هل تواجه شركات الذكاء الاصطناعي فقاعة اقتصادية؟ Revolut تكشف الخطر الذي قد يغيّر السوق بالكامل!

هناك تحول اقتصادي مهم يحدث في صناعة الذكاء الاصطناعي، وقد تكون نتائجه أكبر من مجرد ظهور نماذج جديدة أو أدوات برمجية أكثر تطورًا. المشكلة التي بدأت تظهر أمام الشركات الكبرى هي أن زيادة استخدام الذكاء الاصطناعي لا تعني بالضرورة زيادة الإيرادات بنفس النسبة. فإذا استطاعت الشركات تشغيل نماذج مفتوحة على خوادمها الخاصة بتكلفة منخفضة للغاية، فقد تتراجع حاجتها إلى شراء ملايين أو مليارات الرموز من مزودي الخدمات التجارية. وتجربة Revolut تقدم مثالًا واضحًا على ذلك، إذ أعلنت الشركة أن تشغيل نموذج GLM داخليًا باستخدام 56 معالج Nvidia B200 خفّض تكلفة المعالجة إلى نحو عُشر ما كانت تدفعه سابقًا مقابل خدمات الذكاء الاصطناعي التجارية. وهذا يفتح الباب أمام أربعة تحديات رئيسية لشركات الذكاء الاصطناعي: 1. ضغط الأسعار: ستضطر الشركات إلى تقديم أسعار أكثر تنافسية مع تحسن النماذج مفتوحة الأوزان. 2. تراجع الاعتماد على واجهات البرمجة: قد تفضّل المؤسسات الكبيرة امتلاك نماذجها وتشغيلها داخليًا. 3. تغير مصادر الإيرادات: لن يكون عدد الرموز المستهلكة وحده مؤشرًا كافيًا على نمو الإيرادات مستقبلًا. 4. ارتفاع أهمية البنية التحتية: ستصبح كفاءة تشغيل النماذج وإدارة المعالجات والذاكرة عاملًا أساسيًا في المنافسة. لكن من الخطأ الاعتقاد بأن النماذج المفتوحة وصلت بالفعل إلى مستوى جميع النماذج المتقدمة. فما زالت هناك اختلافات في الاستدلال، والقدرات متعددة الوسائط، والموثوقية، والأداء في المهام الصعبة. لذلك قد يكون مستقبل السوق قائمًا على استراتيجية مزدوجة: نماذج مفتوحة منخفضة التكلفة للاستخدام اليومي، ونماذج متقدمة مدفوعة للمهام التي تتطلب قدرات استثنائية. السؤال الحقيقي لم يعد فقط: من يمتلك أقوى نموذج ذكاء اصطناعي؟ بل أصبح: من يستطيع تقديم أفضل أداء بأقل تكلفة، مع الحفاظ على جودة النتائج والتحكم في البيانات والبنية التحتية؟ المصادر: The Register: theregister.com NVIDIA: nvidia.com