تُعدّ تكلفة تدريب نماذج الذكاء الاصطناعي المتطورة اليوم من أعلى التكاليف التي تتحملها شركات التكنولوجيا، حيث قد تصل إلى 100 مليون دولار أو أكثر، هذه الأرقام الضخمة تثير تساؤلات جدية حول مدى كفاءة الإنفاق في هذا المجال ومدى قدرة الشركات على مواصلة الاستثمار بهذه المعدلات.
شركة DeepSeek، وهي لاعب جديد في السوق، أشارت إلى أن تكاليف تدريب نموذجها تبلغ نحو 6 ملايين دولار فقط، ما يعكس تفاوتًا كبيرًا بين الشركات. وفي حالة مختلفة تمامًا، استطاعت جامعتا ستانفورد وواشنطن تطوير نموذج “s1” بتكلفة لا تتجاوز 6 دولارات فقط، مما يسلط الضوء على إمكانيات الابتكار الموفّر.
تأتي هذه الأرقام ضمن فعاليات أسبوع الذكاء الاصطناعي الذي تنظمه منصة Visual Capitalist برعاية Terzo، ويُظهر تقرير مؤشر الذكاء الاصطناعي لعام 2025 كيف تتفاوت تكاليف تدريب النماذج بشكل واسع.
نموذج GPT-4 من OpenAI الذي صدر عام 2023 وصل تكلفة تدريبه إلى 79 مليون دولار. يعتمد هذا النموذج على شبكات عصبية اصطناعية متقدمة تتنبأ بتسلسل الكلمات داخل النصوص، ويستخدم تقنيات “الحوسبة التجريبية” التي تحسن جودة الإجابات كلما زاد وقت المعالجة.
نموذج PaLM 2 من Google في نفس العام تم تدريبُه بتكلفة بلغت 29 مليون دولار.
نموذج Llama 2-70B من Meta، وهو أقل تكلفة نسبيًا، حيث بلغت كلفة تدريبه حوالي 3 ملايين دولار فقط.
أما معالج Gemini 1.0 Urtla من Google، الذي صدر عام 2023، فبلغت تكلفة تدريبه 192 مليون دولار، وهو الأعلى بين النماذج المعروفة حتى الآن. تركزت نسبة كبيرة من هذه التكلفة على رواتب فرق البحث والتطوير، والتي شكلت 49% من التكلفة، تلتها رقائق تسريع الذكاء الاصطناعي بنسبة 23%، ومكونات الخوادم بنسبة 15%.
في 2024، قدمت شركة Mistral نموذجًا يُقدر تدريبه بـ41 مليون دولار، بينما بلغت تكلفة تدريب نموذج Llama 3.1-405B من Meta حوالي 170 مليون دولار.