بنية الذكاء الاصطناعي تتجه إلى الحافة: لماذا يراهن المستثمرون على الشبكات والحوسبة الموزعة

لم يعد الحديث عن الذكاء الاصطناعي يتركز فقط على النماذج والتطبيقات التي يراها المستخدم النهائي. في الخلفية، تتشكل طبقة أقل ظهوراً لكنها أكثر حسماً: البنية التحتية التي تجعل أنظمة الذكاء الاصطناعي قابلة للعمل على نطاق واسع، وخصوصاً في البيئات التي تتطلب استجابة فورية واعتمادية عالية مثل المصانع والموانئ والخدمات اللوجستية والمركبات المتصلة.

هذا التحول يدفع جزءاً من المستثمرين إلى التركيز على ما يمكن تسميته بطبقة الأساس، أي الشبكات، والحوسبة الطرفية، ودمج الاتصالات مع المعالجة المحلية، بدلاً من الاكتفاء بالمراهنة على تطبيقات قد تتبدل بسرعة مع ظهور نماذج أحدث وأرخص.

الفكرة الرئيسية هنا أن القيمة الطويلة الأجل قد لا تذهب كلها إلى الشركات التي تبني واجهات استخدام فوق نماذج جاهزة، بل إلى الشركات التي تبني الأنظمة المادية والبرمجية التي تسمح للذكاء الاصطناعي بالعمل في الزمن الحقيقي وبالقرب من نقطة اتخاذ القرار.

لماذا تتحول الأنظار من التطبيقات إلى البنية التحتية

تطبيقات الذكاء الاصطناعي حققت انتشاراً سريعاً، لكن كثيراً منها يعتمد على نماذج أساسية يمكن استبدالها مع الوقت. هذا يجعل قدرتها على الحفاظ على ميزة تنافسية أمراً أكثر صعوبة، خاصة عندما تنخفض كلفة الوصول إلى النماذج أو تصبح متاحة عبر عدة مزودين.

في المقابل، تبدو طبقة البنية التحتية أكثر ثباتاً. بناء شبكات اتصالات متقدمة، أو نشر حوسبة طرفية داخل مواقع صناعية، أو تطوير أنظمة دمج بين الأقمار الصناعية والشبكات الخلوية، كلها مشاريع تحتاج إلى استثمارات كبيرة ووقت طويل وخبرة تشغيلية يصعب تكرارها بسرعة.

كما أن المؤسسات التي تعتمد هذه الأنظمة لا تبدلها بسهولة. فعندما تدمج شركة صناعية شبكة خاصة من الجيل الخامس مع أنظمة ذكاء اصطناعي على أرض المصنع، فإن هذا الدمج يصبح جزءاً من تشغيلها اليومي، وليس مجرد أداة يمكن استبدالها في دورة شراء قصيرة.

AI RAN بين الفهم المحدود والفرصة الحقيقية

من المفاهيم التي تثير اهتماماً متزايداً في السوق ما يعرف بـ AI RAN، أي دمج الذكاء الاصطناعي داخل شبكات الوصول الراديوية. بالنسبة إلى كثير من المستثمرين خارج قطاع الاتصالات، قد يبدو هذا المجال تحديثاً تقنياً محدوداً في بنية الشبكات. لكن القراءة الأعمق تشير إلى أنه تغيير معماري مهم في مكان وجود الذكاء داخل الشبكة.

في النماذج التقليدية، تبقى طبقة الوصول اللاسلكي وسيلة لنقل البيانات إلى مكان آخر من أجل معالجتها. أما في النموذج الجديد، فإن جزءاً من التحليل واتخاذ القرار ينتقل إلى أقرب نقطة ممكنة من مكان العمل الفعلي. هذا يقلل التأخير الزمني، ويحسن كفاءة استهلاك الطاقة، ويجعل تشغيل الأنظمة الذاتية أكثر واقعية.

أهمية ذلك تظهر بوضوح في التطبيقات الصناعية. الروبوت الذي يعمل في خط إنتاج، أو المركبة الذاتية في موقع لوجستي، أو الطائرة من دون طيار في ممرات التوزيع، كلها تحتاج إلى استجابة في أجزاء صغيرة جداً من الثانية. إرسال كل قرار إلى سحابة بعيدة ثم انتظار الرد ليس خياراً عملياً في هذه الحالات.

ثلاثة اختناقات تعطل الذكاء الاصطناعي الصناعي

رغم التقدم السريع في النماذج، ما زالت هناك عقبات واضحة تمنع الانتقال إلى استخدام أوسع للذكاء الاصطناعي المستقل في البيئات الصناعية.

• أولاً: بنية التأخير الزمني. الإنترنت وشبكات المحمول بُنيت أساساً لتلبية احتياجات البشر في التصفح والتواصل. هذه الاستخدامات تتحمل زمناً بسيطاً من التأخير، لكن الأنظمة الآلية لا تتحمل ذلك بنفس الدرجة.
• ثانياً: فجوة الذكاء عند الحافة. كثير من الشبكات الحالية تتعامل مع المواقع الطرفية كقنوات لنقل البيانات فقط، بينما يتطلب الذكاء الاصطناعي في الزمن الحقيقي وجود قدرات محلية للمعالجة والتخزين والاستدلال.
• ثالثاً: التجزئة وضعف التوافق. البيئات الصناعية غالباً ما تضم أجهزة قديمة وبروتوكولات متعددة وأنظمة تشغيلية متباينة. ربط هذا الخليط بطبقة ذكاء اصطناعي موحدة يبقى تحدياً تقنياً وتشغيلياً معقداً.

هذه الاختناقات تفسر لماذا لا يكفي امتلاك نموذج قوي وحده. النجاح في هذا المجال يتطلب أيضاً بنية اتصالات قادرة على العمل في بيئات فعلية معقدة.

الحوسبة الطرفية تتحول إلى محور رئيسي

خلال السنوات الخمس المقبلة، من المرجح أن تصبح الحوسبة الطرفية واحدة من أهم طبقات النمو في الذكاء الاصطناعي الصناعي. السبب بسيط: كلما اقتربت المعالجة من موقع الحدث، أمكن تقليل التأخير وخفض الضغط على الشبكات وتحسين الاعتمادية.

في التصنيع، يظهر ذلك في مراقبة الجودة الفورية، والصيانة التنبؤية، وخطوط الإنتاج الآلية. وفي الخدمات اللوجستية، يتصل الأمر بإدارة الموانئ الذكية، وتتبع الشحنات، والتنسيق بين المركبات والرافعات والأنظمة الروبوتية. أما في التنقل المتصل، فتبرز الحاجة إلى أنظمة قادرة على التعامل مع البيانات المحلية دون الاعتماد الكامل على مراكز بيانات بعيدة.

لكن الحوسبة الطرفية ليست منتجاً واحداً. إنها طبقة متكاملة تضم المعالجة، والاتصال، وإدارة الطاقة، والبرمجيات التي تنسق العمل بين هذه المكونات. لذلك تميل الفرصة الأكبر إلى الشركات التي تبني حلولاً مترابطة، لا إلى تلك التي تقدم جزءاً معزولاً من المنظومة.

موجة استحواذ متوقعة في قطاع الاتصالات والبنية التحتية

مع تنامي أهمية البرمجيات والذكاء داخل الشبكات، بدأت شركات الاتصالات والمعدات الكبرى تبحث بشكل متزايد عن الاستحواذ على تقنيات وخبرات لا يمكن تطويرها داخلياً بالسرعة المطلوبة. هذا يوحي بأن السوق قد يدخل دورة اندماج واستحواذ أطول من المعتاد.

الشركات الكبيرة تدرك أن اقتصاديات البنية التحتية لم تعد قائمة فقط على الأجهزة والمعدات، بل على طبقات البرمجيات والتحكم والذكاء التشغيلي. وفي كثير من الأحيان، تتمتع الشركات الناشئة بميزة مهمة: القدرة على بناء أنظمة جديدة من دون إرث تقني قديم أو خطوط أعمال تحتاج إلى الحماية.

من هنا، قد تصبح شركات الذكاء الاصطناعي المرتبطة بالشبكات والحوسبة الطرفية أهدافاً طبيعية لعمليات استحواذ من قبل مزودي معدات الاتصالات، وشركات الشرائح، ومشغلي البنية التحتية الذين يريدون سد فجواتهم بسرعة.

الأمن القومي يعيد تشكيل السوق

الطلب على بنية الذكاء الاصطناعي لا يأتي فقط من منطق تجاري بحت. هناك عامل جيوسياسي متزايد الوضوح، يتمثل في رغبة الحكومات في امتلاك قدرات محلية أو سيادية في الحوسبة والشبكات وأشباه الموصلات.

هذا التوجه يرتبط بحماية البنية التحتية الحيوية، وتقليل الاعتماد على سلاسل توريد خارجية، وضمان تشغيل الأنظمة الحساسة داخل حدود وطنية أو ضمن بيئات خاضعة لسيطرة مباشرة. لذلك تزداد أهمية ما يمكن تسميته بالشبكات السيادية أو الحوسبة السيادية، وهي أنظمة تبنيها جهات حكومية أو صناعية كبرى لتشغيل أعباء عمل حساسة مع تحكم أعلى في البيانات والاعتمادية.

في هذا السياق، يصبح التداخل بين الاستخدام التجاري والاستخدام الاستراتيجي عاملاً مهماً في تقييم الشركات. فالمنصات التي تخدم المصانع أو المرافق الحيوية أو الدفاع أو الجهات العامة قد تستفيد من طلب أكثر استقراراً ودورات إنفاق أطول.

ما الذي يميز الشركات القادرة على الصمود

العمل في هذا القطاع ليس سهلاً. البنية التحتية للذكاء الاصطناعي كثيفة رأس المال، وتحتاج إلى طاقة، وتعتمد على سلاسل توريد معقدة. لذلك لا يكفي وجود فريق هندسي قوي أو تقنية متقدمة على الورق.

هناك عوامل عملية تحدد من ينجح فعلاً:

1. هيكل دخول السوق. الشركات التي تعتمد فقط على البيع المباشر قد تنمو ببطء. أما من يبني قنوات عبر المشغلين أو شركات التكامل أو العقود الحكومية فقد يحقق انتشاراً أسرع وأكثر استقراراً.
2. نوعية العملاء والعقود. البنية التحتية تحتاج إلى عقود طويلة، ونشر أولي واضح، وشركاء قادرين على تحمل دورات استثمار ممتدة.
3. الخبرة التشغيلية. التنفيذ على أرض الواقع لا يقل أهمية عن الابتكار التقني. إدارة المشتريات، والتوريد، والنشر، والصيانة، والعلاقة مع الجهات التنظيمية، كلها عناصر قد تحدد مصير الشركة.

لهذا السبب، يميل بعض المستثمرين إلى إعطاء وزن كبير للفرق التي تضم خبرة مباشرة في تشغيل الشبكات أو تنفيذ مشاريع صناعية معقدة، وليس فقط في تطوير البرمجيات.

مستقبل البنية: سحابة مركزية وحافة موزعة

الصورة الأرجح خلال السنوات المقبلة ليست انتصاراً كاملاً للسحابة المركزية ولا استبدالها الكامل بالحافة. المشهد يتجه إلى نموذج متعدد الطبقات.

مراكز الحوسبة الضخمة ستبقى أساسية لتدريب النماذج الكبيرة وتشغيل بعض أعباء الاستدلال واسعة النطاق. لكن عند نقطة الاستخدام، وخصوصاً في البيئات التي تتطلب سرعة واستقلالية وحماية للبيانات، ستتوزع قدرات المعالجة على الحافة داخل المصانع والمركبات والأبراج ومراكز البيانات المحلية.

هذا يعني أن بنية اقتصاد الذكاء الاصطناعي ستكون أكثر توزيعاً مما كان متوقعاً قبل سنوات قليلة. وسيكون النجاح من نصيب الشركات التي تستطيع الربط بين هذه الطبقات: السحابة، والحافة، والشبكات، والأنظمة التشغيلية في العالم الفعلي.

في النهاية، يبدو أن المرحلة التالية من الذكاء الاصطناعي لن تُحسم فقط بمن يبني أفضل نموذج، بل أيضاً بمن يبني أفضل طريق لوصول هذا النموذج إلى الموقع الذي يُحدث فيه أثراً فورياً وآمناً وموثوقاً.