الإجاباتمنشور21 المصادر
الذكاء الاصطناعي يصبح أرخص… لكن البنية التحتية تزداد كلفة
تراجعت تكلفة تشغيل نماذج بمستوى مماثل بنحو 95% وفق بعض التقديرات، لكن رقائق الذكاء الاصطناعي والذاكرة ومراكز البيانات لا تزال تعاني قيوداً في المعروض. خفضت OpenAI أسعار نموذج Luna بنسبة 80% وTerra بنسبة 20%، ثم خفضت سعر نموذج Sol المتقدم بأكثر من 20% للمطورين، في إشارة إلى اشتداد حرب الأسعار.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- تراجعت تكلفة تشغيل نماذج بمستوى مماثل بنحو 95% وفق بعض التقديرات، لكن رقائق الذكاء الاصطناعي والذاكرة ومراكز البيانات لا تزال تعاني قيوداً في المعروض.
- خفضت OpenAI أسعار نموذج Luna بنسبة 80% وTerra بنسبة 20%، ثم خفضت سعر نموذج Sol المتقدم بأكثر من 20% للمطورين، في إشارة إلى اشتداد حرب الأسعار.
- أظهرت نتائج Nvidia أن الطلب على البنية التحتية لا يزال قوياً للغاية، إذ بلغت الإيرادات الفصلية 96.2 مليار دولار، منها 89 مليار دولار من مراكز البيانات.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How is the AI industry’s emerging economic squeeze—marked by a roughly 95% collapse in token prices since early 2024, the appearance of free. Article summary: The industry is becoming a barbell: AI capability is rapidly commoditizing for users, while the physical inputs needed to supply it—advanced fabrication, high-bandwidth memory, servers, power, and data-center capacity—re. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
ينقسم اقتصاد الذكاء الاصطناعي increasingly إلى نصفين: تكلفة استخدام «الذكاء» نفسه تهبط بسرعة، في حين تبقى تكلفة بناء البنية التحتية التي تقدمه مرتفعة ومقيدة بعوامل مادية، مثل تصنيع الرقائق المتقدمة، والذاكرة عالية النطاق الترددي، والخوادم، والشبكات، والكهرباء، وسعة مراكز البيانات.
هذه ليست مجرد قصة عن الأسعار. فالاختلاف بين تكلفة الخدمة وتكلفة إنتاجها يعيد تحديد الشركات القادرة على حماية هوامش أرباحها، ويغير الطريقة التي ينبغي للمستثمرين أن يقيّموا بها الإنفاق على الذكاء الاصطناعي، كما يفتح باباً جديداً لمخاطر الائتمان.
حرب الأسعار تنقل القيمة بعيداً عن الرموز
تشير تقديرات عدة إلى أن تكلفة الاستدلال المكافئ، أي تشغيل النموذج لإنتاج الإجابات، انخفضت بنحو 95% خلال فترة تقارب عامين. وتختلف النسبة الدقيقة بحسب النماذج والمهام ومستوى الجودة الذي تجري مقارنته، لكن الاتجاه العام أكثر وضوحاً من الرقم نفسه: قدرات كانت تُباع بأسعار مرتفعة عبر واجهات برمجة التطبيقات أصبحت متاحة عبر نماذج أرخص وبدائل مفتوحة الأوزان. 39
وتوضح تخفيضات OpenAI الأخيرة حجم الضغط. فقد خفضت الشركة سعر نموذج GPT-5.6 Luna الأصغر بنسبة 80%، وسعر نموذج Terra متوسط المستوى بنسبة 20% في يوليو 2026. 34 وفي أغسطس، أعلنت خفضاً إضافياً يتجاوز 20% لسعر نموذج GPT-5.6 Sol المتقدم الموجه إلى المطورين.
33
بالنسبة إلى المستخدمين، تبدو هذه التطورات إيجابية. فالتكلفة الأقل تجعل تشغيل الوكلاء البرمجيين، وأتمتة خدمة العملاء، وإنشاء المحتوى، وكتابة الشيفرات، ومعالجة كميات أكبر من البيانات أكثر جدوى. لكن بالنسبة إلى مزودي النماذج، يعني كل خفض تراجع الإيرادات لكل وحدة، ما لم يرتفع الاستخدام بما يكفي لتعويض ذلك.
وهنا يجب التمييز بين ذكاء أرخص وأنظمة ذكاء اصطناعي أرخص. فقد تنخفض أسعار الرموز، وهي الوحدات التي تُقاس بها كمية استخدام النموذج، بينما تظل كلفة المنتج الموثوق مرتفعة بسبب استرجاع البيانات، والمراقبة، والأمن، وزمن الاستجابة، والتكامل مع أنظمة الشركات، والمراجعة البشرية.
البنية المادية تتحرك في الاتجاه المعاكس
لا تتوسع البنية التحتية اللازمة لتشغيل مزيد من أحمال الذكاء الاصطناعي بالسرعة نفسها التي ينمو بها الطلب. ووفقاً لتقرير نقلته رويترز، رفعت Samsung أسعار بعض خدمات تصنيع الرقائق المتقدمة للغير بما يصل إلى 15% على الطلبات الجديدة، مع اشتداد الطلب على رقائق الذكاء الاصطناعي وتقلص الطاقة الإنتاجية المتاحة. 1
كما قالت Samsung إن نقص الرقائق قد يصبح أكثر حدة ويمتد حتى عام 2028، بينما تسعى إلى إبرام اتفاقيات توريد متعددة السنوات مع كبار مشغلي مراكز البيانات. 2 وأشارت أعمال الذاكرة لديها إلى إطار قد يغطي نحو 60% إلى 70% من الطاقة الإنتاجية بعقود طويلة الأجل إذا اكتملت المفاوضات.
5
6
وهذا يغير طبيعة السوق. فلم تعد الطاقة الإنتاجية متاحة ببساطة لمن يدفع السعر الفوري؛ إذ يحجز العملاء الكبار الإمدادات قبل سنوات، ما يحسن قدرتهم على الحصول على الرقائق والذاكرة، لكنه يترك المشترين الأصغر أكثر عرضة للنقص وتقلبات الأسعار.
وتبدو توقعات الذاكرة أكثر تشدداً. فقد قال كواك نو-جونغ، الرئيس التنفيذي لـSK Hynix، إن الصناعة قد تواجه أسوأ عام من ناحية الإمدادات في 2027، وإن الطلب ربما يظل أعلى من الطاقة الإنتاجية بعد عام 2030. وهذه توقعات صادرة عن شركة وليست نتيجة مؤكدة، لكنها توضح أن استجابة المعروض قد تحتاج إلى سنوات. 17
نتائج Nvidia تكشف استمرار قوة البنية التحتية
تظهر أحدث نتائج Nvidia أن انخفاض أسعار النماذج لم يضعف، حتى الآن، الطلب على طبقة العتاد. فقد أعلنت الشركة إيرادات بلغت 96.2 مليار دولار في الربع المالي الثاني من 2027، بزيادة 106% على أساس سنوي، بينما بلغت إيرادات مراكز البيانات 89 مليار دولار، بارتفاع 117%. 49
50
وهنا تكمن المفارقة الأساسية: قد تقلل النماذج الأكثر كفاءة كمية الحوسبة اللازمة لتنفيذ مهمة واحدة، لكن الأسعار الأقل قد تشجع على استخدام أكبر بكثير. فإذا نما الطلب بسرعة تتجاوز مكاسب الكفاءة، يمكن أن يستمر استهلاك البنية التحتية في الارتفاع حتى مع انخفاض تكلفة كل عملية استدلال.
لكن الاختناق قد ينتقل من جزء إلى آخر. فقد تتوافر مسرّعات الحوسبة، بينما تصبح الذاكرة أو التغليف المتقدم أو الشبكات أو الكهرباء أو توصيلات الشبكة العامة هي العامل المحدد. وبلغ هامش الربح الإجمالي المعلن لدى Nvidia نحو 75% في الربع، إلا أن ارتفاع تكاليف الذاكرة قد يضغط على الهوامش المستقبلية. 49
53
والدرس هنا ليس أن اقتصاديات البنية التحتية انهارت، بل أن قوة الطلب لا تجعل جميع حلقات سلسلة التوريد مربحة بالدرجة نفسها.
شركات السحابة الكبرى تستطيع امتصاص الصدمة… إلى حد ما
تتمتع شركات الحوسبة السحابية العملاقة بموقع أفضل من مزودي الذكاء الاصطناعي الأصغر لإدارة الفجوة بين انخفاض أسعار الخدمات وارتفاع كلفة البنية التحتية. فهي توزع استثماراتها على الحوسبة السحابية والإعلانات والبرمجيات ومنصات المستهلكين، كما تستطيع دمج الذكاء الاصطناعي في عقود أوسع، واستخدام قنوات توزيعها لرفع معدل الاستخدام، والتفاوض على اتفاقيات توريد طويلة الأجل.
لذلك قد تؤدي هذه الشركات دور «ممتص الصدمات» في القطاع. فقد تقبل هوامش أقل في خدمات الذكاء الاصطناعي لحماية علاقاتها السحابية أو كسب حصة سوقية. لكن الثمن هو تراجع كفاءة رأس المال: فإذا انخفضت الأسعار أسرع من نمو الاستخدام، فقد يستغرق استرداد الاستثمارات الهائلة في مراكز البيانات وقتاً أطول.
أما الشركات الأصغر التي تستأجر قدرة مكلفة ثم تعيد بيع وصول عام إلى النماذج، فستكون في موقف أكثر هشاشة. وستحتاج الشركات القابلة للاستمرار إلى التميز عبر امتلاك سير العمل، أو بيانات خاصة، أو مزايا أمنية وموثوقية، أو توزيع قوي، أو تسعير مرتبط بنتيجة أعمال قابلة للقياس بدلاً من حجم الرموز المستخدمة.
انخفاض الأسعار لا يضمن مكاسب إنتاجية سريعة
من المفترض أن تشجع الأسعار الأقل على التجربة والتبني، لكن التبني لا يساوي بالضرورة قيمة اقتصادية محققة. فما زالت الشركات بحاجة إلى إعادة تصميم العمليات، وتنظيف البيانات، وربط الأنظمة، وتدريب الموظفين، ووضع ضوابط واضحة قبل أن يتحول الذكاء الاصطناعي إلى مكاسب إنتاجية مستدامة.
وهذا يخلق مخاطرة زمنية للمستثمرين. فقد يتسارع الإنفاق قبل ظهور عوائد قابلة للقياس، خصوصاً عندما تشتري الشركات القدرة الحوسبية أو البرمجيات لأن منافسيها يفعلون ذلك. وإذا ظهرت مكاسب الإنتاجية في وقت متأخر عن المتوقع، فستظل التزامات البنية التحتية ثابتة، بينما قد تُراجع توقعات إيرادات الذكاء الاصطناعي بالخفض.
السيناريو الإيجابي هو أن يؤدي انخفاض تكلفة الاستدلال إلى توسع هائل في الاستخدام، فترتفع المصروفات الإجمالية على الذكاء الاصطناعي واستهلاك السحابة والإنتاجية. أما السيناريو السلبي فهو أن تنهار أسعار النماذج أسرع من نمو الاستخدام، فتتعرض بعض مشاريع مراكز البيانات لعوائد أقل من تلك التي افترضتها خططها التمويلية.
الائتمان سيعتمد على الطلب المتعاقد عليه
يتحول توسع الذكاء الاصطناعي أيضاً إلى قضية في أسواق الائتمان. فمراكز البيانات وعمليات الاستحواذ على البنية التحتية والتزامات شراء المكونات تحتاج إلى رأس مال كبير، وغالباً ما تمتد آجاله لسنوات طويلة.
يكون الاقتراض أكثر قابلية للدفاع عنه عندما تدعمه عقود متعددة السنوات مع عملاء يتمتعون بقدرة ائتمانية قوية واستخدام متوقع. لكنه يصبح أكثر تعرضاً للخطر عندما يعتمد السداد على طلب مستقبلي غير مؤكد. وقد تؤدي الأسعار الأقل، أو بطء نمو الاستخدام، أو ارتفاع تكاليف الكهرباء، أو نقص المكونات إلى إضعاف التدفقات النقدية لمشروع البنية التحتية.
ولا يعني ارتفاع تكلفة التأمين على الائتمان أو اتساع شريحة الدين الأدنى مرتبة أن أزمة ائتمانية وشيكة، لكنه يشير إلى أن المقرضين يطلبون تعويضاً أكبر عن مخاطر الهبوط. وعندها تصبح جودة العقود ومرونة التدفقات النقدية أهم من مجرد العناوين التي تتحدث عن قوة الطلب على الذكاء الاصطناعي.
أثر اقتصادي مختلط: خدمات أرخص ومدخلات أغلى
قد يكون الذكاء الاصطناعي عاملاً لخفض التضخم في الخدمات الرقمية. فالتكلفة الأقل للاستدلال يمكن أن تخفض كلفة البرمجة والتحليلات وخدمة العملاء وإنتاج المحتوى وبعض الأعمال الإدارية، إذا مررت الشركات هذه الوفورات إلى العملاء بدلاً من الاحتفاظ بها في صورة هوامش ربح.
لكن بناء البنية التحتية قد يضغط في الاتجاه المعاكس داخل أسواق محددة. فالذاكرة والرقائق المتقدمة والخوادم وأعمال الإنشاء والأراضي والكهرباء وتوصيلات الشبكة قد تصبح أكثر تكلفة. وقد يكون النمط القريب هو انخفاض أسعار العمل الرقمي المدعوم بالذكاء الاصطناعي، بالتزامن مع ضغوط تضخمية في السلع الرأسمالية والطاقة اللازمة لإنتاجه.
لذلك لن ينتج عن الذكاء الاصطناعي أثر موحد يمكن وصفه ببساطة بأنه «تضخم» أو «انكماش». وسيتوقف الأثر على سرعة انتشار مكاسب الكفاءة مقارنة بسرعة ظهور الاختناقات، وعلى قرار الشركات تمرير الوفورات إلى العملاء أو تحويلها إلى أرباح.
سلاسل الإمداد تتحول إلى أصول استراتيجية
تزيد حجوزات الطاقة الإنتاجية لسنوات مقبلة من الأهمية الجيوسياسية لأشباه الموصلات. تتمتع Samsung وSK Hynix بنفوذ أكبر في سوق الذاكرة، بينما يظل تصنيع المنطق المتقدم والتغليف المتقدم متركزاً لدى عدد محدود من الموردين والمناطق.
وعندما تُحجز الطاقة الإنتاجية قبل سنوات، تصبح قيود التصدير والدعم الحكومي والاضطرابات الإقليمية أكثر تأثيراً، لأن الإمدادات لا يمكن إعادة توجيهها بسرعة. وقد تجد شركات الذاكرة الصينية فرصاً في القطاعات الأقل تقييداً مع صعود الطلب العالمي، لكن اللحاق بالجيل الأحدث من ذاكرة HBM وغيرها من المكونات الحيوية للذكاء الاصطناعي أكثر صعوبة بسبب اعتماد العملاء ومتطلبات الاعتمادية والتعقيد التقني وقواعد التصدير والمشتريات.
من سيدفع ثمن الفجوة؟
السؤال الذي لم يُحسم بعد هو: من سيتحمل الفرق بين ذكاء اصطناعي أرخص للمستهلك، وذكاء اصطناعي أغلى إنتاجاً؟
- قد تمتص شركات السحابة الكبرى الفجوة عبر هوامش أقل، مع استخدام الذكاء الاصطناعي لحماية منظوماتها الأوسع.
- قد يحتفظ موردو الرقائق والذاكرة بقوة تسعيرية مدفوعة بالندرة طالما ظل المعروض محدوداً.
- قد يتحمل المستثمرون الفجوة في صورة عوائد أقل على الإنفاق الضخم على البنية التحتية.
- قد يتحمل المقرضون المخاطر عبر فروق ائتمانية أوسع أو خسائر إذا أصبحت المشاريع مفرطة في الاقتراض.
- وقد يدفع العملاء أكثر إذا نجح مزودو الخدمات في تحويل تكلفة البنية التحتية إلى منتجات أعلى قيمة مرتبطة بنتائج أعمال واضحة.
والنتيجة الأقرب على المدى القصير قد تكون مزيجاً من الاحتمالات الثلاثة الأولى. سيستمر الوصول إلى الذكاء الاصطناعي في أن يصبح أرخص، لكن البنية التحتية اللازمة لتشغيله ستظل مكلفة إلى أن يلحق المعروض بالطلب، أو يثبت أن الطلب الفعلي لا يبرر الالتزامات التي يجري التعهد بها اليوم.
المغزى الاستراتيجي واضح: انخفاض أسعار الرموز لا يعني نهاية قصة الاستثمار في الذكاء الاصطناعي، بل يختبر أين توجد القيمة المستدامة عندما يصبح الذكاء وفيراً، بينما تظل الآلات والذاكرة والطاقة وقنوات التوزيع نادرة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "الذكاء الاصطناعي يصبح أرخص… لكن البنية التحتية تزداد كلفة"؟
تراجعت تكلفة تشغيل نماذج بمستوى مماثل بنحو 95% وفق بعض التقديرات، لكن رقائق الذكاء الاصطناعي والذاكرة ومراكز البيانات لا تزال تعاني قيوداً في المعروض.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تراجعت تكلفة تشغيل نماذج بمستوى مماثل بنحو 95% وفق بعض التقديرات، لكن رقائق الذكاء الاصطناعي والذاكرة ومراكز البيانات لا تزال تعاني قيوداً في المعروض. خفضت OpenAI أسعار نموذج Luna بنسبة 80% وTerra بنسبة 20%، ثم خفضت سعر نموذج Sol المتقدم بأكثر من 20% للمطورين، في إشارة إلى اشتداد حرب الأسعار.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
أظهرت نتائج Nvidia أن الطلب على البنية التحتية لا يزال قوياً للغاية، إذ بلغت الإيرادات الفصلية 96.2 مليار دولار، منها 89 مليار دولار من مراكز البيانات.