ستترسخ، مما يدفع الترتيب الصناعي في الدول والمناطق المجاورة ليقترب أكثر من المزايا التقنية.مع مدّ الأفق إلى 3 سنوات، قد تنتقل صناعة الذكاء الاصطناعي من «سباق تسلّح النماذج» الراهن إلى «المنافسة على الخدمات والنظام البيئي». وسترتفع عتبة الاستثمار الرأسمالي أكثر، ولن يكون اللاعبون القادرون على تسيير الأنظمة المعقدة التي تجمع بين الخوارزميات والبيانات والقدرة الحاسوبية والطاقة في آنٍ واحد سوى أقلية ضئيلة. والأهم من ذلك، ما إذا كان الذكاء الاصطناعي قادرًا، مثل الإنترنت وتقنيات الهاتف المحمول، على تقديم إسهام مستمر ومرئي في إنتاجية جميع القطاعات؛ فهذا هو المعيار النهائي لاختبار قيمة الصناعة.

المصادر المرجعية

يستند محتوى هذا المقال إلى تحليل التقرير الذي نشرته Mary Meeker وBond VC، والمقال الأصلي: 10 Charts That Define the AI Boom, According to Mary Meeker. جميع الحقائق والبيانات الواردة في المقال مقتبسة من هذا التقرير.