تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارTG: @bezsmuzi (Русский ИТ бизнес)→ المصدر

الذكاء الاصطناعي الأمريكي تحسّن 1.91 مرة، فيما تضاعفت النفقات 6.19 مرة: العائد على كل دولار تراجع 69%

قارن تقرير METR بين ما حققه الذكاء الاصطناعي الأمريكي بعد أكتوبر 2025 وما كلّفه ذلك. ارتفعت قدرات النماذج 1.91 مرة، بينما ارتفعت نفقات البحث والتطوير 6.19 مرة، أي أشبه بمصنع رفع إنتاجه قرابة الضعف مقابل ميزانية تضاعفت ست مرات. وانخفض المكسب على كل دولار بنحو 69%، وعلى كل موظف تقني في السنة بنسبة 38%. لذلك يبقى بناء خطط المنتجات على قفزات رخيصة في جودة النماذج مجازفة في الوقت الحالي.

معالج بواسطة الذكاء الاصطناعي من TG: @bezsmuzi (Русский ИТ бизнес)؛ بتحرير Hamidun News
الذكاء الاصطناعي الأمريكي تحسّن 1.91 مرة، فيما تضاعفت النفقات 6.19 مرة: العائد على كل دولار تراجع 69%
المصدر: TG: @bezsmuzi (Русский ИТ бизнес). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @bezsmuzi (Русский ИТ бизнес) ↗
رئيس التحرير
قدرات الذكاء الاصطناعي×1.91، نفقات البحث والتطوير: ×6.19، عدد العاملين: ×3.10
حقيقة رئيسية #2العائد على الدولار تراجع 69%، وعلى الموظف في السنة 38%
حقيقة رئيسية #3الاقتصاديان غاريكانو وإيماس لا يريان أدلة على أن الذكاء الاصطناعي يسرّع نفسه ذاتيًا

يسود اعتقاد بأن الذكاء الاصطناعي على وشك أن يبدأ بتحسين نفسه بنفسه: يكتب الشيفرة البرمجية للنموذج التالي، ويجري التجارب، فيتدفق التقدم كالانهيار الثلجي. لكن التقرير الجديد الصادر عن المنظمة البحثية METR يرسم صورة أكثر واقعية. فمنذ أكتوبر 2025 تحسّن الذكاء الاصطناعي الأمريكي فعلًا، غير أن كل خطوة إلى الأمام باتت أغلى بشكل ملحوظ.

ما الذي حسبته METR وكيف تُقرأ هذه الأرقام

الفكرة بسيطة: مقارنة ما حصلت عليه المختبرات بما أنفقته للحصول عليه. والبحث والتطوير (R&D) هو كل ما تستثمره الشركات في بناء النماذج الجديدة: الحوسبة والبيانات والرواتب.

بعد أكتوبر 2025:

  • ارتفعت قدرات الذكاء الاصطناعي المقاسة 1.91 مرة؛
  • ارتفعت نفقات البحث والتطوير 6.19 مرة؛
  • ارتفع عدد العاملين التقنيين 3.10 مرة.

وإذا قسمنا النتيجة على التكلفة، نجد أن مكسب القدرات على كل دولار مستثمر انخفض بنحو 69%، وأن المكسب على كل موظف تقني في السنة انخفض بنسبة 38%. والتحقق من ذلك سهل: 1.91 / 6.19 ≈ 0.31، أي أن العائد يبلغ نحو ثلث ما كان عليه. و1.91 / 3.10 ≈ 0.62، أي انخفاض بنحو 38%.

ولتبسيط الصورة: تخيّلوا مصنعًا رفع إنتاجه قرابة الضعف، لكنه اضطر لذلك إلى مضاعفة ميزانيته ست مرات وتوظيف عدد من الأشخاص يفوق ما كان لديه ثلاث مرات. زاد حجم المنتجات، لكن كل روبل مستثمر صار يعمل بكفاءة أقل من السابق. وهذه تقريبًا الصورة التي يرسمها التقرير للمختبرات الأمريكية.

لماذا يهم هذا النقاش حول الذكاء الاصطناعي «المتسارع ذاتيًا»

نظريًا، يُفترض أن يحدث العكس. فإذا كانت النماذج تساعد الباحثين، فلا بد أن يرتفع التقدم لكل وحدة تكلفة: الذكاء الاصطناعي يسرّع الأبحاث، والأبحاث تجعل الذكاء الاصطناعي أفضل، والذكاء الاصطناعي الجديد يسرّعها أكثر. وعلى هذا المنطق تحديدًا تقوم توقعات «النمو الانفجاري».

أما الاقتصاديان لويس غاريكانو وأليكس إيماس فلا يريان في البيانات المتاحة حتى الآن أدلة مقنعة على أن الذكاء الاصطناعي يوفّر بنفسه الموارد اللازمة للأبحاث، وهذا بالضبط شرط النمو الانفجاري. وفي الوقت الراهن يجب دفع ثمن التقدم من المال والحوسبة والكوادر البشرية، وبتكلفة تزداد ارتفاعًا.

وثمة تحفظ مهم: أرقام METR لا تعني أن التقدم توقف. فالقدرات ارتفعت قرابة الضعف. المقصود أن كل تحسّن يستهلك موارد أكبر بصورة غير متناسبة.

ماذا يفعل المطورون ومديرو المنتجات والمؤسسون

أولًا: لا تفترضوا في خططكم أن النماذج ستتحسن بقفزات رخيصة ودون توقف. فإذا كانت تكلفة التحسين تنمو أسرع من التحسين نفسه، فستسترد المختبرات نفقاتها عبر الأسعار والقيود والتركيز على القطاعات المربحة. أدرجوا في ميزانياتكم احتمال ارتفاع أسعار واجهات API.

ثانيًا: ابنوا بنية غير مرتبطة بنموذج واحد. فإذا جاء الإصدار التالي أقل تحسّنًا مما يُروَّج له، فسيكون الفائز من يعرف كيف يستخلص أقصى ما يمكن من النماذج الحالية: برومبتات جيدة، وتقييم الجودة على بياناته الخاصة، وتعامل دقيق مع السياق، وأدوات مناسبة.

ثالثًا: كونوا أكثر حذرًا في قراءة التوقعات الصاخبة. فعبارة «الذكاء الاصطناعي سيسرّع نفسه» ما زالت فرضية وليست حقيقة مقيسة.

القيود

المنشور الأصلي عرض مقتضب للتقرير. وليس فيه تفاصيل عن كيفية قياس METR لـ«القدرات»، ولا عن النماذج والمختبرات التي دخلت في الحساب، ولا عن طريقة احتساب نفقات البحث والتطوير. وتتوقف النسبة النهائية على هذه القرارات، كما أن تقريرًا واحدًا عن فترة واحدة لا يثبت اتجاهًا طويل الأمد. ويتعلق الاستنتاج بنسبة «النتيجة إلى الاستثمار»، لا بالسرعة المطلقة لظهور النماذج الجديدة.

لذلك من الحكمة التعامل مع التقرير بوصفه إشارة تحذيرية، وانتظار تأكيده في الفترات المقبلة. وإذا جاء هذا التأكيد، فسيتعيّن نقل الحديث عن الذكاء الاصطناعي من ساحة الأوهام حول النمو المتدفق كالانهيار الثلجي إلى ساحة الاقتصاد: من مستعد لأن يدفع، وكم، مقابل كل خطوة تالية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي حسبته METR وكيف تُقرأ هذه الأرقام؟

الفكرة بسيطة: مقارنة ما حصلت عليه المختبرات بما أنفقته للحصول عليه. والبحث والتطوير (R&D) هو كل ما تستثمره الشركات في بناء النماذج الجديدة: الحوسبة والبيانات والرواتب. بعد أكتوبر 2025: ارتفعت قدرات الذكاء الاصطناعي المقاسة 1.91 مرة؛ ارتفعت نفقات البحث والتطوير 6.19 مرة؛ ارتفع عدد العاملين التقنيين 3.10 مرة. وإذا قسمنا النتيجة على التكلفة، نجد أن مكسب القدرات على كل دولار مستثمر انخفض بنحو 69%، وأن المكسب على كل موظف تقني في السنة انخفض بنسبة 38%.

ما أبرز التفاصيل حول لماذا يهم هذا النقاش حول الذكاء الاصطناعي «المتسارع ذاتيًا»؟

نظريًا، يُفترض أن يحدث العكس. فإذا كانت النماذج تساعد الباحثين، فلا بد أن يرتفع التقدم لكل وحدة تكلفة: الذكاء الاصطناعي يسرّع الأبحاث، والأبحاث تجعل الذكاء الاصطناعي أفضل، والذكاء الاصطناعي الجديد يسرّعها أكثر. وعلى هذا المنطق تحديدًا تقوم توقعات «النمو الانفجاري». أما الاقتصاديان لويس غاريكانو وأليكس إيماس فلا يريان في البيانات المتاحة حتى الآن أدلة مقنعة على أن الذكاء الاصطناعي يوفّر بنفسه الموارد اللازمة للأبحاث، وهذا بالضبط شرط النمو الانفجاري.

ما أبرز التفاصيل حول ماذا يفعل المطورون ومديرو المنتجات والمؤسسون؟

أولًا: لا تفترضوا في خططكم أن النماذج ستتحسن بقفزات رخيصة ودون توقف. فإذا كانت تكلفة التحسين تنمو أسرع من التحسين نفسه، فستسترد المختبرات نفقاتها عبر الأسعار والقيود والتركيز على القطاعات المربحة. أدرجوا في ميزانياتكم احتمال ارتفاع أسعار واجهات API. ثانيًا: ابنوا بنية غير مرتبطة بنموذج واحد. فإذا جاء الإصدار التالي أقل تحسّنًا مما يُروَّج له، فسيكون الفائز من يعرف كيف يستخلص أقصى ما يمكن من النماذج الحالية: برومبتات جيدة، وتقييم الجودة على بياناته الخاصة، وتعامل دقيق مع السياق، وأدوات مناسبة.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…