تكاليف الذكاء الاصطناعي: حفرة مالية عميقة

تُحقق شركات عملاقة مثل مايكروسوفت وألفابت وميتا أرباحًا هائلة من خدماتها السحابية المُدارة بالذكاء الاصطناعي، لكنها في الوقت نفسه تُغرق في تكاليف باهظة لدفع حدود الذكاء الاصطناعي إلى الأمام. تُظهر التقارير المالية الأخيرة صورة سيف ذو حدين: من ناحية، مكاسب مثيرة للإعجاب، ومن ناحية أخرى، نفقات مذهلة.

أدت هذه الثنائية إلى وصف بلومبيرغ لتطوير الذكاء الاصطناعي بأنه “حفرة مالية عميقة”، مُسلطة الضوء على الواقع الاقتصادي المعقد وراء ثورة الذكاء الاصطناعي اليوم. يكمن جوهر هذه المشكلة المالية في الدفع الحثيث نحو نماذج ذكاء اصطناعي أكبر وأكثر تعقيدًا. أدى السعي لتحقيق الذكاء الاصطناعي العام (AGI) إلى قيام الشركات بتطوير أنظمة أكثر تعقيدًا، مثل نماذج اللغة الكبيرة مثل GPT-4. تتطلب هذه النماذج قوة حسابية هائلة، مما يدفع تكاليف الأجهزة إلى مستويات غير مسبوقة.

يزداد الطلب على رقائق الذكاء الاصطناعي المتخصصة، وخاصة وحدات معالجة الرسومات (GPUs)، بشكل كبير. شهدت شركة Nvidia، الشركة الرائدة في هذا المجال، ارتفاعًا هائلاً في قيمتها السوقية مع سعي الشركات التكنولوجية للحصول على هذه المكونات الأساسية. بيعت رقاقة H100 الرسومية، المعيار الذهبي لتدريب نماذج الذكاء الاصطناعي، بسعر مُقدر بـ 30,000 دولار، مع قيام بعض مُعيد البيع ببيعها بأضعاف هذا السعر.

فاقم نقص الشرائح العالمي هذه المشكلة، حيث تنتظر بعض الشركات شهورًا للحصول على الأجهزة اللازمة. قال مارك زوكربيرج، الرئيس التنفيذي لشركة ميتا، سابقًا إن شركته تخطط لشراء 350,000 رقاقة H100 بحلول نهاية هذا العام لدعم جهودها البحثية في مجال الذكاء الاصطناعي. حتى لو حصل على خصم شراء بالجملة، فإن هذا يُضاف بسرعة إلى مليارات الدولارات.

من ناحية أخرى، أدى الدفع نحو ذكاء اصطناعي أكثر تقدمًا إلى إشعال سباق تسلح في تصميم الرقائق. تستثمر شركات مثل جوجل وأمازون بكثافة في تطوير معالجاتها الخاصة بالذكاء الاصطناعي، بهدف الحصول على ميزة تنافسية وتقليل الاعتماد على موردين تابعين لأطراف ثالثة. يضيف هذا الاتجاه نحو السيليكون المخصص طبقة أخرى من التعقيد والتكلفة إلى عملية تطوير الذكاء الاصطناعي.

لكن تحدي الأجهزة يتجاوز مجرد شراء الرقائق. يتطلب حجم نماذج الذكاء الاصطناعي الحديثة مراكز بيانات ضخمة، والتي تأتي مع عقباتها التكنولوجية. يجب تصميم هذه المرافق لمعالجة الأحمال الحسابية الشديدة مع إدارة تبديد الحرارة واستهلاك الطاقة بكفاءة. مع نمو حجم النماذج، تزداد متطلبات الطاقة أيضًا، مما يزيد بشكل كبير من تكاليف التشغيل والتأثير البيئي.

قال داريو أمودي، الرئيس التنفيذي لشركة Anthropic، المنافسة لشركة OpenAI، في مقابلة بثت في أوائل أبريل، إن النماذج الحالية للذكاء الاصطناعي في السوق تكلف حوالي 100 مليون دولار للتدريب. وقال: “النماذج التي يتم تدريبها الآن والتي ستُصدر في أوقات مختلفة في وقت لاحق من هذا العام أو أوائل العام المقبل تكلف أقرب إلى مليار دولار”. “أعتقد أنه في عامي 2025 و2026، سنصل إلى 5 أو 10 مليارات دولار.”

ثم هناك البيانات، شريان الحياة لأنظمة الذكاء الاصطناعي، والتي تُقدم تحدياتها التكنولوجية الخاصة. أدى الحاجة إلى مجموعات بيانات ضخمة وعالية الجودة إلى قيام الشركات باستثمار كبير في تقنيات جمع البيانات وتنظيفها وتعيينها. تقوم بعض الشركات بتطوير أدوات متطورة لإنشاء بيانات اصطناعية لتكملة البيانات الواقعية، مما يدفع تكاليف البحث والتطوير إلى مزيد من الارتفاع.

وتعني سرعة وتيرة ابتكار الذكاء الاصطناعي أن البنية التحتية والأدوات تصبح عتيقة بسرعة. يجب على الشركات ترقية أنظمتها وإعادة تدريب نماذجها باستمرار للحفاظ على تنافسيتها، مما يخلق دورة مستمرة من الاستثمار والتقادم.

تقول بلومبيرغ في مقالها: “في 25 أبريل، قالت مايكروسوفت إنها أنفقت 14 مليار دولار على النفقات الرأسمالية في الربع الأخير الماضي وتتوقع أن تزداد هذه التكاليف بشكل كبير، مدفوعة جزئيًا باستثمارات البنية التحتية للذكاء الاصطناعي. كان هذا زيادة بنسبة 79٪ عن الربع المقابل من العام الماضي. قالت ألفابت إنها أنفقت 12 مليار دولار خلال الربع، بزيادة 91٪ عن العام الماضي، وتتوقع أن يكون بقية العام “في مستوى أو أعلى” من هذا المستوى مع التركيز على فرص الذكاء الاصطناعي.”

أشارت بلومبيرغ أيضًا إلى أن ميتا، في الوقت نفسه، رفعت تقديراتها للاستثمارات لهذا العام وتعتقد الآن أن النفقات الرأسمالية ستكون بين 35 مليار دولار و40 مليار دولار، وهو ما سيكون زيادة بنسبة 42٪ في نهاية النطاق العالي. “أشارت إلى الاستثمار القوي في البحث والتطوير في مجال الذكاء الاصطناعي”، كتبت بلومبيرغ.

من المثير للاهتمام أن مقال بلومبيرغ يشير أيضًا إلى أنه على الرغم من هذه التكاليف الهائلة، فإن شركات التكنولوجيا العملاقة تُثبت أن الذكاء الاصطناعي يمكن أن يكون محركًا حقيقيًا للإيرادات. أبلغت مايكروسوفت وألفابت عن نمو كبير في أعمالها السحابية، يُعزى بشكل أساسي إلى زيادة الطلب على خدمات الذكاء الاصطناعي. يشير هذا إلى أنه بينما الاستثمار الأولي في تكنولوجيا الذكاء الاصطناعي مذهل، فإن العوائد المحتملة مُقنعة بما يكفي لتبرير النفقات.

ومع ذلك، تثير التكاليف العالية لتطوير الذكاء الاصطناعي مخاوف بشأن تركيز السوق. كما هو مذكور في المقال، قد تُحد من الابتكار إلى عدد قليل من الشركات ذات التمويل الجيد، مما قد يُخنق المنافسة والتنوع في المجال، نظرًا للتكاليف المرتبطة بأبحاث الذكاء الاصطناعي المتطورة.

تُركز الصناعة على تطوير تقنيات ذكاء اصطناعي أكثر كفاءة لمعالجة تحديات التكلفة هذه. تهدف الأبحاث في تقنيات مثل التعلم القليل، والتعلم الانتقالي، وهياكل النماذج الأكثر كفاءة في استخدام الطاقة إلى تقليل الموارد الحسابية المطلوبة لتطوير ونشر الذكاء الاصطناعي. علاوة على ذلك، يمكن أن يساعد الدفع نحو ذكاء اصطناعي مُوزع – تشغيل نماذج الذكاء الاصطناعي على الأجهزة المحلية بدلاً من السحابة – في توزيع الأحمال الحسابية وتقليل الضغط على مراكز البيانات المركزية.

ومع ذلك، يتطلب هذا التحول مجموعة خاصة به من الابتكارات التكنولوجية في تصميم الرقائق وتحسين البرامج. بشكل عام، من الواضح أن مستقبل الذكاء الاصطناعي لن يُشكل فقط من خلال التطورات في الخوارزميات وتصميم النماذج، بل أيضًا من خلال قدرتنا على التغلب على العقبات التكنولوجية والمالية الهائلة التي تأتي مع توسيع نطاق أنظمة الذكاء الاصطناعي. من المرجح أن تبرز الشركات التي يمكنها التنقل في هذه التحديات بفعالية كقادة في المرحلة التالية من ثورة الذكاء الاصطناعي.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي