كم تبلغ تكلفة تدريب نماذج الذكاء الاصطناعي المختلفة؟

[ADMINISTRATOR]

[]

تشكل تكلفة تدريب نماذج الذكاء الاصطناعي المتقدمة واحدة من أعلى النفقات التي تتحملها شركات التقنية اليوم، حيث يمكن أن تصل إلى أكثر من 100 مليون دولار، ما يثير تساؤلات حول مدى فعالية هذه الاستثمارات، ومدى قدرة الشركات على مواصلة الإنفاق بهذا الشكل في ظل التنافس المتزايد.




من بين اللاعبين الجدد في هذا المجال، برزت شركة DeepSeek بإعلانها أن تكلفة تدريب نموذجها بلغت نحو 6 ملايين دولار فقط، في إشارة إلى الفجوة الكبيرة في التكاليف بين مختلف الجهات. أما في حالة مدهشة للغاية، فقد نجحت جامعتا ستانفورد وواشنطن في تطوير نموذج "s1" بتكلفة لم تتجاوز 6 دولارات، وهو ما يعكس إمكانيات الابتكار الفعّال بتكاليف ضئيلة.




تأتي هذه البيانات في إطار أسبوع الذكاء الاصطناعي الذي تنظمه منصة Visual Capitalist برعاية Terzo، حيث أظهر تقرير "مؤشر الذكاء الاصطناعي لعام 2025" التباين الواسع في تكاليف تدريب النماذج.




مقارنة بين تكاليف تدريب النماذج الرائدة:

GPT-4 من OpenAI، الذي أُطلق في عام 2023، كلف تدريبه نحو 79 مليون دولار، ويعتمد على شبكات عصبية متقدمة وتقنيات الحوسبة التجريبية لتحسين جودة المخرجات بمرور الوقت.

نموذج PaLM 2 من Google تم تدريبه بتكلفة وصلت إلى 29 مليون دولار.

أما Llama 2-70B من Meta فكان من بين الأقل تكلفة، حيث بلغت تكلفته نحو 3 ملايين دولار.

معالج Gemini 1.0 Ultra من Google، والذي صدر في نفس العام، بلغت تكلفة تدريبه 192 مليون دولار، وهو الأعلى حتى الآن. وتركزت هذه النفقات بشكل أساسي على أجور فرق البحث والتطوير (49%)، تليها تكلفة رقائق الذكاء الاصطناعي (23%) ومكونات الخوادم (15%).

وفي عام 2024، طرحت شركة Mistral نموذجًا بلغت تكلفة تدريبه نحو 41 مليون دولار، بينما أنفقت Meta حوالي 170 مليون دولار على تدريب نموذج Llama 3.1-405B.




كما كلف تطوير نموذج Grok-2 من شركة xAI نحو 107 ملايين دولار، ويُستخدم حاليًا ضمن روبوت المحادثة Grok AI على منصة X، حيث يتميز بقدرته على التعامل مع الأحداث الآنية وتقديم إجابات دقيقة.




التحديات المستقبلية:

رغم التكاليف المرتفعة، تواصل شركات كبرى مثل OpenAI تقديم نماذج جديدة تعتمد على أحدث تقنيات الذكاء الاصطناعي، وتفرض رسومًا اشتراكية لتغطية جزء من هذه النفقات، مثل الاشتراك الشهري في نموذج o1 الذي يبلغ 200 دولار. ومع ذلك، فإن هذه الشركات لا تزال تواجه تحديات مالية بسبب الكلفة الباهظة للبنية التحتية الحوسبية.




كل ذلك يشير إلى أن مستقبل تطوير الذكاء الاصطناعي سيظل مرتبطًا بقدرة الشركات على تحقيق توازن بين الاستثمار في الابتكار وتقليص التكاليف التشغيلية، في ظل منافسة تكنولوجية متصاعدة.