حرب أسعار الذكاء الاصطناعي في الصين تخفض كلفة المليون «رمز» إلى أقل من دولار، والإنفاق يواصل الصعود

انخفض السعر الفعلي الذي يدفعه السوق لقاء استدلال نماذج اللغة الكبيرة إلى مستوى غير مسبوق: بلغ 0.97 دولار لكل مليون رمز في 1 سبتمبر 2026، وفق مؤشر Silicon Data للإنفاق على رموز نماذج اللغة الكبيرة. وهذا أقل من نصف ذروته في وقت سابق من الصيف. لكن الرقم لا يعني أن الطلب على الذكاء الاصطناعي أو إنفاق الشركات عليه قد تراجع؛ فالمؤشر يقيس السعر الفعلي الموزون بالاستخدام لكل مليون رمز، وليس إجمالي عدد الرموز المستهلكة ولا مجموع الدولارات التي تنفقها المؤسسات على الذكاء الاصطناعي. 24

ماذا يقيس رقم 97 سنتاً فعلياً؟

تعرّف Silicon Data مؤشرها، المعروف بالرمز SDLLMTK، بأنه معيار لسعر استدلال نماذج اللغة الكبيرة المدمج. فهو يجمع بين أسعار مقدمي الخدمة وأنماط الاستهلاك المرصودة ضمن مجموعة محددة من النماذج، ليخرج بسعر فعلي لكل مليون رمز. 24

ولهذا فرق جوهري: إذا حوّل المستخدمون حصة أكبر من أعمالهم إلى نماذج أرخص، فقد يهبط المؤشر حتى مع ارتفاع إجمالي حجم الرموز، بل ومع ارتفاع ما تنفقه الشركات في المحصلة. أي إن المقياس يرصد تحوّل السعر ومزيج أعباء العمل، لا إيرادات السوق الإجمالية.

كيف غيّرت المنافسة الصينية مزيج الاستخدام؟

وفرت حرب الأسعار بدائل شديدة الانخفاض في الكلفة للمهام التي لا تتطلب أغلى النماذج المتقدمة. فعلى سبيل المثال، سُعّر نموذج DeepSeek V4-Flash عند 0.14 دولار لكل مليون رمز إدخال و0.28 دولار لكل مليون رمز إخراج. 49

كما خفضت DeepSeek في مايو 2026 أسعار V4-Pro بنسبة 75%، وهي خطوة وُصفت بأنها تصعيد للمنافسة بين مزودي النماذج الصينيين. 58 وزادت التخفيضات والعروض منخفضة الكلفة الأخرى في المنظومة الصينية الضغط على مقدمي النماذج المتنافسين على أحمال الاستدلال كثيفة الحجم. 452

تشير الأدلة إلى ارتباط قوي بين بيئة المنافسة هذه وهبوط السعر المدمج للرموز، لكنها لا تسمح بتحديد مساهمة سببية دقيقة لأي مختبر أو نموذج أو تخفيض سعري بعينه. فتحسن كفاءة النماذج، وزيادة السعة الحاسوبية، وقرارات العملاء بشأن توجيه الطلبات بين النماذج تؤثر أيضاً في المؤشر.

لماذا قد ترتفع مصروفات الذكاء الاصطناعي رغم انخفاض سعر الرمز؟

تتضح الصورة عبر علاقة بسيطة:

إجمالي الإنفاق على الرموز = السعر الفعلي لكل رمز × حجم الرموز

كلما انخفض سعر الوحدة أصبحت استخدامات أكثر مجدية اقتصادياً: أتمتة مزيد من سير العمل، وإتاحة مطالبات وسياقات أطول، وتوليد كمية أكبر من الشيفرات البرمجية، وتشغيل أنظمة «وكلاء» ذكاء اصطناعي أكثر. وإذا نما حجم الرموز بوتيرة أسرع من هبوط السعر الفعلي، يرتفع الإنفاق الكلي.

ويتسق ذلك مع تقارير تفيد بأن سعر الرمز انخفض بأكثر من 90% منذ 2023، فيما تضاعف الإنفاق على استخدام نماذج اللغة الكبيرة تقريباً منذ أواخر 2025. 4143 والآلية هنا ليست فشل تخفيضات الأسعار، بل اتساع نطاق المهام التي يصبح من المجدي أتمتتها بفضل الاستدلال الأرخص.

أحجام الاستخدام في الصين تكشف حجم الاستجابة

تجاوز الاستهلاك اليومي للرموز المرتبطة بالذكاء الاصطناعي في الصين 140 تريليون رمز بحلول مارس 2026، صعوداً من 100 تريليون في نهاية 2025، وفق تقديرات حكومية نقلتها رويترز. 18

وتدعم إفصاحات الشركات والقطاع المالي الاتجاه نفسه. فقد أعلن بنك التجار الصيني أن متوسط إنتاجيته اليومية من الرموز ارتفع بأكثر من 78% على أساس سنوي، بينما قدّرت تقارير منفصلة استهلاكه اليومي بنحو 33 مليار رمز بنهاية مايو. 1929 وأفادت تقارير أيضاً بأن بعض البنوك الصينية سجلت زيادات أكبر بكثير في متوسط استخدام الرموز اليومي. 20

ولا ينبغي قراءة هذه الأرقام كمقياس مباشر لإيرادات واجهات البرمجة، أو كدليل على أن كل عبء عمل يحقق عائداً اقتصادياً. لكنها تؤكد أن الاستدلال منخفض الكلفة يُترجم إلى استخدام أعلى بكثير وعلى نطاق واسع.

معادلة أصعب لمقدمي النماذج

يستفيد مشترو الذكاء الاصطناعي من انخفاض أسعار الاستدلال، لكن الأمر يفرض معادلة أكثر صعوبة على بائعي النماذج: فقد تنخفض الإيرادات لكل رمز، بينما تظل كلفة الشرائح ومراكز البيانات والتدريب وتطوير النماذج مرتفعة.

لذلك لم يعد السؤال الرئيسي هو ما إذا كان العملاء سيستهلكون الرموز الرخيصة؛ إذ تشير الأدلة إلى أنهم سيفعلون. السؤال هو ما إذا كانت الأحجام الأعلى، والعروض المتميزة، ومنتجات المؤسسات ستولد إيرادات مستدامة ومكاسب إنتاجية قابلة للقياس بالسرعة الكافية لتبرير استمرار الاستثمار في البنية التحتية. وقد سلطت التغطية المصاحبة لهبوط المؤشر الضوء على هذا الضغط على قدرة المزودين على التسعير وهوامشهم. 436

ما الذي يستحق المتابعة؟

الأهم ليس السعر المعلن لنموذج واحد، بل العلاقة بين مؤشرات عدة:

• السعر الفعلي المدمج للرموز، مثل SDLLMTK، لمعرفة أين يوجّه المشترون أعباء عملهم فعلياً. 2
• أحجام الرموز، لمعرفة ما إذا كانت الأسعار المنخفضة توسع الطلب.
• الإيرادات والهوامش، لمعرفة ما إذا كان مقدمو النماذج يحولون الاستخدام المتنامي إلى عائد مستدام.
• جودة أعباء العمل، لأن كثرة استهلاك الرموز وحدها لا تثبت وجود قيمة تجارية.

الخلاصة: ساعدت المنافسة الصينية على واجهات البرمجة منخفضة الكلفة في خفض استدلال نماذج اللغة الكبيرة بقوة، ودفع السعر المدمج في السوق إلى أقل من دولار لكل مليون رمز. غير أن السعر الأقل يحفز استخداماً أكبر، ولذلك يمكن أن يستمر ارتفاع استهلاك الرموز والإنفاق الإجمالي على الذكاء الاصطناعي في الوقت نفسه. 2441