ربما لم يعد سباق الذكاء الاصطناعي الحقيقي في المقدمة: صعود النماذج مفتوحة المصدر يغير هيكل الصناعة

خلفية الصناعة

في صيف عام 2026، تركزت أنظار صناعة الذكاء الاصطناعي على أحدث نموذج متطور من Anthropic وهو Claude Fable 5، بالإضافة إلى سيطرة الحكومة الأمريكية على الوصول إليه. ومع ذلك، بينما كان القطاع يركز على السباق المتقدم، لم يتوقف مجتمع المطورين عن العمل - لم يعودوا ينتظرون إذن OpenAI أو Anthropic، بل تحولوا إلى خيارات أكثر انفتاحًا.

تكشف بيانات منصة Hugging Face عن هذا التغيير: في ربيع عام 2026، استحوذت نماذج الأوزان المفتوحة المصدر الصينية على 41% من التنزيلات على المنصة، متجاوزة النماذج الأمريكية لأول مرة. في قائمة OpenRouter، كانت المراكز الستة الأولى كلها لنماذج مفتوحة المصدر من شركات صينية مثل Tencent وXiaomi وDeepSeek وMiniMax وZ.ai، بينما احتل نموذج Claude Opus 4.7 من Anthropic المركز السابع فقط. وتظهر بيانات Vercel أيضًا أن النماذج مفتوحة المصدر استوعبت ما يقرب من ثلث حمولة طلبات الذكاء الاصطناعي، بينما تراجعت النماذج المغلقة المصدر لتصبح طبقة متميزة عالية التكلفة وعالية القيمة.

تأثير السوق

هذا الاتجاه يقلب نموذج أعمال صناعة الذكاء الاصطناعي رأسًا على عقب. بالنسبة للعملاء من الشركات، توفر النماذج مفتوحة المصدر تكاليف نشر أقل ومرونة تخصيص أعلى. يشير Clem Delangue، الرئيس التنفيذي لـ Hugging Face، إلى أن "المزيد والمزيد من العملاء وأفراد المجتمع يؤكدون على فوائد امتلاك نموذج الذكاء الاصطناعي الخاص بهم بدلاً من استئجاره. عندما ترى فاتورة توسع النماذج المغلقة المصدر، يصبح هذا التحول منطقيًا." ويضيف أنه يتم إنشاء مستودع جديد على Hugging Face كل 7 ثوانٍ، وقد استضافت المنصة ما يقرب من 3 ملايين نموذج عام ومليون مجموعة بيانات. حاليًا، نصف شركات Fortune 500 تستخدم Hugging Face لنشر نماذجها الخاصة أو النماذج مفتوحة المصدر.

بالنسبة للمستثمرين، يتجه تدفق رأس المال من شركات النماذج المتطورة البحتة إلى النظام البيئي المفتوح المصدر ومزودي البنية التحتية. حذر ساتيا ناديلا، الرئيس التنفيذي لـ Microsoft، مؤخرًا الشركات من تجنب الاحتكار لمورد واحد، مؤكدًا أن التحكم في البيانات يجب أن يكون الاعتبار الأساسي. كتب على X: "إذا كان التعلم يتدفق في اتجاه واحد فقط، فإن القيمة الاقتصادية ستتركز في مالك البنية التحتية للتعلم، وليس في مبدعي المعرفة أنفسهم." تحدى هذا التصريح بشكل مباشر نموذج أعمال موردي النماذج المغلقة المصدر.

المشهد التنافسي

المستفيدون: أصبحت المنصات مفتوحة المصدر مثل Hugging Face هي الفائز الأكبر، حيث ارتفع عدد مجتمع المطورين والعملاء من الشركات بشكل كبير. تكتسب مختبرات الذكاء الاصطناعي الصينية تأثيرًا دوليًا بفضل نماذجها مفتوحة المصدر القوية (مثل GLM-5.2 من Z.ai)، وتظهر أداءً متميزًا خاصة في المجالات الرأسية مثل البرمجة بالوكالة واكتشاف الثغرات الأمنية. بالإضافة إلى ذلك، فإن مزودي الخدمات السحابية الذين يقدمون استضافة النماذج وضبطها ونشرها (مثل AWS وAzure وغيرها) سيستفيدون أيضًا من الطلب المتزايد على النماذج مفتوحة المصدر.الجهات المضغوطة: تواجه مقدمي النماذج المغلقة الرئيسية مثل OpenAI وAnthropic ضغوطًا على النمو. على الرغم من أن نماذجهم المتطورة لا تزال تتمتع بمزايا في المهام عالية القيمة المحددة، إلا أن احتمالية هيمنتها على أعباء العمل الإنتاجية الرئيسية آخذة في الانخفاض. يتوقع Delangue: "بعد بضع سنوات، قد تُستخدم النماذج المتطورة فقط للتجارب وبعض المهام عالية القيمة، بينما ستُدار معظم أعباء العمل الإنتاجية بواسطة النماذج الداخلية للشركات أو النماذج مفتوحة المصدر." بالإضافة إلى ذلك، فإن ميزة السعر المنخفض للنماذج الصينية تضغط على هوامش أرباح واجهات برمجة التطبيقات المغلقة.

المتابعون المحتملون: قد تزيد الشركات التي تتمتع باستراتيجيات مفتوحة المصدر مثل Meta من استثماراتها في المصادر المفتوحة. قد تقوم شركات التكنولوجيا الكبرى الأخرى مثل Google وAmazon بتعديل استراتيجيات إصدار النماذج، بحثًا عن توازن بين الانفتاح والحماية التجارية.

توصيات للمؤسسات

يجب على المؤسسات إعادة النظر في استراتيجيات شراء الذكاء الاصطناعي. أولاً، تجنب حصر نفسها مع مزود نموذج واحد؛ تحذير Nadella جدير بالاهتمام - إذا قامت المؤسسة بتفويض بياناتها وقدراتها الأساسية إلى صندوق أسود واجهة برمجة تطبيقات، فإنها ستفقد السيطرة على نظام الذكاء الاصطناعي على المدى الطويل. ثانيًا، توفر النماذج مفتوحة المصدر سيادة بيانات أفضل ومساحة للتخصيص، حيث يمكن للمؤسسات ضبط النماذج بناءً على احتياجات أعمالها بدلاً من قبول مخرجات موحدة. أخيرًا، فعالية التكلفة هي المفتاح: النماذج مفتوحة المصدر عادةً ما تكون تكلفة الاستدلال فيها أقل، ولا توجد نفقات مستمرة على أساس كل رمز.

ومع ذلك، تحتاج المؤسسات أيضًا إلى تقييم مخاطر الأمان والامتثال. على الرغم من أن النماذج مفتوحة المصدر أكثر شفافية، إلا أنها قد تواجه مخاطر سوء الاستخدام أو تسرب البيانات إذا كانت تفتقر إلى قدرات الحوكمة الداخلية. يُوصى بأن تنشئ المؤسسات عملية إدارة كاملة لسلسلة توريد الذكاء الاصطناعي، بما في ذلك تدقيق النماذج وضوابط الوصول والمراقبة المستمرة.

نظرة مستقبلية

12 شهرًا: ستستمر حصة النماذج مفتوحة المصدر في أعباء عمل الاستدلال في الارتفاع، وقد تتجاوز 50%. ستواصل الشركات الصينية إطلاق نماذج تنافسية، مما يزيد من حرب الأسعار. قد يُجبر مزودو النماذج المغلقة على تعديل استراتيجيات التسعير أو تقديم المزيد من الخدمات ذات القيمة المضافة (مثل الأمان على مستوى المؤسسات، وضمانات اتفاقية مستوى الخدمة).

24 شهرًا: سيشكل سوق النماذج هيكلًا طبقيًا: تُستخدم النماذج المتطورة للبحث والتطوير وأعلى المهام قيمة؛ وتغطي النماذج مفتوحة المصدر معظم السيناريوهات العامة والمخصصة للشركات؛ وستقوم بعض الشركات بتطوير نماذج رأسية خاصة بالكامل. من المتوقع أن تصبح منصات مثل Hugging Face بنية تحتية صناعية تشبه "GitHub للذكاء الاصطناعي".

3 سنوات: ستشتد المنافسة التنظيمية حول انفتاح النماذج. كما حذر Dario Amodei، الرئيس التنفيذي لـ Anthropic، فإن انتشار النماذج مفتوحة المصدر القوية قد يحمل مخاطر سوء الاستخدام؛ بينما يرى Delangue أن "المركزية هي الخطر الأكبر". من المتوقع أن تصدر الدول أطرًا تنظيمية تصنيفية للنماذج مفتوحة المصدر، على سبيل المثال، فرض قيود على إصدار النماذج التي تتجاوز حجمًا معينًا من المعلمات أو القدرات. سيكون المشهد الصناعي أكثر تنوعًا، لكن من غير المرجح أن يحدث سيناريو "نموذج واحد يسيطر على كل شيء".