تُقدِّر “مختبرات بيزوس للذكاء الاصطناعي” القيمة بحوالي 38 مليارًا، وتخطط لجمع التمويل للسيطرة على سوق الذكاء الاصطناعي المادي

معمل الذكاء الاصطناعي التابع لجيـف بيزوس «مشروع بروميثيوس» يوشك على إتمام جولة تمويل جديدة بقيمة 10 مليارات دولار؛ يشارك فيها مستثمرون من مؤسسات مثل جيه بي مورجان وبلاك روك. بعد اكتمال هذه الجولة، ستصل قيمة الشركة إلى نحو 38 مليار دولار. وقد أنهى مشروع بروميثيوس جولة تمويل أولي بقيمة 6.2 مليارات دولار، وجند أكثر من 100 موظف من نخبة معامل الذكاء الاصطناعي مثل OpenAI.

الذكاء الاصطناعي المادي وLLM: مسارات تقنية مختلفة تمامًا

يتمثل التموضع الأساسي لمشروع بروميثيوس في بناء أنظمة ذكاء اصطناعي جديدة قادرة على فهم القوانين الفيزيائية والتفاعل مع البيئة الحقيقية، مع تركيز خاص على قطاع التصنيع والعمليات الصناعية، وهو ما يختلف اختلافًا جذريًا عن نماذج اللغات الكبيرة (LLM) التي تركز عليها شركات مثل OpenAI وAnthropic.

تشمل حالات الاستخدام لهذه الأنظمة تشغيل معدات المصانع، وتحسين سلاسل الإمداد، وأتمتة عمليات الطيران والرقائق شبه الموصلة؛ فذكاؤها الاصطناعي لا يقتصر على توليد النصوص أو الصور، بل يمكنه التدخل مباشرة في تشغيل العالم الفيزيائي.

خندق البيانات: أكبر عائق تنافسي أمام الذكاء الاصطناعي المادي

أكبر تحدٍ يواجه الذكاء الاصطناعي المادي هو حاجز الحصول على البيانات. يمكن لـ LLM الاستفادة من كميات هائلة من النصوص والصور المتاحة للتدريب من خلال سحبها من الإنترنت، بينما يحتاج الذكاء الاصطناعي المادي إلى بيانات تفاعلية من العالم الحقيقي—قراءات الحساسات، وعمليات التصنيع، والتغذية الراجعة اللمسية، وبيانات الأعطال في البيئات الفوضوية، وغيرها؛ وغالبًا ما تكون هذه البيانات حصرية ومكلفة جدًا في التجميع. وتُعد تسلا مثالًا نموذجيًا على التفوق في هذا المجال: نحو 5-6 ملايين مركبة كهربائية مزودة بإمكانات القيادة الذاتية الكاملة تقريبًا، تجمع سنويًا أكثر من 50 مليار ميل من بيانات القيادة الحقيقية، ما يمكّنها من الحفاظ على الصدارة بشكل مستمر في قدرات القيادة الذاتية.

التخطيط التجاري: استراتيجية الشركة القابضة ورؤية طموحة بقيمة 100 مليار دولار

لمعالجة مشكلة الحصول على بيانات مادية، اعتمد مشروع بروميثيوس استراتيجية شركة قابضة فريدة. يقوم بيزوس وباجاز… (لا توجد في النص)?? لا—النص يقول: بيزوس وباجاز يعملان. بالعربية: يستثمر بيزوس وباجاز يعبّئون…
— بالنسبة للنص: «بيزوس و باجارج正在…». سأترجم: يقوم بيزوس وباجار… بتجميع مئات المليارات من الدولارات لشركة قابضة تُوصف بأنها «أداة لتحول قطاع التصنيع»، لاستخدامها أساسًا في الاستحواذ على شركات في مجالات الهندسة والبناء والتصميم؛ ومن خلال هذه الاستثمارات يحصلون على بيانات من العالم الحقيقي لتدريب أنظمة الذكاء الاصطناعي الخاصة بهم. ووفقًا لتقرير من The New York Times، يجري بيزوس أيضًا محادثات مبكرة مع مستثمرين من الشرق الأوسط وجنوب شرق آسيا، لبحث جمع ما يصل إلى 100 مليار دولار من التمويل.

الأسئلة الشائعة

ما هو الذكاء الاصطناعي المادي، وما الاختلاف الجوهري عن LLM مثل ChatGPT؟

يعالج LLM أساسًا البيانات الرقمية مثل النصوص والصور، وتكون المخرجات في المقام الأول نصًا أو صورة. يتمثل هدف الذكاء الاصطناعي المادي في فهم القوانين الفيزيائية والتفاعل مع البيئة الحقيقية—تشغيل معدات المصانع، والإدراك في فضاء ثلاثي الأبعاد، واتخاذ قرارات فورية داخل بيئات صناعية معقدة؛ وتشمل بيانات تدريبه بيانات العالم الفيزيائي مثل قراءات الحساسات ومسارات حركة الآلات، وتختلف مساراته التقنية اختلافًا جذريًا عن LLM.

لماذا قرر بيزوس الرهان على الذكاء الاصطناعي المادي في هذا التوقيت؟

حقق الذكاء الاصطناعي التوليدي قدرًا كبيرًا من التشبع نسبيًا على مستوى البرمجيات، بينما لا يزال معدل اختراق الذكاء الاصطناعي في العالم الفيزيائي منخفضًا جدًا. فحجم المجالات مثل التصنيع الصناعي والطيران والرقائق شبه الموصلة هائل، كما أن لدى بيزوس—بفضل الخبرة العميقة المتراكمة لديه في سلاسل الإمداد والبنية التحتية الصناعية داخل Amazon—ميزة فطرية واضحة في ساحة المنافسة التالية للذكاء الاصطناعي.

ما أبرز تحديات المنافسة التي يواجهها مشروع بروميثيوس؟

يتمثل أكبر تحدٍ في حاجز الحصول على بيانات مادية—فبعكس LLM الذي يمكنه الوصول إلى كميات هائلة من بيانات التدريب من الإنترنت، فإن بيانات الذكاء الاصطناعي المادي مكلفة وحصرية. لقد بنت تسلا بالفعل ميزة سبْق ملحوظة في بيانات القيادة الذاتية، كما أن شركات ناشئة مثل Periodic Labs بدأت تدخل المسار ذاته. ومع ذلك، فإن حجم رأس مال بيزوس وخبرته في البنية التحتية الصناعية لدى Amazon يُعدان ميزة تنافسية جوهرية يصعب نسخها بسرعة.