مع دخول وسائل التواصل الاجتماعي إلى لعبة محصلتها صفر، فقد اعتمادها على نمو المستخدمين وحده بريقه. وأصبح الذكاء الاصطناعي (AI) اليوم هو العامل الحاسم في رفع متوسط الإيرادات لكل مستخدم (ARPU). فمحركات التوصية تستخدم التعلم العميق لتحسين ترتيب المحتوى بدقة عالية، مما يبقي المستخدمين ملتصقين بتطبيقات مثل Facebook وInstagram لفترات أطول.
وفي الوقت نفسه، يُحدث الذكاء الاصطناعي التوليدي ثورة في إنتاج المحتوى. فالمنصات تتحول من مجرد موزع سلبي للمحتوى إلى مُنتج وموزع متكامل، مما يعزز الدور الاستراتيجي للذكاء الاصطناعي.
تنشر Meta مراكز بيانات من الجيل التالي على مستوى العالم، مصممة خصيصًا لتدريب واستدلال الذكاء الاصطناعي. هذه ليست مجرد مراكز حوسبة سحابية، بل أنظمة عالية الأداء محسّنة لتدريب النماذج الكبيرة. أبرز ميزاتها: مجموعات كثيفة من وحدات معالجة الرسوميات (GPU)، ووصلات منخفضة زمن الوصول، وهياكل تخزين مصممة لتناسب أعباء عمل الذكاء الاصطناعي. تتعامل هذه الأنظمة مع التدريب المتوازي عبر عشرات آلاف وحدات GPU لتلبية الطلب المتسارع على معدل التجزئة للنماذج الكبيرة.
كما تعمل Meta على ضبط مجدول البيانات لديها لمشاركة القوة الحاسوبية ديناميكيًا بين توصيات الإعلانات والإشراف على المحتوى وتدريب الذكاء الاصطناعي، مما يعزز الكفاءة الكلية واستغلال الموارد.
لتقليل اعتمادها على موردي وحدات GPU الخارجيين، طورت Meta Platforms شريحة الذكاء الاصطناعي الخاصة بها: MTIA (مسرّع التدريب والاستدلال من Meta). لم تُصمم MTIA للتدريب العام، بل تركز على مهام الاستدلال عالية التردد مثل ترتيب توصيات الإعلانات وتصفية المحتوى، مما يمنحها تفوقًا في استهلاك الطاقة لكل وحدة وفي التحكم بالتكاليف.
استراتيجيًا، تعني الشريحة المخصصة "استقلالية حوسبية". إذ تقلل Meta اعتمادها على بائعي الأجهزة الخارجيين، وتخفض التكاليف الحدية للحوسبة بمرور الوقت، وتُحسّن الجدوى الاقتصادية الشاملة لأنظمة الذكاء الاصطناعي لديها.
في صميم النظام البيئي لذكاء Meta الاصطناعي يقع النموذج مفتوح المصدر Llama. على عكس الأنظمة المغلقة، يسمح نهج Llama المفتوح للمطورين بنشر النماذج وضبطها الدقيق وبناء التطبيقات بحرية. وهذا يحقق نتيجتين رئيسيتين: انتشار أسرع للتكنولوجيا ونمو سريع لمجتمع المطورين، بالإضافة إلى نفوذ أقوى لمعايير Meta التقنية في الذكاء الاصطناعي.
على صعيد المنتج، يتغلغل Llama بعمق في النظام البيئي لمساعد Meta الذكي - ليشمل WhatsApp وInstagram وMessenger - مما يُنشئ حلقة سريعة تصل بين قدرات النموذج والتطبيقات التي يستخدمها المستخدمون.
تتحول البنية التحتية للذكاء الاصطناعي من مجرد بند تكلفة إلى أصل استراتيجي. بالنسبة لـ Meta، يقود هذا النظام ثلاث روافع رئيسية: كفاءة الإعلانات، وتوزيع المحتوى، وسرعة تكرار النماذج. فالتوصيات الأفضل ترفع معدلات التحويل للإعلانات، وإيرادات الإعلانات هي شريان الحياة لـ Meta. لذا فإن البنية التحتية للذكاء الاصطناعي والإيرادات مرتبطتان ارتباطًا وثيقًا.
كما أن الحجم الكبير يقلص تكاليف الحوسبة لكل وحدة، مما يُحقق وفورات الحجم ويمنح Meta هيكل تكاليف أقوى في المنافسة طويلة الأمد.
بالمقارنة مع NVIDIA وMicrosoft وGoogle، فإن استراتيجية Meta للبنية التحتية للذكاء الاصطناعي هي أكثر "دفعًا بالتطبيقات".
| الشركة |
التمركز الأساسي |
نموذج البنية التحتية للـ AI |
جوهر التقنية/الموارد |
التركيز الاستراتيجي |
استراتيجية النظام البيئي |
| NVIDIA |
مزوّد حوسبة ورقاقات على المستوى الأساسي |
مزوّد بنية تحتية على غرار "بائع الفؤوس" |
وحدات GPU (H100, Blackwell)، نظام CUDA البيئي |
توفير حوسبة AI للأغراض العامة |
ارتباط قوي بالمنصة (CUDA يُقيّد المطورين) |
| Microsoft |
الحوسبة السحابية + منصة AI للمؤسسات |
بنية تحتية سحابية للـ AI (IaaS + PaaS) |
Azure، الشراكة مع OpenAI، سلسلة أدوات AI للمؤسسات |
دمج AI في الإنتاجية والخدمات السحابية |
النظام البيئي للمؤسسات مغلق لكن واسع |
| Google |
AI متكامل رأسيًا + بحث + سحابة |
رقاقات مخصصة + حلقة منتج مملوكة |
TPU، Gemini، بيانات البحث/YouTube |
تعزيز أساس البحث والإعلانات |
حلقة مغلقة شديدة التكامل |
| Meta |
شركة تطبيقات AI مدفوعة بالاجتماعي والإعلانات |
بنية تحتية مدفوعة بالتطبيقات |
Llama (مفتوح المصدر)، مجموعات تدريب/استنتاج مخصصة |
تحسين الإعلانات الاجتماعية وتوزيع المحتوى |
مسار مزدوج "التحسين الداخلي + نشر المصدر المفتوح" |
السمة المميزة لـ Meta: بنيتها التحتية تخدم تطبيقاتها الخاصة فقط (الاجتماعية، الإعلانات، المحتوى)، وتوسع نفوذها الخارجي من خلال فتح مصدر Llama. إنها مزيج من "الكفاءة الداخلية أولاً + نشر النظام البيئي الخارجي".
ما التحديات التي يواجهها الإنفاق الرأسمالي الضخم على AI؟
يتطلب بناء البنية التحتية للذكاء الاصطناعي إنفاقًا ضخمًا مستدامًا، مما يُشكّل ضغطًا طويل المدى على Meta.
أولاً، ترتفع تكاليف الأجهزة باستمرار - فـ GPU ومراكز البيانات تحتاج استثمارًا متواصلًا. ثانيًا، استهلاك الطاقة هائل - تدريب النماذج الكبيرة يستهلك طاقة كثيفة ويتطلب تبريدًا متطورًا.
ثالثًا، دورة استرداد التكاليف طويلة - فتكاليف البنية التحتية تُسترد تدريجيًا عبر تحسينات كفاءة الإعلانات على مدى سنوات. رابعًا، خطر التقادم التقني يلوح في الأفق - فهياكل النماذج الجديدة قد تجعل الأجهزة القديمة متقادمة بسرعة.
يتطور الاستثمار العالمي في الأسهم، وتظهر نقاط دخول جديدة - مثل منصات الأصول الرقمية كـ Gate. بعضها يتيح الآن تداول الأسهم الأمريكية، بما في ذلك Meta، مباشرة باستخدام العملات المستقرة مثل USDT، دون الحاجة لوساطة تقليدية.
التحول الجوهري يكمن في "تكامل الحساب والأصول". إذ يدير المستخدمون العملات الرقمية والأسهم على منصة واحدة، مما يُقلل الحواجز عبر الحدود ويُحسّن حركة رأس المال.
كما تقدم بعض المنصات تداولًا ممتدًا أو على مدار الساعة تقريبًا، مما يمنح المستثمرين مرونة أكبر للاستفادة من تقلبات الأسهم الأمريكية. بالنسبة لأسهم التقنية عالية التقلب مثل Meta، يُعزز ذلك إمكانية الوصول وإدارة السيولة.
تنبيه: هذه المنصات تُغير فقط طريقة الدخول والتسوية، وليس ملف مخاطر Meta. فسعر السهم لا يزال يعتمد على دورات الإعلانات، ووتيرة الاستثمار في الذكاء الاصطناعي، والظروف الاقتصادية الكلية.
ستتطور البنية التحتية للذكاء الاصطناعي في Meta في ثلاثة اتجاهات:
- الاستقلالية الحوسبية: تقليل الاعتماد على وحدات GPU بشكل أكبر عبر شريحة MTIA والرقاقات المخصصة.
- التوسع متعدد الوسائط: تمكين الذكاء الاصطناعي من معالجة النصوص والصور والفيديو معًا لفهم أعمق.
- حوسبة الحافة والذكاء الاصطناعي الطرفي: دفع الذكاء الاصطناعي إلى النظارات الذكية والهواتف والأجهزة الأخرى للتفاعل الفوري.
الخلاصة
تبني Meta Platforms مجموعة متكاملة من البنية التحتية للذكاء الاصطناعي - مراكز البيانات، وشريحة MTIA المخصصة، ونموذج Llama مفتوح المصدر. هذه المجموعة تدعم أعمالها الإعلانية والاجتماعية وتصبح محرك النمو المستقبلي.
مع تصدر الذكاء الاصطناعي للمنافسة التكنولوجية العالمية، يتحول نموذج Meta من "منصة حركة مرور" إلى "منصة حوسبة ونماذج". البنية التحتية للذكاء الاصطناعي تُعيد تعريف مسار نموها طويل الأمد وتُعزز مكانتها في الاقتصاد الرقمي العالمي.
