تُظهر نماذج الذكاء الاصطناعي المتطورة اليوم إمكانيات مذهلة، لكنها تأتي مع تكلفة باهظة. فبعض النماذج الرائدة كلفت أكثر من 100 مليون دولار لتدريبها، ما يثير تساؤلات متزايدة حول جدوى هذا الاستثمار المتصاعد في ظل سباق التطوير المحموم، في هذا المقال وكذلك الإنفوجرافيك المرفق نتناول كم تكلف تدريب نماذج الذكاء الاصطناعي خاصة في ظل المنافسة بين هذه النماذج والتي تشهد صراعًا مثيرًا.
وفقًا لتحليل وارد في تقرير “مؤشر الذكاء الاصطناعي 2025″، إليك مقارنة بين بعض النماذج البارزة وتكاليف تدريبها بعد تعديلها لمراعاة التضخم:
| السنة | النموذج | الشركة المطورة | تكلفة التدريب (معدّلة حسب التضخم) |
|---|---|---|---|
| 2023 | GPT-4 | OpenAI | 79 مليون دولار |
| 2023 | PaLM 2 | 29 مليون دولار | |
| 2023 | Llama 2-70B | Meta | 3 ملايين دولار |
| 2023 | Gemini 1.0 Ultra | 192 مليون دولار | |
| 2024 | Mistral Large | Mistral | 41 مليون دولار |
| 2024 | Llama 3.1-405B | Meta | 170 مليون دولار |
| 2024 | Grok-2 | xAI | 107 ملايين دولار |
في المقابل، أعلنت شركة DeepSeek أن تكلفة تدريب نموذجها لم تتجاوز 6 ملايين دولار. أما الباحثون في جامعتي ستانفورد وواشنطن فصدموا الأوساط العلمية عندما كشفوا أن تكلفة تدريب نموذجهم S1 بلغت فقط 6 دولارات باستخدام موارد محدودة جدًا.
على سبيل المثال، Gemini Ultra من Google الذي بلغت كلفته 192 مليون دولار، خصصت 49% منها لرواتب موظفي البحث والتطوير (بما في ذلك الأسهم)، و23% لشرائح تسريع الذكاء الاصطناعي، و15% لمكونات الخوادم.
أما Grok-2 من xAI، فقد تم دمجه ضمن مساعد Grok AI على منصة X ويستفيد من البيانات في الوقت الحقيقي للإجابة على الأسئلة المتعلقة بالأحداث الجارية، بكلفة إجمالية بلغت 107 ملايين دولار.
OpenAI بدورها طورت نماذج جديدة مثل o1 وo3 وo4-mini التي تعتمد على استراتيجية “حساب وقت الاختبار”، أي أن جودة الإجابة تتحسن كلما أُتيح للنموذج وقت أطول للمعالجة. رغم أن اشتراك النسخة الاحترافية يبلغ 200 دولار شهريًا، إلا أن التكلفة التشغيلية تفوق الإيرادات ما يجعلها خاسرة حاليًا.
تكشف هذه الأرقام عن تحدٍ مستمر أمام الشركات في موازنة الأداء والتكلفة، في وقت يشهد الذكاء الاصطناعي ازدهارًا تقنيًا غير مسبوق.
