النماذج الكبيرة، والسحابة المؤسسية والذكاء الاصطناعي المحلي: استراتيجية “المناسب تمامًا” لدى Big Tech تعيد تشكيل بنية تكنولوجيا المعلومات المؤسسية

مقدمة

خلال العامين الماضيين، كان السؤال الأكثر شيوعًا في نقاشات الشركات حول الذكاء الاصطناعي هو: «أي نموذج ينبغي استخدامه». أمّا الآن، فالسؤال بدأ يتحول إلى: «أين ينبغي تشغيل الذكاء الاصطناعي، ومن سيوفر القدرة الحاسوبية، وكيف يمكن إدخاله ضمن البنية التحتية التقنية الحالية». وبالاستناد إلى المعلومات العلنية الأخيرة المحيطة بـ Anthropic وOpenAI وMeta وApple، يمكن ملاحظة أن شركات التكنولوجيا الكبرى تسير في ثلاثة مسارات في الوقت نفسه: مسار يواصل السعي نحو نماذج أكبر وأقوى وتحديثات أسرع؛ ومسار يحوّل الاستثمارات الضخمة في مراكز بيانات الذكاء الاصطناعي إلى إيرادات مؤسسية شبيهة بخدمات السحابة؛ ومسار آخر يدفع بمزيد من قدرات الذكاء الاصطناعي إلى العمل محليًا على الأجهزة الطرفية.

هذا ليس ثلاث استراتيجيات منتجات مستقلة عن بعضها، بل ثلاث وقائع قد تواجهها بنية تكنولوجيا المعلومات المؤسسية مستقبلًا في الوقت نفسه: الذكاء الاصطناعي المتقدم يعتمد أكثر على عناقيد GPU عالية الكثافة والاستدلال السحابي، والمنصات في الطبقة الوسطى تحاول تحويل القدرة الحاسوبية إلى بنية تحتية قابلة للبيع، بينما يركز الذكاء الاصطناعي الطرفي على الخصوصية وانخفاض زمن الاستجابة والقدرة على العمل دون اتصال. وبالنسبة إلى CTO وCIO ومعماريي المؤسسات، فهذا يعني أن بنية الذكاء الاصطناعي لم تعد لها إجابة واحدة من نوع «التدريب في السحابة، والاستدلال في السحابة»، بل دخلت مرحلة التآزر متعدد الطبقات.

تحليل تقني: لماذا تبحث شركات التكنولوجيا الكبرى جميعها عن موقع الذكاء الاصطناعي «المناسب تمامًا»

تلخص المادة المرجعية الاستراتيجية الحالية للذكاء الاصطناعي في ثلاثة نطاقات «Goldilocks»: طبقة النماذج الكبيرة المتقدمة، والبنية التحتية للذكاء الاصطناعي في الطبقة الوسطى، والذكاء الاصطناعي الطرفي/المحلي. وتكمن قيمة هذا التقسيم في أنه يساعد المؤسسات على فهم أن قدرات الذكاء الاصطناعي ليست كلما كانت أكبر كانت أفضل، ولا كلما اقتربت أكثر من مركز السحابة كانت أفضل، بل إن الأمر يعتمد على سيناريو العمل وهيكل التكلفة وقيود البيانات.

1）النماذج الكبيرة المتقدمة: أولوية للقدرة، لكن بأعلى كلفة وتعقيد

تمثل Anthropic وOpenAI مسار النماذج المتقدمة. وهدفهما الأساسي ليس جعل النموذج «كافيًا»، بل الاستمرار في رفع قدرات الاستدلال والبرمجة وتخطيط المهام وتنسيق سير العمل المعقدة. وتُظهر المعلومات العلنية أن هذه الشركات تواصل التحديث المتكرر للنماذج الرائدة خلال دورات زمنية قصيرة، ما يدل على أن بؤرة المنافسة انتقلت من «هل يمكن صنع ذكاء اصطناعي» إلى «من يستطيع إيصال قدرة عالية القيمة إلى الشركات بسرعة أكبر».

وبالنسبة إلى المؤسسات، فإن النماذج المتقدمة مناسبة للتعامل مع المهام عالية التعقيد: دعم تطوير البرمجيات، وسير العمل المعرفي، وأتمتة خدمة العملاء، وفهم الوثائق، والتعاون الوكلي عبر الأنظمة. لكن تكلفتها واضحة أيضًا:

• تكلفة الاستدلال مرتفعة، خصوصًا في سيناريوهات التوازي العالي؛
• أكثر حساسية لجودة الشبكة وزمن الاستجابة والتحكم في الوصول؛
• تتطلب حوكمة بيانات وتدقيق سجلات أكثر صرامة؛
• تعتمد عادةً بشكل أكبر على النشر السحابي، ويصعب تشغيلها بالكامل دون اتصال.

2）مراكز بيانات الذكاء الاصطناعي في الطبقة الوسطى: تحويل البنية التحتية الحاسوبية إلى سلعة ميتا يُناقَش أمرها الأساسي ليس فقط الاستمرار في الاستثمار في نماذج الذكاء الاصطناعي، بل أيضًا محاولة تحويل مراكز بيانات الذكاء الاصطناعي التي تبنيها داخليًا وقدراتها الحاسوبية إلى خدمات مؤسسية أوسع نطاقًا. هذا الاتجاه يقترب في جوهره من المنطق المبكر لـ AWS: أولًا إنشاء البنية التحتية للأعمال الداخلية واسعة النطاق، ثم تحويل السعة الفائضة والقدرات الهندسية إلى الخارج، لتشكيل طبقة إيرادات جديدة.

إذا نجح هذا النموذج، فستواجه بنية تقنية المعلومات المؤسسية تغيرًا مهمًا: لن تعود بنية الذكاء الاصطناعي التحتية محتكرة بالكامل من قِبل مزودي السحابة التقليديين، بل قد تصبح شركات الإنترنت فائقة النطاق، والشركات الأصلية في الذكاء الاصطناعي، وحتى "neocloud" خياراتٍ للشراء المؤسسي. وبالنسبة لفرق المشتريات، سيجلب هذا مزيدًا من الخيارات، لكنه سيجلب أيضًا إدارةً أكثر تعقيدًا للموردين، والربط الشبكي البيني، وبنود العقود، ومسائل إقامة البيانات.

3）الذكاء الاصطناعي على الحافة والمحلي: ليس تصغير النماذج، بل إعادة تعريف حدود النشر

تمثل استراتيجية Apple اتجاهًا آخر: جعل أكبر قدر ممكن من استدلالات الذكاء الاصطناعي يتم على الجهاز نفسه، ثم إسناد المهام المعقدة إلى نماذج أقوى في السحابة عند الحاجة. يعتمد هذا النوع من البنى على نماذج أصغر وأكثر كفاءة، وعلى التحسينات على مستوى الشرائح والذاكرة والنظام في الهواتف والحواسيب الشخصية والأجهزة القابلة للارتداء.

لا تقتصر أهمية الذكاء الاصطناعي على الحافة على كونه "أسرع" فحسب، بل تشمل أيضًا:

• زمن استجابة منخفض: تفاعل المستخدم يكون أكثر سلاسة؛
• ميزة الخصوصية: يمكن إبقاء البيانات الحساسة محليًا قدر الإمكان؛
• قابلية العمل دون اتصال: يمكنه الاستمرار في العمل عند عدم استقرار الشبكة؛
• تقسيم التكلفة: ليست كل الطلبات بحاجة إلى استهلاك وحدات GPU السحابية باهظة الثمن.

بالنسبة للشركات، يلمّح هذا إلى اتجاه: تطبيقات الذكاء الاصطناعي في المستقبل ستصبح أكثر شبهاً بـ"الحوسبة متعددة الطبقات"، لا بـ"إرسال جميع الطلبات إلى السحابة".

تحليل الأثر المؤسسي: ستنتقل بنية تقنية المعلومات من مركزية سحابية واحدة إلى نظام ذكاء اصطناعي متعدد الطبقات

1）تأثير التكلفة: ستتحول نفقات الذكاء الاصطناعي من ميزانية البرمجيات إلى ميزانية البنية التحتية

كانت الشركات في السابق تشتري SaaS مع التركيز أساسًا على رسوم الاشتراك وتكلفة المقاعد؛ أما في عصر الذكاء الاصطناعي، فإن هيكل التكلفة يتحرك تدريجيًا نحو الطابع البنيوي. ستصبح مكالمات الاستدلال، وحالات GPU، وقواعد البيانات المتجهية، وخطوط البيانات، والتخزين المؤقت، والمراقبة، بنود إنفاق مستمرة.

وهذا يعني ظهور نوعين من ضغوط الميزانية في آن واحد:

• ضغط CAPEX: إذا بنت الشركة قدراتها على الذكاء الاصطناعي داخليًا، سترتفع تكاليف GPU والتخزين والشبكات والطاقة ومراكز البيانات بشكل ملحوظ؛
• ضغط OPEX: إذا اعتمدت الشركة أساسًا على النماذج السحابية، فإن تكاليف الاستخدام المستمرة، ورسوم نقل البيانات، وتكاليف التشغيل والمراقبة ستتراكم باستمرار.

• والنهج الأكثر واقعية هو تقسيم المهام بحسب الطبقات:
• المهام منخفضة الحساسية ومنخفضة التعقيد يمكن استخدام نماذج أصغر أو الذكاء الاصطناعي على الحافة؛
• المهام عالية القيمة والمعقدة في الاستدلال تستخدم النماذج الرائدة السحابية؛
• أحمال عمل الاستدلال المتكررة لكن المعيارية ينبغي نقلها قدر الإمكان إلى الطبقة الوسطى أو إلى بيئات استدلال مخصصة ذات تكلفة أكثر قابلية للتحكم.

2）تأثير النشر: ستتعايش السحابة المتعددة والحافة والأجهزة الطرفية

لم يعد نشر الذكاء الاصطناعي يعني "اختيار سحابة واحدة" والانتهاء. من المرجح أن تعتمد الشركات في المستقبل هيكلًا من أربع طبقات:1. الأجهزة الطرفية المحلية المزودة بالذكاء الاصطناعي؛ 2. المهام الحساسة في السحابة الخاصة بالشركة أو السحابة الخاصة؛ 3. التدريب واسع النطاق والاستدلال المعقد في السحابة العامة؛ 4. الخدمات منخفضة الكمون في العقد الطرفية أو مراكز البيانات الإقليمية.

هذا الهيكل يفرض متطلبات أعلى على فرق معمارية المؤسسات: إذ يجب ربط إدارة الهوية، ومزامنة البيانات، والتحكم في إصدارات النماذج، وعزل الصلاحيات، وقابلية الملاحظة عبر البيئات المختلفة.

3）تأثيرات التشغيل والصيانة: من “إدارة الخوادم” إلى “إدارة النماذج وجدولة القدرة الحاسوبية”

تركز عمليات التشغيل والصيانة التقليدية على المثيلات والحاويات والشبكات؛ أما تشغيل وصيانة الذكاء الاصطناعي فيتطلب إدارة إصدارات النماذج، وقوالب التعليمات، وزمن كمون الاستدلال، وطول السياق، واستغلال وحدات GPU، ومسارات الرجوع عند الفشل. تحتاج الشركات إلى دمج AIOps وFinOps وMLOps، وإلا فمن السهل أن تظهر حالات مثل “أداء النموذج ممتاز، لكن الفاتورة خرجت عن السيطرة” أو “التكلفة قابلة للضبط، لكن الخدمة غير متاحة للأعمال”.

4）تأثيرات الأمن والامتثال: ستصبح حدود البيانات أكثر أهمية

إن صعود الذكاء الاصطناعي على الحافة لا يعني اختفاء مشكلات الامتثال، بل سيجعل الشركات تعيد النظر في أي البيانات يجب أن تبقى محليًا، وأيها يمكن رفعه إلى السحابة، وأي الطلبات يمكن إسنادها إلى نموذج طرف ثالث. وبالنسبة لقطاعات مثل المالية والرعاية الصحية والخدمات الحكومية والتصنيع، ستصبح إقامة البيانات، ومسارات التدقيق، ومسؤولية مخرجات النموذج، والتحكم في وصول الأطراف الثالثة جزءًا من تصميم البنية المعمارية.

تحليل المنافسة السوقية: إعادة رسم حدود AWS وAzure وGoogle Cloud واللاعبين الجدد في البنية التحتية للذكاء الاصطناعي

أكبر إشارة سوقية يعرضها المحتوى المرجعي ليست أن شركة بعينها أطلقت نموذجًا جديدًا، بل أن سوق بنية الذكاء الاصطناعي التحتية ينتقل من “هيمنة مزودي السحابة” إلى “تعدد أنواع التوريد بالتوازي”.

من قد يستفيد؟

• AWS وAzure وGoogle Cloud: إذا استمرت في امتلاك قدرات التوزيع المؤسسي، والهوية، والامتثال، والسحابة الهجينة، فستظل بوابة مهمة لأعباء عمل الذكاء الاصطناعي.
• NVIDIA وAMD وIntel وDell وHPE وSupermicro: سيستمر توسع مراكز بيانات الذكاء الاصطناعي في دفع الطلب على وحدات GPU والخوادم والشبكات والبنية التحتية للتبريد.
• مزودو السحابة المتخصصون في بنية الذكاء الاصطناعي التحتية: إذا تمكنوا من تقديم تسعير أكثر مرونة للقدرة الحاسوبية، وجدولة أكثر كفاءة للعناقيد، ودورات تسليم أسرع، فقد يجذبون العملاء الذين يحتاجون إلى استدلال أو تدريب واسع النطاق.
• النظام البيئي الطرفي بأسلوب Apple: الشركات التي تمتلك العتاد والنظام وتوزيع التطبيقات تستطيع بسهولة أكبر تكوين ميزة حلقة مغلقة في الذكاء الاصطناعي المحلي.

من يواجه الضغط؟

• منصات IaaS العامة التي لا تقدم سوى خدمات عامة من دون قدرات ذكاء اصطناعي مميزة؛
• مورّدو البرمجيات المؤسسية الذين يعتمدون على هوامش ربح عالية لكنهم يفتقرون إلى حاجز القدرة الحاسوبية؛
• مزودو خدمات الذكاء الاصطناعي الذين لا يستطيعون سوى بيع “الوصول إلى النموذج” من دون توفير سير العمل، أو حوكمة البيانات، أو التحكم في النشر.

المنافسة المستقبلية ليست فقط “من يملك النموذج الأقوى”، بل “من يستطيع دمج النموذج في عمليات تقنية المعلومات المؤسسية، ونظام الميزانية، وأطر الامتثال”.

مراقبة اتجاهات الصناعة: خلال السنوات الخمس المقبلة، ستصبح بنية الذكاء الاصطناعي أشبه بـ"شبكة كهرباء هجينة" أكثر من كونها مركز بيانات واحد

تشير هذه الجولة من التغييرات إلى أن بنية الذكاء الاصطناعي المؤسسية ستتجه نحو عدة مسارات طويلة الأمد:

1）السحابة الأصلية للذكاء الاصطناعي

ستُعاد صياغة عروض منصات السحابة بشكل متزايد حول الذكاء الاصطناعي، بما في ذلك مثيلات GPU، ومنصات التدريب، والاستضافة المُدارة للاستدلال، والاسترجاع المتجهي، وحوكمة البيانات، وتنسيق الوكلاء. لن يكون اختيار السحابة بالنسبة للمؤسسات مجرد مسألة تخزين وحوسبة، بل من أجل الحصول على حزمة تشغيل متكاملة للذكاء الاصطناعي.

2）تعدد السحب وقابلية نقل النماذج

مع استمرار تنوع النماذج وأطر الاستدلال وبيئات النشر، ستولي المؤسسات اهتمامًا أكبر لقابلية النقل، لتجنب الارتهان لنموذج واحد أو سحابة واحدة. وبشكل خاص بالنسبة للمجموعات العابرة للمناطق والقطاعات، سيتحول تعدد السحب من "توزيع المخاطر" إلى "أداة جدولة سعة الذكاء الاصطناعي".

3）السحابة السيادية والنشر المحلي

مع تشدد المتطلبات التنظيمية وسيادة البيانات والامتثال عبر الحدود، ستواصل السحابة السيادية وبنية الذكاء الاصطناعي الإقليمية النمو. ولن تسلم المؤسسات كل بياناتها الحساسة إلى مزود واحد عالمي للنماذج.

4）البنية التحتية الطرفية والذكاء الاصطناعي المحلي

الذكاء الاصطناعي على الطرف ليس بديلًا عن السحابة، بل مكمّل لها. في المستقبل، سيجري تنفيذ عدد كبير من التفاعلات اليومية والمساعدات الشخصية ومهام التحليل البسيطة على الجهاز نفسه، ولن تُرفع إلى السحابة إلا المهام المعقدة حقًا. وهذا سيغيّر بشكل ملحوظ هيكل عرض النطاق والزمن الكامن والتكلفة.

رؤية CloudTechDaily

إن الانقسام في استراتيجيات الذكاء الاصطناعي لدى عمالقة التكنولوجيا خلال هذه الجولة يحمل أهم دلالة في أن: بنية الذكاء الاصطناعي التحتية تنتقل من قدرة نقطية منفردة إلى طبقة قرار أساسية في بنية تكنولوجيا المعلومات المؤسسية. تواصل شركات النماذج المتقدمة دفع حدود القدرات، بينما تحاول الشركات الوسيطة تحويل النفقات الرأسمالية للحوسبة إلى إيرادات سحابية، وتثبت شركات الطرف أن ليس كل ذكاء اصطناعي يجب أن يبقى في مراكز البيانات. وبالنسبة للمؤسسات، يعني ذلك أن بنية الذكاء الاصطناعي المستقبلية لن تكون مسألة بسيطة من نوع "اختيار سحابة" أو "اختيار نموذج"، بل تتطلب بناء توازن متعدد الطبقات بين الأداء والتكلفة والخصوصية والامتثال وقابلية التحكم.

من الناحية الاستراتيجية، لا يكمن المسار المؤسسي الأكثر أمانًا في الرهان على نموذج واحد، بل في بناء بنية ذكاء اصطناعي قابلة للتقسيم الطبقي والنقل والتدقيق: إبقاء المهام عالية الحساسية محليًا أو في بيئات خاصة، ووضع الاستدلال عالي القيمة على منصات سحابية قابلة للتحكم، ونشر السيناريوهات المعيارية منخفضة الكمون على الحافة أو على الطرف. خلال السنوات الخمس المقبلة، لن تكون الشركات الأكثر تنافسية هي الشركات التي تبنت الذكاء الاصطناعي مبكرًا فحسب، بل تلك التي أدخلت الذكاء الاصطناعي مبكرًا ضمن نظام حوكمة البنية التحتية.

المصادر المرجعية

1. المقال المرجعي: Big Tech Goldilocks AI Strategies: Large, Medium, Small & 'Just Right'. ARD #85 - AI: Reset to Zero https://michaelparekh.substack.com/p/big-tech-goldilocks-ai-strategies2. صفحة الإصدار الرسمية من OpenAI (مرجع لخلفية تحديثات النموذج الرائد المذكورة في النص) https://openai.com/index/introducing-gpt-5-5/

3. تقرير CNBC حول احتمالية أعمال Meta السحابية (مرجع للتصريحات العلنية المذكورة في النص) https://www.cnbc.com/2026/05/27/mark-zuckerberg-says-a-meta-cloud-computing-business-is-definitely-on-the-table.html

4. خلفية النقاشات العلنية المتعلقة بـ Apple (مرجع لاتجاه الذكاء الاصطناعي على الجهاز المذكور في النص) https://www.theinformation.com/articles/apple-renew-push-ai-runs-devices-instead-cloud?rc=fzcdtg