مفارقة المصدر المفتوح

تقضي عامين وتنفق 30 مليون دولار لتدريب نموذج لغوي متطور. تنشره على Hugging Face. يستطيع أي شخص تنزيله وتشغيله وضبطه الدقيق وبناء منتجات عليه — مجاناً. عدد النجوم على GitHub في اليوم الأول مذهل. وكذلك صمت مديرك المالي.

هذه هي مفارقة الذكاء الاصطناعي مفتوح المصدر. إن نشر نموذج قوي للعموم هو في الوقت ذاته أفضل خطوة تسويقية ممكنة وأسوأ استراتيجية لتحقيق الإيرادات — في آنٍ واحد. يُسميها المستثمرون في عروض التقديم “دوّامة التوزيع”. أما قائمة الأرباح والخسائر فتُسميها مشكلة.

ومع ذلك، حوّلت مجموعة من الشركات الناشئة الممولة تمويلاً جيداً الذكاءَ الاصطناعي مفتوح المصدر إلى أعمال تجارية حقيقية. تجاوزت Mistral AI تقييماً بلغ 6 مليارات دولار. جمعت Together AI أكثر من 100 مليون دولار. وتُقدَّر قيمة Hugging Face بأكثر من 4.5 مليار دولار. لم تحقق هذه الشركات ربحيتها بفضل الإيثار، بل بنت نماذج أعمال حقيقية على أسسٍ مفتوحة — وهذه النماذج باتت مفهومة على نحو متزايد.

تصنيف إيرادات الذكاء الاصطناعي مفتوح المصدر

تقارب قطاع الذكاء الاصطناعي مفتوح المصدر على أربعة أنماط أساسية لتحقيق الإيرادات، كثيراً ما تُجمع داخل الشركة الواحدة.

واجهة برمجة التطبيقات (API) للاستدلال المُدار. أبسط النماذج: تقدم الوصول عبر API إلى نماذج مفتوحة المصدر لم تدرّبها أنت، محسّنةً على بنيتك التحتية. بنت Together AI وReplicate وFireworks AI جميعها أعمالها على هذا الأساس. القيمة المقترحة واضحة — معظم المطورين لا يريدون إدارة مجموعات GPU. يريدون نقطة اتصال. تتقاضى Together AI رسوماً لكل رمز (token) مقابل الوصول إلى Llama 3 وMistral وعشرات النماذج المفتوحة الأخرى، مع تقديم استدلال أرخص بنسبة 60 إلى 80 بالمئة مقارنة بواجهات API المملوكة المماثلة. تأتي الهامش من هندسة تحسين الاستدلال — عمل على كفاءة GPU على مستوى النواة يتراكم بمرور الوقت.

الترخيص المزدوج والمصدر المفتوح الجزئي (Open Core). هنا يكون البرنامج مجانياً للأفراد والباحثين (Apache 2.0 أو MIT)، لكن النشر التجاري على نطاق واسع يستلزم ترخيصاً مدفوعاً. أتقنت Mistral هذا النهج في السياق الأوروبي للذكاء الاصطناعي. تُنشر النماذج الأساسية بصورة مرنة؛ أما النماذج والميزات على مستوى المؤسسات فتستلزم اتفاقيات تجارية. يحاكي هذا نموذج Red Hat Linux الذي دعم شركات البنية التحتية مفتوحة المصدر لعقدين من الزمن.

المنصات المستضافة ودعم المؤسسات. تبيع Hugging Face وAnyscale التجربة المُدارة: بنية تحتية للنشر، وخطوط أنابيب للضبط الدقيق، وأدوات التحكم في الوصول والامتثال، واتفاقيات مستوى الخدمة (SLA)، والدعم المتخصص. يُشكّل النظام البيئي مفتوح المصدر الجزء الأعلى من قمع المبيعات. تتوقف فرق المؤسسات في نهاية المطاف عن إدارة بنيتها التحتية الخاصة وتدفع مقابل المنصة. يضم Hub التابع لـ Hugging Face أكثر من مليون نموذج عام — ومنصة الاستضافة والتعاون للفرق تكلّف المال.

أدوات الضبط الدقيق والنشر. تبيع Modal وBaseten طبقة البنية التحتية للمطورين: حوسبة GPU بلا خوادم (serverless) لتشغيل استدلال النماذج المخصصة، وخطوط أنابيب الضبط الدقيق، وواجهات API للنشر. تستثمر هذه الشركات في سير العمل حول النماذج لا في النماذج ذاتها. مع نضج الذكاء الاصطناعي مفتوح المصدر، تزداد قيمة طبقة الأدوات.

كيف تبني Mistral نموذج أعمالها

تُعدّ Mistral AI دراسة الحالة الأكثر إيضاحاً في مجال تحقيق الإيرادات من الذكاء الاصطناعي مفتوح المصدر، جزئياً لأن تموضعها الاستراتيجي يتسم بوضوح غير معتاد.

تنشر الشركة الباريسية نماذج أساسية تنافسية — Mistral 7B وMixtral 8x7B وMistral Large — تحت تراخيص Apache 2.0 المرنة. يستطيع الباحثون والمطورون حول العالم استخدامها وتعديلها وإعادة توزيعها بحرية. يولّد هذا اعتماداً واسعاً من المجتمع، مما يولّد بدوره ظهوراً في المقاييس المعيارية (benchmarks)، وثقة المطورين، واهتماماً من الشركات الواردة.

تقع طبقة الإيرادات فوق ذلك: La Plateforme، خدمة API المُدارة من Mistral، تقدم نماذج متميزة غير منشورة للعموم، إضافة إلى اتفاقيات مستوى خدمة المؤسسات، والضبط الدقيق، ودعم النشر. تُغطي اتفاقيات الترخيص التجاري المؤسساتِ الكبيرة التي تريد ضمانات تعاقدية بدلاً من شروط المصدر المفتوح.

يمنح التموضع الاستراتيجي لـ Mistral بوصفها البديل الأوروبي للنماذج الأمريكية المغلقة (OpenAI وAnthropic) والنماذج الصينية المفتوحة (DeepSeek) خندقاً تنظيمياً. للشركات الأوروبية التي تتعامل مع متطلبات الامتثال لقانون الذكاء الاصطناعي (AI Act) حوافز قوية للعمل مع مزود مقره الاتحاد الأوروبي. تجلب شراكة Microsoft Azure — التي توزع نماذج Mistral عبر Azure AI Studio — حجم السحابة دون الحصرية التي قد تُخلّ باستقلالية Mistral. تحصل Mistral على حصة من الإيرادات؛ ويحصل عملاء Azure على الخيار.

والنتيجة شركة هي في آنٍ واحد مختبر بحثي وشركة API ولاعبة في ساحة المنصات، يربطها معاً ثقل مجتمعها مفتوح المصدر.

إعلان

Together AI وأطروحة السحابة مفتوحة المصدر

تقوم الأطروحة التأسيسية لـ Together AI على أن النماذج مفتوحة المصدر مضافاً إليها الاستدلال الفعّال تُنتج نموذج أعمال مستداماً هيكلياً. تُموضع الشركة نفسها بوصفها “السحابة مفتوحة المصدر” — طبقة حوسبة مُدارة مُحسَّنة خصيصاً للنظام البيئي المفتوح للذكاء الاصطناعي.

يُشكّل عمل تحسين الاستدلال المكانَ الذي تصنع فيه Together AI تميّزها. تدريب النماذج مفتوحة المصدر هو الحد الأدنى المطلوب — الأوزان عامة. لكن تشغيل تلك النماذج باقتصادية وسرعة على نطاق واسع يستلزم هندسة معقدة. استثمرت Together AI بكثافة في نوى CUDA المخصصة، والفك الترميزي الاستكشافي (speculative decoding)، وتقنيات التجميع المستمر (continuous batching) التي تجعل تكاليف الاستدلال لديها أدنى بكثير من تشغيل أعباء العمل المعادلة على بنية تحتية سحابية عادية.

بالنسبة للمطورين، يترجم هذا إلى عرض ملموس: الوصول إلى أكثر من 50 نموذجاً مفتوح المصدر عبر API واحدة، بتكاليف أقل بكثير مما تتقاضاه البدائل المملوكة، دون قيد بالبائع. إذا أصبحت Together AI يوماً غير تنافسية، يستطيع المطور أخذ أوزانه المضبوطة والذهاب إلى مكان آخر. هذه القابلية للنقل — المتأصلة في المصدر المفتوح — هي ذاتها ميزة في المنتج.

مع تمويل بلغ 100 مليون دولار وقاعدة عملاء مؤسسية متنامية، تراهن Together AI على أن خندق تحسين الاستدلال يتعمق مع تكاثر النماذج. كل نشر جديد لنموذج مفتوح المصدر هو منتج جديد تستطيع Together AI تقديمه دون الحاجة إلى تدريبه.

استراتيجية Meta في البنية التحتية

لا تندرج سلسلة LLaMA من Meta — من LLaMA 1 إلى LLaMA 3.x — بسهولة في أي نموذج تحقيق إيرادات لشركة ناشئة، لأن Meta لا تحاول بيع الذكاء الاصطناعي. تحاول Meta إرساء بنية تحتية للذكاء الاصطناعي وفق شروطها.

يحاكي المنطق الاستراتيجي سابقة Linux. في أواخر التسعينيات، استثمرت IBM بكثافة في Linux ليس لبيع Linux، بل لأن نظام تشغيل متاح مجاناً وقد أصبح سلعة أزال ميزة Microsoft المملوكة وأتاح لـ IBM بيع الخدمات والأجهزة فوقه. تلعب Meta اللعبة ذاتها ضد OpenAI وAnthropic: إذا كانت النماذج الأساسية القوية مجانية، فلا شركة واحدة تستطيع تحصيل رسوم متميزة على الوصول إلى النماذج وحدها.

إلى جانب تعطيل المنافسة، تخلق LLaMA اعتماداً على منظومة أدوات Meta. يُعدّ PyTorch، إطار التعلم العميق التابع لـ Meta، البنية التحتية السائدة للتدريب في مجتمع الذكاء الاصطناعي مفتوح المصدر. مع بناء المطورين على LLaMA، يستخدمون PyTorch وتكاملات Hugging Face ومنظومة أدوات Meta. الإشارة البحثية ذات قيمة أيضاً: تستخدم Meta نشر النماذج للعموم لاستقطاب كبار باحثي الذكاء الاصطناعي الراغبين في أن يكون لعملهم أقصى تأثير في العالم الحقيقي.

لا تحتاج Meta إلى تحقيق الإيرادات من LLaMA مباشرة. النموذج أصل استراتيجي يموّله نشاط الإعلانات الذي أدرّ 164 مليار دولار من الإيرادات في عام 2024.

المخاطر وحدود هذا النظام البيئي

يحتوي نموذج أعمال الذكاء الاصطناعي مفتوح المصدر على توترات هيكلية حقيقية لم تُحلّ بالكامل بعد.

سابقة Red Hat ذات حدّين. أثبتت Red Hat أن دعم المؤسسات مفتوح المصدر نموذجٌ أعمال قابل للتطبيق بمليارات الدولارات — لكنها أثبتت أيضاً أن استحواذ IBM عام 2019 غيّر ديناميكيات ثقة المجتمع بطرق استغرق التعافي منها سنوات. يظل السؤال عمّن يملك نظام الذكاء الاصطناعي البيئي مفتوح المصدر، وكيف يتغير ذلك إن وصل مستحوذون كبار، بلا إجابة.

الاستفادة المجانية من مزودي السحابة مصدر قلق دائم. يقدم كلٌّ من AWS Bedrock وAzure AI Studio وصولاً مُداراً إلى نماذج مفتوحة المصدر كـ Llama — محققَين إيرادات دون مساهمة جوهرية في المشاريع مفتوحة المصدر ذاتها. حين يستطيع مزودو الخدمات السحابية الكبار تحقيق الإيرادات من نموذجك المفتوح بكفاءة أعلى مما تستطيع أنت، تضعف قابلية استدامة نموذج أعمال المطور الأصلي. دفع هذا الديناميك مجتمع قواعد البيانات مفتوحة المصدر نحو ترخيص أكثر صرامة (MongoDB وElasticsearch)، وضغوط مماثلة تتراكم في الذكاء الاصطناعي.

التساؤل حول الاعتماد على رأس المال المغامر هو الحافة الأحدّ. كثير من شركات الذكاء الاصطناعي مفتوح المصدر تحرق رأسمالاً ضخماً على حوسبة GPU ورواتب الباحثين، بمنحنيات إيرادات لم تنعطف بعد نحو الربحية. إذا ضاق بيئة التمويل، ستواجه الشركات التي تفتقر إلى طبقة تحقيق إيرادات متينة خيارات صعبة بين إعادة الترخيص التقييدي (وخسارة ثقة المجتمع) والخسائر المستمرة.

نموذج أعمال الذكاء الاصطناعي مفتوح المصدر حقيقي، لكنه لا يزال في طور مبكر ومثار جدل.

مقالات ذات صلة

إعلان

رادار القرار (منظور الجزائر)

البُعد التقييم
الأهمية للجزائر عالية — تستطيع شركات الذكاء الاصطناعي الناشئة في الجزائر بناء منتجات تنافسية على أسس مفتوحة المصدر دون الرأسمال اللازم لتدريب نماذج الحدود التقنية؛ ودليل الاستثمار في تحقيق الإيرادات موثق وقابل للتكرار على نطاقات أصغر
البنية التحتية جاهزة؟ جزئياً — حوسبة GPU للاستدلال في متناول اليد عبر Together AI وReplicate وAnyscale؛ الاستدلال المحلي على نماذج بحجم 7B–13B ممكن على أجهزة المستهلكين
المهارات متوفرة؟ جزئياً — مجتمع متنامٍ من المطورين البانين على منظومة Hugging Face؛ خبرة الضبط الدقيق متاحة، لكن خبرة التدريب المسبق نادرة
الجدول الزمني للتحرك فوري
أصحاب المصلحة الرئيسيون مؤسسو شركات الذكاء الاصطناعي الناشئة، والمستثمرون في رأس المال المغامر، والشركات المنبثقة عن الجامعات، وأي فريق يُقيّم الاختيار بين البناء والشراء فيما يتعلق بقدرات الذكاء الاصطناعي
نوع القرار استراتيجي

خلاصة سريعة: بالنسبة للشركات الجزائرية الناشئة في مجال الذكاء الاصطناعي، يُزيل نظام المصدر المفتوح البيئي الحاجةَ إلى المنافسة على مستوى نماذج التأسيس. تقع الحدود التنافسية الآن في الضبط الدقيق للمجالات المحددة — معالجة اللغة الطبيعية بالدارجة الجزائرية، والتوثيق الصحي بالعربية، ومعالجة الوثائق القانونية — وبناء بنية تحتية فعّالة للاستدلال، وتغليف النماذج المفتوحة بمنتجات مميزة وخنادق بيانات راسخة.

المصادر والقراءات الإضافية