إيرادات OpenAI من الشركات تتجاوز النصف للمرة الأولى: 5 مؤشرات رئيسية على تحول ChatGPT إلى بنية تحتية للشركات

ملاحظة الكاتب: أكد Brockman أن أكثر من نصف إيرادات OpenAI يأتي من قطاع المؤسسات. يستعرض هذا المقال كيف حدث هذا التحول، وما أثره العملي على مشتريات المؤسسات والمطورين.

في 4 نوفمبر 2026، كشف Greg Brockman، الشريك المؤسس والرئيس التنفيذي لشركة OpenAI، خلال مؤتمر التكنولوجيا الذي تنظمه صحيفة وول ستريت جورنال، أن أكثر من نصف إيرادات OpenAI يأتي حاليًا من قطاع المؤسسات. وأوضح أن الإيرادات كانت تتوزع سابقًا بنحو 30% من المؤسسات و70% من المستهلكين، أما الآن فأصبح قطاع المؤسسات أكبر مصدر للإيرادات.

هذا لا يعني أن OpenAI تتخلى عن قطاع المستهلكين. فقد أكد Brockman خلال المؤتمر أن إيرادات هذا القطاع لم تنخفض، بل لا تزال تنمو، لكن قطاع المؤسسات ينمو بوتيرة أسرع. وقد نشرت Reuters وTechCrunch وWSJ تقارير عن تصريحاته في 5 نوفمبر.

ما يقدمه المقال: يستعرض التسلسل الزمني لتحول هيكل إيرادات OpenAI لصالح المؤسسات، ويوضح الفروق بين مقاييس يسهل الخلط بينها، ويحلل أسباب تحول الذكاء الاصطناعي للمؤسسات إلى أهم محرك للإيرادات لدى شركات النماذج.

أكثر من نصف إيرادات OpenAI من الشركات: أهم المعلومات باختصار

يلخص الجدول التالي أبرز الحقائق التي كُشفت مؤخرًا. تجدر الإشارة إلى أن Brockman قال فقط إن النسبة «تتجاوز النصف»، ولم يعلن عن رقم دقيق.

هناك تفصيلان يستحقان التأكيد. أولًا، تشير نسبة 70% إلى النمو الفصلي في معدل الإيرادات السنوي التقديري (annualized revenue run rate)، وليس إلى نمو الإيرادات التشغيلية الفصلية المدققة بنسبة 70%. ثانيًا، تعني إجابة “I think so” أن Brockman يرى أن الشركة قد تكون مستعدة للطرح العام في 2027، ولا تعني تحديد موعد للطرح أو تقديم طلب بالفعل.

تسلسل زمني لتغير حصة إيرادات الشركات لدى OpenAI

لم تتجاوز إيرادات الشركات النصف فجأة. فبحسب إعلانات OpenAI الرسمية والتقارير الإعلامية، كان ذلك نتيجة تطور تدريجي استمر نحو عام.

كما يتضح، توقعت OpenAI في مارس أن «تتساوى إيرادات الشركات والمستهلكين بنهاية العام»، لكن حصة الشركات تجاوزت النصف بالفعل في أوائل نوفمبر. وهذا يعني أن نمو أعمال الشركات في الربع الثالث فاق توقعات الشركة نفسها في بداية العام.

قبل انتعاش إيرادات OpenAI من الشركات: ضغوط المنافسة في النصف الأول

لفهم هذا التحول في هيكل الإيرادات، لا يكفي النظر إلى النتيجة وحدها، بل يجب أيضًا معرفة ما مرت به OpenAI خلال النصف الأول من العام. فقد أقرّ Brockman بأن أداء OpenAI في سوق الشركات كان صعبًا نسبيًا خلال الربعين الأول والثاني من عام 2026، حتى إن عنوان تقرير WSJ استخدم كلمة “Rough” لوصف تلك الفترة.

تمحورت المشكلة أساسًا حول البرمجة باستخدام الوكلاء (Agentic Coding). وأوضح Brockman أنه رغم امتلاك OpenAI منتج Codex آنذاك، فإن حضورها في هذا السوق كان محدودًا ولم يحظَ بالاهتمام الكافي. وتُعد البرمجة من أكثر المجالات التي تركز عليها الشركات في إنفاقها على الذكاء الاصطناعي، إذ تقدر Menlo Ventures حجم سوق تطبيقات البرمجة بالذكاء الاصطناعي بنحو 34 مليار دولار في عام 2026.

ثلاثة عوامل دفعت الانتعاش في الربع الثالث

أرجع Brockman التحول في الربع الثالث إلى عدة عوامل رئيسية، مؤكدًا أنه كان ثمرة استثمارات متواصلة، ولم يحدث بين ليلة وضحاها:

• ترقية النموذج: حسّن إطلاق GPT-5.6 Sol من قابليته للاستخدام في تطبيقات الشركات.
• إطلاق ChatGPT Work: تحوّل من «مساعد للأسئلة والأجوبة» إلى وكيل قادر على تنفيذ مهام متعددة الخطوات وتسليم مستندات وتقارير مكتملة.
• توسيع المبيعات للشركات: من خلال Codex Labs، والتعاون مع سبع شركات عالمية لتكامل الأنظمة، وإطلاق OpenAI Partner Network في يونيو.

ويعكس نمو مستخدمي Codex هذا التحول أيضًا. فبحسب البيانات الرسمية المنشورة، ارتفع عدد المستخدمين النشطين أسبوعيًا من مليوني مستخدم في نهاية مارس إلى أكثر من 5 ملايين في بداية يونيو. وشكّل العاملون في الوظائف المعرفية لدى الشركات نحو خُمسهم، بمعدل نمو تجاوز ثلاثة أضعاف معدل نمو فئة المطورين. تجدر الإشارة إلى أن رقم 5 ملايين يعود إلى البيانات المنشورة في يونيو، وليس إلى أحدث الأرقام في نوفمبر.

إيرادات OpenAI من الشركات ومنافستها مع Anthropic: لا تخلط بين المقاييس

عند مناقشة إيرادات OpenAI من الشركات، من السهل الوقوع في خطأ مقارنة أرقام تستند إلى مقاييس مختلفة. تتضمن المعلومات المتاحة علنًا أربع فئات من البيانات على الأقل، لكل منها معنى مختلف تمامًا.

تساعدنا هذه الأرقام مجتمعة على رؤية صورة أكثر اكتمالًا للمنافسة. فعلى مستوى إنفاق الشركات على واجهات API، تقدّر Menlo أن Anthropic لا تزال في الصدارة، إذ ارتفعت حصتها من 40% في العام السابق إلى 55%، بينما ارتفعت حصة OpenAI من 27% إلى 31%. لكن تقرير WSJ يشير إلى أنه بين الشركات التي تشتري منتجات الطرفين، كانت Anthropic تستحوذ على نحو ثلاثة أرباع الإنفاق في بداية العام، قبل أن تتقارب حصتا الشركتين بحلول سبتمبر، ما يعكس تحسنًا واضحًا في الوضع التنافسي لـ OpenAI.

ولا يتعارض الرقمان: فالأول تقدير للسوق ككل على مدار العام، بينما يرصد الثاني التغيّر لدى مجموعة محددة من العملاء، ويعكس سرعة لحاق OpenAI بمنافستها في النصف الثاني من العام.

رقمان للإيرادات السنوية المقدّرة: 50 مليارًا و70 مليارًا

من الأمور الأخرى التي يسهل إساءة فهمها حجم الإيرادات السنوية المقدّرة لـ OpenAI. فقد ذكرت Reuters في نهاية سبتمبر أن معدل إيرادات OpenAI السنوي يقترب من 70 مليار دولار، ثم أفادت في أكتوبر بأن الرقم الخاص بسبتمبر يقترب من 50 مليار دولار. ولا يعني ذلك أن الإيرادات «انكمشت» بمقدار 20 مليار دولار.

يرجع الفرق إلى المعالجة المحاسبية للإيرادات عبر شركاء المنصات السحابية. ففي بعض المبيعات عبر هؤلاء الشركاء، تسجّل OpenAI حصتها المستحقة فقط، بينما قد تسجّل Anthropic المبلغ الكامل الذي يدفعه العميل ضمن الإيرادات، ثم تحتسب حصة المنصة السحابية كمصروف. وقد عولج رقم 70 مليارًا الذي عُرض سابقًا على المستثمرين بطريقة مماثلة تعتمد المبلغ الإجمالي، لتسهيل المقارنة مع Anthropic. كذلك، فإن معدل الإيرادات السنوي ليس سوى تقدير للحجم السنوي انطلاقًا من إيرادات فترة معينة، ولا يساوي الإيرادات التشغيلية المحققة خلال عام كامل.

تحليل أثر إيرادات OpenAI من المؤسسات: لماذا لا تختار الشركات «موردًا واحدًا»؟

يُعدّ بنك JPMorgan Chase مثالًا جيدًا لفهم كيفية شراء الشركات لتقنيات الذكاء الاصطناعي. فقد كشف Brockman خلال المؤتمر عن شراكة بين OpenAI والبنك تشمل Codex ونماذج OpenAI للأمن السيبراني، لاستخدامها في التحول المؤسسي والعمل المعرفي وحماية الأنظمة الداخلية. لكن تقارير إضافية أشارت إلى أن البنك يتعاون أيضًا مع Anthropic في مجال الأمن السيبراني.

يوضح ذلك أن شراء الذكاء الاصطناعي في الشركات الكبرى ليس لعبة محصلتها صفر تقوم على الاختيار بين طرفين. فالشركات تشتري منتجات من موردين مختلفين بحسب نوع المهمة وقدرات النموذج ومتطلبات الأمان. وبالنسبة إلى شركات تطوير النماذج، لا يعني كسب عميل كبير الاستحواذ على كامل ميزانيته؛ أما بالنسبة إلى الشركات العميلة، فإن الاعتماد على عدة موردين ممارسة اعتيادية لتقليل المخاطر وتحسين التكاليف.

التأثير على المطورين

• استخدام نماذج متعددة يصبح أمرًا معتادًا: قد يستخدم مشروع واحد داخل المؤسسة نماذج من شركات مختلفة للبرمجة والأمان والإجابة عن الأسئلة المعرفية، لذا يحتاج المطورون إلى التبديل بينها ومقارنتها بسرعة.
• إدارة التكاليف تزداد أهمية: تُظهر بيانات Menlo أن الإنفاق الفعلي للمؤسسات على الذكاء الاصطناعي بلغ في المتوسط 4.7 أضعاف إنفاق العام السابق، رغم أنها توقعت زيادته بمقدار 1.9 ضعف فقط. ويُعد تشغيل الوكلاء بالتوازي واستمرار عملهم في الخلفية من أبرز أسباب تجاوز الميزانية.
• لا غنى عن مراقبة الجودة: يشير تقرير Axios إلى أن إدارة مسارات عمل عدة وكلاء في الوقت نفسه تزيد عبء الإشراف، وأن البيانات والشفرة التي ينتجها الوكلاء لا تزال بحاجة إلى مراجعة المختصين.

بالنسبة إلى الفرق التي تحتاج إلى استخدام نماذج متعددة، يمكن لواجهة موحدة أن تقلل تكلفة التبديل بينها بشكل ملحوظ. فيما يلي مثال مبسط لاستدعاء نموذج عبر واجهة متوافقة مع OpenAI:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # واجهة APIYI الموحدة، متوافقة مع OpenAI
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",  # يُرجى الرجوع إلى قائمة نماذج المنصة لتحديد معرّف النموذج
    messages=[{"role": "user", "content": "总结本周销售会议的三个待办事项"}]
)
print(response.choices[0].message.content)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # استدعاء نماذج من شركات متعددة بمفتاح واحد
)

# يُرجى الرجوع إلى قائمة نماذج المنصة لتحديد المعرّفات؛ يمكن استبدالها بنماذج Claude أو Gemini وغيرها
MODELS = ["gpt-6.1-sol", "gpt-6.1-terra", "claude-sonnet", "gemini-pro"]

def compare_models(prompt: str):
    """استدعاء عدة نماذج لتنفيذ المهمة نفسها، وتسجيل الوقت واستخدام الرموز لتسهيل تقييم التكلفة"""
    results = []
    for model in MODELS:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency": round(time.time() - start, 2),
                "input_tokens": resp.usage.prompt_tokens,
                "output_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content[:120]
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

for r in compare_models("审查这段权限校验逻辑是否存在越权风险：..."):
    print(r)

🚀 للبدء سريعًا: إذا كان فريقك يقيّم النموذج الأنسب لكل نوع من المهام، فننصح بطلب رصيد تجريبي مجاني عبر APIYI على apiyi.com. استخدم الشفرة نفسها لمقارنة أداء OpenAI وClaude وGemini وتكلفة الرموز على بيانات عمل فعلية، ثم قرر مزيج النماذج الذي ستشتريه.

كيف تنمو إيرادات OpenAI من الشركات: من المقاعد إلى سير العمل

لماذا تنمو إيرادات الشركات أسرع من إيرادات المستهلكين؟ يكمن السبب في تعدد مصادرها. وتقسمها المصادر المرجعية إلى ثلاثة مستويات: الشراء المباشر، والتطوير والاستدعاء، ونشر سير العمل.

سقف اشتراكات المستهلكين واضح نسبيًا، إذ يدفع المستخدم ما بين $8 و$200 شهريًا. أما إيرادات الشركات فتعتمد على عاملين متضاعفين: عدد العملاء وعمق استخدام كل عميل. فقد تبدأ شركة بشراء بضع مئات من المقاعد، ثم تستخدم فرق التطوير Codex، وتستدعي الأنظمة الداخلية النموذج عبر API، وفي النهاية تترك Agent ينفذ المهام باستمرار في الخلفية.

وقد غيّر ظهور Agent طريقة استهلاك الرموز بشكل أكبر. فبحسب بيانات OpenRouter التي استشهدت بها Menlo، تستحوذ المهام التي تنفذها Agent على نحو 80% من استهلاك الرموز على المنصة. ومنذ أن تجاوزت حركة الاستخدام المدفوعة بالبشر في فبراير 2026، نمت بنحو 37 ضعفًا، مقابل نمو حركة الاستخدام البشري بنحو 5 أضعاف خلال الفترة نفسها. وتمثل هذه البيانات منصة OpenRouter الموجهة أساسًا للمطورين، ولا يمكن تعميمها مباشرة على القطاع بأكمله. لكن الاتجاه يستحق المتابعة: فاستهلاك الرموز ينتقل من الارتباط بعدد المستخدمين إلى الارتباط بحجم المهام.

لماذا تعطي المؤسسات الأولوية لقدرات الحوكمة عند الشراء؟

ChatGPT Enterprise ليس مجرد شراء جماعي لحسابات Plus الفردية. فهو يتضمن أدوات تحكم إدارية مثل SCIM وEKM وRBAC، وإمكانية تخزين البيانات في عشر مناطق، واتفاقيات مستوى الخدمة (SLA)، وشروطًا قانونية مخصصة، إلى جانب التزامات مثل عدم استخدام بيانات المؤسسات لتدريب النماذج افتراضيًا. ويتضح ذلك في حالة JPMorgan، حيث شدد Brockman على متطلبات المؤسسات المالية العالية فيما يتعلق بالثقة والأمان والموثوقية.

وتقدم حالات المؤسسات الأخرى مرجعًا مفيدًا أيضًا. فوفقًا لدراسة حالة عميل Credit Saison التي نشرتها OpenAI، حققت التجربة الأولية لـ ChatGPT Enterprise، التي شارك فيها 315 شخصًا، عائدًا على الاستثمار بنسبة 954%، ووفرت نحو 14 ساعة شهريًا لكل شخص. لكن هذه البيانات أبلغت عنها الشركة نفسها ونشرتها OpenAI؛ فهي ليست نتائج مدققة من طرف ثالث، ولا تمثل متوسط القطاع.

يعرض الجدول التالي بعض الأسعار المعلنة لوضع الاستخدام القياسي في واجهة API الرسمية من OpenAI، لمساعدة المؤسسات على تقدير تكلفة الاستدعاءات:

تؤثر أوضاع مثل Fast وFlex/Batch، وكذلك السياق الطويل والكتابة إلى ذاكرة التخزين المؤقت، في التكلفة الفعلية. كما تخضع رسوم API لنظام فوترة مختلف عن اشتراك ChatGPT.

الأسئلة الشائعة FAQ

أبرز النقاط حول إيرادات OpenAI من الشركات

• تحول في هيكل الإيرادات: ارتفعت حصة أعمال الشركات من نحو 30% إلى أكثر من النصف، مع استمرار نمو الإيرادات من المستهلكين.
• ضغوط في النصف الأول: كان حضور OpenAI في البرمجة باستخدام الوكلاء (Agentic Coding) محدودًا، قبل أن تتعافى في الربع الثالث بفضل Work وCodex.
• تمييز المقاييس: حصة الشركات من إيرادات OpenAI، وحصة الشركة من سوق واجهات API، وإنفاق العملاء المشتركين مقاييس مختلفة.
• تعدد المورّدين هو السائد: تتعاون JPMorgan Chase مع كل من OpenAI وAnthropic، فالشراء من إحداهما لا يستبعد الأخرى.
• النمو يعتمد على عمق الاستخدام: تتضافر المقاعد وواجهات API والوكلاء وسير العمل، ويحدد عمق الاستخدام حجم الإيرادات من الشركات.
• نصيحة للبدء: اختبر على نطاق صغير باستخدام الرصيد المجاني من APIYI على apiyi.com، ثم قرر مزيج المورّدين المناسب.

الخلاصة

تجاوزت إيرادات OpenAI من الشركات نصف إجمالي إيراداتها لأول مرة، في إشارة إلى أن ChatGPT يتوسع من منتج استهلاكي إلى بنية تحتية تعتمد عليها الشركات في عملياتها اليومية. وتقوم هذه النقلة على ثلاثة عوامل:

1. إيرادات الشركات لها أثر مضاعف: إلى جانب عدد العملاء، يكتسب عمق استخدام كل عميل وعدد العمليات التي يغطيها أهمية أساسية.
2. الوكلاء يغيّرون آلية الفوترة: يرتبط استهلاك الرموز (Tokens) بحجم المهام أكثر فأكثر، وليس بعدد المستخدمين وحده.
3. المنافسة لا تزال قوية: تتصدر Anthropic إنفاق الشركات على واجهات API، فيما تلحق بها OpenAI سريعًا، وتفضل الشركات استخدام خدمات عدة مزودين معًا.

بالنسبة إلى المطورين والفرق التقنية في الشركات، من الأفضل بناء القدرة على «اختيار النموذج بحسب المهمة، وتقييم التكلفة بالاعتماد على البيانات» بدلًا من الرهان على مزود واحد. ويمكن استخدام APIYI على apiyi.com لاختبار أداء النماذج المختلفة سريعًا في سيناريوهات أعمالك؛ إذ توفر المنصة واجهة متوافقة مع OpenAI ورصيدًا مجانيًا للمستخدمين الجدد.

📚 المراجع

1. Reuters – تصريحات Brockman بشأن إيرادات الشركات والطرح العام الأولي: تقرير بتاريخ 2026-11-05
2. الرابط: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. التوضيح: التقرير الأصلي عن تجاوز إيرادات الشركات نصف إجمالي الإيرادات والتصريحات بشأن الاستعداد للطرح العام الأولي

4. WSJ – انطلاقة أعمال البرمجة لدى OpenAI بعد الضغوط في النصف الأول من العام: تقرير بتاريخ 2026-11

5. الرابط: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5

6. التوضيح: ضغوط المنافسة في النصف الأول من العام والتغيرات في إنفاق العملاء المشتركين

7. Reuters – إيرادات OpenAI السنوية المحسوبة على أساس سبتمبر تقترب من 50 مليار دولار: تقرير بتاريخ 2026-10-08

8. الرابط: reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08

9. التوضيح: شرح الفرق بين تقديري 50 مليارًا و70 مليار دولار

10. OpenAI – The next phase of enterprise AI: المدونة الرسمية

11. الرابط: openai.com/index/next-phase-of-enterprise-ai

12. التوضيح: تجاوز نسبة إيرادات الشركات 40% ومعلومات عن توسع قاعدة العملاء

13. Menlo Ventures – 2026 The State of Enterprise AI: تقرير عن القطاع

14. الرابط: menlovc.com/perspective/2026-the-state-of-enterprise-ai

15. التوضيح: تقديرات إنفاق الشركات على الذكاء الاصطناعي وحصص سوق API

16. OpenAI – دراسة حالة العميل Credit Saison: نُشرت بتاريخ 2026-10-29

17. الرابط: openai.com/index/credit-saison
18. التوضيح: مثال على العائد على الاستثمار (ROI) في تجربة أولية للشركات، استنادًا إلى بيانات قدمتها الشركة

الكاتب: الفريق التقني في APIYI
للتواصل التقني: تفضل بزيارة الصفحة الرئيسية لـ APIYI على apiyi.com للتواصل معنا، وللمزيد من موارد التكامل يمكنك الرجوع إلى مركز التوثيق على docs.apiyi.com