اقتصاديات الذكاء
التدريب مقابل الاستدلال: عملان مختلفان
تنقسم اقتصاديات الذكاء الاصطناعي إلى شقين واضحين. التدريب (Training) إنفاق رأسمالي: تكلفة ضخمة متكتّلة تُدفع مرة واحدة لكل جيل من النماذج، يدفعها المورّد قبل أي إيراد، على عتاد يفقد قيمته بسرعة. والاستدلال (Inference) إنفاق تشغيلي: يُدفع مع كل طلب، إلى الأبد، ويتوسّع مباشرة مع الاستخدام. وللاثنين ديناميكيات تحسّن متعاكسة — تشغيلات التدريب تزداد كلفة مع كل جيل مع تنامي طموحات النماذج الرائدة، بينما تنخفض تكلفة تشغيل أي مستوى ثابت من القدرة بلا هوادة. وكل بنية تجارية في الصناعة تنبع من هذا الانقسام: تسعير API موجود لتوزيع الإنفاق الرأسمالي للتدريب على أوسع قاعدة استخدام ممكنة، وفئات النماذج موجودة لأن تكلفة التشغيل تتبع حجم النموذج، والمورّدون يفرطون في تدريب النماذج الصغيرة تحديدًا لأن التكلفة الإجمالية على مدى العمر تتراكم في الاستدلال لا في التدريب.
- التدريب: إنفاق رأسمالي متكتّل على المورّد، يُدفع قبل الإيراد، لكل جيل من النماذج
- الاستدلال: إنفاق تشغيلي مقيس، يُدفع مع كل طلب، ويتوسّع مع التبني
- التدريب الرائد يزداد كلفة مع كل جيل؛ وتشغيل قدرة ثابتة يزداد رخصًا
لماذا يهيمن الاستدلال الآن على الإنفاق
في بداية الحقبة هيمنت ميزانيات التدريب على دفاتر الصناعة. ومع توسّع النشر تجاوز إجمالي الإنفاق على الاستدلال إنفاق التدريب — فالنموذج يُدرَّب مرة ويُستعلم مليارات المرات، فيميل النجاح نفسه بالنسبة. وثمة قوتان أحدث تميلانها أكثر بكثير. النماذج الاستدلالية (Reasoning models) تحوّل حوسبة الاستدلال إلى قدرة، فتضاعف الرموز لكل استعلام بعوامل كبيرة في المهام الصعبة: التفكير مقيس ومدفوع. والأنظمة الوكيلية تستبدل بتبادلات السؤال والجواب المنفردة حلقات طويلة من استخدام الأدوات — فطلب مستخدم واحد قد يتفرّع إلى عشرات الاستدعاءات للنموذج. ولهذا تحوّل سوق العتاد نحو السيليكون المحسَّن للاستدلال، ولهذا صارت هندسة التكلفة للبُناة تعني إدارة استهلاك الرموز: التخزين المؤقت، وتوجيه الحركة السهلة إلى نماذج رخيصة، وتقييد حلقات الوكيل، ومواءمة ميزانيات التفكير مع صعوبة المهمة.
- النشر على نطاق واسع قلب إجمالي الإنفاق من التدريب إلى الاستدلال
- رموز الاستدلال وحلقات الوكيل تضاعف الاستهلاك لكل طلب
- السيليكون الموجّه للاستدلال أولًا (مثل TPU Ironwood) هو سوق العتاد يؤكد هذا التحول
انهيار تكلفة الرمز
انخفض سعر أي مستوى ثابت من القدرة بعدة مراتب عشرية خلال سنوات قليلة فقط — وهو من أشد الانخفاضات المستدامة في التكلفة في تاريخ الحوسبة. والمحرّكات متراكبة: عتاد أفضل لكل دولار، وتشغيل منخفض الدقة، وتجميع في دفعات وتخزين مؤقت أذكى، وتقطير يحزم قدرة بمستوى النماذج الرائدة في نماذج صغيرة، ومنافسة سعرية حقيقية بين المزوّدين، مع إصدارات الأوزان المفتوحة التي تعمل سقفًا صلبًا لما يستطيع أي أحد فرضه من أسعار. والعاقبة الاستراتيجية للبُناة أن اقتصاديات الوحدة اليوم حد أدنى لا حقيقة ثابتة: الميزات غير المجدية اقتصاديًا بالكاد بأسعار اليوم تصبح مربحة في أفق قصير. والفرق التي تصمّم معماريتها لذلك — التوجيه حسب صعوبة المهمة، ومراجعة اختيار النماذج كل ربع سنة — تتفوق بانتظام على الفرق التي ترمّز أسعار اليوم في قرارات منتجها. والانضباط المصاحب: انخفاض تكلفة الوحدة يغري بانفجار أحجام الاستخدام، لذا تبقى حوكمة الإنفاق مهمة.
- انخفاض بعدة مراتب عشرية للقدرة الثابتة، تقوده كفاءة العتاد والتشغيل والتقطير
- توافر الأوزان المفتوحة يحدّ من قدرة واجهات API على التسعير عبر السوق كلها
- صمّم لأسعار الغد: الميزات غير المجدية اقتصاديًا تصبح ممكنة في آفاق قصيرة
الأوزان المفتوحة مقابل واجهات API — وما يعنيه ذلك للبُناة
نموذج API يبيع الراحة: صفر بنية تحتية، وقدرة رائدة، وتسعير لكل رمز، وفريق تشغيل يتبع جهة أخرى — مقابل الاعتماد على تسعير المزوّد وتوافره وسياساته. والنماذج المفتوحة الأوزان (Llama و DeepSeek و Qwen وخلفاؤها) تقلب المقايضة: تدفع ثمن وحدات GPU والخبرة، وتكسب محلية البيانات، والتخصيص، وتكلفة وحدة قد تتفوق على تسعير API عند الحجم المرتفع المستدام. ونقطة التعادل تتشكّل بحسب عبء العمل — الحجم المتقطع أو المنخفض يرجّح واجهات API؛ والأحمال الثابتة عالية الحجم أو الحساسة لزمن الاستجابة أو الخاضعة لسيادة البيانات ترجّح الاستضافة الذاتية، مع مزوّدي استضافة الأوزان المفتوحة كطريق وسط. وعمليًا تدير الفرق الناضجة محافظ: واجهات API رائدة للمهام الأصعب، ونماذج صغيرة أو مستضافة ذاتيًا للعمل الروتيني عالي الحجم. والموقف الدائم للبُناة أن تمسك علاقتك بالمزوّد بخفة — اعزل طبقة النموذج خلف طبقة تجريد، وقِس البدائل بانتظام، ودع انكماش أسعار السوق يعمل لصالحك.
- واجهات API: إنفاق تشغيلي، صفر بنية تحتية، اعتماد على المزوّد؛ الأوزان المفتوحة: إنفاق رأسمالي مع تشغيل، تحكّم ومحلية
- نقطة التعادل تعتمد على شكل الحجم واحتياجات زمن الاستجابة وقيود البيانات — لا على الأيديولوجيا
- استراتيجية المحفظة مع طبقة تجريد للنماذج هي المعمارية الدائمة
جرّب بنفسك
يتلاشى تقريبًا كل جدل حول جدوى بناء ميزة ذكاء اصطناعي حالما يحسب أحدهم تكلفة طلب واحد ويضعها بجانب تكلفة المهمة التي يحل محلها. إنه سطران من الحساب، ونادرًا ما يُجرى.
اختر مهمة حقيقية واحدة في مؤسستك يمكن لنموذج أن يؤديها — فرز تذكرة، أو صياغة ملخص أولي، أو استخراج حقول من مستند. قدّر شكل رموزها: رموز الإدخال لكل طلب ورموز الإخراج لكل طلب. ابحث عن الأسعار الحالية لكل مليون رمز إدخال وإخراج في صفحة تسعير مزوّدك (لا تعِد استخدام رقم تتذكره — فهذه الأسعار تتغير كثيرًا، وغالبًا نحو الانخفاض). احسب التكلفة لكل طلب، ثم التكلفة بحجمك الشهري، ثم تكلفة شخص يؤدي المهمة نفسها. المقارنة، لا أي رقم منفرد، هي القرار.
التكلفة لكل طلب = (رموز_الإدخال ÷ 1,000,000) × [سعر كل مليون رمز إدخال]
+ (رموز_الإخراج ÷ 1,000,000) × [سعر كل مليون رمز إخراج]
مثال: 3,000 إدخال و500 إخراج → 0.003 × [P_in] + 0.0005 × [P_out]
التكلفة الصادقة = التكلفة لكل طلب × [معامل إعادة المحاولة، ≥ 1 للمخرجات المرفوضة أو المعاد تشغيلها]
التكلفة الشهرية = التكلفة الصادقة × [عدد الطلبات شهريًا]
التكلفة البشرية لكل مهمة = [الأجر بالساعة شاملًا كل التكاليف] × [الدقائق لكل مهمة] ÷ 60
الدقائق الموفَّرة فعليًا = [الدقائق لكل مهمة] − [دقائق المراجعة المتبقية]
سعر التعادل المدمج لكل مليون رمز = التكلفة البشرية لكل مهمة ÷ (إجمالي الرموز لكل طلب ÷ 1,000,000)- 3,000 ÷ 1,000,000 = 0.003. إن كتبت 0.03 أو 3 فنموذجك كله منحرف بمقدار 10 أضعاف أو 1000 ضعف — وهذه أكثر زلة شيوعًا على الإطلاق
- سعّرت الإدخال والإخراج بسعريهما المنفصلين لا برقم مدمج واحد
- معامل إعادة المحاولة لديك أكبر من 1، ورقم الدقائق الموفَّرة يطرح المراجعة التي لا تختفي — فالمقارنة دون الاثنين تسويق لا تحليل
- سعر التعادل لكل مليون رمز أعلى على الأرجح بكثير مما يفرضه أي أحد اليوم. هذا الهامش، لا التكلفة المطلقة، هو الاستنتاج الحقيقي
- اكتب التاريخ بجانب أسعارك. أعد هذا الحساب كلما راجعت القرار — فالأرقام تتحرك بسرعة كافية لتغيير الإجابة
كيف ينطبق هذا عليّ؟
تسعير الذكاء الاصطناعي يتبع منطقًا بسيطًا: أنت تدفع مقابل الاستدلال، والاستدلال يزداد رخصًا باستمرار. وفهم الانقسام بين التدريب والاستدلال يفسّر معظم ما تراه في تسعير منتجات الذكاء الاصطناعي.
- فئات الاشتراك وحدود الاستخدام هي طريقة المورّدين في إدارة تكلفة الاستدلال المقيس
- القدرة المسعّرة كخدمة مميزة اليوم تصبح بانتظام رخيصة أو مجانية في أفق قصير
- الفئات المجانية موجودة لأن كفاءة التشغيل تتحسّن باستمرار تحتها
مخاوف التكلفة — «سيكون هذا مكلفًا جدًا عند التوسّع» — من أكثر العوائق شيوعًا حين تتبنى فرق الأمن الذكاء الاصطناعي، ويمكن الرد عليها ببنية واضحة لا بالطمأنة.
- ابنِ التكلفة الإجمالية للملكية (TCO) حول الاستدلال: احسب تكلفة الرموز لكل تنبيه ولكل تحقيق بحجم الأحداث الحقيقي في مؤسستك
- اختبر عبارة «مكلف جدًا عند التوسّع» مقابل اتجاه انهيار التكلفة مع التوجيه المتدرّج — الفرز الروتيني على نماذج صغيرة، والتحقيق المعمّق على نماذج رائدة
- مخاوف سيادة البيانات كثيرًا ما تُحل عبر الأوزان المفتوحة أو الاستضافة المخصّصة لمستأجر واحد — اسأل المورّدين عن أنماط النشر التي يدعمونها قبل وضعهم في القائمة المختصرة
- الميزات الوكيلية تضاعف استهلاك الرموز — اسأل المورّدين عن حدود الحلقات وضوابط الميزانية قبل أن تكتشف شكل الفاتورة في التشغيل الفعلي
الإنفاق على الرموز اعتبار معماري من الدرجة الأولى. والفرق التي تملك اقتصاديات وحدة معقولة للذكاء الاصطناعي صمّمت من أجل التكلفة منذ البداية بدل التحسين بعد أول فاتورة مقلقة.
- قِس التكلفة لكل ميزة ولكل مستخدم من اليوم الأول — الفوترة الإجمالية تخفي أي واجهة في المنتج تحرق المال
- وجّه حسب الصعوبة: نماذج رخيصة للاستدعاءات الروتينية، ونماذج رائدة للصعبة، مع طبقة تجريد تجعل التوجيه إعدادًا لا كودًا
- ضع سقفًا لتكرارات الوكيل وحدّد ميزانيات تفكير لكل مهمة — الحلقات غير المقيّدة هي النمط السائد لحوادث التكلفة
- أعد قياس اختيارات النماذج وفق جدول زمني؛ فعلاقة السعر بالأداء تتغير بسرعة كافية لقلب قرارات البناء خلال عام
يسيء العملاء تقدير اقتصاديات الذكاء الاصطناعي في الاتجاهين بانتظام — فيبالغون في تقدير التكاليف المستقرة بإسقاط أسعار اليوم على المستقبل، ويستهينون بكيفية تراكم نمو الاستخدام. صحّح الاثنين في دراسة الجدوى.
- أدخل انخفاض تكلفة الوحدة وارتفاع الأحجام في التكلفة الإجمالية للملكية متعددة السنوات — الافتراضات الثابتة تخطئ في اتجاهين متعاكسين
- حدّد موقع كل عبء عمل على نقطة التعادل بين API والأوزان المفتوحة باستخدام شكل الحجم وقيود البيانات، لا تفضيل المورّد
- اجعل حوكمة الإنفاق (الميزانيات، وسياسة التوجيه، والإسناد لكل ميزة) مُخرَجًا من مخرجات كل مشروع ذكاء اصطناعي، لا فكرة لاحقة