استثمارات الذكاء الاصطناعي تتركّز في حفنة من العمالقة
تقرير جديد عن تمويل شركات الذكاء الاصطناعي يكشف أن الجزء الأكبر من استثمارات رأس المال الجريء خلال العامين الماضيين اتجه إلى ثلاث شركات فقط: OpenAI وAnthropic في مجال نماذج اللغة التوليدية، وWaymo في مجال المركبات ذاتية القيادة. هذا التركّز اللافت يثير أسئلة حول شكل المنافسة في القطاع ومستقبل الابتكار، خصوصًا مع دخول الذكاء الاصطناعي مرحلة نضج نسبيًا وتحوله إلى بنية تحتية رقمية أساسية.
كيف صعدت OpenAI وAnthropic وWaymo إلى قمة التمويل؟
تتمتع الشركات الثلاث بعوامل مشتركة جعلتها مغناطيسًا لرأس المال الجريء والاستثمارات الاستراتيجية:
- تكنولوجيا أساسية (General Purpose Tech): نماذج OpenAI وAnthropic تعد منصة تبنى عليها تطبيقات لا حصر لها في مجالات البرمجة والتعليم والصناعة والإعلام، بينما تمثل Waymo طبقة تشغيلية محتملة لمستقبل النقل الذكي.
- شراكات مع عمالقة التقنية: مايكروسوفت استثمرت مليارات الدولارات في OpenAI وربطت نموذجها بمنظومة Azure؛ جوجل وأمازون ضختا استثمارات كبيرة في Anthropic؛ وWaymo تستند إلى مظلة Alphabet المالكة لجوجل.
- مزايا بيانات وحوسبة ضخمة: الوصول إلى مراكز بيانات عملاقة ووحدات معالجة متقدمة (GPUs وTPUs) يمنح هذه الشركات قدرة على تدريب نماذج لا تستطيع غالبية الشركات الناشئة منافستها.
بحسب تقرير لصحيفة Financial Times، نقلًا عن بيانات من PitchBook، استحوذت استثمارات بمليارات الدولارات في OpenAI وAnthropic على نسبة كبيرة من إجمالي تمويل الذكاء الاصطناعي التوليدي خلال 2023 و2024، مع صفقات تمويل فردية تجاوزت قيمتها في بعض الحالات عشرة مليارات دولار (Financial Times).
ما الذي يعنيه هذا التركّز لسوق الذكاء الاصطناعي؟
هيمنة عدد محدود من الشركات على أكبر الصفقات التمويلية تعكس تحول الذكاء الاصطناعي من موجة ناشئة إلى بنية تحتية مركزية تشبه شبكات الاتصالات أو أنظمة التشغيل. هذا التحول له آثار متعددة:
- حواجز دخول أعلى: تطوير نموذج لغوي ضخم منافس لـ GPT-4 أو Claude يتطلب مئات ملايين الدولارات في أقل التقديرات، ما يدفع معظم الشركات الناشئة للاعتماد على واجهات برمجة التطبيقات (APIs) بدلًا من بناء نماذجها الخاصة.
- قوة تفاوضية أكبر للعمالقة: حين تحتكر قلة من الشركات التكنولوجيا الأعمق والبيانات الأوسع والبنية التحتية الأقوى، تصبح قادرة على فرض شروطها على الشركاء والمطورين والعملاء.
- مخاطر على تنوع الابتكار: التركّز قد يدفع المستثمرين إلى تفضيل “الرهان الآمن” مع اللاعبين الكبار، على حساب الأفكار الجديدة القادمة من شركات صغيرة.
في المقابل، يرى بعض المحللين أن هذا التركّز طبيعي في المراحل الأولى لتقنية ثورية، حيث يميل رأس المال إلى التجمع حول عدد محدود من الشركات المرجعية، قبل أن تتسع الدائرة وتتوزع الفرص على لاعبين جدد مع نضوج السوق وانخفاض تكاليف الحوسبة.
بين النماذج التوليدية والسيارات ذاتية القيادة
تجمع Waymo مع OpenAI وAnthropic نقطة جوهرية: الثلاثة تعمل على مشكلات عالية التعقيد وطويلة الأمد تحتاج إلى استثمارات ضخمة قبل الوصول إلى عائد تجاري واضح.
في عالم السيارات ذاتية القيادة، أنفقت Waymo خلال سنوات مليارات الدولارات على تطوير الأنظمة الحسية والخوارزميات وأسطول الاختبار، ومع ذلك لا تزال السوق في طور التجريب والتوسع المحدود في مدن أمريكية محددة. تقرير من Reuters يشير إلى أن Waymo وCruise وغيرهما واجهت موجات تشكك تنظيمية وحوادث بارزة أثارت أسئلة حول جاهزية التقنية للاستخدام الواسع (Reuters).
في المقابل، حققت OpenAI وAnthropic انتشارًا أسرع بفضل الاعتماد على البرمجيات السحابية، حيث يمكن نشر نموذج لغوي جديد في ثوانٍ حول العالم، دون الحاجة إلى أسطول سيارات أو بنية تحتية مادية معقدة. هذا الفارق يفسر لماذا تبدو استثمارات الذكاء الاصطناعي التوليدي أكثر جاذبية في المدى القصير مقارنة بالمركبات ذاتية القيادة، رغم أن كليهما يعتمد على تقنيات تعلم عميق متقدمة.
أين تقف الشركات الناشئة الأصغر؟
في ظل هذه الهيمنة، لا يعني غياب الصفقات العملاقة أن الساحة مغلقة تمامًا أمام الشركات الناشئة. العكس، هناك مساحات واسعة تتحرك فيها الشركات الأصغر بمرونة:
- حلول متخصصة عمودية (Vertical AI): مثل نظم ذكاء اصطناعي موجهة للقطاع الطبي أو المصرفي أو الصناعي، تستفيد من النماذج العامة لكنها تضيف طبقات تخصيص وتكامل محلي.
- أدوات تحسين الإنتاجية: تطبيقات تساعد الشركات على دمج الذكاء الاصطناعي في سير العمل، من إدارة المستندات إلى خدمة العملاء والتحليلات.
- نماذج مفتوحة المصدر: مبادرات مثل LLaMA من ميتا، أو Mistral AI الأوروبية، فتحت الباب أمام شركات ومجتمعات مطورين لبناء حلول أقل تكلفة وأكثر شفافية، وإن كانت أصغر حجمًا من نماذج العمالقة.
تقارير TechCrunch وMIT Technology Review أشارت إلى نمو ملحوظ في تمويل شركات الذكاء الاصطناعي المتخصصة، رغم أن الأرقام الفردية تبدو ضئيلة مقارنة باستثمارات المليارات في الشركات الثلاث الكبرى. لكن هذه الشركات الصغيرة غالبًا ما تكون أقرب إلى المستخدم النهائي، وتستطيع التحرك بسرعة في أسواق محددة (TechCrunch)، (MIT Technology Review).
الصورة في المنطقة العربية: فجوة في رأس المال والبنية التحتية
على مستوى العالم العربي، المشهد مختلف بشكل واضح. الغالبية العظمى من استثمارات الذكاء الاصطناعي ما تزال في مراحلها الأولى، وغالبًا ما تأتي عبر صناديق سيادية أو مبادرات حكومية أكثر من كونها تمويل رأس مال جريء تقليدي.
خلال العامين الماضيين، أعلنت دول مثل السعودية والإمارات عن خطط استثمارية كبرى في الذكاء الاصطناعي والبنية السحابية، بما في ذلك شراكات مع شركات عالمية لتوفير مراكز بيانات متقدمة. لكن عدد الشركات العربية التي تجذب استثمارات تضاهي ما تحصل عليه شركات مثل OpenAI أو Anthropic يكاد يكون معدومًا، لأسباب منها:
- غياب مراكز حوسبة ضخمة مخصصة للذكاء الاصطناعي: ما يجعل تدريب نماذج كبيرة محليًا أمرًا مكلفًا وصعبًا.
- نقص البيانات العربية عالية الجودة: سواء في المحتوى اللغوي أو البيانات القطاعية المنظمة.
- الميل إلى استيراد الحلول بدل بنائها: كثير من المؤسسات العربية تفضل شراء خدمات من منصات عالمية جاهزة بدل تمويل تطوير حلول محلية من الصفر.
مع ذلك، بدأت تظهر مبادرات لتطوير نماذج لغوية عربية مفتوحة المصدر بدعم أكاديمي وحكومي، إضافة إلى شركات ناشئة تبني حلولًا متخصصة في القطاعات المالية والتعليمية والصحية. نجاح هذه المبادرات يتوقف على قدرة المنطقة على بناء بنية تحتية سحابية إقليمية، وتشجيع التمويل الجريء على تقبل المخاطر في مشاريع الذكاء الاصطناعي بعيدة المدى.
فرص وتحديات أمام المستثمرين وصناع القرار
تركيز الاستثمارات في ثلاث شركات كبرى يحمل رسالة مزدوجة:
- للمستثمرين: الاعتماد الكامل على عدد محدود من اللاعبين يخلق مخاطر تراكمية في حال تغيرت القواعد التنظيمية أو ظهرت تقنيات بديلة، ما يجعل تنويع الرهانات في شركات أصغر وأكثر تخصصًا خطوة منطقية.
- للحكومات: الاعتماد على منصات ذكاء اصطناعي أجنبية فقط يضعف السيادة الرقمية، ويجعل الأمن السيبراني والبيانات الوطنية تحت رحمة شركات لا تخضع بالضرورة للقوانين المحلية.
- للشركات العربية: فرص بناء حلول فوق المنصات العالمية ما تزال كبيرة، خصوصًا في القطاعات التي تتطلب فهمًا عميقًا للسياق المحلي واللغة العربية، لكن ذلك يستدعي فرقًا تقنية مدربة ورؤية بعيدة عن الحلول السطحية السريعة.
التحدي الحقيقي في السنوات المقبلة لن يكون فقط من يمتلك أكبر نموذج لغوي أو أسطول سيارات ذاتية القيادة، بل من يستطيع تحويل هذه التقنيات إلى قيمة اقتصادية حقيقية، موزعة على طيف واسع من الشركات والمجتمعات، لا محصورة في عدد محدود من المراكز العالمية.
