ملخص: يشهد سباق الذكاء الاصطناعي تحولًا كبيرًا نحو نماذج مفتوحة، مما يتيح للشركات استخدام نماذج أكثر ملاءمة من حيث التكلفة والقدرة. هذا التغيير يعكس تحديات جديدة لشركات مثل OpenAI وAnthropic.
سباق الذكاء الاصطناعي: التحول نحو النماذج المفتوحة
على مدار العامين الماضيين، كان من السهل تقييم سباق الذكاء الاصطناعي: النماذج الأكبر، والمعايير الأفضل، وأي شركة يمكنها ادعاء الريادة، على الأقل حتى الإطلاق التالي. لكن هذه المعايير بدأت تبدو غير مكتملة.
مع انتقال الشركات من اختبار الذكاء الاصطناعي إلى استخدامه في المنتجات الحقيقية وسير العمل، لم يعد الأمر يتعلق بالوصول إلى أفضل نموذج، بل بالوصول إلى النموذج الأكثر ملاءمة لمهمة معينة، بالتكلفة المناسبة، مع البيانات اللازمة وفي البيئة المختارة.
هذا التحول يفتح الباب لنوع جديد من المنافسة في الذكاء الاصطناعي، يركز أقل على حجم النموذج وأكثر على التوجيه، والتكلفة، والتحكم، والحوسبة.
❝ النموذج وحده لم يعد هو المنتج، بل هو النظام الذي يضع النموذج في إطار قوي ويجمعه مع العديد من الأدوات. ❞ – أرافيند سرينيفاس، الرئيس التنفيذي لشركة Perplexity.
نموذج جديد من المنافسة
يعني ذلك أن منتجات الذكاء الاصطناعي أصبحت أنظمة يمكنها تحديد أي نموذج يجب استخدامه، ومتى يجب استخدامه، وما هي الأدوات الخارجية أو مصادر بيانات الشركة اللازمة. قد لا تحتاج مهمة خدمة العملاء إلى النموذج الأغلى. بينما قد تحتاج مشكلة برمجية معقدة إلى نموذج أقوى. يمكن أن تعمل سير العمل الداخلية الروتينية على نموذج مفتوح أرخص، بينما يمكن تصعيد الخطوات الأكثر صعوبة إلى نموذج أقوى.
ظهور نماذج بديلة يأتي في وقت تشدد فيه الشركات الأمريكية على إنفاقها على الذكاء الاصطناعي، مما يشكل تحديًا آخر لشركتي OpenAI وAnthropic، اللتين ازدهرتا في السنوات الأخيرة من خلال بيع أحدث التقنيات.
نموذج GLM 5.2
استعرضت شركة Perplexity هذا الأسبوع نظامًا جديدًا لمنتجها المعتمد على نموذج GLM 5.2، وهو نموذج مفتوح من شركة Z.ai الصينية. تم تصميم النظام لتمكين نموذج أرخص من التعامل مع المزيد من العمل، بينما يتم استدعاء نموذج أقوى عند الحاجة.
هذا النهج يعكس تغييرًا أوسع في السوق. النماذج ذات الوزن المفتوح، التي يمكن تنزيلها وضبطها وتشغيلها من قبل الشركات نفسها، أصبحت أكثر قدرة وأرخص في التشغيل مقارنة بالنماذج الاحتكارية من أكبر مختبرات الذكاء الاصطناعي.
تحديات استراتيجية
تعتبر هذه النماذج المفتوحة تحديًا استراتيجيًا للولايات المتحدة، حيث تأتي العديد من النماذج الأكثر تنافسية من مختبرات صينية. وقد جعل ذلك من الذكاء الاصطناعي مفتوح المصدر قضية تجارية وسياسية وقضية تنافسية وطنية.
قال سرينيفاس إن الولايات المتحدة يجب أن تدعم النماذج المفتوحة لأنها تجعل الذكاء الاصطناعي أكثر تكلفة وقابلية للوصول.
تأثير على مراكز البيانات
يمكن أن يؤثر هذا التحول أيضًا على البناء الضخم لمراكز البيانات الجاري عبر صناعة التكنولوجيا. يفترض ازدهار الذكاء الاصطناعي الحالي أن الطلب سيستمر على مراكز البيانات السحابية الكبيرة المليئة بالرقائق المتطورة. ويشير سرينيفاس إلى أن بعض أعمال الذكاء الاصطناعي قد تعمل محليًا بدلاً من ذلك، على الأجهزة المملوكة للمستهلكين أو الشركات.
هذا لن يلغي الحاجة إلى مراكز البيانات، لكنه قد يخلق نظام ذكاء اصطناعي هجين، حيث يتم تشغيل المهام الروتينية محليًا، ويتم إرسال الأعمال الأكثر صعوبة إلى نموذج أقوى في السحابة.
السؤال للمستثمرين
بالنسبة للمستثمرين، السؤال هو ما إذا كانت أكبر مختبرات الذكاء الاصطناعي يمكن أن تحافظ على قوتها في التسعير مع تحسن النماذج المفتوحة وازدياد انتقائية الشركات فيما تستخدمه.
