ميتا تبيع القدرة الحاسوبية، بالانتير يسب، زيبو يصبح نجم وادي السيليكون، قصة الإنفاق الرأسمالي على الذكاء الاصطناعي تحتاج إلى سرد جديد

الكاتبة: يانغ شينغ بيتز

انخفاض حاد آخر في سوق العملات المشفرة بقيادة الذكاء الاصطناعي، هذه المرة لأن شركة Meta قالت إنها قد تبيع قدراتها الحاسوبية الفائضة في مجال الذكاء الاصطناعي.

لو كان هذا الخبر قبل ثلاث سنوات، ربما لم يكن أحد ليجده غريبًا. الحوسبة السحابية بالأساس هي عمل يتمثل في تقطيع الخوادم وبيعها للآخرين. أمازون، مايكروسوفت، جوجل يفعلون ذلك منذ سنوات طويلة. شركات الحوسبة السحابية الجديدة مثل CoreWeave و Nebius تستمر في هذا المسار، حيث تحول رقائق Nvidia إلى ضمانات للتمويل، ثم تحول التمويل إلى المزيد من الرقائق.

ولكن عندما يتعلق الأمر بـ Meta، يصبح الأمر مختلفًا.

لم تكن Meta تفهم القوة الحاسوبية بهذه الطريقة في الماضي. لقد اشترت الرقائق، وأنشأت مراكز البيانات، وسعت للحصول على الكهرباء والأراضي، من أجل نماذجها الخاصة، ومن أجل نظام الإعلانات الخاص بها، ومن أجل التدفقات الموصى بها، ومن أجل ذلك "الذكاء الفائق" الذي يتحدث عنه زوكربيرج والذي يقترب أكثر فأكثر. إنها ليست شركة حوسبة سحابية. لم تكن تعتمد في الأصل على كسب المال من تأجير الآلات للآخرين.

شركة كانت تقول سابقًا: أحتاج إلى أكبر قدر ممكن من الآلات، لأن المستقبل سيلتهمها. والآن تقول: إذا كانت هذه الآلات لا تُستخدم بالكامل مؤقتًا، فيمكن بيعها للآخرين.

هذا لا يشير مباشرة إلى فائض في القدرة الحاسوبية، لكن لا يمكن تجاوزه بسهولة.

في يوم انهيار سوق الأسهم، ظهر Alex Karp، الرئيس التنفيذي لشركة Palantir، في مقابلة على قناة CNBC وألقى خطابًا غاضبًا لمدة تقارب عشرين دقيقة.

كان من المفترض أن يتحدث عن التعاون الجديد بين Palantir و Nvidia، لكن الحديث توجه سريعًا إلى نموذج تسعير الرموز (token) الخاص بـ OpenAI و Anthropic. قال إن الرؤساء التنفيذيين يشكون له على انفراد إن اعتماد الشركات على الذكاء الاصطناعي حاليًا هو "دفع ثمن الرموز التي لا تخلق أي قيمة، مع تسليم بياناتهم في المقابل". حتى أنه وصف فواتير النماذج المتزايدة باستمرار بأنها ضريبة ثروة مفروضة على الشركات.

على مدى العامين الماضيين، كان النقاش يدور حول من يجرؤ على الإنفاق، ومن ينفق بسرعة، ومن يستطيع بناء مراكز البيانات أولاً. الآن تغيرت المسألة تدريجيًا. بعد شراء الآلات، من يستطيع تشغيلها بكامل طاقتها باستمرار.

تصريحات Meta لم تتحول بعد إلى عمل رسمي. في التقارير العامة، يوجد داخل الشركة اتجاه يسمى Meta Compute، قد يبيع القدرة الحاسوبية الخام، أو قد يفعل ما تفعله Amazon Bedrock، حيث يضع نماذج مختلفة على بنيته التحتية ويبيعها للمطورين. قال زوكربيرج سابقًا في اجتماع المساهمين إن الشركات الخارجية تسأل بشكل أسبوعي تقريبًا عما إذا كان بإمكانها شراء خدمات API الخاصة بهم، أو شراء جزء من القدرة الحاسوبية، وهم على استعداد لدفع سعر أعلى من تكلفة Meta.

وأضاف آنذاك أيضًا جملة. إنهم لم يفعلوا ذلك بعد، لأن Meta تعتقد أنها لا تزال بحاجة إلى هذه القدرة الحاسوبية.

إذا كانت هناك حاجة، فإن التأجير هو خيار. إذا لم تكن هناك حاجة، فإن التأجير هو مسكن للألم في الميزانية العمومية.

أصعب نقطة للتقييم هنا أيضًا. قد تكون Meta فقط تفتح نافذة مؤقتة في إيقاع البناء، وتبيع الموارد الشاغرة مؤقتًا. وقد تكون تخبر المستثمرين أن الإنفاق على الذكاء الاصطناعي بمئات المليارات لا يمكن أن يستمر بالاعتماد فقط على "الذكاء الفائق" البعيد، بل يجب إيجاد خط إيرادات أقرب أولاً.

كلا التفسيرين مقبولان.

الطلب لم يختفِ، لكنه بدأ يختار الأشخاص

الإنفاق الرأسمالي (Capex) هو جوهر سردية الذكاء الاصطناعي، ولا يوجد شيء آخر مثله. تمامًا مثل ضخ السيولة في عام 2021، فإن توقعات الإنفاق الرأسمالي هي النمو المستمر، وضخ السيولة باستمرار، وعندها ترتفع جميع الفروع التي يتداولها السوق معًا. بمجرد رؤية أن Meta تستعد لبيع القدرة الحاسوبية، كان رد فعل الكثيرين هو أن الإنفاق الرأسمالي على الذكاء الاصطناعي سينهار. الشركات الكبرى اعترفت أخيرًا أنها اشترت أكثر مما ينبغي، وأن وليمة أشباه الموصلات قد انتهت.

قول ذلك مريح للغاية.

البيانات المتاحة لا تدعم هذا الاستنتاج الحاد. إيرادات AWS في الربع الأول ارتفعت بنسبة 28٪ لتصل إلى 37.6 مليار دولار، وهو أسرع نمو نادر في السنوات الأخيرة. إيرادات Google Cloud في الربع الأول نمت بقوة أكبر، لتصل إلى 20 مليار دولار. Microsoft Azure لا يزال يعمل بسرعة حوالي 40٪.

أمازون لا تزال تقول إن إنفاقها الرأسمالي هذا العام قد يصل إلى 200 مليار دولار، و Alphabet رفعت توجيهات الإنفاق الرأسمالي لعام 2026 إلى 180-190 مليار دولار، و Meta نفسها رفعت إنفاقها الرأسمالي السنوي إلى 125-145 مليار دولار.

هذه الأرقام لا تشبه انهيار الطلب.

إنها تشبه التدفق المنفصل.

وضع شركات الحوسبة السحابية يختلف عن وضع شركات النماذج. شركات الحوسبة السحابية تبيع الطريق. طالما أن هناك أشخاصًا يسيرون على الطريق، بغض النظر عمن صنع السيارة، فإنها تستطيع تحصيل الأموال. OpenAI و Anthropic والعملاء المؤسسيون والعملاء الحكوميون والشركات الناشئة، في النهاية كلهم سيكونون في مركز بيانات معين، ونوع معين من الرقائق، وشبكة معينة، وعقد كهرباء معين.

لذلك يمكن للثلاثة الكبار في الحوسبة السحابية الاستمرار بقوة.

حتى أن AWS رفعت سعر خدمة سحابية للذكاء الاصطناعي في نهاية يونيو، وهي خدمة حجز وحدات معالجة الرسوميات (GPU) للعملاء مسبقًا. رفعت AWS سعر هذه الخدمة بحوالي 20٪ بدءًا من يوليو. في يناير كانت قد رفعته بالفعل مرة واحدة بحوالي 15٪. هذا ليس إجراءً يظهر في حالة ضعف الطلب.

عند الندرة، البائع يرفع السعر.

لكن شركات النماذج قد لا تكون جميعها مرتاحة بهذا الشكل.

أصول شركات النماذج أكثر انتقائية. القدرة الحاسوبية لا تولد إيرادات بمجرد وجودها. يجب ملؤها باستمرار بنماذج أذكى، ومستخدمين أكثر تواترًا، وسير عمل مؤسسي أكثر تكلفة. فقط عندما يكون النموذج جيدًا بما يكفي، يكون المستخدمون مستعدين لتحمل طوابير الانتظار، والحدود، وزيادة الأسعار، وطبقات الاشتراك المتزايدة التعقيد.

لهذا السبب يُنظر إلى Anthropic كنوع مختلف من الشركات في السوق. ليس لأنها رخيصة، ولكن لأن المستخدمين مستعدون لتكليفها بمهام باهظة الثمن. كتابة الكود، تعديل الأنظمة، تشغيل المهام الطويلة، ربط سير العمل المؤسسي، هذه المهام بمجرد دخولها فعليًا في بيئة الإنتاج، تستهلك رموزًا (tokens) أكثر بكثير من الدردشة العادية.

مشكلة النموذج القوي هي نقص الآلات.

مشكلة النموذج الضعيف هي أن الآلات لا يهتم بها أحد.

كلتا المشكلتين تسمى قدرة حاسوبية، لكنهما ليسا نفس الشيء.

خط xAI له نفس الرائحة أيضًا. Grok لم يشكل عقلية مؤسسية واضحة مثل أقوى النماذج، لكن جزءًا من القدرة الحاسوبية في نظام ماسك قد يتدفق إلى Anthropic. هذا الإجراء أكثر برودة من أي شعار. الآلات لا تعترف بالمؤسس، إنها تعترف فقط بمن يستطيع تشغيلها بكامل طاقتها.

العلاقة بين Google و Meta تظهر أيضًا أن الأمر ليس بهذه البساطة. في يونيو، ظهرت أخبار أن Google قيدت استخدام Meta لـ Gemini، لأن كمية القدرة الحاسوبية التي أرادت Meta شراءها تجاوزت ما يمكن لـ Google تقديمه، بل وأثرت على بعض مشاريع الذكاء الاصطناعي الداخلية لـ Meta. شركة من ناحية تفكر في بيع القدرة الحاسوبية، ومن ناحية أخرى لا تستطيع شراء قدرات كافية من النماذج الرائدة في بعض المهام.

هذا ليس فائضًا بالمعنى التقليدي.

هذا هو عدم التطابق. لأن الفواتير بدأت تصبح لافتة للنظر.

يمكن لشركات الحوسبة السحابية الاستمرار في رفع الأسعار، لأنها تبيع اليقين. ما يريده العميل هو وحدة معالجة رسومية (GPU) يمكنه الحصول عليها بالتأكيد خلال فترة زمنية معينة، ومركز بيانات مستقر، وبنية تحتية لا تنقطع في منتصف الليل.

لكن بعد أن يحصل العميل المؤسسي على القدرة الحاسوبية، لا تنتهي المشكلة.

عليهم أيضًا تقديم هذه الفاتورة إلى المدير المالي (CFO). المدير المالي لن يسألك عن عدد الرموز (tokens) التي استخدمتها، سيسأل عن مقدار المال الذي وفرته هذه الرموز للشركة، ومقدار المال الإضافي الذي جنته، وكم عدد الأخطاء التي قللتها.

عندما يصل الأمر إلى الشركات، تتحول الرموز (tokens) إلى عداد كهرباء

وهذا يعيدنا إلى مقابلة Karp في البداية.

لقد وصف ما تبيعه العديد من شركات الذكاء الاصطناعي للشركات بأنه بيع مفرط. في اليوم السابق للمقابلة، نشرت Palantir بيانًا من تسع نقاط على X حول ما يسمى سيادة الذكاء الاصطناعي، حيث أشارت تحديدًا إلى نموذج tokenmaxxing. من الصعب ترجمة هذه الكلمة، إذا ترجمت حرفيًا تبدو قبيحة، لكن المعنى ليس معقدًا: إنه اعتبار استهلاك الرموز (tokens) تقدمًا، واعتبار حرق الأموال استخدامًا، واعتبار الفاتورة إنتاجية.

Karp وضع مختبرات الحدود مثل OpenAI و Anthropic على الطاولة. ليس معناه أن الشركات لا يجب أن تستخدم أقوى النماذج، بل معناه أن الشركات لا يجب أن تسلم بياناتها وعملياتها وأحكام أعمالها، ثم تدفع فاتورة متزايدة بناءً على الاستهلاك.

Palantir تريد بيع شيء آخر. ليس صندوق دردشة عام، ولا واجهة برمجة تطبيقات (API) واحدة، بل وضع البيانات، والموافقات، والأذونات، وقواعد التشغيل، والذكاء الاصطناعي في نفس نظام الأعمال. ما يدفع العميل مقابله ليس "عدد مرات استخدام الذكاء الاصطناعي"، بل ما إذا كان خط إنتاج معين، أو نظام إدارة مخاطر معين، أو مهمة حكومية معينة قد تم تحويلها فعليًا.

أولئك الذين يديرون المال حقًا في الشركات بدأوا يستيقظون.

UBS تحدثت مؤخرًا مع المديرين التنفيذيين لتكنولوجيا المعلومات في الشركات، واتجاه واحد واضح. العديد من الشركات لا تتوقف عن استخدام الذكاء الاصطناعي، لكنها تبدأ في وضع فرامل على إنفاقها على الذكاء الاصطناعي. حوالي 60٪ من الشركات التي شملها الاستطلاع تضغط على إنفاق الرموز (tokens)، وتضيف حواجز استخدام، خاصة تلك التي تجاوزت مرحلة التجربة وبدأت في دمج الذكاء الاصطناعي في العمليات اليومية.

هذا أيضًا انعكاس مثير للاهتمام.

بعد أن تحول الذكاء الاصطناعي من لعبة إلى أداة، أصبح الإنفاق أكثر صعوبة. في مرحلة اللعبة، كان المدراء مستعدين لمنح الميزانية، لأن الجميع خائف من الفوات. في مرحلة الأداة، يسأل المدير المالي (CFO) لمن وفرت ساعات العمل، ولمن باعت المزيد من البضائع، ولمن خفضت المخاطر.

في هذه القائمة، الرموز (tokens) لا تشبه الإيرادات.

إنها أشبه بعداد الكهرباء.

يمكنك بالطبع القول إن عداد الكهرباء يدور بسرعة يعني أن المصنع يعمل. ويمكنك أيضًا القول إن عداد الكهرباء يدور بسرعة كبيرة بينما الإنتاج لا يزيد، فهذا يعني أن هناك مشكلة في الآلة.

وكلاء الذكاء الاصطناعي (AI agents) يضخمون هذه المشكلة. في دراسة Codex أجرتها OpenAI مع عدة جامعات، هناك بيانات مخيفة. في النصف الأول من عام 2026، زاد عدد المستخدمين النشطين لـ Codex أكثر من خمسة أضعاف؛ كما زادت الرموز (tokens) المخرجة في بعض المناصب داخل OpenAI بشكل كبير، حيث زاد الوسيط الشهري للرموز المخرجة في المناصب القانونية 13 ضعفًا مقارنة بنوفمبر 2025، وفي المناصب البحثية أكثر من 50 ضعفًا.

دراسة أخرى تشرح الأمر بشكل أكثر صرامة. مهام البرمجة الوكيلة (agentic coding) تستهلك رموزًا (tokens) يمكن أن تكون أعلى 1000 مرة من الدردشة العادية حول الكود والاستدلال على الكود. لنفس المهمة، يمكن أن يختلف استهلاك الرموز بين عمليات التشغيل المختلفة بمقدار 30 مرة.

هذا هو الأساس الحقيقي لندرة القدرة الحاسوبية اليوم.

ليس لأن الجميع يسألون روبوتات الدردشة بضعة أسئلة إضافية.

بل لأن البرمجيات بدأت تتحول إلى مجموعة من العمال الصغار الذين يقرأون الملفات بشكل متكرر، وينفذون الأوامر، ويعدلون الكود، ويفشلون، ويعيدون المحاولة، ويفشلون مرة أخرى، ويعيدون المحاولة مرة أخرى. ليس لديهم وقت للغداء، لكن كل خطوة تأكل الرموز (tokens).

عندما تتحول الرموز (tokens) إلى عداد كهرباء، من يملك محطة توليد الكهرباء، لديه القوة. لكن من يهدر الكهرباء، سيكون أول من يُسأل.

عندما تغلظ الفاتورة، تجد النماذج الرخيصة مكانها

بمجرد أن يبدأ المدير المالي (CFO) في النظر إلى هذا العداد، تكون الخطوة التالية شبه بديهية.

سيسأل: أي المهام يجب أن تستخدم أقوى نموذج، وأي المهام تحتاج فقط إلى نموذج كافٍ.

عند هذه النقطة، النماذج مفتوحة المصدر مثل GLM و Kimi و DeepSeek و Qwen لم تعد مجرد أخبار تقنية. لقد أصبحت أدوات مساومة على طاولة المشتريات في الشركات.

حتى مارك أندريسن من a16z، أحد أبرز شركات رأس المال الاستثماري في وادي السيليكون، قال إن العديد من العاملين في مجال الذكاء الاصطناعي يعتبرون بالفعل نموذج Zhipu GLM-5.2 كأحد النماذج الصينية الأولى التي يمكنها مطابقة أو حتى تجاوز أفضل النماذج الأمريكية المفتوحة في معظم المهام. هذا الحكم ليس بالضرورة الحكم النهائي، لكنه يعطي الشركات جملة إضافية.

Coinbase أعطى مثالًا أكثر صرامة. قال Brian Armstrong إن الشركة حولت النموذج الافتراضي للذكاء الاصطناعي إلى نماذج مفتوحة المصدر مثل GLM 5.2 و Kimi 2.7، بالإضافة إلى توجيه النماذج والتخزين المؤقت وتقليل السياق، واستمر استخدام الرموز (tokens) في النمو الأسي، بينما انخفض إنفاق الذكاء الاصطناعي بنحو النصف.

تكمن قوة هذه الجملة في أن الشركات لأول مرة يمكنها شراء قدرات النماذج بشكل منفصل.

أصعب المهام تستمر في إسنادها إلى أغلى النماذج. الملخصات العادية، خدمة العملاء، استخراج المعلومات، الكود النموذجي، الإجابة على أسئلة قاعدة المعرفة الداخلية، تُسند إلى نماذج رخيصة ونشر محلي.

ليس بالضرورة أن تفوز النماذج مفتوحة المصدر بكل المعارك.

يكفيها أن تجعل أقسام المشتريات تعتقد أن ليس كل كيلوواط ساعة يجب أن يُدفع بسعر كهرباء القصور.

عند هذه النقطة، لم يعد بيع Meta للقدرة الحاسوبية خبرًا معزولًا.

إنه يروي نفس القصة مع شتائم Palantir ضد الرموز (tokens) وتحويل Coinbase إلى النماذج مفتوحة المصدر: سلسلة إنفاق الذكاء الاصطناعي بدأت في التفكك. الطرف الأعلى يبيع اليقين، الطرف الأوسط يبيع النتائج، الطرف الأسفل يضغط على سعر الوحدة. كل طبقة لا تزال تنمو، لكن كل طبقة بدأت تُسأل: هل يستحق المال الذي تم إنفاقه؟

أصعب شيء ليس شراء الآلات، بل إبقاء الآلات تعمل باستمرار

على مدى العامين الماضيين، أسهل قصة يمكن سردها في صناعة الذكاء الاصطناعي هي أن الموارد غير كافية.

وحدات معالجة الرسوميات (GPU) غير كافية، الكهرباء غير كافية، مراكز البيانات غير كافية، المهندسون غير كافيين، السحابة التي يمكنها تشغيل النماذج غير كافية أيضًا. هذه القصة سارت بسلاسة كبيرة. طالما أن الأشياء غير كافية، سيندفع الجميع غريزيًا للأمام. احتلال المواقع أولاً، توقيع عقود الكهرباء أولاً، شراء الرقائق أولاً، بناء الآلات أولاً.

أثناء سباق الموارد، لا يحسب الناس الحسابات الدقيقة.

لأن تكلفة التأخير تبدو أكبر.

لكن خبر Meta دفع مسألة أخرى إلى الواجهة. بعد شراء الآلات، لا تصبح تلقائيًا عملًا جيدًا لمجرد أنها باهظة الثمن. يجب أن يكون لديها عمل يومي، وأن يكون هناك عملاء على استعداد للدفع، وأن يكون هناك نموذج يشغلها بكامل طاقتها، وأن يكون هناك تطبيق يحول التكلفة إلى إيرادات.

هذا هو معدل الاستخدام.

مصطلح معدل الاستخدام يبدو باردًا، لكنه في الواقع قاسٍ جدًا. إنه لا يسأل عما إذا كان لديك مستقبل، بل يسأل عما إذا كانت آلتك تعمل اليوم. لا يهتم بما تقوله في المؤتمرات، ولا يهتم ما إذا كنت اشتريت أغلى وحدات معالجة الرسوميات (GPU). إنه ينظر فقط إلى شيء واحد: هل تحول هذا المال إلى تدفق نقدي مستمر؟

شركات الحوسبة السحابية تجيب على هذا السؤال بسهولة نسبية. إنها تبيع البنية التحتية بالأساس. AWS و Google Cloud و Azure تبيع الطرق والكهرباء والغرف. العملاء يريدون تدريب النماذج، وتشغيل الاستدلال، واستضافة التطبيقات، وفي النهاية سيكون كل ذلك في سحابة معينة.

لذلك لا يزال بإمكانها أن تكون قوية.

شركات النماذج القوية أيضًا لديها إجابتها الخاصة. إذا كان النموذج قويًا بما يكفي، سينتظر المستخدمون في الطابور، وستتصل الشركات به، وسيدور المطورون حوله لتعديل سير العمل، عندها لا تكون القدرة الحاسوبية مخزونًا، بل عنق زجاجة. كلما زادت الآلات، زادت قدرتها على العمل.

الأصعب هي الطبقة الوسطى.

لديهم آلات، لديهم قصص، لديهم فرق نماذج، ولديهم ميزانيات كبيرة أيضًا. لكن النموذج لم يصل إلى المقدمة، والمنتج لم يتحول إلى عادة يومية، والمطورون ليسوا مستعدين لتعديل سير عملهم من أجله. بالنسبة لهذا النوع من الشركات، تتحول القدرة الحاسوبية من سلاح إلى مخزون بمجرد فشل إطلاق نموذج واحد، أو هجرة مستخدمين.

المخزون ليس بالضرورة عديم الفائدة.

لكن المخزون يجب أن ينخفض سعره، يجب تأجيره، يجب إيجاد استخدامات جديدة له.

هذا هو الجانب اللافت في بيع Meta للقدرة الحاسوبية. إنه لا يثبت فشل Meta، ولا يثبت اختفاء الطلب على الذكاء الاصطناعي. إنه فقط يجعل السوق يرى لأول مرة أن البنية التحتية للذكاء الاصطناعي يمكن أن تواجه نفس المشاكل التي يواجهها المصنع العادي.

تم بناء المصنع، أين الطلبات؟

القدرة الحاسوبية لم تختفِ، لكنها بدأت تتدرج

لذلك أفضل فهم لهذا الأمر ليس "فائض القدرة الحاسوبية".

هذا المصطلح خشن للغاية.

التعبير الأكثر دقة هو أن القدرة الحاسوبية بدأت تتدرج.

الطبقة العليا لا تزال ضيقة. أقوى النماذج، أفضل سحابة، أكثر مجموعات وحدات معالجة الرسوميات (GPU) استقرارًا، لا يزال هناك من يتنافس عليها. قدرة AWS على رفع الأسعار هي لأن اليقين نفسه له ثمن. العميل لا يشتري فقط وحدات معالجة الرسوميات (GPU)، بل يشتري ضمان تشغيل آلات معينة في يوم معين وساعة معينة.

الطبقة الوسطى بدأت تصبح محرجة. قد لا تكون سيئة، لكنها ليست نادرة. يمكنها تشغيل النماذج، والقيام بالاستدلال، والبيع للعملاء الخارجيين أيضًا. لكن العملاء سيقارنون، وسيتفاوضون على السعر، وسيسألون لماذا لا نستخدم نموذجًا أرخص، ولماذا لا نستخدم سحابة شخص آخر، ولماذا تستحق هذه الآلات هذا السعر بالتحديد.

الطبقة السفلى ستتعرض للضغط تدريجيًا من النماذج مفتوحة المصدر وتحسين التكلفة. لن تستدعي الشركات أغلى نموذج دائمًا للمهام العادية. ستفعل التوجيه، والتخزين المؤقت، وضغط السياق، وتقسيم النماذج إلى مستويات مختلفة.

لقد كبر الطلب.

الأطفال ينفقون المال دون النظر إلى الفاتورة، البالغون ينظرون. الذكاء الاصطناعي بعد دخوله إلى الشركات سيمر بهذه العملية أيضًا. في مرحلة التجربة، الجميع خائف من الفوات؛ في مرحلة التوسع، الجميع يحسب الحسابات.

بعد الحسابات، لن تكون سلسلة الصناعة مرتبة كما في البداية.

البعض يستمر في رفع الأسعار، لأنه يبيع يقينًا لا يمكن استبداله. البعض يغير بيع النتائج، لأن العميل لا يريد الدفع مقابل الاستهلاك نفسه. البعض يُجبر على خفض الأسعار، لأن البديل الكافي ظهر. البعض يؤجر الآلات، لأن الآلات الخاملة أسوأ من التأجير بسعر منخفض.

عندما تحدث هذه الأمور في وقت واحد، تجعل الصناعة تبدو متناقضة.

من ناحية، هناك نقص في القدرة الحاسوبية.

من ناحية أخرى، هناك تأجير للقدرة الحاسوبية.

من ناحية، استهلاك الرموز (tokens) يرتفع بشكل كبير.

من ناحية أخرى، الشركات تضغط على إنفاق الذكاء الاصطناعي.

من ناحية، النماذج الرائدة أصبحت أقوى.

من ناحية أخرى، النماذج مفتوحة المصدر أصبحت أرخص.

إنها ليست متعارضة. إنها فقط توضح أن الذكاء الاصطناعي انتقل من قصة إجمالية إلى قصة هيكلية.

قصة السكك الحديدية القديمة ستُروى مرة أخرى

في فقاعة السكك الحديدية في القرن التاسع عشر، لم تكن السكك الحديدية مزيفة.

وضعت القضبان، وستتحرك البضائع بالفعل، وستنمو المدن بالفعل، وسيتم تقصير الوقت بالفعل. العديد من الشبكات التجارية الأكثر قيمة لاحقًا نمت بالفعل بجانب تلك القضبان.

لكن هذا لم يمنع العديد من بناة السكك الحديدية في ذلك الوقت من خسارة المال.

لم يخسروا في الاتجاه. لقد خسروا في البناء المبكر جدًا، أو البناء الكثير جدًا، أو البناء في أماكن ليس فيها ركاب أو بضائع، أو اقتراض أموال باهظة لبناء طريق يحتاج وقتًا طويلاً لاسترداد التكلفة.

الألياف الضوئية في فقاعة الإنترنت هي نفسها. الألياف الضوئية لم تكن خاطئة. لاحقًا، رفع العالم كله بواسطتها. الخطأ كان في مجموعة الدفاتر التي حشرت الطلب لعقود قادمة في إنفاق رأسمالي لعدة سنوات.

مراكز بيانات الذكاء الاصطناعي قد تترك أيضًا الكثير من الأشياء المفيدة. وحدات معالجة الرسوميات (GPU) ستنخفض قيمتها، وعقود الكهرباء ستُجدد، ومراكز البيانات ستستبدل المعدات، والبرمجيات ستتعلم أكل القدرة الحاسوبية بشكل متزايد. استهلاك الرموز (tokens) الذي يبدو مبالغًا فيه اليوم، قد يصبح بعد بضع سنوات عاديًا مثل حركة مرور الفيديو عالي الدقة.

لكن الأصول لها طابعها الخاص.

إنها لا تهتم إذا كنت تؤمن بالمستقبل. إنها تهتم فقط إذا كان هناك من يستخدمها يوميًا.

إشارة بيع Meta للقدرة الحاسوبية تقع في هذه النقطة.

إنها ليست نهاية الذكاء الاصطناعي. وليست نهاية أشباه الموصلات. إنها تشبه أكثر عندما تصل سردية الإنفاق الرأسمالي إلى منتصف الطريق، أول مرة يفتح فيها أحدهم الباب ليرى الآخرون عدد الآلات في المستودع.

بعض الآلات ستأكلها النماذج الرائدة.

بعض الآلات سيستأجرها عملاء الحوسبة السحابية.

بعض الآلات سترخص في حرب الأسعار.

وبعض الآلات ستنتظر بصمت تطبيقًا لم يظهر بعد.

على مدى العامين الماضيين، كان السوق على استعداد للاعتقاد أن جميع الآلات ستجد مصيرها في النهاية. الآن بدأ يسأل: من سيجده أولاً، ومن لن يجده، ومن سيجده لكنه لن يكسب ما يكفي من المال.

بمجرد ظهور هذا السؤال، تتغير قصة الذكاء الاصطناعي.

لم تعد ملكًا فقط لأولئك الذين يشترون الآلات بأسرع ما يمكن.

إنها ملك لأولئك الذين يستطيعون إبقاء الآلات تعمل باستمرار.

الرابط الأصلي

انقر لمعرفة الوظائف الشاغرة في BlockBeats

مرحبًا بكم في مجتمع BlockBeats الرسمي:

قناة Telegram للاشتراك: https://t.me/theblockbeats

مجموعة Telegram للنقاش: https://t.me/BlockBeats_App

حساب Twitter الرسمي: https://twitter.com/BlockBeatsAsia