
اشترك ليصلك ملخص أحدث حلقات البودكاست العربي مباشرة إلى بريدك.
الأقسام مرتّبة لتقرأ الفكرة الكبرى أولاً، ثم التفاصيل العملية والاقتباسات والمفاهيم.
يقدم هذا الملخص خريطة طريق استثمارية وتحليلية فريدة من نوعها يقودها شريك مستثمر في شركة Altimeter، تكشف بوضوح عن الديناميكيات المالية الخفية لثورة الذكاء الاصطناعي التوليدي ومقارنتها بالدورات التكنولوجية السابقة مثل الحوسبة السحابية والهواتف المحمولة. إذا كنت رائد أعمال، مستثمراً، أو مهتماً بالتقنية، فإن هذا المحتوى سيزودك بالنماذج الفكرية الحاسمة لفهم أين تتركز الأرباح الحقيقية حالياً وتجنب الخسائر.
تتركز الثروة الحالية في ثورة الذكاء الاصطناعي في الطبقات السفلية من الكعكة التقنية كأشباه الموصلات بدلاً من طبقة التطبيقات، مما يخلق شكلاً مقلوباً للنظام البيئي مقارنة بالحوسبة السحابية بسبب التكاليف الهامشية المرتفعة للاستدلال.
يسعى المتحدث لإيصال رسالة مفادها أن الاستثمار في الذكاء الاصطناعي يمر بمرحلة بناء البنية التحتية الأولية التي تتطلب صبراً، وأن تحقيق الربحية المستدامة للتطبيقات الاستهلاكية سيتطلب حتماً الانتقال من نماذج الاشتراكات المحدودة إلى نماذج إعلانية ذكية تستغل نوايا المستخدمين بشكل موجه وتتحايل على تكاليف الحوسبة المرتفعة.
تبدأ الحلقة بتعريف المحاضر أبور بنفسه ومسيرته الاستثمارية في Altimeter والعمل سابقاً في Palantir، مستعرضاً خطة الكورس الممتد لتسعة أسابيع بستانفورد والذي يركز على استضافة قادة الصناعة من OpenAI وإنفيديا وغيرهم تحت قواعد تشاثام هاوس. ينطلق النقاش حول توزيع الأرباح في قطاع الذكاء الاصطناعي مقارنة بالإنترنت والسحابية والهواتف المحمولة. يوضح أبور أن نظام الذكاء الاصطناعي حالياً يشبه مثلثاً مقلوباً حيث تذهب غالبية الإيرادات لقطاع أشباه الموصلات (إنفيديا التي تتمتع بهوامش ربح تصل لـ 75% واحتكار قوي)، بينما تعاني طبقة التطبيقات من هوامش منخفضة (0-30%) بسبب تكاليف حرق الوحدات الرسومية اللازمة لتشغيل الاستدلال والتي لا تعد مجانية كالحوسبة السحابية التقليدية. يضرب المثال بنموذج AWS الذي استغرق ثماني سنوات منذ 2004 لينضج تجارياً مع نتفليكس وأمازون، مؤكداً وجود فجوة زمنية طبيعية بين الإنفاق الرأسمالي وتحقيق العوائد. يتطرق الدرس أيضاً إلى الشركات المتكاملة رأسياً مثل جوجل (TPU، سحابة GCP، تطبيق Gemini) والفرق بين أعباء عمل التدريب المحددة وأعباء الاستدلال المتغيرة التي تمثل حالياً 40% من استخدام رقاقات إنفيديا. في الختام، يقارن المتحدث تطبيق ChatGPT بالمنصات المليارية كواتساب وإنستغرام، مشيراً إلى أن نمو ChatGPT من مليار مستخدم بعائد 10 دولارات سنوياً إلى 4 مليارات مستخدم بعائد 100 دولار سنوياً لن يتحقق عبر الاشتراكات بل سيتطلب تطوير نموذج إعلاني ثوري يعتمد على الفهم الدقيق لنوايا المستخدمين، على غرار نجاح إعلانات الهواتف المحمولة في فيسبوك قبل عقد من الزمن.
أين تكمن الأموال؟ أين توجد الأموال في الذكاء الاصطناعي؟
لماذا يجب عليك أخذ هذا المساق؟ ما الذي يجب عليك تحقيقه فيه؟ ما هو الشيء الجيد الذي يمكن الاستفادة منه؟
ما هي الأسئلة الصحيحة التي يجب طرحها حول هذا العمل؟ وما هي قوانين الفيزياء التي تحكمه في هذا الجزء من الدورة؟
هل لدى أي شخص تخمينات حول سبب اختلاف شكل النظام البيئي للذكاء الاصطناعي عن الحوسبة السحابية؟
هل هذا الاختلاف في النظام البيئي يرجع إلى أننا ما زلنا في مرحلة مبكرة من الذكاء الاصطناعي؟
هل يمكنكم طرح هذا السؤال مجدداً الأسبوع المقبل عندما نستضيف ممثلي شركة إنفيديا؟
هل ستفلس شركة أمازون بسبب بناء خدمات الويب الخاصة بها (AWS)؟
في مجال البنية التحتية، هل أنت مجرد ميزة أم منصة متكاملة؟
لماذا لا يعد هذا الجزء من خدمات أمازون ويب (AWS)؟
كيف تفكر في إدراج المنصات القائمة والشركات القديمة (مثل سيلز فورس) في تحليل هذا الهرم وكيفية تحوله بمرور الوقت؟
هل هناك عدم تطابق زمني بحيث يتم شراء سعة الأجهزة لخدمة إيرادات مستقبلية ستؤول إلى القمة لاحقاً؟
كيف ترى موقع شركة جوجل في هذا المثلث بالنظر إلى تكاملها الرأسي وامتلاكها للبنية التحتية والنماذج والتطبيقات؟
ما مقدار نجاح تطبيق (Gemini) الناتج عن ميزة التوزيع التي تمتلكها جوجل مقارنة بكونه تطبيقاً ممتازاً بحد ذاته؟
كيف تبدو التكنولوجيا الجديدة غير الناجحة؟ وهل ستظل على شكل مثلث؟ وكيف يمكن التنبؤ بما إذا كان هذا المثلث سينعكس أم لا؟
هل هناك توازن أو علاقة بين التدريب والاستدلال؟ وماذا سيحدث بمجرد أن يتفوق الاستدلال على التدريب؟
أين ستكون الربحية الأكثر تركيزاً في هذه السلسلة؟
إذا كانت شركات البنية التحتية الكبرى تصنع رقائقها الخاصة، فلمن ستبيع الشركات الناشئة الجديدة رقائقها؟
إذا كنت تفكر في بدء شركة لتصنيع الرقائق، فأي من الشركات الخمس الكبرى ستبيع لها أولاً؟
كيف يغير هذا التكامل الرأسي من قوة التطوير؟
كم من الوقت سيستغرق هذا المخطط للوصول إلى شكل برمجيات الحوسبة السحابية؟ هل هو 5 أم 10 أم 15 عاماً أم لن يحدث أبداً؟
ما مدى حجم هذه الشركات؟ ما هو محرك تحقيق الأرباح منها؟ وهل تعتقد أن نموذج الاشتراكات سيكون أكبر أم نموذج الإعلانات؟
هل تخمن أن تطبيق (Chat GPT) أو غيره سيكون أقرب إلى تطبيق أساسي يومي مثل يوتيوب وواتساب، أم تطبيق اجتماعي مثل إنستغرام وتيك توك، أم تطبيق متخصص مثل سبوتيفاي وتويتر؟
كيف نصل بعدد مستخدمي الذكاء الاصطناعي من مليار مستخدم إلى 4 مليارات مستخدم؟
كيف نرفع متوسط الإيراد السنوي لكل مستخدم من 10 دولارات إلى 100 دولار؟
يستعرض المحاضر في بداية الجلسة تفاصيل المساق الدراسي الممتد لتسعة أسابيع، موضحاً أنه مصمم ليتطلب ثلاث ساعات أسبوعياً فقط تشمل ساعة دراسية واحدة، وساعة إلى ساعتين من القراءات الخارجية والتفاعل العملي مع النماذج اللغوية الكبيرة مثل ChatGPT وClaude. يركز المساق على استضافة قادة الصناعة التنفيذيين من شركات عملاقة مثل OpenAI وAnthropic وNvidia ومزودي الطاقة والبنية التحتية، تحت قواعد تشاتام هاوس الصارمة لحماية خصوصية وسرية المعلومات الحساسة التي قد تتم مشاركتها، مما يمنع تسجيل الجلسات. كما يعتمد نظام التقييم على تقسيم الدرجات بنسبة 50% للحضور والمشاركة الفعالة في النقاشات الحوارية، و50% المتبقية لفرض عملي يُوزع في نهاية المساق. تهدف هذه البنية التفاعلية إلى تمكين الطلاب من تطوير نماذج ذهنية قوية لتقييم وتأسيس وتمويل شركات الذكاء الاصطناعي الناشئة في هذه الدورة الاقتصادية التاريخية.
يسلط المحاضر الضوء على السؤال الجوهري في قطاع الذكاء الاصطناعي التوليدي اليوم: أين هي الأرباح؟ ويقارن بين هيكل منظومة الحوسبة السحابية وهيكل منظومة الذكاء الاصطناعي الحالي، حيث يظهر الذكاء الاصطناعي في شكل مثلث مقلوب تتركز فيه الأرباح والإيرادات الهائلة في طبقة أشباه الموصلات والعتاد الصلب التي تهيمن عليها شركة Nvidia بهامش ربح إجمالي يقارب 75%، مقارنةً بهوامش ربح ضئيلة جداً تتراوح بين 0% و30% في طبقة التطبيقات. تكمن المشكلة الفيزيائية الأساسية في أن التكلفة الحدية للمستخدم الإضافي في تطبيقات الذكاء الاصطناعي ليست صفراً كما كان الحال في البرمجيات التقليدية، بل تتطلب استهلاكاً مكثفاً ومستمراً لبطاقات معالجة الرسوميات لتشغيل عمليات الاستدلال، مما يجعل نمو الإيرادات دون ربحية تحدياً كبيراً حتى للشركات التي تملك مليارات الدولارات من العائدات.
يناقش المحاضر التباين الزمني بين النفقات الرأسمالية الضخمة التي تضخها الشركات الكبرى لبناء مراكز البيانات وشراء الرقائق وتأمين الطاقة، وبين العائدات الفعلية من طبقة التطبيقات التي لا تزال في مراحلها الأولى. ويشبه هذه المرحلة بعملية وضع خطوط السكك الحديدية التاريخية التي تسبق ظهور القطارات والخدمات التجارية بفترة طويلة. مستشهداً بتجربة خدمات أمازون السحابية التي بدأت الاستثمار وتأسيس البنية التحتية في عام 2004، ولم تحصل على أول عميل رئيسي لها إلا في عام 2010، بينما لم تنتقل أمازون بالكامل إليها حتى عام 2012، أي بعد ثماني سنوات كاملة من بدء الإنفاق الاستثماري الذي دفع الأسواق آنذاك للتساؤل حول إمكانية إفلاس أمازون. تشير هذه المقارنة التاريخية إلى أن الدورة الحالية للذكاء الاصطناعي قد تمر بمراحل مماثلة من عدم التوازن والتقلبات الدورية قبل الوصول إلى حالة استقرار اقتصادي متكاملة.
يستعرض المحاضر خريطة المنافسة وموقع العمالقة مثل Google التي تتمتع بتكامل رأسي فريد عبر امتلاكها لوحدات أعمال متعددة تغطي كافة الطبقات: بدءاً من الرقائق الخاصة بها في طبقة أشباه الموصلات، مروراً بـ Google Cloud في طبقة البنية التحتية، وصولاً إلى Gemini في طبقة التطبيقات الاستهلاكية مستفيدة من ميزة التوزيع الجغرافي الواسع. بمقارنة الأنماط التاريخية لعمالقة الإنترنت، يظهر كيف سيطر لاعبون مهيمنون ومتكاملون رأسياً على الدورات السابقة مثل Google في محركات البحث بقيمة سوقية 3 تريليون دولار وحصة سوقية 99%، وApple في الهواتف المحمولة بقيمة سوقية 2.5 تريليون دولار، وMeta في شبكات التواصل الاجتماعي بقيمة سوقية 2 تريليون دولار. بينما يتسم سوق البنية التحتية الحالي بصراع شرس ومستمر لتحديد ما إذا كانت التطبيقات والشركات الناشئة تمثل منصات حقيقية مستقلة أم مجرد ميزات ستلتهمها منصات الحوسبة السحابية الكبرى.
يحلل المحاضر حجم استخدام تطبيقات الذكاء الاصطناعي الاستهلاكية ومقارنتها بالمنصات التقليدية. يقسم التطبيقات إلى ثلاث فئات رئيسية: تطبيقات إلزامية يومية تصل إلى 3 مليارات مستخدم مثل WhatsApp وChrome، وتطبيقات اجتماعية ممتازة الأثر الشبكي تصل إلى 2 مليار مستخدم مثل Instagram وTikTok، وتطبيقات متخصصة أو تخصصية محدودة مثل Spotify وTwitter. حالياً، يتجاوز تطبيق ChatGPT فئة التطبيقات المتخصصة مقترباً من الفئة الاجتماعية بامتلاكه نحو مليار مستخدم، لكن بمعدل عائد لكل مستخدم منخفض جداً يقارب 10 دولارات سنوياً، مقارنةً بعوائد شركة Alphabet البالغة 100 دولار لكل مستخدم وMeta البالغة 70 دولاراً لكل مستخدم سنويًا. يؤكد المحاضر أن نموذج الاشتراكات الحالي لن يكون كافياً لدفع عجلة الربحية والنمو من مليار مستخدم إلى 4 مليارات مستخدم، متوقعاً حدوث تحول تاريخي كبير نحو نموذج الإعلانات الذكية والمدعومة بالفهم العميق لنية وسياق المستخدم، على غرار التحول التاريخي لإعلانات الهواتف المحمولة لشركة Facebook قبل عقد من الزمن.
بدأت رحلة المتحدث الشخصية والمهنية من الهند، ثم انتقل بعد ذلك للعيش في سنغافورة. قبل حوالي 13 أو 14 عاماً، استهل مسيرته المهنية بالعمل في شركة Palantir المتخصصة في تحليل البيانات الضخمة برفقة زميله Sunil وعدد آخر من الأشخاص. وخلال تلك الفترة، قاد المتحدث فرقاً هندسية متنوعة، حيث كان عملهم يتركز بشكل أساسي على كتابة كميات هائلة من الأكواد والبرمجيات باستخدام أداة Spark داخل المباني والمؤسسات الحكومية. وبمرور الوقت، شعر بالملل والتعب من تكرار كتابة برمجيات Spark في تلك المقرات الحكومية، مما دفعه لاتخاذ قرار بالعودة إلى جامعة ستانفورد للالتحاق بمرحلة الدراسات العليا، وهي الخطوة التي غيرت مساره ليصبح لاحقاً شريكاً وقائداً في شركة الاستثمار الشهيرة Altimeter.
يستعرض المتحدث هذه التجربة الشخصية كتمهيد لتعريف الطلاب بخلفيته التقنية والعملية، مبيناً كيف انتقل من العمل التقني البحت وهندسة البيانات في المؤسسات الحكومية إلى قيادة الاستثمارات التكنولوجية، مما يمنحه رؤية متكاملة تجمع بين فهم التحديات البرمجية العميقة والفرص الاستثمارية الكبرى في عصر الذكاء الاصطناعي.
شارك المتحدث الحضور بتجربة شخصية لطيفة ومرحة، حيث أعلن أنه حصل قبل ستة أشهر على أكبر وأهم 'ترقية' في حياته بأكملها، وهي أنه أصبح أباً للمرة الأولى. وبنبرة فكاهية، أشار إلى أن بعض الأصدقاء والمقربين أخبروه بأن الأبوة وتربية الأطفال هي أكبر استثمار سيقوم به في حياته، لكن البعض وصف هذا الاستثمار بأنه يحمل 'أكبر معدل عائد داخلي سلبي مضمون' (Negative IRR) نظراً للتكاليف الكبيرة، في حين يرى هو شخصياً أنه يمثل الاستثمار صاحب 'أكثر عائد إيجابي مضمون' في الحياة، وإن كان هذا العائد معنوياً وإنسانياً وليس مالياً.
يهدف المتحدث من خلال هذه اللفتة الشخصية الممزوجة بالدعابة إلى بناء رابط إنساني دافئ مع الطلاب في قاعة المحاضرات، مع توظيف المصطلحات الاستثمارية التي يركز عليها المساق (مثل معدل العائد الداخلي IRR) لشرح مفاهيم الحياة الواقعية والقيم غير المادية التي تفوق العوائد المالية البحتة.
تحدث المتحدث عن قصة وخلفية تأسيس هذا المساق الدراسي الجديد في جامعة ستانفورد؛ حيث اعتاد الحضور إلى الحرم الجامعي مرة واحدة في كل عام لإلقاء محاضرات والحديث عما يجري في الساحة التكنولوجية وبحثاً عن الكفاءات الاستثنائية. وخلال زياراته، أدرك بوضوح أن العالم يمر بـ 'دورة فائقة' (Super Cycle) وتاريخية متمثلة في ثورة الذكاء الاصطناعي التوليدي، وهي ثورة تؤمن بها شركته الاستثمارية Altimeter وتوجه كل طاقتها نحوها. ورغم ضخامة هذا التحول، لاحظ المتحدث غياب أي مساق أكاديمي يتعمق في خبايا هذه التكنولوجيا واقتصادياتها بالطريقة التي كان يتمنى أن يدرسها عندما كان طالباً جامعياً في ستانفورد. هذا النقص دفعه لتصميم هذا المساق لتمكين الطلاب من قيادة هذا التحول وفهمه بدقة، بحيث يمكنهم بعد خمس سنوات الإجابة بثقة عن سؤال 'هل رأيتم هذا التحول قادماً؟' بالقول: نعم، لقد كنا هناك وشاركنا في صياغته.
توضح القصة السياق والدافع الأساسي وراء تقديم هذا المساق التعليمي المكثف، والهدف منه هو حث الطلاب على استغلال تواجدهم في بداية هذه الثورة التكنولوجية، وتزويدهم بالنماذج الذهنية والأسئلة الصحيحة لبناء شركات الذكاء الاصطناعي أو تمويلها بدلاً من الوقوف في دور المتفرج الحائر.
استحضر المتحدث مثالاً تاريخياً هاماً يتعلق ببناء خدمات الحوسبة السحابية من أمازون (AWS) لتوضيح طبيعة دورات الإنفاق الرأسمالي الكبير. وأوضح أن مشروع AWS بدأ فعلياً في عام 2004، لكنه لم يحصل على أول عميل رئيسي له (وهي منصة Netflix) إلا في عام 2010، بينما لم تقم أمازون بنقل عملياتها بالكامل إلى سحابة AWS إلا بحلول عام 2012، أي بعد ثماني سنوات كاملة من بدء المشروع والاستثمار الهائل في البنية التحتية والمباني والخوادم. وأشار المتحدث إلى أنه قبل عشرين عاماً، كان النقاش الأكبر والمخاوف السائدة في التقارير المالية والتحليلات تدور حول احتمال إفلاس شركة أمازون بالكامل نتيجة هذا الإنفاق الرأسمالي الضخم وغير المضمون على البنية التحتية، وهو ما ثبت خطؤه تماماً لاحقاً.
يستخدم المتحدث قصة نشوء AWS كنموذج تاريخي يشرح الفجوة الزمنية الطبيعية بين الإنفاق الضخم على البنية التحتية وتأخر ظهور العوائد الربحية الضخمة في طبقة التطبيقات. ويسعى من خلال هذا المثال إلى طمأنة الطلاب والمستثمرين بأن المخاوف الحالية من ضخامة إنفاق شركات التكنولوجيا الكبرى على رقائق إنفيديا ومراكز بيانات الذكاء الاصطناعي هي تكرار للمخاوف التاريخية ذاتها التي سبقت قفزة الحوسبة السحابية الكبرى.
قدم المتحدث تحليلاً تاريخياً ومقارنة تفصيلية حول 'الفائزين الكبار' الذين سيطروا على منصات التحول التكنولوجي السابقة لتوقع شكل التوازن والاستقرار في عصر الذكاء الاصطناعي. وأوضح أن الفائز الأكبر في دورة الإنترنت قبل 25 عاماً كان شركة جوجل التي بلغت قيمتها السوقية حوالي 3 تريليونات دولار مع سيطرة شبه كاملة بنسبة 99% على سوق البحث بفضل تكاملها العمودي من الخوادم إلى تجربة المستخدم والإعلانات. وفي دورة الهواتف المحمولة قبل 20 عاماً، كانت أبل هي الفائز الأكبر بقيمة 2.5 تريليون دولار بفضل تكاملها الرأسي الفريد. أما في دورة التواصل الاجتماعي، فكانت ميتا هي الفائز بقيمة تقارب تريليوني دولار على الرغم من تعرض قيمتها لهزات قوية سابقاً لعدم تكاملها الرأسي الكامل لطبقة الخوادم. وفي المقابل، أشار المتحدث إلى أن دورة الحوسبة السحابية الأخيرة لم تشهد فائزاً أحادياً مهيمناً، بل تقاسمها تكتل ثلاثي معروف (AWS و Azure و GCP).
يهدف هذا المثال التحليلي والمقارنة التاريخية إلى مساعدة الطلاب على فهم مفهوم 'التوازن المستقر' في الصناعة وتأثير التكامل العمودي على النجاح المالي. ويشير إلى أن دراسة النماذج السابقة تسهم في توقع ما إذا كان قطاع الذكاء الاصطناعي سينتهي به المطاف إلى فائز رأسي متكامل ومهيمن (مثل أبل أو جوجل) أو إلى سوق موزعة ومتنوعة كما حدث في السحابية.
استعرض المتحدث قصة ملهمة وتاريخية تعود إلى ما قبل عشر سنوات، وتحديداً خلال الطرح الأولي لأسهم شركة فيسبوك (Facebook IPO) في البورصة. في ذلك الوقت، انتشرت تقارير مالية كثيرة توصي ببيع سهم فيسبوك على المكشوف وتوقع فشله، حيث جادل المحللون والتشاؤميون بأن النموذج الإعلاني للشركة، والذي حقق نجاحاً هائلاً على شاشات أجهزة الكمبيوتر الواسعة، لن ينجح أبداً على شاشات الهواتف المحمولة الصغيرة نظراً لعدم وجود مساحة كافية لعرض الإعلانات دون إزعاج المستخدمين وتدمير تجربتهم الشخصية. ورغم هذه الشكوك العميقة، استطاعت التكنولوجيا والابتكار إيجاد الحل الإعلاني الأمثل والمساحة المناسبة على الهاتف المحمول، مما حول إعلانات الهواتف إلى أكبر منجم ذهب إعلاني في التاريخ.
يستشهد المتحدث بهذه القصة التاريخية كحجة قوية تبدد المخاوف السائدة اليوم بشأن صعوبة تحقيق أرباح من تطبيقات الذكاء الاصطناعي التوليدي والمحادثات الشخصية دون إفساد تجربة المستخدم. ويوضح السياق أن الابتكار كفيل بإيجاد نماذج ربحية وإعلانية جديدة وفائقة الفعالية تعتمد على فهم نية المستخدم الحقيقية، تماماً كما تغلبت فيسبوك سابقاً على عقبة الشاشات الصغيرة للهواتف.
معدل العائد الداخلي السلبي (Negative IRR)
مصطلح مالي يعبر عن سيناريو تخسر فيه الاستثمارات قيمتها بمرور الوقت بدلاً من تحقيق أرباح مادية. في الفيديو، استخدم المتحدث المفهوم بشكل فكاهي لوصف تكلفة تربية الأطفال كاستثمار ذي عائد مالي سلبي مضمون ولكن بعائد معنوي وإنساني إيجابي فائق.
الدورة الفائقة للذكاء الاصطناعي (AI Super Cycle)
موجة نمو اقتصادي وتكنولوجي ضخمة وطويلة الأمد تحدث عند ظهور ابتكار جذري يغير بنية الأسواق والصناعات بالكامل. يوضح المتحدث أن الذكاء الاصطناعي يمثل الدورة الفائقة الأكبر حالياً مقارنة بدورات الإنترنت، والهواتف المحمولة، والحوسبة السحابية السابقة.
مزودو الخدمات السحابية فائقة النطاق (Hyperscalers)
الشركات التكنولوجية العملاقة (مثل Google وMicrosoft وAWS) التي تمتلك وتدير شبكات مراكز بيانات عملاقة وتقدم قدرات حوسبة وتخزين هائلة قابلة للتوسع عالمياً، وهي الجهات الأكثر استثماراً حالياً في البنية التحتية للذكاء الاصطناعي.
كعكة الطبقات الخمس للبنية التحتية (Five-Layer Cake)
تشبيه صاغه جينسن هوانغ، الرئيس التنفيذي لشركة إنفيديا، لوصف طبقات البنية التحتية اللازمة لتأسيس مراكز بيانات قادرة على تشغيل نماذج الذكاء الاصطناعي، وتضم: الطاقة، والرقائق، والقدرة الكهربائية، والتوصيلات البينية، والذاكرة.
الدوائر المتكاملة محددة التطبيقات (ASICs)
رقاقات إلكترونية صممت خصيصاً لتنفيذ مهام محددة بكفاءة طاقة وسرعة معالجة تفوق المعالجات العامة. تُطورها الشركات كبدائل لرقاقات إنفيديا لتقليل التكلفة، مثل رقاقة TPU من جوجل وMTIA من ميتا.
التدريب مقابل الاستدلال (Training vs. Inference)
عمليتان أساسيتان في الذكاء الاصطناعي؛ التدريب هو عملية بناء وتطوير النموذج باستخدام قدرات حاسوبية هائلة وبيانات ضخمة، بينما الاستدلال هو استخدام النموذج بعد تدريبه للإجابة على طلبات واستعلامات المستخدمين الفردية في الوقت الفعلي.
قواعد تشاتام هاوس (Chatham House Rules)
مجموعة من القواعد لتنظيم النقاشات وحلقات النقاش تتيح للحاضرين حرية استخدام المعلومات ومشاركتها مع العالم الخارجي، ولكن مع فرض حظر تام على كشف هوية المتحدثين أو انتماءاتهم المؤسسية لضمان الخصوصية والشفافية.
"في غضون خمس سنوات، سيسألك الجميع: هل كنت ترى ذلك قادماً؟ لقد كنت في بداية هذا كله... نصفكم سيؤسس شركة ذكاء اصطناعي والنصف الآخر سيمولها."
يؤكد المتحدث على الأهمية التاريخية الفائقة للدورة التكنولوجية الحالية للذكاء الاصطناعي، مشبهاً إياها ببدايات الإنترنت والسحابية، ويوضح للطلاب ضرورة استيعاب القوانين الفيزيائية والاقتصادية الحاكمة لهذه المرحلة ليكونوا مستعدين لقيادتها أو الاستثمار فيها بذكاء.
"كانت شركات البرمجيات التقليدية تعمل بهوامش ربح إجمالية تتراوح بين 80% وحتى 90%، لكن هذا ليس هو الحال مع النموذج الاقتصادي الجديد للذكاء الاصطناعي... لأن المستخدم الإضافي ليس مجانياً."
يشرح المتحدث الفارق الجوهري في اقتصاديات الذكاء الاصطناعي مقارنة بالبرمجيات الكلاسيكية؛ فحجم التكلفة الهامشية في الذكاء الاصطناعي مرتفع جداً بسبب تكاليف الحوسبة وتشغيل الاستدلال (Inference) على معالجات الرسوميات لكل مستخدم إضافي، مما يضغط على هوامش الربحية ويحد من المكاسب السريعة للشركات الناشئة.
"الجزء الأكثر ربحية في هذه البنية هو طبقة أشباه الموصلات بفارق شاسع... في حين أقدر أن بعض إيرادات طبقة التطبيقات تتراوح بين صفر و30%."
يكشف هذا الاقتباس عن اختلال التوازن المالي الحالي في سلسلة القيمة للذكاء الاصطناعي، حيث تذهب الغالبية العظمى من الأرباح والإيرادات لشركات العتاد وأشباه الموصلات (مثل إنفيديا) التي تتمتع بهوامش ربح هائلة تقارب 75% نتيجة لسيطرتها شبه الاحتكارية، بينما تعاني شركات طبقة التطبيقات من تكاليف تشغيل مرتفعة وهوامش ربح ضئيلة.
اشترك ليصلك ملخص أحدث حلقات البودكاست العربي مباشرة إلى بريدك.