شركات الذكاء الاصطناعي الناشئة تجمع الأموال بتقييمات تتحدى المقاييس التقليدية — إليك ما يدفع ذلك

في رأس المال الاستثماري التقليدي، ترتكز تقييمات الشركات على مضاعفات الإيرادات، ومعدلات النمو، والمسار نحو الربحية. قد تتداول شركة برمجيات كخدمة تنمو بنسبة 50% سنويًا بقيمة تبلغ 15-20 ضعف إيراداتها. توجد هذه المعايير لأن عددًا كافيًا من الشركات تم بناؤها وبيعها لتحديد ما سيدفعه السوق مقابل مجموعة معينة من المقاييس.

شركات البنية التحتية للذكاء الاصطناعي — وخاصة مطوري النماذج المتطورة — لا تناسب هذا الإطار. تقييم شركة Anthropic البالغ 61 مليار دولار، والتقييم المبلغ عنه لشركة xAI البالغ 50 مليار دولار، وأكثر من 300 مليار دولار لشركة OpenAI من جمعيتها التمويلية في 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، أندريسن هورويتز — هم من يكتبون الشيكات. فهم ما يشترونه يتطلب الخروج من كتاب قواعد رأس المال الاستثماري القياسي.

ما الذي يعتقد المستثمرون أنهم يقيمونه حقًا

الأصل الذي تمتلكه شركات الذكاء الاصطناعي المتطورة ليس الإيرادات في المقام الأول — بل هو الموقع. مطور نموذج يتمتع بقدرات متطورة يجلس عند عنق الزجاجة في بنية تحتية ستعتمد عليها كل شيء آخر. المنطق يسير كالتالي: من يتحكم في أفضل النماذج الأساسية يتحكم في الوصول إلى الطبقة المعرفية للبرمجيات. إذا كانت تلك الطبقة مهمة بقدر ما يعتقد المستثمرون، فإن القيمة الاقتصادية المتدفقة من خلالها ستتفوق في النهاية على الإيرادات الحالية.

هذا يشبه المنطق الذي برر تقييمات البنية التحتية للإنترنت المبكرة. شركة العمود الفقري للألياف الضوئية في 1999 بإيرادات ضئيلة يمكن أن تحصل على تقييمات هائلة إذا اعتقد المستثمرون أن حركة مرور الإنترنت ستنمو بمقدار أضعاف مضاعفة. لم يكن السؤال "ما قيمتها اليوم؟" بل "ما هي قيمة الخيار لامتلاك بنية تحتية حرجة في عالم يتبين أن هذا الأمر مهم جدًا؟"

بالنسبة للذكاء الاصطناعي، يتم الرهان على عدة فرضيات محددة: أن تكاليف الاستدلال ستنخفض بشكل كبير (مما يجعل الذكاء الاصطناعي مجديًا اقتصاديًا في تطبيقات أكثر)، وأن قدرات النماذج ستستمر في التحسن (مما يوسع مجموعة حالات الاستخدام المستهدفة)، وأن مزايكا المبادرين الأولى في البنية التحتية للتدريب والمواهب دائمة (مما يخلق حواجز دخول تحمي الهوامش).

نموذج الشركة الناشئة المدعومة بوحدات معالجة الرسومات

إحدى السمات غير المعتادة لاقتصاديات شركات الذكاء الاصطناعي الناشئة هي كثافة رأس المال المطلوبة قبل تحقيق 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 الأشهر الثمانية عشر الأولى. تبدو نسبة الإيرادات إلى التمويل مقلقة بالمعايير التقليدية — حتى تدرك أن الإنفاق يبني أصلًا (نموذجًا مدربًا) بدلاً من أن يُحرق على المبيعات والتسويق.

أدى هذا إلى ديناميكية تمويل غير عادية حيث تجمع الشركات التي ليس لها إيرادات تقريبًا أموالًا 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 حقًا بما يكفي لتبرير التكلفة. مع توسع المجال، ظل عدد المنظمات التي يمكنها المنافسة بثقة في الصفوف المتقدمة صغيرًا: عمليات التدريب تتطلب ليس فقط رأس المال بل بنية تحتية متخصصة، وكثافة مواهب، ومعرفة مؤسسية متراكمة تستغرق سنوات لبنائها.

سوق التمويل التأسيسي: ما يتطلبه الأمر لجمع الأموال في 2026

أدنى من طبقة النماذج المتطورة، أصبحت بيئة التمويل في 2026 أكثر انتقائية. موجة 2023-2024 من شركات "التغليف" للذكاء الاصطناعي — التطبيقات المبنية على واجهة برمجة تطبيقات OpenAI مع تمايز ضئيل — تم ترشيدها إلى حد كبير. المستثمرون الذين دعموا تلك الشركات رأوا ما يحدث عندما تتحسن واجهة برمجة التطبيقات الأساسية إلى درجة تحويل المنتج إلى سلعة.

ما يتم تمويله الآن في مرحلتي التأسيسي والجولة الأولى يميل إلى الوقوع في بضع فئات. مشاريع البنية التحتية — الشركات التي 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 يفوز. تطبيقات الذكاء الاصطناعي العمودية ذات مزايا بيانات حقيقية وتكاليف تحول — ذكاء اصطناعي طبي مدرب على بيانات سريرية حصرية، ذكاء اصطناعي قانوني متكامل بعمق مع أنظمة سير العمل — تبدو أكثر دوامًا من أدوات الإنتاجية الأفقية. كما أن التطبيقات متعددة الوسائط أو تلك الخاصة بالعالم المادي (الروبوتات، رؤية الكمبيوتر لحالات الاستخدام الصناعي) تجذب اهتمامًا متجددًا بينما تظهر النماذج قدرة في تلك المجالات.

أين يحدث الدمج

عمليات الاستحواذ الكبيرة للشركات التقنية على شركات الذكاء الاصطناعي في 2025-2026 كانت في الغالب استحواذًا على المواهب والتكنولوجيا بدلاً من الاستحواذ على الإيرادات. استحواذ جوجل على فرق رئيسية من Character.AI، استثمار مايكروسوفت المتعمق في OpenAI، المركز الكبير لأمازون في Anthropic — النمط هو أن اللاعبين الراسخين يدفعون للحصول على القدرة والمواهب بدلاً من شراء تدفقات إيرادات مثبتة.

هذا مهم للمؤسسين لأنه يعني أن مسارات الخروج لا تتطلب البناء لتحقيق الربحية. فريق يبني قدرة ذكاء اصطناعي مفيدة بشكل واضح، حتى على نطاق متواضع، له قيمة استحواذ حقيقية إذا كانت تلك القدرة ستستغرق مشتريًا تقنيًا كبيرًا سنوات لبنائها داخليًا. مسار "البناء ليتم الاستحواذ عليه" أكثر شيوعًا في مجال الذكاء الاصطناعي منه في موجات البرمجيات السابقة.

رهان البنية التحتية مقابل رهان التطبيق

أقدم بديهية في الاستثمار أثناء حمى الذهب هي بيع المعاول. نظيرتها في الذكاء الاصطناعي هي نظرية "المعاول والجرافات": بدلاً من المراهنة على أي تطبيق ذكاء اصطناعي يفوز، راهن على البنية التحتية التي سيحتاجها الجميع بغض النظر عن التطبيق الفائز. هذا المنطق دفع استثمارات هائلة إلى سحابات وحدات معالجة الرسومات، وواجهات برمجة تطبيقات الاستدلال، وقواعد البيانات المتجهية، وأدوات مراقبة الذكاء الاصطناعي.

الحجة المضادة هي أن البنية التحتية تتحول إلى سلعة. AWS خفضت تكلفة الخدمات نفسها التي تبيعها، والديناميكية نفسها تظهر في بنية تحتية الذكاء الاصطناعي. انخفضت أسعار واجهات برمجة تطبيقات الاستدلال بشكل كبير مع زيادة المنافسة. وظائف قواعد البيانات المتجهية يتم امتصاصها في قواعد البيانات ذات الأغراض العامة. الشركات التي جمعت أموالًا بتقييمات عالية على مشاريع بنية تحتية بحتة تجد قوتها التسعيرية تتآكل أسرع من المتوقع.

مشهد التمويل في 2026 يكافئ المؤسسين الذين يمكنهم توضيح خندق دفاعي دائم — سواء أكان ذلك بيانات حصرية، أو تكامل عميق مع العملاء، أو تقدم في القدرة يتضاعف مع الاستخدام، أو ميزة توزيع لا يمكن للمنافسين الأكبر تكرارها بسهولة. لقد انتهى العصر الذي كانت فيه عبارة "نحن نعمل في الذكاء الاصطناعي" كافية للتمييز للحصول على جولة تمويل.