تقوم شركات الذكاء الاصطناعي بتحويل تركيز المنافسة من حجم النماذج إلى أنظمة توجيه (routing) أكثر كفاءة من حيث التكلفة، مع انتقال الشركات من مرحلة التجارب إلى نشرها في بيئات الإنتاج. قال الرئيس التنفيذي لشركة Perplexity أرافيند سرينيفاس (Aravind Srinivas) لـ CNBC إن النموذج وحده لم يعد هو المنتج، مع التأكيد على أنظمة التنسيق التي تقترن فيها النماذج بأدوات مخصّصة لمهام معينة. يعكس هذا التحول تشديد الشركات الأمريكية إنفاقها على الذكاء الاصطناعي، إذ تسعى إلى نماذج مناسبة للمهام بدل الاعتماد دائمًا على الخيارات الأغلى.
Perplexity تَعرض نظامًا يعتمد نماذج صينية مفتوحة
قدّمت Perplexity خلال هذا الأسبوع معاينة لنظام جديد لمنتجها الخاص بالعمل على الحاسوب، مبنيًا على GLM 5.2، وهو نموذج مفتوح من Z.ai الصينية. صُمم النظام بحيث يتولى نموذج أرخص جزءًا أكبر من العمل، مع استدعاء نموذج أقوى فقط عند الحاجة.
"النموذج وحده لم يعد هو المنتج"، قال سرينيفاس لـ CNBC. "إنه العِدّة، نظام التنسيق الذي يضع النموذج داخل عِدّة قادرة جدًا ويُقرن النموذج بالكثير من الأدوات."
تتجه منتجات الذكاء الاصطناعي إلى أن تصبح أنظمة يمكنها تحديد أي نموذج يجب استخدامه، ومتى يُستخدم، وأي أدوات خارجية أو مصادر بيانات تابعة للشركة يلزم الاعتماد عليها. قد لا تحتاج مهمة خدمة العملاء إلى أغلى نموذج، بينما قد تحتاج مشكلة برمجة معقدة إلى ذلك. قد تعمل سير عمل داخلية روتينية على نموذج مفتوح أرخص، مع تصعيد الخطوات الأكثر صعوبة إلى نماذج أقوى.
شريك في Benchmark يتوقع سيطرة الرموز مفتوحة الأوزان
تزداد قدرة نماذج مفتوحة الأوزان، التي يمكن تنزيلها وضبطها وتشغيلها بواسطة الشركات نفسها، على نحو يفوق نماذج ملكية فاخرة صادرة عن أكبر مختبرات الذكاء الاصطناعي، كما تصبح أرخص في التشغيل.
قال الشريك في Benchmark بيتر فينتون (Peter Fenton) لـ CNBC إن اعتقاده هو أن 90%+ من الرموز التي يتم إنشاؤها ستخرج من نماذج مفتوحة الأوزان خلال الـ 18 إلى 24 شهرًا القادمة، وربما حتى بحلول نهاية العام. الرموز هي وحدات البيانات التي تعالجها نماذج الذكاء الاصطناعي وتُنتجها.
"هوامش الاستدلال التي تولدها شركات النماذج الرائدة، أعتقد أنها ستتعرض لضغط عندما تتمكن من تشغيلها دون هامش الرفع الذي يفرضونه، عندما تتوفر لديك نماذج كافية من الأوزان المفتوحة"، قال فينتون.
وأضاف فينتون أن التحول إلى نماذج مفتوحة الأوزان ليس فقط لتوفير المال. ففي بعض الحالات، قد تكون النماذج الأصغر والمُعدّة لمهمة محددة أسرع وتؤدي أداءً أفضل من النماذج العامة الأكبر.
Ollama: تقرير عن معدل تبنّي لدى Fortune 500
استثمر Benchmark في Ollama، وهي شركة تجعل من السهل على المطورين والمؤسسات تنزيل النماذج المفتوحة وتشغيلها وإدارتها.
قال الرئيس التنفيذي لـ Ollama جيف مورغان (Jeff Morgan) إن الشركة تم تبنّيها من قبل أكثر من 85% من شركات Fortune 500، بما في ذلك شركات في قطاعات خاضعة للتنظيم مثل الطيران والتأمين والرعاية الصحية.
"هناك جانب يتعلق بمصدر النموذج ومن أين تم إنشاؤه وتدريبه"، قال مورغان. "لكن الشيء الأكثر أهمية لهذه الأعمال التي نتحدث معها هو أين يعمل وكيف يعمل."
وقال مورغان إن العديد من الشركات تبدأ بنماذج أصغر تعمل قريبًا من بياناتها، ثم تتوسع لاحقًا إلى نماذج مفتوحة أكبر مع ازدياد ثقتها.
مختبرات صينية تخلق منافسة استراتيجية في النماذج مفتوحة الأوزان
يخلق صعود النماذج مفتوحة الأوزان تحديًا استراتيجيًا للولايات المتحدة. إذ تأتي كثير من أكثر نماذج مفتوحة الأوزان قدرة من مختبرات صينية، بما في ذلك Z.ai وDeepSeek. وهذا جعل الذكاء الاصطناعي مفتوح المصدر قضية أعمال وقضية سياسات وقضية تنافسية وطنية.
قال سرينيفاس إن على الولايات المتحدة دعم النماذج المفتوحة لأنها تجعل الذكاء الاصطناعي أكثر تكلفة وأقل تكلفة وأكثر إتاحة.
"إذا كنت تريد أن تُوزَّع فوائد الذكاء الاصطناعي على نحو واسع لتصل إلى الشركات الصغيرة في أمريكا والدول الحليفة لأمريكا، فأنت تحتاج حقًا إلى أن يصبح الذكاء الاصطناعي أكثر affordability"، قال سرينيفاس. "ومن ثم، فإن open source هو الطريقة الوحيدة للقيام بذلك."
وقد يؤثر هذا التحول أيضًا في توسّع مراكز البيانات الضخم الجاري في جميع أنحاء قطاع التكنولوجيا. يفترض طفرة الذكاء الاصطناعي الحالية استمرار تدفق الطلب إلى مراكز بيانات سحابية كبيرة ممتلئة بالشرائح عالية الأداء. ويقول سرينيفاس إن بعض أعمال الذكاء الاصطناعي قد يعمل في النهاية محليًا بدلًا من ذلك، على أجهزة يملكها المستهلكون أو الشركات.
لن يؤدي ذلك إلى إلغاء الحاجة إلى مراكز البيانات، لكنه قد يخلق نظام ذكاء اصطناعي هجينًا أكثر، حيث تُنفَّذ المهام الروتينية محليًا، بينما تُرسَل أصعب الأعمال إلى نموذج أكثر قوة في السحابة.
الأسئلة الشائعة
ماذا عرضت Perplexity هذا الأسبوع بخصوص نماذج الذكاء الاصطناعي؟
قدّمت Perplexity خلال هذا الأسبوع معاينة لنظام جديد لمنتجها الخاص بالعمل على الحاسوب، مبنيًا على GLM 5.2، وهو نموذج مفتوح من Z.ai الصينية. صُمم النظام بحيث يتولى نموذج أرخص جزءًا أكبر من العمل، مع استدعاء نموذج أقوى فقط عند الحاجة.
لماذا تتجه الشركات من استخدام أكبر نماذج الذكاء الاصطناعي إلى أنظمة التوجيه؟
مع انتقال الشركات من اختبار الذكاء الاصطناعي إلى استخدامه في منتجات وسير عمل حقيقية، تحتاج إلى الوصول إلى نماذج هي الأنسب للوظائف المحددة وبالكلفة المناسبة، بدل الاعتماد دائمًا على أغلى النماذج. كما أن الشركات الأمريكية تشدد قبضتها على إنفاق الذكاء الاصطناعي، مما يجعل كفاءة التكلفة أولوية.
كم عدد شركات Fortune 500 التي اعتمدت Ollama؟
قال الرئيس التنفيذي لـ Ollama جيف مورغان (Jeff Morgan) إن الشركة تم تبنّيها من قبل أكثر من 85% من شركات Fortune 500، بما في ذلك شركات في قطاعات خاضعة للتنظيم مثل الطيران والتأمين والرعاية الصحية.
