الذكاء الاصطناعي مفتوح المصدر يصعد… فلماذا لم تتأثر Anthropic بعد؟

تناقض لافت في سوق الذكاء الاصطناعي

في مفارقة تستحق التأمل، تشهد سوق الذكاء الاصطناعي ظاهرةً غير مألوفة: النماذج مفتوحة المصدر تكتسح في أحجام الاستخدام، بينما تحتفظ النماذج التجارية المتقدمة بقبضتها على الإنفاق الفعلي. هذا ما كشفه جيسي تشانغ، الرئيس التنفيذي لشركة Decagon، في تحليل نشره مؤخراً تحت عنوان استفزازي: «الجميع مخطئون بشأن الذكاء الاصطناعي مفتوح المصدر في المؤسسات».

دورة حياة لا منافسة مباشرة

الفكرة الجوهرية التي يطرحها تشانغ تُعيد رسم العلاقة بين النماذج الحدودية المتطورة والنماذج مفتوحة المصدر. بدلاً من أن ينظر إليها كمنافسين في سباق صفري، يصوّرها على أنها طورين متتاليين في دورة حياة واحدة:

• مرحلة الاستكشاف: تُستخدم النماذج المتقدمة الباهظة التكلفة لاختبار حالات الاستخدام الجديدة والتحقق من جدواها.
• مرحلة الإنتاج: بمجرد نضج هذه الحالات وترسّخها، تنتقل تدريجياً إلى نماذج مفتوحة المصدر أكثر كفاءةً وأقل تكلفة.
• التجديد المستمر: في المقابل، تنبثق حالات استخدام جديدة باستمرار، تعود بدورها إلى النماذج الحدودية لمرحلة الاختبار الأولى.

وخلاصة هذه الرؤية: «ستظل مختبرات الحدود تمتلك مرحلة الاكتشاف، بينما سيهيمن الذكاء الاصطناعي مفتوح المصدر بصورة متزايدة على مرحلة الإنتاج.»

ماذا تقول البيانات؟

الأرقام المتاحة تدعم هذا التحليل بشكل لافت. لوحة تحكم بوابة الذكاء الاصطناعي التابعة لشركة Vercel تُظهر أن DeepSeek تقفز إلى الصدارة في أحجام الرموز المعالجة، متجاوزةً ثلث إجمالي حركة البيانات على المنصة خلال أسبوع واحد فقط. غير أن الصورة تتحول جذرياً حين ننظر إلى الإنفاق الفعلي: Anthropic لا تزال تستحوذ على أكثر من نصف إجمالي الإنفاق على المنصة ذاتها.

المنصة الأخرى OpenRouter تروي قصةً مشابهة. نموذج DeepSeek V4 Flash يتصدر في الاستخدام بمعالجة 5.3 تريليون رمز أسبوعياً، لكن نموذج Opus 4.8 من Anthropic يُكلّف المستخدمين ما يقارب 23 ضعفاً لكل مليون رمز مقارنةً به. والنتيجة الحسابية تعني أن Anthropic تجني نصيباً أكبر بكثير من الإيرادات رغم حجم استخدام أدنى.

اقتصاد طبقي يرسّخ نفسه

يتشكّل أمامنا نموذج اقتصادي مزدوج المستويات، وربما يتحوّل إلى سمة شبه ثابتة في مشهد الذكاء الاصطناعي:

• المستوى الأعلى: نماذج حدودية متقدمة تُهيمن على الحالات الجديدة والمعقدة، وتبرر أسعارها الباهظة بالقدرة الاستثنائية والاكتشاف المبكر.
• المستوى الأدنى: نماذج مفتوحة المصدر تستوعب الأحمال الإنتاجية الناضجة وتقدم كفاءة تشغيلية أعلى بتكلفة أقل.

ثمة تفسيران محتملان لاستمرار هذا التوازن: الأول أن السوق الإجمالية لمهام الذكاء الاصطناعي تنمو بوتيرة تفوق معدل انتقال الحالات إلى النماذج الأرخص، فتجد النماذج المتقدمة دائماً أرضاً خصبة جديدة. والثاني أن كثيراً من حالات الاستخدام تبقى معقدةً لدرجة تجعل الاستعاضة عنها بنماذج أقل تكلفةً أمراً غير ممكن عملياً.

درس لم يكتمل بعد

قبل أقل من عام، كان المحللون يتساءلون إن كانت مختبرات النماذج الأساسية ستتحول إلى مجرد موردي مواد خام تجني تطبيقات الطبقة العليا ثمار جهودها. جزء من هذا السيناريو تحقق فعلاً: منتجات الذكاء الاصطناعي المتخصصة انتقلت إلى نماذج أخف وزناً. لكن الجزء الأهم يكشف عن حقيقة مختلفة — فالنماذج الحدودية نجحت في الإمساك بأثمن شريحة في السوق: سعر الرمز المميز. وهذا الامتياز لا يبدو مُهدَّداً في المدى المنظور.

الصعود المرتقب لنموذج Nemotron من Nvidia يضيف متغيراً جديداً إلى هذه المعادلة، لكنه لم يُغيّر قواعد اللعبة بعد. المشهد في تطور، والمنافسة حقيقية — إلا أن Anthropic وأمثالها لا يزالون يتقدمون في الجولات الأكثر قيمة.

✦ بقلم فريق دروب أيديا