قد ترتفع تكاليف الحوسبة الخاصة بالذكاء الاصطناعي 15 ضعفًا مع تجاوز الطلب نمو العرض

الكاتب: Dwarkesh Patel

مُجمَّع: شينتشاو TechFlow

موجز شينتشاو: عندما تصل قدرات نماذج الذكاء الاصطناعي إلى مستوى مهندسي البرمجيات الرائدين، ستتجاوز التكلفة المعقولة لاستئجار وحدة H100 250 ألف دولار سنويًا — أي 15 ضعف السعر الفوري الحالي اليوم.这不是 بعيدة المنال، بل هي اتجاه حقيقي يدفعه التوتر الهيكلي بين نمو إيرادات Anthropic بعشرة أضعاف ونمو قوة الحوسبة بثلاثة أضعاف. بالنسبة للمستثمرين، فإن من يحصل أولًا على قوة الحوسبة ومن يستطيع تدريب أكثر النماذج كفاءة سيحدد هيكل المنافسة في الجولة القادمة.

أرغب في تجربة أسلوب مبسط: تحديد ساعتين لنفسي لكتابة مقالة بسرعة. لا أتمكن من استكشاف العديد من القضايا الفرعية المهمة، لكن إن لم أفعل ذلك، فستظل العديد من المواضيع التي أهتم بها معلقة دون تقدم.

أود اليوم أن أتحدث عن وضع قوة الحوسبة في مختبرات الذكاء الاصطناعي على مدار السنوات القادمة.

إيرادات Anthropic تنمو عشرة أضعاف سنويًا. ووفقًا لهذا الاتجاه، من المرجح جدًا أن تقع إيرادات Anthropic بنهاية هذا العام بين 100 مليار و150 مليار دولار أمريكي. إذا استمر هذا الاتجاه، فسيتعين عليهم تحقيق إيرادات قدرها تريليون دولار أمريكي بحلول نهاية العام القادم. بالطبع لا توجد أسباب صارمة تضمن استمرار هذا الاتجاه — فهذا يعود في جوهره إلى قدرات الذكاء الاصطناعي. لكن لنفترض أنه استمر فعلاً، فما هي الشروط التي يجب أن تكون صحيحة في هذا العالم؟

تتضاعف قوة الحوسبة في المختبرات ثلاث مرات سنويًا. إذا أراد مختبر تحقيق نمو في الإيرادات بنسبة 10 أضعاف مع نمو في قوة الحوسبة فقط ثلاثة أضعاف، فيجب أن تحدث واحدة أو أكثر من الأمور الثلاثة التالية في نفس الوقت: أولاً، تحسين هامش ربح المختبر؛ ثانيًا، ارتفاع سعر قوة الحوسبة؛ ثالثًا، تخصيص نسبة أكبر من قوة الحوسبة للمختبر للاستنتاج.

فهمي أن هذه الأمور الثلاثة تحدث في الأساس جميعها: أولاً، ارتفعت هامش ربح Anthropic من 40% في عام 2025 إلى ما قد يتجاوز 80% في أعمال الاستدلال الخاصة بـ Fable هذا العام (رغم أن هامش ربح قوة الحوسبة الحدية قد يكون مختلفًا، وسأشرح ذلك لاحقًا)؛ ثانيًا، ارتفع سعر قوة الحوسبة الفوري بأكثر من 40% منذ أدنى مستوى له في فبراير هذا العام، وقد يكون السعر الفعلي الذي تدفعه المختبرات أعلى من ذلك بكثير (سأوضح ذلك لاحقًا)؛ ثالثًا، وفقًا لبيانات Epoch، أنفق OpenAI حوالي ربع نفقاته على قوة الحوسبة في عام 2024 على الاستدلال، والآن هذا النسبة تقترب بالتأكيد من 50% أو أكثر.

في الواقع، لا ترغب المختبرات في اتباع الطريق الثالث (تخصيص قدر متزايد من القوة الحسابية للاستدلال). هناك مزحة تصف الأمر بدقة: إن إيرادات الاستدلال تهدف إلى إقناع المستثمرين بمنح المزيد من الأموال لشرائك قوة حسابية إضافية وتدريب نماذج أكبر. إذا كنت تخصص معظم قوتك الحسابية للاستدلال، فأنت إلى حد ما تعلن أن تقدم الذكاء الاصطناعي توقف—لأن الاستمرار في زيادة الاستثمارات في التدريب لم يعد مربحًا، وعملك يصبح في جوهره مزودًا للخدمات السحابية. لكن المختبرات الكبرى لا ترى الأمر بهذه الطريقة—فهي تعتقد أن النماذج التي تنشرها حاليًا ستبدو متخلفة جدًا بعد عام، وأن الهدف من هذا العمل حاليًا هو جمع حالات استخدام تجارية لدعم استمرار تدريب نماذج أكثر ذكاءً.

إذًا هناك طريقان متبقيان: أولاً، تحسين هامش الربح في المختبرات؛ ثانياً، ارتفاع تكلفة القوة الحسابية. إذا كانت المختبرات الرائدة واحدة أو اثنتان تتفوقان بشكل كبير على المنافسين، فسيكون الطريق الأول أكثر وضوحاً. في سوق تنافسي، يعتمد هامش الربح على مدى تفوقك على الخيار الأفضل التالي. لجعل التأثير الأول هو السائد، يجب أن يصل هامش الربح إلى أكثر من 90% بحلول نهاية العام القادم. هذا يبدو لي مبالغاً فيه إلى حد كبير. لكنني أشعر حقاً بأنه من الممكن أن يستمر دخل مختبرات الذكاء الاصطناعي في النمو بسرعة مذهلة.

لذلك، لتفسير كيف يمكن أن يصبح العالم الحقيقي حيث ينمو الإيرادات إلى تريليون دولار بحلول نهاية العام القادم، لا يزال هناك تأثير واحد متبقٍ: ارتفاع كبير في أسعار الحوسبة. كما قلت، فقد بدأ هذا بالفعل. إذا نظرنا إلى مستوى الحوسبة الذي تحتاجه المختبرات حقًا، فسيكون الارتفاع في الأسعار أكثر إثارة للدهشة — فهم بالطبع لا يمكنهم الاعتماد على عينات السوق الفورية، بل يحتاجون إلى ضمان أمان أوزان النموذج وبيانات المستخدمين، بالإضافة إلى حجم كافٍ للحصول على كفاءة عالية ومرونة. دعونا نلقي نظرة على مدى جنون هذا السوق: أسعار الإيجار التي تدفعها جوجل وAnthropic لـSpaceX. وفقًا للتقارير، تنفق جوجل 900 مليون دولار شهريًا على إيجار 110,000 وحدة GPU، وهي مزيج من GB200 وGB300. عند التحويل، فإن هذا يعادل تقريبًا ضعف سعر السوق الفوري لهذه وحدات GPU. وفي الوقت نفسه، فإن سعر السوق الفوري الحالي أعلى بنسبة 40% مقارنة بشهر فبراير.

أريد التأكيد على الاستنتاج الأساسي: مع تحسن نماذج الذكاء الاصطناعي، تزداد القيمة الناتجة عن نفس كمية قوة الحوسبة. إذا كان مهندس برمجيات حقيقي يمتلك مستوى إنساني قادر على التشغيل على جهاز من فئة H100، فوفقًا لمستوى الرواتب السوقية الحالية لمهندسي البرمجيات، يجب أن تتجاوز إيجار H100 السنوي 250 ألف دولار أمريكي — أي 15 ضعف السعر الحالي في السوق الفورية.

بالطبع، إذا ظهر فجأة 10 ملايين مهندس برمجيات إضافي، فستنخفض القيمة الحدية للمهندسين تلقائيًا، لذا فإن وحدة H100 قد لا تحقق بالفعل إيرادات تزيد عن 15 ضعفًا الحالية. لكنني في الواقع لست متأكدًا من صحة هذا المنطق. إذا طبقنا هذه الحجة على البشر بدلاً من الذكاء الاصطناعي، فهذا ما يُعرف بـ"مغالطة إجمالي القوى العاملة". يرى الاقتصاديون على نطاق واسع أن الهجرة ذات المهارات العالية لا تخفض الرواتب على المدى الطويل، لأن التخصص والابتكار يرفعان قيمة القوى العاملة. ربما يكون صدمة العرض في القوى العاملة هذه المرة كبيرة جدًا وسريعة جدًا لدرجة أنها تجعل هذه القاعدة العامة غير صالحة. لكن إذا كنا نؤمن بتحليل الاقتصاد القياسي للقوى العاملة، فإن القيمة الحدية للقوى العاملة (وسعر الحدية للحوسبة) يجب أن تبقى مرتفعة بشكل مذهل.

What will happen in this world?

تصبح النماذج الرائدة أكثر قدرة على استخلاص القيمة من قوة الحوسبة، ويزداد صعوبة اللحاق بها. إذا تم أتمتة هندسة البرمجيات بحلول عام 2028، وارتفعت أسعار قوة الحوسبة بنسبة 15 مرة مقارنة بالآن، فسيكون من الصعب للغاية المنافسة على قوة الحوسبة مع المختبرات الرائدة دون أي إيرادات.

إذا استطعت تدريب أفضل وأكثر النماذج كفاءة، فستكون هامش ربحك أعلى بكثير مما هو عليه اليوم. هذا هو تأثير ألتشين-ألن: عندما يُضاف تكلفة ثابتة إلى سلعتين بجودتين مختلفتين، تصبح السلعة ذات الجودة الأعلى أكثر فائدة نسبيًا، وبالتالي ينتقل الطلب نحوها. عندما يرتفع سعر H100 إلى 20 دولارًا في الساعة، يصبح استخدام نموذج أضعف وأقل كفاءة باهظًا جدًا وسخيفًا — لأنك ستحتاج إلى حرق المزيد من الرموز وتشغيل المزيد من قوة الحوسبة المكلفة للحصول على نفس النتيجة. لذا، إذا استطاع أحد تدريب نموذج رائد أكثر كفاءة في استخدام قوة الحوسبة، فسيتمكن من فرض هامش ربح مرتفع جدًا. بما أن قوة الحوسبة الأساسية ستُنفق هذا المبلغ على أي حال، فلماذا لا تنفق قليلاً إضافيًا لاستخدام النموذج الأكثر كفاءة الذي يعمل على نفس قوة الحوسبة؟

ستُستبعد العديد من تطبيقات الذكاء الاصطناعي الحالية الشائعة بسبب التكلفة. الذكاء الاصطناعي الآن أرخص نسبيًا، على الأقل مقارنة بالعمالة البشرية، جزئيًا لأنه لا يزال غير قادر على القيام بالكثير من المهام التي يستطيع البشر المتميزون القيام بها. في يوم من الأيام، لن يكون هذا صحيحًا بعد الآن. عندما يحدث ذلك، ستكون تكلفة استخدام وحدات معالجة الرسومات لإنشاء محتوى فيديو قصير عشوائي مرتفعة جدًا لدرجة أنها لن تكون مجدية.

لكن هذه التنبؤات تشبه أيضًا التوقعات الخاطئة التاريخية حول الندرة. أفكر في الرهان بين سيمون وإليخ: راهن بول إليخ على أن سعر سلة من السلع الأساسية سيرتفع بدلاً من أن ينخفض خلال العقد السابق لعام 1990. وقد اشتُهِر هذا الرهان في المناقشات الاقتصادية الشعبية لأنه يُزعم أنه أثبت زيف الرؤية المالثوسية لإليخ — إذ قلّل من دور إشارات السوق والذكاء البشري في ترشيد الموارد النادرة (رغم أن بعض التحليلات أشارت إلى أن إليخ كان سيكسب لو أُعيد الرهان على عقد مختلف).

أعتقد أن مرجعية السلع الأساسية غير مناسبة للقوة الحسابية، لأن مرونة عرض القوة الحسابية أقل بكثير من استخراج المعادن، وقدرتها على امتصاص صدمات الطلب الكبيرة أو إيجاد حلول بديلة أضعف بكثير. إن نمو القوة الحسابية بمقدار 3 أضعاف سنويًا هو ناتج ضرب الأرقام التالية: 1.4 ضعف من قانون مور، و1.2 ضعف من بناء مصانع رقائق جديدة (المحدودة حتى عام 2030 بسبب إمدادات معدات EUV)، و1.8 ضعف من استيلاء الذكاء الاصطناعي على حصص رقائق التصنيع المتقدم من الأجهزة الأخرى (ستصل هذه النقطة إلى حدودها حوالي عام 2027، عندما سترتفع نسبة رقائق N3 المخصصة للذكاء الاصطناعي من 60% إلى 86%). لا يمكن دفع أي من هذه العوامل الثلاثة إلى مستويات أعلى بسهولة، بل وحتى العامل الأخير سيصل إلى ذروته خلال عام أو عامين مع امتلاء حصص الرقائق.

أود أن أوضح أن هناك وقتًا مستقبليًا ستُصبح فيه قوة الحوسبة أرخص مرة أخرى. في يوم من الأيام، ستتمكن الروبوتات من تحويل رمال السيليكا على الشاطئ وخامات النحاس تحت الأرض مباشرة إلى حواسب، وعندها ستتراجع أسعار قوة الحوسبة لتقترب من تكلفة المواد الخام والأدوات. ما أناقشه الآن هو فقط المرحلة الحالية — حيث تنمو قوة الحوسبة للذكاء الاصطناعي فقط بثلاثة أضعاف سنويًا، وهو معدل لا يواكب التأثير التصاعدي على الأسعار الناتج عن الزيادة السنوية في قيمة الذكاء الاصطناعي.

بالمناسبة، ينمو إيراد شركة Anthropic بمقدار 10 أضعاف سنويًا، بينما ينمو حساب التعلم فقط بمقدار 3 أضعاف، مما يشير إلى وجود اقتصاديات حجم قوية جدًا في عمل النماذج. من الناحية المنطقية، هذا منطقي — عند تدريب نموذج، تدفع تكلفة تعليمية واحدة، ثم يمكن توزيع هذه التكلفة على جميع المستخدمين (على عكس القوى العاملة البشرية، التي يتطلب كل مثال منها تدريبًا من الصفر). لا أرغب في العيش في عالم حيث يكون للذكاء اقتصاديات حجم قوية جدًا (لأنني أخشى تركيز السلطة). لكن الواقع يبدو أنه كذلك.