a16z: التوكنات تزداد رخصًا، لكن إيجار H100 لا ينخفض — مفارقة جيفونز في الذكاء الاصطناعي

رصد محللو a16z في سوق الذكاء الاصطناعي مفارقة جيفونز الكلاسيكية: سعر التوكنات يواصل الانخفاض، بينما يبقى الإيجار بالساعة لوحدات GPU من طراز H100 ثابتًا أو يرتفع. فخفض كلفة الاستدلال (inference) لا يقلّل الحِمل على العتاد، بل يزيده، لأن الطلب ينمو أسرع من انخفاض السعر لكل وحدة. وبالنسبة إلى جنسن هوانغ، هذا أفضل سيناريو ممكن. لكنه يقوم على افتراض واحد: ألّا يستقر منحنى الطلب.

مفارقة جيفونز في عالم التوكنات

وصف ويليام ستانلي جيفونز هذا التأثير عام 1865 بالاستناد إلى مثال الفحم. فقد أصبحت المحركات البخارية أكثر كفاءة، فبدأ البلد يحرق فحمًا أكثر لا أقل. والآلية نفسها تعمل مع التوكنات. فحين يصبح الطلب الموجَّه إلى النموذج شبه مجاني، يبدأ إرساله بوتيرة أعلى بأضعاف: يُدمج الذكاء الاصطناعي في كل منتج، وتُشغَّل وكلاء (agents) تجري عشرات الاستدعاءات للمهمة الواحدة، ويتضخم السياق، وتُفعَّل سلاسل الاستدلال. سعر التوكن ينخفض، وعدد التوكنات يرتفع بوتيرة أسرع، فيزداد إجمالي استهلاك الحوسبة.

ويُعدّ إيجار H100 هنا مؤشرًا مباشرًا على شحّ الطاقة الحاسوبية. فهذه رقاقة من جيل عام 2022، وفي دورة حياة طبيعية كان ينبغي أن ينخفض إيجارها مع ظهور معماريات جديدة. وإذا بقي السعر ثابتًا أو ارتفع، فهذا يعني أن الطاقات المتاحة ما زالت غير كافية.

ماذا تُظهر البيانات

في العرض الذي نشره موقع The Decoder وردت الاستنتاجات فقط، وليس جدول الأرقام الكامل. وتتكوّن الصورة من أربع نقاط:

• سعر التوكن لدى مزوّدي النماذج يواصل الانخفاض؛
• تكلفة إيجار H100 مستقرة، وفي بعض الحالات ترتفع؛
• الطلب على التوكنات ينمو أسرع من انخفاض سعرها؛
• الخطر الرئيسي مرتبط بإمكانية بلوغ الطلب مرحلة الثبات (plateau): عندها سيقع الضغط على سلسلة إمداد الحوسبة بأكملها.

الأفضل الرجوع إلى المصدر الأصلي لدى a16z لمعرفة النسب المئوية الدقيقة والفترات الزمنية للمراقبة. لكن الاستنتاج نفسه لا يتغير بذلك: خفض كلفة الذكاء الاصطناعي لا يحرّر الطاقات الحاسوبية حتى الآن، بل يمتصّها.

من يربح ومن يخاطر

السلسلة طويلة. فهي تضم مصنّعي المسرّعات، ومزوّدي الخدمات السحابية، وسحابات GPU المتخصصة، ومنشئي مراكز البيانات، والدائنين الذين يموّلون ذلك كله بناءً على الحمل المتوقع. وكل حلقة تبني حساباتها على أن الطلب سيواصل النمو بوتيرة لا تقل عن الوتيرة الحالية.

ما دامت التوكنات تزداد رخصًا والإيجار لا ينخفض، يعمل النموذج على جميع المستويات. فمطوّرو النماذج يخفضون الأسعار ويجتذبون عملاء جددًا. والعملاء يستهلكون أكثر. والسحابات تحافظ على هامش الربح من تأجير العتاد. و Nvidia تبيع مسرّعات جديدة لحجم متنامٍ.

وإذا تباطأ النمو، فسينخفض سعر الإيجار أولًا، ثم يتراجع تحميل العناقيد (clusters). عندها سيتضرر المشغّلون الذين اشتروا وحدات GPU بالدَّين وعوّلوا على الأسعار الحالية. فهذا البناء حسّاس لأي فتور في الطلب، لأن الطاقات تُطلب قبل سنوات، بينما قد يُفقد الطلب خلال ربع سنة واحد.

ماذا على الفرق والمستثمرين أن يفعلوا

بالنسبة إلى الشركات التي تبني منتجاتها على LLM، الخلاصة بسيطة: ميزانية الاستدلال ينبغي تخطيطها انطلاقًا من حجم الاستخدام لا من قائمة الأسعار. فانخفاض سعر التوكن لن يقلّص الفاتورة إذا ارتفع في الوقت نفسه عدد استدعاءات الوكلاء وطول السياق. والأجدى احتساب تكلفة المهمة بكاملها لا تكلفة الطلب الواحد، وتحسين التوجيه (routing) بين النماذج الكبيرة والصغيرة مسبقًا.

أما من يشترون الطاقات الحاسوبية، فمن المنطقي أن يتابعوا سعر إيجار H100، لا أسعار التوكنات وحدها. فهو إشارة أبكر: إذا بدأ بالانخفاض، فهذا يعني أن العرض لحق بالطلب، ويمكن مراجعة شروط العقود طويلة الأجل. وعلى المستثمرين في البنية التحتية أن ينظروا إلى تحميل العناقيد وأسعار الإيجار قبل النظر إلى إيرادات الموردين. فنمو التوكنات يبدو حتى الآن راسخًا، لكن هذين المؤشرين تحديدًا سيكونان أول من يُظهر اللحظة التي تتوقف فيها المفارقة عن العمل.