ما الذي يمكن أن يعلمنا DeepSeek عن تكلفة الكفاءة في مجال الذكاء الاصطناعي

مع شعار الحوت اللطيف، يمكن أن يكون إطلاق DeepSeek مؤخرًا مجرد نسخة من ChatGPT. ما جعله جديرًا بالاهتمام – وما أرسل أسهم المنافسين إلى انهيار – هو مقدار التكلفة التي تم إنفاقها لإنشائه. لقد ألقى بالفعل حجرًا في الحوض في概念 الاستثمار الأمريكي لتدريب نموذج لغة كبير الوظيفة.

يزعم DeepSeek أنه أنفق فقط 6 ملايين دولار لتدريب نموذج الذكاء الاصطناعي. ضع ذلك مقابل التكلفة المبلغ عنها البالغة 80-100 مليون دولار التي أنفقتها OpenAI على Chat GPT-4 أو المليار دولار التي حجزوها ل GPT-5. يثير DeepSeek تساؤلات حول مستوى الاستثمار هذا ويدعو الشركات الكبيرة مثل Nvidia – التي انخفضت قيمة أسهمها بنسبة 600 مليار دولار في يوم واحد – TSMC و Microsoft إلى القلق بشأن الجدوى المالية طويلة الأمد للذكاء الاصطناعي. إذا كان من الممكن تدريب نماذج الذكاء الاصطناعي بتكلفة أقل بكثير مما كان يُعتقد في السابق، ماذا يعني ذلك بالنسبة لإنفاق الذكاء الاصطناعي بشكل عام؟

على الرغم من أن اضطراب DeepSeek أدى إلى مناقشات مهمة، يبدو أن بعض النقاط الرئيسية تُفقَد في الفوضى. ومع ذلك، ما يثيره الخبر هو تركيز أكبر على مقدار التكلفة التي تُستَحسَن من خلالها الابتكارات ومؤشرات التأثير الاقتصادي المحتمل للذكاء الاصطناعي. هنا ثلاثة رؤى مهمة ناتجة عن هذا الخبر:

1. علامة سعر DeepSeek البالغة 6 ملايين دولار مضللة

يجب على الشركات فهم التكلفة الإجمالية لملكية البنية التحتية. على الرغم من أن علامة سعر DeepSeek البالغة 6 ملايين دولار قد تم التطرق إليها كثيرًا، من المحتمل أن تكون هذه التكلفة هي تكلفة التشغيل المسبق فقط وليس الاستثمار الكلي. التكلفة الإجمالية – ليس فقط للتشغيل ولكن للبناء والتدريب على DeepSeek – من المحتمل أن تكون أعلى بكثير. كشفت شركة SemiAnalysis، وهي شركة تحليل صناعي، أن الشركة وراء DeepSeek أنفقت 1.6 مليار دولار على الأجهزة لجعل نموذج اللغة الكبير حقيقة واقعة. لذلك، من المحتمل أن تكون التكلفة في منتصف المسافة.

أيا كانت التكلفة الحقيقية، أدى ظهور DeepSeek إلى تركيز على الابتكار الكفء بالتكلفة الذي يمكن أن يكون تحولًا. غالبًا ما يتم تحفيز الابتكار من خلال القيود، ونجاح DeepSeek يؤكد الطريقة التي يمكن أن يحدث بها الابتكار عندما تُحسَن الموارد الهندسية في مواجهة القيود الحقيقية في العالم.

2. الاستدلال هو ما يجعل الذكاء الاصطناعي قيمًا، وليس التدريب

من المهم الانتباه إلى مقدار تكلفة تدريب نموذج الذكاء الاصطناعي، ولكن التدريب يمثل جزءًا صغيرًا من التكلفة الإجمالية لإنشاء وتشغيل نموذج الذكاء الاصطناعي. الاستدلال – الطرق المتعددة التي يغير بها الذكاء الاصطناعي طريقة عمل الناس وتفاعلهم و生活هم – هو المكان الذي يصبح فيه الذكاء الاصطناعي قيمًا حقًا.

هذا يثير مفارقة جيفونز، وهي نظرية اقتصادية تقترح أن كلما زادت كفاءة استخدام الموارد من خلال التقدم التكنولوجي، زادت استهلاك الموارد بشكل عام. بعبارة أخرى، مع انخفاض تكاليف التدريب، سيزداد الاستهلاك والاستدلال، وسيتبع ذلك الإنفاق الإجمالي.

من المحتمل أن تؤدي كفاءة الذكاء الاصطناعي إلى زيادة في إنفاق الذكاء الاصطناعي، مما سيرفع جميع القوارب، وليس فقط القوارب الصينية. إذا ركبوا موجة الكفاءة، سوف تستفيد الشركات مثل OpenAI و Nvidia أيضًا.

3. ما يظل صحيحًا هو أن اقتصاديات الوحدة هي الأكثر أهمية

جعل الذكاء الاصطناعي أكثر كفاءة ليس فقط عن طريق خفض التكاليف؛ إنه أيضًا عن طريق تحسين اقتصاديات الوحدة. يتوقع Motley Fool أن يكون هذا العام عام كفاءة الذكاء الاصطناعي. إذا كانوا على حق، فيجب على الشركات الانتباه إلى خفض تكاليف تدريب الذكاء الاصطناعي وكذلك تكاليف استهلاك الذكاء الاصطناعي.

المنظمات التي تبني أو تستخدم الذكاء الاصطناعي تحتاج إلى معرفة اقتصاديات الوحدة الخاصة بهم بدلاً من التركيز على الأرقام المثيرة للإعجاب مثل تكلفة تدريب DeepSeek البالغة 6 ملايين دولار. الكفاءة الحقيقية تتضمن تخصيص جميع التكاليف، وتتبع الطلب المحدد بالذكاء الاصطناعي، والاحتفاظ بمراقبة مستمرة للتكلفة مقابل القيمة.

اقتصاديات الوحدة السحابية (CUE) لها علاقة بقياس وتحسين الربح الناتج عن السحابة. تقارن CUE بين تكاليف السحابة وإيراداتها ومتغيرات الطلب، مما يُظهر مدى كفاءة إنفاق السحابة، وكيف تغيرت مع مرور الوقت، وإذا كان لديك المنصة الصحيحة، أفضل الطرق لزيادة الكفاءة.

فهم CUE له فائدة أكبر في سياق الذكاء الاصطناعي، نظرًا لأن استهلاكه أكثر تكلفة من الخدمات التقليدية للسحابة التي تُباع من قبل الشركات الكبيرة. يمكن للشركات التي تبني تطبيقات ذكية حساب التكلفة لكل معاملة (مثل التكلفة لكل فاتورة، التكلفة لكل شحنة، التكلفة لكل معاملة، إلخ) واستخدام ذلك لتقييم عائد الاستثمار من الخدمات والتطبيقات والميزات المحددة التي ي驱ها الذكاء الاصطناعي. مع زيادة إنفاق الذكاء الاصطناعي، سيتعين على الشركات القيام بذلك؛ لا يمكن لأي شركة أن تُلقِ بالمال بشكل لا نهاية له في الابتكار التجريبي للأبد. في النهاية، يجب أن يكون لها معنى تجاري.

نحو كفاءة أكبر

أيا كانت قيمة رقم 6 ملايين دولار، قد قدم DeepSeek لحظة فارقة يمكن أن تُوقِظ ngành التكنولوجيا على أهمية الكفاءة الحتمية. لنتأمل أن هذا يفتح أبوابًا لفعالية التدريب والاستدلال والتطبيقات الذكية التي تفتح الإمكانات الحقيقية وعائد الاستثمار للذكاء الاصطناعي.