#

النقاط الرئيسية

• جمعت Odyssey تمويلاً من الفئة Series B بقيمة 310 ملايين دولار عند تقييم بلغ 1.45 مليار دولار.

• تقول الشركة إن AWS أصبحت الآن مزودها السحابي المفضل.

• تخطط لتحسين النماذج لتعمل على شرائح Trainium.

• بالنسبة للمغرب، فالإشارة تتعلق ببنية الذكاء الاصطناعي التحتية والمحاكاة واستراتيجية الحوسبة.

• ينبغي للفرق المغربية أن توازن بين البيانات والمهارات والمشتريات والامتثال قبل تقليد الاتجاهات العالمية.

ما الذي حدث

ذكرت TechCrunch في 17 يونيو 2026 أن Odyssey جمعت تمويلاً من الفئة Series B بقيمة 310 ملايين دولار عند تقييم بلغ 1.45 مليار دولار. وقادت الجولة Natural Capital. كما شاركت Amazon وAMD Ventures وGV وآخرون.

وتُوصف Odyssey بأنها شركة ناشئة في مجال world models أسسها رواد في المركبات ذاتية القيادة. كما قالت الشركة إن AWS أصبحت الآن مزودها السحابي المفضل. وأضافت أنها ستعمل على تحسين نماذجها لتناسب شرائح Trainium.

بالنسبة للقراء المغاربة، فالمغزى ليس التقييم وحده. الإشارة الأكثر فائدة هي إلى أين يتجه رأس المال. فالمستثمرون يدعمون بنية الذكاء الاصطناعي التحتية والمحاكاة وكفاءة النماذج، وليس فقط منتجات الذكاء الاصطناعي الموجهة للمستهلكين.

لماذا يهم هذا المغرب

غالباً ما يركز النقاش المغربي حول الذكاء الاصطناعي على التطبيقات. ويشمل ذلك خدمة العملاء، ومعالجة المستندات، والتحليلات، ودعم البرمجيات. وتوضح هذه الأخبار أن الطبقة التي تقع تحت هذه التطبيقات مهمة أيضاً.

تحتاج world models والأنظمة الثقيلة على المحاكاة إلى قدرة حوسبة قوية، وخطوط بيانات موثوقة، وخيارات نشر مدروسة. وقد تحتاج الشركات المغربية التي ترغب في بناء منتجات ذكاء اصطناعي متقدمة إلى التفكير في اختيار السحابة، وكفاءة الشرائح، والتكاليف التشغيلية على المدى الطويل. وهذا مهم بشكل خاص عندما تكون الميزانيات محدودة.

كما أن تفصيل AWS وTrainium يمثل إشارة سوقية مفيدة. فهو يوضح أن اللاعبين الكبار في الذكاء الاصطناعي يربطون تطوير النماذج بخيارات بنية تحتية محددة. ولا تحتاج الفرق المغربية إلى نسخ هذا المسار. لكنها قد تحتاج إلى فهم كيف تؤثر قرارات البنية التحتية في التكلفة والسرعة وقابلية التوسع.

سياق المغرب: ما الذي ينبغي للفرق المحلية ملاحظته

بالنسبة للمؤسسات المغربية، فإن السؤال العملي هو ما إذا كانت البيانات والبنية التحتية المطلوبة متوفرة. فالكثير من مشاريع الذكاء الاصطناعي تفشل قبل أن يبدأ تدريب النموذج. والعوائق المعتادة هي البيانات غير المكتملة، والأنظمة المجزأة، وغموض المسؤولية.

ويُعدّ تداخل اللغات قضية أخرى. فالفرق المغربية تعمل غالباً بالعربية والفرنسية وأحياناً بالإنجليزية. وأي نظام ذكاء اصطناعي مخصص للاستخدام المحلي قد يحتاج إلى التعامل مع هذا المزيج بعناية. وقد يؤثر ذلك في وسم البيانات، والاختبار، وتجربة المستخدم.

كما أن المشتريات مهمة. فإذا أراد فريق ما ذكاءً اصطناعياً قائماً على السحابة، فإنه يحتاج إلى عملية شراء واضحة ونموذج تكلفة واقعي. وإذا أراد نشرًا محلياً أو هجيناً، فإنه يحتاج إلى أجهزة وصيانة ودعم داخلي. هذه ليست تفاصيل صغيرة. فهي تحدد ما إذا كان المشروع سيصمد بعد مرحلة التجربة أم لا.

حالات استخدام محتملة في المغرب

تتعلق جولة تمويل Odyssey بـ world models، لكن الدرس الأوسع ينطبق أيضاً على حالات الاستخدام المغربية. فقد تكون المحاكاة وتحسين النماذج مهمتين في القطاعات التي تحتاج إلى التنبؤ أو التخطيط أو دعم اتخاذ القرار المعقد.

فعلى سبيل المثال، يمكن للشركات المغربية استخدام الذكاء الاصطناعي المتقدم لاختبار السيناريوهات قبل اتخاذ القرارات التشغيلية. كما قد تستخدم الفرق العامة والخاصة أدوات شبيهة بالمحاكاة لتحسين التخطيط، وتقليل العمل اليدوي، أو دعم الفرق التقنية. وهذه افتراضات وليست ادعاءات بشأن عمليات نشر حالية.

وينطبق المنطق نفسه على فرق البرمجيات. فإذا بنت شركة ناشئة مغربية منتجات ذكاء اصطناعي لعملاء محليين، فقد تستفيد من نماذج أصغر وأكثر كفاءة. وقد يؤدي ذلك إلى تقليل زمن الاستجابة وفواتير السحابة. كما قد يجعل النشر أسهل في البيئات ذات الاتصال غير المستقر.

المخاطر والحوكمة

يحمل هذا النوع من بنية الذكاء الاصطناعي مخاطر حقيقية. ومن بينها خصوصية البيانات. فإذا أرسلت مؤسسة مغربية معلومات حساسة إلى مزود سحابي، فعليها أن تفهم ضوابط الوصول، وسياسات الاحتفاظ، والسياسة الداخلية.

وتُعدّ الأمن السيبراني قضية أخرى. فزيادة استخدام الذكاء الاصطناعي قد توسع سطح الهجوم. وتحتاج الفرق إلى المصادقة، والتسجيل، وصلاحيات واضحة. كما تحتاج إلى مراقبة إساءة استخدام النماذج، وهجمات حقن الأوامر، وتسرب البيانات.

ولا ينبغي أن تكون الامتثال فكرة لاحقة. فصناع السياسات وقادة الأعمال في المغرب سيحتاجون إلى مراجعة العقود، وقواعد التعامل مع البيانات، والتزامات الموردين قبل توسيع أي نظام ذكاء اصطناعي. وهذا صحيح بشكل خاص عندما يتعامل النظام مع بيانات العملاء أو السجلات التشغيلية.

كما أن المهارات تمثل قيداً. فبناء أنظمة ذكاء اصطناعي متقدمة وصيانتها يتطلب مهندسين، ومتخصصي بيانات، وفرق منتجات قادرة على العمل معاً. وإذا كانت هذه المهارات محدودة، فقد تحتاج المؤسسات المغربية إلى تدريب أو دعم خارجي أو نطاقات مشاريع أضيق.

ما الذي ينبغي للقراء المغاربة فعله بعد ذلك

ابدأ بالمشكلة، لا بالنموذج. ينبغي للفرق المغربية أن تحدد المهمة التجارية، والبيانات المتاحة، والعائد المتوقع. فإذا كانت حالة الاستخدام ضعيفة، فلن يصلحها نموذج أكثر تقدماً.

ثم قيّم البنية التحتية مبكراً. اسأل ما إذا كان المشروع يحتاج إلى نشر سحابي أو هجين أو محلي. واسأل عن مقدار الحوسبة التي سيستخدمها، وعدد مرات تشغيله، وكيف قد تبدو التكلفة الشهرية. هذه الأسئلة مهمة قبل بدء المشتريات.

كما ينبغي للفرق اختبار الملاءمة اللغوية وملاءمة سير العمل. فقد لا يعمل نظام ينجح بالإنجليزية جيداً بالعربية أو الفرنسية من دون تكييف. وقد يحتاج المستخدمون المغاربة أيضاً إلى واجهات تناسب العمليات المحلية وسلاسل الموافقة.

وأخيراً، ابنوا الحوكمة منذ البداية. ضعوا قواعد للوصول إلى البيانات، ومراجعة الموردين، والإشراف البشري، والاستجابة للحوادث. هذا النهج أبطأ في البداية، لكنه أكثر أماناً واستدامة.

الخلاصة

تذكّر جولة تمويل Odyssey بأن بنية الذكاء الاصطناعي التحتية أصبحت موضوعاً استثمارياً رئيسياً. وبالنسبة للمغرب، فالعبرة ليست في مطاردة العنوان، بل في دراسة الطبقة التقنية خلفه.

قد تحتاج الشركات وصناع القرار في المغرب إلى التفكير في الحوسبة، وجودة البيانات، والمشتريات، واللغة، والامتثال في الوقت نفسه. وهنا تبدأ الجاهزية الحقيقية للذكاء الاصطناعي. والسوق العالمية ترسل إشارة واضحة: البنية التحتية مهمة. والخطوة التالية للمغرب هي تحديد كيف تتوافق هذه الإشارة مع الاحتياجات المحلية.