تحول Microsoft نحو النماذج مفتوحة الأوزان: خطوة استراتيجية لتأمين هيمنة Azure

تحول Microsoft تركيزها من كونها مجرد موزع لخدمات OpenAI إلى أن تصبح المنسق النهائي للذكاء الاصطناعي. ومن خلال تبني النماذج مفتوحة الأوزان، تضع شركة التكنولوجيا العملاقة نفسها في موقع يتيح لها التحكم في البنية التحتية التي ستستضيف الجيل القادم من ابتكارات الذكاء الاصطناعي.

التحول من النماذج الرائدة إلى الأنظمة البيئية المفتوحة

في رسالة مفتوحة صدرت مؤخراً بعنوان "الأوزان المفتوحة والريادة الأمريكية في الذكاء الاصطناعي"، انضمت Microsoft إلى عمالقة الصناعة مثل Meta وNvidia وHugging Face وMistral للمطالبة بنظام بيئي مفتوح للذكاء الاصطناعي. وتتمثل الحجة الأساسية في أن الريادة الأمريكية تعتمد على نشر تقنية الذكاء الاصطناعي عبر جميع القطاعات بدلاً من تركيز القوة في عدد قليل من النماذج الرائدة.

ويعد "التقطير" (distillation) ركيزة تقنية أساسية لهذه الحركة، وهو العملية التي تتعلم من خلالها النماذج الأصغر من مخرجات نماذج أكبر وأكثر قدرة. وبينما واجهت هذه الممارسة تدقيقاً فيما يتعلق بالمزودين الصينيين، فإن Microsoft وحلفاءها يضعونها في إطار تقليد حيوي للبناء على التقنيات الحالية، تماماً كما فعلت حركة البرمجيات مفتوحة المصدر في الحوسبة التقليدية.

مناورة Azure: لماذا تفيد الأوزان المفتوحة شركة Microsoft

بينما يركز الخطاب على الابتكار وإتاحة التقنية للجميع، فإن المنطق التجاري الكامن يشير مباشرة إلى Azure. فمن خلال تعزيز سوق مجزأة من مختلف النماذج مفتوحة الأوزان، تمنع Microsoft أي مختبر ذكاء اصطناعي منفرد (مثل OpenAI أو Anthropic) من أن يصبح قوياً بما يكفي لتهديد أعمال Microsoft الأساسية في مجال السحابة وأنظمة التشغيل.

علاوة على ذلك، فإن استضافة مجموعة متنوعة من النماذج على Azure توفر للعملاء المزيد من الخيارات، مما يخلق حالة من "الارتباط بالسحابة" (cloud lock-in) عبر البنية التحتية بدلاً من حصرية النموذج. كما تحمي هذه الاستراتيجية هوامش ربح Microsoft؛ حيث إن الاعتماد على استدعاءات API مكلفة من أطراف ثالثة مثل OpenAI يعد أمراً باهظ التكلفة، بينما تتيح استضافة نماذج متنوعة لشركة Microsoft تحسين التكلفة والأداء.

عائلة MAI واستراتيجية تحسين هوامش الربح

بدأت Microsoft بالفعل في تنفيذ هذا التحول من خلال استبدال النماذج الممتازة من OpenAI وAnthropic بعائلة نماذج MAI الخاصة بها في منتجات مثل GitHub Copilot وExcel وOutlook. وقد صُممت هذه الخطوة بوضوح لخفض تكاليف النشر. وأشارت Microsoft إلى أن نماذج MAI الأصغر يمكنها العمل على أجهزة قديمة، مثل وحدات معالجة الرسومات Nvidia H100 وA100، بدلاً من الحاجة إلى أحدث المسرعات وأكثرها تكلفة.

ومع ذلك، قد تأتي هذه الكفاءة على حساب الأداء للمستخدم النهائي. إذ تشير اختبارات الأداء المستقلة إلى أن عائلة MAI تتخلف عن النماذج رفيعة المستوى من OpenAI وAnthropic، حيث تقترب مستويات أدائها من Deepseek V3.2. كما واجهت مقارنات Microsoft الداخلية انتقادات لكونها غير معيارية، حيث غالباً ما تقارن MAI بنماذج أصغر مثل GPT-4o Mini أو Haiku من Anthropic بدلاً من مقارنتها بالنماذج الرائدة كاملة النطاق.

لماذا يهم هذا مشهد الذكاء الاصطناعي

يشير هذا التطور إلى مرحلة نضج في صناعة الذكاء الاصطناعي. فنحن ننتقل من عصر "النموذج الواحد الذي يحكم الجميع" إلى عصر الذكاء المتخصص والمهام المحددة. وبالنسبة للمطورين والمؤسسين، يعني هذا مرونة أكبر وتكاليف أقل، ولكنه يعني أيضاً أن Microsoft تعمل بجد لضمان أنه مع زيادة إمكانية الوصول إلى النماذج، تظل البنية التحتية تحت سيطرتها بشكل وثيق.

النقاط الرئيسية

• البنية التحتية قبل الذكاء: تتحول Microsoft من النهج المتمحور حول النموذج إلى نهج التنسيق، مما يضمن بقاء Azure الوجهة الأساسية لأعباء عمل الذكاء الاصطناعي المتنوعة.
• التكامل المدفوع بالتكلفة: يعد نشر عائلة نماذج MAI في منتجات Copilot وOffice محاولة واضحة لتحسين هوامش الربح من خلال استخدام أجهزة GPU قديمة وتقليل الاعتماد على واجهات برمجة التطبيقات (APIs) التابعة لأطراف ثالثة.
• استراتيجية النظام البيئي: من خلال دعم الأوزان المفتوحة والتقطير، تسعى Microsoft إلى منع احتكار الذكاء الاصطناعي مع تأمين مكانتها في الوقت نفسه كمزود سحابي أساسي لنظام بيئي مفتوح للذكاء الاصطناعي.