بعد عام من إعادة تنظيم Meta للذكاء الاصطناعي: طموح الذكاء الفائق في ظل المزايا الثلاثية للبيانات والمواهب والحوسبة

خلفية الصناعة: عام إعادة بناء الذكاء الاصطناعي لـ Meta

في منتصف عام 2025، كان إطلاق Llama 4 بمثابة انتكاسة كبيرة في تاريخ Meta للذكاء الاصطناعي. أداء النموذج لم يلبي التوقعات، مما دفع الرئيس التنفيذي مارك زوكربيرغ إلى إعادة تنظيم منظمة الذكاء الاصطناعي بشكل كامل، وإنشاء مختبر Meta للذكاء الفائق (Meta Superintelligence Lab، MSL). منذ ذلك الحين، مر MSL بتحول من مرحلة التأسيس إلى مرحلة النتائج الأولية. تم إطلاق أحدث نموذج له، Muse Spark، في أبريل 2026، وعلى الرغم من تأخره عن النماذج مفتوحة المصدر المنافسة مثل DeepSeek v4 Pro وKimi K2.6 في الاختبارات المعيارية السائدة، يعتقد المقيمون عمومًا أن الأداء الحالي يعكس "سداد الديون" في المرحلة المبكرة من إعادة البناء، وليس الحد الأعلى للقدرة على المدى الطويل.

تأثير السوق: من "بطل المصادر المفتوحة" إلى "المطاردة خلف الأبواب المغلقة"

كانت Meta معروفة سابقًا بنماذجها مفتوحة المصدر من سلسلة Llama، حيث كانت نماذج Llama 3 70B و3.1 405B هي الأفضل في فئتها عند الإطلاق. لكن MSL اختار نهج المصادر المغلقة مع Muse Spark، ولم يصل أداؤه إلى المستوى المتقدم. أرسل هذا التحول إشارة واضحة إلى السوق: تخلت Meta مؤقتًا عن الريادة في المصادر المفتوحة، وركزت مواردها على متابعة القدرات المتطورة. ما يحتاج المستثمرون والعملاء إلى التركيز عليه هو الميل وليس التقاطع - أي سرعة تحسن قدرات MSL خلال الأشهر الستة القادمة، وليس الأداء الحالي في الاختبارات المعيارية.

المشهد التنافسي: ثنائية OpenAI وAnthropic، Meta كمنافس محتمل

تركزت سباقات الذكاء الاصطناعي المتطورة حاليًا بوضوح بين OpenAI وAnthropic. بعد أن لفت كل من Gemini 3 Pro من Google وNano Banana الانتباه لفترة وجيزة، سرعان ما فقدا زخمهما، ولم يتحول استحواذ Google على Windsurf إلى منتج تنافسي لترميز الوكلاء؛ كما أن Microsoft لم تحافظ على ميزة الريادة الأولى في GitHub Copilot. وفقًا لتحليل SemiAnalysis، يتمتع MSL بثلاث مزايا يصعب على المختبرات الأخرى تكرارها:

1. البيانات: من خلال تتبع نشاط شاشات ولوحات المفاتيح والفئران للموظفين، حصلت Meta على واحدة من أغنى مجموعات بيانات بيئات التعلم المعزز (RL) في العالم. والأهم من ذلك، في إعادة هيكلة Meta في مايو 2026، تم تخصيص حوالي 3000 مهندس (بما في ذلك 70% من الخريجين الجدد وعدد كبير من ذوي الخبرة) إلى "منظمة هندسة الذكاء الاصطناعي التطبيقي" المنشأة حديثًا، للعمل بدوام كامل على إنشاء مهام وبيئات التعلم المعزز. هذا الحجم يفوق بكثير أي شركة بيانات خارجية - على سبيل المثال، سجلت شركة بيئات التعلم المعزز الرائدة Mercor 4800 ساعة عمل خبير مكافئة بدوام كامل فقط في الربع الثاني من عام 2026.

2. المواهب: استثمر MSL 1.43 مليار دولار من خلال "استثمار" من Scale AI لنقل رئيسها التنفيذي Alexandr Wang وفريقه الأساسي في مختبر السلامة والتقييم والمحاذاة (SEAL)، مع تقديم حزم تعويضات تتراوح بين عشرات الملايين ومئات الملايين من الدولارات لجذب كبار باحثي الذكاء الاصطناعي.3. القوة الحسابية: اعتمدت Meta تصميمًا مبتكرًا لمراكز البيانات على شكل "خيمة"، مما مكنها من توسيع القوة الحسابية بشكل جذري. وفقًا لنموذج Tokenomics الجديد من SemiAnalysis، كانت وتيرة استثمار Meta في الحوسبة للذكاء الاصطناعي الأسرع بين اللاعبين الرئيسيين.

رؤى للمؤسسات: بيانات بيئة التعلم المعزز (RL) تصبح موردًا نادرًا جديدًا

بالنسبة لصانعي القرار في المؤسسات، تكشف استراتيجية Meta عن مفتاح المنافسة التالي في قدرات الذكاء الاصطناعي: بيئات RL عالية الجودة وبيانات تسجيل الشاشة. البيانات التقليدية للتعلم الخاضع للإشراف (SFT) وبيانات المعايير (benchmark) تفقد قيمتها بسرعة، بينما تصبح بيانات تسجيل الشاشة التي تعكس سير العمل الحقيقي (خاصة في المجالات المتخصصة مثل المالية والقانون والإعلانات) أصولاً استراتيجية لتدريب أنظمة الوكيل (Agent). يجب على المؤسسات تقييم القيمة المحتملة لبيانات سير العمل الخاصة بها، والنظر في إقامة شراكات بيانات مع مختبرات الذكاء الاصطناعي.

علاوة على ذلك، يشير تشكيل Meta لفريق مكون من 3000 موظف بدوام كامل لبيئات RL إلى أنه حتى مع وفرة موارد الحوسبة العامة، لا يزال بناء بيئات RL المخصصة يتطلب استثمارًا بشريًا كبيرًا. وهذا ينبه المؤسسات إلى أن عنق الزجاجة في تطبيق الذكاء الاصطناعي قد تحول من القوة الحسابية إلى هندسة البيانات وقدرات تصميم المهام.

النظرة المستقبلية: هل يمكن لـ MSL تجاوز Google في غضون 12-24 شهرًا؟

يعتقد SemiAnalysis أنه من الممكن تمامًا أن تتفوق MSL على قدرات الذكاء الاصطناعي من Google في غضون 6 أشهر. المتغيرات الأساسية هي: نضج حلقة البيانات (فترة التغذية الراجعة لبيانات تسجيل الشاشة في تدريب النموذج)، وإنتاجية فريق الـ3000 موظف في تنفيذ المهام، وتنفيذ التوسع الحسابي وفقًا للخطة. إذا سارت الأمور على ما يرام، ستصبح MSL ضمن الثلاثة الكبار (OpenAI و Anthropic و Meta) بحلول عام 2027، بينما قد تتراجع Google إلى المستوى الثاني.

على المدى الطويل (3 سنوات)، إذا استمرت MSL في الحفاظ على مستويات عالمية في البيانات والمواهب والحوسبة، فستتاح لها فرصة تحدي الصدارة من OpenAI و Anthropic. لكن الشرط الأساسي هو: هل يمكن للثقافة الداخلية تحمل مرحلة طويلة من الاستثمار المرتفع والسمعة المنخفضة لعدة سنوات، وما إذا كانت الخلافات حول خصوصية البيانات ستؤثر على تعاون الموظفين.