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

المصدر: International Business Times UK

المؤلف الأصلي: Anastasia Matveeva

الترجمة والتنظيم: _Gonka.ai

يتوسع الذكاء الاصطناعي بسرعة مذهلة، لكن منطق اقتصاده الأساسي أضعف بكثير مما يبدو على السطح. عندما تسيطر ثلاث شركات سحابية على ثلثي القدرة الحاسوبية العالمية، وتتكبد تكاليف التدريب مئات الملايين من 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 للذكاء الاصطناعي بعد التوسع في الحجم مستدام حقًا؟ وكيف ستعيد تغييرات آلية توزيع القدرة الحاسوبية تشكيل توزيع القيمة في السوق بأكمله؟

1. التكاليف الذكية وراء الكواليس

تدريب نموذج كبير متقدم يتطلب عادة عشرات الملايين أو حتى مئات الملايين من الدولارات. أعلنت شركة Anthropic علنًا أن تكلفة تدريب Claude 3.5 Sonnet كانت “عشرات الملايين من الدولارات”، وكان الرئيس التنفيذي داريو أموودي 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. العامل الحقيقي الذي يضغط على الهيكل هو تكلفة الاستدلال — أي الرسوم الناتجة عن استدعاء النموذج في كل مرة. وفقًا لأسعار API التي أعلنت عنها OpenAI، يتم احتساب الاستدلال بمليون رمز. بالنسبة للتطبيقات ذات الاستخدام العالي، هذا يعني أن تكاليف الاستدلال اليومية قد تصل إلى آلاف الدولارات قبل التوسع في الحجم.

يُوصف الذكاء الاصطناعي غالبًا بأنه نوع من البرمجيات، لكن طبيعته الاقتصادية أصبحت أكثر شبهاً بالبنية التحتية الرأسمالية — فهي تتطلب استثمارًا كبيرًا مقدمًا، وتكاليف تشغيل مستمرة.

هذا التحول في الهيكل الاقتصادي يغير بشكل خفي من ملامح المنافسة في صناعة الذكاء الاصطناعي. الشركات الكبرى 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%. معًا، تسيطر هذه الشركات على حوالي ثلثي البنية التحتية السحابية العالمية، ومعظم عبء العمل في الذكاء الاصطناعي يُشغل على بنيتها التحتية.

هذه التركيزية لها معنى حقيقي: عندما تتعطل API الخاصة بـ OpenAI، تتأثر آلاف المنتجات في آن واحد؛ وعندما تواجه شركة سحابية رئيسية عطلًا، تتوقف خدمات عبر صناعات ومناطق جغرافية متعددة.

التركيز لم يتقلص، بل استمر في التوسع. على سبيل المثال، حققت شركة NVIDIA إيرادات سنوية من أعمال مراكز البيانات تجاوزت 80 مليار دولار، مما يدل على استمرار الطلب على وحدات معالجة الرسوميات عالية الأداء.

الأهم من ذلك، هو وجود تفاوت هيكلي غير مرئي. وفقًا لوثائق SEC وتقارير السوق، فإن مختبرات رائدة مثل OpenAI وAnthropic تتفق على “مبادلة الأسهم مقابل القدرة الحاسوبية” بعقود بقيمة مليارات الدولارات، وتُحجز موارد GPU 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 الموارد بأسعار بيع بالتجزئة تتجاوز 14 دولارًا للساعة — أي بزيادة تصل إلى 600%.

هذه الفجوة السعرية يقودها استثمار NVIDIA الأخير بقيمة 40 مليار دولار في المختبرات الرائدة. الوصول إلى البنية التحتية للذكاء الاصطناعي أصبح أكثر اعتمادًا على اتفاقيات شراء كثيفة رأس المال، بدلاً من المنافسة المفتوحة في السوق.

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

3. البعد غير المرئي للطاقة

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

وفقًا لوكالة الطاقة الدولية (IEA)، تمثل مراكز البيانات حوالي 1-1.5% من استهلاك الكهرباء العالمي، ومن المتوقع أن يؤدي النمو في الطلب على الذكاء الاصطناعي إلى زيادة هذه النسبة بشكل ملحوظ 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 هوراس لورينج في GTC26 أن شركة NVIDIA تتوقع طلبات تتجاوز تريليون دولار، لم يكن يتحدث فقط عن نجاح تجاري لشركة، بل عن عملية حضارية تحول فيها الكهرباء والأراضي والمعادن النادرة إلى قدرة حسابية ذكية.

4. إعادة التفكير في آليات البنية التحتية

بينما تتوسع مراكز البيانات المركزية، تظهر نوعية جديدة من الاستكشاف — محاولة لإعادة تعريف تنظيم القدرة الحاسوبية من الأساس.

الاستدلال اللامركزي: بديل هيكلي

Gonka هو نموذج عملي لهذا الاتجاه. هو شبكة لامركزية مصممة خصيصًا للاستدلال في الذكاء الاصطناعي، وهدفها الرئيسي هو تقليل تكاليف التوافق والتنسيق، وتوجيه أكبر قدر ممكن من الموارد الحاسوبية نحو عبء العمل الحقيقي للذكاء الاصطناعي.

من ناحية الحوكمة، تعتمد Gonka على مبدأ “تصويت واحد لكل وحدة قدرة حاسوبية” — حيث يُحدد وزن التصويت بناءً على القدرة الحاسوبية الموثوقة، وليس على حصة رأس المال. تقنيًا، تستخدم البروتوكول فترات قياس أداء قصيرة (تسمى Sprint)، ويطلب من المشاركين إظهار قدرتهم الحاسوبية الحقيقية عبر إثبات العمل المعتمد على Transformer (PoW) بشكل فوري.

هذه التصميمات تعني أن: حوالي 100% من القدرة الحاسوبية للشبكة تُوجه مباشرة إلى عبء استدلال الذكاء الاصطناعي، وليس في استهلاك الموارد للحفاظ على التوافق، أو التنسيق، أو إدارة البنية التحتية.

الاقتصاديات وراء القدرة الحاسوبية الموزعة

من وجهة نظر اقتصادية، هناك ثلاث مستويات لقيمة الشبكة اللامركزية للقدرة الحاسوبية.

الأول هو مستوى التكاليف. الهيكل السعري لمزودي الخدمات السحابية المركزية يتضمن بشكل جوهري استهلاكًا كبيرًا للأصول الثابتة، وتكاليف تشغيل مراكز البيانات، وتوقعات أرباح المساهمين. الشبكة اللامركزية تتيح استثمار موارد GPU غير المستخدمة، وتقليل هذه التكاليف بشكل كبير. على سبيل المثال، عبر خدمة GonkaGate، يُقدر سعر الاستدلال بحوالي 0.0009 دولار لكل مليون رمز — مقارنةً بأسعار الشركات المركزية مثل Together AI التي تصل إلى 1.50 دولار لنفس النموذج (مثل DeepSeek-R1)، وهو فرق يصل إلى ألف مرة.

الثاني هو مستوى مرونة العرض. مزودو الخدمات المركزية لديهم عرض ثابت من القدرة الحاسوبية، وتتم عملية التوسع على فترات شهرية أو ربع سنوية. أما الشبكة اللامركزية، فالمشاركون يمكنهم الانضمام أو الانسحاب بسرعة استجابةً للطلب — تمامًا كما أنشأت أمازون AWS خلال فترات الطلب المرتفعة في العطلات، فإن عبء استدلال الذكاء الاصطناعي يتطلب بنية تحتية مرنة لمواجهة تقلبات الطلب.

الثالث هو مستوى السيادة. من وجهة نظر الدول، تعتمد الخدمات العامة على مزود خارجي، مما يجعل القدرة الحاسوبية نقطة ضعف استراتيجية. توفر الشبكة اللامركزية خيارًا: يمكن للمراكز المحلية أن تكون عقدًا في شبكة عالمية موزعة، مع ضمان السيادة على البيانات، وفي الوقت ذاته تحقيق عائد تجاري مستدام من خلال تقديم القدرة الحاسوبية للسوق العالمية.

5. لحظة إعادة تشكيل توزيع القيمة

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

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

لقد بنت شركات مثل AWS وAzure وGoogle Cloud حواجز حماية عبر عقود من تراكم رأس المال، وميزتها الحجمية تجعل من الصعب زعزعتها على المدى القصير. لكن، هذا الهيكل يخلق أيضًا احتكارًا في التسعير، والوصول إلى البيانات، والاعتمادية على عدد محدود من الكيانات الخاصة.

تاريخيًا، كل احتكار كبير في البنية التحتية التكنولوجية أدى إلى ظهور بدائل لامركزية — فالإنترنت هو رد فعل على احتكار الاتصالات، وBitTorrent قلب مركزية توزيع المحتوى، وبيتكوين تحدى مركزية إصدار العملة.

إعادة توزيع البنية التحتية للذكاء الاصطناعي قد لا تكون خيارًا أيديولوجيًا، بل ضرورة اقتصادية — فعندما يصبح التركز مكلفًا لدرجة تدفع المستخدمين للانتقال، ستظهر الحاجة إلى بدائل حقيقية. كما يقول هوراس لورينج، “كل أزمة مالية تدفع المزيد من الناس نحو البيتكوين”، وهذا ينطبق أيضًا على سوق القدرة الحاسوبية.

لقد أثبتت شركة DeepSeek أن: في عالم يقترب من نماذج مفتوحة المصدر تقترب 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 للاستدلال، يملك تذكرة الدخول لهذه المنافسة.

ختامًا: معركة البنية التحتية لم تبدأ بعد

المنافسة في المرحلة القادمة من الذكاء الاصطناعي لن تكون على قدرات النماذج فحسب، بل ستُحسم في معركة الاقتصاد للبنية التحتية.

العملاقان المركزيان في القدرة الحاسوبية يملكان رأس مال وحجم، لكنهما يتحملان تكاليف ثابتة وضغوط تسعير. أما الشبكات اللامركزية، فهي تدخل السوق بتكاليف هامشية منخفضة جدًا، لكنها بحاجة لإثبات قدرتها على الاستقرار، وسهولة الاستخدام، ووجود بيئة اقتصادية قابلة للتوسع.

سيظل الطريقان متوازيين، ويتنافسان على مدى السنوات الخمس القادمة. التوتر بين المركزية واللامركزية سيكون أحد أهم المواضيع الهيكلية التي ستتابعها صناعة الذكاء الاصطناعي.

هذه المعركة على البنية التحتية لم تبدأ بعد.

عن الكاتب

Anastasia Matveeva هي مديرة منتجات أبحاث في Product Science، وواحدة من المؤسسين المشاركين لبروتوكول Gonka. تركز أبحاثها على بنية تحتية لتعلم الآلة، واستدلال النماذج اللغوية الكبيرة، وأنظمة الحوسبة الموزعة.

تخرجت من جامعة كاتالونيا التقنية (UPC Barcelona) حاصلة على دكتوراه في الرياضيات، وعملت باحثة ومحاضرة في الجامعة. انضمت إلى Product Science في 2021، وقادت تطوير أدوات هندسة الذكاء الاصطناعي، والتي تبناها أكثر من مئة مهندس، وتستخدمها العديد من شركات Fortune 500.

**عن **Gonka.ai

Gonka هو شبكة لامركزية تهدف إلى توفير قدرة حاسوبية فعالة للذكاء الاصطناعي، مصممة للاستفادة القصوى من قدرة GPU العالمية، لإنجاز عبء عمل ذكي مهم. من خلال القضاء على الوسطاء المركزيين، توفر Gonka للمطورين والباحثين وصولاً غير مرخص إلى الموارد الحاسوبية، وتكافئ جميع المشاركين عبر رموزها الأصلية GNK.

تم حاضنة Gonka بواسطة شركة Product Science Inc. الأمريكية، المتخصصة في تطوير الذكاء الاصطناعي. أسسها خبراء من صناعة Web 2، وأفراد من فريق Snap Inc. السابقين، ونجحت في جمع 18 مليون دولار في 2023، و51 مليون دولار إضافية في 2025، بمشاركة مستثمرين مثل Coatue Management (مستثمر في OpenAI)، وSlow Ventures (مستثمر في Solana)، وBitfury، وK 5، وInsight وBenchmark. من بين المساهمين المبكرين شركات مثل 6 blocks، Hard Yaka، Gcore وغيرها من رواد Web 2 وWeb 3.

الموقع الرسمي | Github | X | Discord | Telegram | الورقة البيضاء | النموذج الاقتصادي | دليل المستخدم