من البنية التحتية للطاقة إلى اقتصاد الرموز: "الكيكة ذات السبع طبقات" لسلسلة صناعة الذكاء الاصطناعي

العنوان الأصلي: من البنية التحتية للطاقة إلى اقتصاد التوكن: "الطبقة السابعة من كعكة" سلسلة صناعة الذكاء الاصطناعي

المؤلف الأصلي:律动BlockBeats

المصدر الأصلي:

إعادة النشر: مارين فاينانس

الدافع وراء عصر الذكاء الاصطناعي، تحول من النماذج إلى التوكن

في العامين الماضيين، كانت السردية الرئيسية لنصف صناعة الذكاء الاصطناعي تركز على "حرب النماذج الكبيرة" التي أطلقتها الشركات الكبرى. حجم المعلمات من مئات المليارات اقترب من التريليونات، وتكلفة التدريب ارتفعت من عشرات الملايين إلى مئات الملايين من الدولارات، وتوسعت مجموعات GPU من بضع مئات إلى عشرات الآلاف من البطاقات. الجميع يناقش من هو النموذج الأقوى، ومن يقترب أكثر من الذكاء العام الاصطناعي، وكأن نهاية سباق الذكاء الاصطناعي تعتمد على أداء النماذج الكبيرة نفسها.

لكن مع وصول عام 2026، تغيرت منطقية الدفع لصناعة الذكاء الاصطناعي. وفقًا لأحدث تقرير من JPMorgan، المستقبل الحقيقي الذي سيدفع توسع البنية التحتية للذكاء الاصطناعي لن يكون تدريب النماذج، بل الطلب الهائل على استنتاجات الذكاء الاصطناعي (Inference). الاستهلاك الأكبر للحوسبة في المستقبل لن يكون تدريب النماذج الكبيرة فحسب، بل وجود وكلاء الذكاء الاصطناعي المنتشرين حول العالم. كل استدعاء، وكل تفاعل، وكل تنفيذ لمهمة، في جوهره يستهلك التوكن. تتجه صناعة الذكاء الاصطناعي من "عصر النماذج" إلى "عصر صناعة التوكن".

لأن ما يحرك عالم الذكاء الاصطناعي حقًا في المستقبل، ليس النماذج نفسها، بل نظام الإنتاج والتوزيع والتنسيق والاستهلاك المرتبط بالتوكن. خاصة بعد ظهور وكلاء الذكاء الاصطناعي على نطاق واسع، ستصبح كيفية توليد التوكن في الوقت الحقيقي، وتوزيعها عبر المناطق، والتنسيق الديناميكي، والاستهلاك الفعال، من أهم القضايا الجديدة في الصناعة.

كما اقترح مؤخراً هوانغ رن xun، فإن الذكاء الاصطناعي ليس مجرد صناعة برمجيات بسيطة، بل هو نظام بنية تحتية يشبه الكهرباء والإنترنت. في هيكله "خمس طبقات"، يُقسم قطاع الذكاء الاصطناعي إلى: الطاقة، الرقائق، البنية التحتية، النماذج، والتطبيقات. ومع دخول صناعة الذكاء الاصطناعي من "عصر التدريب" تدريجيًا إلى "عصر الاستنتاج"، تميل GoodVision AI إلى فهم سلسلة الاقتصاد للذكاء الاصطناعي على أنها "كعكة من سبع طبقات" تدور حول التوكن:

الطبقة الأولى: الكهرباء — البنية التحتية للطاقة في عصر الذكاء الاصطناعي
الطبقة الثانية: AIDC — مصنع التوكن
الطبقة الثالثة: GPU — معدات إنتاج التوكن
الطبقة الرابعة: LLM — محرك إنتاج التوكن
الطبقة الخامسة: توزيع التوكن — "شبكة الكهرباء" في عصر الذكاء الاصطناعي
الطبقة السادسة: تحسين التوكن والتنسيق الذكي — دماغ عصر الذكاء الاصطناعي
الطبقة السابعة: وكيل الذكاء الاصطناعي — جهاز استهلاك التوكن النهائي

من الطاقة، إلى GPU، إلى AIDC، إلى العقد الطرفية، ثم إلى استنتاج النماذج والتنسيق الذكي، تتشكل صناعة الذكاء الاصطناعي بنظام "صناعة التوكن" غير مسبوق.

لكن في الوقت الحالي، لا تزال هذه المنظومة غير ناضجة تمامًا.

هناك من يمتلك أحدث GPU، لكنه مقيد بالطاقة؛ هناك من أنشأ AIDC ضخم، لكنه يفتقر إلى التنسيق الفعال؛ هناك من يطور وكلاء ذكاء اصطناعي قويين، لكنه يواجه تكاليف استنتاج عالية وتأخير؛ هناك من يسيطر على العقد الطرفية، لكنه غير قادر على تشكيل شبكة موحدة ومتعاونة. رغم أن سلسلة الصناعة تتطور بسرعة، إلا أن هناك العديد من الفجوات والتكرار ومشاكل الكفاءة بين الطبقات.

فقط عندما يتم ربط هذه الطبقات السبع للبنية التحتية بشكل فعال، وتعمل بتناغم، ستنتقل صناعة الذكاء الاصطناعي من "عصر الأدوات" إلى "عصر الاعتماد على الذكاء بشكل واسع".

الطبقة الأولى من الكعكة: الكهرباء — البنية التحتية للطاقة في عصر الذكاء الاصطناعي

الثورة الصناعية كانت تتصارع على الفحم والنفط، وعصر الإنترنت كان يتصارع على التدفق والخوادم، لكن في عصر الذكاء الاصطناعي، تبدأ المعركة في العودة إلى الطاقة.

لأن استهلاك الذكاء الاصطناعي النهائي هو الكهرباء. استهلاك مركز بيانات كبير للذكاء الاصطناعي يقترب من استهلاك مدينة متوسطة الحجم. في جميع أنحاء العالم، تواجه مراكز البيانات للذكاء الاصطناعي الجديدة مشكلة واحدة: يمكن شراء GPU، وبناء الأراضي، لكن إمدادات الكهرباء لا تواكب، وشبكة التوزيع لا تواكب.

لهذا السبب، بدأ المزيد من شركات الذكاء الاصطناعي تركز على البنية التحتية للطاقة. في GTC 2026، وصف هوانغ رن xun مراكز البيانات المستقبلية بأنها "مصانع التوكن". حيث ستنتج هذه المصانع صناعة طاقة فائقة.

في السوق الصينية، تمثل شركات مثل Yangtze Power، China Nuclear Power، China General Nuclear، Three Gorges Energy، Longyuan Power، Huadian New Energy، قطاعات الطاقة المائية، النووية، الرياح، والطاقة الشمسية. وتتمتع الطاقة النووية والمائية بقدرة ثابتة على التوريد، مما يجعلها أساسيات الطاقة في مراكز البيانات للذكاء الاصطناعي؛ بينما تستفيد طاقة الرياح والطاقة الشمسية من الطلب المتزايد على الكهرباء الخضراء و ESG. مع تقدم مبادرات "东数西算" وبناء مراكز البيانات الكبيرة، تتعزز العلاقة بين قواعد الطاقة الجديدة ومراكز الحوسبة بسرعة.

في السوق الأمريكية، تستفيد شركات مثل NextEra Energy، Dominion Energy، Duke Energy، Southern Co.، Exelon من توسع مراكز البيانات للذكاء الاصطناعي. حيث تعتبر NextEra رائدة في الطاقة الخضراء في أمريكا الشمالية؛ وتسيطر Dominion على موارد النقل الرئيسية في "ممر البيانات في شمال فرجينيا"؛ وExelon، بقدرتها على توفير طاقة نووية مستقرة، تعتبر من المستفيدين الرئيسيين من الطلب على "طاقة عالية الاستقرار على مدار الساعة" في عصر الذكاء الاصطناعي. بشكل عام، تتطور صناعة الطاقة العالمية من شركات المرافق التقليدية إلى طبقة الموارد الأساسية في عصر البنية التحتية للذكاء الاصطناعي.

بشكل عام، تتغير المنافسة في هذه الطبقة من "منافسة أسعار الكهرباء" بين شركات الطاقة التقليدية إلى "منافسة حقوق الوصول إلى الكهرباء" بين مراكز البيانات السحابية وشركات الطاقة. من يستطيع تأمين طاقة طويلة الأمد ومستقرة ومنخفضة التكلفة، يملك أول "جوهر تنين" لإنتاج التوكن.

الطبقة الثانية من الكعكة: AIDC — مصنع المواد الخام للتوكن

لا معنى لبطاقة GPU واحدة، المهم هو التجمعات الكبيرة. وهكذا ظهرت AIDC.

يشبه مصانع الصلب والكهرباء وخطوط الإنتاج في العصر الصناعي، حيث تجمع الآلاف من وحدات GPU لتشكيل قدرة إنتاج ثابتة للتوكن. لكن تظهر مشاكل في المصانع أيضًا: عادةً ما تستغرق بناء مراكز البيانات للذكاء الاصطناعي التقليدية من 18 إلى 36 شهرًا، وتوسعة شبكة الكهرباء قد تستغرق وقتًا أطول. عندما ينمو الطلب على الذكاء الاصطناعي بشكل أسي، لم تعد سرعة بناء مراكز البيانات التقليدية كافية لتلبية اقتصاد التوكن الجديد.

في سوق الأسهم الأمريكية، تعتبر Equinix واحدة من أكبر مشغلي مراكز البيانات في العالم، وتملك أكثر من 240 مركزًا في أكثر من 30 دولة. ميزتها الأساسية ليست فقط في عدد مراكزها، بل في قدراتها على الربط العالمي وشبكاتها ذات الكمون المنخفض، مما يجعلها نقطة أساسية لنشر الحوسبة للذكاء الاصطناعي.

Digital Realty من خلال منصة PlatformDIGITAL تتدخل في البنية التحتية للذكاء الاصطناعي، وتخدم شركات السحابة الكبرى والمؤسسات المالية.

في السوق الصينية، تمثل شركة Runze Technology واحدة من أبرز مشغلي AIDC في سوق الأسهم الصينية. تتطور أعمالها من مراكز البيانات التقليدية إلى مراكز حوسبة الذكاء الاصطناعي، مع ميزة تنافسية في بناء مراكز ضخمة، وموارد الطاقة، وقدرات تشغيل وصيانة AIDC. شركات مثل Aofei Data وCapital Online تتوسع في مراكز البيانات الإقليمية، والبنية التحتية السحابية، واستضافة الحوسبة للذكاء الاصطناعي. شركة Sugon (Sunway) تتعاون بشكل رئيسي مع القطاع الحكومي والبحث العلمي في مجال AIDC.

أما اللاعبون الآخرون فهم من "تحويل مزارع التعدين". شركات مثل CoreWeave، IREN، Applied Digital، Cipher Mining، كانت مرتبطة سابقًا بتعدين العملات الرقمية، لكنها تحولت بسرعة نحو بنية تحتية لحوسبة الذكاء الاصطناعي مع ارتفاع الطلب على GPU. IREN تركز على "الطاقة الخضراء + حوسبة الذكاء الاصطناعي" من خلال بناء مراكز بيانات عالية الكثافة باستخدام الطاقة المتجددة. وApplied Digital وCipher Mining يتحولان أيضًا من مزارع التعدين التقليدية إلى بنية تحتية عالية الأداء للحوسبة.

بالإضافة إلى ذلك، بدأ الاتجاه نحو مصانع الذكاء الاصطناعي الصغيرة، المعيارية، والخفيفة، كنوع جديد من التطور. تمامًا كما انتقلت الإنترنت من الحواسيب الكبيرة إلى الحوسبة السحابية، تتجه حوسبة الذكاء الاصطناعي من مراكز ضخمة إلى عقد طرفية إقليمية.

لذلك، اختارت GoodVision AI مسارًا آخر: بناء مصانع ذكاء اصطناعي أخف، معيارية، وسريعة التكرار. بالمقارنة مع مراكز البيانات التقليدية الكبيرة، تركز GoodVision AI على قدرات النشر الإقليمي، وكفاءة تجمعات GPU عالية الكثافة، والتنسيق بين الطاقة والحوسبة.

الهدف الأساسي ليس بناء مركز بيانات عملاق واحد، بل نشر عقدة مصنع الذكاء الاصطناعي في المناطق ذات الكثافة السكانية العالية حول العالم، عادةً بحجم 2-4 ميغاواط من قدرة استنتاج التوكن. هذا النموذج يمكنه الوصول بشكل أسرع إلى موارد الطاقة المحلية، وهو أكثر ملاءمة لاتجاه توسع استنتاج الذكاء الاصطناعي نحو الحافة.

إذا كانت مراكز البيانات التقليدية تشبه مصانع الصلب الصناعية، فإن ما تبنيه GoodVision AI يشبه "مصنع توكن إقليمي" في عصر الذكاء الاصطناعي — أخف، أكثر مرونة، وأقرب للمستخدم، وأكثر ملاءمة لتطوير شبكة الاستنتاج العالمية الموزعة.

الطبقة الثالثة من الكعكة: GPU — معدات إنتاج التوكن

إذا كانت الكهرباء هي الطاقة، فإن GPU هي معدات الإنتاج. في السنوات الأولى لانفجار الذكاء الاصطناعي، كانت GPU تخدم التدريب بشكل رئيسي؛ لكن المستقبل يتجه نحو الطلب الأكبر على الاستنتاج. لأن التدريب يقتصر على الشركات الكبرى، بينما الاستنتاج سيتغلغل في كل تطبيق، وكل جهاز، وكل طرف. الروبوتات تحتاج إلى استنتاج، والقيادة الذاتية تحتاج إلى استنتاج، ونظارات الذكاء الاصطناعي تحتاج إلى استنتاج، وحتى التعاون بين وكلاء الذكاء الاصطناعي في المستقبل سيستهلك التوكن في الوقت الحقيقي.

لا تزال NVIDIA في المركز العالمي لرقائق الذكاء الاصطناعي. منتجات GPU مثل H100، B200، Blackwell، تحدد تقريبًا معايير التدريب والاستنتاج الحالية. والأهم من ذلك، أن NVIDIA لا تبيع الرقائق فقط، بل تبني نظامًا بيئيًا متكاملاً عبر CUDA، TensorRT، DGX، HGX، مما يجعل المنافسين يتحدون أداء GPU، ويواجهون تحديات النظام البيئي للبرمجيات أيضًا.

AMD هي المنافس الرئيسي حاليًا، مع منتجات مثل MI300X وغيرها من GPU للذكاء الاصطناعي. تركز AMD على بيئة مفتوحة ومنصة ROCm، بهدف جذب المطورين والشركات عبر بيئة أكثر انفتاحًا.

Broadcom وMarvell يمثلان مسارًا آخر — ASIC والاتصال عالي السرعة. مع تعقيد سيناريوهات الاستنتاج، بدأ العديد من الشركات في تصميم شرائح ASIC مخصصة لتحقيق كفاءة أعلى وتكاليف أقل.

شركة Intel تدخل السوق عبر معالجات الخوادم وبطاقات تسريع Gaudi، بهدف إعادة التنافس في البنية التحتية للذكاء الاصطناعي من خلال نظامها الإيكولوجي للمعالجات.

في السوق الصينية، تعتبر Cambricon واحدة من الشركات الرائدة في شرائح الذكاء الاصطناعي المحلية، مع سلسلة 思元 (Siyuan) وبناء إطار عمل داخلي Neuware. شركة Hygon تمتلك ترخيص معمارية AMD Zen، وتركز على سوق DCU والاستنتاج.

شركات مثل Moore Threads، Suiyuan Technology، Muxi Co.، Biren Technology تمثل اتجاه "البديل المحلي" لشرائح الذكاء الاصطناعي في الصين. تركز على التوافق مع بيئة CUDA، وتحاول بناء تجمعات GPU محلية.

من بيئة CUDA إلى ذاكرة HBM، ومن نوى Tensor إلى تحسينات الأداء، فإن جوهر صناعة الذكاء الاصطناعي هو تحسين "كفاءة إنتاج التوكن في وحدة الزمن". بالإضافة إلى ذلك، فإن البنية التحتية من خوادم، وألياف بصرية، وتبريد سائل، ومفاتيح التبديل، مرتبطة ارتباطًا وثيقًا بكفاءة إنتاج التوكن.

هذه العناصر، على عكس شركات الذكاء الاصطناعي اللامعة مثل NVIDIA وOpenAI، لا تبرز بشكل كبير، لكنها تحدد ما إذا كانت صناعة الذكاء الاصطناعي ستعمل بشكل فعلي. فهي مثل الثورة الصناعية التي تتطلب ليس فقط البخار، بل السكك الحديدية، وشبكة الكهرباء، والموانئ. ثورة الذكاء الاصطناعي ليست مجرد ثورة برمجيات، بل ترقية عالمية لسلسلة صناعية تشمل الطاقة، الرقائق، الشبكة، الحوسبة السحابية، والبنية التحتية.

شركة Vertiv هي الرائدة عالميًا في أنظمة UPS وإدارة الطاقة لمراكز البيانات، وتوفر إمدادات الطاقة، وتوزيع الحاويات، وأنظمة التبريد الدقيق.

شركة Invinic تعتبر رائدة في أنظمة التبريد السائل والتحكم في درجة الحرارة في سوق الأسهم الصينية، وتخدم شركات الإنترنت الكبرى مثل BAT. مع زيادة قدرة GPU، أصبح التبريد السائل معيارًا مهمًا لمراكز البيانات للذكاء الاصطناعي.

شركات مثل Zhongheng Electric، Kehua Data، Kstar، تلعب دورًا مهمًا في أنظمة UPS، وأنظمة الطاقة، وإمدادات الطاقة لمراكز البيانات.

في مجال الشبكة والألياف البصرية، تستفيد شركات مثل Zhongji Xuchuang، Sunsea, Tianfutong، من الطلب المتزايد على الاتصالات عالية السرعة داخل تجمعات الذكاء الاصطناعي.

وفي مجال الأجهزة الخادمة، تتولى شركات مثل Dell، HPE، Supermicro، Lenovo، Inspur مسؤولية تجميع وتوزيع خوادم الذكاء الاصطناعي على نطاق واسع.

هذه الطبقة، رغم أنها لا تتعامل مباشرة مع المستخدم النهائي، إلا أنها تحدد ما إذا كانت البنية التحتية للذكاء الاصطناعي ستعمل بشكل مستقر. التبريد السائل، UPS، الألياف البصرية، المفاتيح، أنظمة التخزين، والخوادم، تشبه السكك الحديدية، وشبكة الكهرباء، والموانئ في الثورة الصناعية، وتتحول إلى "مهنة البيع" الحقيقية في عالم الذكاء الاصطناعي.

الطبقة الرابعة من الكعكة: LLM — محرك إنتاج التوكن

تحدد نماذج اللغة الكبيرة (LLM) كيف يتم فهم، وتوليد، وتنظيم التوكن. خلال العامين الماضيين، أطلقت شركات مثل OpenAI، Anthropic، Google، Meta، xAI، DeepSeek سباق النماذج الكبيرة على مستوى العالم. حجم المعلمات من مئات المليارات اقترب من التريليونات، وقدرات النماذج توسعت من توليد النصوص إلى تعدد الوسائط، والاستنتاج، والبرمجة، والتعاون بين الوكلاء، والذاكرة طويلة المدى.

لكن مع تطور الصناعة، بدأ السوق يدرك أن الأمر الحقيقي في المستقبل ليس "من يملك أكبر نموذج"، بل "من يستطيع تشغيل النموذج بكفاءة منخفضة وتكلفة أقل بشكل مستمر". لأن النموذج نفسه لا يخلق قيمة مباشرة، وإنما القيمة الحقيقية تأتي من عملية الاستنتاج المستمرة بعد استدعاء النموذج.

وهذا يعني أن LLM تتطور من "عرض قدرات النموذج" إلى "محرك إنتاج التوكن" في عالم الذكاء الاصطناعي.

شركات مثل OpenAI، Anthropic، Google Gemini، Meta Llama، تتنافس على دخول النظام البيئي المستقبلي للذكاء الاصطناعي، بينما شركات ناشئة مثل DeepSeek، تعيد تشكيل المنافسة من خلال تقديم استنتاج أكثر كفاءة وأقل تكلفة. الآن، لم تعد المنافسة على حجم المعلمات فقط، بل تتجه نحو معايير متعددة مثل:

تكلفة التوكن، كفاءة الاستنتاج، قدرة السياق، التعاون بين عدة وكلاء، الذاكرة طويلة المدى، التنسيق بين النموذج والبنية التحتية.

لأن الأمر الحقيقي في عصر الذكاء الاصطناعي ليس فقط أن النموذج "ذكي"، بل أن يكون قادرًا على التشغيل المستمر على نطاق واسع وبتكلفة منخفضة في جميع أنحاء العالم. لدى GoodVision AI أيضًا خطة تحسين خاصة بها في هذا المستوى: من خلال التعاون مع مطوري النماذج الكبيرة، نشر النماذج على مراكز بيانات الذكاء الاصطناعي، وتحويل الأعمال من استئجار الحوسبة التقليدي إلى تقديم خدمات التوكن مباشرة؛ مما يعزز هامش الربح ويجعل تجربة المستخدم أكثر ودية.

الطبقة الخامسة من الكعكة: توزيع التوكن — "شبكة الكهرباء" في عصر الذكاء الاصطناعي

عندما يتم بناء AIDC، تظهر المشكلة التالية: كيف يمكن استخدام هذه القدرة الحاسوبية في جميع أنحاء العالم؟

بدأت تظهر منصات تأجير القدرة الحاسوبية. تشبه "شبكة الكهرباء" في عصر الذكاء الاصطناعي، حيث يتم تقسيم موارد GPU المركزية وتوزيعها، ثم تأجيرها حسب الطلب للمطورين والشركات وتطبيقات الذكاء الاصطناعي.

أمازون ويب سيرفيس، أزور، جوجل كلاود، علي بابا كلاود، تينسنت كلاود، فهي من أكبر اللاعبين في هذه الطبقة. تمتلك بنية تحتية سحابية ضخمة، وتبدأ في دمج موارد GPU للذكاء الاصطناعي تدريجيًا ضمن أنظمة IaaS الخاصة بها.

وفي الوقت نفسه، ظهرت مجموعة من "السحابات الأصلية للذكاء الاصطناعي". شركات مثل CoreWeave، Nebius، Nscale، تبني منصات سحابية تعتمد على GPU خصيصًا لتلبية احتياجات التدريب والاستنتاج للذكاء الاصطناعي. بالمقارنة مع مقدمي الخدمات السحابية التقليديين، فهي أكثر مرونة، وتركز بشكل أكبر على مهام الذكاء الاصطناعي، وتتميز بكفاءة عالية في تحسين تجمعات GPU.

شركة CoreWeave تعتبر واحدة من أبرز الشركات في السوق، بدأت في الأصل في تعدين الإيثريوم، ثم تحولت بالكامل إلى خدمات سحابية للـGPU للذكاء الاصطناعي، وأصبحت الآن من الشركات المدعومة بشكل رئيسي من NVIDIA.

منصات سحابية خفيفة مثل DigitalOcean وVultr تستهدف المطورين الصغار والشركات الناشئة، وتؤكد على سرعة النشر وتكاليف منخفضة لخدمات GPU.

في السوق الصينية، بالإضافة إلى الشركات الكبرى، تعتبر شركات مثل UCloud، Kingsoft Cloud، Capital Online من الموردين الرئيسيين لسحابات GPU وتأجير الحوسبة للذكاء الاصطناعي. المنافسة هنا تشبه شبكة الكهرباء المبكرة: كيف يمكن توزيع القدرة الحاسوبية الموزعة بكفاءة.

الطبقة السادسة من الكعكة: تحسين التوكن والتنسيق الذكي — "دماغ" عصر الذكاء الاصطناعي

هذه ربما تكون الطبقة الأكثر تقليلًا من حيث التقدير، لكنها الأهم. مع انفجار استخدام وكلاء الذكاء الاصطناعي، أدرك الجميع أن ليس كل مهمة تستحق استدعاء أغلى نموذج كبير. العديد من المهام البسيطة يمكن إنجازها بواسطة نماذج محلية، والمهام في الوقت الحقيقي أكثر ملاءمة للاستنتاج على الحافة، والمهام التي تتطلب خصوصية عالية لا يمكن رفعها إلى السحابة. بعد السؤال عن "هل هناك قدرة حاسوبية"، ظهرت مشكلة أخرى: "كيف نستخدم القدرة الحاسوبية بشكل أكثر ذكاءً".

مع تزايد الطلب على التوكن بشكل أسي، فإن "تمكين النموذج المناسب على القدرة الحاسوبية المناسبة، لمعالجة المهمة المناسبة" هو المفتاح لاستخدام التوكن بشكل فعال وفعال. هذا هو أحد الاتجاهات التي تعمل عليها GoodVision AI بجانب بناء مصانع التوكن.

تمامًا كما هو الحال مع نظام الكهرباء اليوم: بعض الطلبات تأتي من الشبكة الكهربائية الكبيرة، وأخرى من الألواح الشمسية على الأسطح. والأهم، هو تلك الطبقة الوسطى — "نظام التنسيق الذكي".

المستقبل، سيشبه هيكلية مماثلة: المهام البسيطة تُنجز بواسطة نماذج صغيرة محلية، والمهام المعقدة تستدعي نماذج سحابية كبيرة، والمهام ذات الخصوصية العالية تُعالج على الحافة، والمهام عالية التزامن تُدار عبر السحابة المختلطة بشكل ديناميكي.

بالإضافة إلى Goodvision AI، هناك شركات مثل QingCloud، Lambda، OpenRouter، Fireworks AI، التي تتصدر مجال تحسين التوكن والتنسيق الذكي.

وهذا "الطبقة" تتداخل بشكل كبير مع الطبقتين السابقتين — AIDC وتأجير الحوسبة. مع توسع موارد GPU، والعقد الطرفية، وحجم مهام الاستنتاج، لم يعد مجرد "امتلاك القدرة الحاسوبية" كافيًا لبناء حواجز طويلة الأمد. بدأ العديد من مشغلي AIDC ومنصات GPU السحابية يدركون أن الأمر الحقيقي الذي يحدد الكفاءة والربحية، ليس فقط عدد وحدات GPU، بل كيفية تنسيق النماذج، والقدرة الحاسوبية، وتدفق التوكن بشكل ديناميكي.

لذا، بدأ العديد من المنصات التي كانت تركز على AIDC وGPU، تتجه نحو "طبقة التنسيق الذكي". على سبيل المثال، شركات مثل UCloud، Capital Online، Sugon، تحاول دمج قدراتها في سحابات GPU، وموارد متعددة، مع قدرات استنتاج ديناميكية، للتحول من "بيع القدرة الحاسوبية" إلى "تحسين القدرة الحاسوبية".

الطبقة السابعة من الكعكة: النماذج والوكيل — مستهلكو التوكن

هذه الطبقة، رغم قربها من المستخدم النهائي، فهي الأكثر جذبًا للمرور، وأيضًا الأكثر تنافسية. في GTC 2026، اقترح هوانغ رن xun أن: "في المستقبل، ستكون كل شركة منتجة ومستهلكة للتوكن".

وكيل الذكاء الاصطناعي، قد يستدعي نماذج متعددة، وأدوات، وواجهات برمجة تطبيقات، ويستمر في الاستنتاج، والتخطيط، والتنفيذ. هذا يعني أن كمية التوكن التي ستستهلكها أنظمة الذكاء الاصطناعي في المستقبل، ستتجاوز بكثير حجم التفاعلات الحالية بين البشر والذكاء الاصطناعي. بعض المستخدمين المكثفين حاليًا يبنون أنظمة متعددة من الوكلاء المتزامنين والمتصلين، ويستهلكون يوميًا مئات الملايين من التوكنات.

المستقبل لن يكون 1 مليار شخص يستخدمون الذكاء الاصطناعي، بل 10 مليارات، أو حتى 100 مليار، من وكلاء الذكاء الاصطناعي يعملون ويتواصلون مع بعضهم البعض. وأول عائق حقيقي، لن يكون قدرات النموذج، بل كفاءة تنسيق التوكن.

الشركات الكبرى، مثل Microsoft، Google، Meta، Amazon، تعمل على دمج قدرات الذكاء الاصطناعي تدريجيًا في جميع منتجاتها عبر أنظمة العمل، والبحث، ووسائل التواصل، والخدمات السحابية.

أما شركات البرمجيات المؤسسية مثل Adobe، Salesforce، ServiceNow، Palantir، فهي تتقدم بسرعة في مجال وكلاء الذكاء الاصطناعي المؤسسي، والأتمتة للعملية. وفي الوقت نفسه، أصبحت Hugging Face بمثابة "Github" لعصر الذكاء الاصطناعي، فهي ليست فقط مجتمع نماذج، بل أيضًا البنية التحتية الأساسية لبيئة تطوير الذكاء الاصطناعي العالمية.

وفي السوق الصينية، تعمل شركات مثل iFlytek، Kunlun Wanyou، 360، Kingsoft Office، SenseTime على تطوير أدوات المساعدة الذكية، ومكاتب الذكاء الاصطناعي، ووكلاء الذكاء الاصطناعي.

عندما تتشكل "الكعكة السبع"، سيبدأ العالم الحقيقي للذكاء الاصطناعي.

حاليًا، لا تزال صناعة الذكاء الاصطناعي في إطار بنية تحتية غير مكتملة النمو.

هناك من يمتلك أحدث GPU، لكنه مقيد بالطاقة؛ هناك من أنشأ AIDC ضخم، لكنه يفتقر إلى التنسيق الفعال؛ هناك من يطور نماذج ووكلاء قوية، لكنه يواجه تكاليف استنتاج عالية وتأخير؛ هناك من يسيطر على العقد الطرفية، لكنه غير قادر على تشكيل شبكة موحدة ومتعاونة.

من الكهرباء، وAIDC، وGPU، إلى نماذج اللغة الكبيرة، وتوزيع التوكن، والتنسيق الذكي، ووكلاء الذكاء الاصطناعي، رغم أن سلسلة صناعة الذكاء الاصطناعي تتطور بسرعة، إلا أن هناك فجوات وتكرار ومشاكل كفاءة بين الطبقات.

فقط عندما يتم بناء "الكعكة السبع" بشكل كامل، ويبدأ التنسيق الفعال بينها، ستنتقل صناعة الذكاء الاصطناعي من "عصر الأدوات" إلى "عصر الاعتماد الواسع على الذكاء".

المستقبل، لن يكون فقط عدد قليل من الشركات الكبرى التي تدرب نماذج ضخمة، بل مئات الملايين من وكلاء الذكاء الاصطناعي التي تعمل باستمرار، وتتعاون، وتستدعي القدرة الحاسوبية والتوكن بشكل دائم. كل تفاعل، وكل استنتاج، وكل استدعاء أداة، وكل مهمة تلقائية، يقابلها تنسيق بين الطاقة، وGPU، والشبكة، ونظام التنسيق، وعقد الاستنتاج.

وهذا يعني أن صناعة الذكاء الاصطناعي تتطور من "منطق برمجي" إلى نظام صناعي عالمي يشمل الطاقة، والرقائق، والحوسبة السحابية، وشبكات الحافة، والتنسيق الذكي.

تمامًا كما أن الثورة الصناعية لم تكن تعتمد فقط على البخار، بل على السكك الحديدية، وشبكة الكهرباء، والموانئ؛ والثورة الرقمية لم تكن تعتمد فقط على الحواسيب الشخصية، بل على الألياف الضوئية، ومراكز البيانات، والحوسبة السحابية. علامة نضوج ثورة الذكاء الاصطناعي لن تكون مجرد تطبيقات ناجحة، بل ستتكون شبكة بنية تحتية ذكية مستدامة لإنتاج وتوزيع وتنسيق واستهلاك التوكن على مستوى عالمي.

وعندما تتصل هذه الطبقات السبع بشكل كامل، ستُعاد صياغة منطق المنافسة في صناعة الذكاء الاصطناعي. ربما لن تكون الشركات الكبرى التي تمتلك أكبر النماذج هي الأهم، بل تلك التي تستطيع ربط الطاقة، والحوسبة، والشبكة، والنماذج، وتدفق التوكن بشكل متكامل.