عنوان الفيديو: العرض والطلب على رموز الذكاء الاصطناعي | مقابلة دايلن باتيل
منشئ الفيديو: Invest Like The Best
ترجمة: بيغي، BlockBeats

مقدمة المحرر: في ظل استمرار تطور قدرات نماذج الذكاء الاصطناعي، ودمج أدوات مثل Claude Code و Cursor على نطاق واسع في الشركات، يتحول النقاش في الصناعة من «ما مدى قوة النموذج» إلى «كيف يدخل النموذج في الإنتاج». لكن مع تزايد الاعتماد على برمجة الذكاء الاصطناعي، والتحليل الآلي، ونمذجة البيانات، برز سؤال أعمق: عندما تنخفض تكاليف التنفيذ بسرعة، ما هو الحقيقي الذي يظل نادراً — هل هو اليد العاملة، رأس المال، أم حق استخدام النماذج المتطورة والرموز (tokens)؟

على اليسار المضيف باتريك أوشونيسي، وعلى اليمين دايلن باتيل

هذه المقابلة من إعداد باتريك أوشونيسي مع دايلن باتيل، مؤسس SemiAnalysis. يركز دايلن منذ فترة طويلة على بنية تحتية للذكاء الاصطناعي، وسلسلة إمداد أشباه الموصلات، واقتصاديات النماذج. في هذه الحوار، يبدأ من ارتفاع نفقات شركته Claude Code، ويتحدث عن كيف يغير الذكاء الاصطناعي تنظيم الشركات، وخدمات المعلومات، وطلب الرموز، وسلسلة إمداد الحوسبة، والمشاعر الاجتماعية.

الأهم في هذه المقابلة ليس أن نموذجاً معيناً يحقق مرة أخرى أرقاماً قياسية، بل أن هناك طريقة لفهم اقتصاد الذكاء الاصطناعي — باعتباره نظام إنتاج يعيد توزيع قدرات التنفيذ، والكفاءة التنظيمية، والأرباح الصناعية، وليس مجرد ترقية لأدوات البرمجيات.

يمكن فهم هذه المقابلة من خمسة زوايا تقريباً.

أولاً، تم اختراق تكاليف التنفيذ. سابقاً، كانت الأفكار غير نادرة، وكان التحدي الحقيقي هو تحويل الأفكار إلى منتجات، أنظمة، وخدمات قابلة للتسليم. الآن، مع Claude Code، يمكن غير التقنيين كتابة الكود، وبناء التطبيقات، وتحليل البيانات، في حين أن العمل الذي كان يتطلب فريقاً طويل الأمد، بدأ يُنجز بواسطة قلة من الأشخاص بمساعدة النماذج. نفقات Claude Code السنوية لدى SemiAnalysis وصلت إلى 7 ملايين دولار، وهو أكثر من ربع نفقات الرواتب، مما يدل على أن الذكاء الاصطناعي لم يعد مجرد أداة لزيادة الكفاءة، بل يتحول إلى رأس مال إنتاجي جديد للشركات.

ثانياً، تم إعادة كتابة قطاع خدمات المعلومات أولاً. طبيعة عمل دايلن هي بيع التحليلات، والاستشارات، ومجموعات البيانات، وهذه هي المجالات التي يسهل تحويلها إلى سلع بواسطة الذكاء الاصطناعي. تحليل المعاكسات للرقائق، نمذجة شبكات الطاقة، بناء مؤشرات الاقتصاد الكلي — كانت تتطلب سابقاً فريقاً طويل الأمد، الآن يمكن لقلة من الأشخاص بناء منتجات جاهزة خلال أسابيع. هذا يعني أن ضغط الذكاء الاصطناعي على شركات خدمات المعلومات ليس «هل سيحل محل البشر»، بل «من يمكنه إعادة بناء منتجات المنافسين بسرعة أكبر». الشركات التي لا تتبنى الذكاء الاصطناعي ستُسوق بسرعة، والشركات التي تستخدمه ستحتاج إلى رفع معاييرها باستمرار لتجنب أن تُستبدل من قبل منافسين أكثر كفاءة.

الأعمق، أن الرموز (tokens) تتغير إلى أدوات إنتاج جديدة. سابقاً، كانت الشركات تشتري اشتراكات برمجية، وكان السؤال هو مدى جودة الأدوات. الآن، حق الوصول إلى النماذج المتطورة، والحدود على المعدل، والعقود التجارية، وميزانية الرموز، بدأت تحدد القدرة الإنتاجية مباشرة. النماذج الأقوى لا تعني بالضرورة تكاليف أعلى، لأن الرموز «الأذكى» قد تُستخدم في خطوات أقل لإنجاز مهام ذات قيمة أعلى. المنافسة الآن تتغير من «من يستخدم الذكاء الاصطناعي» إلى «من يمكنه الحصول على أقوى نموذج، واستخدام الرموز الأغلى في أكثر السيناريوهات قيمة».

وهذا الطلب يمتد عبر سلسلة الإمداد بأكملها. ارتفاع استخدام الرموز سيؤدي في النهاية إلى ضغط مستمر على وحدات معالجة الرسوميات (GPU)، والمعالجات المركزية (CPU)، والذاكرة، وFPGAs، ولوحات الدوائر المطبوعة، والنحاس، وأجهزة أشباه الموصلات، ومصانع الرقائق. ظاهرة «تأثير السوط» (bullwhip effect) التي أُشير إليها في النص، تعبر عن هذا المنطق: الطلب في المستويات الأدنى، الذي يبدو مجرد زيادة في استدعاءات النماذج، قد يتضخم في التصعيد إلى أوامر مضاعفة، وتوسعة الإنتاج، وارتفاع الأسعار في المستويات العليا. أرباح صناعة الذكاء الاصطناعي لن تقتصر على شركات النماذج وNVIDIA، بل ستتسرب عبر سلسلة إمداد أشباه الموصلات ومراكز البيانات.

وأخيراً، قد تتسرع ردود الفعل الاجتماعية ضد الذكاء الاصطناعي. عندما يدخل الذكاء الاصطناعي فعلياً في سير العمل، ستتصاعد مخاوف الجمهور من استبدال الوظائف، واستهلاك الطاقة، وتوسيع مراكز البيانات، وتركيز السلطة. دايلن يتوقع أن تظهر احتجاجات واسعة ضد الذكاء الاصطناعي خلال ثلاثة أشهر. بالنسبة لشركات النماذج، الاستمرار في الترويج لـ «الذكاء الاصطناعي سيغير العالم» قد لا يخفف من القلق، بل يعزز تصور الناس لفقدان السيطرة. على صناعة الذكاء الاصطناعي أن تثبت، ليس فقط قدراتها التقنية، بل كيف تخلق قيمة عامة ملموسة ومرئية في الوقت الراهن.

اليوم، المشكلة الأساسية للذكاء الاصطناعي تتغير من «ما يمكن أن يفعله النموذج» إلى «من يمكنه الوصول إلى النموذج، وكيف يستخدمه، ومن يمكنه الاستفادة من القيمة التي يخلقها». في هذا السياق، لم تعد المناقشة تقتصر على Claude Code أو Anthropic أو شركة معينة، بل تتعلق بإعادة هيكلة تتعلق بالإنتاجية، والنفقات الرأسمالية، والكفاءة التنظيمية، وقبول المجتمع.

وفيما يلي محتوى النص الأصلي (مُعد بشكل منظم لسهولة القراءة):

TL; DR

· المتغير الرئيسي في الذكاء الاصطناعي يتحول من «هل يمكن أن نفعل» إلى «هل يستحق أن نفعل»، بعد انخفاض تكاليف التنفيذ بشكل حاد، وما يظل نادراً هو الأفكار ذات القيمة العالية التي يمكن للنموذج توسيعها.

· إنفاق Claude Code يمثل 25% من رواتب الموظفين، وهو بداية فقط، فالذكاء الاصطناعي يتحول من أدوات برمجية إلى رأس مال إنتاجي جديد للشركات.

· المنافسة على النماذج المتطورة لم تعد مجرد منافسة على القدرات، بل على حق الوصول إلى الرموز؛ من يمكنه الحصول على أقوى نموذج بشكل أسرع وأكثر استقراراً، قد يبني حواجز تجارية جديدة.

· قطاع خدمات المعلومات سيكون أول من يعاد تشكيله بواسطة الذكاء الاصطناعي، لأن تكاليف الإنتاج للبيانات، والتحليلات، والأبحاث تتراجع بسرعة، والشركات الأبطأ ستُسوق بسرعة أكبر.

· الطلب على الرموز لن يتراجع مع انخفاض أسعار النماذج القديمة، لأن كل تطور في النماذج يطلق حالات استخدام جديدة ذات قيمة عالية، ويدفع المستخدمين نحو نماذج متطورة أكثر تكلفة.

· أكبر تغيير يقدمه الذكاء الاصطناعي هو أن عدد قليل من الناس يمكنهم إنجاز عدة أضعاف الإنتاج في نفس الوقت، من لا يستطيع خلق أو الاستفادة من قيمة الرموز، سيظل محصوراً في «الطبقة الدنيا الدائمة».

· نقص القدرة الحاسوبية يتسرب إلى كامل سلسلة إمداد أشباه الموصلات، من GPU و CPU والذاكرة، إلى PCB والنحاس وأجهزة التصنيع، حيث الطلب على الذكاء الاصطناعي أصبح قوة دافعة لأسعار الصناعة بأكملها.

· القيمة الاقتصادية للذكاء الاصطناعي يصعب قياسها عبر الناتج المحلي الإجمالي التقليدي، فالسؤال الحقيقي ليس كم تربح شركات النماذج، بل كم من «الناتج الوهمي» (Ghost GDP) يخلقه قرارات وكفاءة وسلاسل تأثير مرتبطة بالرموز.

مقابلة النص الكامل:

Claude Code أصبح قوة عمل جديدة

باتريك أوشونيسي (المُقدم):
لقد أخبرتني سابقاً قصة رائعة عن التغير الكبير في استهلاك الرموز (tokens) من قبل فريقكم هذا العام. هل يمكنك أن تكررها؟ وكيف غيرت فهمك لما يحدث في العالم؟

دايلن باتيل (مؤسس SemiAnalysis):
في العام الماضي، كنا نظن أننا من المستخدمين الكثيفين للذكاء الاصطناعي. الجميع يستخدم ChatGPT، والجميع يستخدم Claude، وأنا أقدم للفريق اشتراكات متنوعة. في ذلك الوقت، كانت نفقاتنا على ذلك بضع عشرات الآلاف من الدولارات سنوياً.

لكن هذا العام، بدأت النفقات في الارتفاع بشكل حاد. البداية الحقيقية كانت في نهاية ديسمبر الماضي، مع ظهور Opus. وكان من بينهم داوج، رئيسنا، الذي يقود دفع غير التقنيين لكتابة الكود باستخدام الذكاء الاصطناعي. يمكن القول إنه بدأ يدمج الشركة بأكملها تدريجياً. بالطبع، المهندسون كانوا يستخدمون، لكن منذ يناير، بدأ الإنفاق يتجه نحو الارتفاع، وارتفع بسرعة هائلة.

ثم وقعنا عقداً مع Anthropic. عندما تحدثت إليك آخر مرة، كانت نفقاتنا السنوية حوالي 5 ملايين دولار؛ الآن وصلت إلى 7 ملايين دولار.

باتريك أوشونيسي:
وهذا كان الأسبوع الماضي فقط.

دايلن باتيل:
نعم، والجزء الأكبر من ذلك هو حجم الاستخدام نفسه. الأهم أن الأشخاص الذين لم يكتبوا كوداً من قبل، بدأوا يستخدمون Claude Code، وبعضهم ينفق آلاف الدولارات يومياً. لكن بشكل عام، نفقاتنا على Claude Code الآن تصل إلى 7 ملايين دولار سنوياً، مقابل رواتبنا التي تبلغ حوالي 25 مليون دولار. أي أن إنفاقنا على Claude Code يتجاوز 25% من رواتبنا.

إذا استمر هذا الاتجاه، قد يتجاوز الإنفاق على Claude Code إجمالي الرواتب بحلول نهاية العام. وهذا مخيف قليلاً. لكن، لحسن الحظ، لست مضطراً لاختيار بين «الإنسان» و«الذكاء الاصطناعي»، لأن النمو في الشركة سريع. بمعنى، لست بحاجة لتوظيف بسرعة، لكن يمكنني إنفاق المزيد على الذكاء الاصطناعي، وهو فعال، ويؤدي إلى نمو أسرع.

لكن أعتقد أن شركات أخرى ستواجه هذا السؤال عاجلاً أم آجلاً: إذا كان شخص واحد يستطيع إنجاز عمل 5 أو 10 أو حتى 15 شخصاً باستخدام Claude Code، فماذا بعد؟ أولاً، ربما يجب تقليل التوظيف؛ وثانياً، أن الاستخدامات واسعة جداً حالياً.

مثلاً، لدينا مختبر هندسة عكسية في أوريغون، أنشأناه منذ سنة ونصف. فيه معدات عالية التقنية، مثل المجهر الإلكتروني الماسح، وأجهزة تحليل الرقائق. الهدف هو تحليل الرقائق، واستخراج تصميمها، وتحليل المواد المستخدمة في التصنيع. وهذه من بين البيانات التي نبيعها.

لكن تحليل هذه البيانات كان بطيئاً جداً سابقاً. الآن، شخص واحد في فريقنا، أنفق فقط بضعة آلاف من رموز Claude، وابتكر تطبيقاً يمكنه تسريع المعالجة باستخدام GPU، ويعمل على خوادم CoreWeave. فقط نرسل له صورة لرقاقة، ويحدد تلقائياً مواقع المواد: النحاس، التانتالوم، الجرمانيوم، والكوبالت. ثم يمكنه بسرعة إجراء تحليل عناصر محدود، مع تصور كامل وواجهة رسومية ولوحة تحكم.

كان هذا الشخص يعمل سابقاً في إنتل، وقال إن هذا كان يتطلب فريقاً كاملاً للصيانة والتشغيل. الآن، يمكن أن يُنجز هذا العمل بشكل فردي، وهو أمر مذهل.

مثال آخر مثير للاهتمام هو Malcolm، الذي كان اقتصادياً في بنك كبير. كان فريقه الاقتصادي يتكون من 100 إلى 200 شخص. الآن، أنجز شيئاً مذهلاً.

ربط جميع البيانات، بما في ذلك بيانات FRED، وتقارير التوظيف، وبيانات من API مختلفة. ووقع عقوداً مع مزودي البيانات، وحصل على وصول API. ثم بدأ في تحليل البيانات، وإجراء نماذج انحدار، وتقييم تأثير التغيرات الاقتصادية على التضخم والانكماش.

قام Malcolm باستخدام الذكاء الاصطناعي بتقييم حوالي 2000 مهمة من تصنيف المهام في مكتب إحصاءات العمل الأمريكي، ووجد أن حوالي 3% من المهام يمكن الآن إنجازها بواسطة الذكاء الاصطناعي.

ابتكر مؤشرًا لقياس مدى إمكانية إنجاز المهام بواسطة الذكاء الاصطناعي، وتأثير ذلك على الانكماش الاقتصادي. وسمى ذلك «الناتج الوهمي» (Phantom GDP)، لأنه رغم زيادة الإنتاج، فإن انخفاض التكاليف قد يؤدي إلى انكماش الناتج المحلي الإجمالي الحقيقي.

بنى Malcolm نموذج تقييم جديد، وابتكر معياراً لتقييم النماذج، شمل حوالي 2000 تقييم.

باتريك أوشونيسي:
هل قام بذلك شخص واحد فقط؟

دايلن باتيل:
نعم، كل ذلك من عمل شخص واحد. قال لي: «يا أخي، هذا كان يتطلب فريقاً من 200 اقتصادي، ويستغرق سنة كاملة». الآن، هو غارق في Claude، وكل شيء تغير.

باتريك أوشونيسي:
كيف تفسر ذلك كرائد أعمال؟ أن تنفق الآن 25% من الرواتب على Claude Code، وأن تستمر في الارتفاع، متى ستقول: «توقف، ربما يجب أن أضبط الإنفاق»؟ هل تفكر في استبدال نماذج متطورة مثل Opus 4.7 بنماذج أرخص؟

دايلن باتيل:
في النهاية، أنا أعمل في مجال المعلومات. نبيع تحليلات، ونقدم استشارات، وننشئ مجموعات بيانات. لا أرى سبباً لعدم توقع أن يتم تسليع هذه الأشياء بسرعة.

إذا لم أواصل تحسين منتجاتي، فإن أول منتج بيانات بدأنا به، سيبدأ الآخرون في تقديم شيء مشابه. نحن نستمر في تحسينه، ونجعله أدق وأفضل. لكن، في 2023، طريقتنا في العمل لا تختلف كثيراً عن الآخرين. إذا لم أرفع المعايير بسرعة، سأُسوق، وإذا لم أتحرك بسرعة، سأُستبدل.

السؤال هو: نعم، الذكاء الاصطناعي يُسوق العديد من المنتجات، تماماً كما يفعل مع البرمجيات. لكن من يتصرف بسرعة، ويعرف كيف يحافظ على علاقات العملاء، ويقدم خدمات ممتازة، ويواصل تحسينها، سينمو أكثر. من لا يفعل ذلك، سيتراجع.

وهذا يشبه نوعاً ما مسألة بقاء: إذا لم أتبنَ الذكاء الاصطناعي، غيري سيفعل، وسيتفوق علي.

مثال آخر بسيط هو قطاع الطاقة. خلال العام الماضي، حاولنا بناء نموذج طاقة معقد، وطلب السوق حوالي 9 مليارات دولار. رغم أن فريقنا عمل على ذلك سنة، لم ندخل بعد سوق البيانات الطاقية بشكل حاسم.

لكن، مع ظهور «Claude Code المرضي»، بدأ Jeremy، مسؤول مشاريع الطاقة، يستخدمه. خلال ثلاثة أسابيع، أنفق الكثير، حوالي 6000 دولار يومياً، ونجح في رسم خريطة لشبكة الكهرباء الأمريكية، وجمع بيانات من مصادر عامة، ودمجها في لوحة تحكم تظهر نقص أو فائض الكهرباء في المناطق المختلفة.

عرضناها على عملائنا، بما في ذلك متداولي الطاقة، وقالوا: «كم استغرق الأمر؟ هذا رائع، أفضل من شركات أخرى». اكتشفنا أن شركة أخرى لديها 100 موظف، وتعمل على هذا منذ 10 سنوات.

بالرغم من أن منتجنا لا يزال أقل تطوراً، إلا أنه يتفوق في بعض الجوانب. الآن، نحن نُسوق هذه البيانات، لكن إن لم نسرع، من سيقوم بذلك بدلاً منا؟

من وجهة نظر رائد أعمال، السؤال ليس «هل أنفقت الكثير من المال»، بل «ما الذي حصلت عليه مقابل ذلك؟ هل زادت إيراداتي؟». إذا كانت الإجابة نعم، فالإنفاق مبرر.

باتريك أوشونيسي:
هل تقلق من أن أصحاب رأس المال، أو المستثمرين، أو من يوظفكم، قد يقولون: «نحن لدينا محللون، ونحن أذكى، يمكننا أن نفعل ذلك بأنفسنا»؟ هل ستعود الأمور إلى داخل المؤسسات الاستثمارية، حيث يمكنهم الاستفادة أكثر من البيانات؟

دايلن باتيل:
بالتأكيد، كل عمل معلوماتي يعتمد على ذلك: القيمة التي أستخلصها من معلومة واحدة أقل من القيمة التي يستفيد منها العميل من تلك المعلومة.

إذا بعتك معلومة مقابل دولار واحد، أنت تشتريها لأنك تعتقد أنها ستساعدك على اتخاذ قرار يدر عليك أكثر من دولار. أنت تشتري فرصة للمكسب، وأرباحك من المعلومة تتجاوز سعرها.

صناديق الاستثمار، خاصة مثل Jane Street و Citadel، لديها قدرات عالية في البيانات، لكنهم لا يزالون يشترون بياناتنا، ويواصلون ذلك، ويتعاونون معنا بشكل متزايد.

هناك «عامل سري» هنا: نحن أسرع، وأكثر مرونة، وفريقنا أصغر، ونركز على بنية تحتية للذكاء الاصطناعي، والتغيرات الكبرى التي تثيرها، بما في ذلك اقتصاد الرموز، والنماذج، وكل شيء مرتبط. نحن نرى الاتجاهات مبكراً، ونبني بسرعة.

لذا، المستثمرون يحاولون غالباً أن يفعلوا ما نفعله، لكن غالباً يشترون بياناتنا ويطوّرون عليها. من الأسهل والأرخص أن يشتري المستثمرون بياناتنا ويطوّرون عليها، بدلاً من أن يبنوا من الصفر. لكن، في النهاية، سيحاولون أن يفعلوا ذلك بأنفسهم.

تحول الرموز إلى أدوات إنتاج جديدة

باتريك أوشونيسي:
كل مرة أتحدث معك، أعود لنفس السؤال: العرض والطلب على الرموز (tokens). الآن، هذا هو أكثر شيء يثير اهتمامي. هل غيرت تجاربك في الطلب على الرموز فهمك لهذا الجانب؟ عندما تختبره بشكل مباشر، هل تغيرت نظرتك للطلب على الرموز؟

دايلن باتيل:
لو أخذنا خطوة للخلف، من منظور كلي، إيرادات Anthropic قد تكون نمت من 9 مليارات إلى 35 أو 40 مليار دولار. وعند نشر الحلقة، ربما تكون وصلت إلى 40-45 مليار دولار.

لكن، قدراتها الحاسوبية لم تتضاعف بنفس النسبة. إذا حسبنا، وفرضنا أنها لم تقلل من استثماراتها في البحث والتطوير — وهو واضح أنها لم تفعل، لأنها تطلق نماذج جديدة مثل Metis و Opus 4 و Opus 4.7 — فذلك يعني أن الزيادة في القدرة الحاسوبية، حتى لو استُخدمت بالكامل في الاستدلال، ستظل تحقق هامش ربح أدنى حوالي 72%.

وفي الواقع، جزء من القدرة الإضافية يُحتمل أن يذهب إلى البحث والتطوير، مما يرفع هامش الربح الفعلي فوق 72%. في بداية العام، تسربت بعض وثائق التمويل الخاصة بهم، وظهر أن هامش الربح كان حوالي 30%.

كيف يمكن لعمل أن يرفع هامش الربح بهذه السرعة خلال فترة قصيرة؟ الجواب هو أن الطلب على الرموز مرتفع جداً. يمكنهم تقييد الاستخدام، وتحديد المعدلات، وفرض قيود مختلفة. المهم أن يكون لديك مدير حسابات لعملاء Anthropic، وعقد تجاري، ويمكنك الحصول على رفع في حدود المعدل. بدون ذلك، الرموز ستصبح نادرة جداً.

من يدفع، يحصل على الرموز. Anthropic تواجه نفس المشكلة — وهي ليست مشكلة، بل واقع السوق الرأسمالي. نعم، العملاء يدفعون حوالي 40 مليار دولار سنوياً مقابل الرموز، لكن القيمة التي يخلقونها من تلك الرموز تتجاوز بكثير هذا الرقم.

قيم الرموز تختلف من شركة لأخرى. ومع تزايد ذكاء النماذج، يصبح الأمر أكثر أهمية: من يستطيع الحصول على الرموز الأذكى، ويستخدمها في أكثر المهام قيمة؟

كشخص، عليك أن تختار كيف تستخدم الرموز لزيادة الأعمال، وخلق القيمة. كثيرون يرغبون في الرموز، ويستهلكونها. لكن الشركات الصغيرة التي تستخدم Claude لإنشاء منتجات برمجية، قد لا تخلق قيمة ضخمة. لذلك، مع الوقت، ستُطرد تلك الشركات من السوق إذا ارتفعت أسعار الرموز.

باتريك أوشونيسي:
حتى أنا، على متن الطائرة اليوم، واجهت ذلك. عندما أُطلق Opus 4.7، رغبت في استخدامه فوراً، لكن تم تقييدي، ولم أتمكن من الوصول إليه. حتى أنني لم أعد أتصور استخدام 4.6، رغم أنني كنت راضياً عنه.

هل تتفاجأ من إصرار الناس على استخدام النماذج الأكثر تكلفة وتطوراً؟

دايلن باتيل:
على الإطلاق. منذ أسبوع ونصف، كانت من أطرف ذكرياتي أني ورفيقي ليوبولد، كنا نكاد نركع أمام مؤسس Anthropic، نطلب منه أن يمنحنا وصولاً إلى Metis.

كنا نعرف أنه موجود، فقلنا: «رجاءً، دعنا نجربه». فرد: «لا أعرف عما تتحدثون».

باتريك أوشونيسي:
عندما تظهر قائمة الأسعار أو بطاقة التقييم (eval card)، كيف يكون رد فعلك؟

دايلن باتيل:
في المنطقة، كانت هناك إشاعات، وكنت أعتقد أنه سيكون قوياً جداً. إذا نظرت إلى المعايير، ستجد أن Mephisto / Metis ربما يمثلان قفزة في قدرات النماذج خلال العامين الماضيين.

هذه النقطة مهمة جداً: النموذج قوي لدرجة أن Anthropic لا تريد إصداره بالكامل. على الرغم من أنهم أبلغوا بعض العملاء، وأجروا إصداراً انتقائياً، خاصة في مجالات الأمن السيبراني. تكلفة الرموز قد تكون 5 أو 10 أضعاف، لكنهم لا يريدون إصداره للجميع، خوفاً من تأثيره على العالم الحقيقي.

الآن، لدينا نسخة أضعف، وهي Opus 4.7، وأوضحوا في بطاقة النموذج أنهم عمدوا إلى تقييد قدرات الأمن السيبراني بشكل متعمد. ربما لم تلاحظ ذلك.

أريد أن أقول: إذا كنت تملك رأس مال كافياً، فاشترِ اشتراكاً مؤسسياً من Anthropic، وادفع بالرموز، بدلاً من الاشتراكات العادية، لتفادي التقييد.

ثم، عليك أن تفكر جيداً: كيف تستخدم الرموز في المهام ذات القيمة الأعلى، وتحقق منها أرباحاً. لأنه، ربما بعد سنة أو سنتين، ستكون معظم الأعمال تعتمد على استراتيجيات استغلال الرموز. القوة تكمن في معرفة أين توجهها.

بعد ثلاث أو أربع سنوات، قد يعرف النموذج نفسه كيف يستخدم الرموز لتحقيق أقصى قيمة.

لو نظرت إلى أي معيار، ستجد أن تكلفة الوصول إلى مستوى معين من القدرات كانت X، والآن ربما تكون أقل من واحد بالمئة، أو حتى ألف من المئة. مثلاً، عندما وصل DeepSeek إلى مستوى GPT-4، كانت تكلفته حوالي سدس تكلفة GPT-4. ومنذ ذلك الحين، تتراجع تكاليف نماذج GPT-4.

بالطبع، لم يعد أحد يهتم بنماذج GPT-4. ما يهم هو النماذج المتطورة، لأنها تخلق قيمة اقتصادية حقيقية. لكن، نماذج GPT-4 لا تزال تستخدم في بعض السيناريوهات، وغالباً تكون أصغر.

الطلب الحقيقي يأتي من حالات الاستخدام الجديدة، وليس من انخفاض تكلفة القدرات القديمة. حالياً، تستخدم نماذج Opus 4.6 أو 4.7. بعد سنة، إذا أردت أن تحصل على نفس جودة النموذج اليوم، قد يكلفك الأمر 70 ألف دولار، أي أقل بمئة مرة.

لكن، هذا غير مهم، لأنني سأستخدم نموذجاً أقوى لإنجاز مهام ذات قيمة أعلى.

نماذج مثل Metis، رغم أنها أغلى، إلا أنها تستهلك رموزاً أقل لإنجاز نفس المهمة، وبالتالي فهي أرخص في معظم الحالات.

دايلن باتيل:
لأنها أكثر كفاءة. حتى لو كانت الرموز «أذكى» وأغلى، فهي تستخدم أقل لإنجاز المهام.

باتريك أوشونيسي:
عندما رأيت Metis لأول مرة، قلت إنه قوي لدرجة تثير الخوف. ماذا تعني بذلك؟

دايلن باتيل:
هدف Anthropic لعام 2025، بل من 2024، هو أن يكون لديهم نموذج بمستوى مهندس برمجيات L4 بحلول نهاية 2025. بشكل عام، حققوا ذلك باستخدام Opus 4.6.

لكن، ما لم يقولوه، هو أن مقارنة Metis بمعايير الاختبار، تظهر أنه أقرب إلى مهندس برمجيات بمستوى L6، وهو مستوى خبرة عالية جداً.

أذكر أن Anthropic قالوا إن النموذج كان متاحاً داخلياً منذ فبراير، أي خلال شهرين، ارتقوا من مستوى L4 إلى L6. ماذا سيحدث بعد ذلك؟

عندما تفكر في تقدم النماذج، تلاحظ أنها تتسارع. وتيرة إصدار النماذج تتقلص، سواء من OpenAI أو Anthropic. لماذا؟ لأن بناء نماذج أفضل يتطلب عدة عناصر:

أولاً، قوة حوسبة هائلة، والتي غالية جداً، وتحدد جدول زمني. نحن نتابع ذلك، وهو في ارتفاع، لكن بشكل عام، العقود الموقعة ثابتة.

ثانياً، يحتاجون إلى باحثين ممتازين، ويستثمرون ملايين الدولارات في رواتبهم.

ثالثاً، التنفيذ. كان دائماً صعباً، لكن الآن، الأفكار كثيرة، والتنفيذ أصبح أسهل بكثير، رغم تكلفته.

السؤال هو: كيف يقرر شخص ما ما الذي ينفذه من الأفكار؟ مع تيسير التنفيذ، يمكن إنجاز المزيد بسرعة أكبر.

هذا يحدث في أبحاث النماذج، حيث تقل فترات الإصدار من ستة أشهر إلى شهرين. ويمكن أن يحدث في مجالات أخرى، مثل نمذجة محطات توليد الطاقة، وتحليل العرض والطلب في المناطق الدقيقة، وهو الآن ممكن.

الأفكار رخيصة، لكن المهم هو: أيها ذو معنى؟ وأيها يستحق استثمار رأس مال لشراء الرموز وتنفيذه؟ لأن القدرة على التنفيذ أصبحت متاحة.

إذا استمر انخفاض تكلفة التنفيذ — وهو يحدث بالفعل — فنحن لم نصل بعد إلى Metis الحقيقي. إصدار Opus 4.7 تم قبل ساعات، ونحن متحمسون جداً.

ماذا سيحدث بعد ذلك؟ أعتقد أنه سيعيد ترتيب طريقة عمل الاقتصاد.

في الماضي، كانت القدرة على التنفيذ مهمة جداً، لأنها صعبة، والأفكار كانت رخيصة. الآن، الأفكار ليست فقط رخيصة، بل وفيرة، والتنفيذ أصبح سهلاً جداً. لذلك، ما يبقى هو الأفكار الجيدة التي تثبت أن، حتى مع سهولة التنفيذ، لا يزال من الجدير أن تدفع مقابلها.

هل أنت خائف حقاً؟ أم أن الأمر مجرد عدم يقين يصعب السيطرة عليه؟

لا شك في وجود عدم يقين، لكني أعتقد أن ذلك يثير نوعاً من الخوف. المشكلة هي: كيف يعيد المجتمع تنظيم نفسه؟

عندما تعيش في عالم حيث «قدرة التنفيذ» لم تعد مهمة جداً، ما الذي يصبح مهماً؟ هل هو اختيار الأفكار الصحيحة للنموذج ليحققها؟ هل هو بيع تلك الأفكار، أو بيع المنتجات التي يخلقها النموذج؟ هل هو جمع رأس مال لهذه الاتجاهات؟ هذه الأمور ستصبح مهمة.

وهذا يعود للسؤال السابق: من يمكنه الوصول إلى أحدث النماذج؟

هناك مشروع من Anthropic، أسمّيه «Earwig» بشكل ساخر، لأنه يلمح إلى أن النماذج ستُقيد أكثر، وتُستخدم بشكل أضيق، خاصة في مجالات الأمن السيبراني.

ملاحظة: «Earwig» تعني «صُرار»، وهو نوع من الحشرات الصغيرة، ويُستخدم هنا كاسم رمزي ساخر، لأنه يلمح إلى «التسلل» أو «التأثير الخفي».

أعلم أن OpenAI وAnthropic وغيرهم يقولون إنهم يريدون أن يكون الجميع لديهم ذكاء اصطناعي قوي، لكن الذكاء الاصطناعي مكلف جداً. من سيدفع ثمن البنية التحتية التي تريليونات الدولارات؟ هم من يملكون المال، ويستخدمونه لبناء أشياء مفيدة.

وأنت لا تريد أن ي distilled الآخرون نماذجك، لذلك لن تنشرها على نطاق واسع. ستوفرها لعدد محدود من العملاء، وهؤلاء سيتنافسون على الرموز.

إلا إذا زادت Anthropic الأسعار بشكل كبير. يمكنها أن تضاعف سعر Opus، وسأظل أدفع. وأعتقد أن معظم المستخدمين سيواصلون الدفع. لكن، هذا لن يحل مشكلة القدرة الإنتاجية لديهم.

السؤال هو: أين ستنتهي هذه الدورة؟ عندما تتركز الطلبات والقيمة الناتجة عن الرموز في أيدي عدد قليل من الشركات، ماذا سيحدث؟

لا أملك حالياً Metis، لكن من يملكها؟ البنوك الكبرى، مثل Citadel، لديها. قد يستخدمونها حالياً في الأمن السيبراني، لكن يمكن أن يتغير الأمر، ويبدأون في التنافس على الوصول المبكر، أو على معدلات أعلى، أو على حقوق استخدام أكبر.

وهذا يمكن أن يخلق سوقاً يسيطر عليه من يملك القدرة على الوصول المبكر، ويشتري بكميات كبيرة، ويحتكر السوق.

وهذا يمكن أن يحدث أيضاً في مجالات أخرى، مثل أمن المعلومات، حيث تقلق الشركات من أن النماذج قد تُستخدم لاختراق الأنظمة.

هذه الظواهر تؤثر على نطاق واسع، ولا أحد يعرف تماماً ماذا يمكن أن تفعل النماذج. الشركات، والباحثون، والمستخدمون النهائيون، هم من سيكتشفون كيف يمكن استغلال الرموز، وما يمكن بناؤه، وما يمكن تصوره.

هذا سيزيد من الإنتاجية بشكل كبير، وسيكون له آثار إيجابية، لكن المشكلة هي: كيف تتجمع الموارد وحقوق الاستخدام؟

الروبوتات ستتفاعل مع الطلبات القادمة

باتريك أوشونيسي:
حالياً، استهلاك الرموز من قبل الروبوتات أو أنظمة الروبوتات (robotics) يكاد يكون غير ملحوظ مقارنة بقطاعات أخرى. كيف ترى ذلك؟ هل يمكن أن يصبح طلباً ثانياً؟ هناك مئات من الشركات الناشئة في مجال الروبوتات تظهر يومياً، وتحاول أن تفعل شيئاً مثيراً.

دايلن باتيل:
هناك مفهوم يُسمى «السيناريو الأحادي للبرمجيات» (software-only singularity). بمعنى، قد يظهر أولاً نوع من الذكاء الاصطناعي يحدث فقط في البرمجيات. لكن، المشكلة أن العالم لا يزال يعتمد بشكل كبير على المادية. سترى أن العالم سينظم حول الأجهزة، وليس فقط البرمجيات. لذلك، أعتقد أن «السيناريو الأحادي للبرمجيات» سيكون مرحلة مؤقتة، وليس النهاية. لأننا في النهاية سنعود إلى العالم المادي.

عندما يصبح البرمجيات سهلة جداً، ما هو الجزء الصعب في الروبوتات؟ هو البرمجة، والمتحكمات الدقيقة، والمشغلات، والتحكم في كل ذلك. هذه الأمور لا تزال صعبة جداً.

نماذج الذكاء الاصطناعي لها خاصية مثيرة: كفاءتها في التعلم منخفضة نسبياً. فقط لأننا أعطيناها كميات هائلة من البيانات، تعلمت، وتفوقت على البشر في بعض المجالات.

لكن، حالياً، نماذج الروبوتات، مثل VLA (Vision-Language-Action)، التي تجمع بين الرؤية، واللغة، والعمل، شائعة جداً، لكني أعتقد أنها ليست النهاية. بياناتها غير فعالة، ولا يمكننا توسيعها بسرعة كافية.

مستقبلاً، ستظهر طرق لتدريب نماذج الروبوتات بشكل واسع، تماماً كما يتعلم الإنسان طوال حياته من البيانات. الإنسان مميز لأنه «عالي الكفاءة في العينات». نحتاج فقط إلى مثال واحد أو اثنين، ونتعلم.

إذا طبقنا ذلك على الروبوتات، ستتغير الأمور تماماً. بمجرد أن يصبح «السيناريو الأحادي للبرمجيات» واقعاً، ويصبح التنفيذ رخيصاً، يمكن للجميع بناء نماذج روبوتات مفيدة.

أتوقع خلال 6 إلى 18 شهراً، أن نبدأ برؤية تقدم حقيقي في مجال الروبوتات. القدرة الأساسية ستكون «التعلم من قليل من الأمثلة» (few-shot learning). عندها، سيكون هناك نموذج روبوتي مدرب مسبقاً، ويمكنك أن تشتري روبوت، وتعرض عليه بعض الأمثلة، وسيقوم بالمهمة.

تخبره أن يكرر شيئاً معيناً، وسيقوم. تقول له: «حافظ على توازن هذا الشيء»، وسيبدأ في التجربة والتنفيذ. لقد قمت بكثير من التجارب بنفسي.

الروبوتات ستظهر قدرات التعلم من قليل من الأمثلة.

حالياً، هناك العديد من الشركات التي تصنع روبوتات، بعضها لأغراض إعلانية، وبعضها لمهام بسيطة. لكن، في المستقبل، ستصبح أكثر تخصصاً، مثل روبوتات لترتيب الملابس، أو لتنظيف السبورة. قد تكون خدمة تأجير، أو حزمة نماذج، تُنزلها على روبوت قياسي، ويقوم بالمهمة، وتدفع مقابل الاستخدام.

بغض النظر، فإن مجال المنتجات الفيزيائية سيشهد تسريعاً هائلاً، وسيؤدي إلى انكماش في الطلب، مما يعزز الطلب على الرموز. لذلك، لا أعتقد أن الطلب على الرموز سيتراجع.

باتريك أوشونيسي:
ماذا تعلمت من نتائج Metis، وكيفية بنائها، عن العالم؟ هل غيرت فهمك لأسس التوسع (scaling laws)، مثلاً، في مجال التدريب المسبق؟

دايلن باتيل:
إنه نموذج أكبر بكثير من النماذج السابقة. حوالي 100 ألف قطعة من Blackwell، تعادل عشرات الآلاف من شرائح الرقائق. طبعاً، هناك اختلافات في وتيرة الإصدار بين TPU و Triton، لكن بشكل عام، نعم، Metis نموذج أكبر بوضوح. وأظهر أن قوانين التوسع لا تزال سارية. كل شيء يدل على أن الاتجاه مستمر: استثمار المزيد من الحوسبة في النموذج، والنمو يصبح أفضل.

وأيضاً، خلال العملية، نحقق تحسينات مستمرة في كفاءة الحوسبة. كل استثمار في البحث والتطوير يتحول إلى شيء واحد: إذا أردت نموذجاً بمستوى معين من القدرات، فكل ستة أشهر، أو الآن كل شهرين، ستنخفض تكلفة الوصول لهذا المستوى بشكل كبير. وإذا زدت الحجم بشكل كبير، ستحصل على قفزات هائلة في القدرات.

نعم، هذا يثبت أن الأمر لا يزال يتقدم. جوجل وAnthropic لا يستخدمان بشكل كبير وحدات GPU. وOpenAI ستطلق نماذج جديدة قريباً. أعتقد أن نهجهم في التوسع هو خطوة محسوبة، بينما Anthropic قامت بقفزة ضخمة.

هذا العام، سنرى نماذجاً أفضل، وسرعة الإصدار ستتسارع.

باتريك أوشونيسي:
لقد تحدثنا طويلاً، ولم نذكر OpenAI تقريباً، وهذا غريب.

دايلن باتيل:
هذا هو الشيء المثير. الآن، الكثيرون يقولون: إذن، Anthropic فازت، أليس كذلك؟ لديهم Metis منذ فبراير، ولم يطلقوا بعد، لأنهم يعتقدون أن ذلك غير ضروري. قدراتهم الحاسوبية مباعة، وإيراداتهم تتزايد بمليارات الدولارات شهرياً. وأخيراً، أطلقوا Opus 4.7، وكل ذلك قبل أن يُشاع عن إطلاق مشروع «Spud» من OpenAI، كما ذكرت وسائل الإعلام.

لذا، من الظاهر أن Anthropic تتقدم، وOpenAI ربما تتراجع. لكن، من المثير أن قدرات Anthropic محدودة، وسرعة توسعها محدودة. داري قال سابقاً إن OpenAI استثمرت بشكل مفرط، وأن توسع Anthropic أكثر عقلانية. لكن الآن، ربما كان عليهم أن يملؤوا الفجوة.

OpenAI قادرة على دفع الفواتير، وقد حصلت على تمويل كبير لزيادة قدراتها.