← 返回首页

قد ترتفع تكاليف الحوسبة الذكاء الاصطناعي عشرة أضعاف؟ دواكارش باتيل يفسر سيناريو أنثروبيك

في معظم عصر الحوسبة، بدا الاتجاه واضحًا: أداء الرقاقات في تحسن مستمر، والبنية التحتية السحابية تتوسع، والسعر الفعلي للحوسبة في انخفاض مستمر. ومع ذلك، قد يغير الذكاء الاصطناعي هذا الاتجاه.

发布于 2026年8月6日•general•GEO 评分: 0•12 次阅读

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
خلفية الصورة داكنة، ويظهر على اليسار نص 'ANTHROPIC'، وعلى اليمين 'COST / TOKEN' مع منحنى صاعد. في منتصف الصورة، يظهر النص 'AI Compute 10× More Expensive?' باللونين الأزرق والأبيض، وتحته نص صغير 'H100 Economics · Anthropic Growth'. أسفل الصورة توجد شاشتان تعرضان بيانات، مع نص 'H100' في أسفل اليسار. ترتبط هذه الصورة بمحتوى المقال حول احتمال زيادة تكاليف الحوسبة الذكاء الاصطناعي عشرة أضعاف، وتبرز خلفية اقتصاد H100 ونمو أنثروبيك.

هل يصبح سعر الحوسبة السحابية للذكاء الاصطناعي أغلى بعشر مرات؟ قراءة في تحليل سيناريوهات Dwarkesh Patel لأنثروبيك

مقدمة

في معظم حقبة الحاسوب، بدا مسار التطور واضحًا: قدرات الرقائق في تحسن مستمر، والبنية التحتية السحابية تتوسع باستمرار، والسعر الفعّال للحوسبة في انخفاض مستمر.

قد يكسر الذكاء الاصطناعي هذا النمط.

في مقال نُشر في 29 يوليو 2026، طرح الكاتب والمحاور التقني دواركيش باتل سيناريو طموحًا عمدًا: قدرة الذكاء الاصطناعي المتقدم على تحويل الحوسبة إلى قيمة اقتصادية ترتفع بشكل كبير، بينما يتوسع العرض المادي للحوسبة المتقدمة بوتيرة أبطأ بكثير.

في هذا السيناريو، قد يرتفع سعر السوق للحوسبة المتقدمة للذكاء الاصطناعي عشرة أضعاف أو أكثر، قبل أن يعود في النهاية إلى مسار انخفاض التكاليف على المدى الطويل.

يبدأ الجدل بمقارنة استفزازية.

إذا كان وكيل ذكاء اصطناعي يعمل على قدرة حسابية تعادل شريحة NVIDIA H100 واحدة قادرًا على إنجاز عمل مهندس برمجيات براتب مرتفع، فلماذا يظل سعر إيجار شريحة GPU هذه محددًا أساسًا باستهلاك الأجهزة والمنافسة السحابية؟

لماذا لا يقترب سعرها من القيمة الاقتصادية للعمل البشري الذي تحل محله أو تعززه؟

يوسّع المقال الأصلي هذه التجربة الفكرية إلى توقعات أوسع حول مختبرات الذكاء الاصطناعي ومراكز البيانات وقدرات تصنيع أشباه الموصلات المتقدمة وإمكانية دخول العالم فترة من التضخم الحاد في الحوسبة.

من البداية، هناك عدة حدود مهمة يجب توضيحها:

  • مهندس البرمجيات بمستوى بشري يعمل على قدرة تعادل شريحة H100 واحدة هو قدرة افتراضية مستقبلية، وليس نتيجة اختبار معيارية حالية.
  • الإيرادات السنوية المؤكدة رسميًا من أنثروبيك تجاوزت 47 مليار دولار في مايو 2026، لكن الأرقام التي طرحها باتل (100-150 مليار دولار بنهاية العام، وتريليون دولار في العام التالي) هي افتراضات سيناريوهات، وليست توجيهات أداء من أنثروبيك.
  • ارتفاع سعر الحوسبة عشرة أضعاف هو حجة اقتصادية، وليس توقعًا سوقيًا مؤكدًا.
  • تختلف أسعار GPU السحابية حسب طراز الشريحة ومدة العقد ونسبة الاستخدام والشبكة والأمان ومستوى الخدمة؛ ولا يوجد سعر موحد لـ H100.

في ظل هذه الافتراضات المسبقة، تكمن قيمة هذه التجربة الفكرية في أنها تطرح سؤالًا يتجنبه القطاع غالبًا:

ماذا يحدث عندما ترتفع القيمة الاقتصادية التي يخلقها الذكاء الاصطناعي بوتيرة أسرع من قدرة العالم على بناء البنية التحتية التي تدعم تشغيله؟

القوى العاملة السيليكونية: عندما تبدأ شريحة H100 في العمل كمهندس براتب 250 ألف دولار سنويًا

يبدأ الجدل بتغيير وحدة المقارنة.

اليوم، تُسعّر الحوسبة عادةً كبنية تحتية:

  • السعر لكل ساعة GPU
  • السعر لكل توكن
  • السعر لكل خادم شهريًا
  • السعر لكل مجموعة احتياطية
  • السعر لكل واط أو لكل ميجاواط

السؤال الذي يطرحه باتل: ماذا يحدث عندما تصبح نفس الأجهزة حاويةً لقوة عاملة ذاتية الحكم؟

تخيّل مهندس برمجيات ذكاء اصطناعي قادرًا على:

  • قراءة قواعد أكواد كبيرة
  • تنفيذ الميزات
  • تصحيح الأخطاء
  • تشغيل الاختبارات
  • مراجعة طلبات السحب
  • التحقيق في الحوادث
  • العمل باستمرار
  • إنتاج نتائج مماثلة لمهندس بشري ذي خبرة

إذا كان هذا الوكيل يتطلب عند تشغيله ما يعادل شريحة H100 تقريبًا، فإن GPU لم تعد مجرد مكوّن خادم. بل أصبحت جزءًا من نظام إنتاج رقمي.

تجربة فكرية بقيمة 250 ألف دولار

يستخدم باتل القيمة السوقية لمهندس برمجيات بارز في وادي السيليكون بـ250 ألف دولار سنويًا كرقم مرجعي تقريبي.

ثم يقارنها بتقدير إيجار H100 الفوري الموزّع سنويًا، والذي يبلغ حوالي 16 ألف دولار.

الفجوة الضمنية هي:

250,000 / 16,000 ≈ 15.6 ضعفًا

في هذه التجربة الفكرية المبسّطة، تبدو شريحة GPU القادرة على حمل قوة عمل رقمية مكافئة مقوّمة بأقل من قيمتها بشكل كبير، نسبةً إلى قيمة العمل الذي يمكنها إنتاجه.

مقارنة التكلفة السنوية بين حوسبة H100 ومهندس بشري

هذه العملية الحسابية ليست توقعًا مباشرًا بأن كل شريحة H100 ستُستأجر بمبلغ 250 ألف دولار.

فهي تتجاهل عدة عوامل مهمة:

  • قد يحتاج الوكيل إلى أكثر من شريحة H100 واحدة.
  • من المستحيل أن تحقق GPU استخدامًا مثاليًا على مدار العام.
  • تشمل البنية التحتية للخدمة وحدة المعالجة المركزية والذاكرة والشبكة والتخزين والكهرباء والتبريد والعمليات.
  • المهندسون البشريون يفعلون أكثر من مجرد توليد الأكواد.
  • إذا توسعت القوى العاملة الرقمية بسرعة، فقد تتغير الأجور.
  • قد يحصل مزودو النماذج على معظم القيمة الاقتصادية عبر تسعير واجهة برمجة التطبيقات بدلاً من تأجير GPU.
  • قد تقلل المنافسة والكفاءة المتزايدة من الحوسبة المطلوبة لكل مهمة.

وجهة نظر باتل الأضيق هي أنه عندما تصبح الحوسبة قادرة على إنتاج نتائج أكثر قيمة، فإن الاستعداد للدفع مقابل الحوسبة قد يرتفع بشكل حاد.

لماذا لا تنهار قيمة العمل فورًا

اعتراض طبيعي هو أن إضافة ملايين مهندسي البرمجيات الذكاء الاصطناعي سيخفض القيمة السوقية لقوى العمل الهندسية البرمجية.

إذا أصبحت البرمجيات وفيرة، فقد لا يعود المهندس الرقمي يستحق 250 ألف دولار.

يعترف باتل بهذا الاحتمال، لكنه يرى أنه لا يحدث تلقائيًا.

عادةً ما يرفض المنطق الاقتصادي القياسي فكرة أن "كمية العمل المفيد ثابتة". إذ يمكن للعمال المهرة الإضافيين خلق منتجات وشركات وتخصصات وطلبات جديدة.

من هذا المنظور، فإن الزيادة الكبيرة في العمالة الماهرة لا تقتصر على تقسيم العمل الحالي بين عدد أكبر من المشاركين، بل توسع نطاق ما هو ممكن اقتصاديًا.

قد يؤدي الذكاء الاصطناعي إلى صدمة سريعة بشكل غير طبيعي في عرض العمالة، لذا قد لا تنطبق المقارنات التاريخية. ومع ذلك، يرى باتل أنه من المعقول أن تظل القيمة الحدية لحوسبة الذكاء الاصطناعي مرتفعة مع ظهور برمجيات وخدمات جديدة قابلة للتنفيذ.

الحجة أقوى في العمل الرقمي بالكامل

أحد الاعتراضات المفيدة في النقاش أسفل مقال باتل هو أن مقارنة قيمة العمل تكون أقوى عندما يمكن إنجاز المهمة بأكملها في بيئة رقمية.

تقترب هندسة البرمجيات من هذه الحالة المثالية:

  • المدخلات رقمية.
  • المخرجات رقمية.
  • الاختبار غالبًا قابل للأتمتة.
  • التوزيع سريع.
  • العديد من حلقات التغذية الراجعة تعمل بسرعة الآلة.

تضعف المقارنة عندما تهيمن الاختناقات الفيزيائية.

قد يتمكن نظام ذكاء اصطناعي من تصميم دواء بسرعة، لكن التجارب السريرية لا تزال تتطلب مرضى وتنظيمًا وتصنيعًا ووقتًا. قد يحسّن مصنعًا، لكن البناء والتراخيص وسلاسل التوريد والمعدات تظل خاضعة للقيود الفيزيائية.

في هذه المجالات، قد يتوقف الذكاء عن كونه عنق الزجاجة الأساسي قبل أن تتمكن الحوسبة من استيعاب القيمة الكاملة للعمل الذي تحل محله.

نمو إيرادات الذكاء الاصطناعي قد يتجاوز نمو عرض حوسبة الذكاء الاصطناعي

ينتقل الجزء الثاني من الجدل من شريحة GPU واحدة إلى الأوضاع المالية لمختبرات الذكاء الاصطناعي المتقدمة.

تُعد أنثروبيك المثال الرئيسي بسبب نمو إيراداتها السريع بشكل استثنائي مؤخرًا.

البيانات التي أبلغت عنها أنثروبيك رسميًا:

  • الإيرادات السنوية المتكررة بنهاية 2025 حوالي 9 مليارات دولار
  • الإيرادات السنوية المتكررة في أبريل 2026 تجاوزت 30 مليار دولار
  • الإيرادات السنوية المتكررة في أوائل مايو 2026 تجاوزت 47 مليار دولار

هذه بيانات إيرادات سنوية متكررة، وليست إيرادات مدققة للعام بأكمله.

إنها تصف معدل النمو الضمني للإيرادات عند نقطة زمنية معينة.

صورة تعرض نمو إيرادات أنثروبيك (الإيرادات السنوية المتكررة). في 2022 حوالي $10M، وفي 2023 حوالي $100M، وفي نهاية 2025 حوالي $1B، وفي فبراير 2024 حوالي $14B، وفي مارس 2025 حوالي $19B، وفي أبريل 2026 حوالي $30B، وفي منتصف مايو 2026 وصلت إلى حوالي $47B. كما يُظهر أن نمو الإيرادات السنوية المتكررة الفعلي في الربع الأول من 2026 تجاوز التوقعات بشكل كبير، حيث بلغ ~$9B، ومن المتوقع أن يصل إلى ~80 ضعفًا. الصورة تشمل Dario.

في تتبع الإيرادات السنوية المتكررة على مقياس لوغاريتمي، يظهر النمو الخطي تقريبًا على مدار السنوات الأربع الماضية.

الرقم الرئيسي من مقال باتل هو أن الإيرادات السنوية المتكررة في نهاية عام 2026 قد تتراوح بين 100 و150 مليار دولار، مع توقعات في العام التالي تبلغ تريليون دولار تقريبًا.

كما في ملاحظته حول أجور مهندسي البرمجيات، يحذر باتل من أن أرقامه قد تكون مبالغًا فيها، ويسميها "أرقامًا مجنونة" تهدف إلى استكشاف النطاق الأعلى لما هو ممكن، وليس توقعًا مركزيًا.

الصياغة الدقيقة تهم هنا. الأرقام الرسمية الحالية لأنثروبيك:

  • 9 مليارات دولار (نهاية 2025)
  • 30+ مليار دولار (أبريل 2026)
  • 47+ مليار دولار (مايو 2026)

يصل باتل إلى نطاق 100-150 مليار دولار مع الحفاظ على معدلات نمو مرتفعة بشكل متسق من هذه القاعدة. يمثل تريليون دولار عام 2027 نموًا بنحو 7-10 أضعاف من نطاق نهاية 2026.

توفر سلسلة القيمة في صناعة الرقائق حدًا أساسيًا لا يمكن تجاوزه: الناتج الاقتصادي للذكاء الاصطناعي لا يمكن أن يتجاوز بكثير مجموع كل مدخلات الحوسبة والنماذج والتشغيل، على الأقل ليس دون انهيار الهوامش الربحية.

الافتراض الأساسي هو أن الطلب على الحوسبة سينمو بمعدل مشابه للمعدل الذي تنمو به إيرادات العملاء، وأن العرض سيكون مقيدًا بشكل متزايد.

قيود العرض

تُظهر الفترة 2023-2025 بوضوح أن القدرة على إنتاج حوسبة الذكاء الاصطناعي المتقدمة ليست مرنة تمامًا:

  • مدة تصنيع أشباه الموصلات المتطورة من الطلب إلى التسليم لا تزال سنوات.
  • تدريب القوى العاملة والمعدات والمواد في قطاع التصنيع صعب التوسع بسرعة.
  • مراكز البيانات تتطلب تخطيطًا للطاقة والبناء والتراخيص وربط الشبكة ومعدات التبريد.
  • سلاسل التوريد الأوسع (الطاقة والمحولات والمولدات والرقائق المساعدة والذاكرة) أصبحت عنق زجاجة في أوقات الطلب القصوى.
  • حتى مع توفر المعدات، يظل تشغيل مراكز بيانات جديدة عملية معقدة متعددة الأشهر.

هذا لا يثبت أن أسعار الحوسبة سترتفع، لكنه يشير إلى أن منحنى العرض الحالي غير مرن نسبيًا على المدى القصير.

التقارير في عام 2026 تشير إلى أن فرق تدريب النماذج الكبيرة تتنافس بنشاط على مجموعات GPU في السوق الفورية وأن مدة انتظار توريد مجموعات NVIDIA يمكن أن تمتد إلى 6-12 شهرًا.

يشير هذا إلى أن الطلب في السوق يتجاوز العرض المتاح حاليًا، الأمر الذي يدفع الأسعار نحو الأعلى.

الفارق بين السعر والتكلفة

هنا يصبح التمييز بين التكلفة والسعر مهمًا.

حتى لو استقرت التكلفة طويل الأجل لإنتاج شريحة GPU واحدة ومكوناتها المرتبطة عند مستوى معين، فإن سعر السوق يعكس التوازن بين الطلب والعرض عند مستوى معين من الإنتاج.

في سوق تنافسية، تتجه الأسعار نحو التكلفة الحدية على المدى الطويل. لكن إذا كان الطلب ينمو بشكل أسرع من العرض، حتى في المدى المتوسط (3-5 سنوات)، فإن الأسعار يمكن أن تظل أعلى بكثير من التكاليف.

في هذه الحالة، يلتقط موردو الحوسبة فائضًا اقتصاديًا كبيرًا، يصبح جزءًا من سلسلة القيمة للذكاء الاصطناعي، وقد يصبح رأس مال مهمًا يغذي توسع العرض في النهاية.

الاعتراض: المنافسة يجب أن تمحو الهوامش

اعتراض قياسي على أي سيناريو للأسعار المرتفعة هو: إذا كان

قال أمودي: "هذا معدل نمو مجنون، يتضاعف عشر مرات سنويًا". هذا الرسم البياني مرتبط بمحتوى توقعات نمو إيرادات أنثروبيك في الوثيقة، ويعرض بشكل مباشر نمو إيراداتها.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/08/27321613-b67f-40b5-b15f-43c37a8cc0be-0b44034b-99ac-407c-98dc-22191c3ab493.png)

نقطة انطلاق باتيل هي ملاحظة: إيرادات أنثروبيك نمت على أساس سنوي بمقدار مرتبة من الحجم تقريبًا.

ثم بنى سيناريو افتراضيًا متطرفًا عمدًا:

  • وصول الإيرادات السنوية المتكررة لأنثروبيك إلى حوالي 100 إلى 150 مليار دولار بنهاية عام 2026.
  • استمرار الاتجاه العام نفسه.
  • بحلول نهاية العام التالي، تقترب الإيرادات من تريليون دولار.

أوضح باتيل صراحةً أن هذا المسار ليس حتميًا ولا يوجد سبب عميق له. يعتمد على قدرات الذكاء الاصطناعي المستقبلية، ومعدل تبني المنتجات، والتسعير، وحالة المنافسة.

الغرض من هذا السيناريو ليس الادعاء بأن أنثروبيك توقعت إيرادات تريليون دولار، بل طرح السؤال: إذا نمت شركة ذكاء اصطناعي بهذا المعدل فعلًا، فما هي الشروط الإضافية التي يجب أن تتوفر؟

نمو الإيرادات لا يتوافق مع نمو القدرة الحاسوبية

قارن باتيل نمو الإيرادات الافتراضي بعشرة أضعاف مع التوسع السنوي المقدر للقدرة الحاسوبية للذكاء الاصطناعي بمقدار 3 أضعاف.

تقدّر Epoch AI أن المخزون العالمي للقدرة الحاسوبية للذكاء الاصطناعي في عام 2025 نما حوالي ثلاثة أضعاف (أي تضاعف ثلاث مرات) بمكافئ H100، لكن المؤسسة شددت أيضًا على أن التقديرات المتعلقة بالشركات والمستقبل لا تزال تحمل حالة من عدم اليقين.

الفجوة الناتجة تقريبًا:

نمو الطلب على أعمال الذكاء الاصطناعي: 10 أضعاف
النمو المادي للقدرة الحاسوبية:     3 أضعاف
الفجوة:             حوالي 3.3 أضعاف

الصورة توضح مقارنة مضاعفات النمو بين الطلب التجاري للذكاء الاصطناعي وعرض القدرة الحاسوبية. العمود الأزرق على اليسار يمثل الطلب التجاري للذكاء الاصطناعي بمضاعف نمو 10 أضعاف؛ العمود الأخضر على اليمين يمثل عرض القدرة الحاسوبية بمضاعف نمو 3 أضعاف. سهم متقطع يربط بينهما مع标注 "الفجوة تتسع إلى 3.3 أضعاف". هذا الرسم مرتبط ارتباطًا وثيقًا بالسياق، ويعرض بشكل مباشر أن نمو الطلب التجاري للذكاء الاصطناعي يتجاوز بكثير عرض القدرة الحاسوبية، مما يؤدي إلى اتساع الفجوة، ويساعد في توضيح سبب احتمال زيادة تكاليف الحوسبة للذكاء الاصطناعي.

إذا نما إيرادات مختبر رائد أسرع بكثير من نمو قدرته الحاسوبية المتاحة، فلا بد أن تحدث بعض التركيبات من الأمور الثلاثة التالية:

  1. يحقق المختبر هوامش ربح أعلى.
  2. يرتفع سعر السوق للقدرة الحاسوبية.
  3. يُخصص المختبر نسبة أكبر من قدرته الحاسوبية لتقديم خدمات الاستدلال المدرة للدخل بدلًا من البحث والتدريب.

يرى باتيل أن هذه الأمور الثلاثة تشهد تحولًا بالفعل بدرجات متفاوتة.

الخيار الأول: ارتفاع هوامش الربح لدى المختبرات الرائدة

يستثمر مزودو النماذج تكاليف ثابتة عالية لتدريب النماذج، ثم يقدمون القدرات المكتسبة لعملاء كثيرين.

هذا يخلق وفورات حجم محتملة.

يمكن بيع نفس القدرة المدربة عبر القنوات التالية:

  • اشتراكات المستهلكين
  • تراخيص الشركات
  • واجهات برمجة التطبيقات (API)
  • منتجات البرمجة
  • منصات الوكلاء الأذكياء
  • الشراكات السحابية

التكلفة الحدية للطلب الإضافي الواحد قد تكون أقل بكثير من القيمة التي يخلقها هذا الطلب.

يشير باتيل إلى أن هوامش الربح من الاستدلال في المختبرات الرائدة تحسنت بشكل كبير. لكن أرقام هوامش الربح الخاصة بخدمة الاستدلال Fable من أنثروبيك التي ذكرها، عُرضت بوضوح كتقديرات تقريبية وليست بيانات مؤسسية مُدققة.

الهوامش المرتفعة يمكن أن تمتص جزءًا من الفجوة بين نمو الإيرادات ونمو القدرة الحاسوبية.

الصعوبة تكمن في الحجم.

في سيناريو التريليون دولار الذي طرحه باتيل، إذا لم يتم تعديل الأسعار وتوزيع القدرة الحاسوبية بشكل كافٍ، ستحتاج الهوامش إلى الارتفاع إلى مستويات وسطى-عليا تبلغ حوالي 95%. يرى أن هذا المستوى مرتفع بشكل غير طبيعي حتى بالنسبة لمنصات التكنولوجيا الرائدة.

الهامش الدقيق المطلوب يعتمد على متغيرات كثيرة، لكن الفكرة الأساسية تبقى قائمة: الهوامش وحدها قد لا تكون قادرة على التوفيق بين الطلب المتفجر والبنية التحتية المحدودة.

الخيار الثاني: نقل المزيد من القدرة الحاسوبية من التدريب إلى الاستدلال

الخيار الثاني هو تخصيص نسبة أكبر من القدرة الحاسوبية لخدمة العملاء.

تقدّر Epoch AI أن OpenAI أنفقت حوالي 1.8 مليار دولار على قدرة الاستدلال في عام 2024، بينما أنفقت حوالي 5 مليارات دولار على قدرة البحث والتطوير. بناءً على ذلك، يُقدَّر أن إنفاق الاستدلال يشكل حوالي ربع إجمالي الإنفاق الحاسوبي المعلن.

مع توسع الاستخدام التجاري، يمكن أن ترتفع حصة الاستدلال أكثر.

هذا يساعد في دعم الإيرادات، لكن المختبرات الرائدة تواجه معضلة استراتيجية.

خدمات الاستدلال تدفع الفواتير الحالية.

أما التدريب والتجارب فتُنتج النماذج التي قد تحدد الجيل القادم من المنتجات.

المختبر الذي يخصص معظم قدرته الحاسوبية لخدمة النماذج الحالية قد يحقق إيرادات أكثر مباشرة، لكن البنية التحتية المتاحة له للأغراض التالية ستقل:

  • تدريب نماذج أكبر
  • تشغيل التجارب
  • التعلم المعزز
  • التقييم
  • توليد البيانات
  • أبحاث البنية
  • تطوير النماذج طويل الأمد

يصف باتيل تأثير دولاب الموازنة في وادي السيليكون: إيرادات الاستدلال الحالية تساعد في دعم التمويل، والتمويل يشتري قدرة حاسوبية أكبر، والقدرة الحاسوبية تدرب نماذج أقوى، والنماذج الأقوى تحقق إيرادات أكثر.

الصورة توضح دورة النمو الإيجابي لدولاب الموازنة للذكاء الاصطناعي. 1. تحسن قدرات الذكاء الاصطناعي، نماذج أقوى ونتائج أفضل وحل مشكلات أكثر؛ 2. زيادة الإيرادات التجارية، مزيد من المستخدمين وارتفاع الدفع ونمو الإيرادات المستمر؛ 3. شراء قدرة حاسوبية أكبر، استثمار أموال أكثر واعتماد المزيد من وحدات GPU/موارد الحوسبة؛ 4. تدريب نماذج أقوى، استخدام قدرة حاسوبية وبيانات أكبر لتدريب نماذج أكثر قوة؛ 5. الحصول على قدرات تجارية أقوى، منتجات أكثر تنافسية وحصة سوقية أكبر وتشكيل خندق دفاعي. هذا الرسم مرتبط ارتباطًا وثيقًا بالسياق، ويعرض بشكل مباشر المنطق التجاري لمختبرات الذكاء الاصطناعي لتحقيق النمو المستمر عبر الدورة الإيجابية.

عادةً لا تعتبر هذه المختبرات نماذج اليوم نقطة نهاية. إنها تتوقع أن الأنظمة الرائدة الحالية سيتم تجاوزها قريبًا.

هذا يجعلها مترددة في التحول الكامل إلى مزودي خدمات سحابية بهوامش عالية يخدمون جيلًا ثابتًا من النماذج.

الخيار الثالث: ارتفاع أسعار القدرة الحاسوبية

الرائدة

التعديل المتبقي هو السعر.

إذا تمكنت مختبرات الذكاء الاصطناعي وعملاؤها من خلق قيمة اقتصادية أكبر من كل وحدة قدرة حاسوبية، فسيكون بإمكانهم تقديم عروض أسعار أكثر جرأة للتنافس على البنية التحتية النادرة.

هذا لا يعني أن سعر كل ساعة GPU يرتفع بالتساوي.

المختبرات الرائدة تحتاج فئة متخصصة من القدرة الحاسوبية:

  • مجموعات حوسبة كبيرة ومتواصلة
  • اتصالات عالية السرعة
  • توافر يمكن التنبؤ به
  • أمان قوي
  • معدلات استخدام مرتفعة
  • إمداد كهرباء مستقر
  • نشر سريع
  • وصول طويل الأمد
  • حماية لأوزان النماذج وبيانات العملاء

العروض الفورية من السوق المفتوحة لا يمكنها أن تحل محل عقد بنية تحتية آمن متعدد السنوات بمقياس جيجاوات.

صفقة القدرة الحاسوبية بين أنثروبيك وسبيس إكس

العقود الأخيرة تعكس العلاوة على القدرة الفورية.

أكدت أنثروبيك رسميًا اتفاقها مع SpaceXAI للوصول إلى Colossus 1، ثم أعلنت لاحقًا أنها وسّعت قدرتها على Colossus 1 وColossus 2.

وصفت SpaceXAI Colossus 1 بأنه يضم أكثر من 220 ألف وحدة معالجة رسومية NVIDIA، بما في ذلك أنظمة H100 وH200 وGB200.

ذكرت Axios أن أنثروبيك وافقت على دفع حوالي 1.25 مليار دولار شهريًا مقابل هذا الترتيب حتى عام 2029.

لاحقًا، ذكر تقرير تنظيمي نشرته TechCrunch أن جوجل ستدفع لشركة SpaceX حوالي 920 مليون دولار شهريًا من أكتوبر 2026 إلى يونيو 2029، مقابل الوصول إلى حوالي 110 آلاف وحدة GPU ومكونات ذات صلة.

هذه ليست مشتريات سحابية عادية عند الطلب.

إنها تعكس قيمة الحصول السريع على بنية تحتية واسعة النطاق جاهزة في وقت قد يستغرق بناء مراكز بيانات جديدة وربطها بالشبكة الكهربائية وتسليم الرقاقات سنوات.

قدّر باتيل أن السعر الضمني لكل ساعة GPU في صفقة جوجل يبلغ حوالي ضعف سعر السوق الفوري للأجهزة الهجينة ذات الصلة حاليًا.

هذه المقارنة تقريبية لأن العقد لا يتضمن وحدات GPU المجردة فقط، وتشمل تركيبة الأجهزة مسرعات من أجيال مختلفة.

وحدات GPU أصبحت مصانع وليست مجرد خوادم

المقال الأصلي استخدم تشبيهًا صناعيًا.

في عصر الإنترنت، كانت الشركات تتنافس على:

المستخدم

  • حركة المرور
  • قنوات التوزيع
  • ترتيب البحث
  • مداخل متاجر التطبيقات

أضافت المنافسة المتقدمة في مجال الذكاء الاصطناعي بُعدًا ماديًا أكثر:

  • الكهرباء
  • الرقائق المتقدمة
  • الذاكرة
  • أراضي مراكز البيانات
  • التبريد
  • الاتصال بشبكة الكهرباء
  • الشبكات
  • مجموعات متزامنة كبيرة الحجم

مجموعات وحدات معالجة الرسوميات الرائدة أقرب إلى خطوط الإنتاج الصناعي منها إلى مجموعات الخوادم المستأجرة العادية.

ناتجها ليس منتجًا ماديًا، بل ذكاء ذو قيمة اقتصادية:

  • البرمجيات
  • الأبحاث
  • الدعم
  • التصميم
  • التحليل
  • الوسائط
  • القرارات
  • إجراءات الوكلاء الأذكياء

الشركات التي تتحكم في أقوى النماذج وأكثر القدرات الحاسوبية موثوقية، لديها القدرة على إنتاج المزيد من هذه الأعمال الرقمية.

لماذا لا تستطيع المختبرات الكبيرة الاعتماد فقط على السوق الفوري

للسعة الفورية عدة عيوب بالنسبة لأحمال العمل الرائدة:

  • قد تنقطع الحالات.
  • قد يكون العتاد موزعًا عبر مواقع متعددة.
  • قد يكون أداء الشبكة غير مستقر.
  • قد تختفي السعة خلال فترات الذروة.
  • قد يصعب تلبية متطلبات الأمن ومعالجة البيانات.
  • تتطلب عمليات التدريب الطويلة بنية تحتية مستقرة ومنسقة.

المختبرات التي تدرب أو تشغل النماذج

لذلك، يقدّر مشترو خدمات النماذج الرائدة القدرة الحاسوبية المضمونة أكثر من المشترين الذين يشغلون مهام دفعية قصيرة الأجل.

وهذا يساعد في تفسير سبب تمتع القدرة الحاسوبية التعاقدية بعلاوة سعرية حتى عندما تبدو عروض السحابة العامة أرخص.

جانب العرض مقيد بمضاعفات مادية

تعتمد حجة باتيل على افتراض أن عرض القدرة الحاسوبية لا يمكنه الاستجابة بسرعة كافية للصدمات الكبيرة في الطلب.

يلخص نمو القدرة الحاسوبية السنوي كحاصل ضرب ثلاثة مضاعفات عامة:

نمو القدرة الحاسوبية السنوي للذكاء الاصطناعي ≈
1.4× تحسين العتاد
× 1.2× سعة تصنيع الرقائق الجديدة
× 1.8× إعادة تخصيص رقائق العمليات المتقدمة للذكاء الاصطناعي
≈ 3.0×

هذه الأرقام تقديرات وليست ثوابت فيزيائية ثابتة.

تهدف إلى توضيح مصادر النمو الأخير.

المضاعف الأول: رقائق أفضل

تحسينات تكنولوجيا أشباه الموصلات تزيد من الحساب الفعال المُسلَّم لكل واط ولكل شريحة ولكل دولار مستثمر.

المكاسب المحتملة تأتي من:

  • عقد تصنيع أصغر
  • بنى أفضل
  • حسابات بدقة أقل
  • عرض نطاق ذاكرة أعلى
  • التغليف المتقدم
  • وصلات أسرع
  • برمجيات ونوى أفضل

سرعة التقدم ليست بلا حدود.

كل جيل جديد من عمليات التصنيع يصبح أصعب وأكثر تكلفة. كثافة الاستهلاك، والتسرب، ومعدل الإنتاجية، ونقل الذاكرة، والتغليف أصبحت بشكل متزايد العوامل المحددة للأداء الفعلي.

يمكن لأنظمة الذكاء الاصطناعي أيضًا تحسين الكفاءة من خلال تحسينات على مستوى النماذج والبرمجيات، مما قد يعوض جزئيًا تأثير ندرة العتاد. لذلك، أي توقع لأسعار القدرة الحاسوبية يعتمد على سرعة تحسينات الكفاءة مقارنة بنمو الطلب.

المضاعف الثاني: المزيد من المصانع والمعدات

تتطلب سعة أشباه الموصلات الجديدة سنوات لإكمال التخطيط والتمويل والبناء وتركيب المعدات والتحقق ورفع الإنتاجية.

سلسلة التوريد تعتمد بشكل كبير على أنظمة متخصصة، بما في ذلك معدات الطباعة الضوئية بالأشعة فوق البنفسجية القصوى.

مصانع الرقائق المتقدمة تحتاج أيضًا إلى:

  • عمالة ماهرة
  • مرافق عامة موثوقة
  • إمدادات كيميائية
  • موارد مائية
  • سعة تغليف
  • سعة اختبار
  • معدات بفترات تسليم طويلة

يرى باتيل أن توفر معدات الأشعة فوق البنفسجية القصوى سيحد من التوسع السريع للسعة على الأقل حتى نهاية هذا العقد.

الأسعار المرتفعة يمكن أن تحفز الاستثمار، لكنها لا تستطيع إنتاج مصنع متطور مكتمل التحقق فورًا.

المضاعف الثالث: إعادة تخصيص السعة المتقدمة الحالية للذكاء الاصطناعي

جزء كبير من النمو الأخير في رقائق الذكاء الاصطناعي يأتي من تحويل سعة التصنيع المتقدمة من منتجات أخرى.

الهواتف الذكية وأجهزة الكمبيوتر الشخصية ورقائق الشبكات وأجهزة أخرى تتنافس على نفس الموارد المتقدمة للتصنيع والتغليف.

يستشهد باتيل بتقدير أن حصة الذكاء الاصطناعي من سعة TSMC بتقنية N3 قد ترتفع من حوالي 60٪ إلى 86٪ بحلول نهاية عام 2027.

هذا تقدير من نموذج العرض وليس إرشادات سعة معلنة من TSMC.

المعنى واضح: إعادة التخصيص كأداة نمو لا تكون فعالة إلا عندما يظل الطلب غير المتعلق بالذكاء الاصطناعي يحتل سعة يمكن تحويلها.

بمجرد أن يستهلك الذكاء الاصطناعي معظم سعة العقدة المعنية، تضعف هذه الأداة كثيرًا.

قيود أخرى قد تظهر مبكرًا

حتى مع توسع عرض الرقائق، قد يظل النظام بأكمله مقيدًا بما يلي:

  • الذاكرة عالية النطاق
  • التغليف المتقدم
  • الشبكات الضوئية
  • المحولات ومعدات شبكة الكهرباء
  • بناء مراكز البيانات
  • توليد الكهرباء
  • التبريد
  • التصاريح
  • التمويل

عرض القدرة الحاسوبية لا يزال

إذن هذا سلسلة وليس ناتج مصنع واحد.

القدرة الفعالة مقيدة بأبطأ حلقة حرجة.

لماذا قد تفيد تكاليف الحوسبة المرتفعة النماذج الأقوى

يطرح المصدر بعد ذلك حجة غير بديهية: إذا أصبحت القدرة الحاسوبية أكثر تكلفة، فلن يتجه المشترون بالضرورة إلى نماذج أضعف.

قد يفضلون النماذج الأقوى أكثر.

يربط باتيل هذا بتأثير ألتشيان-ألين.

عندما تُضاف تكلفة ثابتة إلى سلع ذات جودة مختلفة، قد يصبح الإصدار الأرقى جذابًا نسبيًا أكثر، لأن علاوة الجودة تصبح حصة أصغر من السعر الإجمالي.

مثال مبسط

لنفترض أن التكلفة الأساسية للقدرة الحاسوبية هي 20 دولارًا للساعة.

نموذج قوي يكمل المهمة في ساعة واحدة مع علاوة نموذج قدرها 5 دولارات:

النموذج القوي:
20 دولارًا قدرة حاسوبية + 5 دولارات علاوة = 25 دولارًا

نموذج ضعيف لا يحمل علاوة، لكنه يحتاج ساعتين بسبب إعادة المحاولة والاستدلال غير الفعال:

النموذج الضعيف:
2 × 20 دولارًا قدرة حاسوبية = 40 دولارًا

النموذج الذي يبدو مجانيًا على السطح يصبح أكثر تكلفة لكل مهمة مكتملة.

المؤشر الرئيسي ليس السعر لكل رمز أو رسوم ترخيص النموذج، بل تكلفة كل نتيجة ناجحة.

الكفاءة تصبح ميزة تسعيرية

النماذج الأقوى يمكنها خفض التكاليف من خلال:

  • رموز أقل
  • محاولات أقل
  • استدعاءات أدوات أقل
  • تصحيحات بشرية أقل
  • مدة مهام أقصر
  • تخطيط أفضل
  • تنفيذ أكثر موثوقية

إذا كانت القدرة الحاسوبية رخيصة، فقد تكون تكلفة المحاولات غير الفعالة محتملة.

إذا كانت القدرة الحاسوبية باهظة، فإن إهدارها يصبح أكثر إيلامًا.

المختبرات القادرة على استخراج أقصى إنتاج مفيد من كل ساعة GPU نادرة قد تتمكن من فرض علاوة سعرية كبيرة.

هذا لا يعني أن النماذج الصغيرة ستختفي

النسخة الأكثر تطرفًا من المقال المصدر تدعي أن النماذج المتوسطة قد لا يكون لها مستقبل.

هذا الاستنتاج واسع جدًا.

النماذج الأصغر والمتخصصة تظل جذابة في الحالات التالية:

  • زمن استجابة أقل
  • متطلبات ذاكرة أقل
  • نشر على الأجهزة
  • حماية الخصوصية
  • مخرجات هيكلية متوقعة
  • جودة كافية للمهام الضيقة
  • استهلاك قدرة حاسوبية أقل بكثير من المتوسط
  • قدرة تخصيص بالأوزان المفتوحة

مصنف خفيف لا يحتاج إلى أن يكون وكيل برمجة رائدًا.

حجة ألتشيان-ألين تنطبق عندما يستهلك كلا النموذجين بنية تحتية باهظة مماثلة، والنموذج الأضعف يحتاج إلى جهد أكبر بكثير لتحقيق نفس النتيجة.

عندما يكون النموذج الأصغر بالفعل أكثر كفاءة لهذه المهمة، تضعف قوة الحجة.

بعض تطبيقات الذكاء الاصطناعي الحالية قد تُخرج من السوق بسبب الأسعار المرتفعة

يرى باتيل أن ارتفاع أسعار القدرة الحاسوبية قد يحول السعة من الاستخدامات منخفضة القيمة.

إذا كانت GPU يمكنها تشغيل وكيل ينتج مخرجات برمجية أو تجارية عالية القيمة، فإن تكلفة الفرصة البديلة لاستخدام نفس العتاد في محتوى وسائط لمرة واحدة تكون أعلى بكثير.

قد يؤثر هذا على التطبيقات التالية:

  • محتوى قصير منخفض القيمة
  • تفاعلات مزيفة بالجملة
  • توليد صور أو فيديو متكرر
  • استدلال استهلاكي رخيص جدًا
  • منتجات بضعف في الرغبة بالدفع

السوق لا يقضي بالضرورة على المحتوى نفسه.

قد يدفعه بدلاً من ذلك نحو:

  • نماذج أصغر
  • عتاد أقدم
  • استدلال على الأجهزة
  • مخرجات مخزنة مؤقتًا
  • بنى أكثر كفاءة
  • توليد بدقة أقل
  • قدرة حاسوبية خارج فترات الذروة

المفتاح هو تخصيص الموارد.

الندرة

الحوسبة الرائدة ستتجه نحو أحمال العمل ذات أعلى رغبة في الدفع.

لماذا قد يكون هذا التوقع خاطئًا

المقال المصدر يطرح أيضًا عدة اعتراضات.

هذه الاعتراضات مهمة، لأن التوقعات حول الندرة الدائمة للموارد غالبًا ما تُثبت خطؤها.

الاعتراض الأول: العمالة البشرية ليست مرساة السعر الصحيحة

مقارنة المهندس بـ 250 ألف دولار تفترض أن GPU قادرة على التقاط قيمة قريبة من القيمة الاقتصادية الحالية للمهندس.

قد ينهار هذا الافتراض للأسباب التالية:

  • رواتب هندسة البرمجيات قد تنخفض.
  • قد ينتج الذكاء الاصطناعي مخرجات وفيرة لكن يصعب تحقيق الدخل منها.
  • الثقة البشرية والمسؤولية والعلاقات والحكم قد تظل ذات قيمة.
  • الوكلاء الأذكياء قد يحتاجون إلى إشراف بشري.
  • القيود المادية في العالم الحقيقي قد تهيمن.
  • المنافسة قد تدفع أسعار النماذج نحو التكلفة الحدية.

يشير معلقون إلى أن القيمة الأولية للعمال الرقميين قد تكون مرتفعة، لكنها قد تستقر في النهاية عند حوالي 50 ألف دولار بمجرد وفرة القوى العاملة بالذكاء الاصطناعي.

في هذا السيناريو، قد ترتفع قيمة الحوسبة، لكن ليس بالضرورة 15 ضعفًا.

الاعتراض الثاني: تحسينات الكفاءة قد تتجاوز نمو الطلب

سعر الرمز لا يساوي سعر الحوسبة.

النماذج وأنظمة الخدمة تتحسن باستمرار من خلال:

  • التكميم
  • التقطير
  • التخفيف
  • نوى أفضل
  • فك التشفير التخميني

الذاكرة المؤقتة

  • التوجيه
  • بنية محسّنة
  • استخدام أفضل للعتاد

قد تتطلب مقاطع الفيديو أو الردود منخفضة القيمة في المستقبل جزءًا صغيرًا فقط من الحساب الحالي.

حتى إذا أصبح حساب الوكلاء المتقدمين مكلفًا، فقد تستمر خدمات الذكاء الاصطناعي العامة في الانخفاض لأنها ستنتقل إلى نماذج وعتاد أكثر كفاءة.

الحجة المضادة الثالثة: النماذج مفتوحة المصدر تشتد المنافسة

قد تشكل النماذج ذات الأوزان المفتوحة ضغطًا على تسعير واجهات برمجة التطبيقات الرائدة.

إذا قدمت نماذج متعددة قدرات متشابهة، يمكن للمستخدمين التبديل بين الخيارات التالية:

  • واجهات برمجة تطبيقات تجارية مُدارة
  • نشر سحابي بأوزان مفتوحة
  • مجموعات خاصة
  • مزودو خدمات محليون
  • نماذج مخصصة

هذا يحد من قدرة المختبر الواحد على تحقيق هوامش ربح مرتفعة للغاية.

قد تستمر ندرة الحوسبة في رفع تكاليف البنية التحتية الأساسية، لكن المنافسة بين النماذج تحدد مقدار القيمة التي يمكن للمختبر الاحتفاظ بها.

الحجة المضادة الرابعة: العرض سيستجيب للأسعار المرتفعة

الاستجابة الكلاسيكية للندرة هي الاستثمار.

تشجع أسعار الحوسبة المرتفعة على:

  • المزيد من مصانع الرقائق
  • المزيد من طاقة التغليف
  • المزيد من إنتاج الذاكرة
  • المزيد من قدرة توليد الكهرباء
  • تبريد أفضل
  • مسرعات بديلة
  • مزودو خدمات سحابية جدد
  • برامج أكثر كفاءة

يوافق باتيل أيضًا على أن الحوسبة ستصبح رخيصة مرة أخرى في النهاية.

حجته تستهدف الفترة الانتقالية الحالية، حيث قد ينمو الطلب أسرع من استجابة البنية التحتية المادية طويلة الدورة.

رهان سيمون-إيرليش

يقارن المصدر توقعات الحوسبة بالرهان الشهير بين عالم الأحياء بول إيرليش والاقتصادي جوليان سيمون.

في عام 1980، اختار إيرليش سلة من خمسة معادن وراهن على أن أسعارها الحقيقية سترتفع خلال العقد التالي.

بحلول عام 1990، انخفض سعر السلة المعدل حسب التضخم، ودفع إيرليش الرهان إلى سيمون.

غالبًا ما يُستخدم هذا الرهان للجدال بأن توقعات الندرة تقلل من شأن الابتكار والبدائل واستجابة العرض.

القراءة التاريخية أكثر تعقيدًا. يشير التحليل إلى أن عقودًا مختلفة قد تنتج فائزين مختلفين.

يعترف باتيل بأن حجته حول الحوسبة تشبه توقعات الندرة التي ثبت خطؤها غالبًا.

يرى أن الحوسبة قد تختلف عن تعدين المعادن لأن مرونة العرض قصيرة الأجل أقل:

  • البدائل لمسرعات الذكاء الاصطناعي المتقدمة قليلة.
  • لا يمكن لمصانع الرقائق المتقدمة الظهور بسرعة.
  • معدات الإضاءة الحجرية المتطورة تنتجها سلاسل توريد شديدة التركيز.
  • طاقة مراكز البيانات وبناء الشبكات يتطلبان وقتًا.
  • تحتاج المختبرات المتقدمة إلى مجموعات منسقة كبيرة وليس رقائق سلعية عشوائية.

لذلك، يكمن الخلاف أساسًا في مسألة التوقيت.

هل يمكن لإشارات الأسعار والابتكار توسيع العرض الفعال للحوسبة قبل أن يسحق طلب الذكاء الاصطناعي البناء الحالي؟

إطار أكثر توازنًا لتسعير الحوسبة

بدلاً من التعامل مع "10 أضعاف" كتنبؤ ثابت، يمكن تحويل الحجة إلى مجموعة من المتغيرات القابلة للقياس.

متغيرات جانب الطلب

  • نمو قدرات النماذج المتقدمة
  • الإيراد لكل ساعة GPU
  • معدل تبني الوكلاء
  • استعداد الشركات للدفع
  • درجة استبدال العمالة
  • إنشاء تطبيقات جديدة
  • نسبة الاستدلال من الحوسبة
  • هوامش ربح مزودي النماذج

متغيرات جانب العرض

  • شحنات المسرعات
  • أداء العتاد لكل واط
  • إمداد رقائق العقد المتقدمة
  • قدرة التغليف
  • إمداد الذاكرة عالية النطاق الترددي
  • طاقة مراكز البيانات
  • سرعة الوصول إلى الشبكة الكهربائية
  • استخدام المجموعات
  • كفاءة الخدمات
  • رقائق بديلة

متغيرات هيكل السوق

  • عدد النماذج المتقدمة المنافسة
  • جودة النماذج ذات الأوزان المفتوحة
  • تركيز مزودي السحابة
  • عقود البنية التحتية طويلة الأجل
  • القيود الجغرافية والتنظيمية
  • توفر رأس المال
  • القدرة على توجيه أعباء العمل إلى نماذج أرخص

زيادة الأسعار 10 أضعاف أكثر احتمالاً عندما:

  • ترتفع القدرات وتحقيق الدخل بسرعة.
  • تتنافس المختبرات المتقدمة على مجموعات محدودة.
  • يتوسع العرض بنحو 3 أضعاف سنويًا فقط.
  • لا تعوض تحسينات الكفاءة نمو الطلب.
  • يحافظ مختبر أو مختبران على تقدم نوعي ملحوظ.

وأقل احتمالاً عندما:

  • يتباطأ نمو القدرات.
  • يعود نمو الإيرادات إلى طبيعته.
  • تصبح النماذج المفتوحة بدائل قريبة.
  • تمتص النماذج الصغيرة الفعالة معظم أعباء العمل.
  • يصل العتاد الجديد وإمدادات الكهرباء أسرع من المتوقع.
  • تقلل البرامج بشكل كبير من الحوسبة المطلوبة لكل مهمة مكتملة.

آثار السيناريو على شركات الذكاء الاصطناعي

حتى إذا لم ترتفع تكاليف الحوسبة 10 أضعاف، فإن الحجة لا تزال ذات آثار عملية.

قياس تكلفة كل مهمة مكتملة

تتبع:

  • إجمالي عدد الرموز المدخلة والمخرجة
  • عدد رموز الاستدلال
  • عدد مرات استدعاء الأدوات
  • عدد المحاولات
  • وقت التصحيح اليدوي
  • زمن الانتقال من البداية إلى النهاية
  • معدل النجاح
  • تكاليف البنية التحتية

إذا فشل نموذج أرخص بشكل متكرر، فهو ليس رخيصًا حقًا.

استخدام توجيه النماذج

احتفظ بالنماذج المتقدمة المكلفة للمهام التي تستفيد منها حقًا.

استخدم النماذج الأصغر لـ:

  • التصنيف
  • الاستخراج
  • التوجيه
  • التنسيق
  • العمليات الهيكلية المتكررة

ارفع الحالات الصعبة فقط إلى مستوى أعلى.

تصميم قابلية نقل الحوسبة

تجنب ربط المنتج كله بنموذج واحد أو مزود GPU واحد.

تشمل التجريدات المفيدة:

  • بوابات النماذج
  • مجموعات التقييم
  • أوامر prompt قابلة للنقل
  • استقلالية المزود

الذاكرة

  • خلفيات عتاد متعددة
  • تنفيذ مجمع وغير متزامن

تحسين استخدام السياق والأدوات

قد تهدر حلقات الوكلاء طويلة التشغيل الحوسبة بسبب تكرار السياق ومخرجات الأدوات الكبيرة.

اتجاهات التحسين:

  • التخزين المؤقت للـ prompts
  • استرجاع السياق
  • تصفية مخرجات الأدوات
  • استراتيجيات إعادة المحاولة
  • شروط الإنهاء
  • التنفيذ المتوازي
  • التحقق من النتائج

تأمين القدرة قبل الحاجة

قد تستفيد الشركات ذات الطلب المتوقع من:

  • مثيلات محجوزة
  • عقود سحابية متعددة السنوات
  • خصومات الاستخدام الملتزم به
  • شركاء بنية تحتية متعددون
  • قدرة محلية لأعباء العمل المستقرة

الاستراتيجية الصحيحة تعتمد على الاستخدام. العتاد المحجوز مكلف عند الخمول.

آثار السيناريو على المستثمرين وصانعي السياسات

تحول الحجة أيضًا التركيز من معايير النماذج إلى البنية التحتية.

تشمل المجالات المهمة:

  • تصنيع أشباه الموصلات المتقدم
  • الطباعة الحجرية
  • الذاكرة عالية النطاق الترددي
  • التغليف
  • طاقة مراكز البيانات
  • المحولات
  • الشبكات الضوئية
  • التبريد
  • البنية التحتية للشبكة الكهربائية
  • تمويل السحابة

إذا أصبح الذكاء مدخلًا اقتصاديًا رئيسيًا، فإن السيطرة على هذه المستويات تصبح ذات أهمية استراتيجية.

قد تكون النتيجة مركزية.

قد تقوم المختبرات ذات أفضل النماذج وأقوى الإيرادات بالمزايدة على الموارد الحاسوبية النادرة ضد الوافدين الجدد. تساعد هذه الموارد في تحسين نماذجها، مما يعزز الإيرادات، ويجعل المزايدة التالية أسهل.

هذه حلقة معززة:

نماذج أفضل
    ↓
منتجات أكثر قيمة
    ↓
إيرادات أكثر
    ↓
وصول أكبر إلى الموارد الحاسوبية
    ↓
تدريب واستدلال أكثر
    ↓
نماذج أفضل

الخطر هو أن إنتاج الذكاء قد يتركز في أيدي عدد قليل من الشركات القادرة على تحمل استثمارات بنية تحتية ضخمة.

الأسئلة الشائعة

لماذا يعتقد ديفاكيش باتيل أن تكاليف حوسبة الذكاء الاصطناعي قد ترتفع 10 أضعاف؟

يعتقد باتيل أن نماذج الذكاء الاصطناعي الأكثر ذكاءً قد تولد إيرادات أكثر لكل وحدة حوسبة، بينما ينمو العرض الفعلي للحوسبة المتقدمة ببطء أكبر بكثير. إذا نما الطلب والاستعداد للدفع أسرع من نمو إمدادات الرقائق والكهرباء ومراكز البيانات، فقد ترتفع أسعار السوق بشكل حاد.

هل تتنبأ أنثروبيك بإيرادات سنوية تريليون دولار؟

لا. أعلنت أنثروبيك رسميًا أن إيراداتها السنوية المتكررة تجاوزت 47 مليار دولار في مايو 2026. الأرقام من 100 إلى 150 مليار دولار لنهاية العام وتريليون دولار للعام التالي هي افتراضات في تجربة باتيل الفكرية وليست توجيهات من الشركة.

لماذا مقارنة H100 بمهندس برمجيات براتب سنوي 250,000 دولار؟

تستكشف هذه المقارنة كيف قد يتم تسعير الحوسبة إذا كان نظام مكافئ لـ H100 قادرًا على تشغيل وكيل ذكاء اصطناعي يقوم بعمل مكافئ لمهندس عالي الأجر. إنها معيار قيمة افتراضي وليست دليلًا على أن وكيلًا حاليًا يمكن أن يحل محل مهندس واحد لكل H100.

ما مدى سرعة نمو حوسبة الذكاء الاصطناعي العالمية؟

تقدر Epoch AI أن إجمالي قوة الحوسبة للذكاء الاصطناعي العالمي نما بنحو ثلاثة أضعاف في عام 2025 بمكافئ H100. النمو المستقبلي غير مؤكد ويعتمد على أداء الرقائق والتصنيع والتغليف والكهرباء والبناء والإنفاق الرأسمالي.

لماذا قد تكون تكاليف حوسبة المختبرات المتقدمة أعلى من أسعار GPU الفورية العامة؟

تحتاج المختبرات المتقدمة إلى مجموعات آمنة وموثوقة وواسعة النطاق بشبكات عالية السرعة وأداء قابل للتنبؤ وتوافر طويل الأجل. إن مثيلات المزاد العامة ليست مكافئة لنشر مخصص متعدد السنوات يضم مئات الآلاف من المسرعات المنسقة.

هل تفيد الحوسبة المكلفة دائمًا النموذج الأقوى؟

ليس بالضرورة. عندما يحقق النموذج الأقوى نفس النتيجة برموز أقل ومحاولات أقل أو وقت أقل، فإن الحوسبة المكلفة تفيده بالفعل. لكن بالنسبة لأعباء العمل الضيقة أو منخفضة الزمن أو الخاصة أو الطرفية، قد تظل النماذج المتخصصة الأصغر أكثر اقتصادية.

هل ستبقى حوسبة الذكاء الاصطناعي مكلفة إلى الأبد؟

لا يزعم باتيل أن الحوسبة ستبقى مكلفة بشكل دائم.

حجته تتعلق بفترة تحولية — خلالها قد يتجاوز الطلب على الذكاء الاصطناعي قدرة التوسع في سلاسل توريد أشباه الموصلات ومراكز البيانات؛ وعلى المدى الأبعد، قد تجعل الأجهزة والأتمتة قوة الحوسبة أرخص مرة أخرى.

ما الأدلة التي قد تدحض افتراض "سعر قوة الحوسبة ×10"؟

إذا تباطأ نمو إيرادات الذكاء الاصطناعي، أو وصلت قدرات النماذج إلى سقف، أو أصبحت النماذج مفتوحة المصدر بدائل قريبة للغاية، أو ارتفعت كفاءة الخدمات بوتيرة أسرع من نمو الطلب، أو توسعت إمدادات أشباه الموصلات والطاقة بوتيرة أسرع من المتوقع، فسيتم إضعاف هذه الحجة.

أدوات ذات صلة

  • Epoch AI: أبحاث وبيانات حول قوة الحوسبة للذكاء الاصطناعي، وتوسع النماذج، والبنية التحتية، واقتصاديات المختبرات الرائدة.
  • NVIDIA H100 Tensor Core GPU: المواصفات الرسمية الصادرة عن NVIDIA لبطاقة التسريع، وهي وحدة الحوسبة الأساسية في تجربة باتيل الفكرية.
  • AWS EC2 P5 instances: مثيلات السحابة الرسمية من أمازون المبنية على وحدات NVIDIA H100، الموجهة لأحمال عمل الذكاء الاصطناعي واسعة النطاق.
  • Google Cloud A3 virtual machines: وثائق Google Cloud حول قوة حوسبة GPU، بما في ذلك توفر بطاقات التسريع وتكويناتها.
  • CoreWeave cloud GPU: منصة سحابية متخصصة توفر بنية تحتية ضخمة لوحدات GPU لأحمال عمل الذكاء الاصطناعي.
  • NVIDIA Triton inference server: نظام خدمة استدلال، يُستخدم لتحسين معدل الاستفادة من نماذج الذكاء الاصطناعي، وقدرات المعالجة الدفعية، وكفاءة النشر.

روابط ذات صلة

AI: إنفاق OpenAI على الحوسبة في 2024](https://epoch.ai/data-insights/openai-compute-spend): تقديرات حول توزيع إنفاق OpenAI في 2024 بين الأبحاث والتدريب والاستدلال.

ملخص

تبدأ حجة دفاكيش باتيل حول تضاعف سعر قوة الحوسبة 10 مرات بفكرة بسيطة: إذا كانت وحدة GPU قادرة على استضافة وكيل ذكاء اصطناعي ينفذ عملاً معرفياً عالي القيمة، فإن الاستعداد للدفع مقابل هذه الوحدة قد يتحول نحو قيمة ذلك العمل، بدلاً من التكلفة التاريخية للخادم.

عند دمج ذلك مع النمو السريع لإيرادات Anthropic وتقديرات توسع قوة الحوسبة العالمية للذكاء الاصطناعي بنحو 3 أضعاف سنوياً، تصبح الحجة أكثر إقناعاً. إذا نما الطلب التجاري على الذكاء الاصطناعي بوتيرة أسرع، فسيكون التعديل الحتمي عبر هوامش الربح، أو تخصيص قوة الحوسبة، أو ارتفاع أسعار البنية التحتية، أو مزيج من هذه العوامل.

هذا التوقع بعيد عن اليقين. فتحسينات كفاءة الطاقة، والنماذج مفتوحة المصدر، والأنظمة المتخصصة الأصغر، ومصانع الرقائق الجديدة، والمسرعات الجديدة، وتباطؤ نمو القدرات — كلها قد تمنع حدوث التضاعف العشري. كما أن التوقعات التاريخية لندرة الموارد غالباً ما استهانت بالقدرة على التكيف.

البصيرة الدائمة الحقيقية ليست في أن قوة الحوسبة يجب أن تتضاعف 10 مرات بالضبط، بل في أن الذكاء الاصطناعي الأكثر ذكاءً يمكنه رفع القيمة الاقتصادية لكل وحدة GPU بوتيرة أسرع من قدرة العالم المادي على تصنيع وتزويد وحدات GPU جديدة بالطاقة.