تُظهر البيانات الجديدة أن الدول ذات الدخل المرتفع تسيطر على 77% من سعة مراكز البيانات العالمية، بينما تمتلك الدول ذات الدخل المنخفض أقل من 0.1%. وتظهر الصورة ذاتها فيما يتعلق بمجموعات وحدات معالجة الرسومات (GPU clusters): حيث تستحوذ الولايات المتحدة على 75% من الوحدات في العالم، والصين على 15%، بينما يمتلك بقية الكوكب مجتمعين أقل من 10%. هذا التركز يحول الذكاء الاصطناعي إلى أداة للقوة الجيوسياسية، حيث يملي من يمكنه البناء، ومن يمكنه الاستخدام، ومن تصبح قواعده هي المعيار الافتراضي.
لماذا تهم القدرة الحوسبية أكثر من البرمجيات
تعمل أنظمة الذكاء الاصطناعي عبر أعداد هائلة من دورات المعالجة. وتزداد قدرات النموذج مع تطور السيليكون الذي يعالج البيانات، ويخزن الأوزان (weights)، ويجري الاستدلال (inference). وإذا افتقرت دولة ما إلى هذه الآلات، فسيتعين عليها اللجوء إلى مزودي الخدمات السحابية الأجانب. وهذا الاعتماد لا يقتصر على رفع الفواتير فحسب؛ بل يسلم التحكم في المنطق الأساسي إلى مهندسي وفِرَق السياسات لدى المزود، وهم من يقررون ما هو "آمن". إن أي تحول تنظيمي في مركز رئيسي لمراكز البيانات يمكن أن يغير فوراً طريقة عمل مستشفى في نيروبي.
يشير مصطلح "الفجوة الرقمية" عادةً إلى الوصول إلى الإنترنت أو ملكية الأجهزة. لكن الأرقام الجديدة تكشف عن فجوة أعمق: القدرة على توليد مخرجات الذكاء الاصطناعي على نطاق واسع. قد تمتلك الدولة نطاقاً عريضاً (broadband)، ولكن بدون قدرة حوسبية محلية، لن تتمكن من استضافة النماذج التي تشغل الترجمة اللغوية، أو التحليلات الصحية التنبؤية، أو الخدمات اللوجستية ذاتية القيادة. إنها تستأجر تلك القدرات، والاستئجار يأتي بشروط.
التكاليف الخفية للذكاء الاصطناعي الأجنبي
إن الاعتماد على نقطة نهاية (endpoint) خارجية يجبر كل طلب على المرور عبر محرك أجنبي تحكمه ثلاث روافع غير مرئية:
- منطق المواءمة (Alignment logic) – يقرر المزود المحتوى المسموح به. وخلال الأزمات المحلية، قد يتعارض هذا التعريف مع المعايير الثقافية أو القانونية.
- جداول التحديث – يمكن للمزود طرح إصدار جديد من النموذج بين عشية وضحاها، مما يؤدي إلى تعطل مسارات العمل (pipelines) التي تم ضبطها وفقاً للسلوك السابق.
- الانحراف الدلالي (Semantic drift) – غالباً ما تفتقر النماذج المدربة على البيانات العالمية المهيمنة إلى اللهجات الإقليمية، أو الاصطلاحات، أو الفروق الدقيقة في السياسات، مما يؤدي إلى تفسيرات خاطئة قد يتجنبها نظام مدرب محلياً.
عندما لا تستطيع الدولة استضافة نماذجها الخاصة، فإنها لا تستطيع حماية الملكية الفكرية المضمنة في أوزان النموذج وبنيته. تظل الميزة الاستراتيجية بيد مالكي السيليكون والبرمجيات، وليس مستخدمي الخدمة.
من الناحية المالية، فإن المعضلة صارخة. تستهلك النماذج التأسيسية الكبيرة كميات هائلة من الكهرباء وتتطلب استثمارات ضخمة في الأجهزة. وتواجه معظم الحكومات خيارين غير جذابين:
- دفع رسوم باهظة للموردين الأجانب – حيث تلتهم تسعيرات "لكل رمز" (per-token pricing) أو مستويات الاشتراك ميزانيات الذكاء الاصطناعي الوطنية بسرعة.
- تشغيل أنظمة غير آمنة أو ضعيفة القدرة – حيث يؤدي التقشف في القدرة الحوسبية إلى فرض استخدام نماذج قديمة أكثر عرضة للأخطاء أو التلاعب.
كلا المسارين يقوضان السيادة ويستنزفان الخزائن العامة.
الحجة لصالح الوصول الأرخص
يزعم بعض المحللين أن التسعير القائم على الرموز (token-based pricing) أو الإنترنت الأسرع سيجعل الذكاء الاصطناعي أرخص. وتفترض هذه الفرضية أن زيادة استدعاءات واجهة برمجة التطبيقات (API calls) ستنشر الفوائد. ولكن في الواقع، لا يخلق الوصول الأرخص قدرة محلية. فاستدعاء الـ API يظل طلباً لمحرك بعيد؛ ويظل المستخدم خاضعاً لمواءمة المزود، ودورة تحديثاته، وتحيزاته في البيانات. تظل القدرة الحوسبية في الخارج، وتستمر الدولة في الاستئجار بدلاً من التملك.
مسار تقني مختلف: التحكم الحتمي
تشير مجموعة متزايدة من الأبحاث إلى ضرورة تحويل التركيز من الأجهزة الخام إلى قيود وقت التشغيل (runtime constraints). فمن خلال تصميم أنظمة ذكاء اصطناعي تتطلب عمليات أقل بكثير، يصبح من الممكن تشغيلها على أجهزة محلية متواضعة. ويوفر التحكم الحتمي — حيث يكون مسار التنفيذ واستخدام الموارد قابلاً للتنبؤ — فوائد ملموسة:
- تقليل وقت المعالجة – قدرة حوسبية أقل تعني استجابات أسرع.
- فواتير طاقة أقل – دورات معالجة أقل تقلل تكاليف الكهرباء، مما يخفف الضغط على الشبكات الوطنية.
- نشر محلي قابل للتطبيق – تكفي المجموعات الصغيرة، مما يسمح للحكومات باستضافة النماذج داخل حدودها.
- سيادة ميسورة التكلفة – إن امتلاك الأجهزة ووقت التشغيل يستعيد السيطرة على سياسات السلامة ودورات التحديث.
يعيد هذا التحول تعريف القوة الرقمية؛ حيث ينتقل التأثير من حجم مزارع الخوادم إلى مدى كفاءة الدولة في تشغيل ذكاء اصطناعي آمن ومحكوم محلياً.
وجهة نظر معارضة: جاذبية النطاق الواسع
Proponents of massive centralized models argue that scale brings superior performance. The counter-argument is that performance gains are often marginal for many public-sector tasks, while the strategic cost of dependence is high. The provider’s responsibility follows the legal environment of its home country, which may not align with a client nation’s values or security needs.
Bottom line
The current compute map places the United States, China, and a handful of high-income nations at the helm of AI development. For the rest of the world, reliance on foreign clouds means surrendering strategic control, facing unpredictable costs, and exposing critical services to external policy shifts. The path forward is not cheaper internet or token pricing; it is reshaping how AI runs—making it deterministic, efficient, and locally hosted. When nations can run safe AI on modest hardware they own, the geopolitical fault line of compute begins to close, and digital sovereignty becomes a realistic goal rather than a distant ideal.