تعتبر تكلفة تدريب نماذج الذكاء الاصطناعي من أعلى النفقات التي تتحملها شركات التكنولوجيا اليوم، حيث يمكن أن تصل هذه التكاليف إلى 100 مليون دولار أو أكثر. تثير هذه الأرقام الكبيرة تساؤلات هامة حول كفاءة هذه الاستثمارات ومدى قدرة الشركات على المضي قدمًا في هذه السياقات المالية.
تَظهر شركة DeepSeek، كواحدة من اللاعبين الجدد في هذا المجال، بأنها تدرب نموذجها بتكلفة حوالي 6 ملايين دولار فقط، مما يُبرز الفجوة الكبيرة بين الشركات. وفي مثال آخر، تمكن الباحثون من جامعتي ستانفورد وواشنطن من تطوير نموذج “s1” بتكلفة لا تتجاوز 6 دولارات، مما يدل على إمكانية الابتكار بتكاليف منخفضة.
تكلفة تدريب نماذج الذكاء الاصطناعي الرائدة
تكلفة تدريب نموذج GPT-4 من OpenAI، الذي أطلق في عام 2023، بلغت حوالي 79 مليون دولار. يعتمد هذا النموذج على شبكات عصبية متقدمة للتنبؤ بتسلسل الكلمات داخل النصوص، ويستفيد من تقنيات “الحوسبة التجريبية” التي تعمل على تحسين جودة المخرجات مع مرور الوقت. أما نموذج PaLM 2 من Google، فقد كلف أيضًا 29 مليون دولار.
في المقابل، نموذج Llama 2-70B من شركة Meta يُعتبر أقل تكلفة، حيث تمتد التكلفة إلى حوالي 3 ملايين دولار فقط. من جهة أخرى، نموذج Gemini 1.0 Ultra من Google، والذي تم إصداره عام 2023، جاء مع تكلفة مثيرة للدهشة بلغت 192 مليون دولار، مما يجعله الأعلى بين النماذج المعروفة حتى الآن. نسبة كبيرة من هذه التكلفة ذهبت إلى رواتب فرق البحث والتطوير التي شكلت 49%، تليها تكاليف رقائق تسريع الذكاء الاصطناعي بنسبة 23%، ومكونات الخوادم بنسبة 15%.
في عام 2024، كانت التكلفة المقدرة لتدريب نموذج Mistral حوالي 41 مليون دولار، بينما نموذج Llama 3.1-405B من Meta كلف حوالي 170 مليون دولار. إلى جانب ذلك، نموذج Grok-2 من شركة xAI، الذي تم إطلاقه في عام 2024، بلغت تكلفة تدريبه حوالي 107 ملايين دولار، وهو مدعوم حاليًا في روبوت المحادثة Grok AI على منصة X، مع ميزات متطورة للإجابة عن الأسئلة المتعلقة بالأحداث الجارية وقت صدورها.
التحديات المالية في تطوير الذكاء الاصطناعي
على الرغم من ارتفاع هذه التكاليف، تواصل الشركات الكبرى مثل OpenAI إطلاق نماذج جديدة تعتمد على تقنيات مبتكرة، مع تنفيذ خطط اشتراك للمستخدمين، حيث تصل تكلفة الاشتراك المهني في نموذج o1 إلى 200 دولار شهريًا. ومع ذلك، فإن تكلفة الحوسبة المرتفعة قد تؤدي إلى خسائر للشركة.
تُعبر هذه التكاليف المرتفعة عن تحديات جادة تواجه تطوير الذكاء الاصطناعي، خصوصًا مع الحاجة المستمرة من قبل الشركات لتحقيق توازن بين استثماراتها في البحث والتطوير وبين السيطرة على النفقات التشغيلية.
تعليقات