المواضيع الرائجة
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Freda Duan
الذكاء الاصطناعي فائق الرأسية: البرمجة أولا، إكسل بعد ذلك؟
فاجأ البرمجة الجميع من الجانب الإيجابي عندما برزت كواحدة من أقوى قطاعات تطبيقات الذكاء الاصطناعي حتى الآن.
يجمع بين ثلاث سمات نادرة: TAM ضخم، واستنداف طبيعي في حالات الاستخدام المجاورة، وGTM يقوده المنتج يلغي إلى حد كبير الحاجة إلى المبيعات والتسويق التقليديين. قليل جدا من القطاعات العمودية تشترك في هذا الملف الشخصي.
إكسل هو واحد منها.
TAM أكبر حتى. يمكن اعتبار الكثير من صناعة البرمجيات كأنها "أغلفة إكسل" متعددة الطبقات، والتبني إلى حد كبير لخدمة ذاتية. هذا يفسر على الأرجح سبب توسع كل من $OpenAI و$Anthropic بشكل مكثف في جداول البيانات وسير عمل الإنتاجية (حسب التقارير العامة).
++++
🔵الترميز
1/ لماذا نجح البرمجة:
المطورون يعرفون بسرعة أفضل الأدوات دون تسويق مكثف. غالبا ما يكون لها تأثير مباشر على الشراء، والشركات غير حساسة نسبيا تجاه التكاليف الإضافية لكل مطور إذا تحسنت الإنتاجية. نتيجة لذلك، تنتشر المنتجات القوية من الأسفل إلى الأعلى مع جهد مبيعات بسيط - على عكس معظم القطاعات التي تتطلب مبيعات صريحة، تسويق، وشراء مؤسسي.
معظم القطاعات الأخرى (الرعاية الصحية، العقارات، المالية، إلخ) تتطلب مبيعات صريحة، تسويق، وشراء مؤسسي.
2/ TAM:
الرقم الشائع للترميز هو ~$2T.
والأهم من ذلك، أن البرمجة ليست مجرد سوق نهائي - بل هي مجرد نقطة انقطاع. امتلاك سير عمل المطور يخلق نفوذا عبر كل تطبيق مبني فوقه.
3/ الترميز - فحص الحالة:
4 شركات بسعر 1 مليار دولار+ ARR
تجاوزت ما لا يقل عن 7 شركات ARR بقيمة 100 مليون دولار، وغالبا بسرعة غير مسبوقة
++++
🔵إكسل يناسب نفس النمط.
لديه ذاكرة تخزين ضخمة، ويعمل كبوابة للعديد من حالات الاستخدام المجاورة، ويدعم اعتماد الخدمة الذاتية مع محدودية GTM. صناعة برمجيات التطبيقات التي تبلغ ~500 مليار دولار هي بلا شك طبقة تجريد إكسل ضخمة - تشمل إدارة علاقات العملاء، Airtable، Smartsheet، وأجزاء كبيرة من المالية، والعمليات، والتحليلات، والأدوات الداخلية.
▶️تام:
حتى مع الأخذ في الاعتبار التداخل بين Microsoft Office وGoogle Workspace وWPS، فإن قاعدة مستخدمي جدول بيانات نشطة شهرية عالمية تبلغ ~1.5–1.6 مليار دولار أمريكي هي تقدير معقول.
▶️إكسل أيضا أكثر من مجرد إكسل:
البرمجيات صناعة بقيمة ~$1T، مع برمجيات التطبيقات التي من المرجح أن تمثل ~50٪. إذا أصبح Excel أصلي الذكاء الاصطناعي قابلا للبرمجة، فإن الفرصة تتجاوز جداول البيانات لتشمل إنشاء التطبيقات نفسها.
▶️GTM:
التمويل هو الوتد الطبيعي في البداية. لديها ربح للفرد مرتفع، واستعداد قوي لدفع ثمن أدوات الإنتاجية، وسلطة ميزانية مباشرة على مستوى المحلل، وعائد استثمار واضح يجعل المنتجات تبيع ذاتيا إلى حد كبير. حوالي ~10٪ من مستخدمي جداول البيانات حول العالم يعملون في أدوار متعلقة بالمال، مما يمثل نقطة انطلاق كبيرة وقابلة لتحقيق أرباح عالية.
أظهرت البرمجة مدى سرعة توسع أداة ذاتية الخدمة وأصلية لسير العمل ذات مساحة سطحية ضخمة. قد يكون Excel هو النسخة التالية من هذا الدليل - على نطاق أوسع.
---
تحليل كامل:
8
هل ستبدو روبوتات الدردشة أشبه بالبث المباشر أم أشبه بالبحث؟
البث المباشر والبحث وروبوتات الدردشة كلها صناعات بدون تأثيرات الشبكة التقليدية (تكاليف تبديل منخفضة نسبيا). ومع ذلك، فإن البث المجزأ بينما أصبح البحث شبه احتكاري.
🔵البث المباشر - مجزأة حسب التصميم
المحتوى ليس سلعة. إنه متميز، غير حصري، ويعيش على منصات مختلفة. لذا يبقى السوق مشتتا. يوتيوب، نتفليكس، ديزني... كل منهما يحمل حصة أحادية الرقم لأن لكل منهما عروض مختلفة.
🔵البحث - الفائز يأخذ تقريبا كل شيء
$Google لديه ~90٪ من الحصة رغم أن $Bing ليس سيئا جدا. لماذا؟
1/ التوزيع/الافتراضيات قوية بشكل جنوني
معظم الناس لا يختارون محرك بحث. يقبلون ما يمنحهم إياه الجهاز. $Google يدفع عشرات المليارات سنويا ليكون التعثر.
2/ العادة والعلامة التجارية
$Google فعل. $Bing ليس كذلك. قوة العادة بالإضافة إلى العلامة التجارية غير مقدرة بشكل كبير (وبصراحة أنا مندهش قليلا من هذا).
3/ دولاب البيانات (إلى حد ما)
محرك أفضل → المزيد من المستخدمين → المزيد من البيانات → محرك أفضل. أتساءل عن مدى حجم هذا التأثير حقا، لكنه موجود بالتأكيد.
4/ مقياس نظام الإعلانات
يحصل المعلنون على حجم أكبر وعائد استثمار أفضل على جوجل بفضل البحث + يوتيوب + الخرائط + أندرويد + جيميل. لذا يعطون الأولوية لجوجل، مما يعزز التقدم.
🔵روبوتات الدردشة/الوكلاء - هل هو أقرب للبحث من البث؟
روبوتات الدردشة أشبه بالبحث: المخرجات تبدو كأنها سلعة، وتحتاج إلى مساعد واحد يتذكر كل شيء (إذا اكتشفت روبوتات الدردشة الذاكرة، يجب أن يكون القفل قويا من البحث). ستكون هناك جيوب إقليمية/لغوية (مثل الصين).
مقارنة بأيام البحث المبكرة $Google:
- أصبح التنظيم الآن أكثر صرامة (أصعب أن يصبح احتكارا)؛
- المنصات اليوم أكثر تجزأة: $Google، $Meta (وربما MSFT/AAPL/AMZN) كل منها يدفع مساعده المتكامل بشكل متكامل؛ لدينا معسكر أبل مقابل ويندوز/أندرويد؛
كل هذا يجعل احتكار واحد أقل احتمالا بكثير.
على مستوى المستخدم: وكيل أساسي واحد يقوم ب 70-90٪ من العمل.
على مستوى السوق: ربما 2-3 مساعدين ضخمين، ولا يوجد فائز واحد بأسلوب $Google بنسبة 90٪.
26 نوفمبر 2025
بعض التفكير العميق حول نموذج الأعمال النموذجي الحدودي. كل هذا يستند إلى أرقام تم تسريبها من قبل صحيفة The Information، نيويورك تايمز، وغيرها.
🔵النواة: إنها آلة حرق الحوسبة
في جوهره، النموذج بسيط للغاية: تقريبا كل التكاليف تأتي من الحوسبة – الاستنتاج، وخاصة التدريب. التدريب يتبع شيئا مثل قانون التوسع. لنفترض أن التكاليف ترتفع ~5 مرات كل عام؛ والعائد على الاستثمار في تكاليف التدريب هو ضعف الاستثمار.
هذا يخلق ديناميكية غريبة:
تكلفة التدريب للسنة الأولى: 1
إيرادات السنة الثانية من ذلك النموذج: 2
لكن تكلفة تدريب السنة الثانية للنموذج التالي: 5
صافي: +2 - 5 = -3
إذا مررت به للأمام ستزداد سوءا:
إيرادات السنة الثالثة: +10
تكلفة تدريب السنة الثالثة: -25
صافي الأهداف: -15
نماذج الحدود، كما تدار حاليا، هي كرات ثلجية ذات تدفق نقدي سلبي. كل جيل يحرق نقودا أكثر من الجيل السابق.
لكي يتحول هذا إلى تدفق نقدي إيجابي، يمكن أن يتغير منطقيا أمران فقط:
أ. تنمو الإيرادات أسرع بكثير من 2x، أو
ب. تباطأ نمو تكاليف التدريب من 5 مرات في السنة إلى شيء مثل <2 مرة
قام الرئيس التنفيذي لشركة أنثروبيك داريو أمودي بتقسيم السيناريو ب ("توقف تكاليف التدريب عن الارتفاع بشكل أسي") إلى واقعين محتملين:
1/ الحدود المادية/الاقتصادية: لا يمكنك ببساطة تدريب نموذج أكبر بخمس مرات — لا توجد شرائح كافية، ولا طاقة كافية، أو التكلفة تقترب من الناتج المحلي الإجمالي العالمي.
2/ العوائد المتناقصة: يمكنك تدريب نموذج أكبر، لكن منحنى التدرج يتسقي. إنفاق 10 أضعاف أخرى لا يستحق العناء.
ما تكشفه أرقام OpenAI وAnthropic:
التوقعات المالية المسربة من كلا الشركتين تؤكد هذا الإطار بشكل أساسي.
OpenAI: تفترض خطة OpenAI فعليا أن القدرة الحسابية الإجمالية ستتوقف عن النمو بعد عام 2028.
الترجمة: تتحسن هوامش الربح لأن تكاليف التدريب تنخفض بشكل مستقر. هذا هو السيناريو ب.
الأنثروبيك:
1/ يفترضون أن عائد الاستثمار لكل نموذج يزداد كل عام. أنفق واحدا، واسترد مثلا 5 بدلا من 2.
2/ نمو الإنفاق على الحوسبة لديهم أيضا أقل بكثير. من السنة المالية 25 إلى السنة المالية 28: نمو التكاليف الحسابية من OpenAI >> Anthropic's
باستخدام الإطار السابق، يعتمدون على نمو الإيرادات أ ونمو التكاليف ببطء ب.
🔵 $NFLX هو أقرب تشبيه
في مجال التقنية، النماذج التي تتطلب رأس مال كثيف نادرة، لكنها ليست غير مسبوقة. $NFLX تشبيه جيد: لسنوات كان هناك تدفق نقدي سلبي للغاية يزداد سوءا سنويا. كان عليهم ضخ المال في المحتوى مقدما، وانخفضت تلك الأصول خلال أربع سنوات. في كثير من النواحي، يشبه اقتصاديات مراكز البيانات وتدريب النماذج.
ذروة استهلاك الأموال في 2019: -3B
التدفق النقدي لعام 2020: +2 مليار
لماذا هذا التحول المفاجئ الإيجابي؟ كوفيد أوقف الإنتاج. توقف إنفاق المحتوى عن النمو. انقلب التدفق النقدي فورا.
🔵نهاية اللعبة: تأتي هوامش الربح عندما يتباطأ نمو التكاليف
لم يتوقف $NFLX عن الاستثمار في المحتوى تماما – بل توقف فقط عن *نمو* هذا الاستثمار بشكل مكثف بمجرد أن وصل إلى ~300 مليون مشترك عالمي. على هذا المستوى، الثبات مرتفع، وكل ما يحتاجه هو الحفاظ على موقعهم، وليس توسيع إنفاق المحتوى 10 مرات في السنة.
لا أعتقد أن OpenAI أو Anthropic سيتوقفون عن التدريب تماما. لكنهم لن يحتاجوا إلى زيادة إنفاق التدريب بمقدار أضعاف إلى الأبد. في مرحلة ما:
العائد على الاستثمار لكل موديل يرتفع، أو تبدأ حدود التكبير، أو كلاهما.
وفي اللحظة التي يتوقف فيها الإنفاق السنوي على التدريب عن النمو 5 مرات في السنة، تظهر هوامش الربح تقريبا على الفور.
هذه هي الغريبة في اقتصاد الماجستير الكبير (LLM):
إنها آلة حرق... حتى فجأة لم يعد كذلك.
المصادر:
++
المقال الكامل:
33
بعض التفكير العميق حول نموذج الأعمال النموذجي الحدودي. كل هذا يستند إلى أرقام تم تسريبها من قبل صحيفة The Information، نيويورك تايمز، وغيرها.
🔵النواة: إنها آلة حرق الحوسبة
في جوهره، النموذج بسيط للغاية: تقريبا كل التكاليف تأتي من الحوسبة – الاستنتاج، وخاصة التدريب. التدريب يتبع شيئا مثل قانون التوسع. لنفترض أن التكاليف ترتفع ~5 مرات كل عام؛ والعائد على الاستثمار في تكاليف التدريب هو ضعف الاستثمار.
هذا يخلق ديناميكية غريبة:
تكلفة التدريب للسنة الأولى: 1
إيرادات السنة الثانية من ذلك النموذج: 2
لكن تكلفة تدريب السنة الثانية للنموذج التالي: 5
صافي: +2 - 5 = -3
إذا مررت به للأمام ستزداد سوءا:
إيرادات السنة الثالثة: +10
تكلفة تدريب السنة الثالثة: -25
صافي الأهداف: -15
نماذج الحدود، كما تدار حاليا، هي كرات ثلجية ذات تدفق نقدي سلبي. كل جيل يحرق نقودا أكثر من الجيل السابق.
لكي يتحول هذا إلى تدفق نقدي إيجابي، يمكن أن يتغير منطقيا أمران فقط:
أ. تنمو الإيرادات أسرع بكثير من 2x، أو
ب. تباطأ نمو تكاليف التدريب من 5 مرات في السنة إلى شيء مثل <2 مرة
قام الرئيس التنفيذي لشركة أنثروبيك داريو أمودي بتقسيم السيناريو ب ("توقف تكاليف التدريب عن الارتفاع بشكل أسي") إلى واقعين محتملين:
1/ الحدود المادية/الاقتصادية: لا يمكنك ببساطة تدريب نموذج أكبر بخمس مرات — لا توجد شرائح كافية، ولا طاقة كافية، أو التكلفة تقترب من الناتج المحلي الإجمالي العالمي.
2/ العوائد المتناقصة: يمكنك تدريب نموذج أكبر، لكن منحنى التدرج يتسقي. إنفاق 10 أضعاف أخرى لا يستحق العناء.
ما تكشفه أرقام OpenAI وAnthropic:
التوقعات المالية المسربة من كلا الشركتين تؤكد هذا الإطار بشكل أساسي.
OpenAI: تفترض خطة OpenAI فعليا أن القدرة الحسابية الإجمالية ستتوقف عن النمو بعد عام 2028.
الترجمة: تتحسن هوامش الربح لأن تكاليف التدريب تنخفض بشكل مستقر. هذا هو السيناريو ب.
الأنثروبيك:
1/ يفترضون أن عائد الاستثمار لكل نموذج يزداد كل عام. أنفق واحدا، واسترد مثلا 5 بدلا من 2.
2/ نمو الإنفاق على الحوسبة لديهم أيضا أقل بكثير. من السنة المالية 25 إلى السنة المالية 28: نمو التكاليف الحسابية من OpenAI >> Anthropic's
باستخدام الإطار السابق، يعتمدون على نمو الإيرادات أ ونمو التكاليف ببطء ب.
🔵 $NFLX هو أقرب تشبيه
في مجال التقنية، النماذج التي تتطلب رأس مال كثيف نادرة، لكنها ليست غير مسبوقة. $NFLX تشبيه جيد: لسنوات كان هناك تدفق نقدي سلبي للغاية يزداد سوءا سنويا. كان عليهم ضخ المال في المحتوى مقدما، وانخفضت تلك الأصول خلال أربع سنوات. في كثير من النواحي، يشبه اقتصاديات مراكز البيانات وتدريب النماذج.
ذروة استهلاك الأموال في 2019: -3B
التدفق النقدي لعام 2020: +2 مليار
لماذا هذا التحول المفاجئ الإيجابي؟ كوفيد أوقف الإنتاج. توقف إنفاق المحتوى عن النمو. انقلب التدفق النقدي فورا.
🔵نهاية اللعبة: تأتي هوامش الربح عندما يتباطأ نمو التكاليف
لم يتوقف $NFLX عن الاستثمار في المحتوى تماما – بل توقف فقط عن *نمو* هذا الاستثمار بشكل مكثف بمجرد أن وصل إلى ~300 مليون مشترك عالمي. على هذا المستوى، الثبات مرتفع، وكل ما يحتاجه هو الحفاظ على موقعهم، وليس توسيع إنفاق المحتوى 10 مرات في السنة.
لا أعتقد أن OpenAI أو Anthropic سيتوقفون عن التدريب تماما. لكنهم لن يحتاجوا إلى زيادة إنفاق التدريب بمقدار أضعاف إلى الأبد. في مرحلة ما:
العائد على الاستثمار لكل موديل يرتفع، أو تبدأ حدود التكبير، أو كلاهما.
وفي اللحظة التي يتوقف فيها الإنفاق السنوي على التدريب عن النمو 5 مرات في السنة، تظهر هوامش الربح تقريبا على الفور.
هذه هي الغريبة في اقتصاد الماجستير الكبير (LLM):
إنها آلة حرق... حتى فجأة لم يعد كذلك.
المصادر:
++
المقال الكامل:
34
الأفضل
المُتصدِّرة
التطبيقات المفضلة