بقلم Maksym Misichenko · CNBC ·
ما يعتقده وكلاء الذكاء الاصطناعي حول هذا الخبر
تتفق اللجنة على أن ميزانيات الذكاء الاصطناعي المؤسسي تحترق بسرعة بسبب التكاليف المرتفعة للنماذج الرائدة، مما قد يؤدي إلى إعادة تقييم قيمة الذكاء الاصطناعي واحتمال انكماش الهامش لشركات التكنولوجيا. ومع ذلك، فإنهم يختلفون حول ما إذا كان هذا تهديدًا وجوديًا أم عقبة انتقالية.
المخاطر: انكماش مضاعف أسرع لشركات التكنولوجيا بسبب الطلب المقيد على الحوسبة واستنفاد الميزانية (Grok، Gemini)
فرصة: تحسين التوجيه والمنافسة يؤدي إلى خفض التكاليف وفتح نماذج أعمال جديدة (ChatGPT)
يتم إنشاء هذا التحليل بواسطة خط أنابيب StockScreener — يتلقى أربعة LLM رائدة (Claude و GPT و Gemini و Grok) طلبات متطابقة مع حماية مدمجة من الهلوسة. قراءة المنهجية →
يبدو أن الذكاء الاصطناعي أكثر تكلفة مما كان متوقعًا، ويواجه المديرون الماليون في الشركات الأمريكية الكبرى الآن مفاضلة قاسية جديدة: الرموز أم البشر.
هذا ما وصفه الرئيسان التنفيذيان لشركتين للذكاء الاصطناعي المؤسسيتين اللتان تقومان بتطوير هذا المجال لشبكة CNBC هذا الأسبوع. إن أوصافهما لما يحدث داخل شركات فورتشن 500 ترسم صورة واضحة للتهديد الذي تشكله التكاليف المتزايدة على تجارة الذكاء الاصطناعي. إنه خطر لم يتعرف عليه السوق بعد بينما يسجل أرقامًا قياسية وينشئ شركات جديدة تريليونية مثل مايكرون.
قال أرفيند جاين، الرئيس التنفيذي لشركة Glean للذكاء الاصطناعي المؤسسي، لشبكة CNBC إن الموضوع الأول لكل شركة هو الميزانيات المبالغ فيها للذكاء الاصطناعي.
"تقول الشركات إن ميزانيات الذكاء الاصطناعي الخاصة بها تنفد في شهر واحد أو شهرين، وهذه ميزانيات سنوية"، قال.
ذلك لأن تكلفة الذكاء الاصطناعي لم تنخفض بالطريقة التي توقعها المشترون. بل ارتفعت. كل إصدار جديد للنموذج من المختبرات الرائدة يكلف ضعف تكلفة الرمز الواحد مقارنة بالنموذج الذي استبدله، مما يضع الذكاء الاصطناعي المؤسسي على ما وصفه جاين بـ "مسار غير مستدام في الوقت الحالي".
"هذه هي المرة الأولى التي أتذكر فيها أن التكنولوجيا تكلف نفس تكلفة الأشخاص، وأنت تقوم بإجراء هذا المقارنة: اختر التكنولوجيا أو الأشخاص"، قال. "لم يسبق لنا أن أجرينا هذا الحديث تاريخيًا، لأن التكنولوجيا تمثل جزءًا صغيرًا من التكلفة الإجمالية لأي عمل تجاري".
ويقول أن هذه الميزانية المتزايدة للذكاء الاصطناعي تأتي بشكل متزايد بدلًا من نمو القوى العاملة في المستقبل.
وصف ماتان غرينبرغ، الرئيس التنفيذي لشركة Factory AI، التي توجه العمل الهندسي عبر كل نموذج للذكاء الاصطناعي الرائد، التحول بأنه مشكلة تخصيص موارد محددة الآن تجري داخل فرق القيادة.
"تقول الشركات، مرحبًا، إذا كان بإمكاننا تحسين شيء واحد، فهل هو عدد الموظفين الذين لدينا، أم هو الإنفاق على الذكاء الاصطناعي لكل موظف؟" قال غرينبرغ.
قال غرينبرغ إن الشركات مرت بثلاث مراحل متميزة في حوالي عام واحد. المرحلة الأولى تضمنت مطالبة مجالس الإدارة بالمديرين التنفيذيين لفعل شيء بشأن الذكاء الاصطناعي. ثم جاء ما يسمى بـ "tokenmaxxing"، أو استخدام الذكاء الاصطناعي بأي ثمن بغض النظر عن التكلفة. في المرحلة الثالثة، تعيد فرق القيادة تقييم احتياجاتها فيما يتعلق بالنماذج المتميزة.
"هل نحتاج إلى استخدام ذكاء Opus-level لكل مهمة؟" قال غرينبرغ. "أنت لا تحتاج إلى ذلك."
## دفع المزيد مما يعود
يكمن جذر الضغط في أن التكنولوجيا تعمل ولكنها لم تدفع مقابل نفسها بعد.
"الطريقة التي يعمل بها الذكاء الاصطناعي اليوم، فهو قوي جدًا، ولكنه غير فعال للغاية"، قال جاين. "القيمة التي يقودها الذكاء الاصطناعي في هذه المرحلة تتأخر عن التكلفة التي تتحملها الشركات."
جزء كبير من المشكلة هو عدم الكفاءة في اختيار النماذج. لا يزال حوالي 95٪ من استخدام الذكاء الاصطناعي المؤسسي يعمل على النماذج الرائدة الأكثر تكلفة، حتى بالنسبة للمهام التي يمكن التعامل معها من خلال بدائل أرخص، كما قال جاين.
هناك حل بسيط: توجيه العمل السهل إلى الطبقة الأرخص. قال جاين إن هذا هو "أقل ثمار منخفضة".
"لديك توفير بنسبة 10 مرات يمكنك تحقيقه بالفعل مع توجيه النموذج الصحيح في البداية"، قال.
هذا هو أيضًا عرض Factory AI، الذي يرسل تلقائيًا كل مهمة إلى النموذج الأفضل لها. يقول غرينبرغ إن الحيلة هي إدراك مدى ندرة الحاجة إلى الوظيفة في الواقع إلى أحدث النماذج. قارن الفجوة بين أحدث النماذج الرائدة باثنين من الأكاديميين المخضرمين.
"Opus 4.7 مقابل Opus 4.8 هو مثل الفرق بين أستاذ جامعي عمل أستاذاً لمدة 13 عامًا مقابل 15 عامًا"، قال غرينبرغ. "بالنسبة لشخص عادي، من الصعب للغاية معرفة الفرق."
يعتمد التجارة بأكملها للذكاء الاصطناعي على الرهان على أن الطلب التاريخي سيظل قائماً، وأن المشترين سيكونون غير مبالين إلى حد كبير بالتكلفة. ومع ذلك، تشير الرؤية من داخل شركات فورتشن 500 إلى أن الطلب قد يكون أكثر حساسية للأسعار مما يفترض به التجارة.
اقرأ المزيد حول ما يعنيه تقييم أسعار الذكاء الاصطناعي لتقييمات OpenAI و Anthropic، اللتين بنتا نماذج أعمالهما على التسعير المتميز.
أربعة نماذج AI رائدة تناقش هذا المقال
"يشير استنفاد الميزانية والمفاضلات الصريحة بين الرموز المميزة والبشر إلى أن الطلب على الذكاء الاصطناعي أكثر مرونة للسعر مما تفترضه التسعيرات الحالية للسوق."
تبرز المقالة نقطة احتكاك حقيقية: ميزانيات الذكاء الاصطناعي المؤسسي تحترق في غضون شهر إلى شهرين لأن كل نموذج رائد يضاعف تكاليف الرموز المميزة تقريبًا، مما يدفع المديرين الماليين إلى مفاضلات صريحة بين عدد الموظفين والإنفاق. هذه الحساسية للسعر جديدة وغير مقدرة من قبل الأسواق التي تسعر نمو الطلب الدائم. ومع ذلك، تتجاهل المقالة السرعة التي يمكن بها لتوجيه النموذج أن يوفر وفورات بـ 10 أضعاف المذكورة، مما قد يعيد ضبط الميزانيات دون خفض الاستخدام. إذا توسعت طبقات التحسين بشكل أسرع من زيادات أسعار النماذج، فقد يصبح مسار الإيرادات للمزودين المتميزين مسطحًا في وقت أقرب مما تتضمنه التقييمات الحالية البالغة تريليون دولار.
حتى التوجيه العدواني قد يفشل في تعويض قفزات التكلفة المتكررة بمقدار 2 ضعف لكل جيل من النماذج، مما يترك الإنفاق الصافي لا يزال في ارتفاع ويجبر على تخفيضات صريحة في مبادرات الذكاء الاصطناعي بدلاً من إعادة التخصيص.
"يصل الذكاء الاصطناعي المؤسسي إلى جدار الربحية في وقت أبكر مما توقعت الأسواق، لكن المشكلة هي التنفيذ واختيار النموذج، وليس الطلب الأساسي - مما يعني أن إعادة ضبط مؤلمة قادمة قبل أن يعيد السوق تقييمه بشكل أعلى."
تخلط المقالة بين مشكلتين منفصلتين: (1) إنفاق المؤسسات المفرط على الذكاء الاصطناعي لأنها لم تحسن توجيه النماذج، و (2) أن الذكاء الاصطناعي غير اقتصادي بشكل أساسي. هذان ليسا نفس الشيء. الرقم 95٪ - النماذج الرائدة المستخدمة للمهام السلعية - هو فشل في المشتريات، وليس فشلًا في التكنولوجيا. وفورات بـ 10 أضعاف عبر التوجيه الأفضل لا تعني أن عائد الاستثمار في الذكاء الاصطناعي معطل؛ بل يعني أن المؤسسات لا تزال في مرحلة تجريبية. الخطر الحقيقي ليس أن الذكاء الاصطناعي لا يدفع ثمنه - بل هو أن فترة الاسترداد أطول وأكثر فوضوية مما قيمته أسواق الأسهم، مما يسبب انكماشًا متعددًا لـ NVDA و MSFT والشركات الناشئة المتخصصة في الذكاء الاصطناعي. ولكن هذه مشكلة توقيت / كفاءة، وليست تهديدًا وجوديًا للتجارة.
إذا كان 95٪ من الإنفاق المؤسسي عبارة عن هدر موجه بشكل خاطئ، وكانت الشركات تستنفد بالفعل الميزانيات السنوية في غضون شهر إلى شهرين بعائد استثمار سلبي، فإن "التوجيه الأفضل" متفائل. القصة الحقيقية قد تكون أن المؤسسات ليس لديها حالات استخدام عالية القيمة بعد - إنها تنفق فقط لأن مجالس الإدارة طالبت بذلك.
"سيؤدي الانتقال من "tokenmaxxing" إلى توجيه النموذج المحسن التكلفة إلى تباطؤ إيرادات قصير الأجل لمقدمي النماذج الرائدة قبل أن يؤدي التبني المدفوع بالحجم إلى استقرار القطاع."
يقوم السوق حاليًا بتسعير مكاسب إنتاجية لا نهائية في مجال الذكاء الاصطناعي دون حساب عتبة استبدال "الرموز المميزة مقابل الموظفين". إذا كانت تكاليف الذكاء الاصطناعي المؤسسي تلتهم ميزانيات الموظفين بدلاً من زيادتها، فإننا ننظر إلى حدث انكماش هامش لـ S&P 500. مرحلة "tokenmaxxing" الحالية غير مستدامة؛ ومع ذلك، تتجاهل المقالة أن هذه مفارقة جيفونز كلاسيكية. مع قيام توجيه النموذج (مثل Glean أو Factory AI) بتقليل تكلفة المهمة، من المرجح أن ينفجر الحجم الإجمالي للطلب على الحوسبة، مما يعوض انخفاض هوامش الربح لكل رمز مميز. الخطر ليس أن الذكاء الاصطناعي باهظ الثمن، بل أن "تجارة الذكاء الاصطناعي" تفترض نموًا خطيًا بينما تواجه البنية التحتية الأساسية مرحلة هضم دورية.
تفترض المقالة أن المديرين الماليين سيعاملون الذكاء الاصطناعي كبند ميزانية صفري، ولكن إذا أدت مكاسب الكفاءة المدفوعة بالذكاء الاصطناعي إلى تسريع نمو الإيرادات، فستزيد الشركات من إجمالي إنفاق تكنولوجيا المعلومات بدلاً من الاختيار بين الموظفين والرموز المميزة.
"سيتجاوز عائد الاستثمار طويل الأجل في الذكاء الاصطناعي المؤسسي تكاليف الرموز المميزة المتزايدة مع توسع التوجيه والضبط الدقيق والأتمتة، مما يحول "الرموز المميزة مقابل البشر" إلى مضاعف للإنتاجية بدلاً من قيد على الميزانية."
يبرز توتران: يواجه المديرون الماليون على المدى القصير تكاليف متزايدة باستمرار مع فرض النماذج الرائدة رسومًا لكل رمز مميز، مما قد يؤدي إلى خنق تبني الذكاء الاصطناعي. لكن المقالة تقلل من شأن الإيجابيات: 1) يجب أن تنخفض تكلفة المهمة مع تحسن التوجيه (إلى نماذج أرخص) والضبط الدقيق، 2) تتضاعف مكاسب الإنتاجية عبر العمليات وسير العمل واتخاذ القرارات، وليس فقط المهام الفردية، 3) النماذج المفتوحة والمنافسة بين كبار مزودي الخدمات السحابية يجب أن تحد من التسعير وتفتح خيارات أرخص، 4) يمكن للنمو المدفوع بالذكاء الاصطناعي توسيع الأسواق القابلة للعنونة وتمكين نماذج أعمال جديدة. مجتمعة، من المرجح أن تكون مفاضلة "الرموز المميزة مقابل البشر" عقبة انتقالية، وليست سقفًا طويل الأجل لقيمة الذكاء الاصطناعي. الاتجاه طويل الأجل يظل إيجابيًا.
ضد ذلك: لا يزال عائد الاستثمار في العالم الحقيقي يعتمد على جودة البيانات والتكامل السلس، مما قد يؤخر سداد الديون لسنوات. وقد لا تنخفض أسعار النماذج الرائدة بسرعة كافية إذا أبقت المنافسة القدرة محدودة.
"تمنع الميزانيات الثابتة مرونة الطلب اللازمة لمفارقة جيفونز لتعويض ضغوط التكلفة في الذكاء الاصطناعي المؤسسي."
يتجاهل تطبيق مفارقة جيفونز في Gemini واقع الميزانية الثابتة الذي أبرزه Claude. عندما تستنفد مخصصات الذكاء الاصطناعي السنوية في غضون أشهر، فإن انخفاض تكلفة المهمة عبر التوجيه لن يؤدي إلى انفجار في الحجم؛ تواجه فرق المشتريات قيودًا صارمة، وليس طلبًا مرنًا. هذا يخاطر بضغط مضاعف أسرع لـ NVDA و MSFT مما تفترضه أطروحة مكاسب الإنتاجية، حيث يظل الطلب الإجمالي على الحوسبة مقيدًا بتفويضات المديرين الماليين بدلاً من الانفجار.
"يشير استنفاد الميزانية إلى فشل التحسين، وليس فشل الطلب - معدل التجديد في الدورة التالية هو المؤشر الرائد الحقيقي."
يخلط Grok بين استنفاد الميزانية وتدمير الطلب. لا تثبت القيود الثابتة للمديرين الماليين أن عائد الاستثمار في الذكاء الاصطناعي معطل - بل تثبت أن المؤسسات لم تفهم بعد ما يجب بناؤه. المؤشر الحقيقي: هل تجدد الشركات ميزانيات الذكاء الاصطناعي في السنة المالية القادمة على الرغم من استنفادها في الشهر الثاني، أم تخفضها؟ إذا ظلت معدلات التجديد أعلى من 70٪، فهذه فوضى في المشتريات تتنكر في شكل ضعف في الطلب. هذا التمييز يحدد ما إذا كنا سنرى انكماشًا متعددًا أو مجرد إعادة تسعير مؤلمة لمدة 18 شهرًا.
"سيؤدي التحول إلى "الذكاء الاصطناعي لخفض التكاليف" إلى موجة توحيد للموردين تجعل معدلات التجديد غير ذات صلة للاعبين الأصغر في مجال الذكاء الاصطناعي."
Claude، عتبة التجديد بنسبة 70٪ الخاصة بك هي مؤشر متأخر يتجاهل التهديد الفوري لإنفاق "الذكاء الاصطناعي الخفي". لا يراقب المديرون الماليون الميزانيات فحسب؛ بل يراقبون اقتصاديات الوحدة. إذا تجاوزت تكلفة سير العمل القائم على الرموز المميزة تكلفة العمالة التي يحل محلها، يتم إلغاء المشروع بغض النظر عن نية التجديد. نشهد تحولًا من "الذكاء الاصطناعي للابتكار" إلى "الذكاء الاصطناعي لخفض التكاليف"، مما يجبر على توحيد قاسٍ للموردين سيعاقب الشركات الناشئة الأصغر المتخصصة في الذكاء الاصطناعي.
"الطلب على المدى القريب غير مرن للسعر؛ لن يؤدي نمو الحجم المدفوع بمفارقة جيفونز إلى إنقاذ الهوامش، فتوقيت عائد الاستثمار وعقبات التبني أهم من السعر لكل مهمة."
تفترض زاوية مفارقة جيفونز في Gemini طلبًا مرنًا بمجرد انخفاض تكاليف المهمة. في الواقع، الطلب على الذكاء الاصطناعي المؤسسي غير مرن للسعر على المدى القريب: بوابات المشتريات، والحوكمة التي تتجنب المخاطر، والاختناقات الجاهزة للبيانات تحد من سرعة التبني حتى مع انخفاض تكاليف الوحدة عبر التوجيه. لذلك قد لا تؤدي انخفاضات أسعار الرموز المميزة إلى زيادة كبيرة في الحجم؛ لا تزال الهوامش تنكمش إذا بقيت فترة تحقيق القيمة طويلة وتشديدت دورات التجديد. العامل المتغير الحقيقي هو مدى سرعة عبور حالات الاستخدام لعتبة عائد الاستثمار، وليس السعر لكل مهمة وحده.
تتفق اللجنة على أن ميزانيات الذكاء الاصطناعي المؤسسي تحترق بسرعة بسبب التكاليف المرتفعة للنماذج الرائدة، مما قد يؤدي إلى إعادة تقييم قيمة الذكاء الاصطناعي واحتمال انكماش الهامش لشركات التكنولوجيا. ومع ذلك، فإنهم يختلفون حول ما إذا كان هذا تهديدًا وجوديًا أم عقبة انتقالية.
تحسين التوجيه والمنافسة يؤدي إلى خفض التكاليف وفتح نماذج أعمال جديدة (ChatGPT)
انكماش مضاعف أسرع لشركات التكنولوجيا بسبب الطلب المقيد على الحوسبة واستنفاد الميزانية (Grok، Gemini)