النموذج الجديد DeepSeek الاقتصادي يُسرِّع ما يُسمَّى بـ«سباق الذكاء الاصطناعي نحو الصفر»، وفقًا لتقرير أكسيوس (Axios)، الذي يشير إلى أن أحدث إصدار منخفض التكلفة من مختبر الذكاء الاصطناعي الصيني يعمِّق الضغط الهابط على أسعار النماذج في القطاع بأكمله. ولعل قصة النموذج الاقتصادي لشركة DeepSeek تتجاوز بكثير إطلاق منتج واحد؛ فهي تُشير إلى أن تكلفة استدعاء نموذج لغوي كبير قادر على الأداء تتراجع بوتيرة أسرع مما خطَّطت لها العديد من الشركات، مع انعكاسات واضحة على المطوّرين وموفري الخدمات السحابية وكل شركة تبيع خدمات الذكاء الاصطناعي حسب عدد الرموز المستخدمة.
أبرز الاستنتاجات
- يُفيد تقرير أكسيوس بأن النموذج الاقتصادي الجديد لشركة DeepSeek «يُسرِّع سباق الذكاء الاصطناعي نحو الصفر» من حيث التسعير.
- ويُقدِّم هذا التوصيف الإصدار باعتباره أحدث حلقة في انهيار مستمر في تكلفة استنتاج الذكاء الاصطناعي (AI inference)، وليس مجرد خصم لمرة واحدة.
- وقد استخدمت DeepSeek مرارًا وأكثر الأسعار المنخفضة جدًّا والإصدارات المفتوحة لزيادة الضغط على منافسين يتمتعون بتمويل أفضل.
- وتُعدُّ انخفاض أسعار الرموز خبرًا سارًّا للمطوّرين والشركات الناشئة، لكنها تُقلِّص الهوامش الربحية للشركات التي تبيع الوصول المباشر إلى النماذج.
- وبالتالي، فإن الاقتصاد يعامل النماذج الأساسية بشكل متزايد كسلعة، ما يدفع القيمة لأعلى السلسلة نحو المنتجات والوكلاء (agents) والدمج (integration).
ما ذكره أكسيوس عن النموذج الاقتصادي لشركة DeepSeek
يُفيد تقرير أكسيوس بأن النموذج الاقتصادي الجديد لشركة DeepSeek «يُسرِّع سباق الذكاء الاصطناعي نحو الصفر» — وهو توصيفٌ يقدِّم هذا الإصدار ليس كتحديث روتيني للمنتج، بل كدفع جديد لمنحنى الأسعار الذي كان ينزل أصلًا. ولا يحدِّد العنوان المنشور اسم النموذج أو درجات الأداء في الاختبارات القياسية (benchmarks) أو الأسعار الدقيقة لكل رمز، وبالتالي ينبغي التعامل مع الأرقام المحددة بحذرٍ حتى تؤكد الوثائق الرسمية الصادرة عن DeepSeek صحتها. أما ما يجعل هذا التوصيف واضحًا فهو اتجاه الحركة: إذ تتنافس DeepSeek مرة أخرى في المقام الأول على أساس التكلفة.
وهذا مهمٌ لأن التسعير أصبح أشد أسلحة المنافسة حدةً في سوق النماذج. فعندما يصل نموذجٌ قادرٌ إلى السوق بجزء ضئيل من الأسعار السائدة، يواجه المنافسون خيارًا غير سارٍّ: إما مطابقة السعر وتقبُّل هوامش ربح أضيق، أو التمسُّك بالسعر الحالي ومشاهدة انتقال الأحمال التشغيلية الحساسة للتكلفة إلى منافسين آخرين. ويعبِّر توصيف أكسيوس «سباق نحو الصفر» عن توافقٍ متزايدٍ في الآراء يرى أن هذه الديناميكية لم تعد صدمةً عابرةً، بل سمةً هيكليةً في قطاع الذكاء الاصطناعي.
ما الذي يعنيه حقًّا سباق الذكاء الاصطناعي نحو الصفر
ويُقصد بعبارة «سباق نحو الصفر» أن السعر لكل رمز من قدرات الذكاء الاصطناعي الرئيسية يتجه نحو مستويات لا تُذكر، نتيجة تراكم عوامل التنافس والمكاسب في الكفاءة والإصدارات المفتوحة. فكل جيل جديد من النماذج يقدِّم عادةً قدرةً أكبر لكل وحدة من الحوسبة، وكل منافس طموحٍ يعيد تشكيل توقعات المشترين بشأن التكلفة المناسبة للذكاء. والنتيجة هي سوقٌ تتحول فيه الفئة المتميِّزة (premium tier) التي كانت سائدة في الأمس إلى مستوى أساسيٍّ سلعيٍّ اليوم، بينما تصبح الأحمال التشغيلية التي كانت تُعتبر باهظة التكلفة وغير قابلة للتنفيذ قبل عامٍ واحدٍ فجأةً قابلةً للتطبيق.
وبالنسبة للفِرق التي تحاول وضع ميزانيات في هذا البيئة، فإن التحدي العملي يتمثَّل في أن الأسعار المُعلَّنة تتحرك أسرع من دورات الشراء. وأصبحت مقارنة موفِّري الخدمة على أساس متكافئ باستخدام حاسبة تكلفة واجهات برمجة التطبيقات (API) للذكاء الاصطناعي جزءًا روتينيًّا من تخطيط البنية التحتية، وتسجِّل قاعدة بيانات نماذج الذكاء الاصطناعي سرعة التحوُّل في المواصفات والأسعار المنشورة عبر السوق. والدرس البسيط المستفاد من العامين الماضيين هو: لا تفترض أبدًا أن السعر الذي وقَّعت عليه سيظل هو السعر السائد في السوق في الربع القادم.
سجل DeepSeek في تقويض السوق العالمي للذكاء الاصطناعي
وبوصفه سياقًا وليس حقيقةً جديدةً تم الإبلاغ عنها: فقد بنت DeepSeek سمعتها العالمية على وجه التحديد على هذه الاستراتيجية. ففي أوائل عام ٢٠٢٥، جذبت انتباه العالم عندما قدَّمت نماذجها الخاصة بالاستنتاج أداءً يُقدَّر على نطاق واسع بأنه مماثل لأداء منافسين أكثر تكلفةً بكثير، وبتكلفة أقل كثيرًا، ما أجبر القطاع على إعادة تقييم افتراضاته حول المبلغ الفعلي المطلوب لتطوير الذكاء الاصطناعي المتقدم. ومنذ ذلك الحين، ظلت الأسعار المنخفضة والإصدارات المفتوحة لأوزان النماذج (model weights) في صميم طريقة تنافس الشركة مع مختبرات أكبر وأكثر تمويلًا.
ويمكن للقراء المهتمين بمسار نماذج الشركة الاطلاع على تغطيتنا المستمرة في مركز DeepSeek V4 . وفي هذا السياق، يبدو تقرير أكسيوس متسقًّا مع استراتيجية متعمَّدة ومتكرِّرة، وليس مجرد عرض ترويجي لمرة واحدة: إذ يبدو أن DeepSeek تستفيد أكثر من إعادة تشكيل توقعات السوق بشأن الأسعار، بدلًا من تحقيق أقصى عائد ممكن لكل رمز، وأن كل إصدار اقتصادي جديد يعزِّز هذا الموقف.
لماذا تهمّ انخفاض أسعار نماذج الذكاء الاصطناعي المطوّرين
أما بالنسبة للمطوّرين، فإن كل انخفاض في الأسعار يغيِّر ما يمكن بناؤه. فالتطبيقات التي تُحمِّل النموذج آلاف الطلبات في كل جلسة مستخدم — مثل الوكلاء الذاتية (autonomous agents)، ومساعدي كتابة الأكواد، وأنابيب استرجاع البيانات (retrieval pipelines)، والتلخيص المستمر (always-on summarisation) — تكون حساسة للغاية جدًّا لتكلفة الرمز الواحد. ويمكن أن يقلِّل النموذج الاقتصادي الذي يكون «جيدًا بما يكفي» لغالبية هذه الطلبات من فاتورة الاستنتاج (inference bill) الخاصة بالتطبيق بشكل كبير، مع الاحتفاظ بالنماذج المتميِّزة (premium models) فقط للنسبة الصغيرة من الطلبات التي تحتاج فعلاً إلى قدراتها المتفوِّقة.
والتحذير هنا هو أن السعر ليس العامل الوحيد. فالزمن الاستجابي (latency)، وطول السياق (context length)، وموثوقية استخدام الأدوات (tool-use reliability)، وشروط معالجة البيانات، والتوفر الإقليمي — كلها عوامل تؤثر في ما إذا كان النموذج الرخيص فعليًّا أرخص في بيئة الإنتاج أم لا. ولذلك، فإن الفِرق الحكيمة تتعامل مع الإعلانات من هذا النوع باعتبارها إشارةً لإعادة تقييم خياراتها، وليس سببًا للانتقال الفوري. فتكاليف التحويل حقيقية، والنماذج التي توفر المال لكنها تفشل في تنفيذ مهام أكثر ليست توفيرًا في الواقع.
الفائزون والخاسرون في حرب الأسعار في مجال الذكاء الاصطناعي
إن سباق الذكاء الاصطناعي نحو الصفر لا يؤثر على جميع أجزاء النظام البيئي بالتساوي. والنمط العام، استنادًا إلى كيفية سير عمليات إعادة التسعير السابقة، هو كما يلي:
| مجموعة | الأثر قصير المدى | سؤال مفتوح |
|---|---|---|
| المطوّرون والشركات الناشئة | انخفاض فواتير الاستنتاج؛ وتصبح منتجات كانت غير قابلة للتنفيذ سابقًا ممكنة الآن | ما إذا كانت الجودة والموثوقية تبقى محفوظتين عند نقاط الأسعار الاقتصادية |
| مقدِّمو النماذج المغلقة | الضغط من أجل خفض الأسعار أو تبرير الأسعار المتميِّزة من خلال القدرات الفائقة | المدة التي ستستمر فيها سياسة التسعير المتميِّز في ظل وجود بدائل سلعية |
| شركات الحوسبة السحابية والبنية التحتية | زيادة إجمالية في الاستخدام مع توسع الطلب بفضل انخفاض تكلفة الرموز المُستخدمة (tokens) | ما إذا كانت وتيرة نمو الحجم تفوق وتيرة الانخفاض في الإيرادات لكل وحدة |
| الشركات الكبرى التي تشتري حلول الذكاء الاصطناعي | تعزيز مركز التفاوض وانخفاض تكاليف المشاريع | إدارة دوران موفِّري الخدمات مع استمرار تغيُّر الشركة الرائدة في تحديد الأسعار |
| المجتمع المفتوح الأوزان (open-weights) | إثباتٌ على أن الإصدارات المفتوحة ومنخفضة التكلفة قادرةٌ على تحديد وتيرة السوق | من سيُموِّل الأبحاث الرائدة إذا استمرت الهوامش في الانضغاط؟ |
الخيط المشترك هنا هو أن انخفاض تكلفة الذكاء الاصطناعي يوسع حجم الكعكة الإجمالي، حتى وإن قلَّت الهامش المحقَّق من كل شريحة فردية منها. وبذلك، ينتقل التركيز من الوصول المباشر إلى النماذج نحو المنتجات والوكلاء (agents) وسير العمل (workflows) المُبنية فوق هذه النماذج.
اقتصاديات النماذج المفتوحة الوزن (open-weights) وانخفاض تكلفة الاستنتاج
الضغط الذي تمارسه شركة DeepSeek على الأسعار لا ينفصل عن الحركة الأوسع نطاقًا للمجتمع المفتوح الأوزان. فعندما تكون أوزان النموذج متاحةً للعموم، فإن السعر الأدنى الفعلي لهذا النموذج يتحدد بتكاليف الأجهزة اللازمة لتشغيله، وليس بأسعار المُقدِّم — وهذه التكاليف نفسها آخذة في الانخفاض بالنسبة لكل وحدة من القدرة الحاسوبية. أما تقريرنا دراسة مقارنة لتكاليف الذكاء الاصطناعي المفتوح مقابل المغلق فيتناول كيف تطور هذا الفارق، ولماذا تتجه موفِّرو النماذج المغلقة بشكل متزايد نحو المنافسة في مجالات القدرة التقنية والتكامل والثقة، بدلًا من المنافسة في السعر الخام فقط.
أما بالنسبة للمنظمات التي تقيِّم ما إذا كانت ستستمر في الدفع مقابل كل رمز مستخدم (token) أم ستنقل عملياتها إلى بيئتها الداخلية (self-hosting)، فإن المعادلة التحليلية تتغير مع كل إصدار جديد كهذا. إذ إن توفر نموذج مضيف (hosted) أرخص يرفع العتبة التي يجب أن تحققها الحلول المُدارة ذاتيًّا، بينما تبقي الأوزان المفتوحة خيار الإدارة الذاتية قابلاً للتصديق باعتباره ورقة ضغط تفاوضية. أما تقريرنا حاسبة مقارنة بين الاستضافة الذاتية وواجهات برمجة التطبيقات (API) فقد صُمِّم بالضبط لهذا النوع من المقارنة، حيث يأخذ في الاعتبار عوامل مثل نسبة الاستخدام الفعلي (utilisation) وتقسيط تكلفة الأجهزة على مدى عمرها الافتراضي (hardware amortisation) والجهد الهندسي المطلوب (engineering overhead)، وليس مجرد الأسعار المعلنة وحدها.
ما الذي ينبغي مراقبته بعد تقرير أكسيوس
سيتحدد ما إذا كان هذا الإصدار يمثل إعادة ضبط جوهرية فعلية أم مجرد خبر عابر من خلال عدة عوامل: أولًا، التأكيد الرسمي من شركة DeepSeek نفسها حول المواصفات الفعلية للنموذج وسعره وشروط ترخيصه — فالعنوان الذي نشرته Axios يشير إلى الاتجاه العام، وليس إلى التفاصيل الدقيقة. ثانيًا، الاختبارات المستقلة (benchmarks): فتخفيض السعر لا يُحدث فرقًا حقيقيًّا إلا إذا ظل الأداء على مستوى عالٍ وفق تقييم طرف ثالث. ثالثًا، ردود الفعل التنافسية: هل ستقوم الشركات المنافسة بتعديل أسعارها، أو تضمين قدرات إضافية ضمن نفس السعر الحالي، أم ستتخلى تمامًا عن الجزء الأقل سعرًا في السوق؟
وأخيرًا، ينبغي مراقبة سؤال الاستدامة. فقد تستمر الأسعار في الانخفاض نحو الصفر لسنوات عديدة بفضل مكاسب الكفاءة والدعم الاستراتيجي، لكن تدريب النماذج الرائدة لا يزال مكلفًا للغاية. وفي لحظة ما، سيتعيَّن على القطاع أن يوفق بين انهيار أسعار الاستنتاج (inference) من جهة، وبين رؤوس الأموال الضخمة التي تُنفق لإنتاج الجيل القادم من النماذج من جهة أخرى. وكيف سيُحل هذا التوتر يُعدُّ بلا شك أكبر سؤال مفتوح في اقتصاديات الذكاء الاصطناعي.
الأسئلة الشائعة
ما هو نموذج DeepSeek ذي السعر المخفض المذكور في تقرير Axios؟ ذكر تقرير Axios أن شركة DeepSeek أطلقت نموذجًا جديدًا منخفض التكلفة «يُسرِّع سباق الذكاء الاصطناعي نحو الصفر». ولا يتضمَّن العنوان الرئيسي للتقرير تفاصيل عن اسم النموذج أو نتائج الاختبارات المرجعية (benchmarks) أو الأسعار الدقيقة، وبالتالي يجب التعامل مع هذه التفاصيل على أنها غير مؤكدة حتى تنشر DeepSeek وثائقها الرسمية الخاصة.
ما المقصود بـ«سباق الذكاء الاصطناعي نحو الصفر»؟ هو وصفٌ للانهيار المتواصل في سعر استخدام نماذج الذكاء الاصطناعي، والذي يعود إلى المنافسة وتحسينات الكفاءة والإصدارات المفتوحة الأوزان. فكل إطلاق جريء لنموذج منخفض التكلفة يعيد تحديد توقعات المشترين ويُطبِّق ضغطًا على أسعار جميع المُقدِّمين الآخرين.
هل يعني النموذج الأرخص بالضرورة أنه نموذج أدنى جودة؟ ليس بالضرورة. فقد حُكم على الإصدارات السابقة لشركة DeepSeek بأنها تنافسية جدًّا مقارنةً بنماذج أكثر تكلفة بكثير. لكن السعر وحده لا يثبت شيئًا — لذا يجب على الفرق التحقق من الجودة والتأخير (latency) والموثوقية مقابل مهامها الخاصة قبل التحوُّل إليه.
كيف ينبغي للمطوِّرين التصرف إزاء انخفاض أسعار الذكاء الاصطناعي؟ إعادة إجراء التقييمات عند ظهور نموذج مخفض موثوق، وتوجيه مجموعات المهام الضخمة إلى أرخص نموذج يفي بالمتطلبات، واحتكار النماذج المتميزة للمهام التي تحتاج فعلاً إلى قدراتها. كما ينبغي تجنُّب الالتزامات الطويلة الأمد في التسعير في سوقٍ تستمر فيه الأسعار في الانخفاض.
هل سباق الذكاء الاصطناعي نحو الصفر مستدام؟ غير واضح. فأسعار الاستنتاج (inference) يمكن أن تستمر في الانخفاض بفضل مكاسب الكفاءة، لكن تدريب النماذج الرائدة لا يزال يتطلب استثمارات رأسمالية ضخمة. وما زال القطاع لم يُظهر بعد كيف يمكن الجمع بين أسعار استخدام قريبة من الصفر وتكاليف تطوير تصل إلى مليارات الدولارات على المدى الطويل.
الخلاصة النهائية
إن تقرير Axios حول النموذج الجديد ذي السعر المخفض من DeepSeek يفتقر إلى التفاصيل، لكنه واضح جدًّا في دلالته: تكلفة الذكاء الاصطناعي القابل للاستخدام لا تزال في انخفاض مستمر، وDeepSeek تحرص باستمرار على تسريع وتيرة هذا الانخفاض. فبالنسبة للمطوِّرين والشركات الكبرى، فإن ذلك خبرٌ مباشرٌ ومفيدٌ جدًّا — فانخفاض تكلفة الرموز يعني منتجات أكثر جدوى ومركز تفاوض أقوى. أما بالنسبة لموفِّري النماذج، فهو تذكيرٌ آخر بأن الوصول المباشر إلى النماذج يتحول إلى سلعة معيارية، وأن الهوامش المستدامة ستتحقق في المستقبل من طبقات أعلى في سلسلة القيمة. ولذا، حتى تُعلن DeepSeek التفاصيل رسميًّا، ينبغي التعامل مع التفاصيل المذكورة بحذر — لكن يجب اعتبار الاتجاه نفسه واقعًا ملموسًا، لأنه يسير في اتجاه واحد منذ عامين.
المصادر: news.google.com. تم الإبلاغ في ١ أغسطس ٢٠٢٦.
