تقرير تحليلي – منصة أرقامي |
تقرير تحليلي – منصة أرقامي |
تسعى المملكة العربية السعودية، في إطار رؤية 2030، إلى ترسيخ مكانتها كمركز إقليمي ودولي لتقنيات الذكاء الاصطناعي (AI) عبر تمكين البنية التحتية السحابية، جذب الاستثمارات، وتنمية رأس المال البشري. يعتمد هذا التقرير على أرقام منشورة في تقارير سوقية وإعلانات رسمية للاستثمار، ويقدّم نموذج بيانات قابل للتحديث مع رسوم بيانية قابلة لإعادة إنتاج النتائج.
تنبيه مهم: تختلف تقديرات حجم السوق بين الجهات البحثية تبعًا لتعريف «سوق الذكاء الاصطناعي» (برمجيات/خدمات/عتاد) ومنهجية التقدير. لذا نعرض 3 سيناريوهات (متحفّظ/أساسي/متفائل) انطلاقًا من رقم 2024.
ما الذي يضيفه هذا الإصدار؟ مقدّمة موسّعة تُعرّف الذكاء الاصطناعي والسوق والأثر الاقتصادي، خلفية عن السياق السعودي (سدايا/PDPL/الاستثمارات)، وصف إحصائي، خريطة حرارية، وتحليل تفسيري تفصيلي مع KPIs ومخاطر وحدود منهجية.
تعريف AI (تقنيًا): مجموعة خوارزميات وأنظمة تُتيح للآلة
محاكاة قدرات بشرية (الفهم اللغوي، الرؤية الحاسوبية، الاستدلال،
التعلّم).
تعريف سوق AI (اقتصاديًا في هذا التقرير): مجموع
الإنفاق/الإيرادات السنوية على:
- البرمجيات والخوارزميات (ML/NLP/Computer
Vision/GenAI)،
- الخدمات (استشارات، تكامل، تشغيل، دعم)،
- البنية التحتية (شرائح تسريع مثل GPU/LPU، خوادم، مراكز
بيانات، سحابة).
الأثر الاقتصادي (Economic Impact): قيمة إنتاجية كلية تنشأ من اعتماد AI (تخفيض تكاليف، تسريع ابتكار، زيادة إنتاجية)، وهي قد تتجاوز حجم السوق التجاري ولا تُعدّ مبيعات مباشرة.
تفسير: الأثر الاقتصادي يجيب: “كم زادت إنتاجية الاقتصاد بفضل AI؟” بينما السوق يجيب: “كم أنفق/كم باع قطاع AI؟”. لهذا قد ترى أرقامًا تريليونية للأثر، وأرقامًا أقل لحجم السوق.
ملاحظات: هذه الأرقام للاسترشاد والتخطيط، ويُنصح بالتحديث الدوري عند توافر نشرات حكومية/شركات جديدة.
library(tidyverse)
library(scales)
library(glue)
library(reshape2) # للخريطة الحراريةنعتمد ثلاث مسارات من قيمة أساس 2024 = 6.76 مليار
دولار:
- متحفّظ: CAGR = 35.1% (محاذٍ لتقدير المصدر
البديل).
- أساسي: CAGR = 43.1% (قريب من تقدير المصدر
الأول).
- متفائل: CAGR = 45% (يفترض تسارع التبنّي والبنية).
start_year <- 2024
end_year <- 2033
years <- start_year:end_year
base_2024 <- 6.76 # مليار دولار
cagr_conservative <- 0.351
cagr_base <- 0.431
cagr_optimistic <- 0.45
make_path <- function(start_value, cagr, years){
tibble(
year = years,
value_usd_b = start_value * (1 + cagr)^(year - min(years))
)
}
df_con <- make_path(base_2024, cagr_conservative, years) %>% mutate(scenario = "متحفّظ (35.1%)")
df_base <- make_path(base_2024, cagr_base, years) %>% mutate(scenario = "أساسي (43.1%)")
df_opt <- make_path(base_2024, cagr_optimistic, years) %>% mutate(scenario = "متفائل (45%)")
df_all <- bind_rows(df_con, df_base, df_opt)
# جدول ملخّص عند نقاط رئيسية
summary_points <- df_all %>%
filter(year %in% c(2024, 2030, 2033)) %>%
arrange(scenario, year)
knitr::kable(summary_points, caption = "نقاط مختارة: 2024، 2030، 2033 (مليار دولار)")| year | value_usd_b | scenario |
|---|---|---|
| 2024 | 6.76000 | أساسي (43.1%) |
| 2030 | 58.04763 | أساسي (43.1%) |
| 2033 | 170.09964 | أساسي (43.1%) |
| 2024 | 6.76000 | متحفّظ (35.1%) |
| 2030 | 41.10350 | متحفّظ (35.1%) |
| 2033 | 101.35492 | متحفّظ (35.1%) |
| 2024 | 6.76000 | متفائل (45%) |
| 2030 | 62.82821 | متفائل (45%) |
| 2033 | 191.53966 | متفائل (45%) |
ggplot(df_all, aes(x = year, y = value_usd_b, linetype = scenario)) +
geom_line(size = 1.2) +
geom_point(size = 2) +
scale_y_continuous(labels = dollar_format(prefix = "$", suffix = "B")) +
scale_x_continuous(breaks = years) +
labs(title = "سيناريوهات نمو سوق الذكاء الاصطناعي في السعودية (2024–2033)",
subtitle = glue("قيمة الأساس في 2024 = {base_2024} مليار دولار"),
x = "السنة", y = "القيمة (مليار دولار)", linetype = "السيناريو") +
theme_minimal(base_size = 12)## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
النتيجة: حتى في السيناريو المتحفّظ، النمو كبير. الفروقات بين السيناريوهات تعكس حساسية كبيرة لافتراضات التبنّي والاستثمار.
# تحويل السيناريوهات إلى مصفوفة سنوات × سيناريو
mat <- df_all %>% select(year, scenario, value_usd_b) %>%
pivot_wider(names_from = scenario, values_from = value_usd_b) %>%
column_to_rownames("year") %>% as.matrix()
# إحصاءات وصفية لكل سيناريو
desc <- as_tibble(t(apply(mat, 2, function(v){
c(n = length(v), mean = mean(v), median = median(v), sd = sd(v), min = min(v), max = max(v))
})), rownames = "السيناريو")
knitr::kable(desc, digits = 2, caption = "الوصف الإحصائي لمسارات السيناريوهات (مليار دولار)")| السيناريو | n | mean | median | sd | min | max |
|---|---|---|---|---|---|---|
| متحفّظ (35.1%) | 10 | 37.09 | 26.47 | 31.47 | 6.76 | 101.35 |
| أساسي (43.1%) | 10 | 54.91 | 34.46 | 54.12 | 6.76 | 170.10 |
| متفائل (45%) | 10 | 60.22 | 36.61 | 61.16 | 6.76 | 191.54 |
# مصفوفة ارتباط بين السيناريوهات (منطقيًا ستكون مرتفعة بحكم بناءها على زيادة أُسية)
cor_mat <- cor(mat, use = "pairwise.complete.obs")
knitr::kable(round(cor_mat, 3), caption = "مصفوفة ارتباط بين السيناريوهات")| متحفّظ (35.1%) | أساسي (43.1%) | متفائل (45%) | |
|---|---|---|---|
| متحفّظ (35.1%) | 1.000 | 0.998 | 0.998 |
| أساسي (43.1%) | 0.998 | 1.000 | 1.000 |
| متفائل (45%) | 0.998 | 1.000 | 1.000 |
تفسير: الإحصاءات تبين أن القيم المركزية والانحرافات ترتفع مع السيناريوهات الأسرع نموًا. الارتباطات العالية بين السيناريوهات متوقعة لأنها مشتقة من نفس خط الأساس وبمعدلات نمو ثابتة؛ لكنها تظل مفيدة لإظهار أن الفروقات تأتي من سرعة النمو لا من اتجاه مختلف.
التفسير الاقتصادي: الأثر على «حجم السوق» غير خطي: تظهر الاستثمارات كبنية أولاً، ثم تتحوّل إلى إنفاق برمجي/خدمات مع نضج حالات الاستخدام (صحة، لوجستيات، مالية، تعليم). قياس العائد يتطلب KPIs تشغيلية (تكلفة الاستدلال، Rev/GPU-hour) إضافة إلى KPIs سوقية.
KPIs مقترحة حتى 2030:
- Talent: +20% سنويًا في خريجي AI/DS، وتوظيف ≥70% خلال 6
أشهر.
- Adoption: ≥10 خدمات حكومية محورية تعمل بـAI مع امتثال
PDPL 100%.
- Infra: ≥3 مراكز تدريب/استدلال تجارية؛ ≥25k شرائح
تسريع تراكمية.
- Ops: Cost per 1K inferences (↓ ربع سنويًا)،
Rev/GPU-hour (↑ ربع سنويًا)، TtP (زمن
من التجربة للإنتاج).
مخاطر وحدود:
- اختلاف تعريف «سوق AI» بين المصادر (تضمين/استبعاد فئات).
- عدم توافر بيانات قطاعية محلية تفصيلية سنوية علنية.
- حساسية شديدة لافتراضات CAGR والتبنّي التشغيلي.
- قيود سلاسل الإمداد للشرائح والطاقة والتبريد.
المملكة تمتلك عناصر قوّة: استراتيجية وطنية، استثمارات، وبنية
سحابية متنامية. تظهر السيناريوهات أن الوصول إلى عشرات المليارات
بحلول 2030 ممكن إذا استمر الزخم.
يبقى نجاح التنفيذ مرهونًا بجودة البيانات، سرعة التبنّي، وتوفّر المواهب. كل
توصية أعلاه تستهدف تحويل هذه الفرص إلى عوائد
قابلة للقياس.
جميع الحقوق محفوظة © أرقامي 2025
لمزيد من المعلومات، تواصل معنا عبر بريدنا الإلكتروني: argamil2025@gmail.com