تتجه صناعة الذكاء الاصطناعي إلى اختبار فرضية كانت تبدو قبل سنوات غير عملية: هل تحتاج الشركات فعلاً إلى نماذج عملاقة ومراكز بيانات ضخمة لإنجاز معظم المهام اليومية؟ دراسة حديثة، إلى جانب خطوة من Nvidia نحو منصة ذكاء اصطناعي تعمل على الحواسيب المكتبية، أعادت طرح هذا السؤال بقوة داخل أسواق التكنولوجيا والاستثمار.
النتيجة التي يلمح إليها هذا الاتجاه بسيطة في ظاهرها لكنها عميقة في أثرها التجاري: إذا كانت النماذج اللغوية الصغيرة قادرة على تقديم أداء قريب من النماذج الضخمة، أو أفضل منها في عدد كبير من الاستخدامات، فقد يصبح مستقبل الذكاء الاصطناعي أصغر حجماً وأقل كلفة، وربما أقل ربحية أيضاً مما تتوقعه السوق حالياً.
ما الذي تقوله الدراسة الجديدة؟
الدراسة التي أجراها باحثون في جامعة ستانفورد قارنت بين نماذج لغوية صغيرة تعمل محلياً على أجهزة مكتبية، ونماذج لغوية كبيرة تعمل داخل مراكز بيانات. واعتمدت التجربة على مئات الآلاف من طلبات المحادثة ومهام الاستدلال، ما يمنح النتائج وزناً أكبر من الاختبارات المحدودة المعتادة.
وبحسب النتائج، تمكنت النماذج الصغيرة من تحقيق أداء مساوٍ أو أفضل من النماذج الكبيرة في أكثر من 80% من المهام التي جرى اختبارها. وبلغت نسب النجاح مستويات قريبة من الكمال في تطبيقات مرتبطة بالمبيعات والإدارة والترفيه، وهي مجالات تمثل جزءاً مهماً من الاستخدامات التجارية للذكاء الاصطناعي.
لكن الصورة ليست متساوية في كل الحالات. ففي أكثر مهام الاستدلال تعقيداً، بقيت النماذج الصغيرة أقل قدرة على مجاراة النماذج الكبرى، مع نجاح في نحو نصف الحالات فقط. رغم ذلك، فإن هذا الفارق يبدو أضيق كثيراً مما كان عليه قبل عامين، عندما لم تكن النسبة تتجاوز 8% في تلك الفئة من المهام، ما يشير إلى أن الفجوة التقنية تضيق بسرعة.
الكفاءة في استهلاك الطاقة تتحول إلى ميزة اقتصادية
أحد أبرز ما يلفت النظر في هذه الدراسة هو التحسن السريع في ما يسميه الباحثون «الذكاء لكل واط». هذا المؤشر يقيس مقدار الدقة أو الفائدة التي يحققها النموذج مقابل الطاقة التي يستهلكها، وهو معيار مهم في سوق تتجه فيه الشركات إلى خفض التكاليف وتعظيم العائد من كل استثمار في العتاد والبرمجيات.
ووفقاً للدراسة، تحسن هذا المؤشر بأكثر من خمسة أضعاف خلال عامين فقط. وهذه القفزة لا تعني فقط أن النماذج الصغيرة أصبحت أكثر قدرة، بل أيضاً أنها تنجز مهامها باستخدام طاقة أقل بنحو 50% إلى 80% مقارنة بالحلول الأكبر. وبمعنى اقتصادي مباشر، هذا يفتح الباب أمام تشغيل جزء كبير من التطبيقات بسعر أرخص وبنية تحتية أخف.
في سوق الأعمال الرقمية، لا يُقاس النجاح بالأداء وحده، بل بالهامش بين الأداء والكلفة. وإذا أمكن تشغيل نماذج فعالة على أجهزة مكتبية أو حواسيب شخصية قوية، فإن الحاجة إلى توسيع مراكز البيانات قد تصبح أقل إلحاحاً في بعض الاستخدامات، وهو ما قد يغير معادلة الاستثمار في القطاع بأكمله.
الانعكاسات على شركات الذكاء الاصطناعي ومراكز البيانات
هذا التحول المحتمل يضع الضغوط على الشركات التي بنت توقعاتها وتقييماتها على أساس استمرار الطلب المتسارع على النماذج الضخمة. فالشركات التي تطور نماذج كبيرة، مثل OpenAI وAnthropic وxAI، تراهن على أن العملاء سيدفعون مقابل القوة الحسابية الأكبر والقدرات الأعلى. لكن إذا ثبت أن معظم الاستخدامات يمكن تلبيتها بنماذج أصغر، فإن التسعير وحجم الإيرادات المتوقع قد يتعرضان لمراجعة جوهرية.
المشكلة الأهم لا تتعلق بالتقنية وحدها، بل بنموذج العمل. النماذج الصغيرة المتقدمة يجري إتاحة كثير منها كمصادر مفتوحة أو بتكلفة منخفضة للغاية، ما يضغط على إمكانية تحقيق هوامش ربح مرتفعة. وفي بيئة تنافسية كهذه، قد تجد الشركات الكبرى نفسها مضطرة إلى تقديم خدمات أرخص أو تحسين منتجاتها بسرعة أكبر، مع اتساع نطاق التهديد القادم من المنافسة المجانية أو شبه المجانية.
إذا كان بالإمكان إنجاز عدد كبير من المهام على جهاز مكتبي بدلاً من مركز بيانات ضخم، فإن مبررات بناء منشآت مكلفة من الخوادم والرقائق المتخصصة تصبح أقل قوة. وهذا لا يؤثر فقط في شركات الذكاء الاصطناعي، بل يمتد إلى مزودي البنية التحتية السحابية وشركات تصنيع الرقائق التي استفادت من موجة الاستثمار الحالية.
هل تتعرض طفرة الإنفاق الرأسمالي لضغط قريب؟
السنوات الأخيرة شهدت سباقاً محموماً على بناء مراكز بيانات جديدة وشراء وحدات معالجة ورسومات عالية الكلفة، بدعم من توقعات بأن الطلب على الذكاء الاصطناعي سيظل يرتفع بوتيرة قوية. لكن إذا تبين أن النماذج الأصغر قادرة على تلبية معظم الاحتياجات التجارية اليومية، فقد ينخفض الزخم وراء هذا الإنفاق الرأسمالي.
في هذه الحالة، قد تصبح بعض المشاريع القائمة اليوم أقل جدوى اقتصادية مما كان مخططاً له. فالمراكز التي صُممت على أساس افتراض استمرار التوسع الهائل في استخدام النماذج الكبيرة قد تجد نفسها أمام مستوى طلب أقل من المتوقع. وعندها، لن تتأثر الشركات المشغلة لهذه المراكز فقط، بل أيضاً سلسلة التوريد المرتبطة بها، من موردي الطاقة إلى شركات العتاد الرقمي.
هذا السيناريو قد ينعكس كذلك على تقديرات التقييم في السوق. فكلما انخفضت الحاجة إلى البنية التحتية الضخمة، تراجعت الفرضية التي بنيت عليها توقعات النمو العالية لبعض الشركات المرتبطة بالذكاء الاصطناعي. وبالنسبة للمستثمرين، فإن السؤال لم يعد فقط: من يملك أفضل نموذج؟ بل أيضاً: من يملك النموذج الأكثر كفاءة اقتصادياً؟
الفائزون المحتملون في التحول الجديد
إذا انتقلت السوق فعلاً نحو النماذج الصغيرة، فقد تظهر فرص جديدة لشركات الأجهزة المكتبية، وعلى رأسها الشركات التي تبيع حواسيب قوية قادرة على تشغيل هذه النماذج محلياً. كما أن Nvidia قد تجد مساحة للحفاظ على دورها، خصوصاً بعد دخولها في مجال منصات الذكاء الاصطناعي المخصصة لأجهزة الكمبيوتر.
هذا التحرك يمكن قراءته كنوع من التحوط الاستراتيجي، إذ تسعى الشركة إلى البقاء حاضرة في أي سيناريو تطوره الصناعة، سواء استمر الاعتماد على السحابة أو انتقلت قطاعات واسعة إلى المعالجة المحلية. وفي عالم التكنولوجيا، لا ينجح اللاعبون الكبار فقط عبر رهاناتهم على الاتجاه السائد، بل أيضاً عبر الاستعداد للاتجاه الذي قد يحل محله.
في النهاية، لا تعني هذه المؤشرات أن مراكز البيانات ستختفي أو أن النماذج العملاقة ستفقد قيمتها بالكامل. لكنها توضح أن سوق الذكاء الاصطناعي قد يدخل مرحلة أكثر تعقيداً، تُقاس فيها القيمة بقدرة النموذج على الجمع بين الجودة، والسرعة، والتكلفة، واستهلاك الطاقة. وإذا استمر التحسن السريع في النماذج الصغيرة، فقد يكون الجزء الأكثر ربحية من الصناعة مختلفاً تماماً عما يتوقعه المستثمرون اليوم.