مأزق تكاليف الذكاء الاصطناعي: كيف ستعيد اقتصاديات البنية التحتية تشكيل المرحلة القادمة من السوق

المصدر: صحيفة إنترناشونال بيزنس تايمز البريطانية

المؤلف الأصلي: أنستاسيا ماتفيفا |

الترجمة والتنظيم: Gonka.ai

الذكاء الاصطناعي يتوسع بسرعة مذهلة، لكن منطق اقتصاده الأساسي أضعف بكثير مما يبدو على السطح. عندما تسيطر ثلاث شركات سحابية على ثلثي القدرة الحاسوبية العالمية، وتصل تكاليف التدريب إلى مئات الملايين أو حتى مليارات الدولارات، وتصبح فواتير الاستدلال مفاجئة للشركات الناشئة — فإن الثمن الحقيقي لسباق التسلح في القدرة الحاسوبية يعيد تشكيل توزيع قيمة صناعة الذكاء الاصطناعي بشكل خفي.

هذه المقالة لا تناقش من سيبني النموذج الأكثر تقدمًا. بل تتناول سؤالًا أعمق: هل النموذج الاقتصادي للبنية التحتية الحالية للذكاء الاصطناعي مستدام حقًا بعد التوسع؟ وكيف ستعيد تغييرات آلية توزيع القدرة الحاسوبية تشكيل سوق القيمة بالكامل؟

1. التكاليف الذكية وراء الكواليس

تدريب نموذج كبير متقدم يتطلب عادة مئات الملايين أو حتى مليارات الدولارات. أعلنت شركة Anthropic علنًا أن تكلفة تدريب Claude 3.5 Sonnet كانت “مئات الملايين من الدولارات”، وكان الرئيس التنفيذي داريو أمودي قد توقع سابقًا أن تكاليف تدريب النموذج التالي قد تقترب من مليار دولار. وفقًا لوسائل الإعلام الصناعية، قد تكون تكلفة تدريب GPT-4 تجاوزت 100 مليون دولار.

لكن، تكاليف التدريب ليست سوى قمة الجبل الجليدي. ما يضغط بشكل مستمر على الهيكل هو تكلفة الاستدلال — أي المصاريف الناتجة عن استدعاء النموذج في كل مرة يُستخدم فيها. وفقًا لأسعار API التي أعلنت عنها OpenAI، يتم احتساب الاستدلال لكل مليون رمز (Token). بالنسبة للتطبيقات ذات الاستخدام العالي، هذا يعني أن تكاليف الاستدلال اليومية قد تصل إلى آلاف الدولارات قبل التوسع.

يُوصف الذكاء الاصطناعي غالبًا بأنه نوع من البرمجيات. لكن جوهره الاقتصادي أصبح يشبه بشكل متزايد بنية تحتية كثيفة رأس المال — تتطلب استثمارًا كبيرًا مقدمًا، وتكاليف تشغيل مستمرة.

هذا التحول في الهيكل الاقتصادي يغير بشكل خفي من ملامح المنافسة في صناعة الذكاء الاصطناعي. الشركات التي تستطيع تحمل القدرة الحاسوبية هي تلك التي أنشأت بنية تحتية واسعة النطاق؛ أما الشركات الناشئة التي تحاول البقاء في السوق، فهي تتآكل تدريجيًا من خلال فواتير الاستدلال.

2. كثافة رأس المال وتركيز السوق

وفقًا لتحليل سوق السحابة لعام 2026 من Holori، تسيطر AWS حاليًا على حوالي 33% من سوق السحابة العالمي، وMicrosoft Azure على حوالي 22%، وGoogle Cloud على حوالي 11%. مجتمعة، تسيطر هذه الشركات على حوالي ثلثي البنية التحتية السحابية العالمية، ومعظم عبء العمل في الذكاء الاصطناعي يُشغل على بنيتها التحتية.

الواقع أن هذا التركيز له دلالات مهمة: عندما تتعطل واجهة برمجة التطبيقات الخاصة بـ OpenAI، تتأثر آلاف المنتجات في آن واحد؛ وعندما تواجه شركة سحابية رئيسية مشكلة، تتوقف خدمات عبر صناعات ومناطق جغرافية متعددة.

هذا التركيز لا يتراجع، بل يتوسع باستمرار. على سبيل المثال، شركة Nvidia تحقق أكثر من 80 مليار دولار سنويًا من إيرادات مراكز البيانات، مما يدل على الطلب المستمر على وحدات معالجة الرسوميات عالية الأداء.

الأهم من ذلك، وجود تفاوت هيكلي غير مرئي. وفقًا لوثائق SEC وتقارير السوق، فإن مختبرات رائدة مثل OpenAI وAnthropic تتفق على عقود بقيمة مليارات الدولارات مقابل “تحويل الأسهم إلى قدرة حوسبة” بأسعار قريبة من التكلفة، تتراوح بين 1.30 و1.90 دولار للساعة. أما الشركات الصغيرة والمتوسطة التي لا تملك علاقات استراتيجية مع Nvidia أو Microsoft أو Amazon، فهي مضطرة لشراء القدرة الحاسوبية بأسعار تجزئة تتجاوز 14 دولارًا للساعة — وهو فرق يصل إلى 600%.

هذا الفارق في الأسعار يُعزى بشكل رئيسي إلى الاستثمارات الاستراتيجية التي قامت بها Nvidia مؤخرًا، والتي بلغت 400 مليار دولار في شراكات مع المختبرات الرائدة. الحصول على القدرة التحتية للذكاء الاصطناعي أصبح أكثر فأكثر يعتمد على اتفاقيات شراء كثيفة رأس المال، وليس على سوق مفتوح وتنافسي.

في المراحل المبكرة، قد يبدو هذا التركيز “فعالًا”. لكن بعد التوسع، يسبب مخاطر في التسعير، وقيودًا في الإمداد، واعتمادية على البنية التحتية — ثلاث نقاط ضعف تتراكم.

3. البعد غير المرئي للطاقة

هناك بعد آخر مهم يُغفل غالبًا عند مناقشة تكاليف البنية التحتية للذكاء الاصطناعي: الطاقة.

وفقًا لوكالة الطاقة الدولية (IEA)، تستهلك مراكز البيانات حوالي 1-1.5% من إجمالي استهلاك الكهرباء العالمي، ومن المتوقع أن يؤدي النمو في الطلب الناتج عن الذكاء الاصطناعي إلى زيادة هذه النسبة بشكل كبير في السنوات القادمة.

هذا يعني أن اقتصاد القدرة الحاسوبية ليس مجرد مسألة مالية، بل هو تحدٍ للبنية التحتية والطاقة. مع استمرار توسع عبء العمل في الذكاء الاصطناعي، ستزداد أهمية الجغرافيا السياسية في إمدادات الكهرباء — أي دولة يمكنها توفير القدرة الحاسوبية الأكثر استقرارًا بأقل تكلفة طاقة ستتمتع بميزة هيكلية في سباق الصناعة في عصر الذكاء الاصطناعي.

عندما أعلن هوانغ رنشن في GTC26 أن Nvidia حققت رؤية طلبات تتجاوز تريليون دولار، لم يكن يتحدث فقط عن نجاح تجاري لشركة واحدة، بل عن عملية حضارية تحول الطاقة والأراضي والمعادن النادرة إلى قدرة حسابية ذكية.

4. إعادة التفكير في آليات البنية التحتية

بينما تتوسع مراكز البيانات المركزية، تظهر نوعية جديدة من المبادرات التي تحاول إعادة تعريف تنظيم القدرة الحاسوبية من الأساس.

الاستدلال اللامركزي: بديل هيكلي

Gonka هو مثال على هذا الاتجاه. هو شبكة لامركزية مصممة خصيصًا للاستدلال في الذكاء الاصطناعي، وهدفها الرئيسي هو تقليل تكاليف التوافق والتزامن، وتوجيه أكبر قدر ممكن من الموارد الحاسوبية نحو عبء العمل الحقيقي للذكاء الاصطناعي.

من ناحية الحوكمة، تعتمد Gonka مبدأ “تصويت واحد لكل وحدة قدرة حاسوبية” — حيث يُحدد الوزن التصويتي بناءً على القدرة الحاسوبية الموثقة، وليس على نسبة الملكية الرأسمالية. تقنيًا، تستخدم البروتوكول فترات قياس أداء قصيرة (تسمى Sprint)، ويطلب من المشاركين إثبات قدرتهم الحقيقية على GPU عبر آلية إثبات العمل (PoW) تعتمد على Transformer.

الهدف من هذا التصميم هو أن يُوجه تقريبًا 100% من القدرة الحاسوبية للشبكة نحو عبء استدلال الذكاء الاصطناعي، بدلاً من استهلاك الموارد في الحفاظ على التوافق، أو التنسيق، أو الاتصالات الأساسية.

الاقتصاد في القدرة الحاسوبية الموزعة

من منظور اقتصادي، هناك ثلاث طبقات من القيمة التي تقدمها الشبكة اللامركزية للقدرة الحاسوبية:

الأولى: التكاليف. الهيكل التسعيري لمزودي الخدمات السحابية المركزية يتضمن بشكل جوهري استهلاكًا كبيرًا للأصول الثابتة، وتكاليف تشغيل مراكز البيانات، وهوامش أرباح للمساهمين. الشبكة اللامركزية تُمكن من تحويل القدرة الحاسوبية غير المستعملة إلى نقود، مما يقلل بشكل كبير من هذه التكاليف. على سبيل المثال، عبر خدمة GonkaGate، يُقدر سعر الاستدلال بحوالي 0.0009 دولار لكل مليون رمز، مقارنةً بـ1.50 دولار من قبل مزودي الخدمة المركزيين لنماذج مماثلة (مثل DeepSeek-R1)، وهو فرق يصل إلى ألف مرة.

الثانية: مرونة العرض. مزودو الخدمة المركزيون لديهم قدرة ثابتة، وتوسيعها يتطلب شهورًا. أما الشبكة اللامركزية، فمشاركوها يمكنهم الانضمام أو الانسحاب بسرعة استجابة للطلب، مما يوفر مرونة أكبر — تمامًا كما أنشأت أمازون AWS خلال موسم الأعياد لتلبية ذروة الطلب، فإن عبء استدلال الذكاء الاصطناعي يتطلب بنية تحتية مرنة لمواجهة تقلبات الطلب.

الثالث: السيادة. هذا البعد مهم بشكل خاص للدول. عندما تعتمد الخدمات العامة في بلد معين بشكل كبير على مزود سحابة خارجي، فإن الاعتماد على القدرة الحاسوبية يُصبح نقطة ضعف استراتيجية. الشبكة اللامركزية تتيح إمكانية أن تكون مراكز البيانات المحلية عقدًا في شبكة عالمية موزعة، مع الحفاظ على السيادة على البيانات، وفي الوقت ذاته، تحقيق عائد تجاري مستدام من خلال تقديم القدرة الحاسوبية للسوق العالمية.

5. لحظة إعادة توزيع القيمة

بالعودة إلى السؤال الأساسي في بداية المقال: هل النموذج الاقتصادي للبنية التحتية للذكاء الاصطناعي بعد التوسع مستدام؟

الجواب: هو مستدام بالنسبة للاعبين الكبار؛ لكنه أصبح غير مستدام بشكل متزايد لبقية السوق.

AWS وAzure وGoogle Cloud بنت حصونًا من خلال عقود استثمارية ضخمة، وميزتها الحجمية تجعل من الصعب اختراقها على المدى القصير. لكن، هذا الهيكل يخلق أيضًا احتكارًا في التسعير، والوصول إلى البيانات، والاعتماد على البنية التحتية — جميعها مركزة في أيدي عدد قليل من الكيانات الخاصة.

تاريخيًا، كل احتكار كبير في البنية التحتية التكنولوجية أدى إلى ظهور بدائل لامركزية — الإنترنت نفسه كان رد فعل على احتكار الاتصالات، وBitTorrent قلب مركزية توزيع المحتوى، وBitcoin تحدى المركزية في إصدار العملة.

إعادة توزيع البنية التحتية للذكاء الاصطناعي قد لا تكون خيارًا أيديولوجيًا، بل ضرورة اقتصادية — عندما يصبح التركز مكلفًا لدرجة تدفع المستخدمين للانتقال إلى بدائل، فإن الطلب على الحلول البديلة يشتعل. هوانغ رنشن قال إن “كل أزمة مالية تدفع المزيد من الناس نحو البيتكوين”، وهذا ينطبق أيضًا على سوق القدرة الحاسوبية.

ظهور DeepSeek أثبت أن، في عالم تقترب فيه النماذج المفتوحة من قدرات النماذج المغلقة، فإن تكلفة الاستدلال ستصبح العامل الحاسم في سرعة التوسع في تطبيقات الذكاء الاصطناعي. من يستطيع تقديم أدنى تكلفة، وأعلى موثوقية في القدرة الحاسوبية، يملك تذكرة الدخول لهذه المنافسة.

الخلاصة: حرب البنية التحتية بدأت للتو

المنافسة في المرحلة القادمة من الذكاء الاصطناعي لن تكون على ترتيب النماذج من حيث القدرات، بل على من يسيطر على الهيمنة الاقتصادية للبنية التحتية.

الاحتكار في القدرة الحاسوبية المركزية يمتلك رأس مال وحجمًا، لكنه يواجه تكاليف ثابتة وضغوط تسعير. أما الشبكات اللامركزية، فهي تدخل السوق بتكاليف هامشية منخفضة جدًا، لكنها بحاجة لإثبات قدرتها على الاستقرار وسهولة الاستخدام والنمو البيئي.

سيظل الطريقان قائمين لفترة طويلة، ويتبادلان الضغط. التوتر بين المركزية واللامركزية سيكون أحد أهم المواضيع الهيكلية التي ستتابعها صناعة الذكاء الاصطناعي خلال السنوات الخمس القادمة.

هذه الحرب على البنية التحتية لم تبدأ بعد.