ثلاثة أسواق بدلاً من تصنيف عالمي: المشهد الجديد للذكاء الاصطناعي التوليدي – صورة إبداعية حول الموضوع، مع الذكاء الاصطناعي: Xpert.Digital
الأنثروبيك مقابل أوبن إيه آي: من يقود السباق نحو القوة النقدية؟
الأتمتة في الأعمال: كيف يُغير الذكاء الاصطناعي عملية خلق القيمة
بحلول أكتوبر 2026، يشهد سوق الذكاء الاصطناعي التوليدي تحولاً جذرياً لا يمكن قياسه بالتصنيفات البسيطة. تتضح صورة متعددة الأوجه للتطورات الحالية عند النظر إلى مختلف المقاييس: فبينما لا يزال ChatGPT واجهة المستخدم الرئيسية، تهيمن النماذج الصينية منخفضة التكلفة على حركة البيانات عبر واجهات برمجة التطبيقات (APIs)، وقد رسخت Anthropic مكانتها كلاعب رئيسي في قطاع المؤسسات. وينقسم هذا السوق المتنوع إلى عدة أسواق فرعية متميزة اقتصادياً، لكل منها ديناميكياتها وتحدياتها الخاصة.
يتطلب التحليل الشامل لاستخدام نماذج الذكاء الاصطناعي تعريفًا دقيقًا للمقاييس الأساسية، سواء أكانت أعداد المستخدمين، أو الرموز المميزة، أو النفقات، أو سير العمل الإنتاجي. هذا التمييز ضروري لفهم أي مزودي الخدمات يحققون ربحية حقيقية، وأين تتزايد ضغوط الأسعار. لا تزال شركتا OpenAI وجوجل تهيمنان على المشهد الاستهلاكي الظاهر، ولكن في الخفاء، يتحول العبء التشغيلي نحو النماذج منخفضة التكلفة من الصين والأنظمة المتخصصة للبرمجة والأتمتة. في هذا المشهد المعقد، سيكون من الضروري للشركات إعادة النظر في استراتيجياتها واعتماد استخدام منسق لنماذج متنوعة لتلبية المتطلبات المتغيرة.
التحول الخفي في موازين القوى في سوق الذكاء الاصطناعي
أولئك الذين ينظرون فقط إلى ChatGPT لا يفهمون اقتصاد الذكاء الاصطناعي الجديد
لم يعد بالإمكان تفسير السوق العالمية للذكاء الاصطناعي التوليدي بتصنيف واحد في أكتوبر 2026. فبحسب المقياس المستخدم، تتضح صورة مختلفة: يتصدر ChatGPT السوق بوضوح من حيث الوصول إلى المستخدمين النهائيين، وتسيطر النماذج الصينية منخفضة التكلفة بشكل خاص من حيث حجم البيانات المُعالجة عبر واجهات برمجة التطبيقات (APIs)، وقد رسّخت Anthropic مكانة قوية للغاية من حيث إنفاق الشركات الكبرى. هذه المستويات الثلاثة ليست متناقضة، بل تُظهر أن سوق الذكاء الاصطناعي قد انقسم إلى عدة أسواق فرعية متميزة اقتصاديًا.
لا يعني كون واجهة المستخدم الأكثر شيوعًا بالضرورة أنها النموذج الأكثر استخدامًا. كما أن النموذج ذو أعلى حجم تداول لا يحقق بالضرورة أعلى الإيرادات. ولا يعني امتلاك أكبر ميزانيات للشركات بالضرورة الوصول المباشر إلى أكبر عدد من المستخدمين. لذا، على كل من يرغب في تقييم الاستخدام العالمي لنماذج الذكاء الاصطناعي تقييمًا جادًا أن يحدد أولًا ما إذا كان يشير إلى المستخدمين، أو الزيارات، أو الطلبات، أو الرموز المميزة، أو النفقات، أو الأنظمة المثبتة، أو سير العمل الإنتاجي.
هذا التمييز المنهجي ليس مجرد هامش إحصائي، بل هو ما يحدد أي مزودي الخدمات يحققون نجاحًا اقتصاديًا حقيقيًا، ومواطن الضغط على الأسعار، ونماذج الأعمال القابلة للتطبيق. لا يزال عالم المستهلكين الظاهر يهيمن عليه OpenAI وجوجل. لكن في الخفاء، ينتقل العبء التشغيلي إلى نماذج منخفضة التكلفة من الصين، وإلى أنظمة متخصصة للبرمجة والوكلاء والعمليات الآلية. أما في سوق المؤسسات، فيتركز جزء كبير من الطلب المدر للدخل على عدد قليل من مزودي الخدمات الأمريكيين ذوي الأداء العالي، والذين يمتلكون أدوات تطوير متكاملة للغاية.
ثلاثة أسواق بدلاً من تصنيف عالمي
يُعدّ الوصول المباشر من قِبل المستخدمين النهائيين السوق الفرعي الأول. ويشمل ذلك زيارات المواقع الإلكترونية، والمستخدمين النشطين، واستخدام التطبيقات، وعمليات البحث، والاستخدام اليومي للخدمة. ولا يزال ChatGPT المعيار العالمي في هذا القطاع. وبحسب طريقة القياس، تتراوح حصته من حركة مرور روبوتات الدردشة المدعومة بالذكاء الاصطناعي المسجلة بين 55% و80% تقريبًا. ويأتي Google Gemini في المرتبة التالية بفارق كبير، ولكن بحسب مصدر البيانات، تصل حصته إلى ما بين 11% و28% تقريبًا. ويُظهر هذا التفاوت الهائل مدى اعتماد النتيجة على ما إذا كان يتم قياس الإحالات إلى المواقع الإلكترونية، أو زيارات الويب المباشرة، أو التطبيقات، أو برامج سطح المكتب، أو نشاط المستخدم بشكل عام.
يتألف السوق الفرعي الثاني من الوصول عبر واجهات برمجة التطبيقات (APIs). في هذا السوق، غالبًا ما يغيب التفاعل البشري المباشر مع النموذج. تقوم البرامج الآلية بكتابة أو مراجعة التعليمات البرمجية، وتحليل المستندات، وإنشاء البيانات المنظمة، ومعالجة طلبات الدعم، أو تنفيذ عمليات سير العمل متعددة المراحل. تستطيع هذه الأنظمة معالجة مليارات أو حتى تريليونات من الرموز المميزة في وقت قصير. وبالتالي، يمكن لمطور واحد أو برنامج آلي توليد حركة مرور أكبر من آلاف مستخدمي برامج الدردشة الآلية العرضيين. لهذا السبب، لا يُعد حجم الرموز المميزة بديلاً موثوقًا به عن عدد المستخدمين.
السوق الفرعي الثالث هو خلق القيمة التشغيلية. هنا، لا يُعدّ الوصول أو حجم البيانات الخام عاملين حاسمين، بل الميزانيات، والتكاملات، ومتطلبات الأمان، والموثوقية، والجدوى الاقتصادية للتطبيق. تدفع الشركات أسعارًا باهظة مقابل النماذج التي تُنجز مهام البرمجة بكفاءة، وتُشغّل الأدوات بأمان، وتُنفّذ عمليات سير العمل الطويلة بثبات، أو تُقلّل تكاليف إعادة العمل اليدوي. لذلك، قد يكون النموذج ذو التكلفة العالية وحصة الرموز المنخفضة أكثر جدوى اقتصادية من النموذج الرخيص جدًا ذي حجم البيانات الأكبر بكثير.
تُكمّل طبقة رابعة هذه الصورة: التشغيل على البنية التحتية الخاصة. تُستخدم نماذج مفتوحة المصدر أو قابلة للتخصيص بحرية، مثل Llama وMistral وأجزاء من نظام Qwen البيئي، بشكل متكرر في بيئات الحوسبة السحابية الخاصة، ومراكز البيانات، أو شبكات الشركات المعزولة. يبدو هذا الاستخدام غير مكتمل في تصنيفات المنصات العامة. مع ذلك، وخاصة في القطاعات الخاضعة للتنظيم، والتي تتضمن بيانات إنتاج حساسة، وفي التطبيقات الحكومية، قد يكون هذا الاستخدام أكثر أهمية من الناحية الاستراتيجية من حركة مرور المحادثات المرئية للعامة.
يتحكم ChatGPT في الواجهة
في سوق B2C، لا تزال ChatGPT تتصدر المشهد بلا منازع. تُشير الدراسات الإحصائية التي ترصد الإحالات الصادرة من روبوتات الدردشة المدعومة بالذكاء الاصطناعي إلى مواقع الويب إلى أن OpenAI تُساهم بنحو 80% من هذه الإحالات. في المقابل، تُشير تحليلات حركة مرور مواقع الويب العالمية إلى نسبة تقارب 55%. قد تكون كلتا النسبتين صحيحتين في آنٍ واحد لأنهما تقيسان سلوكيات مختلفة. فالمواقع التي تصل إلى عدد كبير من الصفحات الخارجية عبر ChatGPT تُؤخذ في الاعتبار بشكل أكبر في إحصاءات الإحالات مقارنةً بقياس حركة مرور مواقع الويب فقط.
يُعدّ تعريف المنتج أمرًا بالغ الأهمية. فـ ChatGPT ليس نموذجًا واحدًا، بل منصة تُستخدم عليها متغيرات مختلفة من GPT، وذلك بحسب الخطة والمهمة والتوافر. لذا، فإنّ عبارة "ChatGPT هو نموذج الذكاء الاصطناعي الأكثر استخدامًا" تبدو ملائمة لغويًا، لكنها غير دقيقة من الناحية التقنية. العبارة الصحيحة هي أن ChatGPT هو خدمة الذكاء الاصطناعي العامة الأكثر استخدامًا للمستخدمين النهائيين، مما يمنح عائلة GPT توزيعًا فريدًا.
يمثل هذا التوزيع ميزة اقتصادية هامة، إذ يُرسّخ عادات الاستخدام، ويعزز ثقة العملاء بالعلامة التجارية، ويوفر بيانات عن حالات الاستخدام الواقعية، ويُنشئ قاعدة واسعة من المشتركين المحتملين. تُشير التقديرات إلى وجود نحو مليار مستخدم أسبوعيًا، مما يُوضح حجم هذا الانتشار، ولكن لا ينبغي الخلط بينه وبين عدد مماثل من المستخدمين المدفوعين أو النشطين يوميًا. كذلك، لا يعني الانتشار الواسع بالضرورة أن OpenAI تتصدر جميع قطاعات الأعمال أو جميع عمليات سير العمل التقنية.
مع ذلك، تستفيد OpenAI من حلقة تغذية راجعة قوية. فقاعدة المستخدمين الواسعة تُسهّل نشر الميزات الجديدة، وتجذب المطورين، وتجعل ChatGPT نقطة الوصول القياسية لمن يجربون الذكاء الاصطناعي التوليدي لأول مرة. وهذا يحوّل المنصة إلى ما يشبه نظام تشغيل للتفاعل العام مع الذكاء الاصطناعي. هذه الميزة حقيقية، لكنها ليست مطلقة، إذ يمكن دمج الخدمات المنافسة مباشرةً في محركات البحث، والهواتف الذكية، وبرامج المكاتب، ومنصات المؤسسات.
تتوسع شركة جيميني من خلال التوزيع
يُعدّ محرك بحث جوجل جيميني ثاني أكثر محركات البحث استخدامًا بين المستخدمين النهائيين. وبحسب طريقة القياس، يصل جيميني إلى ما يقارب 11% من الإحالات إلى مواقع الويب القادمة من أنظمة الذكاء الاصطناعي، أو أكثر من ربع الزيارات إلى الخدمات المستقلة التي تعمل بالذكاء الاصطناعي. ويعود هذا الاختلاف إلى اختلافات منهجية. لكن العامل الحاسم ليس الرقم الدقيق، بل الاتجاه العام: فقد زاد جيميني حصته بشكل ملحوظ، ويستفيد من الانتشار الواسع لجوجل في مجالات البحث، وأندرويد، وورك سبيس، والحوسبة السحابية، وغيرها من الخدمات.
تكمن قوة منصة Gemini الاقتصادية في هذا التكامل. فجوجل ليست بحاجة إلى استقطاب المستخدمين عبر واجهة دردشة مستقلة فقط، بل يمكنها توزيع الذكاء الاصطناعي التوليدي كوظيفة ضمن منتجاتها الحالية. هذا يُطمس الحدود بين البحث التقليدي، والمساعد، وبرامج المكتب، ووكلاء الذكاء الاصطناعي. ونتيجةً لذلك، لا تنعكس بعض استخدامات Gemini بشكل كامل في إحصائيات روبوتات الدردشة المستقلة.
يُعدّ هذا التطور ذا أهمية استراتيجية لشركة OpenAI. فبينما لا يزال ChatGPT متفوقًا، إلا أن الفارق يتقلص في بعض المقاييس. وفي الوقت نفسه، يتزايد استخدام خدمات متعددة: إذ لم يعد العديد من المستخدمين يعتمدون على مساعد واحد فقط، بل يختارون بين ChatGPT وGemini وClaude وPerplexity وGrok، أو أدوات متخصصة أخرى، وذلك بحسب المهمة المطلوبة. وهكذا، يتطور السوق من منتج واحد مهيمن إلى مجموعة من الخدمات القابلة للتبادل، والتي قد تكون متكاملة في بعض الأحيان.
يتمتع نظام Gemini بميزة إضافية في التطبيقات متعددة الوسائط والتطبيقات المتعلقة بالمنتجات. فعندما يتمكن النموذج من الوصول إلى رسائل البريد الإلكتروني، والمستندات، والتقاويم، وبيانات البحث، والفيديوهات، أو وظائف الهواتف الذكية، لا تقتصر الفائدة على جودة نموذج اللغة فحسب، بل تشمل أيضًا السياق والتكامل. ولذلك، يتحول التنافس من ذكاء النموذج المعزول إلى التحكم في واجهة المستخدم، والوصول إلى البيانات، وسير العمل.
شركة DeepSeek تقود اقتصاد الآلات
بينما يهيمن ChatGPT على مشهد المستخدمين المرئي، يتصدر DeepSeek V4.1 Flash حجم الرموز المميزة المُعالجة عبر OpenRouter. في الوقت الحالي، يُعزى ما يقارب ربع حركة البيانات المُقاسة إلى هذا النموذج وحده؛ وفي بعض الأحيان، تمت معالجة أكثر من 40 تريليون رمز مميز خلال أسبوع واحد. لذا، فإن DeepSeek ليس بالضرورة الخدمة التي تضم أكبر عدد من المستخدمين، ولكنه بالتأكيد لاعب رئيسي في اقتصاد الآلات المؤتمتة.
يشير مصطلح "فلاش" إلى اتجاه رئيسي في السوق. فالعديد من المهام الإنتاجية لا تتطلب استخدام أغلى وأقوى النماذج في كل خطوة. إذ يمكن في كثير من الأحيان إنجاز مهام التصنيف، واستخراج البيانات، وإجراء تعديلات بسيطة على التعليمات البرمجية، والتلخيص، والترجمة، والتحقق المسبق، والخطوات المتكررة للوكيل، باستخدام أنظمة سريعة وغير مكلفة. وعندما يتضمن سير العمل مئات من استدعاءات النماذج، يصبح سعر الوحدة عاملاً تنافسياً حاسماً.
يمثل DeepSeek بذلك تحولاً من التركيز على أقصى قدر من الذكاء إلى التركيز على الذكاء الكافي اقتصادياً. فالشركات والمطورون لا يسعون فقط إلى تحسين جودة الإجابة الواحدة، بل إلى تحسين الناتج الإجمالي للعملية. ويمكن لنموذج أقل كفاءة، ولكنه أرخص وأسرع بكثير، أن يحقق قيمة تجارية أعلى عند التعامل مع كميات كبيرة من البيانات. ويتجلى ذلك بوضوح عند توجيه الحالات المعقدة تلقائياً إلى نموذج أكثر قوة.
يُحدث هذا النهج المتدرج تحولاً جذرياً في السوق. يصبح النموذج ذو المستوى الأعلى بمثابة خدمة تصعيد للمهام المعقدة، بينما تتولى النماذج الأقل تكلفة غالبية الأعمال الروتينية. في مثل هذه البنية، تتناقص حصة الأنظمة الأغلى ثمناً من حجم التداول، دون أن تختفي أهميتها الاستراتيجية تماماً. فهي لا تزال تحدد مستوى الأداء، لكن الإنتاج الضخم يتحول إلى فئات نماذج أكثر اقتصادية.
هجوم الصين على الأسعار يُغير منحنى التكلفة
يُعدّ صعود النماذج الصينية في حركة بيانات واجهات برمجة التطبيقات (API) أبرز التحولات الاقتصادية المتوقعة في عام 2026. ففي سبتمبر، تشير التقديرات إلى أن 65% من الرموز المميزة التي تمت معالجتها عبر منصة OpenRouter جاءت من مزودين صينيين، بينما لم تتجاوز نسبة الإنفاق المقابل 30%. في بداية العام، انعكست هذه النسبة تقريبًا، حيث استحوذ المزودون الأمريكيون على حصة أكبر بكثير من حجم البيانات، وكادوا يستحوذون على كامل الإيرادات.
يكمن السبب في فرق السعر الذي يبلغ حوالي 80% مقارنةً بالعروض الأمريكية المماثلة. هذا الفرق كبير لدرجة أنه لا يؤدي فقط إلى تغيير الموردين، بل يُولّد أيضًا طلبًا إضافيًا. بمجرد أن يصبح الاستدلال أرخص بكثير، تُصبح العمليات التي لم تكن مجدية اقتصاديًا في السابق مؤتمتة. يُشغّل المطورون البرامج لفترات أطول، ويُنتجون مقترحات حلول متعددة، ويُراجعون النتائج بشكل متكرر، ويُعالجون مجموعات بيانات أكبر. بالتالي، فإن انخفاض تكاليف الوحدة لا يؤدي تلقائيًا إلى انخفاض النفقات الإجمالية، بل قد يزيد الاستهلاك بشكل غير متناسب.
يتوافق هذا النمط مع مفارقة جيفونز: فمكاسب الكفاءة لا تُقلل بالضرورة من استهلاك الموارد إذا أدى الاستخدام الأقل تكلفة إلى تطبيقات جديدة. ويبرز هذا التأثير بشكل خاص في مجال الذكاء الاصطناعي لأن الرموز ليست وحدة نادرة ماديًا بالمعنى التقليدي، بل تمثل قوة حاسوبية، يمكن أن تنخفض تكلفتها الحدية باستمرار بفضل الرقائق الأفضل، والتكميم، وهياكل النماذج، وزيادة المنافسة. وكلما انخفضت تكلفة خطوة المعالجة الذكية، زاد دمج هذه الخطوات في البرمجيات.
بالنسبة لمزودي الخدمات الصينيين، يُنشئ هذا نموذج أعمال قائم على حجم البيانات. فالأسعار المنخفضة تُسرّع من تبني الخدمات، وتزيد من الاعتماد على واجهات المستخدم، وتُنتج بيانات تجريبية من تطبيقات واقعية. مع ذلك، لا تزال فجوة الإيرادات مع مزودي الخدمات الأمريكيين كبيرة. لذا، فإن ارتفاع حجم البيانات لا يُترجم تلقائيًا إلى ربحية مماثلة. على المدى البعيد، يكمن العامل الحاسم في قدرة مزودي الخدمات على تثبيت أسعارهم، وتقديم خدمات إضافية، وكسب ثقة الشركات العالمية.
تشكل GLM و Qwen و MiMo و Hy4 خط الهجوم الثاني
لم تكن DeepSeek هي الفائزة الصينية الوحيدة. فقد استحوذت Z.ai، بمعالج GLM 5.3 Flash الخاص بها، مؤقتًا على حوالي 13% من الطلبات، وهو ما يمثل نسبة عالية من حجم الرموز، وشهدت معدلات نمو قوية خلال فترة وجيزة. كما كان معالج Xiaomi MiMo V2.6 Flash من بين أكثر خمسة نماذج استخدامًا على منصة OpenRouter. وحققت Tencent Hy4 تصنيفًا متقدمًا في التقييمات التي استمرت 30 يومًا، بينما تتميز Alibaba Qwen بقاعدة مطورين واسعة وقوة خاصة في التطبيقات متعددة الوسائط.
يُعدّ هذا التنوع ذا أهمية استراتيجية بالغة. لم تعد المنافسة محصورة بين شركة أمريكية رائدة وشركة صينية رائدة فحسب، بل باتت الصين تشهد نموًا متسارعًا في منظومة متكاملة تضم شركات الإنترنت، ومصنّعي الأجهزة، وشركات الذكاء الاصطناعي المتخصصة، والمشاريع التجريبية المفتوحة. وبإمكان الشركات توزيع منتجاتها عبر الخدمات السحابية، والهواتف الذكية، وبرامج المؤسسات، والتجارة الإلكترونية، ومنصات التواصل الاجتماعي، ومجتمعات المطورين.
يُظهر برنامج Qwen مدى اتساع نطاق هذا المجال. تُستخدم عائلة النماذج في مهام النصوص والبرمجة، بالإضافة إلى تطبيقات الصور والفيديو. وفي تحليلات المنصات الفردية، يحقق Qwen مكانة رائدة في مجال الوسائط التوليدية. وهذا يُوسع نطاق المنافسة من نماذج اللغة إلى سلاسل الإنتاج في مجالات التسويق والتصميم وتصور المنتجات ومحتوى الفيديو.
تستطيع شركة شاومي، بدورها، ربط الذكاء الاصطناعي بنظام بيئي واسع من الأجهزة. لذا، لا يقتصر ربح MiMo على كونه واجهة برمجة تطبيقات مستقلة فحسب، بل يمكن لهذا النموذج تحسين أداء الهواتف الذكية والمركبات والأجهزة المنزلية والمساعدين الشخصيين. كما تمتلك شركة تينسنت، من خلال منصة Hy4، إمكانية الوصول إلى خدمات الاتصالات والترفيه والحوسبة السحابية وخدمات الشركات. يساهم هذا التوزيع الرأسي في خفض تكاليف اكتساب العملاء، مما يعني أن تصنيفات واجهات برمجة التطبيقات وحدها لا تمثل سوى لمحة سريعة عن الوضع الفعلي في السوق.
🎯🎯🎯 مركز صناعي قائم على البيانات بين الشركات كحل شبه داخلي
الحل شبه الداخلي: كيف تسدّ Xpert.Digital الثغرات التشغيلية في التسويق والمبيعات بين الشركات - أعمال ذكية قائمة على المحتوى - الصورة: Xpert.Digital
Xpert.Digital هي منصة صناعية B2B تعتمد على البيانات بقيادة Konrad Wolfenstein . تعمل الشركة كحل خارجي شبه داخلي للشركاء الصناعيين، حيث تسد الثغرات التشغيلية في التسويق والمحتوى والمبيعات - دون الحاجة إلى موارد إضافية من جانب العميل.
للمزيد من المعلومات، انقر هنا:
مستقبل الذكاء الاصطناعي التوليدي: استراتيجيات سوقية جديدة
يُفضّل علم الإنسان الجودة على الكمية لتحقيق الربح
تُقدّم أنثروبيك أقوى مثال يُفنّد فكرة ربط حجم التداول بالريادة الاقتصادية. ففي سوق المستهلكين النهائيين عمومًا، يتخلف كلود بشكل ملحوظ عن تشات جي بي تي وجيميني. حتى من حيث إجمالي حجم رموز أوبن راوتر، تتصدر النماذج الأقل تكلفة. مع ذلك، عندما يتعلق الأمر بإنفاق الشركات الأمريكية على واجهات إدارة دورة حياة التطبيقات (LLM) المُستخدمة في بيئات الإنتاج، حققت أنثروبيك حوالي 40%، متقدمةً على أوبن إيه آي بنسبة 27% تقريبًا، وجوجل بنسبة 21% تقريبًا.
يعود هذا الوضع بالدرجة الأولى إلى البرمجة وسير العمل القائم على الوكلاء. أصبحت نماذج كلود جزءًا لا يتجزأ من بيئات التطوير، ومساعدي البرمجة، وسلاسل الأدوات. في استطلاعات سوق المؤسسات، استحوذت أنثروبيك على أكثر من نصف نفقات مهام البرمجة، بينما استحوذت أوبن إيه آي على ما يقارب الخمس. لا تدفع الشركات مقابل نتائج قياس أداء مجردة، بل مقابل تقليل أوقات التطوير، وخفض الأخطاء، وضمان تنفيذ سير العمل بكفاءة عالية.
يختلف المنطق الاقتصادي لنموذج أنثروبيك عن استراتيجية نماذج فلاش. فهو يتنافس بناءً على القيمة المضافة العالية لكل استدعاء. فإذا أنجز نموذج مكلف مهمةً بعدد أقل من دورات التصحيح، أو أوصل المطور إلى النتيجة أسرع بساعة، فقد لا يكون لسعر الرمز المميز المرتفع أي أهمية اقتصادية. وبالتالي، فإن المقياس الأكثر أهمية ليس سعر المليون رمز مميز، بل سعر المهمة المنجزة بنجاح.
مع ذلك، تستند الأرقام المعروفة للشركة إلى استطلاعات رأي أجريت مع صناع القرار في الولايات المتحدة ونماذج الإنفاق. ولا ينبغي تفسيرها بسهولة على أنها تمثل حصة الشركة في السوق العالمية. ففي أوروبا والصين والهند والشرق الأوسط، قد تؤدي عوامل مثل خصوصية البيانات، وعروض الحوسبة السحابية المحلية، واللوائح التنظيمية، وحساسية الأسعار إلى نتائج مختلفة. ومع ذلك، يُظهر صعود شركة أنثروبيك أن التخصص في مجال تطبيق قيّم قد يكون نموذج أعمال أكثر جدوى من التوسع الأقصى.
تُشوّه برامج الوكلاء أي تصنيف بسيط
ينبع جزء كبير من نمو واجهات برمجة التطبيقات (APIs) من برامج الوكلاء. تقرأ هذه الأنظمة قواعد بيانات ضخمة، وتجدول التغييرات، وتُنشئ الملفات، وتُجري الاختبارات، وتحلل رسائل الخطأ، وتُكرر العملية. يمكن لكل خطوة أن تُنتج مدخلات ومخرجات كبيرة. وبالتالي، يُمكن لمهمة واحدة أن تُنتج ملايين الرموز، حتى وإن كان شخص واحد فقط مُشاركًا فيها.
تقيس تصنيفات OpenRouter هذه الرموز المُعالجة بدقة، وليس عدد المستخدمين. فهي تعكس الاستخدام الفعلي، ولكن فقط الاستخدام الذي يتم عبر هذه المنصة. لا توجد عقود مباشرة مع OpenAI أو Anthropic أو Google أو مزودي الخدمات السحابية الصينيين، كما لا توجد نماذج تُنفذ محليًا. يمكن للإصدارات المجانية زيادة حجم البيانات دون تحقيق إيرادات متناسبة.
مع ذلك، تُعدّ المنصة مؤشراً مبكراً قيماً، إذ تُظهر النماذج التي يختارها المطورون فعلياً عندما تكون مقارنة الأسعار والموردين سهلة نسبياً. خاصةً في بيئات الوكلاء المفتوحة، ينتقل المستخدمون بسرعة إلى نموذج أرخص أو أكثر قوة، مما يجعل التغييرات مرئية قبل ظهورها في العقود المؤسسية طويلة الأجل.
مع ذلك، ثمة قيد واضح على هذا التفسير: فالرمز ليس وحدة قياس موحدة للأداء الاقتصادي. إذ تُقسّم النماذج النصوص إلى رموز بطرق مختلفة، وتتفاوت المهام في مستويات صعوبتها، وقد تختلف المخرجات اختلافًا كبيرًا في طولها. كما تؤثر عمليات التخزين المؤقت والمعالجة الدفعية وعمليات الاستدلال الداخلي على التكاليف والحجم. ويقيس التصنيف القائم على الرموز النشاط، لا الإنتاجية تلقائيًا.
تخسر أفضل عارضات الأزياء فرص العمل الروتينية
ومن الملاحظ بشكل خاص انخفاض حصة أقوى النماذج في إجمالي حركة البيانات. ففي الربع الثالث من عام 2026، أظهرت بعض التحليلات أن حوالي 14% فقط من الاستخدام كان منسوبًا إلى أقوى عشرة نماذج. في الربع الأول من العام السابق، كانت هذه النسبة حوالي 55%. لا يشير هذا التحول إلى تراجع أهمية النماذج عالية الأداء، بل إلى نضوج السوق.
في المراحل الأولى للذكاء الاصطناعي التوليدي، كان يُستخدم أفضل نموذج متاح تقريبًا لكل مهمة. كان مستوى عدم اليقين مرتفعًا، وكانت أدوات التحسين غير متوفرة، وأعطت الشركات في البداية الأولوية القصوى للجودة. مع ازدياد الخبرة، يقوم المطورون بتقسيم التطبيقات إلى مهام فرعية وتخصيص نموذج مناسب لكل خطوة. تنتقل المهام البسيطة إلى أنظمة Flash أو Mini أو OpenWeight، بينما تبقى مهام التخطيط المعقد وتحليل الأخطاء المعقدة والتواصل عالي الجودة حكرًا على نماذج Frontier.
تشبه هذه العملية تطور الحوسبة السحابية. فالشركات لا تستخدم أغلى موارد الحوسبة لكل مهمة، بل تجمع بين أنظمة عالية الأداء لتلبية ذروة الأحمال وموارد أقل تكلفة للمهام الاعتيادية. وفي مجال الذكاء الاصطناعي، ينتج عن ذلك توجيه النماذج الذي يوازن ديناميكيًا بين الجودة والسرعة وخصوصية البيانات والتكلفة.
والنتيجة هي ضغط سعري شديد في شريحة الأداء المتوسط، حيث يسهل استبدال النماذج. يجب على مزودي الخدمة تمييز أنفسهم من خلال زمن الاستجابة، وفترات السياق الطويلة، واستخدام الأدوات، واللغات المتخصصة، أو الخبرة في المجال. أما من يقدمون جودة نص متوسطة فقط، فيخاطرون بدخول سوق سلعي بهوامش ربح متناقصة.
لا يزال المصدر المفتوح هو الخصم الخفي
تُعاني عائلات الرموز الرقمية المتاحة للعموم، مثل ميتا لاما وميسترال، من نقصٍ ملحوظ في تمثيلها في إحصاءات الاستخدام العامة. إذ يُمكن للشركات تحميلها وتخصيصها وتشغيلها على بنيتها التحتية الخاصة. ويختفي كل رمز مُعالَج محليًا من تصنيفات الواجهات التجارية. لذا، فإنّ القول بأنّ لاما تُعدّ من أكثر الأسس انتشارًا للرموز المُستضافة ذاتيًا يبدو منطقيًا، لكن يصعب قياسه بدقة على المستوى العالمي.
تكمن المزايا الاقتصادية للنماذج الداخلية في التحكم وإمكانية التنبؤ. إذ تحتفظ الشركات بالبيانات الحساسة ضمن شبكتها الخاصة، وتستطيع تكييف النماذج مع المصطلحات التجارية المحددة، وتتجنب الاعتماد الكامل على واجهات خارجية. ومع الاستخدام العالي والمستمر، يمكن أن يكون التشغيل الداخلي أكثر فعالية من حيث التكلفة. إلا أن هذا يقابله استثمارات في الأجهزة والطاقة والموظفين والصيانة والتحديثات.
تكتسب هذه المنطقة أهمية خاصة لأوروبا. ويمكن لشركة ميسترال الاستفادة من متطلبات سيادة البيانات، والبنية التحتية الأوروبية، وإمكانية التتبع التنظيمي. ولا تقتصر المنافسة على جودة النموذج فحسب، بل تشمل أيضاً القرب الجغرافي والقانوني. وفي القطاعات الحكومية والصناعية والدفاعية والمالية والبنية التحتية الحيوية، قد تكون هذه الميزة أكثر أهمية من مجرد فارق معياري بسيط.
تزيد نماذج الوزن المفتوح من الضغط على مزودي الخدمات الاحتكارية. فحتى لو لم تُشغّل الشركات هذه النماذج بالكامل بنفسها، فإنها تُوفر بديلاً موثوقاً. وهذا يحدّ من الأسعار، ويُسهّل استراتيجيات النماذج المتعددة، ويمنع أي مزود من السيطرة على سلسلة القيمة بأكملها.
أفضل عشرة خيارات اقتصادية
يجب أن يأخذ التصنيف المُجمّع في الاعتبار معايير متعددة، ولذلك يبقى تقييمًا شاملاً قائمًا على المنطق وليس نتيجة نهائية مُقاسة بموضوعية. تتصدر عائلة OpenAI GPT التصنيف بفضل انتشار ChatGPT، وحضورها القوي في الشركات، وقاعدة مطوريها الواسعة. يليها Google Gemini نظرًا لتركيزها على المستخدم النهائي وتوزيعها الفريد عبر منظومة Google.
تحتل DeepSeek المرتبة الثالثة بفضل حجم استخدام واجهة برمجة التطبيقات (API) الأكبر لديها. وتليها Anthropic Claude مباشرةً، على الرغم من انتشارها المحدود بين المستهلكين، وذلك لأنها تستحوذ على حصة كبيرة من إنفاق الشركات وأعمال البرمجة عالية الجودة. أما Z.ai GLM، فتُحافظ على مكانتها بين أفضل الشركات أداءً بفضل حجم استخدام Flash المتنامي بسرعة.
تأتي منصة Alibaba Qwen في المرتبة التالية بفضل تنوع نماذجها وقاعدة مطوريها وقوتها في التطبيقات متعددة الوسائط. أما منصة Meta Llama، أو بالأحرى منظومة Muse الموسعة، فتظل ذات أهمية استراتيجية نظراً لاعتمادها على بنيتها التحتية الخاصة ودور النماذج المفتوحة. وتحتل منصة Xiaomi MiMo مكانة ضمن أفضل عشر منصات نظراً لحجم واجهة برمجة التطبيقات (API) الكبير الذي توفره وارتباطها بمنظومة أجهزة واسعة النطاق.
تتمتع منصة xAI Grok بقاعدة مستخدمين واسعة، لا سيما في الولايات المتحدة، وتستفيد من اندماجها في منصة تواصل اجتماعي ذات انتشار واسع. وتحتل شركتا Tencent Hy4 وMistral المركز الأخير في الترتيب العام: إذ تتميز Hy4 بحجم تداولها الحالي المرتفع، بينما تبرز Mistral بفضل موقعها في أوروبا، ونماذجها المفتوحة، وحلولها المؤسسية القوية. ومن غير المنطقي وضع ترتيب صارم لهؤلاء المزودين نظراً لاختلاف المعايير المستخدمة.
من ناحية أخرى، لا ينبغي إدراج معالج مايكروسوفت فاي ضمن قائمة أفضل عشرة معالجات عالمية دون بيانات استخدام موثوقة. صحيح أن هذه المجموعة من المعالجات ذات أهمية تقنية واستراتيجية، إلا أن هذه الأهمية وحدها لا تغني عن إثبات الاستخدام الفعلي المكثف. هذا التمييز مهم، وإلا فقد تصبح التصنيفات مزيجًا من الوعي بالعلامة التجارية والجودة والاستخدام الفعلي.
تتباعد المبيعات والحجم والقيمة
تكمن الفكرة الاقتصادية الأساسية في أن الاستخدام وتحقيق الربح أصبحا منفصلين. يستحوذ المزودون الصينيون على أحجام هائلة من خلال الأسعار المنخفضة، بينما يحتفظ المزودون الأمريكيون بحصة غير متناسبة من الإنفاق. تستطيع منصة Anthropic استخلاص قيمة أكبر للمؤسسات باستخدام عدد أقل بكثير من الرموز مقارنةً بالعديد من الشركات الرائدة في هذا المجال. في المقابل، تُحقق OpenAI الربح من اشتراكات المستهلكين وواجهات برمجة التطبيقات وعقود المؤسسات.
يُنشئ هذا الهيكل مخاطر مختلفة. يجب على مزودي الخدمات بكميات كبيرة تحقيق تكاليف وحدة منخفضة باستمرار مع تحقيق إيرادات كافية لكل عميل في الوقت نفسه. أما مزودو الخدمات المتميزة، فيجب عليهم إثبات أن جودتهم العالية تبرر أسعارهم المرتفعة. ويمكن لمزودي المنصات، مثل جوجل، دعم الذكاء الاصطناعي جزئيًا لحماية أعمالهم الحالية في مجالات الإعلان، والحوسبة السحابية، والإنتاجية.
بالنسبة للمستثمرين وخبراء استراتيجيات الشركات، فإن الحصة السوقية وحدها ذات أهمية محدودة. الأهم من ذلك هو الإيرادات لكل رمز مميز، وهامش الربح الإجمالي، وولاء العملاء، ومعدل التكامل، وتكلفة تغيير مزود الخدمة. كما أن نسبة الاستخدام المدمجة في العمليات الإنتاجية لا تقل أهمية. فالدردشة التجريبية تُحقق قيمة أقل استدامة من نموذج يتحقق من الطلبات يوميًا، أو يختبر البرامج، أو يحلل بيانات الإنتاج.
على المدى البعيد، من المرجح أن ينقسم السوق إلى ثلاث فئات سعرية. تفرض نماذج الأعمال الرائدة أسعارًا مرتفعة للمهام المعقدة. وتتنافس نماذج الكفاءة على السرعة والتكلفة. أما النماذج المحلية أو المتخصصة فتتيح التحكم والتخصيص. ولن تنظر الشركات الناجحة إلى هذه الفئات بشكل منفصل، بل ستدمجها ضمن بنية مشتركة.
ماذا يعني صراع القوى بالنسبة للشركات؟
بالنسبة للشركات، تتمثل أهم النتائج في التخلي عن استراتيجية النموذج الواحد. فالشركات التي تربط جميع مهامها بمزود واحد قد تدفع مبالغ طائلة، وتقبل تبعيات غير ضرورية، وتفوت عليها مزايا الجودة التي توفرها الأنظمة المتخصصة. أما النهج الأمثل فهو بيئة مُنسقة يتم فيها اختيار نماذج مختلفة بناءً على المهمة، ومستوى المخاطرة، والتكلفة.
على سبيل المثال، يمكن لسير عمل لوجستي تصنيف المستندات الواردة باستخدام نموذج Flash منخفض التكلفة، واستخراج البيانات الحساسة محليًا، وتمرير الانحرافات المعقدة فقط إلى نموذج Frontier عالي الأداء. يستطيع برنامج وسيط إجراء التغييرات الروتينية بتكلفة منخفضة، بينما تتولى نماذج Claude أو GPT أو غيرها من النماذج المتقدمة معالجة المشكلات المعمارية المعقدة. هذا يقلل التكاليف دون المساس بجودة القرارات الحاسمة.
ينبغي أن يستند الاختيار إلى معايير عملية محددة، تشمل معدل نجاح المهام المنجزة، وإعادة العمل البشري اللازمة، وزمن الاستجابة، ومخاطر الفشل، وحماية البيانات، والتكلفة الإجمالية لكل عملية. قد يكون سعر الرمز المنخفض مضللاً إذا كان النموذج يتطلب عددًا أكبر من التكرارات. في المقابل، يكون النموذج باهظ الثمن غير اقتصادي إذا لم تُحقق جودته المضافة فائدة ملموسة لمهمة بسيطة.
لذا، تحتاج الشركات إلى أنظمة تقييم خاصة بها. توفر المعايير العامة إرشادات، لكنها لا تغني عن الاختبار باستخدام وثائق حقيقية، ولغات متخصصة، وتحمل تبعات الأخطاء. خاصةً في قطاعات الصناعة والخدمات اللوجستية والتواصل بين الشركات، تعتمد النتائج بشكل كبير على جودة البيانات، وتكامل العمليات، والمعرفة المتخصصة. إن أفضل نموذج عام ليس بالضرورة أفضل نموذج لشركة معينة.
تصبح الجغرافيا السياسية جزءًا من بنية النموذج
يُحوّل صعود نماذج الذكاء الاصطناعي الصينية عملية شراء هذه النماذج إلى قرار جيوسياسي. فالأسعار المنخفضة والأداء العالي يجعلانها جذابة. وفي الوقت نفسه، يتعين على الشركات تقييم خصوصية البيانات، وضوابط التصدير، والأنظمة القانونية، وقدرات التوريد، والمخاطر السياسية. وتختلف هذه العوامل اختلافًا كبيرًا باختلاف القطاع والدولة.
إن رفض النماذج الصينية رفضًا قاطعًا يُعدّ قصر نظر اقتصاديًا، لأنه يتجاهل مزاياها الهامة من حيث التكلفة والابتكار. كما أن الاعتماد غير المدروس عليها يُشكّل إشكالية مماثلة. والحل الأمثل هو بنية قائمة على إدارة المخاطر: حيث يمكن تشغيل المهام غير الحرجة ذات الحجم الكبير على نماذج منخفضة التكلفة، بينما تبقى البيانات الحساسة والعمليات الاستراتيجية في بيئات مُحكمة.
حتى مزودو الخدمات في الولايات المتحدة ليسوا بمنأى عن مخاطر الاعتماد على الغير. فالتغيرات في الأسعار، والتحديثات التقنية، والحصص، أو شروط الخدمة الجديدة، كلها عوامل قد تؤثر بشكل مباشر على نماذج الأعمال. ولذلك، أصبحت القدرة على استخدام بيئات سحابية متعددة ونماذج متعددة شكلاً من أشكال المرونة الرقمية. لذا، ينبغي على الشركات تبسيط واجهات المستخدم، وتوحيد تنسيقات البيانات، وإجراء اختبارات دورية للتبديل بين النماذج.
تحتل أوروبا موقعًا صعبًا، ولكنه ليس ميؤوسًا منه، في هذه المنافسة. تفتقر القارة إلى نفس قوة المنصات التي تتمتع بها الولايات المتحدة، أو نفس القدرة على التوسع المدفوع بالأسعار التي تتمتع بها الصين. ومع ذلك، يمكنها أن تتميز من خلال البيانات الصناعية، والتطبيقات المتخصصة، والبنية التحتية الموثوقة، واليقين القانوني. لذلك، ينبغي النظر إلى ميسترال ومزودي الخدمات السحابية الأوروبيين لا باعتبارهم نسخًا مباشرة من منصات الدردشة الآلية العالمية، بل باعتبارهم لبنات أساسية لبنية مؤسسية سيادية.
يقع المركز الجديد ضمن العملية الآلية
لا يزال النقاش العام يركز بشكل كبير على روبوتات المحادثة وردودها. مع ذلك، يكمن الجانب الاقتصادي الأكبر في العمليات التي نادرًا ما يراها المستخدمون. يقوم الموظفون بمراجعة الفواتير، وتخطيط النقل، وتحليل تقارير الآلات، وكتابة البرامج، وإنشاء العروض، ومراقبة سلاسل التوريد. في هذه الحالات، لا يهم أي نموذج يحمل العلامة التجارية الأكثر شهرة، بل أي نظام يعمل بكفاءة وموثوقية وسرعة وفعالية من حيث التكلفة.
يُعدّ هذا التحوّل ذا أهمية خاصة لقطاعي الخدمات اللوجستية والصناعة. فكلا القطاعين يُنتج كميات هائلة من البيانات المنظمة وغير المنظمة، ويعملان بهوامش ربح ضيقة، ويتطلبان اتخاذ العديد من القرارات المتكررة. بإمكان النماذج منخفضة التكلفة معالجة المستندات ورسائل البريد الإلكتروني وبيانات أجهزة الاستشعار ومعلومات الطلبات مسبقًا. أما النماذج عالية الأداء فتتعامل مع الاستثناءات والمفاوضات وقضايا التخطيط المعقدة.
يُغيّر هذا أيضًا دور الذكاء الاصطناعي المُدار. لم تعد القيمة الاقتصادية تكمن فقط في الوصول إلى نموذج، بل في اختياره وتوجيهه ومراقبته وأمنه وتحسينه المستمر. يستطيع مُقدّم الخدمة الذي يجمع النماذج بمرونة ويقيس أداءها في عمليات واقعية أن يُحقق قيمة أكبر من مُقدّم الخدمة الذي يُعيد بيع واجهة واحدة فقط.
يؤدي التنافس بين النماذج بالتالي إلى مستوى جديد من التجريد. على المدى البعيد، باتت الشركات تشتري جودة نتائج مضمونة أكثر من كونها تشتري "نموذجًا" بحد ذاته. ويمكن تغيير مزود التكنولوجيا في الخلفية، طالما تم تلبية متطلبات التكاليف وحماية البيانات والأداء. هذا التطور يُضعف الاعتماد على أسماء النماذج الفردية، ويُعزز منصات التنسيق والتطبيقات الخاصة بكل قطاع.
يعتمد تحديد الشركة الرائدة في السوق على السؤال المطروح
لذا، يتطلب التوصل إلى إجابة موثوقة لسؤال أكثر نماذج الذكاء الاصطناعي استخدامًا نهجًا متعدد الجوانب. يتصدر ChatGPT قائمة النماذج الأكثر استخدامًا بين المستخدمين النهائيين، يليه Gemini في المرتبة الثانية. أما DeepSeek V4.1 Flash فيتصدر القائمة من حيث حجم رموز API المرئية، يليه نماذج صينية أخرى منخفضة التكلفة مثل GLM وMiMo وHy4. ويحتل Anthropic مكانة رائدة في إنفاق الشركات على واجهات برمجة تطبيقات النماذج، ويعود ذلك بشكل أساسي إلى قدراته البرمجية المتميزة.
لا تُعدّ الاختلافات بين القياسات عيبًا، بل هي أهم المعلومات. يقيس Statcounter إجراءات مختلفة عن Similarweb. يتتبع OpenRouter منصة تطوير محددة، وليس تعدادًا عالميًا. تعكس الدراسات التجارية ميزانيات صناع القرار المختارين، لا الاقتصاد العالمي برمته. كل رقم يجيب على سؤال مختلف.
وبالتالي، فإن الأساس المنطقي هو: تتصدر OpenAI من حيث العلامة التجارية والوصول المباشر، وتتفوق Anthropic في تحقيق الدخل المؤسسي عالي الجودة، وتتفوق Google في التوزيع المتكامل، بينما يتفوق المزودون الصينيون في التوسع المدفوع بالسعر للعمل المؤتمت. أما Meta وMistral وعائلات النماذج المفتوحة، فتؤمن البديل الاستراتيجي للتشغيل الداخلي.
لا يكمن التحول الحاسم في موازين القوى في إزاحة مزود واحد لـ ChatGPT، بل في أن الجزء الأكبر من العمل الآلي يُنجز بشكل متزايد بواسطة نماذج أخرى غير تلك التي تهيمن على الرأي العام. أولئك الذين ينظرون فقط إلى الواجهة الأكثر شيوعًا يتجاهلون جزءًا من السوق حيث تُعاد توزيع منحنيات التكلفة والأتمتة وخلق القيمة الصناعية.
📈🚀 من الشفافية إلى الثقة 👀🤝 مسارك القابل للتوسع مع Xpert.Digital
من الشفافية إلى الثقة: مسارك القابل للتوسع مع Xpert.Digital - الصورة: Xpert.Digital
في مجال الأعمال الصناعية بين الشركات، نادراً ما تنشأ علاقات تجارية مستدامة بين عشية وضحاها. بل تتطور تدريجياً من خلال الشفافية، والأهمية المهنية، والتواصل المستمر، وبناء الثقة المتنامية. ويُعالج نموذج Xpert.Digital ذو المراحل الأربع هذا الأمر تحديداً: فهو يُقدم مساراً منظماً يبدأ بنقطة دخول سهلة، ويمكن تطويره إلى تعاون أعمق في تنمية الأعمال عند الحاجة.
بدلاً من الاعتماد على وعود تسويقية براقة، يضع هذا النموذج العلاقة في صميم اهتمامه. تبدأ الشركات بمقاييس محددة بوضوح وسهلة الحساب، ثم تقرر، بناءً على خبرتها، مدى رغبتها في توسيع نطاق التعاون. ومن العوامل الرئيسية في هذه العملية السلسة لبناء الثقة: أن المنصة تتجنب تماماً الإعلانات المزعجة، بحيث يبقى التركيز التحريري منصباً بالكامل على خبرة الشركات.
للمزيد من المعلومات، انقر هنا:
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
