IOSF: مفارقة تكلفة فيديو الذكاء الاصطناعي — التوليد يصبح أرخص، فلماذا يظل الفيديو النهائي باهظًا؟
Panewslabخلال المباراة الثالثة من نهائيات دوري كرة السلة الأمريكي للمحترفين (NBA) في يونيو 2025، عرضت Kalshi إعلانًا تلفزيونيًا فوضويًا بصريًا: مزارع يطفو في حوض سباحة مليء بالبيض، وكائن فضائي يشرب بيرة، ورجل ملفوف بالعلم الأمريكي يصرخ بشأن إنديانا. أنتج المخرج PJ Accetturo هذا الإعلان باستخدام Veo 3 من Google بتكلفة بلغت حوالي 2,000 دولار، ومن الفكرة إلى البث استغرق ثلاثة أيام فقط. وكانت شركة الإنتاج قد عرضت على Kalshi سعرًا يتراوح بين "ستة أرقام وسبعة أرقام". وقد قام المخرج PJ Accetturo بالتوليد 300 إلى 400 مرة ليحصل على 15 مقطعًا قابلًا للاستخدام.
بعد عشرة أشهر، أغلقت OpenAI تطبيق Sora في 26 أبريل، وهو تطبيق يشبه TikTok مخصص لبث فيديوهات مولدة بالذكاء الاصطناعي. نقلت TechCrunch عن تحقيق لصحيفة وول ستريت جورنال أن تكلفة تشغيل التطبيق اليومية بلغت نحو مليون دولار، وانخفض عدد المستخدمين من ذروة بلغت نحو مليون إلى أقل من 500 ألف. كما أُغلقت واجهة برمجة تطبيقات Sora للمطورين في سبتمبر، والآن لا يوجد أي نموذج فيديو في قائمة أسعار مطوري OpenAI.
هذان الحدثان يلخصان حالة فيديو الذكاء الاصطناعي في 2026: أصبح صنع الفيديو بالذكاء الاصطناعي رخيصًا بما يكفي لتغيير طريقة إنتاج الإعلانات؛ لكن مجرد مشاهدة فيديو الذكاء الاصطناعي لم يتحول بعد إلى عمل تجاري.
أصبح فيديو الذكاء الاصطناعي عملًا تجاريًا حقيقيًا: الشركات التي كشفت عن إيراداتها تحقق مجتمعة إيرادات سنوية تبلغ نحو 2.3 مليار دولار، وعملاؤها المعلنون هم المسوقون والمبدعون والشركات. وهو ليس نسخة مصغرة من سوق نماذج اللغة الكبيرة: تكلفة دقيقة الفيديو أعلى بآلاف المرات من دقيقة النص، وأعلى الإيرادات تأتي من التطبيقات وليس من شركات النماذج. وأول القطاعات تأثرًا هي التي تشتري فيديوهات "جيدة بما يكفي" بكميات كبيرة: مكتبات لقطات الفيديو، والإعلانات، والتدريب، والدراما القصيرة. تليها المؤثرات البصرية السينمائية والتلفزيونية. وتأتي الألعاب والروبوتات في النهاية، لأنها تعتمد على القوانين الفيزيائية، وأفضل النماذج الحالية تحقق نحو نصف درجات الصور الحقيقية في اختبارات الفيزياء.
قائمة الإيرادات: الشركات التي كشفت عن بياناتها تحقق إيرادات سنوية مجتمعة تبلغ نحو 2.3 مليار دولار
أبحاث IOSF
كشفت شركات قليلة عن إيراداتها، وهي تنمو بسرعة:
- ارتفعت الإيرادات السنوية المتكررة (ARR) لشركة Higgsfield من 200 مليون دولار في نهاية 2025 إلى 700 مليون دولار في أغسطس 2026.
- تجاوزت إيرادات نموذج الفيديو Kling التابع لشركة Kuaishou في الربع الثاني 118 مليون دولار، بزيادة سنوية تجاوزت الضعف.
- تُعد fal بمثابة منصة تجميع لنماذج الفيديو والصور (منصة تجميع نماذج)، وبلغت إيراداتها السنوية المتكررة نحو 400 مليون دولار في مارس 2026، أي ضعف ما كانت عليه في أكتوبر الماضي.
- تجاوزت الإيرادات السنوية المتكررة لشركة HeyGen حاجز 200 مليون دولار في يونيو.
- تجاوزت الإيرادات السنوية المتكررة لشركة Runway حاجز 200 مليون دولار في سبتمبر.
بحسب حساباتنا، تبلغ الإيرادات المرئية مجتمعة نحو 2.3 مليار دولار سنويًا. جزء منها إيرادات صور، وجزء آخر محسوب مرتين لأن التطبيقات تشتري أيضًا من fal. ولا يشمل هذا الرقم Veo من Google وSeedance من ByteDance وعدة مختبرات صينية لم تفصح عن إيرادات الفيديو بشكل منفصل. الخطأ يسير في الاتجاهين: إيرادات الصور والاحتساب المزدوج ترفع الإجمالي، والمختبرات غير المحسوبة تخفضه. لذلك، لا يمكن اعتبار 2.3 مليار دولار سوى مرجع للحجم، وليس قياسًا لحجم السوق.
تكلفة توليد الفيديو أعلى بآلاف المرات، والإيرادات الأكبر في طبقة التطبيقات
أبحاث IOSF
كثيرًا ما يوصف فيديو الذكاء الاصطناعي بشكل غير رسمي بأنه "سوق نماذج اللغة الكبيرة متأخر بضع سنوات". لكن البيانات لا تدعم هذا القول، لأن الفرق بين تشغيل نماذج اللغة وتشغيل نماذج الصور/الفيديو كبير جدًا.
ببساطة، نماذج اللغة تكتب بنفس طريقة كتابة البشر: كلمة واحدة في كل مرة، وكل كلمة هي تخمين صغير للكلمة التالية، ويمكنك البدء في القراءة بينما لا يزال يكتب. أما نماذج الصور أو الفيديو فتشبه المهندس المعماري: تبدأ من ضوضاء عشوائية، ثم تعمل على تحسين الصورة كاملة مرارًا وتكرارًا، عادة من 20 إلى 50 جولة، حتى تظهر صورة واضحة. كل جولة تعالج جميع البكسلات في نفس الوقت، ولا يمكن استخدام أي شيء حتى تكتمل الجولة الأخيرة. والفيديو يضاعف عبء العمل: الثانية الواحدة تحتوي على نحو 24 إطارًا، وكل إطار يجب أن يكون متسقًا مع الإطارات السابقة، الكوب يجب أن يبقى في مكانه، والوجه يجب أن يظل الوجه نفسه. بينما النص لا يتجاوز بضع مئات من الوحدات الصغيرة. لهذا السبب يحتاج نموذج مفتوح المصدر تم اختباره فعليًا إلى نحو 350 ثانية من وقت حساب الرقائق لتوليد ثانية واحدة من الفيديو، ولهذا السبب تكلفة دقيقة الفيديو أعلى بآلاف المرات من دقيقة النص.
أخبرت Anthropic المستثمرين أن إيراداتها السنوية المعدلة بلغت 65 مليار دولار في نهاية يوليو، بينما بلغت إيرادات OpenAI نحو 40 مليار دولار. إيرادات هذين المختبرين وحدهما تعادل نحو 45 ضعف إجمالي إيرادات الفيديو المرئية.
**في مجال نماذج اللغة الكبيرة، تذهب معظم الإيرادات إلى مختبرات النماذج؛ أما في مجال الفيديو، فأعلى الإيرادات تأتي من التطبيقات.** أكبر تطبيق لنماذج اللغة هو أداة البرمجة Cursor، التي ورد أن إيراداتها السنوية بلغت نحو 4 مليارات دولار في يونيو، أي نحو واحد على ستة عشر من إيرادات Anthropic. أما في مجال الفيديو فتتصدر Higgsfield بإيرادات 700 مليون دولار، والتطبيقات التي تغلف نماذج شركات أخرى (Higgsfield وHeyGen وSynthesia وMagnific) تمثل أكثر من نصف الإيرادات المرئية. عملاء النصوص يشترون ذكاء النموذج ويستخدمونه مباشرة. أما عملاء الفيديو فيشترون فيديو نهائيًا لعمل محدد، والفيديو النهائي يحتاج إلى مونتاج واتساق وسير عمل مكمل، والتطبيقات بُنيت حول هذه الاحتياجات لتشكل منصات عمل للفيديو.
الصورة الواحدة تعادل نحو ألف كلمة
حتى 22 أكتوبر، بلغ أدنى سعر موثق لدقيقة الفيديو نحو 3 دولارات، من أرخص فئة في Veo، بفارق نحو 7,600 ضعف عن أعلى فئة.
وهناك نقاط اختلاف أخرى جديرة بالملاحظة: الكود هو أكبر سوق لنماذج اللغة الكبيرة ويمكن التحقق منه تلقائيًا؛ أما الفيديو فيُحكم عليه بالعين المجردة وهو أكثر ذاتية. النص يُشترى بالرموز (tokens)؛ والفيديو يُشترى بالمقاطع، وهو ما يقابل ميزانيات الإنتاج.
من يدفع: الأدلة العامة كلها تشير إلى عملاء من الشركات
أبحاث IOSF
تصف Higgsfield نفسها بأنها منصة "للمبدعين والمسوقين والعلامات التجارية والوكالات وشركات الإنتاج"، وتقول إنها "تدعم إنتاج المحتوى المرئي لـ 390 شركة من قائمة فورتشن 500" (Higgsfield). وتقول HeyGen إن 85% من شركات فورتشن 100 تستخدمها (HeyGen). لا تفصل أي من الشركتين إيراداتها حسب الاستخدام، لذا لا يمكن من البيانات العامة وحدها معرفة مقدار الإيرادات القادمة من أفراد يصنعون فيديوهات لأغراض ترفيهية. كل الأدلة المنشورة تشير إلى مشترين من الشركات.
وعند تقسيم المشترين بشكل أدق، تتباين نماذج الأعمال. يشاهد الناس كميات كبيرة من فيديو الذكاء الاصطناعي، لكنهم يدفعون مقابل أشياء مختلفة، ومتطلباتهم من الجودة مختلفة.
- تطبيقات الدراما القصيرة تبيع القصص حلقة بحلقة، لذا الجودة تحدد ما إذا كان المشاهدون سيواصلون الدفع. أكبر تكلفة لديها هي اكتساب العملاء وليس الإنتاج: بحسب تقديرات Media Partners Asia، أنفقت أكبر منصة دراما قصيرة ReelShort 55% من إيراداتها البالغة 785 مليون دولار في 2025 على اكتساب المستخدمين والتسويق (Indian Television). التسويق يستهلك 55% من الإيرادات، وكل التكاليف الأخرى بما فيها التوليد يجب أن تُحل من الـ 45% المتبقية. لذا فالنماذج الأرخص لا تضغط سوى الجزء الأصغر من الميزانية. النماذج الأفضل تؤثر على الجزء الذي يجلب المال: ما إذا كان المشاهدون مستعدين لدفع ثمن الحلقة التالية. لم تفصح ReelShort عن إنفاقها على التوليد، لذا فهذا تفسيرنا لهيكل تكاليفها وليس تفصيلًا مقيسًا.
- يكتشف المشاهدون هذه الدراما عبر خلاصات التواصل الاجتماعي (استطلاع Meta وOrmax أظهر أن هذه النسبة 89% بين المشاهدين الهنود)، ويتحول المنتجون بسرعة إلى الذكاء الاصطناعي: بحسب إحصاءات Owl & Co، نحو ثلثي الدراما القصيرة العمودية الجديدة خارج الصين في الربع الثالث كانت مولدة بالذكاء الاصطناعي، مقارنة بـ 3% فقط في الربع الأول (The Hollywood Reporter).
- تطبيقات الرفقة بالذكاء الاصطناعي تبيع الارتباط العاطفي وليس اللقطات. يعود المستخدمون مرارًا من أجل العلاقة، لذا يحتاج الفيديو فقط إلى أن يكون "جيدًا بما يكفي". المفتاح هو التكلفة والسرعة، لأن كل مستخدم يحتاج إلى كمية كبيرة من الفيديو.
رخص الإنتاج لا يعني وجود مشاهدين: القيمة تنتقل إلى من يتحكم في توزيع المحتوى
أبحاث IOSF
صناعة الموسيقى وصلت إلى هذه المرحلة أولًا. بحسب Deezer، في أيام الذروة في يونيو، تجاوزت المقاطع الموسيقية المولدة بالكامل بالذكاء الاصطناعي نصف إجمالي الرفعات الجديدة على منصة البث، وتضيف المنصة حاليًا نحو 90 ألف مقطع جديد يوميًا. لكنها لا تمثل سوى 1% إلى 3% من مرات التشغيل.
تستبعد Deezer المقاطع الموسيقية المكتشفة كذكاء اصطناعي من التوصيات وقوائم التشغيل، مما يجعل الفجوة بين الرفعات ومرات التشغيل مرئية. هذا النمط هو ما وصفه الاقتصادي Herbert Simon في 1971: عندما تصبح المعلومات وفيرة، يصبح الانتباه موردًا نادرًا. عندما يكون الإنتاج شبه مجاني، يفيض العرض، وتنتقل القيمة إلى من يحدد المحتوى الذي يُشاهد. باحثان أطلقا على عتبة الجودة التي يضعها المشاهدون لمحتوى الذكاء الاصطناعي اسم "سقف الرداءة" (slop ceiling).
أي الصناعات تتأثر أولًا: مكتبات الصور والإعلانات في المقدمة، والألعاب والروبوتات في النهاية
أبحاث IOSF
مبلغ 2.3 مليار دولار اليوم لا يزال صغيرًا مقارنة بالإنفاق الحالي على الفيديو، ولن ينتقل المال بشكل متساوٍ. مرتبة حسب نسبة أعمال الفيديو التي يمكن للنماذج الحالية إنجازها:
- **مكتبات لقطات الفيديو والصور.** المقاطع المولدة يمكن أن تحل مباشرة محل المواد المرخصة. أكبر مكتبتين Getty Images وShutterstock حققتا معًا إيرادات بلغت نحو 2 مليار دولار العام الماضي، وهذا هو القطاع الرأسي الأكثر تأثرًا حاليًا.
- **الإعلانات وفيديوهات المنتجات.** تتوقع WPP Media أن تبلغ إيرادات الإعلانات العالمية هذا العام نحو 1.3 تريليون دولار. جزء صغير فقط من هذا يُنفق على إنتاج الإعلانات، لكن إعلان Kalshi يوضح إلى أي مدى يمكن ضغط هذا الإنفاق مع انخفاض تكاليف التوليد، وسيتم توفير الكثير من التكاليف غير المباشرة للإعلانات المصورة فعليًا.
- **فيديوهات التدريب والشرح.** بلغ إنفاق المؤسسات الأمريكية على التدريب 102.8 مليار دولار في 2025 (مجلة Training). هذا هو سوق HeyGen وSynthesia، والمقدم الذي يقرأ نصًا هو أسهل أنواع الفيديو توليدًا.
- **الدراما القصيرة.** في الصين، من المتوقع أن تصل إيرادات الدراما القصيرة جدًا (المصنوعة للهواتف، بحلقات مدتها دقيقة أو دقيقتين) إلى 9.4 مليار دولار في 2025، متجاوزة إيرادات شباك التذاكر السينمائي الوطني. هؤلاء المنتجون يقبلون بالفعل مواد بجودة الهاتف، والطلب كبير جدًا.
- **المؤثرات البصرية.** تقدر IMARC حجم هذا السوق بنحو 11 مليار دولار في 2025 (IMARC)، رغم أن التقديرات تتباين كثيرًا. المنتجون يستخدمون بالفعل لقطات مولدة (انظر أدناه).
- **السينما والتلفزيون.** تقدر Ampere Analysis الإنفاق العالمي على المحتوى في 2026 بنحو 255 مليار دولار. يدخل الذكاء الاصطناعي هذا المجال لقطة بلقطة، وليس كأعمال كاملة.
- **الألعاب والروبوتات.** بحسب تقديرات Newzoo، بلغت إيرادات صناعة الألعاب 201.6 مليار دولار في 2025. لن تكون نماذج الفيديو مفيدة هنا إلا عندما تتعلم محاكاة العالم، وهذا موضوع القسم الأخير من هذا المقال.
كيف يغير الذكاء الاصطناعي تكلفة إنتاج الفيديو: معدل القبول لا يقل أهمية عن سعر الوحدة
أبحاث IOSF
التأثير الأوضح حاليًا هو في التكلفة. بالإضافة إلى إعلان Kalshi، بلغت ميزانية فيلم الرسوم المتحركة الطويل Critterz المدعوم من OpenAI أقل من 30 مليون دولار، ومدة إنتاجه تسعة أشهر؛ بينما يحتاج فيلم رسوم متحركة كبير عادة إلى 100 إلى 200 مليون دولار ونحو ثلاث سنوات.
الأسعار المعلنة تنخفض حسب الفئة، وليس بشكل شامل.
**الجولة التالية من خفض التكاليف ظهرت بالفعل في الأبحاث.** وجدت دراسة قياس فعلية أجراها باحثون في Hugging Face أن نموذجًا مفتوح المصدر كبيرًا يحتاج إلى 1,875 ثانية لتوليد مقطع مدته 5.4 ثانية على بطاقة رسوميات رائدة، أي بحسب حساباتنا نحو 350 ثانية من وقت الحساب لكل ثانية فيديو. التقطير (distillation) يستهدف هذه المشكلة مباشرة. فريق رفع معدل الإطارات في الثانية لنموذج مفتوح المصدر صغير بنحو 22 ضعفًا، بسرعة تسمح بالبث المباشر في الوقت الفعلي على شريحة واحدة. التخفيض الكبير في التكلفة الذي تحتاجه تطبيقات الرفقة سيأتي من هنا: التوليد بدقة منخفضة أولًا ثم المعالجة بدقة فائقة.
**السعر المعلن لتوليد ثانية فيديو ليس سوى جزء من التكلفة.** مخرج إعلان Kalshi احتفظ بمقطع واحد فقط من كل 20 إلى 27 مقطعًا تقريبًا، لذا بالنسبة له تكلفة ثانية الفيديو القابل للاستخدام تعادل 20 إلى 27 ضعف السعر المعلن. هذه حالة مرتفعة. ملخص أعدته إحدى شركات أدوات الفيديو لأعمال أخرى أظهر أن حلقة رسوم متحركة مدتها ثلاث دقائق تحتفظ بمقطع واحد من كل 4 (41 من أصل 164). لم ينشر أحد حتى الآن بيانات مستقلة عن معدلات القبول. **الاتساق يؤثر مباشرة على معدل القبول.** إذا استطاع النموذج الحفاظ على اتساق الشخصيات أو المنتجات أو حركة الكاميرا عبر عمليات توليد متعددة، فستقل الحاجة إلى عدد مرات التوليد؛ وخفض عدد مرات التوليد إلى النصف يخفض تكلفة ثانية الفيديو القابل للاستخدام إلى النصف. خفض السعر يجعل كل عملية توليد أرخص فقط.
**اختبارنا: نفس الموجه، ثلاثة نماذج.** في 2 نوفمبر، أرسلنا عبر واجهة برمجة تطبيقات Runway نفس الموجه إلى ثلاثة نماذج: هاتف على طاولة زجاجية يرن وتضيء شاشته، يهتز ويتحرك نحو حافة الطاولة، يسقط ثم يرتد مرة واحدة على أرضية إسمنتية. كل مقطع 8 ثوانٍ، بدقة 720p، بدون صوت، وتم التوليد مرة واحدة لكل نموذج، بتكلفة إجمالية 4.80 دولار.
▲ من اليسار إلى اليمين: Wan 3.0 وSeedance 2.5 وVeo 3.1
- Wan 3.0 (0.80 دولار، الأول في الترتيب) كان الأفضل أداءً. تحرك الهاتف للأمام وسقط وتوقف، رغم أن الكاميرا مالت للأسفل وتتبعته.
- Seedance 2.5 (2.40 دولار، الأغلى بين الثلاثة) كان تأثير الاهتزاز فيه الأكثر واقعية، لكنه قطع إلى لقطة جديدة قبل السقوط، واسودت الشاشة.
- Veo 3.1 (النسخة بدون صوت 1.60 دولار، المرتبة 22 في الترتيب) بدأ الهاتف واقفًا بدلًا من أن يكون مستلقيًا، وبعد ارتطامه بالأرض ارتد عدة مرات مثل المطاط. كان نص الشاشة فيه الأوضح بين الثلاثة. (نواصل تتبع Veo لأن سجل الأسعار الذي تنشره Google هو الأوضح، وليس لأنه متصدر. من حيث الجودة، يتخلف الآن عن النماذج الأرخص، واختبارنا يوضح ذلك.)
لم تنفذ النماذج الثلاثة الموجه بالكامل، واستغرق توليد كل مقطع من 2 إلى 4.5 دقيقة، أي 15 إلى 34 ضعف مدة المقطع (بحساباتنا). ثلاثة مقاطع لا تثبت الكثير، لكن ترتيب النتائج يتوافق مع الترتيب وليس مع السعر.
نقطة التحول التالية: التكلفة وزمن الاستجابة
أبحاث IOSF
النماذج الأرخص طريق واحد. الطريق الآخر هو تقليد أساليب الإنتاج الحالية في السينما والرسوم المتحركة: الخشن أولًا ثم الدقيق.
إنتاج مسودة بتكلفة منخفضة أولًا، والتصيير النهائي مرة واحدة فقط في النهاية.
حل رسامو الرسوم المتحركة هذه المشكلة منذ عقود. لا يبدأون في تحريك الرسوم قبل استواء القصة، بل يرسمون لوحة القصة أولًا، ثم يصنعون عينة حركة خشنة تسمى animatic (لوحة قصة متحركة). يمكن لفيديو الذكاء الاصطناعي أن يفعل الشيء نفسه. قطع خشن بمعدل إطار أو إطارين في الثانية يكفي للحكم على القصة واللقطات، بتأثير يشبه القصص المصورة؛ ثم تُرسل اللقطات المختارة والأنسب إلى أفضل نموذج للتصيير.
هذا يحل أيضًا مشكلة معدل القبول المذكورة أعلاه. إذا كان معظم نتائج التوليد سيُتخلص منها، فمن الأفضل التخلص منها وهي رخيصة.
حولت ByteDance هذه الممارسة إلى منتج. وضع المسودة (Draft) في Seedance 2.5 متاح على fal منذ 30 أكتوبر، حيث يولد معاينة سريعة بدقة منخفضة أولًا، ثم يكمل نفس الفيديو إلى الدقة العالية الكاملة. ولا يُدفع السعر الكامل إلا للمقاطع التي يتم الاحتفاظ بها. الفارق يتراكم بسرعة (fal):
- المعاينة (480p): نحو 0.22 دولار للثانية
- الدقة العالية الكاملة (1080p): نحو 1.16 دولار للثانية، أي نحو 5 أضعاف المعاينة
- إكمال المسودة إلى فيديو نهائي: لم تدرج fal سعرًا. في اختبارات فريقنا، كانت التكلفة أقل بـ 6 إلى 8 مرات من توليد مقطع عالي الدقة مباشرة
الثمن هو الجودة. الفيديو النهائي المكتمل من مسودة يبدو أنعم قليلًا من المقطع عالي الدقة المولد مباشرة، لكنه صحح أيضًا إطارًا أخيرًا غريبًا في المعاينة. عند التوسع، يكون التوفير كبيرًا. إذا تم الاحتفاظ بواحد من كل 25 توليدًا (معدل قبول 4%)، فإن تكلفة ساعة فيديو عالي الدقة كامل تكون:
- التوليد عالي الدقة في كل مرة: نحو 105,000 دولار
- إنتاج مسودة أولًا ثم إكمال المقاطع المحتفظ بها: نحو 20,000 دولار (بحساباتنا)
سير العمل الهجين ظهر بالفعل.
إنتاج المسودة بتكلفة منخفضة هو اختصار. الطريق الآخر هو الجمع بين الأدوات القديمة والجديدة. المبدعون الآن يبنون المشهد أولًا بأشكال هندسية رمادية في أداة التصميم ثلاثي الأبعاد Blender، ويستخدمون GPT-6 Astra من OpenAI لوضع الأشياء وزوايا الكاميرا، ثم يحولون إطارًا ثابتًا من المشهد إلى إطار أول واقعي، ويولد Seedance 2.5 الفيديو النهائي (دروس Kapwing وتطبيق Dreamina من ByteDance).
الأداتان تعوضان نقاط ضعف بعضهما. الاعتماد على ثلاثي الأبعاد وحده بطيء جدًا للوصول إلى الواقعية؛ والاعتماد على فيديو الذكاء الاصطناعي وحده يصعب التحكم فيه. عند الجمع بينهما، تحدد المسودة ثلاثية الأبعاد التخطيط واللقطات، ويتولى نموذج الفيديو جودة الصورة.
التوليد الفوري قادم.
الخطوة الأخيرة هي السرعة. الفيديو الذي يُعرض أثناء توليده لم يعد مجرد عرض مخبري:
- Runway Characters (مارس): نموذج فيديو يمكنه المحادثة في الوقت الفعلي، مبني على GWM-1 من Runway (Runway)
- Runway Solaris (31 أغسطس): ما تسميه Runway أول "نموذج عالم واجهة" (Interface World Model) (Crypto Briefing)
- Decart (مايو): يحول بث الفيديو المباشر في الوقت الفعلي إلى مشاهد مولدة؛ جمعت 300 مليون دولار بتقييم نحو 4 مليارات دولار (bne IntelliNews)
- صور Zoom الرمزية: تستبدل صورة الكاميرا بصور رمزية واقعية تحاكي تعابيرك أثناء حديثك، ويعتمد توفر الميزة على الخطة والمنطقة (Zoom)
بمجرد أن تصل سرعة توليد الفيديو إلى ما يكفي للمكالمات الفورية، يتغير السؤال الذي تواجهه تطبيقات الرفقة: لم يعد كم تكلفة الدقيقة، بل مدى سرعة وصول الإطار التالي.
ما بعد التسويق: في السينما والتلفزيون والمؤثرات، يستطيع الذكاء الاصطناعي لقطات المؤثرات، لكنه لا يستطيع المشاريع الطويلة
أبحاث IOSF
هوليوود تختبر ما إذا كان فيديو الذكاء الاصطناعي يمكنه تجاوز مجال الإعلانات.
حتى الآن، يستخدمه المنتجون بطريقتين رئيسيتين: الأولى لصنع لقطات لا تغطيها الميزانية الأصلية؛ والثانية لترخيص شخصياتهم والحصول على إيرادات عندما يستخدمها آخرون.
أولًا، صنع لقطات لم تكن في المتناول.
استخدم مسلسلان حديثان الذكاء الاصطناعي لإكمال مشاهد كانت ستُحذف:
- مسلسل Netflix The Eternaut: استخدم هذا المسلسل الأرجنتيني الفيديو التوليدي لإكمال مشهد انهيار مبنى. قال الرئيس التنفيذي المشارك Ted Sarandos إن إنجاز هذه اللقطة كان أسرع بعشر مرات من المؤثرات التقليدية، وإن تكلفة صنعها بالطريقة التقليدية كانت "غير ممكنة إطلاقًا" في ميزانية المسلسل.
- مسلسل Amazon House of David: استخدم الموسم الثاني من هذا المسلسل ذي الطابع الديني 350 إلى 400 صورة مولدة بالذكاء الاصطناعي، مقارنة بنحو 70 صورة في الموسم الأول (TheWrap). قال مدير المسلسل (showrunner) إنه بدون الذكاء الاصطناعي لم يكن ليستطيع تحمل تكاليف مشاهد الحرب.
منتجون آخرون ذهبوا أبعد وتعاونوا مباشرة مع شركات النماذج. استثمرت Lionsgate في Runway في يونيو (بحصة غير معلنة)، وتخطط لإنتاج مسلسل قصير مبني على مكتبة أفلامها (Runway). كما وقعت AMC Networks اتفاقية مع Runway (Hollywood Reporter).
ثانيًا، الحصول على إيرادات من ترخيص الشخصيات.
الصراع الأكبر يدور حول ملكية الشخصيات. نهج Disney يعكس الوجهين:
- يونيو 2025: رفعت Disney وUniversal دعوى قضائية ضد Midjourney بتهمة انتهاك حقوق النشر.
- ديسمبر 2025: وافقت Disney على استثمار مليار دولار في OpenAI وترخيص أكثر من 200 شخصية لـ Sora (Disney).
- بعد إغلاق Sora: انتهت الاتفاقية، وقالت Disney إنها ستبحث عن شركاء ذكاء اصطناعي آخرين (Blooloop).
الخلاصة بسيطة: المنتجون يريدون الحصول على أجر عندما تُستخدم شخصياتهم، وسيقاضون من يستخدمها دون دفع.
أصحاب حقوق النشر اليابانيون ذهبوا إلى أبعد مدى، من منع الذكاء الاصطناعي إلى الترخيص له، والسبب هو المال. الأنمي الياباني يباع جيدًا في الخارج، لكن العديد من شركات الإنتاج تعاني:
- بحسب إحصاءات أولية لجمعية الرسوم المتحركة اليابانية، بلغت الإيرادات الخارجية في 2024 2.17 تريليون ين، متجاوزة الإيرادات المحلية (gamebiz)
- في 2025، تكبدت 34.6% من شركات إنتاج الأنمي خسائر (بنك البيانات الإمبراطوري، عبر GameBusiness)
في أكتوبر 2025، طلبت CODA، المنظمة التي تمثل أصحاب حقوق النشر اليابانيين، من OpenAI التوقف عن استخدام أعمال أعضائها دون إذن لتدريب Sora 2 (Automaton).
في أقل من عام، تغير الموقف. في 11 سبتمبر، أطلق مختبر الذكاء الاصطناعي الصيني MiniMax مع الشركة اليابانية KAGAMIAI إصدار H3 IP Edition في طوكيو. يمكن للمبدعين استخدامه لصنع فيديوهات بشخصيات يابانية مرخصة، وكل شخصية تأتي مع مواد معتمدة وقواعد استخدام وشروط تجارية، مع إبلاغ أصحاب الحقوق بالاستخدام. قالت MiniMax إن أكثر من 60 شركة أبدت اهتمامًا (MiniMax).
قبل ذلك، أجرت KAGAMIAI تجربة مع Captain Tsubasa (كابتن ماجد) باستخدام نموذج فيديو صيني آخر هو PixVerse، وأظهرت النتائج حجم الطلب المحتمل (المصدر نفسه من صفحة MiniMax):
- نحو 126,000 مبدع
- نحو 330,000 عمل تم إنتاجه في 45 يومًا
- أكثر من 99% من النشاط جاء من خارج اليابان
ترخيص إبداعات المعجبين قد يصبح أول سوق استهلاكي جماهيري لفيديو الذكاء الاصطناعي يحقق فيه أصحاب حقوق الشخصيات إيرادات.
القاعدة هي: الذكاء الاصطناعي يستطيع المؤثرات، لكنه لا يستطيع المشاريع الطويلة.
في كل الحالات المذكورة أعلاه، يتولى الذكاء الاصطناعي لقطات لا تستطيع المسلسلات ذات الميزانيات المتوسطة تحملها: اللقطات الواسعة، والحشود، ومشاهد الدمار، وبيئات المشاهد. بقية الإنتاج لا يزال بشريًا. هكذا دخلت الرسوميات الحاسوبية السينما أيضًا، لقطة مؤثرات تلو الأخرى، قبل وقت طويل من إثبات فيلم Toy Story عام 1995 إمكانية صنع فيلم طويل كامل بها.
نتيجة اختبار تشير إلى الاتجاه نفسه. في اختبار الفيزياء المعياري الموصوف أدناه، تعتمد درجة نموذج Odyssey-3 Pro على نقطة البداية:
- استكمال لقطات حقيقية: 63 نقطة، بتوليد واحد
- البدء من صورة واحدة: 50 نقطة
فيديو الذكاء الاصطناعي يؤدي أفضل عندما يكون له أساس من لقطات حقيقية، وهذا هو حال أعمال المؤثرات بالضبط: كل لقطة مولدة مدمجة في لقطات حقيقية. هذا الاختبار لا يقيس المدة. لم ينشر أحد حتى الآن اختبارًا لقدرة النموذج على الحفاظ على الاتساق عبر لقطات متعددة، وهذا الاختبار هو ما سيفسر لماذا لا تزال المشاريع الطويلة غير ممكنة.
هل ستظهر مختبرات متخصصة؟ ظهرت بالفعل، وشركات الفيديو تنقسم إلى ثلاث فئات
أبحاث IOSF
المختبرات المتخصصة ظهرت بالفعل، وثلاث فئات من شركات الفيديو تتبلور:
**العمالقة العامة.** Google (Veo) وByteDance (Seedance) وKuaishou (Kling) تملك أكبر قدر من القدرة الحاسوبية والبيانات. تتنافس على الجودة والسعر، ومعظم التطبيقات تعيد بيع نماذجها.
**مختبرات على طراز استوديوهات الإنتاج.** Runway، التي تملك Lionsgate حصة فيها حاليًا، تطور منتجات للسينما والتلفزيون. Moonvalley تدرب نموذجها Marey على صور مرخصة فقط، وجمعت 154 مليون دولار حتى يوليو 2025، وقسم الإنتاج التابع لها Asteria يصنع أفلامًا بهذا النموذج. هذه المختبرات تقدم ثلاثة أشياء يصعب على العمالقة تقديمها: بيانات تدريب مقبولة من الإدارات القانونية لشركات الإنتاج، وتحكمًا دقيقًا في كل إطار، وأدوات يمكن دمجها في سير عمل المؤثرات الحالي.
**طبقة التطبيقات.** Higgsfield وHeyGen وMagnific تغلف نماذج مختبرات أخرى وتبيعها لعملاء محددين.
**المختبرات الجديدة ورهاناتها.** أكبر الاستثمارات التي وجدناها في 2026 ذهبت إلى مختبرات تطور نماذج تفاعلية أو نماذج عالم: جولة التمويل الأولي لـ AMI Labs بقيمة 1.03 مليار دولار، وجولة تمويل Runway بقيمة 315 مليون دولار (قالت Runway إنها ستستخدم لتطوير نماذج العالم)، واستحواذ AMD على World Labs مقابل 8.2 مليار دولار. لم نحصِ كل تمويل قطاع الفيديو على مدار العام، والجدول أدناه يخلط بين جولات التمويل وصفقة استحواذ وتحديثات منتجات:
أكثر الاختراقات احتمالًا في الأشهر الـ 12 المقبلة تأتي أيضًا من هذا الجدول: توليد فيديو فوري بما يكفي للمكالمات والألعاب، وعوالم تفاعلية بدلًا من مقاطع ثابتة، وتوليد شخصيات مرخصة على نطاق واسع.
**في مجال السينما والمؤثرات، مختبرات طراز الاستوديوهات هي الأرجح للفوز.** المنتجون لا يستطيعون تحمل مخاطر التقاضي على لقطة رئيسية (hero shot)، ويحتاجون إلى تنفيذ دقيق لرؤية المخرج، ويجب أن يعملوا مع طواقم نقابية؛ العمالقة العامة التي تقدم أقوى نموذج خام فقط لا تستطيع سوى المنافسة على السعر.
الفرصة الأكبر هي العالم، وليس المقاطع
أبحاث IOSF
في هذه الموجة من تطور الذكاء، قد لا يكون أكبر سوق لنماذج الفيديو هو الفيديو نفسه في النهاية. النموذج الذي يستطيع التنبؤ بالإطار التالي في مشهد قد يكون يتعلم كيف يتحرك العالم، وهذا سيكون مفيدًا للألعاب والروبوتات.
أطلقت Runway نموذج GWM-1 في ديسمبر 2025 ووصفته بأنه نموذج عالم عام، بثلاث نسخ: عوالم قابلة للاستكشاف، وصور رمزية قابلة للمحادثة، ونموذج روبوت للتنبؤ بما ستراه الكاميرا بعد كل حركة للروبوت. يولد صورًا بدقة 720p في الوقت الفعلي، لمدة تصل إلى دقيقتين. وعندما جمعت Runway 315 مليون دولار في فبراير بتقييم 5.3 مليار دولار، قالت إن المال سيستخدم لتطوير نماذج عالم أقوى.
أفلاطون وصف هذا الرهان لأول مرة في قصة الكهف في "الجمهورية".
السجناء لا يرون سوى الظلال على الجدار، ويمنحون التكريم لمن "يراقب الظلال العابرة بأكبر قدر من الحدة" ويستطيع أن يقول أي ظل سيظهر تاليًا. نموذج الفيديو هو متنبئ ظلال يستحق جائزة، لكنه لم يرَ أبدًا الأشياء التي تلقي الظلال. وجهة نظر أفلاطون هي أن هذه المهارة ليست معرفة. بالنسبة لنماذج الفيديو، السؤال هو ما إذا كان التنبؤ بالإطار التالي يعني فهم كيفية تحرك العالم، وPhysics-IQ هي إحدى طرق اختبار ذلك.
Physics-IQ هو اختبار معياري تستضيفه Google DeepMind: يُعرض على النموذج بداية حدث فيزيائي حقيقي، ثم يُقيَّم مدى قرب اللقطات اللاحقة التي يولدها النموذج من الواقع. 100 نقطة تعني القرب نفسه من تصوير حقيقي آخر. بحسب التقييم الأصلي، ارتفع أفضل نموذج فردي لتوليد الفيديو من الصور من 23 نقطة في فبراير 2025 إلى 44 نقطة في مايو من هذا العام. وفي القائمة المعاد تقييمها، حصل أفضل نموذج فردي لتوليد الفيديو من الصور على 51 نقطة، بينما كان Veo 3.1 Fast من Google (30 نقطة) في مستوى نموذج مفتوح المصدر من 2024 (32 نقطة). اكتشاف الورقة البحثية نفسها هو: فهم الفيزياء لا علاقة له بما إذا كان المقطع يبدو واقعيًا.
**المظهر الواقعي حُل تقريبًا، لكن السلوك الواقعي لم يُحل بعد.** في هذا الاختبار، لا تزال أفضل النماذج في منتصف الطريق تقريبًا بين 0 نقطة وتصوير حقيقي آخر. وبما أن الواقعية والأداء الفيزيائي ثبت أنهما غير مرتبطين، فإن تحسين جودة الصورة لن يقلص هذه الفجوة تلقائيًا.
إذا اقتربت هذه النتيجة من 100، ستتحول مختبرات الفيديو إلى شركات محاكاة تبيع منتجاتها لاستوديوهات الألعاب ومصنعي الروبوتات؛ وفي هذا السوق، ستكون ميزة السبق في مجال الفيديو مهمة جدًا.
الخلاصة: ثلاثة أرقام تحدد اتجاه هذه الصناعة
أبحاث IOSF
معظم الأسئلة التي تركها هذا المقال يمكن الإجابة عليها بثلاثة أرقام:
**كم نسبة نتائج التوليد التي يتم اعتمادها؟** البيانات الوحيدة المتاحة حاليًا هي: إعلان Kalshi 4% إلى 5%، وحلقة رسوم متحركة 25%. رأيي الشخصي أن تأثير الاتساق على هذا الرقم سيكون أكبر من تأثير جودة الصورة الخام، وستتطور المختبرات في هذا الاتجاه: بناء بيئات توليد تدير الاتساق وتدعم سياقات كبيرة، بدلًا من السعي وراء توليد واحد ممتاز.
**كم تكلف ساعة الفيديو النهائي فعليًا؟** اقسم السعر المعلن على نسبة الاحتفاظ. بأسعار اليوم، تكلفة ساعة الفيديو نفسها قد تكون:
- Veo 3.1 Lite (السعر الأصلي): 720 إلى 4,500 دولار
- Seedance 2.5 عالي الدقة: 16,800 إلى 105,000 دولار
بحسب هذه المعادلة، مضاعفة معدل القبول وخفض السعر إلى النصف لهما نفس تأثير خفض التكلفة. الفرق هو مقدار المساحة المتبقية لكل منهما. بمعدلات القبول الحالية من 4% إلى 25%، النموذج الذي يجعل كل توليد قابلًا للاستخدام يمكنه خفض التكلفة من 4 إلى 25 ضعفًا. الأسعار انخفضت بالفعل، لكن الانخفاض غير متساوٍ بين الفئات. **حكمنا أن معدل القبول سيكون الرافعة الأكبر في العامين المقبلين.** إذا ظلت معدلات القبول المعلنة القادمة حول 4% بينما تستمر الأسعار في الانخفاض، فسيكون هذا الحكم خاطئًا.
- **هل يصمد الأداء الفيزيائي؟** Physics-IQ هو الاختبار العام الوحيد الذي يفحص ما إذا كانت حركة النموذج تتوافق مع العالم الحقيقي، وأفضل النماذج تحقق نحو نصف درجات الصور الحقيقية؛ وفي السيناريوهات التي يكون للنموذج فيها أساس من لقطات حقيقية، ستتقلص الفجوة أولًا.
قبل عامين، كان السؤال هو ما إذا كان فيديو الذكاء الاصطناعي يمكن أن يصبح جيدًا بما يكفي. هذا السؤال حُسم تقريبًا: إعلان Kalshi عُرض خلال نهائيات NBA، وNetflix استخدمت لقطات مولدة في مسلسلات بُثت رسميًا.
ما لا يزال معلقًا الآن هو أسئلة المال والسيطرة:
- من يأخذ المال؟ المنتجون يريدون حصة عندما تظهر شخصياتهم، أو إنشاء آلية شبيهة بالإتاوات. ترخيص إبداعات المعجبين للشخصيات أو الأفراد أو المشاهير قد يشهد نموًا كبيرًا.
- ما الإمكانات الجديدة التي ستظهر؟ إذا تقلصت الفجوة الفيزيائية، لن تكون نماذج الفيديو مولدات مقاطع بل محاكيات. **حكمنا: أول تقاطع يولد طلبًا مدفوعًا هو تدريب الروبوتات، أي استكمال النموذج للقطات كاميرا حقيقية.** هذا هو السيناريو الأعلى تقييمًا حاليًا (63 نقطة مقابل 50 نقطة)، وGWM-1 من Runway يبيع بالفعل هذا النوع من المنتجات. الألعاب ستأتي لاحقًا، لأن الألعاب تحتاج إلى نماذج تبدأ من الصفر وتحافظ على الاتساق لساعات. بحلول 2027، نتوقع أن يظل حجم سوق المحاكاة أصغر من سوق الإعلانات والإنتاج الذي انبثق منه. إذا أصدر استوديو ألعاب عملًا مبنيًا على نموذج عالم توليدي قبل ذلك، فسيكون هذا الحكم خاطئًا.
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.