ليش GPT-4 كلف ١٠٠ مليون دولار وايش يعني هذا لشركتك

بِسْمِ الله نِبْدَأ، وَنُصَلِّي وَنُسَلِّم عَلَى نَبِيِّنَا وَحَبِيبِنَا مُحَمَّد.

لو سألت أي مؤسس شركة ناشئة في الذكاء الاصطناعي عن أكبر تحدي، راح يقول لك: التكلفة. تدريب نموذج زي GPT-4 كلف أكثر من ١٠٠ مليون دولار — رقم يخلي أي صاحب قرار يعيد حساباته.

ليش الرقم يوصل لهنا؟ التكلفة أربع فئات: الحوسبة، البيانات، الطاقة، والكوادر. الحوسبة وحدها تاكل ٦٠ إلى ٧٠٪ من الميزانية — آلاف الرقائق تشتغل شهور متواصلة، وكل رقاقة متطورة تكلفتها بالآلاف. والبيانات مو مجانية: تنظيفها وتصنيفها يحتاج فرق ووقت. والطاقة؟ نموذج واحد يستهلك كهرباء تعادل آلاف المنازل لسنة. والمهندسين المتخصصين رواتبهم تنافس أعلى الأسواق.

بس للشركات الناشئة، التدريب من الصفر مو خيار واقعي. عندك ثلاث طرق أرخص: تستخدم APIs جاهزة، أو تسوي ضبط دقيق لنموذج موجود على بياناتك، أو تشغل نموذج مفتوح محليًا. الضبط الدقيق أرخص بكثير من التدريب الكامل — تخصص نموذج لحالتك بعشرات الآلاف بدل ملايين.

لكن التدريب مو التكلفة الوحيدة — الاستدلال هو اللي يستنزف الميزانية على المدى الطويل. كل مرة مستخدم يرسل طلب، إنت تدفع. لو عندك ١٠٠ ألف مستخدم نشط، تكلفة الاستدلال توصل لملايين في السنة — أكثر من التدريب نفسه. فالسؤال يصير: كيف تقلل تكلفة كل طلب بدون ما تضحي بالجودة؟

والحيل الذكية تبدأ بالنماذج الصغيرة المتخصصة بدل العملاقة. والتقطير — تاخذ معرفة نموذج كبير وتنقلها لأصغر — يوفر لك ٧٠ إلى ٨٠٪ مع خسارة بسيطة. والحوسبة السحابية المحسنة توفر جزء كبير من تكلفة التشغيل. وفي السعودية، مع توجه رؤية 2030 لبناء بنية محلية، راح تصير الخيارات أرخص وأقرب.

الزبدة: لو إنت مؤسس، السؤال مو كم يكلف النموذج، لكن كم راح يكلفك كل مستخدم — وايش أذكى طريقة تقلل فيها هذا الرقم.