وراء العناوين المبهرة، تواجه صناعة الذكاء الاصطناعي أسئلة جوهرية حول زخم الابتكار، واستدامة رأس المال، وتباعد مسارات مطوري النماذج ومطوري التطبيقات.
نقطة التحول الصامتة في الصناعة
نما الذكاء الاصطناعي بوتيرة غير مسبوقة خلال السنوات الثلاث الماضية. فمنذ إطلاق ChatGPT، حطّم إقبال المستهلكين عليه الأرقام القياسية، وأعلنت شركات عملاقة من OpenAI إلى Google عن نماذج في تتابع سريع، ووضعت شركات Fortune 500 الذكاء الاصطناعي في صميم عملياتها التجارية. لكن الصناعة تواجه اليوم، وراء العناوين المبهرة، سؤالًا مختلفًا جذريًا:
هل لا يزال الابتكار الحقيقي يتقدم بزخم قوي، أم أننا نشاهد آلة هائلة تصطدم بحدود غير مرئية؟
للإجابة عن هذا السؤال على نحو سليم، علينا النظر إلى المنظومة من زاويتين مختلفتين:
السوق الأولية: الشركات التي تطور النماذج التأسيسية مثل GPT-4 وClaude وGemini: OpenAI وAnthropic وGoogle DeepMind وMeta.
السوق الثانوية: الشركات التي تستخدم هذه النماذج لبناء حلول لمشكلات فعلية يواجهها المستخدمون: Perplexity وCursor وNotion AI وReplit.
رغم أن السوقين تنتميان إلى الصناعة نفسها، فإنهما تختلفان جذريًا في ديناميكياتهما وهياكل التكاليف وطبيعة المخاطر وتوقعات النمو. والتوتر الذي نشهده اليوم ينبع تحديدًا من هذا التباعد.
الحدود الطبيعية لتطوير النماذج بدأت تظهر
شكّلت أربعة عوامل أساسية تطور النماذج اللغوية الكبيرة خلال السنوات الخمس الماضية:
- حجم النموذج (عدد المعاملات)
- بيانات التدريب (الجودة والتنوع)
- القدرة الحاسوبية (قدرة وحدات GPU/TPU)
- تقنيات التدريب (بنى المحوّلات، وآليات الانتباه)
من 2018 إلى 2023، توسعت هذه العوامل الأربعة في الاتجاه نفسه، ما أحدث قفزات هائلة. وهكذا انتقلنا من GPT-2 إلى GPT-4، ومن BERT إلى PaLM. لكن هذا المنحنى لن يستمر إلى ما لا نهاية. فبيانات التدريب أصبحت الآن أشد العوائق التي تواجه الصناعة.
مصادر البيانات الأصلية والمتنوعة وعالية الجودة التي ينتجها البشر محدودة. تدرّب نماذجك على Wikipedia، ثم على arXiv، ثم على GitHub: وماذا بعد؟ ترتفع التكاليف في هذا المجال بوتيرة أُسّية بسبب قضايا حقوق النشر، واتفاقيات ملكية البيانات، وقيود الوصول. تبرم صفقات مع Reddit، وتتفاوض مع Stack Overflow، وتواجه دعاوى قضائية من The New York Times. لا تزال زيادة حجم النماذج ممكنة تقنيًا، لكن البيانات تفرض سقفًا طبيعيًا.
لهذا حوّل القطاع تركيزه من حجم النماذج إلى كفاءتها. فالاستدلال بسلسلة الأفكار، والتعلّم المعزّز من التغذية الراجعة البشرية (RLHF)، وتقنيات أخذ العينات الأكثر فاعلية، وبُنى مزيج الخبراء (MoE): كلها جزء من هذا التحوّل.
هذه التطورات مهمة، لكنها لا تكفي وحدها للاستدامة، لأن مكاسب الكفاءة تصل هي الأخرى إلى التشبّع في مرحلة ما. وقد بدأ القطاع يدرك أن الابتكار في النماذج التأسيسية دخل مرحلة أبطأ وأكثر تكلفة.
ضغوط تدفّق رأس المال وتزايد الهشاشة
مع ازدياد وضوح الحدود التقنية، بات النمو على صعيد رأس المال ينطوي على مخاطر أكبر.
تبني شركات النماذج التأسيسية بنى تحتية حوسبية هائلة وتقدّم عروضًا تنافسية شرسة في حروب استقطاب المواهب. وتحدث هذه النفقات قبل إرساء قواعد قوية للإيرادات. تبلغ تكاليف الحوسبة السنوية لدى OpenAI مليارات الدولارات. وتتلقى Anthropic استثمارات بمليارات الدولارات من Microsoft. وتخصّص Google ميزانية منفصلة لـ DeepMind.
مليارات تُستثمر في مراكز البيانات، وعقود GPU تمتد لسنوات، ورواتب فلكية تُدفع لأسماء مثل Ilya Sutskever: كل ذلك يضخّم بنود نفقات الشركات بدرجة هائلة.
تُظهر هذه الصورة أن السوق الأولية تقوم على نموذج توسّع شديد الهشاشة اقتصاديًا. فهيكل تكاليف ابتكار النماذج يتجاوز بكثير معدلات نمو الإيرادات.
الصعود الهادئ لطبقة التطبيقات
بينما تتعرض السوق الأولية للضغط، تسير السوق الثانوية على منحنى نمو سليم نسبيًا. وتأخذ هذه الشركات النماذج التأسيسية وتحوّلها إلى استخدامات فعلية.
- Perplexity: إعادة تصميم تجربة البحث
- Cursor & Replit: إحداث تحوّل في عملية البرمجة
- Notion AI: إضفاء الذكاء على أدوات الإنتاجية
- Dvina: الاتصال بـ 120+ تطبيقًا لإدارة الحياة الرقمية بأكملها من خلال طبقة ذكية واحدة
تتمثّل ميزة هذه الشركات في أنها الأقرب إلى المستخدم. فالقيمة الحقيقية تظهر مباشرة في تجربة المستخدم. البحث، والبرمجة، وإنشاء المحتوى، والإنتاجية، ومعالجة المعلومات: كلها مجالات تتيح نماذج إيرادات واضحة وقابلة للتوسّع.
لهذا بدأت جهات كثيرة منتجة للنماذج التأسيسية تنتقل إلى طبقة التطبيقات. حوّلت OpenAI ChatGPT إلى منتج، وحوّلت Anthropic Claude إلى منتج موجّه للمستهلكين، ودمجت Google Gemini. وانتشرت استراتيجية التكامل الرأسي بسرعة.
لكن هذه الاستراتيجية خلّفت آثارًا جانبية: ارتفعت تكاليف الاستحواذ ارتفاعًا هائلًا، وتضخّمت تقييمات السوق الثانوية. وأصبحت السوق الثانوية، وهي المجال الوحيد القادر على توليد الإيرادات، باهظة التكلفة إلى حدّ يزيد مخاطر رأس المال في القطاع.
الدورات التاريخية وما يميّز الوضع اليوم
شهد الذكاء الاصطناعي فترتي تراجع كبيرتين في الماضي: أواخر عقد 1970 وأوائل عقد 1990. وجمعت بين الفترتين سمات مشتركة: توقعات مرتفعة، وبطء وتيرة الابتكار، وتلاشي الرغبة في الاستثمار.
الوضع اليوم مختلف. فالابتكار التقني مستمر، لكن وتيرة الإنجازات النوعية تتباطأ. في المقابل، تنمو تدفّقات رأس المال على نطاق غير مسبوق. يتحدث Sam Altman عن صندوق للحوسبة بقيمة $7 تريليونات، ويضخّ Elon Musk مليارات في xAI.
لذلك، ما نعيشه ليس "شتاءً للذكاء الاصطناعي" بالمعنى التقليدي. بل هو أقرب إلى فترة هشاشة ناجمة عن تخصيص رأس المال: التقييمات تتضخّم، والتكاليف تتسارع، لكن وتيرة الابتكار لا تلبّي التوقعات.
العصر الجديد: الفوز للنهج الأذكى، لا للنماذج الأكبر
الفارق الأهم اليوم هو أن ما يهم الآن ليس إنتاج نماذج أضخم بإضافة المزيد من المعاملات.
سيحدث التحول الحقيقي في هذه المجالات:
- زيادة كفاءة استخدام المعاملات
- تحقيق جودة أعلى بنماذج أصغر
- تطوير تقنيات تدريب جديدة
- استخدام البيانات بطريقة أكثر استراتيجية وفعالية
- خفض تكاليف التدريب جذريًا
كان DeepSeek أحد أبرز الأمثلة الحديثة على ذلك. فقد طوّرت هذه الشركة الناشئة الصينية نموذجًا يقدّم أداءً بمستوى GPT-4، لكن بتكاليف تدريب أقل بكثير. بنية مزيج الخبراء، وتحسين المعاملات، وتقنيات تدريب تركّز على الكفاءة. وقد تفاعل السوق بقوة.
عقب إعلان DeepSeek، انخفضت القيمة السوقية لشركة NVIDIA بمقدار 600 مليار دولار في يوم واحد. وقد أظهر ذلك أن المستثمرين باتوا يتابعون ليس فقط سباق بناء نماذج أكبر، بل أيضًا سباق الكفاءة والابتكار في بنية النماذج.
لكن هذا لا يزال غير كافٍ. فإذا كان القطاع سيشهد قفزة حقيقية، فستأتي من خلال أنماط جديدة لبنية النماذج. شيء يتجاوز بنية المحوّلات. ربما الحوسبة العصبية الشكل، أو النماذج الهجينة، أو إطار تعلّم مختلف تمامًا.
مثل هذه التحولات الجذرية لا تأتي عادةً من الشركات الكبرى. فهذه الشركات تعمل بحذر بسبب ضغوط الحجم، وتكاليف البنية التحتية، وإدارة المخاطر المؤسسية. أما الاختراقات الحقيقية فغالبًا ما تنبثق من شركات ناشئة صغيرة، وجريئة، ومستعدة لتحمّل المخاطر، وطموحة.
من المرجّح أن تكون منظومة الذكاء الاصطناعي اليوم بانتظار تغيير يقلب الموازين من هذا النوع تحديدًا.
الخلاصة: النهج لا الموارد هو ما سيحسم الفوز
يتأرجح قطاع الذكاء الاصطناعي اليوم بين مصدرين للتوتر: من جهة، استراتيجية لتوسيع حجم النماذج تقترب من حدودها؛ ومن جهة أخرى، مخاطر رأسمالية متزايدة وسوق تطبيقات ترتفع قيمته بسرعة.
تُظهر هذه الصورة أن المشكلة الأساسية الآن تكمن في النهج، لا في القدرة. فالفائزون غدًا لن يكونوا من يبنون نماذج أكبر، بل من يطوّرون أساليب أذكى. وأصبحت الكفاءة، والتصاميم الجديدة لبنية النماذج، وتقنيات التدريب المحسّنة، عوامل التمايز الحقيقية في القطاع.
ما سيحسم المنافسة في المستقبل هو جودة النهج، لا قوة الموارد. ومن المرجّح بدرجة كبيرة أن تكون الشركات الناشئة ذات الرؤية، لا الشركات الكبرى، هي من يبدأ هذا التحول في النهج.