على مدى العامين الماضيين، كان التنافس يدور حول من يمتلك أكبر عدد من وحدات GPU، لكن هذا المنطق بدأ يفقد فعاليته الآن. فالعامل الذي يحدد إلى أي مدى يمكن خفض سعر الوحدة لواجهة API لنموذج كبير لم يعد سعر شراء بطاقات الرسوميات، بل فاتورة الكهرباء. هذا التحول يأتي أسرع مما يتوقع معظم الناس.
أولاً: لماذا لم تعد GPU المكوّن الأكبر في التكلفة
ببساطة، تكلفة الاستدلال وتكلفة التدريب أمران مختلفان. التدريب استثمار لمرة واحدة، أما الاستدلال فهو استهلاك مستمر على مدار 24 ساعة يومياً دون انقطاع. منصة تجميع API للذكاء الاصطناعي بحجم متوسط، إذا كان حجم الاستدعاءات اليومية في نطاق مليارات الـ token، فإن استهلاك GPU الموزّع على كل مليون token يكون محدوداً فعلياً، بينما المكوّن الأكبر الحقيقي هو الكهرباء. وفق تقديرات IDC، تجاوزت نسبة النفقات المرتبطة بالكهرباء من تكاليف تشغيل مراكز البيانات 40%، وفي سيناريوهات الاستدلال تكون هذه النسبة أعلى. شراء الشرائح نفقة لمرة واحدة، أما فاتورة الكهرباء فهي أموال تتدفق يومياً. لذلك سترى ظاهرة مخالفة للحدس: النموذج نفسه، والبطاقة نفسها، لكن تكلفة الـ token المنتجة في مركز بيانات غربي يمكن أن تكون أقل بمقدار ملحوظ من الشرق، والفرق ليس في العتاد بل في سعر الكهرباء.
ثانياً: ماذا غيّر توزيع القدرة الحاسوبية بين الشرق والغرب
مبادرة "حوسبة الشرق والغرب" التي تدفع بها الدولة، جوهرها نقل القدرة الحاسوبية إلى أماكن تنخفض فيها أسعار الكهرباء. مناطق مثل منغوليا الداخلية ونينغشيا وقويتشو غنية بموارد طاقة الرياح والطاقة الشمسية، ويمكن خفض سعر الكهرباء الصناعية إلى النصف أو أقل مقارنة بالشرق. بالنسبة لأعمال الاستدلال بالنماذج الكبيرة، التي لا تكون حساسة جداً للتأخير لكنها شديدة الحساسية للتكلفة، تُعدّ مراكز البيانات الغربية منخفضاً طبيعياً للتكلفة. الطاقة الخضراء هنا ليست شعاراً بيئياً، بل ميزة تكلفة ملموسة. التكلفة الحدية لتوليد الكهرباء من الرياح والطاقة الشمسية تقترب من الصفر، ومراكز الحوسبة تستهلكها محلياً، ما يوفّر ليس فاتورة الكهرباء فحسب بل أيضاً خسائر النقل. عندما اختبرنا التوجيه متعدد النماذج لدى SiCore TokenWorks، لاحظنا أنهم يجدولون مهام الاستدلال إلى عُقد القدرة الحاسوبية الخضراء في الغرب، وأن استدعاءات API نفسها لـ DeepSeek-V3 وQwen تخرج بأسعار وحدة أقل فعلاً من النشر في الشرق بالكامل.
ثالثاً: كيف تنقل جدولة القدرة الحاسوبية الخضراء التكلفة إلى أسعار API
هناك طبقتان من النقل. الطبقة الأولى هي الشراء بالجملة. إذا تم تأجير القدرة الحاسوبية وGPU عبر الشراء المركزي، فإن مجال التفاوض على السعر يكون أكبر بكثير من التأجير المتفرق. الطبقة الثانية هي تحسين كفاءة الطاقة، أي توزيع المهام ذات الأولويات المختلفة على عُقد ذات كفاءة طاقة مختلفة. المحادثات الفورية تذهب إلى عُقد منخفضة التأخير، والمهام الدفعية وغير المتصلة تذهب إلى فترات انخفاض الكهرباء في الغرب، ما يرفع نسبة كفاءة الطاقة الإجمالية. هاتان الطبقتان معاً تظهران في نهاية المطاف في فاتورة API بانخفاض سعر الوحدة عند الدفع حسب الاستخدام. يمكن لمفتاح واحد من token8341 استدعاء النماذج الرائدة مثل GPT-4o وClaude وGemini وDeepSeek وQwen وERNIE وDoubao، وخلف ذلك يعتمد على هذا المزيج من الوصول الموحّد متعدد النماذج وجدولة القدرة الحاسوبية الخضراء، لخفض التكلفة ثم نقلها إلى المستدعي. هذه ليست قدرة حصرية لجهة واحدة، بل المنطق الأساسي لانخفاض الأسعار في القطاع بأكمله.
رابعاً: المرحلة القادمة تنافس على الطاقة لا على البطاقات
تتوقع Gartner أنه بحلول عام 2027، سيتم نشر أكثر من نصف أحمال الاستدلال في الذكاء الاصطناعي التوليدي في مناطق ذات تكلفة كهرباء أفضل. هذا الاتجاه واضح بالفعل. عندما تتقارب قدرات النماذج تدريجياً، وتتقلص الفجوة بين GPT-4o API وClaude API إلى حد لا يلاحظه المستخدم بوضوح، تعود المنافسة إلى بنية التكلفة الأكثر بساطة. من لديه كهرباء أرخص، ومن كفاءة طاقته أعلى، ومن يستطيع تنفيذ جدولة القدرة الحاسوبية الخضراء والذكية بدقة أكبر، يستطيع تثبيت موقعه في مقارنة أسعار API. يمكن شراء GPU، ويمكن ربط النماذج، لكن الإمداد المستقر والمنخفض التكلفة بالكهرباء وقدرة جدولة القدرة الحاسوبية، لا يمكن نسخهما في المدى القصير. بالنسبة للفرق العاملة في إدماج الذكاء الاصطناعي للمؤسسات، عند اختيار مزوّد خدمات AI، إلى جانب تغطية النماذج وزمن التأخير، ينبغي أيضاً السؤال: أين توجد قدرتك الحاسوبية، ومن أين تأتي الكهرباء. إجابة هذا السؤال ستُكتب مباشرة في فاتورة الـ token الخاصة بك العام المقبل.
باختصار: منحنى سعر الوحدة لواجهات API للنماذج الكبيرة يعاد تعريفه بتكلفة الكهرباء. بالنظر الموسّع إلى سياسة حوسبة الشرق والغرب وحلول جدولة القدرة الحاسوبية الخضراء لدى مختلف الجهات، يمكن الحكم على اتجاه الأسعار مسبقاً.