دخلت المنافسة في سوق نماذج الذكاء الاصطناعي مرحلة جديدة بعد إعلان شركة DeepSeek خفض سعر نموذجها الرئيسي V4-Pro بنسبة 75%، وذلك بعد نحو شهر فقط من طرح الجيل V4 الذي يضم أيضاً V4 Pro وV4 Flash. الخطوة لا تبدو مجرد عرض مؤقت، بل تعكس تحولاً أوسع في كلفة تشغيل النماذج، خصوصاً في مهام الاستدلال طويلة السياق التي تستهلك عادة موارد كبيرة وتفرض فواتير مرتفعة على الشركات.
وبحسب الأسعار الجديدة، انخفضت كلفة الاستخدام من مستويات كانت تبدأ عند 0.0145 دولار لكل مليون توكن في حالات الاستفادة من الذاكرة المؤقتة، وتصل إلى 3.48 دولار لكل مليون توكن مخرجات، إلى نطاق جديد يبدأ من 0.003625 دولار ويصل إلى 0.87 دولار لكل مليون توكن مخرجات. هذا التراجع الحاد يضع ضغوطاً مباشرة على نماذج التسعير المرتفعة التي تعتمدها شركات مثل OpenAI وAnthropic وGoogle في السوق المؤسسية.
ما الذي يعنيه خفض السعر بهذا الحجم
عندما تعلن شركة خفضاً بهذا الحجم خلال فترة قصيرة من الإطلاق، فإن الرسالة الأساسية للسوق هي أن كلفة الاستدلال لم تعد ثابتة كما كانت قبل عام أو عامين. التحسينات في البنية التقنية، وإدارة الذاكرة، وكفاءة المعالجة في السياقات الطويلة، أصبحت تسمح بتقديم نفس الفئة من الخدمات بسعر أقل بكثير.
وتشير تقديرات محللين إلى أن V4-Pro صُمم لتقليل كلفة الاستدلال في المهام التي تعتمد على سياق طويل، مع استهلاك أقل للحوسبة لكل توكن، وانخفاض كبير في متطلبات الذاكرة مقارنة بالإصدارات السابقة. لهذا السبب، ينظر البعض إلى الخطوة باعتبارها تمريراً لمكاسب الكفاءة إلى العملاء، وليس خصماً تسويقياً قصير المدى.
هذا التطور مهم لأن كثيراً من المؤسسات اكتشفت في الموجة الأولى من مشاريع الذكاء الاصطناعي أن الفاتورة الفعلية لا تقتصر على استدعاء النموذج فقط، بل تشمل أيضاً البحث داخل البيانات، وأدوات التنسيق بين الأنظمة، والمراقبة، والتسجيل، والحوكمة. لذلك فإن أي خفض في كلفة النموذج الأساسي ينعكس مباشرة على جدوى التوسع من التجارب المحدودة إلى الاستخدام الواسع.
تقارب أكبر مع المنافسين الغربيين
أطلقت DeepSeek سابقاً نموذج R1 الموجه لمهام الاستدلال، ولفت الانتباه بسبب الجمع بين الأداء والكفاءة في الكلفة. ومع الجيل V4، تحاول الشركة تقليص الفجوة مع المنافسين الغربيين في المهام الصعبة مثل الرياضيات المعقدة والاستدلال متعدد الخطوات. كما أن النماذج الجديدة تأتي مع طابع مفتوح المصدر أو مفتوح الأوزان بدرجة تسمح للمطورين بتشغيلها محلياً وتعديلها وفق احتياجاتهم.
هذه النقطة تمنح الشركة ميزة إضافية تتجاوز السعر وحده. فالمؤسسات لا تبحث فقط عن نموذج قوي، بل عن قدرة على دمجه مع أدواتها الداخلية، وتشغيله داخل بنيتها الخاصة، وتخصيصه لمهام محددة دون الاعتماد الكامل على مزود خارجي. كما أن دعم أدوات الوكلاء البرمجيين الشائعة يزيد من قابلية تبني هذه النماذج في بيئات التطوير الحديثة.
مع ذلك، لا يزال هناك فرق بين امتلاك نموذج قوي من حيث الأداء الخام، وبين امتلاك منظومة متكاملة تحيط به. فالمنافسون الكبار لا يبيعون النموذج وحده، بل يقدمون أيضاً دعماً عالمياً، وتكاملاً عميقاً مع البنية السحابية، وخدمات أمان وامتثال، ومسارات واضحة للتعاقد والتدقيق. لهذا قد يكون تقارب الأداء وحده غير كافٍ لحسم قرار الشراء في المؤسسات الكبيرة.
أثر مباشر على عائد الاستثمار للمؤسسات
من أكثر النقاط التي تجعل خفض السعر مؤثراً، أن كلفة الاستدلال ظلت أحد أكبر العوائق أمام توسيع مشاريع الذكاء الاصطناعي داخل الشركات. التجارب الأولية قد تبدو واعدة، لكن عند الانتقال إلى آلاف المستخدمين أو ملايين الطلبات، تبدأ الحسابات المالية في الظهور بوضوح.
في هذا السياق، قد يسمح انخفاض كلفة V4-Pro بجعل حالات استخدام كانت صعبة اقتصادياً أكثر قابلية للتنفيذ. من بينها المساعدون الرقميون العاملون طوال الوقت، ومراجعة كميات كبيرة من المستندات، وتوليد الشيفرات البرمجية، ودعم العملاء في المستوى الأول، وسير العمل الذي يعتمد على أكثر من وكيل ذكي داخل المؤسسة.
لكن الاستفادة الحقيقية من هذا التراجع في الأسعار تعتمد على طريقة الوصول إلى النموذج. إذا كانت المؤسسة قادرة على تشغيله على بنيتها الخاصة، فإن الوفر المالي قد يكون كبيراً جداً. أما إذا تم استهلاكه عبر مزود خارجي أو منصة وسيطة، فقد ترتفع الكلفة الفعلية مقارنة بالسعر المعلن، ما يقلص جزءاً من الفائدة الاقتصادية.
لهذا أصبحت المقارنة الأهم لدى كثير من مديري التقنية ليست بين نموذج وآخر فقط، بل بين النشر المحلي والاستهلاك عبر واجهات برمجة التطبيقات. في بعض الحالات، قد يكون تشغيل النموذج داخل بيئة الشركة أكثر كفاءة على المدى الطويل، خاصة عندما تكون أحجام الاستخدام مرتفعة أو البيانات شديدة الحساسية.
تصاعد الضغط على نماذج التسعير المميزة
الخطوة التي اتخذتها DeepSeek تضيف ضغطاً جديداً على الشركات التي تعتمد نموذج تسعير مرتفعاً مقابل نماذجها الرئيسية. فحين يتوفر بديل أقل سعراً مع مستوى أداء قريب في عدد من المهام المهمة، يصبح من الأصعب تبرير الفجوة السعرية الكبيرة، خصوصاً في الأعمال اليومية ذات الحجم الكبير والاستهلاك المتكرر.
هذا لا يعني أن النماذج الأعلى سعراً ستفقد مكانتها سريعاً. ما يزال هناك طلب قوي على النماذج التي تقدم أفضل أداء ممكن في المهام الحساسة، أو التي تأتي ضمن منظومة مؤسسية متكاملة. لكن السوق قد يتجه تدريجياً بعيداً عن التسعير القائم فقط على استهلاك التوكنات، نحو صيغ أكثر ارتباطاً بالقيمة الناتجة أو بالمخرجات الفعلية.
بمعنى آخر، قد تضطر الشركات الكبرى إلى إعادة ترتيب عروضها، إما من خلال تخفيض الأسعار، أو تقديم باقات مؤسسية أكثر مرونة، أو التركيز على الخدمات التي يصعب على المنافسين الجدد مجاراتها، مثل الامتثال، والحماية، والتكامل مع الأنظمة المعقدة، وإدارة دورة حياة التطبيقات الذكية.
نحو استراتيجية متعددة النماذج
أحد النتائج المحتملة لهذا التحول هو تسارع تبني المؤسسات لاستراتيجية متعددة النماذج، على غرار ما حدث سابقاً مع الحوسبة السحابية متعددة المزودين. بدلاً من الاعتماد على نموذج واحد لكل المهام، قد تتجه الشركات إلى توزيع الأدوار بين عدة فئات من النماذج.
في هذا التصور، تستخدم النماذج الأعلى سعراً للمهام ذات المخاطر العالية أو التي تتطلب أعلى دقة، بينما تتولى النماذج المتخصصة أعمالاً محددة في مجالات بعينها، وتقوم النماذج الأصغر أو الأرخص بتنفيذ المهام المتكررة التي تحتاج إلى حجم كبير وكلفة أقل. وبين هذه الطبقات، تظهر الحاجة إلى طبقة تنسيق تدير التوجيه بين النماذج، وتراقب الأداء، وتسجل العمليات، وتطبق سياسات الحوكمة.
هذا التحول مهم لأنه يعكس نضجاً أكبر في طريقة بناء المنتجات الداخلية المعتمدة على الذكاء الاصطناعي. بدلاً من السعي وراء أقوى نموذج لكل شيء، تبدأ المؤسسات في تصميم بنية أكثر عملية، توازن بين الجودة والكلفة والسيطرة على البيانات.
المخاطر التي لا يلغيها خفض السعر
رغم الميزة الواضحة في الكلفة، فإن قرار استخدام نموذج من هذا النوع لا يمكن أن يُبنى على السعر وحده. المؤسسات، خصوصاً الكبيرة منها، تحتاج إلى تقييم دقيق للمخاطر المرتبطة بمكان معالجة البيانات، والأنظمة القانونية التي تخضع لها، وإمكانية الاحتفاظ بالسجلات، والوصول إلى المحتوى، والتدقيق في المخرجات.
من أبرز هذه المخاطر مسألة سيادة البيانات. إذا كانت المؤسسة تعتمد على واجهة خارجية مستضافة في ولاية قضائية مختلفة، فقد تنتقل المطالبات والوثائق والتضمينات والسجلات التشغيلية خارج حدودها التنظيمية. هذا يطرح أسئلة مهمة تتعلق بالامتثال، وحماية الخصوصية، وطبيعة الوصول إلى البيانات.
هناك أيضاً خطر يتعلق بتسرب الملكية الفكرية. المطورون أو الموظفون قد يضعون شيفرات مصدرية، أو تصاميم منتجات، أو مسودات قانونية، أو بيانات حساسة ضمن سير العمل مع النموذج. وإذا كان هذا النموذج خارجياً، فقد تصبح آليات التخزين أو التسجيل أو الإضافات نقطة ضعف إضافية يجب الانتباه إليها.
كما أن قابلية الدفاع التنظيمي تبقى عاملاً حاسماً. على مديري التقنية أن يفهموا بوضوح أين تتم المعالجة، وما الذي يتم الاحتفاظ به، ومن يمكنه الوصول إلى البيانات، وما الضمانات التعاقدية المتاحة، وهل يمكن تشغيل النموذج ذاتياً، وما مدى إمكانية تدقيق المخرجات ومسارات الاستخدام.
النشر المحلي كحل أكثر أماناً
لهذه الأسباب، يرى عدد من الخبراء أن الطريق الأكثر أماناً أمام المؤسسات هو تشغيل النموذج محلياً أو داخل سحابة سيادية خاضعة لسيطرتها. هذا النهج يمنح الشركة قدرة أكبر على تطبيق التشفير، وإدارة الصلاحيات، وتسجيل الأنشطة، وربط النموذج بسياسات الأمان الداخلية دون الاعتماد الكامل على طرف خارجي.
ومع أن النشر المحلي يضيف تحديات تشغيلية تتعلق بالبنية التحتية والصيانة والتحديثات، فإنه قد يكون الخيار الأنسب عندما تكون البيانات عالية الحساسية أو عندما تكون القواعد التنظيمية صارمة. وفي بعض الحالات، قد يجمع القرار الأفضل بين النشر المحلي لبعض المهام الحساسة، واستخدام واجهات خارجية للمهام الأقل خطورة.
سوق الذكاء الاصطناعي يدخل مرحلة تسعير جديدة
ما قامت به DeepSeek لا يقتصر على خفض أسعار نموذج واحد، بل يعكس اتجاهاً أوسع في السوق: الأداء القوي لم يعد حكراً على العروض الأعلى سعراً، وكلفة التشغيل بدأت تنخفض بوتيرة أسرع، والمؤسسات أصبحت أكثر قدرة على التفاوض والمفاضلة بين الخيارات.
في الأشهر المقبلة، قد تظهر استجابات من الشركات المنافسة على شكل تعديلات سعرية، أو منتجات مؤسسية جديدة، أو إعادة صياغة لطرق تحقيق الإيرادات. لكن المؤكد أن المشترين في سوق الذكاء الاصطناعي أصبحوا في موقع أقوى من السابق، وأن معادلة الكفاءة مقابل السعر ستبقى عاملاً حاسماً في قرارات التبني.
وبالنسبة للمؤسسات، فإن الرسالة الأوضح هي أن اختيار النموذج لم يعد قراراً تقنياً فقط، بل قراراً مالياً وتشغيلياً وتنظيمياً في الوقت نفسه. خفض الأسعار قد يفتح الباب أمام استخدامات أوسع، لكنه لا يعفي من الحاجة إلى تقييم البنية، والمخاطر، والامتثال، وطريقة إدارة النماذج على المدى الطويل.