فجوة حوسبة الذكاء الاصطناعي تستنزف ميزانية 83% من الشركات

تندفع معظم الشركات اليوم لشراء البنية التحتية التقنية بأقصى سرعة ممكنة. لكن الغالبية الساحقة تعجز عن تتبع تكاليف حوسبة الذكاء الاصطناعي بدقة. هذا التباين يخلق فجوة مالية خطيرة تلتهم الميزانيات التشغيلية.

طالما راقبت هذا النمط يتكرر مع عدة عملاء عبر السنوات الماضية. ينفق الجميع على أحدث الخوادم قبل بناء أدوات قياس دقيقة. يبدو الأمر وكأن الشراء ذاته هو الإنجاز المطلوب.

في أحد المشاريع، وافقت على شراء سعة حوسبة إضافية بناء على تقدير شفهي. اكتشفت بعدها أن الخوادم الباهظة كانت تعمل بثلث طاقتها فقط. كان الموقف محرجًا جدًا أمام المدير المالي.

فجوة حوسبة الذكاء الاصطناعي: لماذا ينفقون أسرع مما يقيسون

تثبت الأرقام أن الاستثمار في العتاد يسبق دائما القدرة على الإدارة المالية. تسارع الشركات إلى حجز الموارد دون امتلاك لوحات قياس واضحة.

21% فقط يديرون الذكاء الاصطناعي في الإنتاج على نطاق واسع

تظهر أحدث دراسات VentureBeat Pulse Research شريحة ضيقة جدًا تفهم تكاليفها. تدار أعباء العمل على نطاق واسع لدى 21% فقط من المؤسسات.

بينما يتوزع الباقون بين التجارب المبدئية والتشغيل الجزئي. تصل نسبة الشركات التي تجري تجارب مبدئية إلى 38%.

تكتفي 37% بإنشاء تطبيقات في أقسام محددة فقط. هناك أيضًا 4% لم يبدأوا أي عمل حتى الآن.

هذا التشتت يفسر سبب القرارات العشوائية في الشراء. تنفق الفرق ميزانيات ضخمة لتغطية مرحلة تجريبية غير مستقرة.

أقل من نصف المؤسسات تتعقب تكاليف الحوسبة بدقة

تتفاقم المشكلة عندما ننظر إلى دفاتر الحسابات لتقييم الميزانية. 44% فقط من الشركات تتبع تكاليف الحوسبة والعائد بدقة.

تعتمد 39% من المؤسسات على تتبع جزئي وغير مكتمل. بينما تعجز 20% تمامًا عن تحديد تكاليفها الفعلية.

تصل نسبة من لا يعتبرون هذا القياس أولوية إلى 6%. هذه الأرقام تعني أن نصف الميزانيات تدار بعين واحدة.

عملت سابقًا على تحسين بنية سحابية لإحدى المنصات. وجدنا نفقات متكررة لخدمات اختبار نسيتها الفرق التقنية تمامًا.

يمكنك الاطلاع على تقرير أبحاث بنية الذكاء الاصطناعي لفهم عمق هذه الظاهرة.

توضح هذه البيانات كيف ينعكس غياب القياس مباشرة على خريطة الموردين وتفضيلات الشراء.

خريطة البنية التحتية: أين تعمل أعباء الذكاء الاصطناعي اليوم وأين تتجه

تسيطر السحابات التقليدية على معظم عمليات التشغيل الحالية داخل المؤسسات. لكن الخارطة المستقبلية تشير إلى تحركات غير متوقعة.

هيمنة السحابات الكبرى وواجهات برمجة تطبيقات النماذج

تصدرت Google Cloud القائمة بنسبة استخدام بلغت 48%. جاءت منصة Microsoft Azure بنسبة 29% وتساوت AWS مع Oracle Cloud بنسبة 22%.

على صعيد النماذج، تستحوذ Gemini على 41% و OpenAI على 40%. بينما تكتفي منصة Anthropic بنسبة 12% فقط.

لا تتجاوز نسبة تشغيل الخوادم الخاصة في مراكز البيانات 6%. وتعتمد 4% فقط على البرمجيات مفتوحة المصدر المستقلة.

يبدو المشهد مألوفًا ومستقرًا للوهلة الأولى. لكن النوايا المستقبلية تشير إلى تحولات جذرية قادمة.

السحابات المتخصصة تتصدر خطط التقييم المستقبلية

تتجه أنظار المسؤولين التقنيين نحو خيارات جديدة ومختلفة تمامًا. تخطط 45% من الشركات لتقييم السحابات المتخصصة مثل CoreWeave و Lambda.

تشمل التقييمات أيضًا شركات مثل Crusoe و Nebius و Together و Fireworks. ورغم أن استخدامها الحالي أقل من 2%، إلا أنها تقود النمو.

يرغب 32% في تقييم المسرعات المستقلة مثل Google TPU و AWS Trainium. كذلك يهتم 28% بشرائح Nvidia Blackwell و GB300.

تصل نسبة الاهتمام بالشبكات الموزعة إلى 16%. بينما يفكر 11% في حوسبة السيادة الإقليمية.

هذا التباين يوضح أن الشراء القادم سيتجه نحو بيئات تحسين مخصصة.

موجة تبديل المزودين: 64% يخططون للتغيير خلال 12 شهرًا

لا تنوي الشركات الثبات على خياراتها الحالية لفترة طويلة. يخطط 64% من المسؤولين لتبديل أو إضافة مزود خلال عام.

تصل نسبة الراغبين في التغيير خلال الأشهر الثلاثة القادمة إلى 38%. بينما تتوزع النسبة الباقية بين 22% خلال ستة أشهر و7% خلال عام.

تكتفي 36% فقط بالإبقاء على مزوديها دون أي تعديل. معظم هذا التغيير القريب يدور بين الموردين الكبار أنفسهم.

تسعى الفرق التقنية لإعادة توزيع الميزانيات وتحسين الشروط التعاقدية.

إن إعادة توزيع الأدوار بين الموردين ترتبط بمعايير تختلف عن الدعايات التسويقية السائدة.

قرارات الشراء في حوسبة الذكاء الاصطناعي: التكامل والتكلفة الإجمالية يتغلبان على سعر الرمز

تبتعد المؤسسات عن العروض التسويقية البراقة عند اتخاذ القرار النهائي. البحث ينصب دائما على معايير الكفاءة العملية والمالية.

التكامل مع البنية التحتية الحالية: العامل الأول في الاختيار

يتصدر عامل التكامل مع الأنظمة الحالية أولويات 41% من المشترين. تريد الشركات ربط أدوات الذكاء الاصطناعي بقواعد بياناتها ومستودعاتها الحالية.

هذا التكامل يقلل تعقيدات نقل البيانات وثغرات الأمان التشغيلية. يأتي عامل التكلفة الإجمالية للملكية (TCO) في المرتبة الثانية بنسبة 35%.

بينما يركز 24% على الأداء وسرعة الاستجابة. تتساوى الأمان والامتثال والتحكم التلقائي عند 19%.

وكذلك الأمر بالنسبة لتوفر وحدات المعالجة وقدرة الوصول إليها. تعلمت في مشاريعي مع TwiceBox أن البنية الأسهل تكاملاً هي الأكثر استدامة مالياً.

عند إدارة تدفقات العمل، يمكنك دمج خطوات التصميم بالذكاء الاصطناعي لتقليل أوقات المعالجة وتوفير الموارد.

لماذا يحتل سعر المليون رمز المرتبة الأخيرة؟

تخوض شركات النماذج حرب أسعار معلنة على تكلفة المعالجة. لكن المفاجأة المدوية هي أن تكلفة المليون رمز حظيت باهتمام 8% فقط.

تأتي هذه النسبة في ذيل قائمة المعايير المعتمدة لدى المشترين. يرجع السبب إلى أن تكلفة الرمز لا تعكس النفقات التشغيلية الحقيقية.

تشمل التكلفة الفعلية نقل البيانات وصيانة الأنابيب والدعم الفني والربط. وبالتالي فإن الخصم الشكلي على الرموز لا ينقذ ميزانية الشركة.

تشتري الشركات بيئة تشغيل متكاملة وليس مجرد سرعة معالجة نصوص.

هذا الفارق بين السعر المعلن والتكلفة الحقيقية يتجلى بوضوح في معدلات استغلال الموارد الفردية.

وحدات GPU الخاملة وفجوة القياس: التحدي القادم في حوسبة الذكاء الاصطناعي

تعاني المعالجات الرياضية المتقدمة من هدر تشغيلي صامت ومرتفع التكلفة. الحجم الأكبر من الموارد المعالجة يعاني من الإهمال الشديد.

83% من المؤسسات تشغل وحدات GPU بنسبة 50% أو أقل

83% من الشركات التي تدير معالجات الرسوميات تشغلها بنسبة 50% أو أقل. تسجل 37% من المؤسسات معدل استغلال بين 26% و50%.

بينما تعمل 34% بمعدل ضعيف يتراوح بين 10% و25%. تصل النسبة إلى ما دون 10% لدى 15% من الشركات.

تكتفي 12% فقط بتحقيق معدل استغلال يتجاوز نصف الطاقة الكلية. هناك أيضًا 8% من المؤسسات لا تقيس معدل الاستغلال مطلقًا.

المعالجات الخاملة تحرق الأموال دون تقديم أي قيمة أعمال فعلية. إن استئجار معالج قوي ليعمل بربع طاقته يشبه استئجار طائرة خاصة لتوصيل بريد عادي.

التحول من الحوسبة إلى عرض النطاق الترددي للذاكرة

تتجه الاختناقات التقنية نحو نقطة جديدة تمامًا في عمليات الاستدلال. ينتقل التركيز حاليًا من قوة المعالجة إلى عرض النطاق الترددي للذاكرة.

تعتمد 31% من المؤسسات على تقنيات Dell وحلول PowerScale لمعالجة هذه الأزمة. وتفضل 16% الاعتماد على أدوات Nvidia Dynamo.

تتوزع بقية الخيارات بين Hammerspace Tier Zero بنسبة 10% و DDN Infinia بنسبة 9%. مع مشاركة منصات مثل VAST Data و WEKA.

لكن الأكثر إثارة للقلق هو أن 18% لا يعرفون هذه المشكلة أو لم يعالجوها بعد. يتجاهل العديد من المهندسين حدود ذاكرة KV-cache المسؤولة عن تسريع الاستجابة.

السيطرة على هذه التحولات المتقدمة تتطلب الذهاب إلى ما هو أبعد من جداول البيانات التقليدية.

استراتيجية تتبع نفقات معالجات الرسوميات في البيئات السحابية المشتركة

في مشروع سابق لإعادة هيكلة بنية معالجة البيانات، اكتشفت أن أداة مراقبة التكاليف الافتراضية كانت تعطي أرقامًا مضللة. كانت الأداة تسجل حجز المعالج بدلاً من الاستخدام الفعلي للذاكرة والمعالجة.

قمنا بتطوير سكريبت بسيط برمجياً عبر مكتبة pynvml لمراقبة معدل استهلاك Nvidia GPU كل خمس دقائق. ربطنا المخرجات ببرنامج Grafana لتحديد الأوقات التي تهبط فيها نسبة الاستخدام دون 20%.

خلال شهر واحد، نجحنا في تطبيق التوسع التلقائي المحسب ودمج المهام الخفيفة. انخفضت فاتورة الحوسبة بنسبة 38% دون أي تأثير على سرعة أداء التطبيقات.

لا تعتمد أبدًا على التقارير الشهرية العامة التي يقدمها مزود الخدمة السحابية. ابْنِ أدوات قياس داخلية ترتبط مباشرة بذاكرة المعالج ومعدل معالجة الرموز الحقيقي.

الأسئلة الشائعة

ما هي فجوة حوسبة الذكاء الاصطناعي التي تواجه الشركات حاليا؟

فجوة حوسبة الذكاء الاصطناعي هي الفارق الكبير بين استثمار الشركات السريع في البنية التحتية، وضعف قدرتها على تتبع تكاليفها واستخدامها الفعلي. تشير الإحصائيات إلى أن 83% من الشركات تستخدم وحدات معالجة الرسومات بنسبة 50% أو أقل، مما يعني أن معظم الموارد تظل غير مستغلة، في حين تستمر في شراء المزيد دون رؤية واضحة للجدوى الاقتصادية.

كيف تحسب الشركات تكلفة حوسبة الذكاء الاصطناعي عند اختيار مزود الخدمة؟

خلافا للمتوقع، لا تختار الشركات مزودي حوسبة الذكاء الاصطناعي بناء على السعر المعلن لكل مليون رمز. بدلا من ذلك، تعتمد 41% من الشركات على مدى تكامل الخدمة مع أنظمتها الحالية، بينما تركز 35% منها على التكلفة الإجمالية للملكية. المشكلة تكمن في أن أقل من نصف هذه الشركات تمتلك الأدوات اللازمة لتتبع هذه التكاليف بدقة.

ما الفرق بين الخدمات السحابية العامة والسحابات المتخصصة في حوسبة الذكاء الاصطناعي؟

تعتمد معظم الشركات اليوم على الخدمات السحابية العامة مثل جوجل ومايكروسوفت لتشغيل نماذجها. في المقابل، توفر السحابات المتخصصة في حوسبة الذكاء الاصطناعي بنية تحتية مخصصة ومحسنة لتشغيل هذه النماذج بكفاءة. ورغم أن الاعتماد الحالي عليها يكاد يكون معدوما، إلا أن 45% من الشركات تخطط لتقييمها والانتقال إليها خلال العام المقبل.

كيف يمكن للشركات تقليل الهدر المالي في البنية التحتية للذكاء الاصطناعي؟

لتقليل الهدر، يجب على الشركات أولا تتبع التكلفة الإجمالية للملكية وقياس العائد على الاستثمار بدقة، وهو ما تفعله 44% فقط من المؤسسات حاليا. ثانيا، يتطلب الأمر مراقبة معدل استخدام وحدات معالجة الرسومات لتجنب تركها غير مستغلة. أخيرا، ينبغي التحضير للتحول التقني القادم نحو سعة النطاق الترددي للذاكرة لتفادي اختناقات الأداء والتكاليف غير المتوقعة.

هل الاعتماد الحالي على مزودي حوسبة الذكاء الاصطناعي التقليديين يعتبر خيارا مستداما؟

تشير البيانات إلى أن هذا الاعتماد قد لا يكون مستداما لفترة طويلة، حيث تخطط 64% من الشركات لتغيير أو إضافة مزود جديد خلال عام. هذا التوجه المرتفع نحو التغيير يعكس بحث المؤسسات عن خيارات توفر تكاملا أفضل وتحكما أدق في التكاليف، خاصة مع ظهور تحديات تشغيلية تتطلب بنية تحتية أكثر تخصصا وفعالية.

خلاصة التجربة

إن حل أزمة التكاليف المرتفعة لا يبدأ بشراء معالجات أسرع أو الانتقال إلى مزود جديد. السيطرة الحقيقية تبدأ من بناء لوحة قياس دقيقة تكشف كفاءة كل دولار ينفق على البنية التحتية.

ابدأ اليوم بمراجعة خوادمك الخاملة قبل التوقيع على عقود التوسع القادمة. هل تفضل البقاء مع سحابتك الحالية أم تخطط للانتقال إلى خوادم متخصصة رغم صعوبة القياس؟