هل ينبغي أن نمنح أنثروبيك 1.4 تريليون دولار؟
chaincatcherبقلم: هو يونغ، أستاذ في كلية الصحافة والاتصال بجامعة بكين
تحرير: سو يانغ، تينسنت تيك
تشهد صناعة الذكاء الاصطناعي لحظة ذات أهمية كبيرة.
في نوفمبر 2026، أطلقت أنثروبيك، التي تأسست قبل ما يزيد قليلاً عن خمس سنوات، طرحها العام الأولي (IPO)، في محاولة لدخول أسواق رأس المال بتقييم يتجاوز تريليون دولار.
وفقًا للمعلومات الواردة في نشرة الإصدار، يبلغ إجمالي الأسهم الأساسية القائمة لأنثروبيك بعد الطرح العام الأولي حوالي 13.07 مليار سهم. وباحتساب النطاق السعري للطرح بين 70 و78 دولارًا، تتراوح القيمة السوقية الأساسية المقابلة بين 916 مليار دولار و1.02 تريليون دولار. وإذا أُدرجت الأسهم المحتملة من خيارات أسهم الموظفين البالغة حوالي 4.92 مليار سهم، يصل التقييم المخفف بالكامل إلى ما بين 1.26 تريليون و1.4 تريليون دولار.
إن وصول شركة منتجها الأساسي هو نموذج لغوي كبير إلى مثل هذا التقييم السوقي الضخم في مثل هذه الفترة القصيرة أمر نادر في تاريخ صناعة التكنولوجيا.
ومع ذلك، فإن إدراج أنثروبيك لا يرمز فقط إلى اعتراف أسواق رأس المال بآفاق الذكاء الاصطناعي، بل يسلط الضوء أيضًا على مشكلة طالما حجبتها الاختراقات التقنية وحمى التمويل، والتي يجب أن تخضع الآن للتدقيق العام: لقد خلق الذكاء الاصطناعي طلبًا سوقيًا هائلاً، ولكن هل يمكنه تحقيق أرباح تتناسب مع تقييمه؟
نأمل من خلال هذا المقال استكشاف عدة مواضيع:
إيرادات سنوية تبلغ 70 مليار دولار، وأرباح تشغيلية معدلة تبلغ 4.1 مليار دولار، وخسارة صافية تبلغ 1040 مليار دولار تظهر جميعها في نشرة الإصدار في الوقت نفسه، فما هو الأساس للحكم على نموذج العمل؟
كل استدلال للنموذج يستهلك قدرة حاسوبية، والمستخدمون الأكثر نشاطًا ليسوا بالضرورة من يساهمون بأكبر قدر من الإيرادات.
تنظم شركات النماذج رأس المال بطريقة قطاعات الطاقة والاتصالات والبنية التحتية، ويتحول منطق التقييم من "مدى قوة النموذج" إلى تكلفة رأس المال، ودورة استرداد الاستثمار، ومعدل العائد على رأس المال.
الشركات التي تمتلك علاقات المستخدمين، وسير العمل، والنظم البيئية قد تكون أكثر قدرة من شركات النماذج على تحويل الذكاء إلى إيرادات.
هناك إجماع على التسعير القائم على "إنجاز العمل" للذكاء، لكن لا يوجد إجماع بعد حول من يتحمل الخسائر الاقتصادية الناجمة عن فشل المهام أو الأخطاء.
القيمة التي يخلقها الذكاء الاصطناعي لا تعادل إيرادات وأرباح مطوري النماذج.
بعد خصم تكاليف الرقائق والكهرباء والبحث والتطوير والتمويل، فإن ما يمكن أن يحتفظ به "منقبو الذهب" فعليًا هو ما يحتاج طرح أنثروبيك العام الأولي إلى اختباره حقًا.
01، 70 مليار دولار مقابل 13 مليار دولار: معجزة الإيرادات وشكوك الأرباح
في حمى البحث عن الذهب السابقة للذكاء الاصطناعي، بدا أن الرابحين الأكثر تأكيدًا هم أولئك الذين يبيعون "المعاول". توفر NVIDIA وحدات معالجة الرسومات، وتتولى TSMC تصنيع الرقائق المتقدمة، وتبني شركات الحوسبة السحابية مراكز البيانات، وتوفر شركات الكهرباء والطاقة الظروف الأساسية لمرافق الحوسبة المتزايدة الضخامة.
بغض النظر عن أي شركة نماذج كبيرة ستفوز في النهاية، يمكن لموردي البنية التحتية هؤلاء الاستفادة من توسع الصناعة بأكملها.
في المقابل، تواجه شركات مثل OpenAI وأنثروبيك التي تطور النماذج الكبيرة مباشرة نموًا مذهلاً في المستخدمين والإيرادات، لكنها تواجه مشاكل اقتصادية أكثر تعقيدًا: هل يمكن لتكلفة تطوير الذكاء، وسعر بيع الذكاء، والاستثمار الرأسمالي اللازم للحفاظ على الريادة التقنية أن تشكل دورة تجارية مستدامة؟
توفر نشرة إصدار أنثروبيك أدلة مهمة لفهم هذه المشكلة.
وفقًا لوثائق الإدراج المحدثة في نوفمبر 2026، بلغت إيرادات الشركة في عام 2025 حوالي 4.585 مليار دولار، وبلغت إيرادات الأشهر التسعة الأولى من عام 2026 نحو 33.242 مليار دولار، منها حوالي 17 مليار دولار في الربع الثالث وحده. وهذا يعني أن إيرادات ربع واحد تجاوزت إجمالي النصف الأول بأكمله. وإذا تم تحويل إيرادات الربع الثالث إلى أساس سنوي ببساطة، فإن معدل الإيرادات السنوية لأنثروبيك يقترب من 68 إلى 70 مليار دولار.
يتجاوز معدل النمو هذا بكثير وتيرة تطور صناعة البرمجيات التقليدية، مما يدل على أن الذكاء الاصطناعي التوليدي لم يعد تقنية تجريبية تعتمد بشكل أساسي على الدعم الرأسمالي للحفاظ على حجم المستخدمين، بل أصبح يشكل سوقًا تجاريًا بقدرة دفع فعلية.
من الجدير بالذكر أن إيرادات أنثروبيك تأتي بشكل رئيسي من عملاء الشركات والخدمات التي تُسعَّر حسب استخدام الذكاء، وليس فقط من الاشتراكات الشهرية الثابتة للمستهلكين الأفراد. وهذا يدل على أن تركيز تسويق النماذج الكبيرة يتحول من بيع الوصول إلى أدوات الدردشة إلى بيع قدرات ذكية يمكنها المشاركة في الأنشطة الإنتاجية.
لم تكتف النماذج الكبيرة بالعثور على منجم ذهب، بل عثرت عليه بالأطنان. ومع ذلك، فإن النمو الهائل في الإيرادات لم يحل مشكلة الربحية تلقائيًا.
في الأشهر التسعة الأولى من عام 2026، أنفقت أنثروبيك حوالي 18.8 مليار دولار على القدرة الحاسوبية والبنية التحتية، أي ما يعادل نحو 57% من إجمالي إيراداتها البالغة 33.242 مليار دولار.
من الناحية التشغيلية، لا تزال الشركة تتكبد خسائر، حيث بلغت الخسارة التشغيلية وفقًا لمبادئ المحاسبة المقبولة عمومًا (GAAP) في الأشهر التسعة الأولى حوالي 1.26 إلى 1.3 مليار دولار. وبلغ صافي الخسارة في الأشهر التسعة الأولى 1040 مليار دولار، لكن جزءًا كبيرًا منها ناتج عن إعادة تقييم القيمة العادلة لأدوات التمويل القابلة للتحويل والالتزامات ذات الصلة، وليس من التدفق النقدي الخارج من العمليات اليومية. وفي الوقت نفسه، كشفت الشركة أن الأرباح التشغيلية المعدلة تحولت إلى إيجابية عند حوالي 4.1 مليار دولار (بهامش ربح تشغيلي معدل يبلغ حوالي 12%)، مما يشير إلى تحسن كبير في كفاءة الإيرادات مقارنة بتكاليف القدرة الحاسوبية.
لذلك، فإن الاستنتاج بأن نموذج عمل أنثروبيك غير قابل للاستمرار بناءً على الخسارة الصافية الضخمة وحدها هو تبسيط مفرط؛ ولكن الاستنتاج بأن النماذج الكبيرة قد حلت مشكلة الربحية بناءً على تحول الأرباح التشغيلية المعدلة إلى إيجابية يفتقر أيضًا إلى أساس كافٍ.
النقطة الأساسية هي ما إذا كانت الشركة قادرة على توليد تدفق نقدي حر كافٍ (FCF) على المدى الطويل بعد تحمل تكاليف البحث والتطوير المستمرة، وشراء القدرة الحاسوبية، وبناء البنية التحتية، وتكاليف التمويل.
بدأ عدد متزايد من الشركات في التأكيد على التحسينات القابلة للقياس في الإنتاجية التي يجلبها الذكاء الاصطناعي، بما في ذلك تسريع سير العمل، وأتمتة المهام الروتينية، وتوسيع قدرات الخدمة، وتحسين التحكم في التكاليف. من الواضح أن الطلب على الذكاء الاصطناعي قوي؛ ومع ذلك، بدأ وول ستريت يفقد صبره تدريجيًا تجاه التكاليف اللازمة لتلبية هذا الطلب.
أبرز مثال على ذلك هو Meta. أظهرت نتائج الربع الثالث للشركة أنه على الرغم من أن الذكاء الاصطناعي دفع نمو إيرادات الإعلانات في Meta بنسبة 26%، إلا أن التدفق النقدي الحر للشركة تحول إلى سلبي في الربع، وهو أول تدفق نقدي خارجي صافٍ منذ أكثر من عقد. وفي الوقت نفسه، رفعت Meta توقعاتها للإنفاق الرأسمالي لدعم خططها التوسعية الطموحة في البنية التحتية للذكاء الاصطناعي.
تضخم قلق وول ستريت بشأن عائد الاستثمار (ROI) في البنية التحتية للذكاء الاصطناعي.
خلال العامين الماضيين، كان السوق يمنح علاوة عمياء بمجرد سماعه عن "تحسين قدرات الذكاء الاصطناعي وزيادة التصاق المستخدمين"؛ ولكن في المرحلة الحالية، عندما يقترب الإنفاق الرأسمالي للصناعة بأكملها من مئات المليارات أو حتى التريليونات، بدأ وول ستريت يحسب مثل الخبراء الاكتواريين: متى يمكن أن تتحول استثمارات القدرة الحاسوبية هذه إلى زيادة صافية حقيقية في التدفق النقدي الحر؟
إذا طالت دورة استرداد الاستثمار أكثر من اللازم، أو إذا لم تتمكن الزيادة في الإيرادات الناتجة عن الذكاء الاصطناعي من تعويض مئات المليارات من الاستهلاك وفواتير الكهرباء السنوية، فسيفرض السوق عقوبة على التقييم.
وفقًا لتوقعات مؤسسة الأبحاث السوقية Gartner، إذا استمرت الشركات في معدل الإنفاق الحالي، فإن استثمارات البنية التحتية للذكاء الاصطناعي التي تتجاوز 3.5 تريليون دولار قد تواجه خطر انخفاض قيمة الأصول بحلول نهاية عام 2030. ومن المتوقع أن يستثمر مزودو خدمات الذكاء الاصطناعي ما يقرب من تريليون دولار في البنية التحتية للذكاء الاصطناعي في عام 2026، و6 تريليونات دولار إضافية من عام 2027 إلى عام 2030.
تشير Gartner إلى أنه خلال هذه الفترة، قد لا تكون إيرادات الذكاء الاصطناعي من عملاء الشركات والمستهلكين كافية لدعم تحقيق عوائد مربحة على هذه الاستثمارات.
02، عدم وفورات الحجم
يكشف عدم التطابق الهائل بين العرض والطلب والأمور المالية عن الفرق الجوهري بين النماذج الكبيرة وصناعة البرمجيات التقليدية.
لعقود من الزمن، كانت البرمجيات كخدمة (SaaS) نموذجًا تجاريًا مفضلاً لدى أسواق رأس المال لأن التكلفة الحدية لتقديم الخدمات لمزيد من المستخدمين تكون منخفضة نسبيًا بعد اكتمال تطوير البرمجيات. ومع توسع قاعدة العملاء، يمكن للشركات عادة تحسين هوامش الربح من خلال وفورات الحجم. ومع ذلك، لا تتبع النماذج الكبيرة هذا المنطق بالكامل.
كل استدلال للنموذج، وتوليد أكواد، وتحليل نصوص طويلة، وتنفيذ مهام الوكلاء الأذكياء، يتطلب موارد حاسوبية فعلية. خاصة عندما يتطور الذكاء الاصطناعي من الإجابة على الأسئلة إلى إنجاز المهام المعقدة بشكل مستقل، قد تتطلب المهمة الواحدة استدعاء النموذج بشكل متكرر، واسترجاع معلومات خارجية، وتنفيذ برامج، والتحقق من النتائج، مما يؤدي إلى ارتفاع التكاليف. بالنسبة للشركات التي تقدم خدمات اشتراك شهرية ثابتة، فإن المستخدمين الأكثر نشاطًا ليسوا بالضرورة الأكثر مساهمة في الأرباح؛ بل قد يكونون الأكثر استهلاكًا للقدرة الحاسوبية.
لهذا السبب يتعين على مزودي النماذج الكبيرة "غربلة المستخدمين" من خلال قيود طول السياق، أو قيود الاستدعاء، أو التسعير المتدرج.
في ظل احتمال تحول المستخدمين الثقيلين من "أصول" إلى "أعباء"، لا يمكن تقييم نضج نموذج العمل لشركات النماذج الكبيرة بالنظر فقط إلى عدد المستخدمين المدفوعين، أو نمو إيرادات الاشتراكات، أو نشاط المستخدمين؛ بل يجب أيضًا مراقبة اقتصاديات الوحدة لمجموعات المستخدمين المختلفة: مقدار الإيرادات التي يساهم بها كل مستخدم، ومقدار موارد الاستدلال التي يستهلكها، وكيف تتغير هوامش الربح مع زيادة كثافة الاستخدام، وما إذا كانت الشركة قادرة على تحسين هذه العلاقة من خلال تسعير أكثر منطقية وتحسينات تقنية.
ليست النماذج الكبيرة محكومًا عليها بعدم القدرة على تحقيق وفورات الحجم. يمكن لضغط النماذج، وتحسين الاستدلال، وترقية الرقائق، وتقنيات التخزين المؤقت، وتوزيع المهام بين النماذج المختلفة أن تخفض تكلفة الوحدة الحاسوبية باستمرار. كما يُظهر تحسين الكفاءة التشغيلية الذي كشفت عنه أنثروبيك أن التقدم التقني يمكن أن يغير هيكل التكاليف.
ومع ذلك، يواجه الذكاء الاصطناعي آلية توسع طلب فريدة: عندما تصبح الخدمات الذكية أرخص وأقوى، قد لا يكتفي المستخدمون بإنجاز المهام الحالية بتكلفة أقل، بل قد يبدأون في مطالبة الآلات بتولي المزيد من الأعمال التي كانت مستحيلة في السابق.
تقدم مفارقة جيفونز في الاقتصاد مرجعًا ملهمًا هنا: تحسين كفاءة استخدام الموارد لا يقلل بالضرورة من إجمالي استهلاك الموارد، بل قد يحفز نمو الطلب. بالنسبة لشركات النماذج الكبيرة، لا يعني انخفاض تكلفة الاستدلال للوحدة بالضرورة انخفاض إجمالي الإنفاق على القدرة الحاسوبية. قد يؤدي الذكاء الأرخص إلى تطبيقات أوسع، وبالتالي طلب أكبر محتمل على القدرة الحاسوبية.
يبرز الكشف في نشرة إصدار أنثروبيك عن التزامات شراء القدرة الحاسوبية المستقبلية هذا التناقض. فقد وقعت الشركة وكشفت عن ترتيبات طويلة الأجل للقدرة الحاسوبية والبنية التحتية يبلغ إجماليها حوالي 900 مليار دولار، ومن المتوقع أن يحدث جزء كبير منها قبل عام 2030.
لا تعني هذه الأرقام أن أنثروبيك قد دفعت المبالغ المقابلة، ولا يمكن اعتبارها ببساطة ديونًا حالية، لكنها تعكس تغييرًا مهمًا: تتحول شركات الذكاء الاصطناعي الرائدة من شركات برمجيات تقليدية خفيفة الأصول إلى شركات تكنولوجيا ثقيلة الأصول تعتمد بشكل كبير على تصنيع الرقائق، وقدرة شبكات الكهرباء، ومراكز البيانات، والتمويل الرأسمالي طويل الأجل. وعلى الرغم من أن شركات النماذج الكبيرة لا تزال تراهن على الابتكار الخوارزمي والمواهب البحثية، إلا أنها أصبحت مقيدة بشكل متزايد بإمدادات البنية التحتية المادية.
إذا كان على الشركة أن تستثمر باستمرار مئات المليارات من الدولارات للحفاظ على الريادة التقنية، فحتى لو كان نمو إيراداتها مذهلاً، فلا يمكن ضمان أن معدل العائد على رأس المال يكفي لدعم التقييم الحالي.
يقدم الذكاء الاصطناعي شكلاً صناعيًا فريدًا: فهو يحقق إيرادات بسرعة صناعة البرمجيات، لكنه قد يحتاج إلى تنظيم رأس المال بطريقة قطاعات الطاقة والاتصالات والبنية التحتية الصناعية. في الماضي، كان المستثمرون يركزون فقط على أي شركة لديها النموذج الأكثر تقدمًا، وأكبر عدد من المستخدمين، وأسرع نمو في الإيرادات؛ ولكن في المستقبل، قد تحدد تكلفة رأس المال، وسعر شراء القدرة الحاسوبية، ومعدل استخدام البنية التحتية، ودورة استرداد الاستثمار، القدرة التنافسية طويلة الأجل للشركة بنفس القدر.
03، المسارات المحتملة لتسويق النماذج
بالمقارنة مع أنثروبيك، فإن التخطيط التجاري لـ OpenAI أوسع نطاقًا، حيث تحاول أن تصبح مساعدًا ذكيًا عامًا للمستخدمين الأفراد، وتسعى أيضًا لأن تكون المنصة الأساسية للشركات والمطورين لاستخدام الذكاء الاصطناعي. ومع ذلك، تواجه OpenAI تناقضات مماثلة.
على الرغم من أن الإيرادات السنوية المتكررة (ARR) وإيرادات الربع الواحد لـ OpenAI قد وصلت إلى نطاق عشرات المليارات من الدولارات، إلا أن العديد من الإفصاحات المالية العامة وتوقعات الصناعة تشير إلى أنه بسبب التكلفة العالية لتدريب نماذج الجيل التالي المتطورة، ونفقات الاستدلال الضخمة، واتفاقيات استئجار القدرة الحاسوبية التي تبلغ مئات المليارات من الدولارات، فإن خسائرها التشغيلية التراكمية في السنوات الأخيرة وفجوات التدفق النقدي المتوقعة في السنوات القادمة لا تزال تصل إلى مئات المليارات أو حتى أكثر من تريليون دولار.
لذلك، فإن جذب المستخدمين ليس هو المفتاح؛ التحدي الأكبر هو كيفية تحويل الطلب الواسع على الاستخدام إلى إيرادات كافية لدعم الاستثمار الرأسمالي المستمر.
تعرض Meta مسارًا آخر.
على عكس OpenAI وأنثروبيك، لا تعتمد Meta بشكل أساسي على بيع النماذج الكبيرة لتحقيق الإيرادات، بل تدمج الذكاء الاصطناعي في أنظمتها الحالية للإعلانات والتوصيات والمنصات الاجتماعية. يمكن لتحسين قدرات النماذج أن يحسن كفاءة توزيع المحتوى، ومطابقة الإعلانات، وأتمتة التسويق، وبالتالي يرفع ربحية أعمالها الناضجة بشكل مباشر.
بالنسبة لـ Meta، يعتبر الذكاء الاصطناعي في الأساس تقنية لتحسين كفاءة أنظمة الأعمال الحالية، وليس بالضرورة منتجًا جديدًا يتطلب رسومًا منفصلة. يتمتع هذا النموذج بميزة واضحة: يمكنه الاستفادة من علاقات العملاء الحالية، وحجم المستخدمين، وأنظمة تداول الإعلانات لتحقيق الدخل، دون الحاجة إلى الاعتماد كليًا على بناء عادات دفع جديدة لدى المستهلكين مقابل الخدمات الذكية.
ومع ذلك، تواجه Meta أيضًا مشكلة التوسع المستمر في استثمارات مراكز البيانات، حيث يشكل الإنفاق الرأسمالي الضخم ضغطًا على التدفق النقدي الحر. وهذا يدل على أن امتلاك نموذج عمل ناضج لا يلغي الطبيعة كثيفة رأس المال للذكاء الاصطناعي؛ بل يوفر فقط قاعدة إيرادات أكثر استقرارًا لتحمل هذه التكاليف.
تكشف حالة Meta أيضًا عن تناقض أعمق في تسويق النماذج الكبيرة: القيمة الاقتصادية التي تخلقها النماذج قد لا يحصل عليها مزودو النماذج مباشرة.
مع تزايد اندماج الذكاء الاصطناعي في مختلف المنتجات والخدمات، قد تكون الشركات التي تمتلك علاقات المستخدمين، وسيناريوهات التطبيق، وقنوات الأعمال أكثر قدرة على تحقيق القيمة من الشركات التي تقدم قدرات النماذج فقط. وهذا يثير سؤالًا رئيسيًا: هل ستتحول النماذج الأساسية تدريجيًا إلى سلع؟ وهذا أمر بالغ الأهمية لفهم آفاق ربحية شركات النماذج الكبيرة.
إذا تقاربت النماذج التي تطورها شركات مختلفة في الأداء والموثوقية وتجربة المستخدم، فسيركز العملاء بشكل متزايد على السعر وتكلفة الخدمة. وحتى لو حقق مزودو النماذج تقدمًا تقنيًا مستمرًا، فقد يجدون صعوبة في الحفاظ على أرباح عالية على المدى الطويل بسبب المنافسة.
انتشار القدرات التقنية مفيد للمستهلكين، لكنه ليس بالضرورة مفيدًا لمطوري التقنية الأصليين. تاريخيًا، أصبحت العديد من التقنيات المهمة في النهاية بنية تحتية مستخدمة على نطاق واسع، لكن انتشار التقنية بحد ذاته لا يضمن حصول مخترعيها على أكبر فائدة اقتصادية.
ومع ذلك، فإن تحول النماذج إلى سلع لا يعني أن جميع خدمات الذكاء الاصطناعي ستتحول إلى سلع.
ما تشتريه الشركات حقًا ليس غالبًا نموذجًا يمكنه الإجابة على الأسئلة، بل نظامًا ذكيًا يمكنه فهم الأعمال الداخلية، والوصول إلى البيانات الخاصة، وتنفيذ العمليات المعقدة، وتلبية متطلبات الأمان والامتثال. عندما يتغلغل الذكاء الاصطناعي في عمليات الشركات المالية والبحث والتطوير والشؤون القانونية وخدمة العملاء، فإن تغيير المورد لم يعد مجرد تغيير واجهة دردشة؛ بل قد يشمل ترحيل البيانات، وتكامل الأنظمة، والتحكم في المخاطر، وتدريب المؤسسة.
لذلك، قد لا يكمن الخندق التجاري الأكثر صلابة في المستقبل في معلمات النموذج نفسها، بل في تكامل النموذج مع سير عمل الشركة، وما ينتج عن ذلك من شبكات مطورين، وبيئات بيانات، ونظم بيئية للخدمات.
من هذا المنظور، قد لا تبقى أنثروبيك وOpenAI إلى الأبد في موقع مزودي النماذج الأساسية. فهما تعملان أيضًا على تطوير خدمات كاملة موجهة للمستهلكين والشركات، في محاولة لبناء مزايا تمايزية من خلال تجربة المنتج، وسير العمل، وعلاقات العملاء.
سواء كانت أنثروبيك تخفض عتبة نشر الوكلاء الأذكياء للشركات من خلال Claude Managed Agents، أو تستخدم Claude Code للتعمق في عمليات تطوير البرمجيات، أو تدفع OpenAI نحو دمج الذكاء الاصطناعي في العمليات اليومية للشركات، فإن الشركتين تستكشفان الاتجاه نفسه: التحول من توفير قدرات النماذج وأدوات المحادثة إلى توفير خدمات ذكية يمكن دمجها في العمليات التجارية وتنفيذ المهام بشكل مستمر.
في الوقت نفسه، قد يؤدي تطور الوكلاء الأذكياء إلى تغيير منطق تسعير الذكاء الاصطناعي بشكل أكبر. يبيع نموذج الاشتراك التقليدي حق استخدام البرمجيات لفترة زمنية، ويبيع التسعير القائم على الرموز استهلاك الموارد الحاسوبية، بينما قد يبيع الوكلاء الأذكياء فعليًا القدرة على إنجاز مهمة.
إذا كان نظام الذكاء الاصطناعي قادرًا على إجراء مراجعة المستندات القانونية، أو اختبار البرمجيات، أو التحليل المالي للشركات بشكل مستقل، فإن ما يهتم به العميل حقًا قد لا يكون عدد الرموز التي استهلكها، بل ما إذا كانت المهمة قد اكتملت، وما إذا كانت النتائج موثوقة، ومقدار التكاليف التي تم توفيرها نتيجة لذلك.
قد يصبح التسعير حسب المهمة، أو حجم العمل، أو حتى النتائج الفعلية جزءًا مهمًا من نماذج الأعمال المستقبلية. ومع ذلك، سيثير هذا النموذج أيضًا مشاكل مسؤولية جديدة: عندما يفشل الذكاء الاصطناعي في إنجاز مهمة، أو تتسبب أخطاؤه في خسائر اقتصادية، فمن يتحمل التكاليف والمخاطر؟ كلما اقتربت الخدمات الذكية من العمل الحقيقي، زادت صعوبة تطبيق قواعد صناعة البرمجيات التقليدية بالكامل على نموذج أعمالها.
04، من يستطيع الاحتفاظ بمنجم الذهب المستخرج؟
من منظور أوسع، تشهد صناعة الذكاء الاصطناعي إعادة هيكلة لتوزيع القيمة.
كان المستفيدون الأوائل الواضحون هم موردو الرقائق والتصنيع والبنية التحتية، لأن توسع الصناعة بأكملها يتحول إلى طلب على الموارد الحاسوبية. ومع ذلك، مع انتشار قدرات النماذج، قد تنتقل الأرباح تدريجيًا إلى الشركات التي يمكنها التحكم في سير عمل الشركات، ومداخل المستخدمين، والنظم البيئية للتطبيقات.
إذا ظلت القدرة الحاسوبية نادرة على المدى الطويل، فسيحتفظ موردو البنية التحتية بقوة تفاوضية قوية؛ وإذا أصبح توريد النماذج وفيرًا، فقد تحصل شركات التطبيقات على مساحة أكبر لتوزيع القيمة؛ وإذا تمكنت منصات قليلة من دمج النماذج والبيانات والمدفوعات وسير العمل، فقد يتشكل اقتصاد منصات جديد.
في النهاية، يعتمد من يحصل على أكبر الأرباح على أي حلقة في سلسلة الصناعة يمكنها خلق ندرة مستدامة.
تاريخيًا، لم تأت ميزة مايكروسوفت التنافسية طويلة الأجل من إيرادات ترخيص نظام التشغيل Windows فحسب، بل من النظام البيئي للمطورين، وتوافق البرمجيات، وشبكة عملاء الشركات التي تشكلت حول نظام التشغيل؛ ولم تبني Google إمبراطوريتها التجارية من خلال فرض رسوم على المستخدمين مقابل البحث، بل حولت مدخل المستخدمين الذي أنشأه البحث إلى إيرادات إعلانية.
اليوم، تواجه أنثروبيك وOpenAI أيضًا خيارًا مهمًا: هل النماذج الأساسية مجرد منتجات تقنية تتطلب استثمارات رأسمالية ضخمة مستمرة للحفاظ على الريادة، أم يمكن أن تصبح أساسًا لمنصة تربط المطورين وعملاء الشركات والنظم البيئية للتطبيقات؟
إذا تمكنتا من بناء شبكة مطورين مستقرة، وسير عمل شركات متكامل بعمق، ونظام خدمات يصعب استبداله فوق النماذج، فقد تحصلان على ميزة تنافسية وقوة تسعير تتجاوز أداء النموذج نفسه. ومع ذلك، فإن ما إذا كان هذا التحول إلى منصة يمكن أن ينتج أرباحًا كافية لدعم الاستثمار المستمر في القدرة الحاسوبية لا يزال بحاجة إلى التحقق من خلال الأداء التشغيلي طويل الأجل.
وفقًا للوثائق التنظيمية التي قدمتها أنثروبيك مؤخرًا، هذا هو الحجم الذي قد يصل إليه طرحها العام الأولي (IPO) القادم في أفضل السيناريوهات: تقييم بقيمة 1.4 تريليون دولار (مخفف) وجمع 90 مليار دولار.
هذا الطرح العام الأولي الطموح هو في جوهره استفتاء عام من المستثمرين على صناعة الذكاء الاصطناعي. إنه يوفر فرصة لمجموعة أوسع من المستثمرين لاختيار ما إذا كانوا سيدعمون استمرار الشركة في حرق الأموال، أو يتجنبون هذه الشركة التي من المتوقع أن تصبح مؤشرًا مهمًا لاتجاه صناعة الذكاء الاصطناعي، ويرفضون منحها تقييمًا تاريخيًا مرتفعًا يبلغ 1.4 تريليون دولار.
في كل الأحوال، كشف طلب الطرح العام الأولي لأنثروبيك عن مشكلة كبيرة لا يمكن تجاهلها: للحفاظ على نمو الإيرادات، يجب على الشركة تحمل تكاليف قدرة حاسوبية متزايدة باستمرار. وهذا يجعل إقناع المستثمرين أكثر صعوبة بوضوح. إذا استمر أداء شركة ذكاء اصطناعي نجمية تحظى باهتمام كبير في التراجع بعد الإدراج، فهل يمكن للسوق أن يتحمل ذلك؟ هذا يحتاج إلى وقت للتحقق.
هناك سؤال يسهل تجاهله: القيمة الاقتصادية التي يخلقها الذكاء الاصطناعي لا تتحول بالضرورة إلى إيرادات وأرباح لمطوري النماذج.
عندما تستخدم الشركات الذكاء الاصطناعي لتحسين الإنتاجية، قد تبقى التكاليف الموفرة في أيدي المستخدمين؛ وقد يحصل المستهلكون على الراحة من خلال خدمات ذكية مجانية أو منخفضة التكلفة، وقد يتجلى ذلك في فائض المستهلك، وليس في إيرادات مزودي النماذج. وحتى لو أدى الذكاء الاصطناعي في النهاية إلى تحسين إنتاجية المجتمع بأكمله بشكل كبير، فقد لا يحصل مطورو النماذج على عوائد اقتصادية تتناسب مع القيمة التي يخلقونها.
لا توجد علاقة حتمية بين القيمة الاجتماعية للتقنية والعوائد المالية لمطوريها.
لقد عثر الذكاء الاصطناعي بالفعل على منجم ذهب. ولكن بعد تسوية جميع تكاليف الرقائق والكهرباء ومراكز البيانات والبحث والتطوير والتمويل، كم يمكن أن يحتفظ به منقبو الذهب هؤلاء فعليًا؟ هذا هو السؤال الجوهري الذي لم يجب عنه نموذج عمل النماذج الكبيرة بعد.
إن إدراج أنثروبيك ليس نهاية هذا السؤال، بل نقله إلى مرحلة أكثر صرامة. قبل ذلك، كان بإمكان السوق تخيل المستقبل بناءً على الاختراقات التقنية ونمو المستخدمين وتقييمات التمويل؛ وبعد الإدراج، يجب على الشركة أن تثبت قيمتها التجارية باستمرار من خلال الإيرادات والأرباح والتدفق النقدي والعائد على رأس المال.
من المهم بالطبع ما إذا كانت النماذج أكثر ذكاءً، ولكن الأهم هو ما إذا كانت الشركات قادرة على إنتاج وتوزيع وبيع الذكاء بطريقة مستدامة اقتصاديًا.
هذا المحتوى لأغراض معلوماتية وتعليمية فقط، ولا يمثل نصيحة استثمارية تتعلق بـ BTCC. تبذل BTCC قصارى جهدها ولكنها لا تضمن صحة أو دقة أو أصالة المحتوى المذكور أعلاه.