هل تصبح نماذج الذكاء الاصطناعي سلعًا؟

أثار ساتيا نادالا، الرئيس التنفيذي لشركة مايكروسوفت، مؤخرًا جدلاً بتقديمه فكرة أن نماذج الذكاء الاصطناعي المتقدمة تتجه نحو التبسيط. في بودكاست، لاحظ نادالا أن النماذج الأساسية تصبح متشابهة بشكل متزايد ومتاحة على نطاق واسع، إلى الحد الذي يصبح فيه “النماذج بحد ذاتها غير كافية” للحفاظ على ميزة تنافسية دائمة. وأشار إلى أن OpenAI – على الرغم من شبكاتها العصبية المتقدمة – “ليست شركة نماذج؛ إنها شركة منتجات تتمتع بنماذج رائعة”، مشيرًا إلى أن الفائدة الحقيقية تأتي من بناء المنتجات حول النماذج.

بمعنى آخر، قد لا يضمن امتلاك النموذج الأكثر تقدمًا القيادة في السوق، لأن أي ميزة في الأداء يمكن أن تكون قصيرة الأجل في مواجهة وتيرة الابتكار السريع في مجال الذكاء الاصطناعي.

تحمل وجهة نظر نادالا وزنًا في صناعة حيث تقوم الشركات التكنولوجية الكبيرة بسباق لتدريب نماذج أكبر. يفترض حجته تحولًا في التركيز: بدلاً من الانشغال بالتفوق في النموذج، يجب على الشركات توجيه طاقتها نحو دمج الذكاء الاصطناعي في “مجموعة نظام كاملة ومنتجات ناجحة”.

هذا يصدح بصوت عالٍ في مشاعر أوسع بأن اختراعات الذكاء الاصطناعي اليوم تصبح ميزات أساسية غدًا. مع تصبح النماذج أكثر стандاردة ومتاحة، ينتقل الضوء إلى كيفية تطبيق الذكاء الاصطناعي في الخدمات الواقعية. قد تكون الشركات مثل مايكروسوفت وغوغل، مع نظم منتجات واسعة، أفضل وضع للاستفادة من هذا الاتجاه للذكاء الاصطناعي المبسط عن طريق دمج النماذج في عروض سهلة الاستخدام.

توسيع الوصول والنماذج المفتوحة

لم يكن يُستطيع إلا عدد قليل من المختبرات بناء نماذج الذكاء الاصطناعي المتقدمة، ولكن هذه الحصرية تختفي بسرعة. تصبح قدرات الذكاء الاصطناعي متاحة بشكل متزايد للمنظمات وأ thậmن الأفراد، مما يغذي فكرة النماذج كسلع. قارن باحث الذكاء الاصطناعي أندرو إنغ في عام 2017 إمكانات الذكاء الاصطناعي بـ “الكهرباء الجديدة”، مشيرًا إلى أن الذكاء الاصطناعي يمكن أن يصبح منفعة أساسية متاحة من العديد من المزودين، تمامًا كما أصبحت الكهرباء سلعة شائعة تُستخدم في الحياة الحديثة.

ساهمت الانتشار الأخير للنماذج المفتوحة المصدر في تسريع هذا الاتجاه. على سبيل المثال، قامت شركة ميتا (شركة أم للفيسبوك) بنشر نماذج لغة قوية مثل LLaMA بشكل مفتوح للمطورين والباحثين دون أي تكلفة. والreason هو استراتيجي: من خلال إتاحة الذكاء الاصطناعي مفتوح المصدر، يمكن لميتا تحفيز تبني أوسع واكتساب مساهمات المجتمع، مع تقويض ميزة المنافسين المملوكة.

في مجال توليد الصور، أظهر نموذج Stable Diffusion من Stability AI كيف يمكن للاختراق أن يصبح سلعة سريعة: في غضون أشهر من إطلاقه المفتوح في عام 2022، أصبح اسمًا منزليًا في الذكاء الاصطناعي التوليدي، متاحًا في تطبيقات لا حصر لها. في الواقع، النظام البيئي مفتوح المصدر ينتفض – هناك عشرات الآلاف من نماذج الذكاء الاصطناعي متاحة بشكل عام في مستودعات مثل Hugging Face.

هذه الشمولية تعني أن المنظمات لم تعد تواجه خيارًا ثنائيًا بين دفع ثمن نموذج واحد أو لا شيء على الإطلاق. بدلاً من ذلك، يمكنهم اختيار نموذج من قائمة (مفتوحة أو تجارية) أو حتى ضبط نموذجهم الخاص، تمامًا مثل اختيار سلع من كتالوج. عدد الخيارات الكبير هو دليل قوي على أن الذكاء الاصطناعي المتقدم يصبح موردًا مشتركًا بدلاً من امتياز محمي.

العمالقة السحابية وتحويل الذكاء الاصطناعي إلى خدمة مرافق

الشركات الكبيرة في مجال السحابة كانت من المحركين الرئيسيين – والمساهمين – في تبسيط الذكاء الاصطناعي. تقدم شركات مثل مايكروسوفت وأمازون وغوغل نماذج الذكاء الاصطناعي كخدمات متاحة عند الطلب، مشابهة للخدمات التي يتم توفيرها عبر السحابة. لاحظ نادالا أن “النماذج يتم تبسيطها في [السحابة]”، مشيرًا إلى كيفية جعل السحابة الذكاء الاصطناعي متاحًا على نطاق واسع.

في الواقع، يسمح partenrship بين Azure السحابية ومايكروسوفت مع OpenAI لأي مطور أو شركة بالوصول إلى GPT-4 أو نماذج أخرى رائدة عبر مكالمة API، دون الحاجة إلى بناء الذكاء الاصطناعي من الصفر. ذهبت Amazon Web Services (AWS) إلى أبعد من ذلك مع منصة Bedrock، التي تعمل كسوق للنماذج. تقدم AWS Bedrock مجموعة من النماذج الأساسية من شركات الذكاء الاصطناعي الرائدة – من نماذج أمازون الخاصة إلى نماذج من Anthropic وAI21 Labs وStability AI وغيرها – جميعها متاحة عبر خدمة واحدة موحدة.

هذا النهج من “نماذج متعددة، منصة واحدة” يعتبر تمثيلًا للتبسيط: يمكن للعملاء اختيار النموذج الذي يناسب احتياجاتهم وتبديل المزودين بسهولة نسبية، تمامًا كما لو كانوا يشترون سلعة.

التفريق ما وراء النموذج نفسه

إذا كان الجميع يمتلكون وصولًا إلى نماذج الذكاء الاصطناعي المماثلة، كيف يمكن للشركات التي توفر الذكاء الاصطناعي أن تتميز عن بعضها البعض؟ هذا هو جوهر جدل التبسيط. يرى قادة الصناعة أن القيمة ستكون في تطبيق الذكاء الاصطناعي، وليس فقط في الخوارزمية. تعكس استراتيجية OpenAI نفسها هذا التحول. ركزت الشركة في السنوات الأخيرة على تقديم منتج متقن (ChatGPT وAPI الخاص به) ونظام تحسينات – مثل خدمات الضبط الدقيق، وإضافات البرامج، وواجهات مستخدم سهلة الاستخدام – بدلاً من إصدار رمز النموذج الخام.

في الممارسة العملية، يعني ذلك تقديم أداء موثوق، خيارات تخصيص، وأدوات مطور حول النموذج. وبالمثل، تقوم فرق DeepMind وBrain التابعة لشركة غوغل، والتي أصبحت الآن جزءًا من غوغل ديمند، بتحويل أبحاثها إلى منتجات غوغل مثل البحث وتطبيقات المكتب وAPIs السحابية – حيث يتم دمج الذكاء الاصطناعي لجعل هذه الخدمات أكثر ذكاء.

نحن نشهد أيضًا شركات تتميز من خلال التخصص. بدلاً من نموذج واحد يسيطر على كل شيء، تقوم بعض شركات الذكاء الاصطناعي ببناء نماذج مخصصة لمجالات أو مهام محددة، حيث يمكن أن تطالب بجودة متفوقة حتى في مشهد متبسط. على سبيل المثال، هناك شركات بدء تشغيل تُركز حصريًا على تشخيص الصحة، أو المالية، أو القانون – مجالات حيث يمكن أن تؤدي البيانات والخبرة في المجال إلى نموذج “أفضل” لذلك النشاط أكثر من نظام عام.

شكل آخر من التفريق هو الكفاءة والتكلفة. نموذج يُقدم أداءً متساويًا بنسبة جزء من التكلفة الحاسوبية يمكن أن يكون حافزًا تنافسيًا. تم التأكيد على هذا من خلال ظهور نموذج R1 من DeepSeek، الذي يُقال إنه يطابق بعض قدرات GPT-4 من OpenAI بتكلفة تدريب تقل عن 6 ملايين دولار، وهو ما يقل بشكل كبير عن المبلغ المقدر البالغ 100 مليون دولار أو أكثر الذي تم إنفاقه على GPT-4. تشير هذه المكاسب في الكفاءة إلى أنه بينما قد تصبح مخرجات النماذج المختلفة متشابهة، يمكن لمزود واحد أن يمتاز بتحقيق تلك النتائج بتكلفة أقل أو بسرعة أكبر.

التأثيرات الاقتصادية المترتبة على تبسيط الذكاء الاصطناعي

يحمل تبسيط نماذج الذكاء الاصطناعي عواقب اقتصادية كبيرة. في المدى القصير، يؤدي إلى خفض تكلفة قدرات الذكاء الاصطناعي. مع وجود منافسين متعددين وبديلات مفتوحة المصدر، تم تقليل أسعار خدمات الذكاء الاصطناعي بشكل كبير.

على مدى السنوات القليلة الماضية، قامت OpenAI ومزودون آخرون بتخفيض أسعار الوصول إلى نماذج اللغة بشكل كبير. على سبيل المثال، انخفض سعر الرمز للنماذج GPT من OpenAI بنسبة أكثر من 80٪ من عام 2023 إلى عام 2024، ويرجع ذلك إلى زيادة المنافسة والمكاسب في الكفاءة.

كما أن دخول شركات جديدة تقدم نماذج أرخص أو مفتوحة المصدر يضطر المزودين الحاليين إلى تقديم المزيد مقابل أقل – سواء من خلال فترات تجريبية مجانية أو إصدارات مفتوحة المصدر أو صفقات حزمة. هذا هو خبر جيد للمستهلكين والشركات التي تتبنى الذكاء الاصطناعي، حيث تصبح القدرات المتقدمة أكثر توفرًا. كما يعني أن تقنية الذكاء الاصطناعي تنتشر بشكل أسرع في جميع أنحاء الاقتصاد: عندما تصبح شيء ما أرخص وأكثر стандاردة، تتضمن الصناعات أكثر من ذلك، مما يؤدي إلى الابتكار (مثل كيف أدت التكنولوجيا الرخيصة للمكونات الحاسوبية في عام 2000 إلى انفجار في البرمجيات وخدمات الإنترنت).

نحن نشهد بالفعل موجة من تبني الذكاء الاصطناعي في قطاعات مثل خدمة العملاء والتسويق والعمليات، مدفوعةً بنماذج وخدمات متاحة بسهولة. يمكن أن يؤدي التوسع في توافرها إلى توسيع السوق العام للحلول التي تستخدم الذكاء الاصطناعي، حتى لو انخفضت هامش الربح على النماذج نفسها.

ومع ذلك، يمكن أن يغير التبسيط أيضًا المنظر التنافسي بطرق محددة. بالنسبة لمعاملات الذكاء الاصطناعي التي استثمرت مليارات في تطوير نماذج متقدمة، يثير احتمال أن تؤدي هذه النماذج فقط إلى ميزة مؤقتة أسئلة حول عائد الاستثمار. قد يتعين عليهم تعديل نماذج أعمالهم – على سبيل المثال، التركيز على خدمات المؤسسات أو ميزات البيانات المملوكة أو منتجات الاشتراك التي يتم بناؤها على رأس النماذج، بدلاً من بيع وصول API فقط.

هناك أيضًا عنصر سباق تسلح: عندما يُلاقى أي اختراق في الأداء بسرعة من قبل الآخرين (أو حتى من قبل المجتمعات مفتوحة المصدر)، يضيق نافذة الربح من نموذج جديد. هذا الديناميك يضغط على الشركات للاستفادة من حواجز اقتصادية بديلة. واحدة من هذه الحواجز هي التكامل مع بيانات مملوكة (التي لا يتم تبسيطها) – يمكن أن يكون الذكاء الاصطناعي المعدل على بيانات شركة معينة أكثر قيمة لذلك الشركة من أي نموذج جاهز.

في النهاية، يمكن أن يؤدي التبسيط إلى تغيير في المنظر التنافسي، حيث تصبح الخدمات حول الذكاء الاصطناعي – مثل الاستضافة السحابية والاستشارات والتخصيص وصيانة النماذج – المولد الرئيسي للإيرادات. بالفعل، يستفيد مزودو السحابة من زيادة الطلب على البنية التحتية الحاسوبية (وحدات المعالجة المركزية، وحدات معالجة الرسومات، إلخ.) لتشغيل جميع هذه النماذج – قليلاً مثل كيف يستفيد مزود كهرباء من الاستهلاك حتى لو كانت الأجهزة الكهربائية سلعًا متبسيطة.

باختصار، يمكن أن ت镜 الذكاء الاصطناعي اقتصاديات السلع الأخرى: التكلفة المنخفضة والوصول الأوسع يؤديان إلى استخدام واسع النطاق، مما يخلق فرصًا جديدة مبنية على الطبقة المبسط، حتى لو واجه مزودو هذه الطبقة هامشًا أضيق وضرورة للاستمرار في الابتكار أو التميز في مكان آخر.