الاستدلال يتفوق على التدريب: كيف يُجبر الذكاء الاصطناعي على إعادة تصميم البنية التحتية السحابية

اقتصاديات تشغيل الذكاء الاصطناعي مقابل بنائه

تدريب نماذج الذكاء الاصطناعي تكلفة لمرة واحدة: تُنفق الحوسبة وتحصل على النموذج. أما الاستدلال — تشغيل ذلك النموذج في الإنتاج لخدمة المستخدمين الفعليين — فتكلفة متكررة تتنامى مع كل مستخدم جديد وكل استعلام جديد وكل تطبيق جديد. يحدث التدريب مرة واحدة (أو أحياناً للضبط الدقيق). ويستمر الاستدلال إلى الأبد.

وضّح الرئيس التنفيذي لـ Lenovo Yuanqing Yang المسار بصراحة: يذهب اليوم نحو 80% من الإنفاق على الذكاء الاصطناعي للتدريب و20% للاستدلال، وتوقعه أن يُعكس هذا الأمر — 20% للتدريب و80% للاستدلال — مع انتقال نماذج الذكاء الاصطناعي من مرحلة التطوير إلى النشر الإنتاجي الواسع. يُؤيّد تحليل Deloitte لنوفمبر 2025 هذا الاتجاه: مثّلت أحمال الاستدلال نصف إجمالي الحوسبة الذكائية في 2025 ومتوقع أن تبلغ ثلثيها بنهاية 2026.

ذهب تقرير Futurum Group لديسمبر 2025 أبعد من ذلك، متوقعاً أن تتخطى أحمال الاستدلال التدريبَ من حيث الإيرادات في 2026 — أي أن سوق خدمة تطبيقات الذكاء الاصطناعي بات أكبر فعلاً من سوق بنائها.

بحلول 2030، يتوقع تقرير JLL العالمي لمراكز البيانات 2026 أن يُشكّل الذكاء الاصطناعي نصف أحمال عمل مراكز البيانات، مع هيمنة الاستدلال. يبلغ الاحتياج الاستثماري نحو 3 تريليون دولار عالمياً بحلول 2030، يشمل 1.2 تريليون في خلق قيمة الأصول العقارية وما بين 1 و2 تريليون إنفاقاً إضافياً للمستأجرين على البنية التحتية للـ GPU والشبكات.

هذه ليست توقعات عن مستقبل بعيد، بل تصف قرارات معمارية وتخصيصاً رأسمالياً تحتاج فرق البنية التحتية السحابية إلى اتخاذها في 2026.

كيف يختلف الاستدلال عن التدريب معمارياً

يستلزم فهم سبب إجبار الاستدلال على إعادة تصميم البنية التحتية استيعابَ الفارق الجوهري بين سلوك هذين الحملين.

أحمال التدريب مكثّفة بالدُّفعات وغير حساسة للزمن. يمكن جدولة دورة تدريب ليلاً وتشغيلها عبر مجموعة 1000 وحدة GPU في مركز بيانات واحد، وانتظار ساعات أو أياماً للنتيجة دون أن تتأثر تجربة المستخدم. البنية التحتية المثلى: أعلى كثافة GPU، وأعلى عرض نطاق ترابطي بين وحدات GPU (NVLink، InfiniBand)، وأعلى قدرة على توصيل الطاقة (تستهدف الرفوف الآن أكثر من 1 ميغاواط لتدريب النماذج الحدّية)، وموقع مركزي قريب من الطاقة الرخيصة.

أحمال الاستدلال حساسة للزمن وموزّعة جغرافياً. يتوقع المستخدم استجابة من روبوت المحادثة خلال أقل من ثانيتين. نظام ذكاء اصطناعي طبي يقرأ صورة أشعة في مستشفى يحتاج نتائج فورية. سيارة ذاتية القيادة تعالج بيانات الحساسات تحتاج استدلالاً بالمللي ثانية. لهذه الحالات، يُولّد تمركز كل الحوسبة في مركز بيانات واحد في فيرجينيا أو آيوا زمن استجابة غير مقبول للمستخدمين في ساو باولو أو سنغافورة أو الجزائر العاصمة.

التحوّل البنيوي المُضمَّن في ذلك: تتواصل كثافة مجموعات التدريب في الارتفاع عند عدد محدود من الحرم المتفوقة؛ في حين يجب توزيع طاقة الاستدلال نحو مراكز إقليمية وعقد طرفية ونشر محلي بحجم لم يحتجه التدريب قط. تُلاحظ تحليل اتجاهات مراكز البيانات 2026 من IoT Analytics أن أوقات انتظار ربط الشبكة الكهربائية عالية الجهد تتجاوز 6 إلى 8 سنوات في أوروبا — ما يعني أن حرم التدريب المتفوقة الجديدة المرخّصة اليوم لن تُفتتح قبل 2032–2034، فيما يمكن لعقد الاستدلال الموزّعة الأصغر حجماً نشرها في منشآت الاستضافة المشتركة القائمة خلال 18 إلى 24 شهراً.

يُضاعف هذا تباين تكاليف البناء: تُظهر بيانات JLL أن تكاليف البناء ارتفعت إلى 11.3 مليون دولار لكل ميغاواط في 2026 (مقابل 7.7 ملايين في 2020) — معدل نمو مركب سنوي 7% مدفوع بمتطلبات التبريد السائل وتوصيل الطاقة الكثيف وتضخم المواد. عقد الاستدلال بكثافة أقل للرف (10 إلى 50 كيلوواط مقابل 1 ميغاواط+ للتدريب الحدّي) تكلف أقل في البناء ويمكن نشرها في أسواق تنخفض فيها تكاليف الأرض والطاقة.

ما ينبغي لـ DSI المؤسسات فعله

لا يمثّل تحوّل البنية التحتية للاستدلال مشكلة مزودي الخدمات الكبرى في المقام الأول — بل مشكلة المؤسسات. كل مؤسسة نشرت نموذج ذكاء اصطناعي خلال الـ 18 شهراً الماضية تكتشف الآن أن تكاليف الاستدلال تنمو أسرع مما توقعته ميزانياتها. القرارات المعمارية المتخذة الآن ستحدد ما إذا كان هذا النمو قابلاً للإدارة أم مُركَّباً.

1. راجعوا التقسيم الحالي لتكاليف أحمال الذكاء الاصطناعي بين التدريب والاستدلال

معظم فرق الذكاء الاصطناعي المؤسسية تتتبع الإنفاق الإجمالي على الذكاء الاصطناعي لكنها لا تتتبع التقسيم بين التدريب والاستدلال. دون هذا التقسيم، يكون تحسين التكاليف أعمى. نفّذوا تمريناً لإسناد التكاليف لمدة 30 يوماً: ما تكاليف السحابة المتعلقة بتدريب النماذج أو ضبطها الدقيق (ساعات GPU × حجم النموذج × دورات التدريب)، وما المتعلق منها بخدمة الاستدلال (مكالمات API × الرموز × مستوى الزمن)؟ بالنسبة للمؤسسات التي أدخلت النماذج إلى الإنتاج، سيُمثّل الاستدلال عادةً 60 إلى 70% من إجمالي الإنفاق على الذكاء الاصطناعي. هذا الرقم، حين يُعرف بدقة، يقود المحادثة الصحيحة حول البنية التحتية مع المزود السحابي.

2. قيّموا الأجهزة المُحسَّنة للاستدلال قبل تجديد عقود GPU

نما سوق الشرائح المتخصصة للاستدلال إلى أكثر من 50 مليار دولار في 2026. على خلاف التدريب الذي يستلزم وحدات GPU الأعلى مستوى (NVIDIA H100/H200/B200 أو ما يعادلها) لتعظيم الإنتاجية، يمكن تشغيل الاستدلال بكفاءة على أجهزة أقل تكلفة مصمَّمة خصيصاً للخدمة: بطاقات NVIDIA السلسلة L، وAMD Instinct MI300X، وشرائح استدلال متخصصة من شركات مثل Groq وCerebras. للمؤسسات التي تدفع أسعار GPU للتدريب من أجل خدمة أحمال الاستدلال، يمكن لاستبدال الأجهزة خفض تكاليف الخدمة بنسبة 40 إلى 70% بإنتاجية مكافئة. لحظات تجديد العقد هي الوقت المناسب لإعادة الهيكلة.

3. ابنوا طوبولوجيا استدلال إقليمية قبل تصاعد شكاوى الزمن

تحتاج تطبيقات الذكاء الاصطناعي المؤسسية التي تخدم مستخدمين في جغرافيات متعددة إلى بنية استدلال إقليمية — لا نقطة واحدة في منطقة سحابية واحدة. التطبيق العملي: نقطة استدلال رئيسية في المنطقة السحابية ذات أكبر تركيز للمستخدمين، ونقطة ثانوية في كل منطقة تضم أكثر من 15% من قاعدة المستخدمين، وخيار استدلال طرفي (باستخدام نماذج محلية أو عقد سحابة طرفية) للحالات الحرجة من حيث الزمن. تكلّف هذه الطوبولوجيا 20 إلى 40% أكثر من نشر أحادي المنطقة وتُقلّص زمن P95 بـ 200 إلى 500 ملي ثانية للمستخدمين خارج المنطقة الرئيسية — وهو مقايضة تُسدَّد عادةً في رضا المستخدمين قبل 12 شهراً.

4. اختبروا ضغط تسعير الاستدلال لدى مزودكم السحابي قبل تجديدات عقود 2027

يمر سوق الاستدلال بضغط سريع على الأسعار تحت وطأة المنافسة بين AWS وAzure وGoogle Cloud والمزودين المتخصصين في الاستدلال (Groq، وFireworks AI، وTogether AI). نمو سوق الشرائح المُحسَّنة للاستدلال إلى ما فوق 50 مليار دولار في 2026 يُخفّض التكاليف لكل مليون رمز. المؤسسات التي أبرمت عقود استدلال في 2024 أو 2025 تدفع على الأرجح أسعاراً أعلى من السوق مقارنةً بأسعار الفور 2026. قبل التجديد، قيسوا تكلفتكم الحالية لكل مليون رمز مقابل ثلاثة مزودين بديلين واستخدموا هذا المعيار كأساس تفاوضي. تُحقَّق تخفيضات تكاليف سنوية بنسبة 30 إلى 50% للمؤسسات الراغبة في تقييم البدائل.

الدرس الهيكلي

لا يمثّل التحوّل نحو الاستدلال مجرد قصة إعادة هيكلة تقنية. إنه تغيير جذري في وظيفة البنية التحتية السحابية. طوال العقد الماضي، كانت “البنية التحتية للذكاء الاصطناعي” تعني التدريب — مجموعات GPU ضخمة وطاقة مركزية وقدرة نماذج حدّية. هذا العصر لا ينتهي، لكنه يتحوّل إلى قطاع متخصص لا حالة الاستخدام المهيمنة.

حالة الاستخدام المهيمنة انطلاقاً من 2026 هي الخدمة: إتاحة النماذج للمستخدمين والتطبيقات والوكلاء التلقائيين بزمن استجابة منخفض وتوافر عالٍ وتكلفة معقولة لكل استعلام. هذه مسألة هندسية مختلفة ومواصفات أجهزة مختلفة وشرط توزيع جغرافي مختلف ونموذج مشتريات مختلف. مزودو السحابة ومشغّلو الاستضافة المشتركة ومورّدو الأجهزة الذين بنوا لعصر التدريب يعيدون هيكلتهم الآن لعصر الاستدلال — والمؤسسات التي تعكس تخطيطها البنيوي هذه الهيكلة ستمتلك ميزة ملموسة في التكاليف والزمن على تلك التي لا تزال تُحسَّن لمعمارية عصر التدريب.

بحلول 2030، يتوقع JLL أن يُمثّل الذكاء الاصطناعي نصف أحمال عمل مراكز البيانات عالمياً مع هيمنة الاستدلال. يتوقع الوصول بطاقة مراكز البيانات العالمية إلى 200 غيغاواط بحلول 2030 بمعدل نمو مركب سنوي 14%. ستتدفق تريليونات الـ 3 المطلوبة لبناء تلك الطاقة بشكل غير متناسب نحو المشغّلين الفاهمين لمتطلبات معمارية الاستدلال — موزَّعة، أقل كثافة، مُحسَّنة للزمن — لا نحو أولئك الذين يبنون ببساطة المزيد مما طلبه عصر التدريب.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• CES 2026: AI Compute Sees a Shift from Training to Inference — Computerworld
• 2026 Global Data Center Outlook — JLL
• 7 Data Center Trends to Watch — IoT Analytics
• Data Center Construction Trends 2026 — Data Center Knowledge