الشركات الناشئة في مجال الذكاء الاصطناعي تجمع تمويلاً بتقييمات تتحدى المقاييس التقليدية — إليكم ما يدفع ذلك

في رأس المال الاستثماري التقليدي، تستند تقييمات الشركات إلى مضاعفات الإيرادات، ومعدلات النمو، والمسار نحو الربحية. قد تتداول شركة برمجيات كخدمة تنمو بنسبة 50% سنوياً بقيمة 15-20 ضعف إيراداتها. هذه المعايير موجودة لأن عدداً كافياً من الشركات تم بناؤها وبيعها لتحديد ما سيدفعه السوق مقابل مجموعة معينة من المقاييس.

شركات بنية الذكاء الاصطناعي التحتية — وخاصة مطوري النماذج المتطورة — لا تناسب هذا الإطار. تقييم أنثروبيك البالغ 61 مليار دولار، وتقييم إكس إيه آي المبلغ عنه بـ 50 مليار دولار، وتقييم أوبن أيه آي البالغ 300+ مليار دولار من جولة تمويلها عام 2025: لا يمكن تبرير أي من هذه الأرقام بمضاعفات الإيرادات التقليدية. ومع ذلك، فإن مستثمرين مؤسسيين متطورين — جوجل، أمازون، مايكروسوفت، صندوق الاستثمارات العامة السعودي، سيكويا، أندريسين هوروويتز — هم من يوقعون على هذه الشيكات. فهم ما يشترونه يتطلب الخروج عن منهج رأس المال الاستثماري القياسي.

ما الذي يعتقد المستثمرون أنهم يقيمونه بالفعل

الأصل الذي تمتلكه شركات الذكاء الاصطناعي المتطورة ليس الإيرادات في المقام الأول — بل هو الموقع. مطور نموذج ذي قدرات متطورة يجلس عند عنق زجاجة في بنية تحتية ستعتمد عليها كل الأشياء الأخرى. المنطق يسير كالتالي: من يسيطر على أفضل النماذج الأساسية يسيطر على الوصول إلى الطبقة المعرفية للبرمجيات. إذا كانت هذه الطبقة مهمة بقدر ما يعتقد المستثمرون، فإن القيمة الاقتصادية التي تتدفق عبرها ستتجاوز في النهاية الإيرادات الحالية.

هذا يشبه المنطق الذي برر تقييمات البنية التحتية للإنترنت المبكرة. شركة شبكة ألياف ضوئية رئيسية في عام 1999 بإيرادات ضئيلة يمكن أن تحصل على تقييمات هائلة إذا اعتقد المستثمرون أن حركة الإنترنت ستنمو بمقدار أضعاف. لم يكن السؤال "ما هي قيمتها اليوم؟" بل "ما هي قيمة الخيار لامتلاك بنية تحتية حرجة في عالم يتبين فيه أن هذا الأمر مهم للغاية؟"

في مجال الذكاء الاصطناعي، يتم وضع هذا الرهان مقابل عدة فرضيات محددة: أن تكاليف الاستدلال ستنخفض بشكل كبير (مما يجعل الذكاء الاصطناعي مجدياً اقتصادياً في المزيد من التطبيقات)، وأن قدرات النماذج ستستمر في التحسن (موسعة مجموعة حالات الاستخدام المستهدفة)، وأن مزاكب الرائد في بنية التدريب والمواهب مستدامة (مكونة حواجز دخول تحمي الهوامش).

نموذج الشركة الناشئة المدعوم بوحدات معالجة الرسومات

إحدى السمات غير المعتادة لاقتصاديات الشركات الناشئة في الذكاء الاصطناعي هي كثافة رأس المال المطلوبة قبل توليد الإيرادات. تدريب النماذج المتطورة يكلف مئات الملايين من الدولارات لكل جولة. شركة ناشئة تعلن عن جمع 500 مليون دولار قد تنفق 300 مليون دولار منها على الحوسبة في أول 18 شهراً. تبدو نسبة الإيرادات إلى التمويل مقلقة بالمعايير التقليدية — حتى تدرك أن الإنفاق يبني أصل (نموذج مدرب) بدلاً من أن يُحرق على المبيعات والتسويق.

قاد هذا إلى ديناميكية تمويل غير معتادة حيث تجمع شركات ليس لديها إيرادات تقريباً بتقييمات تشير إلى نتائج تريليونية في النهاية. الأرقام تكون منطقية فقط إذا كنت تعتقد أن الأصل الذي يتم بناؤه — نموذج متطور قادر على المنافسة — نادر وقيم بما يكفي لتبرير التكلفة بالفعل. ومع توسع المجال، ظل عدد المنظمات التي يمكنها المنافسة بشكل مقنع على الصدارة صغيراً: جولات التدريب تتطلب ليس فقط رأس المال ولكن بنية تحتية متخصصة، وكثافة مواهب، ومعرفة مؤسسية متراكمة تستغرق سنوات لبنائها.

سوق التمويل الأولي: ما يتطلبه الأمر لجمع الأموال في 2026

أقل من طبقة النماذج المتطورة، أصبحت بيئة التمويل في عام 2026 أكثر انتقائية. موجة 2023-2024 من شركات "التغليف حول الذكاء الاصطناعي" — التطبيقات المبنية على واجهة برمجة تطبيقات أوبن أيه آي بتمييز ضئيل — قد تمت تصفيتها إلى حد كبير. المستثمرون الذين دفعوا بهذه الشركات رأوا ما يحدث عندما تتحسن واجهة برمجة التطبيقات الأساسية إلى حد تحويل المنتج إلى سلعة.

ما يحصل على التمويل الآن في مرحلة البذور والمرحلة الأولى يميل إلى الوقوع في فئات قليلة. مشاريع البنية التحتية — شركات تبني قواعد بيانات متجهية أفضل، وتحسين الاستدلال، وأدوات الضبط الدقيق، أو أطر التقييم — تستمر في جذب الاستثمار لأنها تقدم قيمة مستقلة عن أي نموذج متطور سيفوز. تطبيقات الذكاء الاصطناعي العمودية ذات مزايا البيانات الحقيقية وتكاليف التبديل — ذكاء اصطناعي طبي مدرب على بيانات سرية سريرية، ذكاء اصطناعي قانوني متكامل بعمق مع أنظمة سير العمل — تبدو أكثر متانة من أدوات الإنتاجية الأفقية. والتطبيقات متعددة الوسائط أو الخاصة بالعالم المادي (الروبوتات، رؤية الكمبيوتر لحالات الاستخدام الصناعية) تجذب اهتماماً متجدداً حيث تظهر النماذج قدرات في تلك المجالات.

أين يحدث الاندماج

عمليات الاستحواذ الكبيرة في مجال الذكاء الاصطناعي من قبل شركات التكنولوجيا الكبرى في 2025-2026 كانت في الغالب استحواذات على المواهب والتكنولوجيا بدلاً من استحواذات على الإيرادات. استحواذ جوجل على فرق رئيسية من Character.AI، استثمار مايكروسوفت المتعمق في أوبن أيه آي، مركز أمازون الكبير في أنثروبيك — النمط هو دفع اللاعبين الراسخين للحصول على إمكانية وموهبة بدلاً من شراء تدفقات إيرادات مثبتة.

هذا مهم للمؤسسين لأنه يعني أن مسارات الخروج لا تتطلب البناء نحو الربحية. فريق يبني قدرة ذكاء اصطناعي مفيدة بشكل واضح، حتى على نطاق متواضع، لديه قيمة استحواذ حقيقية إذا كانت هذه القدرة ستستغرق مشترياً من شركة تكنولوجيا كبرى سنوات لبنائها داخلياً. مسار "البناء من أجل الاستحواذ" أكثر شيوعاً في الذكاء الاصطناعي منه في موجات البرمجيات السابقة.

رهان البنية التحتية مقابل رهان التطبيق

أقدم بديهية في الاستثمار أثناء اندفاع الذهب هي بيع المعاول. نظيرتها في الذكاء الاصطناعي هي فرضية "المعاول والفؤوس": بدلاً من الرهان على أي تطبيق ذكاء اصطناعي سيفوز، راهن على البنية التحتية التي سيحتاجها الجميع بغض النظر عن التطبيق الفائز. هذا المنطق دفع استثمارات هائلة نحو سحب وحدات معالجة الرسومات، وواجهات برمجة تطبيقات الاستدلال، وقواعد البيانات المتجهية، وأدوات مراقبة الذكاء الاصطناعي.

الحجة المضادة هي أن البنية التحتية تتحول إلى سلعة. أسهمت أمازون ويب سيرفيس في خفض تكلفة الخدمات نفسها التي تبيعها، والديناميكية نفسها تظهر في بنية الذكاء الاصطناعي التحتية. انخفض تسعير واجهات برمجة تطبيقات الاستدلال بشكل كبير مع زيادة المنافسة. وظائف قواعد البيانات المتجهية يتم استيعابها في قواعد البيانات للأغراض العامة. الشركات التي جمعت أموالاً بتقييمات عالية على مشاريع بنية تحتية خالصة تجد قوتها التسعيرية تتآكل أسرع من المتوقع.

مشهد التمويل في عام 2026 يكافئ المؤسسين الذين يمكنهم توضيح خندق دفاعي متين — سواء كان ذلك بيانات حصرية، أو تكامل عميق مع العميل، أو تقدم في القدرة يتضاعف مع الاستخدام، أو ميزة توزيع لا يمكن للمنافسين الأكبر تكرارها بسهولة. العصر الذي كانت فيه عبارة "نحن نعمل في الذكاء الاصطناعي" كافية للتمييز لجولة تمويل قد ولى.