تزداد صعوبة تجاهل مشكلة التكاليف في صناعة الذكاء الاصطناعي. الشركات التي سارعت إلى البناء اعتمادًا على أقوى النماذج من OpenAI وAnthropic وGoogle DeepMind تواجه الآن فواتير يمكن أن تخرج عن السيطرة — وعدد متزايد منها يتجه إلى نماذج الذكاء الاصطناعي مفتوحة المصدر باعتبارها المسار الأكثر استدامة للمضي قدمًا. هذا التحول، الذي كان في السابق حذرًا، أصبح الآن واضحًا بما يكفي لدرجة أن كبير التقنيين في أمازون بدأ يشير إليه علنًا.
Summary
أهم النقاط
- قال المدير التقني في أمازون فيرنر فوغلز إن الشركات تتحول بشكل متزايد إلى نماذج ذكاء اصطناعي مفتوحة المصدر وأرخص تكلفة للسيطرة على التكاليف المتصاعدة.
- أحرقت أوبر كامل ميزانيتها للذكاء الاصطناعي لعام 2026 في أربعة أشهر فقط، ويُقال إنها أنفقت نصف مليار دولار في شهر واحد.
- تكون النماذج مفتوحة المصدر عادة مجانية للتنزيل؛ ويدفع المستخدمون فقط مقابل بنية الحوسبة السحابية اللازمة لتشغيلها، مما يجعلها غالبًا أرخص من البدائل المملوكة.
- أطلقت أمازون أداة ذكاء اصطناعي مفتوحة المصدر جديدة في قمة الأمم المتحدة للذكاء الاصطناعي من أجل الخير لمساعدة الباحثين على البحث في أكثر من 1,100 مجموعة بيانات علمية باستخدام اللغة الطبيعية.
- تظهر الشفافية حول بيانات تدريب الذكاء الاصطناعي كشرط غير قابل للتفاوض في قطاعات الرعاية الصحية والحكومة والعمل الإنساني.
ارتفاع تكاليف الذكاء الاصطناعي يدفع نحو التحول إلى النماذج مفتوحة المصدر
متحدثًا على هامش قمة الأمم المتحدة للذكاء الاصطناعي من أجل الخير في 10 يوليو 2026، أوضح فيرنر فوغلز، المدير التقني في أمازون، الأمر ببساطة: “نرى تحولًا يحدث بين النماذج مفتوحة المصدر الأرخص والنماذج الأكبر والأغلى تكلفة.” كان ذلك اعترافًا صريحًا بأن اندفاع الذهب في مجال الذكاء الاصطناعي له ثمن — وكثير من الشركات لم تعد مستعدة لدفعه دون شروط.
نماذج مملوكة باهظة من رواد الصناعة
تتصدر النماذج الرائدة من OpenAI وAnthropic وGoogle DeepMind قوائم الأداء. لكن الأداء على نطاق واسع يأتي مع هيكل تكاليف فاجأ أكثر من منظمة. تُحاسب هذه الأنظمة حسب الرمز (token)، ما يعني أن التكاليف تتضاعف بسرعة مع نمو الاستخدام عبر الفرق والمنتجات.
أوضح مثال على ذلك جاء من أوبر. فقد يُقال إن الشركة أحرقت كامل ميزانيتها للذكاء الاصطناعي لعام 2026 في أربعة أشهر فقط — ووفقًا للتقارير، أنفقت نحو نصف مليار دولار في شهر واحد بعد فشلها في وضع حد لاستخدام الذكاء الاصطناعي من قبل الموظفين. مثل هذا المسار في الإنفاق يجبر حتى المؤسسات الكبيرة على إعادة تقييم نهجها بسرعة.
قدّم فوغلز المسألة كسؤال معماري أكثر من كونها مالية بحتة. قال: “التكلفة جزء مهم جدًا من هندستك، عليك أن تأخذها في الاعتبار.” وأضاف: “هل تحتاج حقًا إلى أكبر وأعلى نموذج لإنهاء هذه المهمة؟ الجواب هو لا، لا تحتاج.”
مزايا التكلفة في نماذج الذكاء الاصطناعي مفتوحة المصدر
النماذج مفتوحة المصدر — والتي تُسمى أحيانًا نماذج مفتوحة الأوزان — يمكن عادة تنزيلها مجانًا. تأتي التكلفة الرئيسية من بنية الحوسبة السحابية اللازمة لتشغيلها. غالبًا ما يكون هذا الإعداد أقل تكلفة بكثير من دفع رسوم مستمرة قائمة على الرموز لمزودي النماذج المملوكة، خاصة على نطاق واسع.
ميزة التكلفة ليست هامشية. وفقًا لبيانات من OpenRouter، وهي منصة للمطورين تجمع الوصول إلى نماذج ذكاء اصطناعي متعددة، يمكن أن تكون النماذج الصينية مفتوحة المصدر أرخص بنسبة 60% إلى 90% من بدائل Anthropic وOpenAI الرائدة. يساعد هذا الفارق في تفسير سبب ارتفاع حصة الرموز التي تستخدمها الشركات الأميركية على النماذج الصينية عبر OpenRouter إلى 46% — ارتفاعًا من متوسط 11% فقط خلال الاثني عشر شهرًا السابقة.
لا يتعلق هذا الاتجاه بتقليص التكاليف فقط. كما قال بيتر فينتون من Benchmark، المستثمر في أداة تطوير الذكاء الاصطناعي مفتوحة المصدر Ollama: كل شركة لديها نفقات استدلال عالية لديها “مشروع وجودي حيوي” يدفعها نحو نماذج مفتوحة الأوزان. أما Ollama نفسها، التي تساعد المطورين على تشغيل نماذج مفتوحة الأوزان محليًا، فلديها الآن ما يقرب من 9 ملايين مستخدم نشط شهريًا وتوجد في 85% من شركات Fortune 500 — وهو مؤشر على مدى انتشار هذا التحول.
المدير التقني في أمازون يسلط الضوء على الشفافية والبراغماتية في تبني الذكاء الاصطناعي
حجة التكلفة وحدها لا تعكس الصورة كاملة. فإلى جانب العوامل الاقتصادية، هناك شيء أكثر هيكلية يتغير في طريقة تفكير المؤسسات بشأن الذكاء الاصطناعي الذي تنشره.
تصريحات فيرنر فوغلز في قمة الأمم المتحدة للذكاء الاصطناعي من أجل الخير
إلى جانب نقاش التكلفة، أشار فوغلز إلى قوة ثانية تعيد تشكيل شراء حلول الذكاء الاصطناعي: المطالبة بالشفافية. قال في القمة: “تصبح الشفافية مهمة للغاية. الناس يريدون أن يعرفوا ما هي البيانات التي تدخل في النموذج.”
هذا ليس قلقًا نظريًا. فالشركات تدقق الآن ليس فقط في ما يمكن لنموذج الذكاء الاصطناعي فعله، بل في كيفية بنائه — ما هي البيانات التي تم تدريبه عليها، وما التحيزات التي قد تكون مضمّنة فيه، وكيف يمكن تفسير قراراته. يعكس هذا التدقيق نضوجًا أوسع في تبني الذكاء الاصطناعي على مستوى المؤسسات، متجاوزًا مرحلة الضجة الأولية إلى تقييم أكثر واقعية لـشفافية الذكاء الاصطناعي وحوكمة البيانات.
أهمية الثقة في القطاعات الحساسة
تكون ضرورة الشفافية أكثر حدة في القطاعات التي تكون فيها عواقب مخرجات الذكاء الاصطناعي الخاطئة أو غير القابلة للتفسير عالية. في الرعاية الصحية والحكومة والعمل الإنساني، قد يكون فهم كيفية تدريب النظام مهمًا بقدر أهمية أدائه الخام. قال فوغلز: “إذا كان هؤلاء الأشخاص يخدمون مجتمعات ضعيفة. إذا لم يثقوا بالنظام، فلن يستخدموه.”
تقدم النماذج مفتوحة المصدر ميزة هيكلية هنا. فبما أن المطورين يمكنهم فحص الشفرة وتعديلها، وبما أنهم يستطيعون بسهولة أكبر ضبط النماذج على بياناتهم المملوكة، فإنها تميل إلى التوافق بشكل أفضل مع توقعات الشفافية في البيئات المنظمة أو الحساسة. ومع ذلك، هناك تحفّظ حقيقي: حتى معظم مزودي النماذج مفتوحة الأوزان لا يكشفون بالكامل عن جميع البيانات التي تم تدريب النموذج عليها في البداية. الانفتاح طيف، وليس حالة ثنائية.
ما يجعل هذه اللحظة مثيرة للاهتمام تحليليًا هو تقارب ضغطين منفصلين — احتواء التكاليف ومتطلبات الثقة — وكلاهما يشير في الاتجاه نفسه. المؤسسات التي ربما بررت تكاليف النماذج المملوكة العالية خلال مرحلة التجريب تواجه الآن حسابًا مختلفًا: هل يمكنها الحفاظ على ثقة مجلس الإدارة في استثماراتها في الذكاء الاصطناعي عندما تكون التكاليف غير متوقعة وأصول بيانات التدريب غير واضحة؟ بالنسبة للكثيرين، الجواب يعيد تشكيل كامل حزمة الذكاء الاصطناعي لديهم.
أداة مفتوحة المصدر جديدة من أمازون تهدف إلى تمكين الباحثين العلميين
لم يكتفِ فوغلز من أمازون بتشخيص اتجاه الصناعة في القمة — بل أعلن أيضًا عن خطوة عملية في هذا الاتجاه. أداة ذكاء اصطناعي مفتوحة المصدر جديدة من أمازون مصممة لجعل البيانات العلمية أكثر قابلية للوصول بشكل ملموس، مع تركيز خاص على المؤسسات التي تفتقر إلى الموارد التقنية المتاحة للجامعات البحثية الكبرى أو المختبرات ذات التمويل الجيد.
التكامل مع سجل بيانات AWS المفتوحة
تتصل الأداة بـسجل بيانات AWS المفتوحة، الذي يضم أكثر من 1,100 مجموعة بيانات من منظمات علمية كبرى بما في ذلك ناسا وNOAA والمعاهد الوطنية للصحة (NIH). بدلًا من التنقل في فهارس بيانات معقدة — وهي عملية كان يمكن أن تستغرق ساعات سابقًا — يمكن للباحثين الآن الاستعلام عن السجل باستخدام اللغة الطبيعية البسيطة. يمكن لعالم أن يطلب صور أقمار صناعية بشروط ترخيص محددة، أو يطلب مجموعات بيانات جينومية لفئة سكانية معينة، ويتلقى نتائج ذات صلة دون الحاجة إلى فهم بنية البيانات الأساسية.
تسهيل الوصول للمؤسسات ذات الموارد المحدودة
الأثر العملي على البحث العلمي كبير. فقد واجهت المؤسسات ذات الموارد المحدودة — مثل الجامعات الصغيرة والمنظمات غير الحكومية ووكالات الصحة العامة في المناطق النامية — منذ زمن طويل عائقًا هيكليًا في اكتشاف البيانات. فعبء العمل التقني المرتبط بالتعامل مع السجلات العلمية الكبيرة يصب في مصلحة المؤسسات التي لديها مهندسو بيانات مخصصون. من خلال خفض هذا الحاجز عبر البحث باللغة الطبيعية، تفتح الأداة الوصول إلى مجموعات بيانات في مجالات مثل علوم المناخ والصحة العامة كانت سابقًا أصعب في الوصول إليها للفرق غير المتخصصة.
كما تضع هذه الخطوة أمازون في قلب منظومة الذكاء الاصطناعي مفتوح المصدر في لحظة تجذب فيها هذه المنظومة رأس مال ومواهب جادة. تشير جولة التمويل من الفئة B الأخيرة لـOllama بقيمة 65 مليون دولار، والتي رفعت إجمالي تمويلها إلى 88 مليون دولار، إلى أن مجتمع رأس المال المخاطر يرى أدوات الذكاء الاصطناعي مفتوحة المصدر كعمل تجاري مستدام — وليس مجرد مرحلة انتقالية قبل أن تستعيد النماذج المملوكة هيمنتها. بعبارة أخرى، لمسار الانفتاح الآن زخم مؤسسي وراءه، وليس منطق التكلفة فقط.
السؤال الأصعب الذي يلوح فوق كل هذا هو ما الذي سيحدث لسقف الأداء. فالنماذج مفتوحة المصدر تقلص الفجوة مع الأنظمة المملوكة المتقدمة، لكن أكثر المهام تعقيدًا — تلك التي تبرر أعلى تكاليف النماذج — لا تزال تميل لصالح الأنظمة المغلقة ذات الموارد الضخمة. قد ينتهي الأمر بالشركات إلى تشغيل حزم هجينة: نماذج مفتوحة المصدر لمعظم عبء الاستدلال، مع حجز النماذج المملوكة لمهام محددة عالية المخاطر. قد تكون هذه البنية، وليس التحول الكامل من أحدهما إلى الآخر، هي النقطة التي تستقر عندها الصناعة فعليًا.
الأسئلة الشائعة
لماذا تتحول الشركات إلى نماذج الذكاء الاصطناعي مفتوحة المصدر؟
تتحول الشركات إلى نماذج الذكاء الاصطناعي مفتوحة المصدر أساسًا لتقليل التكاليف المتصاعدة للذكاء الاصطناعي. فالنماذج المملوكة من مزودين مثل OpenAI وAnthropic تُحاسب حسب الرمز، ما يمكن أن يولد نفقات غير متوقعة وكبيرة جدًا على نطاق واسع. تكون النماذج مفتوحة المصدر عمومًا مجانية للتنزيل، ويدفع المستخدمون فقط مقابل بنية الحوسبة السحابية اللازمة لتشغيلها — وهو ترتيب غالبًا ما يكون أقل تكلفة بكثير، خاصة في عمليات النشر ذات الحجم الكبير.
ما المخاوف التي يبرزها المدير التقني لأمازون بشأن شفافية الذكاء الاصطناعي؟
شدد المدير التقني في أمازون فيرنر فوغلز على أن الشفافية بشأن بيانات تدريب الذكاء الاصطناعي تزداد أهمية لاعتماد المؤسسات. تريد المنظمات أن تعرف ما البيانات التي استُخدمت لتدريب النماذج التي تنشرها. ويعد هذا أمرًا بالغ الأهمية بشكل خاص في قطاعات مثل الرعاية الصحية والحكومة والعمل الإنساني، حيث تكون الثقة في النظام شرطًا مسبقًا للاستخدام الفعلي — خاصة عندما تخدم هذه الأنظمة مجتمعات ضعيفة.
ما الغرض من أداة الذكاء الاصطناعي مفتوحة المصدر الجديدة من أمازون؟
تتيح الأداة للباحثين البحث في سجل بيانات AWS المفتوحة — الذي يحتوي على أكثر من 1,100 مجموعة بيانات من منظمات بما في ذلك ناسا وNOAA والمعاهد الوطنية للصحة — باستخدام استعلامات باللغة الطبيعية بدلًا من التنقل في فهارس تقنية معقدة. الهدف هو تقليل الوقت والخبرة التقنية المطلوبة للعثور على مجموعات البيانات العلمية ذات الصلة، مع تركيز خاص على جعل هذا الوصول أكثر عدالة للمؤسسات البحثية ذات الموارد المحدودة.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”لماذا تتحول الشركات إلى نماذج الذكاء الاصطناعي مفتوحة المصدر؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”تتحول الشركات إلى نماذج الذكاء الاصطناعي مفتوحة المصدر أساسًا لتقليل التكاليف المتصاعدة للذكاء الاصطناعي. فالنماذج المملوكة من مزودين مثل OpenAI وAnthropic تُحاسب حسب الرمز، ما يمكن أن يولد نفقات غير متوقعة وكبيرة جدًا على نطاق واسع. تكون النماذج مفتوحة المصدر عمومًا مجانية للتنزيل، ويدفع المستخدمون فقط مقابل بنية الحوسبة السحابية اللازمة لتشغيلها — وهو ترتيب غالبًا ما يكون أقل تكلفة بكثير، خاصة في عمليات النشر ذات الحجم الكبير.”}},{“@type”:”Question”,”name”:”ما المخاوف التي يبرزها المدير التقني لأمازون بشأن شفافية الذكاء الاصطناعي؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”شدد المدير التقني في أمازون فيرنر فوغلز على أن الشفافية بشأن بيانات تدريب الذكاء الاصطناعي تزداد أهمية لاعتماد المؤسسات. تريد المنظمات أن تعرف ما البيانات التي استُخدمت لتدريب النماذج التي تنشرها. ويعد هذا أمرًا بالغ الأهمية بشكل خاص في قطاعات مثل الرعاية الصحية والحكومة والعمل الإنساني، حيث تكون الثقة في النظام شرطًا مسبقًا للاستخدام الفعلي — خاصة عندما تخدم هذه الأنظمة مجتمعات ضعيفة.”}},{“@type”:”Question”,”name”:”ما الغرض من أداة الذكاء الاصطناعي مفتوحة المصدر الجديدة من أمازون؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”تتيح الأداة للباحثين البحث في سجل بيانات AWS المفتوحة — الذي يحتوي على أكثر من 1,100 مجموعة بيانات من منظمات بما في ذلك ناسا وNOAA والمعاهد الوطنية للصحة — باستخدام استعلامات باللغة الطبيعية بدلًا من التنقل في فهارس تقنية معقدة. الهدف هو تقليل الوقت والخبرة التقنية المطلوبة للعثور على مجموعات البيانات العلمية ذات الصلة، مع تركيز خاص على جعل هذا الوصول أكثر عدالة للمؤسسات البحثية ذات الموارد المحدودة.”}}]}
تم إعداد هذه المقالة بمساعدة الذكاء الاصطناعي ومراجعتها من قبل الفريق التحريري.
