الرهان الرأسمالي على الذكاء الاصطناعي يراهن على الشريحة الخطأ من الرقائق
طفرة البنية التحتية للذكاء الاصطناعي تقوم على افتراض واحد عن «الاستدلال»، وهو افتراض تنسفه اقتصاديات الاستدلال نفسها. حين تُطابق كل حِمل عملي بالرقاقة التي يناسبها فعلاً، يتبين أن جزءاً من هذا الإنفاق الرأسمالي يشتري تأميناً ضد طلب تشير منطقياً عكسه.
يحمل الرهان الرأسمالي على الذكاء الاصطناعي عيباً في اختيار العتاد لا يعكسه رقم الإنفاق. مئات المليارات من الدولارات المُوجَّهة إلى بنية تحتية للذكاء الاصطناعي تُبرَّر بكلمة واحدة، الاستدلال، والافتراض الكامن خلفها هو أن تقديم هذا الذكاء للعالم سيستمر في طلب أحدث وأغلى الرقائق. هذا الافتراض خاطئ في جوهره وبصمت. تدريب نموذج في الطليعة يحتاج أحدث المعالجات المتاحة. أما تشغيل النماذج التي يستخدمها الناس فعلياً، في معظم الأوقات، فلا يحتاج ذلك على الإطلاق.
اتبع الآلية لا الشعار. هناك حِملان تشغيليان للذكاء الاصطناعي، ولا يتشاركان تقريباً في أي شيء. التدريب حدث رأسمالي يحدث مرة واحدة، حيث تستنفد حفنة من المعامل أسرع المعالجات التي يمكن شراؤها بالمال لإنتاج نموذج واحد. أما الاستدلال فهو تجارة الحجم، مليارات الطلبات الصغيرة التي تحدث بعد أن يصبح النموذج جاهزاً. وهنا تسحب الاقتصاديات بقوة في اتجاه واحد: نموذج صغير مخصص لمهمة محددة، يجيب بجودة كافية، يعمل على معالجات تفصلها أجيال عن الطليعة، بكلفة أقل بكثير لكل وحدة نص معالَجة. وبينما تُخفَّض أسعار النماذج المتقدمة ويتحول الاستدلال إلى سلعة قياسية، تصبح الخطوة العقلانية هي مطابقة النموذج بالمهمة، ثم تشغيله على أرخص رقاقة تجتاز عتبة الجودة المطلوبة. لا توجد بيانات علنية تُفصِّل الاستدلال الإنتاجي بحسب جيل الرقاقة، فهذا استدلال مبني على اقتصاديات الحِمل التشغيلي نفسه، والحافز الذي يصفه ليس محل شك.
أرقام الكفاءة تسير في الاتجاه نفسه. يوثّق تقرير مؤشر الذكاء الاصطناعي 2025 الصادر عن معهد ستانفورد للذكاء الاصطناعي المتمركز حول الإنسان انخفاض كلفة الاستدلال بمعدلات ضخمة، وتقارب النماذج المفتوحة الصغيرة من النماذج الكبرى في المعايير التي تهم قطاع الأعمال فعلياً. العمل الذي يدفع الفواتير بالفعل، كفرز طابور دعم فني أو تلخيص وثيقة، نادراً ما يحتاج نموذجاً بتريليون معامل. يحتاج نموذجاً كافياً يجيب في أجزاء من الثانية وتكلفة تشغيله شبه معدومة.
وهنا المؤشر الحاسم لمن يقرأ هذه الطفرة بعناية. إذا اتسع الاستخدام على عتاد أقدم وأرخص، فسينفصل نمو استخدام الذكاء الاصطناعي عن نمو الطلب على رقائق الطليعة، وسيكون الإنفاق الرأسمالي المُبرَّر بـ«طلب الاستدلال» شراءً لتأمين ضد مستقبل تدفع اقتصاديات الحِمل التشغيلي نفسها بعيداً عنه. ما يؤكد هذا الطرح: إفصاحات تُظهر تصاعد حجوم الاستدلال بينما يستقر استخدام معالجات الطليعة عند مستوى ثابت. ما يفنّده: بقاء أساطيل الطليعة مُستخدَمة بكامل سعتها مع تصاعد الاستخدام. في الحالتين، عبارة «الاستخدام يتصاعد» ليست العبارة نفسها التي تقول «الفئة المتقدمة تُستخدَم أكثر»، وأطروحة الإنفاق الرأسمالي تُعامل الاثنتين بصمت كشيء واحد.
هل يبني إنفاق الذكاء الاصطناعي الرأسمالي بنية تحتية بالرقائق الخطأ؟
لنبدأ بحجم الفاتورة. توقعت غارتنر أن يبلغ الإنفاق العالمي على الذكاء الاصطناعي التوليدي نحو 644 مليار دولار خلال عام 2025، وموازنات الإنفاق الرأسمالي لدى عمالقة الحوسبة السحابية استمرت في التصاعد منذ ذلك. في مواجهة هذا الرقم، طرح تقرير صندوق سيكويا حول «سؤال الـ600 مليار دولار» السؤال المحرج بصوت مرتفع: من أين ستأتي العوائد التي يُفترض أن تُسدَّد بها كل هذه البنية التحتية؟ هذه الفجوة تُغطَّى بتمويل دائري، حيث يمول المورّد العميل الذي يشتري منتجه، من صانعي الرقائق الذين يدعمون الشركات التي تشتري رقائقهم، إلى ملّاك المحتوى الذين يستثمرون في صانعي النماذج الذين سيدفعون لهم رسوم ترخيص لاحقاً. كل صفقة من هذه الصفقات تُسجَّل كطلب حقيقي. وليس كل هذا الطلب عضوياً بالفعل. صناديق الثروة السيادية في المنطقة، من رؤية السعودية 2030 إلى استراتيجية الإمارات الوطنية للذكاء الاصطناعي، تراهن هي أيضاً بمبالغ ضخمة على هذه البنية التحتية، وهو ما يجعل السؤال عن جودة الطلب الكامن خلف الرقم أكثر إلحاحاً لا أقل.
لا شيء من هذا يعني انهياراً مفاجئاً. الذكاء الاصطناعي أقرب إلى «احتراق تدريجي» من كونه انهياراً حاداً، تصحيح يُخرج المُفرطين في الاستدانة من السوق ويترك المنشآت المادية قائمة. هذه هي حكاية «الألياف الضوئية المُعطَّلة» من فقاعة الإنترنت الأولى، وهي صحيحة جزئياً في حالتنا. يصف محللون بالفعل مشغلين يستعدون لإعادة بيع القدرة الحاسوبية الفائضة كخدمة سحابية، وهذا هو المظهر المعتاد لفائض قبل أن يتصفى السوق منه. لكن هذا القياس له حدود يتجاهلها المتفائلون. الألياف الضوئية احتفظت بقيمتها لأن خيط الزجاج المصنوع عام 2001 لا يزال ينقل الفوتونات اليوم. مجموعة معالجات متقدمة تجاوزها الجيل التالي ليست كذلك. هي الجزء الوحيد من هذا البناء بلا حياة ثانية، وهي بالضبط الفئة الأكثر تعرضاً لأطروحة الإنفاق الرأسمالي. أي سيناريو تصفية صادق سيوزّع الضرر بشكل غير متساوٍ: المنشآت القابلة لإعادة الاستخدام تجد قاعدة تحميها، ومجموعات معالجات الطليعة المُتجاوزة لا تجد شيئاً.
وثمة تعقيد يُضعف حتى القراءة المتفائلة، وهو يحدث الآن فعلاً. خطة تشغيل الاستدلال على عتاد رخيص وأقدم تفترض أن العتاد الرخيص سيبقى رخيصاً. الذاكرة تقول عكس ذلك. توقع مسح تريند فورس في مارس 2026 ارتفاع أسعار عقود DRAM بنسبة 58 إلى 63 في المائة على أساس فصلي، وارتفاع NAND بنسبة 70 إلى 75 في المائة، كما أعلنت مايكرون خروجها من قطاع ذاكرة كروشال المُوجَّه للمستهلكين لتوجيه طاقتها الإنتاجية نحو مشتري مراكز البيانات. حين يستهلك البناء الضخم إمدادات الذاكرة، تزداد كلفة فئة الاستدلال المستعملة أيضاً. شهية الطليعة ترفع القاعدة السعرية على الجميع.
ما الذي ينبغي أن تفعله الشركة عند تحديد حجم إنفاقها على الذكاء الاصطناعي؟
بالنسبة لمعظم الشركات، الإجابة ليست البناء وفق مستوى الطليعة أصلاً. إذا كان حِملك التشغيلي هو الاستدلال، فالسؤال الصادق أثناء أي تقييم للجاهزية لتبني الذكاء الاصطناعي هو أي مهامك تحتاج فعلاً نموذجاً متقدماً وأيها يُخدَم بإفراط بنموذج كبير من باب العادة فقط. تحديد حجم البنية التحتية بناءً على أكبر نموذج قد تحتاجه يوماً ما هو الطريق المضمون لامتلاك أصول تتآكل قيمتها بسرعة، بينما كان نموذج أصغر على رقاقة أرخص كافياً للمهمة. هذا قرار في تخصيص رأس المال قبل أن يكون قراراً تقنياً، وموقعه الصحيح في استراتيجيتك التقنية، لا في ردّة فعل شرائية تجاه كل ما هو جديد.
البيئة التنظيمية تجعل التخطيط أصعب لا أسهل. القواعد الفيدرالية الأمريكية للذكاء الاصطناعي غير مستقرة بعد أن دفعت حملة ضغط من قطاع التقنية الإدارة الأمريكية إلى إلغاء أمر تنفيذي مُخطَّط للذكاء الاصطناعي، بينما تشرّع الولايات الأمريكية بشكل منفرد، بدءاً من قانون SB 53 في كاليفورنيا. وفي منطقتنا، حيث تتقدم أطر مثل نظام حماية البيانات الشخصية السعودي وتشريعات حماية البيانات الإماراتية بخطى واضحة نسبياً، تبقى مقارنة هذا التذبذب الأمريكي مفيدة: أي شركة تحاول ضبط خط أساس ثابت للامتثال تصوّب على هدف تحركه أطراف متعددة في آن واحد. والضغط نفسه لتحقيق أرباح سريعة بدأ يُقعد جهات إعلانية داخل حلقات قرار كانت محايدة، وهذا سبب إضافي لـالإبقاء على إشراف إنساني على أي قرار يعتمد على الذكاء الاصطناعي كلما زاد المال المتحرك حوله.
هذا البناء الضخم سيترك خلفه شيئاً بالتأكيد. فقط تأكد ألا تكون موازنتك هي هذا الشيء، مرتبطة بفئة العتاد الوحيدة التي يقول لك هذا المنطق نفسه إنها آخر ما يجب شراؤه.
أسئلة شائعة
هل تحتاج أحدث معالجات الرسوميات لتشغيل الاستدلال في الذكاء الاصطناعي؟
في معظم حالات الاستدلال الإنتاجي، لا. المعالجات المتقدمة تُبرِّر كلفتها أثناء التدريب. تشغيل نماذج صغيرة أو مُكثَّفة لمهام محددة يعمل بشكل مقبول تماماً على عتاد يفصله عن الطليعة عدة أجيال، وانخفاض كلفة كل وحدة نص معالَجة يشجع على مطابقة النموذج بالمهمة بدل الافتراض التلقائي لاستخدام أكبر نموذج متاح.
هل يعني انخفاض كلفة الاستدلال أن الطلب على الذكاء الاصطناعي يتراجع؟
لا، والخلط بين الأمرين هو الخطأ الشائع. يمكن أن يستمر الاستخدام في التصاعد بينما يستقر الطلب على معالجات الطليعة، لأن الاستخدام الإضافي ينتقل إلى عتاد أرخص وأقدم. انخفاض أسعار الاستدلال علامة على تحوله إلى سلعة قياسية، لا على تراجع الطلب.
هل ستتحول مراكز بيانات الذكاء الاصطناعي إلى أصول عالقة بلا قيمة؟
جزء من البنية المادية، كالطاقة والتبريد التي يمكن لمستأجر مستقبلي إعادة استخدامها، إلى جانب العتاد المخصص للاستدلال، من المرجح أن يجد حياة ثانية إذا أفرط المشغلون في البناء، كما حدث مع الألياف الضوئية سابقاً. الاستثناء هو عتاد التدريب المتقدم، الذي يخسر قيمته بسرعة كبيرة مع ظهور الجيل التالي من المعالجات.
مواضيع ذات صلة
- تراجع المهارات بفعل الذكاء الاصطناعي: المخاطرة التشغيلية التي لا يسعّرها مجلس إدارتكم
- العلاج النفسي بالذكاء الاصطناعي: أرضية للخدمة لا سقفًا لطموحاتها
- احتكار الذاكرة الذي يقف وراء تضخم تكاليف الذكاء الاصطناعي
- AI & Automation
كُتب بواسطة شخصية تحريرية بالذكاء الاصطناعي ضمن نظام التحرير الخاص بـ Abyshire وروجع من فريقنا.