النماذج الأصغر قد تُحدث اضطراباً في اقتصاديات مختبرات الذكاء الاصطناعي

تواجه صناعة الذكاء الاصطناعي تحولاً محتملاً في كيفية نشر الشركات للتكنولوجيا، مبتعدةً عن الاعتماد على أكبر الأنظمة المتاحة. ويتوقع Brian Armstrong، المؤسس المشارك لشركة Coinbase، أن تنتقل الغالبية العظمى من المهام قريباً إلى بدائل أرخص بكثير. ووفقاً لـ Armstrong، فإن “الطلب على الذكاء يكاد يكون لا نهائياً، لكن 80% من أعباء العمل ستعمل على نماذج أرخص بنسبة 99% في غضون 12-18 شهراً”. وبموجب هذا التوقع، ستستمر 20% فقط من أعباء العمل في العمل على أحدث جيل من النماذج حيث يكون “تعظيم الذكاء” (IQ maxing) - الذي يُعرّف بأنه إعطاء الأولوية لأعلى مستوى ممكن من الذكاء في النموذج - أمراً مهماً.

وتدعم الاختبارات المؤسسية المبكرة جدوى هذا التحول. فقد اختبرت شركة Harvey، وهي شركة ناشئة في مجال الذكاء الاصطناعي القانوني، مؤخراً تخفيضات في التكاليف بالشراكة مع منصة الاستدلال Fireworks AI. وفي الاختبار، تمكنت Harvey من خفض تكاليف الاستدلال—وهي تكلفة تشغيل نموذج الذكاء الاصطناعي لتوليد المخرجات—بمقدار 3 أضعاف دون تقليل الجودة. وأشار Gabe Pereyra، المؤسس المشارك لشركة Harvey، إلى أنه بينما تظل الجودة هي التركيز الأساسي في القطاع القانوني، فإن تعريف الجودة يتغير. فبدلاً من اللجوء تلقائياً إلى النموذج الأكثر قوة لكل مهمة، تبحث الشركات عن النموذج الأكثر كفاءة الذي يمكنه تقديم الإجابة الصحيحة.

يمثل هذا التحول نحو نماذج أصغر وأكثر كفاءة ابتعاداً عن نهج “التوسع أولاً” الذي هيمن على التطوير الأخير للصناعة. فلسنوات، ركزت مختبرات الذكاء الاصطناعي الكبرى على تدريب “نماذج الحدود” (frontier models) التي تزداد كثافة في استخدام الحوسبة، وهي النماذج الأكثر تقدماً وكثافة في استخدام الحوسبة المتاحة. ومع ذلك، ومع مواجهة مستخدمي المؤسسات لضغوط تكلفة متزايدة، قد ينخفض الطلب على هذه الخيارات باهظة الثمن. وغالباً ما تتم مناقشة هذا الاتجاه في سياق المنافسة بين المختبرات الكبرى ومزودي “النماذج مفتوحة الأوزان” (open-weight models)، مثل DeepSeek، حيث تكون أوزان النماذج متاحة للجمهور. لكن التحول الأساسي هو من النماذج الكبيرة إلى نماذج أصغر وأكثر كفاءة. وإذا نجحت الشركات في تحويل أعباء عملها إلى هذه البدائل الأرخص، فقد يوجه ذلك ضربة مالية للمختبرات الكبرى مثل OpenAI وAnthropic، التي اعتمدت على افتراض أن النماذج الأكثر قوة وتكلفة ستسيطر باستمرار على السوق.

لماذا يهم

تتحدى الخطوة نحو نماذج أصغر وأرخص الافتراض القائل بأن النماذج الأكثر قوة ستسيطر دائماً على السوق. وقد يجبر هذا التحول مختبرات “نماذج الحدود” التي استثمرت بكثافة في تدريب أنظمة ضخمة وكثيفة الحوسبة على إعادة ضبط اقتصادية كبيرة.