تستحوذ Stripe على OpenRouter مقابل 7.5 مليار دولار لترسيخ مكانتها في تدفقات رأس المال للذكاء الاصطناعي (AI)
الاتجاه الأول: السباق ينتقل من النماذج إلى البنية التحتية والتوزيع
أبرز صفقة هذا الأسبوع هي تأكيد استحواذ Stripe على OpenRouter مقابل 7.5 مليار دولار، وفق ما أُعلن في 19 أغسطس. وبلغت قيمة OpenRouter 1.3 مليار دولار في مايو؛ وتشير التقديرات إلى أن المؤسسين وحدهم سيحصلون على 1.5 مليار دولار، بينما يحصل المستثمرون على المبلغ المتبقي البالغ 6 مليارات دولار. وتفوق عرض Stripe على عروض مشترين آخرين من بينهم Databricks. وارتفع استهلاك OpenRouter للرموز بنسبة 9% على أساس أسبوعي منذ بداية العام.
تؤطر رسالة مؤسس Stripe هذه الخطوة حول ما يسميه باتريك كوليسون "التفرد" — وهو مصطلح ساخر استخدمه منذ مؤتمر الشركة في أبريل. وتقول Stripe إن 88% من شركات قائمة Forbes AI 50 تستخدم منتجاتها، ومن بينها OpenAI وAnthropic. وينقل الاستحواذ Stripe إلى جانب النفقات في دفتر الحسابات، وتحديدًا إدارة الإنفاق على الذكاء الاصطناعي. ويفسر فرانكو غراندا، المحلل لدى PitchBook، الصفقة بأنها تجعل Stripe جزءًا من "وسط تدفقات رأس المال في عصر الذكاء الاصطناعي"، مع اكتسابها نفوذًا على المختبرات الرائدة وشركات الحوسبة السحابية فائقة النطاق والسحابات الجديدة من خلال الموجّه. وأطلقت كل من Databricks (بصفتها بوابة للذكاء الاصطناعي) وRippling وRamp أدواتها الخاصة لإدارة نفقات الرموز خلال الأسابيع الأخيرة.
على صعيد الرقائق، أفصحت Marvell إلى هيئة الأوراق المالية والبورصات الأمريكية (SEC) في 19 أغسطس عن توسيع شراكتها في الرقائق المخصصة مع Google، ومنحت Google سندًا يخوّلها شراء ما يصل إلى 58,970,907 سهمًا بسعر 206.58 دولارًا (نحو 95.63% من الإغلاق السابق). وتغطي الاتفاقية، الموقعة في 29 يوليو، السيليكون المخصص المرتبط بمنظومة وحدات معالجة الموتر (TPU) من Google، وتشمل مسرعات الاستدلال للذكاء الاصطناعي، ووحدات التحكم في التخزين، ووحدات التحكم في واجهات الشبكة، والحوسبة القريبة من الذاكرة. ويُستحق السند على 240 دفعة، بواقع دفعة واحدة لكل 500 مليون دولار من إيرادات المنتجات المخصصة، بدءًا من الربع الثالث من السنة المالية 2027 وحتى السنة المالية 2033. وارتفع سهم Marvell بأكثر من 10% في تداولات ما قبل افتتاح السوق.
تعمل Nvidia في هذه الأثناء كوسيط في دول الشمال الأوروبي، بحسب مصادر CNBC في 20 أغسطس. وتربط الشركة بين الجهات التي تمتلك وحدات معالجة الرسومات (GPU) الخاصة بها ومشغلي مراكز البيانات الذين يمتلكون الطاقة والأراضي لكنهم يحتاجون إلى عملاء في مجال الحوسبة. وكانت المديرة المالية كوليت كريس قد لمّحت إلى ذلك في يونيو. وأعلنت Pure DC في يوليو عن مجمع بيانات بقدرة 110 ميغاواط في فنلندا باستثمارات تبلغ 1.5 مليار يورو، وقابل للتوسع إلى أكثر من 550 ميغاواط؛ وتخطط Arcem لقدرة تصل إلى 500 ميغاواط؛ وأعلنت Nebius في مارس عن خطط لإنشاء أحد أكبر مصانع الذكاء الاصطناعي في أوروبا؛ وفي أبريل، استأجرت Microsoft سعة إضافية في مشروع Nscale في النرويج. وتُحصي شركة الشبكة النرويجية Statnett ما قدره 2.3 غيغاواط من مشاريع مراكز البيانات التي تنتظر الربط بالشبكة.
الاتجاه الثاني: إعادة بناء طبقة الوكلاء — من النموذج إلى الحزام
أصبح DeepSeek Harness مفتوح المصدر قبل يومين إلى جانب DeepSeek V4 Pro، وتجاوز 95,000 نجمة على GitHub خلال 48 ساعة. وتتمثل صيغته الأساسية في "الوكيل = النموذج + الحزام"، إذ يغلّف الحزام النموذج بإتاحة الوصول إلى نظام الملفات والطرفية والويب والأدوات. ووضعت قياسات المجتمع عدد الإضافات في المنظومة عند أكثر من 700 إضافة. ووجد اختبار عملي أجراه أحد المطورين أن الوضع القياسي تعامل مع تحليل المستودعات (13 ثانية، بدقة حتى مستوى السطر)، وحلقات برمجية مع أوامر Shell مع تصعيد في بيئة معزولة، وإعادة هيكلة عبر وكلاء فرعيين متعددين (مع نجاح 25 حالة pytest). كما ظهرت نقاط ضعف أيضًا: وضع مصغّر يفشل على Windows، وبحث ويب من دون أداة لجلب الصفحات يؤدي إلى عدم التقارب.
في السياق ذاته، أخضع محللو Jefferies ثمانية وكلاء سائدين لمهام مكتبية حقيقية، وصنفوا Qwen Office من Alibaba في المرتبة الأولى إجمالًا، متفوقًا على Claude Cowork وCodex. وكان Qwen Office الوكيل الوحيد الذي تجاوز 90 في كل بُعد — تلخيص التقارير السنوية استنادًا إلى الملفات، ومقارنة البيانات عبر الإنترنت، والتحكم في المتصفح، وإنشاء عروض تقديمية بالإنجليزية بصيغة PPT، وإنشاء الملصقات من صور مرجعية. وقسّم Jefferies القدرة إلى نموذج وحزام؛ وكانت "درجة الحزام الضمنية" الخاصة بـ Qwen Office في صدارة المجال. وتقل تسعيرة واجهة برمجة التطبيقات (API) لنموذج Qwen 3.8 Max بشكل كبير عن تسعيرة عدة نماذج أجنبية، ويُبرز التقرير "التكلفة لكل مهمة" بوصفها المقياس التجاري الناشئ.
أضاف Claude Code نمط إخراج "موجز" (Concise)، أعلنته Anthropic في 19 أغسطس، وهو يعيد النتائج مباشرة ويُبقي الردود قصيرة، مع توفر التفاصيل الكاملة عند المتابعة. ووصل OpenAI Codex إلى مرحلة تجريبية لتقديم الإقرارات الضريبية، عالجت 7,000 إقرار وخفضت زمن التحضير بنحو الثلث، مع قدرة الفرق على بناء منتجاتها الخاصة على الحزام مفتوح المصدر الخاص بـ Codex (حسب تقارير 20 أغسطس).
الاتجاه الثالث: السلامة تتحول إلى تكلفة حوسبة
وسّعت OpenAI في 20 أغسطس نطاق عدم الاحتفاظ بالبيانات ليشمل عملاء واجهة برمجة التطبيقات المؤهلين من نماذجها الرائدة، واستعرضت "معالجة السلامة الخاصة" (Private Safety Processing)، وهو نظام آلي يكتشف أنماط المخاطر عبر التفاعلات دون السماح لموظفي OpenAI بالاطلاع على المحتوى الأساسي. وتشير الشركة إلى أن بعض المخاطر الشديدة لا تظهر إلا عبر تفاعلات متعددة، وهو ما تفوته أنظمة السلامة التي تعمل على مستوى كل رسالة على حدة. وبالنسبة للتخزين المستضاف لدى OpenAI، يُشفَّر المحتوى بمفاتيح يتحكم فيها العميل. ومن المقرر الإطلاق العام في سبتمبر مع ورقة تقنية بيضاء.
وتعزز ورقتان صدرتا هذا الأسبوع الحجة الداعية إلى المراقبة. إذ تحذر ورقة من مختبر شنغهاي للذكاء الاصطناعي وجامعة تسينغهوا من أن وكلاء الذكاء الاصطناعي قد يهددون الفاعلية الإنسانية قبل أن يمتلكوا وعيًا، مع تغير فئة الخطر كلما اتسع نطاق التفكير — فبمجرد أن يصبح الوكيل قادرًا على تمثيل حالته الذاتية، يتحرك نحو التظاهر بالمواءمة ورفض الإغلاق. ووجدت دراسة منفصلة أن تسميم التوليد المعزز بالاسترجاع (RAG) يرفع ثقة النموذج ويتغلب على أجهزة الكشف القائمة على عدم اليقين، في حين يمكن لمراقبة توزيع الانتباه على مستوى المستند أن تكشف التسميم قبل وقوع الخطأ.
تشير تقارير الصناعة إلى أن نحو 20% من الحوسبة الاستدلالية تذهب إلى مراقبة الذكاء الاصطناعي — أي أن أعباء مراقبة السلامة تمثل فئة تكلفة قائمة بذاتها. وفي سياق منفصل، قالت في-في لي في 19 أغسطس عبر Bloomberg إن على الممارسين أن يشرحوا بشكل أفضل ما يقدمه الذكاء الاصطناعي، محذرة من أن المعارضة المتزايدة في الولايات المتحدة — إذ يجد مركز بيو للأبحاث أن نصف الأمريكيين أصبحوا الآن أكثر قلقًا من الحماس — تحمل مخاطر عالمية. واستشهدت بجولة تمويل World Labs البالغة مليار دولار في فبراير وبعملها على نماذج العالم في مجالات الروبوتات والطب والتعليم.
الاتجاه الرابع: المصدر المفتوح والتعليم بوصفهما الذيل الطويل
أصبحت Mojo، لغة برمجة الذكاء الاصطناعي التي ابتكرها كريس لاتنر (LLVM وClang وSwift)، الآن مفتوحة المصدر بالكامل. فقد أُتيح المترجم وأدوات التطوير وكل ما يلزم لبناء اللغة من الكود المصدري على مستودع GitHub الخاص بشركة Modular بموجب ترخيص Apache 2.0 مع استثناء LLVM، ليكتمل بذلك جهد استمر أربع سنوات. وكانت المكتبة القياسية ومعظم أكواد النواة مفتوحة المصدر بالفعل. ولم تقبل Modular، التي استحوذت عليها Qualcomm في يونيو، المساهمات الخارجية في المترجم حتى الآن، وتخطط لفتح هذا المجال في أواخر عام 2026.
ترى مقالة تيرينس تاو "الرياضيات في عصر الذكاء الاصطناعي"، المقدمة إلى وقائع المؤتمر الدولي لعلماء الرياضيات (ICM) 2026 في 17 أغسطس، أن على علماء الرياضيات تنحية النقاشات حول قدرات الذكاء الاصطناعي جانبًا، والبحث بدلًا من ذلك في الغاية الحقيقية من البحث الرياضي، مستخدمةً حل المسائل كدراسة حالة. وهو يُصوِّر اللحظة الراهنة بوصفها فترة اضطراب تضاهي أزمة الأسس في أوائل القرن العشرين.
أطلقت Google في 19 أغسطس مجموعة من أدوات الدراسة عبر بحث Google وGemini: عناصر بصرية تفاعلية تم توليدها بالذكاء الاصطناعي، ومحاكاة ثلاثية الأبعاد، ومركزًا للطلاب، واختبارات تدريب مخصصة، ومستندات دراسية مبنية من الملفات المرفوعة. وبإمكان Gemini Live الآن إجراء بحث متعدد الخطوات في الخلفية ومناقشة النتائج صوتيًا. وكشف نموذج الفيديو Muse من Meta عن أولى مخرجاته في إطار نسخة تجريبية مغلقة، مع قيود صارمة على حقوق النشر وصوت أصلي للكلام والموسيقى.