إعادة هيكلة استراتيجية القدرة الحاسوبية للبنية التحتية للذكاء الاصطناعي: تحسين الحوسبة المؤسسية في عصر اقتصاديات الاستدلال

الذكاء الاصطناعي التوليدي ينتقل من إثبات المفهوم إلى النشر على نطاق الإنتاج، وتواجه المؤسسات فجوة في القدرة الحاسوبية: البنية التحتية الحالية لم تُصمم لأعباء عمل الذكاء الاصطناعي. يشير أحدث تقرير لـ Deloitte Insights بعنوان "استراتيجية القدرة الحاسوبية للبنية التحتية للذكاء الاصطناعي" إلى أنه على الرغم من انخفاض تكلفة الاستدلال بمقدار 280 ضعفًا خلال عامين، إلا أن معدل نمو الاستخدام يفوق بكثير انخفاض التكلفة، حيث تصل فواتير الذكاء الاصطناعي الشهرية لبعض الشركات إلى عشرات الملايين من الدولارات. والأهم من ذلك، أن عوامل غير متعلقة بالتكلفة مثل سيادة البيانات، وزمن الاستجابة بالمللي ثانية، ومرونة الأعمال، وحماية الملكية الفكرية، تُجبر الشركات على إعادة النظر في استراتيجية "السحابة أولاً". وأصبحت البنية الهجينة ثلاثية الطبقات التي تدمج مرونة السحابة واتساق البيئة المحلية وفورية الحافة الخيار المشترك للمؤسسات الرائدة.

خلفية الحدث: من إثبات المفهوم إلى الذكاء الاصطناعي على مستوى الإنتاج

عندما انفجر الذكاء الاصطناعي التوليدي في عام 2022، سارعت الشركات إلى تصور المنتجات والخدمات من الجيل التالي. اليوم، نضج الذكاء الاصطناعي، لكن الشركات تكتشف أن عدم التوافق بين استراتيجية البنية التحتية واحتياجات الذكاء الاصطناعي أصبح أكثر وضوحًا، من إثبات المفهوم (Proof of Concept) إلى النشر على مستوى الإنتاج. يشير تقرير Deloitte Insights إلى أن تطبيع أعباء عمل الذكاء الاصطناعي يعني استدلالًا شبه مستمر—أي الاستخدام الفعلي لنماذج الذكاء الاصطناعي في عمليات الأعمال الواقعية. عندما تستدعي الشركات خدمات الذكاء الاصطناعي عبر واجهات برمجة التطبيقات السحابية، تؤدي الطلبات المتكررة إلى رفع التكاليف، لكن المشكلة تتجاوز التكلفة بكثير: فسيادة البيانات، وزمن الاستجابة، وحماية الملكية الفكرية، ومرونة الأعمال أصبحت جميعها اعتبارات رئيسية.

يؤكد مؤلفو التقرير أن الحل ليس ببساطة نقل أعباء العمل من السحابة إلى البيئة المحلية، أو العكس، بل بناء بنية هجينة قادرة على مواءمة منصة الحوسبة الصحيحة مع كل عبء عمل. يتماشى هذا الاكتشاف بشكل كبير مع ملاحظات CloudTechDaily حول اتجاهات تكنولوجيا المعلومات الحالية في المؤسسات: الذكاء الاصطناعي يتحول من "مشروع تجريبي" إلى "نظام أعمال أساسي".

التحليل التقني: اقتصاديات الاستدلال وعدم توافق البنية التحتية

ما هي اقتصاديات الاستدلال؟

يشير الاستدلال (Inference) إلى العملية الحسابية التي ينفذ فيها نموذج الذكاء الاصطناعي المُدرَّب التنبؤ أو التوليد أو اتخاذ القرار في عمليات الأعمال الفعلية. بالمقارنة مع مرحلة التدريب، فإن الاستدلال هو عبء عمل إنتاجي مستمر وواسع النطاق. خلال العامين الماضيين، انخفضت تكلفة الاستدلال لكل وحدة بنحو 280 ضعفًا، ولكن بسبب النمو الأسي في معدل التبني، قفز إجمالي إنفاق الشركات على الذكاء الاصطناعي بشكل كبير. يشير التقرير إلى أن أدوات نماذج اللغات الكبيرة (LLM) القائمة على واجهات برمجة التطبيقات فعالة في إثبات المفهوم، ولكنها قد تصبح باهظة التكلفة في العمليات على مستوى المؤسسات، حيث وصلت فواتير الذكاء الاصطناعي الشهرية لبعض الشركات إلى عشرات الملايين من الدولارات.

أكبر محرك للتكلفة هو "الذكاء الاصطناعي الوكيل" (Agentic AI)—وهو نظام ذكاء اصطناعي قادر على تنفيذ مهام متعددة الخطوات بشكل مستقل. تتطلب هذه الأنظمة استدلالًا مستمرًا واستدعاءً متكررًا للنماذج، مما يؤدي إلى تصاعد استهلاك الرموز (tokens) بشكل حلزوني. بالنسبة لمهندسي المؤسسات، يعني هذا ضرورة إعادة تقييم تواتر الاستدلال ونموذج التكلفة لكل عبء عمل.### لماذا يُعد الاستدلال أكثر تحديدًا لاستراتيجية البنية التحتية من التدريب؟

أعباء العمل الخاصة بالتدريب كثيفة الحوسبة، لكنها عادةً دورية وغير لحظية، ويمكن إنجازها بمرونة عبر السحابة. أما الاستدلال فهو مستمر الاتصال ومستهلك دائم للموارد، ويحدد مباشرةً تكاليف التشغيل وتجربة المستخدم. لذلك، يكمن جوهر اقتصاديات الاستدلال في أن كل تفاعل إضافي مع المستخدم وكل قرار آلي يعني تكلفة حوسبة جديدة. عندما يُدمج الذكاء الاصطناعي في العمليات التجارية الأساسية، تتحول تكلفة الاستدلال من نفقات تقنية معلومات متغيرة إلى تكلفة تشغيل هيكلية، وهذا هو السبب الجذري الذي يفرض على المؤسسات إعادة النظر في مزيج بنيتها التحتية.

أربعة أوجه عدم توافق في البنية التحتية الحالية

صُممت مراكز البيانات التقليدية في المؤسسات بناءً على خوادم معيارية مبردة بالهواء، مع أرضيات مرتفعة، وأنظمة تبريد قياسية، وأساليب تنسيق تتمحور حول المحاكاة الافتراضية للسحابة الخاصة، وإدارة أعباء عمل تقليدية. أما بنية الذكاء الاصطناعي التحتية فلها متطلبات تقنية مختلفة تمامًا:

• خوادم GPU عالية الكثافة: تبلغ كثافة الطاقة لخزانة GPU واحدة أضعاف كثافة خوادم CPU التقليدية، مما يتطلب قدرة كهربائية أعلى وتبريدًا متخصصًا.
• الترابط المتقدم: تتطلب مجموعات GPU شبكات منخفضة الزمن وذات نطاق ترددي عالٍ مثل InfiniBand أو RoCE، ولا تلبي شبكات الإيثرنت التقليدية احتياجات التدريب والاستدلال المتوازي متعدد البطاقات.
• التبريد السائل: استهلاك رقائق الذكاء الاصطناعي للطاقة أعلى بكثير من وحدات CPU التقليدية، وقد اقترب التبريد الهوائي من حدوده المادية، فأصبح التبريد السائل حلاً أساسيًا.
• تنسيق جديد كليًا: يتطلب جدولة أعباء عمل الذكاء الاصطناعي والتوسع المرن والمراقبة منصة إدارة بنية تحتية مخصصة للذكاء الاصطناعي، وليس التنسيق التقليدي للآلات الافتراضية.

هذه المواصفات التقنية غير موجودة تقريبًا في البيئات المؤسسية التقليدية. ويشير التقرير بوضوح إلى أن هذا عدم التوافق في البنية التحتية المادية سيشكل العقبة الرئيسية أمام توسيع المؤسسات لتطبيقات الذكاء الاصطناعي.

تحليل تأثير المؤسسات: التكلفة والسيادة وإعادة هيكلة النشر

تأثير التكلفة: نقطة التحول بين النفقات الرأسمالية والنفقات التشغيلية

يقدم التقرير مرجعًا ذا أهمية تشغيلية: عندما تتجاوز تكاليف الخدمات السحابية 60%–70% من إجمالي تكلفة شراء نظام محلي مكافئ، يصبح ترحيل أعباء العمل إلى بيئة محلية للاستثمار الرأسمالي (CAPEX) أكثر جدوى اقتصاديًا من الاستمرار في دفع النفقات التشغيلية (OPEX) بالنسبة لأعباء العمل المستقرة والمتوقعة وعالية السعة. لكن هذه النسبة ليست مطلقة؛ بل يتعين على المؤسسات بناء نموذج تكلفة يجمع بين معدل الاستخدام وتكلفة الكهرباء ونفقات الصيانة البشرية وغيرها من العوامل.

سيادة البيانات والامتثالتفرض المتطلبات التنظيمية والعوامل الجيوسياسية على الشركات توطين خدمات الحوسبة. قال أندرس ماثيسن، الرئيس التنفيذي لشركة Thylander الدنماركية، إن معظم مراكز البيانات فائقة الحجم في البلاد مملوكة لأجانب، وأن الشركات الدنماركية تتطلع بشكل متزايد إلى امتلاك وتشغيل شركات محلية لمراكز البيانات لضمان سيادة البيانات. «نريد أن نفعل شيئًا دنماركيًا للشركات الدنماركية، ونقدم خدمات أيضًا للشركات الخارجية التي ترى في السوق الدنماركية قيمة.» وتقوم Thylander ببناء مراكز بيانات توفر رفوفًا عالية الكثافة، وشبكات، وطاقة، وقدرات تبريد. وتُظهر هذه الحالة أن الذكاء الاصطناعي السيادي أصبح محركًا جديدًا للاستثمار في البنية التحتية.

الكمون والمرونة

تتطلب تطبيقات الذكاء الاصطناعي في الوقت الفعلي (مثل فحص الجودة في التصنيع، والقيادة الذاتية، ومراقبة حفر النفط والغاز) زمن استجابة من طرف إلى طرف أقل من 10 مللي ثانية، ولا يمكن لزمن استجابة الشبكة في الحوسبة السحابية تلبية ذلك. لا يمكن للمهام الحرجة تحمل انقطاع الاتصال السحابي، لذا يجب أن تلعب البنية التحتية المحلية الدور الأساسي أو الاحتياطي. وهذا يعني أن البنية الموزعة أصبحت حاجة ماسة وليست خيارًا.

حماية الملكية الفكرية

لا تزال بيانات معظم الشركات موجودة محليًا، ونشر قدرات الذكاء الاصطناعي حيث توجد البيانات أكثر توافقًا مع حماية الملكية الفكرية ومتطلبات الامتثال من إرسال البيانات الحساسة إلى خدمات ذكاء اصطناعي خارجية. وقد عزز هذا العامل نشر مجموعات الاستدلال المحلية.

تحليل المنافسة في السوق: إعادة تشكيل النظام البيئي للقدرة الحاسوبية

«السحابة منطقية لبعض الأمور، إنها مثل "زر السهولة" للذكاء الاصطناعي،» كما يقول ديفيد لينثيكوم، القائد الفكري في مجال الذكاء الاصطناعي. «لكن المهم حقًا هو اختيار الأداة المناسبة للعمل. تبني الشركات أنظمتها عبر منصات متنوعة وغير متجانسة، وتختار الحل الأمثل من حيث التكلفة — أحيانًا السحابة، وأحيانًا المحلي، وأحيانًا الحافة.»

سيؤثر هذا الاتجاه تأثيرًا عميقًا على الجهات الفاعلة التالية في السوق:

• مزودو الخدمات السحابية فائقة الحجم: سيظلون يهيمنون على احتياجات التدريب المرن والتجارب والقدرة الحاسوبية المفاجئة، لكن نموذج استدعاءات API عالي التسعير قد يواجه ضغوطًا بديلة. يحتاج مقدمو الخدمات السحابية إلى تقديم تسعير أكثر مرونة للاستدلال وحلولًا سحابية هجينة، وإلا ستنقل الشركات الاستدلال عالي الحجم إلى المواقع المحلية.
• مصنعو البنية التحتية التقليديون: ستطرح شركات مثل Dell وHPE وSupermicro المزيد من الخوادم المحسّنة للذكاء الاصطناعي وخزائن التبريد السائل لتلبية احتياجات النشر المحلي.
• مشغلو مراكز البيانات: ستزيد شركات مثل Equinix وDigital Realty استثماراتها في الرفوف عالية الكثافة وسعات الطاقة ومرافق التبريد السائل. ومن المتوقع أن يحصل مشغلو مراكز البيانات السيادية الناشئون (مثل Thylander) على ميزة تنافسية في الأسواق المحلية.
• منصات الحوسبة الطرفية (Edge Computing): ستوفر سيناريوهات التطبيقات في الوقت الفعلي مثل التصنيع والطاقة والقيادة الذاتية سوقًا متناميًا للذكاء الاصطناعي في الحافة، وستستفيد منصات الاستدلال الطرفية من NVIDIA وAMD.

مراقبة اتجاهات الصناعة: البنية الهجينة ثلاثية الطبقات تصبح الاتجاه السائديشير تقرير Deloitte إلى أن الشركات الرائدة تنفّذ «بنية هجينة من ثلاث طبقات»:

1. السحابة (Cloud) للمرونة: معالجة أعباء التدريب المتغيرة، وسعة الاندفاع، ومراحل التجريب، وأعباء العمل التي يقع ثقل بياناتها بالفعل في السحابة. يقدّم مزوّدو السحابة الفائقة أحدث خدمات الذكاء الاصطناعي وإدارة بنى النماذج، مما يخفّض حاجز الابتكار. 2. البيئة المحلية (On-premises) للاتساق: تحمّل استدلال الإنتاج المستمر وعالي السعة بتكلفة قابلة للتنبؤ. تكتسب الشركات السيطرة على الأداء والأمان والتكلفة، مع بناء قدرات داخلية لإدارة البنية التحتية للذكاء الاصطناعي. 3. الحافة (Edge) للفورية: تحقيق قرارات بزمن استجابة بالمللي ثانية بالقرب من مصدر البيانات، وهو أمر بالغ الأهمية لا سيما في التصنيع والأنظمة ذاتية القيادة.

يشكّل هذا النموذج تباينًا حادًا مع التفكير الثنائي خلال العقد الماضي: «إما الكل في السحابة أو الكل محليًا». ويؤكد مؤلفو التقرير أن الميزة التنافسية المستقبلية ستكون لمن يستطيعون تحسين النفقات الرأسمالية والنفقات التشغيلية في آنٍ واحد، وتشغيل عدة بنى تحتية بمرونة.

تُظهر حالة Thylander الدنماركية أن بناء الذكاء الاصطناعي السيادي ومراكز البيانات المحلية يتسارع. وعلى نطاق السوق العالمية الأوسع، نتوقّع أن نشهد نموًا متوازيًا لثلاث فئات من استثمارات البنية التحتية: التوسع المستمر للسحابة الفائقة، وصعود مجموعات الاستدلال المحلية للذكاء الاصطناعي في المؤسسات، واختراق الحوسبة الطرفية في القطاعات الرأسية.

مسار العمل: كيف تتعامل الشركات مع إعادة هيكلة القدرة الحاسوبية

في مواجهة إعادة هيكلة البنية التحتية للذكاء الاصطناعي، ينبغي على المديرين التنفيذيين أولًا حصر أعباء العمل الحالية: أيها متطلبات استدلال مستقرة وعالية السعة؟ وأيها متطلبات تدريب مفاجئة؟ وأيها سيناريوهات حافة حساسة لزمن الاستجابة؟ ثم تقييم التكلفة الإجمالية للملكية (TCO) للسحابة والبيئة المحلية والحافة استنادًا إلى نماذج التكلفة. وفي الوقت نفسه، فإن تنمية المهارات الداخلية في البنية التحتية للذكاء الاصطناعي، ولا سيما القدرات مثل تشغيل وصيانة مجموعات GPU، وإدارة أنظمة التبريد السائل، وتنسيق أعباء عمل الذكاء الاصطناعي، ستحدد ما إذا كانت الشركة قادرة على إدارة البنية الهجينة بفعالية.

CloudTechDaily Insight

جوهر هذا الحدث هو نقطة تحول الذكاء الاصطناعي من «توفير القدرة الحاسوبية» إلى «اقتصاديات القدرة الحاسوبية». يقدّم تقرير Deloitte إشارة واضحة: لم تعد البنية التحتية للذكاء الاصطناعي مجرد اختيار تقني، بل أصبحت قرارًا استراتيجيًا يشارك فيه المدير المالي (CFO) والمدير التقني (CTO) معًا. إن انخفاض تكلفة الاستدلال بمقدار 280 مرة يبدو جيدًا، لكن النمو الهائل في استخدام الذكاء الاصطناعي يلتهم مكاسب خفض التكلفة؛ مما يفرض على الشركات بناء نموذج دقيق لتكاليف القدرة الحاسوبية. وبالنسبة لمزوّدي السحابة، فهذا يعني أن نموذج الأعمال القائم على «الفوترة لكل رمز (token)» سيواجه تحديًا — إذ سيبحث عملاء المؤسسات عن مسارات حوسبة أقل تكلفة وأكثر قابلية للتحكم بين السحابة والبيئة المحلية والحافة. خلال السنوات الخمس المقبلة، سيدور التنافس في البنية التحتية للذكاء الاصطناعي حول ثلاثة محاور رئيسية: كفاءة الاستدلال، وتكلفة الكهرباء، وسيادة البيانات. وينبغي على مديري المعلومات (CIO) في المؤسسات تقييم خصائص أعباء العمل لديهم مبكرًا، وترقية استراتيجية «السحابة أولًا» إلى «الحوسبة عند الطلب»، ليتمكنوا حقًا من إتقان اقتصاديات القدرة الحاسوبية في عصر الذكاء الاصطناعي.