تكلفة ضخمة لاستهلاك موظفي ميتا للتوكنات الذكية: 73.7 تريليون شهرياً

في مكاتب الشركات التقنية الكبرى لم يعد استهلاك الحوسبة يُقاس بعدد الخوادم أو ساعات العمل، بل بعدد «التوكنز» التي تبتلعها نماذج الذكاء الاصطناعي يومياً. خلف الشاشات، يعمل مهندسون ومديرو منتجات على تشغيل وكلاء برمجيين وسلاسل أوامر لا تتوقف. لكن حين يصل الاستهلاك إلى 73.7 تريليون توكن في شهر واحد داخل شركة واحدة مثل ميتا، يصبح السؤال أكبر من مجرد أداة إنتاجية.

بحسب تقرير من SemiAnalysis، استهلك موظفو ميتا نحو 73.7 تريليون توكن خلال شهر واحد، بتكلفة تقديرية تقارب 221 مليون دولار شهرياً، أي نحو 2.65 مليار دولار سنوياً. والأكثر لفتاً أن موظفاً واحداً وحده استهلك 280 مليار توكن.

عند توزيع الكلفة على عدد كبير من الموظفين، يبدو الرقم في حدود 50 ألف دولار سنوياً لكل موظف من ميزانية “التوكنز” فقط. هذا رقم يوازي رواتب كاملة في شركات تقنية ناشئة، ويضع النفقات السحابية ونماذج اللغة في قلب المعادلة المالية لأي مؤسسة تعتمد على الذكاء الاصطناعي التوليدي.

التحول الأهم هنا ليس في الرقم وحده، بل في نمط الاستخدام. لم يعد المتوسط هو ما يصنع الصورة. اليوم يمكن لمهندس واحد، عبر حلقات وكلاء متعددة وعمليات أتمتة مستمرة، أن يستهلك من القدرة الحاسوبية ما كان فريق كامل يستهلكه سابقاً.

شركات عديدة بدأت تضع حدوداً شهرية لاستخدام النماذج، تتراوح بين بضع مئات إلى آلاف الدولارات لكل موظف. لكن الواقع يظهر تفاوتاً حاداً: هناك من بالكاد يلمس هذه الأدوات، وهناك من يبني فوقها بنى برمجية كاملة تعمل على مدار الساعة.

النقاش الدائر لا يركز فقط على التكلفة، بل على العائد. إذا كانت المليارات تُنفق على التفاعل مع نماذج ذكاء اصطناعي متقدمة، فأين تظهر النتائج؟ هل في منتجات جديدة، أم في تسريع تطوير داخلي، أم في تحسينات غير مرئية للمستخدم النهائي؟

منتقدو الظاهرة يرون أن “تعظيم التوكنز” قد يتحول إلى مقياس زائف للإنتاجية، يشبه سباقاً لزيادة عدد الخدمات المصغّرة دون حاجة فعلية. بينما يرى آخرون أن هذه المرحلة شبيهة بسنوات البحث والتطوير، حيث تُحرق الموارد قبل أن تتبلور ثمار حقيقية.

المقارنة التي تكررت كثيراً بسيطة لكنها مُقلقة: 2.65 مليار دولار سنوياً تعادل رواتب نحو 9 آلاف مهندس برواتب أميركية مرتفعة. هل الاستثمار في الحوسبة السحابية ونماذج اللغة الكبيرة أكثر جدوى من الاستثمار في العنصر البشري؟ أم أن الاثنين أصبحا متداخلين بحيث يصعب الفصل بينهما؟

الذكاء الاصطناعي التوليدي لا يعمل في فراغ. كل توكن يُعالَج يمر عبر بنية تحتية كثيفة، من مراكز بيانات متخصصة إلى رقائق متقدمة. ومع اتجاه شركات مثل ميتا إلى تطوير رقاقاتها الخاصة وبناء نماذج مفتوحة المصدر مثل Llama، قد يكون الهدف النهائي تقليل الاعتماد على مزودي النماذج الخارجيين وخفض التكلفة على المدى الطويل.

وسط هذا الجدل، يظهر اتجاه عملي أكثر هدوءاً: توجيه ذكي للطلبات بين نماذج مختلفة. استخدام نماذج مفتوحة المصدر أو محلية للمهام الروتينية، واللجوء إلى النماذج الحدودية الأعلى كلفة عند الضرورة فقط. الفكرة لا تتعلق بتقليل الذكاء، بل بإدارته بكفاءة.

في هذا السياق، قد لا يكون الفائز هو الأكثر إنفاقاً على التوكنز، بل الأكثر براعة في توزيعها.

قصة استهلاك ميتا ليست مجرد رقم ضخم، بل نافذة على مرحلة تجريبية في تاريخ الذكاء الاصطناعي المؤسسي. نحن أمام اقتصاد جديد تُقاس فيه الإنتاجية بوحدات لغوية صغيرة، ويُراهن فيه على أن التكديس المعرفي سيؤدي عاجلاً أم آجلاً إلى قفزة نوعية. وحتى يتضح ذلك، ستظل المعادلة معلقة بين وفرة الحوسبة، وحدود القيمة التي يمكن استخراجها منها.