Insights AI

استراتيجية Amazon للبنية التحتية للذكاء الاصطناعي بقيمة $220 مليار: رقائق مخصصة، واقتصاديات مراكز البيانات، وتوسيع نطاق الذكاء الاصطناعي للمؤسسات

بودكاست · استمع (20 د)

$220B AI Bet: How AWS Custom Chips Cut Costs 40%

المحتويات
  1. 1. معضلة النفقات الرأسمالية: توسيع البنية التحتية في ظل طلب لا يشبع
  2. 2. آليات اقتصاديات مراكز البيانات والاحتكاكات المتعلقة بشبكة الكهرباء العامة
  3. 3. تركز الطلب على الذكاء الاصطناعي عند طرفين ودور الرقائق المخصصة
  4. 4. التصميم التنظيمي في عصر الوكلاء وواقع الأمن السيبراني
  5. 5. تخصيص رأس المال والتحالفات الاستراتيجية وإعادة ابتكار المنتجات الأساسية
  6. الأرقام الرئيسية
  7. ما الذي قد يغيّر هذه الصورة
  8. المصادر والمراجع

تخوض أمازون دورة غير مسبوقة من النفقات الرأسمالية بقيمة $220 مليار في 2026 لتوسيع بنيتها التحتية العالمية للذكاء الاصطناعي والحوسبة السحابية. وفي ظل طلب متواصل أدى إلى بيع كامل القدرة الحاسوبية حتى نهاية 2026، ومعظمها لعام 2027، وحجز جزء كبير منها حتى 2028، توازن الشركة بين استثمارات مالية ضخمة على المدى القريب وتحقيق عوائد من البنية التحتية على المدى الطويل. ولتمكين تبنٍّ واسع للذكاء الاصطناعي في المؤسسات عبر أعباء العمل الإنتاجية الأساسية — وهو ما تعوقه حالياً تكاليف الاستدلال المرتفعة — تنشر أمازون رقائق مخصصة، تشمل مسرّعات Trainium ورقائق وحدات المعالجة المركزية Graviton التي طورتها Annapurna Labs. وإلى جانب تحول جوهري نحو مسارات عمل هندسة برمجيات فائقة الرشاقة وقائمة على الوكلاء، تهدف استراتيجية تخصيص رأس المال هذه إلى خفض تكلفة الحوسبة بمقدار رتبة عشرية وترسيخ ريادة أساسية في عصر الذكاء الاصطناعي الناشئ.

1. معضلة النفقات الرأسمالية: توسيع البنية التحتية في ظل طلب لا يشبع

دفع الحجم الهائل للطلب الحالي على الذكاء الاصطناعي في المؤسسات عمليات بناء البنية التحتية السحابية إلى آفاق غير مسبوقة. وتتوقع أمازون أن يبلغ إجمالي النفقات الرأسمالية نحو $220 مليار في 2026 — بما يعادل معدل ضخ استثنائي لرأس المال يبلغ حوالي $600 مليون يومياً. ورغم هذا الالتزام الرأسمالي، تظل القدرة الحاسوبية مقيدة بشدة عبر المنظومة السحابية. فقد بيعت بالكامل قدرة خدمات أمازون ويب حتى نهاية 2026، وبيع معظمها لعام 2027، وحُجزت بالفعل تخصيصات كبيرة منها حتى 2028. وبينما تبدي الأسواق المالية أحياناً شكوكاً بشأن الحجم المالي الضخم المطلوب لتمويل هذا التوسع، أصبحت البنية التحتية للحوسبة المؤسسية مرفقاً أساسياً للتجارة العالمية والخدمات المصرفية والرعاية الصحية وعمليات البرمجيات.

يخلق هذا التوسع السريع مفاضلات تشغيلية ومالية مؤقتة تتشابه إلى حد كبير مع توسع شبكة أمازون المادية خلال الجائحة. فبين 2020 و2022، ضاعفت أمازون نطاق شبكة تنفيذ طلباتها — وهي شبكة مادية بُنيت على مدى السنوات الـ25 السابقة — في 18 شهراً فقط. وبالتزامن مع ذلك، أنشأت الشركة شبكة نقل للميل الأخير تضاهي في حجمها شبكة United Parcel Service في 20 شهراً.

عندما تُبنى البنية التحتية المادية أو الرقمية بهذه السرعة الهائلة، تنشأ أوجه قصور تشغيلية لا محالة. ففي قطاع التجزئة، أدى التوسع السريع في البداية إلى ضغوط شديدة على تكلفة تقديم الخدمة. وبدلاً من المساس بتجربة العملاء أو خفض المعايير التشغيلية الراسخة في ثقافة الشركة، استفادت أمازون من مقاييس البيانات الداخلية وآليات المراجعة التنفيذية لتحديد الاختناقات الهيكلية. وأفضى ذلك إلى إعادة تصميم كاملة لبنيتها التحتية اللوجستية، بتحويل شبكة تنفيذ طلبات وطنية غير مقسمة إلى نموذج إقليمي. ووضع هذا التقسيم الإقليمي المخزون أقرب إلى المستهلكين النهائيين، ما خفّض في الوقت نفسه مسافات النقل وتكلفة تقديم الخدمة التشغيلية، وسرّع وتيرة التسليم.

يتكشف تطور معماري مماثل في البنية التحتية الرقمية. ويصف آندي جاسي، الرئيس التنفيذي لأمازون، التوسع الحالي في بناء مراكز البيانات بأنه ضرورة صناعية حديثة، مقارناً إياه بمشروعات البنية التحتية الفيدرالية التاريخية. وأشار جاسي: «لم يشهد العالم وهذا البلد شيئاً مماثلاً، ربما منذ أن بنينا الطرق السريعة والجسور في خمسينيات القرن العشرين (1950s)». وينطوي تجاوز هذه الدورة الرأسمالية أو تأخيرها على مخاطرة استراتيجية عميقة؛ إذ قد يؤدي عدم إنشاء بنية تحتية محلية للحوسبة إلى التنازل عن الريادة التكنولوجية والمعايير التشغيلية لمنافسين أجانب مثل الصين.

2. آليات اقتصاديات مراكز البيانات والاحتكاكات المتعلقة بشبكة الكهرباء العامة

يتطلب فهم اقتصاديات مراكز البيانات فائقة النطاق تقييم الدورة النقدية المميزة ذات الجزأين التي تحكم البنية التحتية السحابية:

  • هياكل مراكز البيانات والبنية التحتية للطاقة: تتطلب الهياكل المادية لمراكز البيانات وتوصيلات الطاقة التزامات رأسمالية قبل تركيب الخوادم بنحو عامين. غير أن هذه الهياكل تمثل أصولاً ذات عمر نافع يبلغ 30 عاماً، وتتطلب إنفاقاً رأسمالياً أساسياً واحداً.
  • الخوادم ومعدات الشبكات: لا تُشترى أصول تقنية المعلومات — مثل رفوف الخوادم ومعدات الشبكات والذاكرة عالية عرض النطاق الترددي والذاكرة الديناميكية ذات الوصول العشوائي — إلا قبل نشرها ببضعة أشهر. ويبلغ العمر النافع لهذه الأصول 5 إلى 6 أعوام، وتصل عادةً إلى نقطة التعادل خلال ثلاثة أعوام، وتدعمها عقود طويلة الأجل مع العملاء يبلغ متوسط مدتها خمسة أعوام.

نظراً إلى أن هياكل مراكز البيانات تتطلب رأس مال أولياً ضخماً قبل توليد الإيرادات بعامين، تواجه الشركات المشغلة للبنية التحتية فائقة النطاق ضغوطاً مؤقتة كبيرة على التدفق النقدي الحر خلال مراحل البناء المتسارع. وتعود التدفقات النقدية إلى مستوياتها الطبيعية وتنمو بصورة تراكمية بمجرد دخول المنشآت حيز التشغيل وتركيب الخوادم وبدء تحقيق الإيرادات من عقود العملاء. وقال جاسي خلال النقاش: «حتى مع إنفاق $220 مليار على النفقات الرأسمالية هذا العام، فإننا نترك قدراً ملموساً من الطلب دون تلبية».

وبالتزامن مع ذلك، يواجه تطوير البنية التحتية فائقة النطاق اعتراضات سياسية ومحلية بشأن تأثيراته البيئية وتأثيراته على شبكة الكهرباء. وتدحض البيانات التجريبية من المصادر عدة تصورات عامة خاطئة شائعة:

  • استخدام المياه: تتميز أنظمة تبريد مراكز البيانات بكفاءة عالية مقارنة بالعقارات التجارية التقليدية. فعلى سبيل المثال، يستهلك قطاع الغولف مياه أكثر بـ200 مرة من جميع مراكز بيانات أمازون مجتمعة، ويستهلك خلال يومين مياه أكثر مما تستخدمه مراكز بيانات أمازون في عام كامل.
  • الانبعاثات والمولدات الاحتياطية: لا تعمل مولدات الديزل الاحتياطية الموجودة في المواقع بصورة مستمرة. فهي تعمل حصراً خلال انقطاع الكهرباء والصيانة الدورية، لمدة تقارب 0.1% من العام (نحو 10 ساعات سنوياً).
  • الأثر الاقتصادي المحلي وأثر شبكة الكهرباء: تمثل مراكز البيانات قواعد ضريبية ضخمة للمجتمعات المحلية المضيفة. ففي مقاطعة سانت جوزيف بولاية إنديانا، دفعت أمازون نحو $3 مليار من الضرائب المحلية. علاوة على ذلك، التزمت أمازون بتقديم $1 مليار على مدى خمسة أعوام مباشرة إلى المجتمعات المضيفة من خلال برنامجها «نبني معاً». وبينما يفرض النمو السريع في الطلب على الطاقة تحديثات للشبكة في البداية، تُظهر البيانات التاريخية من مناطق في إنديانا وجورجيا وميسيسيبي أن أسعار خدمات المرافق المحلية تستقر أو تنخفض بمرور الوقت بمجرد تركيب سعة البنية التحتية للشبكة الإقليمية.

3. تركز الطلب على الذكاء الاصطناعي عند طرفين ودور الرقائق المخصصة

يكشف التبني الحالي للذكاء الاصطناعي في المؤسسات عن اختلال هيكلي يصفه آندي جاسي بأنه «طلب يتمركز عند طرفي قضيب الأثقال». ويتركز استهلاك الحوسبة بشدة عند طرفين متباعدين من السوق، ما يترك الغالبية العظمى من أعباء العمل المؤسسية دون تغلغل للذكاء الاصطناعي:

  • الطرف مرتفع الاستهلاك الحاسوبي: يشمل مختبرات أبحاث الذكاء الاصطناعي المتقدمة والتطبيقات الاستهلاكية ذات الانتشار الجامح، التي تستهلك كميات هائلة من القدرة الحاسوبية بغض النظر عن السعر.
  • الطرف منخفض الاستهلاك الحاسوبي: يشمل المؤسسات التي تستخدم الذكاء الاصطناعي لتجنب تكاليف محددة وتحسين الإنتاجية، مثل خدمة العملاء المؤتمتة واكتشاف الاحتيال.
  • الوسط غير المخترق: يشمل التطبيقات الإنتاجية الأساسية للمؤسسات، التي تظل مرتبطة إلى حد كبير بمعماريات وحدات المعالجة المركزية التقليدية.

تتمثل العقبة الأساسية التي تمنع انتقال أعباء العمل الإنتاجية الأساسية هذه إلى مسرّعات الذكاء الاصطناعي في تكلفة الاستدلال. ورغم انخفاض تكاليف الاستدلال، فإنها لا تزال أعلى بمقدار رتبة عشرية مما يبرر إعادة كتابة التطبيقات الشائعة. ولاحظ جاسي: «لا تزال تكلفة الاستدلال... في رأيي أعلى بمقدار رتبة عشرية مما يسمح باستخدامه على أوسع نطاق ممكن». وإذا ظل فرق التكلفة بين الحوسبة التقليدية بوحدات المعالجة المركزية والحوسبة المسرّعة بالذكاء الاصطناعي مرتفعاً، فلا بد أن تحقق المنفعة الإضافية في الأداء عتبة مرتفعة على نحو غير طبيعي للعائد على الاستثمار. ويُعد خفض تكلفة الاستدلال المحفز الأساسي الوحيد اللازم لفتح هذه السوق الوسطى الضخمة.

تعتمد استراتيجية أمازون لخفض تكاليف الاستدلال بدرجة كبيرة على الرقائق المخصصة التي تطورها Annapurna Labs، التي استحوذت عليها في 2015. وكان الهدف الأصلي من الاستحواذ على Annapurna نقل مهام التخزين والشبكات والمحاكاة الافتراضية والأمن من وحدات المعالجة المركزية للخوادم إلى بطاقات واجهة شبكة مخصصة. وأتاحت هذه المعمارية لخدمات أمازون ويب تخصيص ما يقرب من 100% من قدرة وحدات المعالجة المركزية لخوادم Elastic Compute Cloud [EC2] مباشرة لأعباء عمل العملاء.

أثمر هذا الأساس الهندسي عائلتين محوريتين من الرقائق:

  • وحدات المعالجة المركزية Graviton: طُورت رقائق Graviton بديلاً لمعمارية x86 التقليدية، وتقدم ميزة بنسبة 40% في الأداء مقابل السعر مقارنة بمعالجات x86 القياسية. واليوم، يستخدم Graviton ما نسبته 99% من أكبر 1,000 عميل لخدمة EC2 لدى خدمات أمازون ويب.
  • مسرّعات الذكاء الاصطناعي Trainium: صُممت معالجات Trainium خصيصاً لتدريب التعلم العميق والاستدلال، وتقدم ميزة تتراوح بين 30% و40% في الأداء مقابل السعر مقارنة بمعالجات الرسوميات التجارية المنافسة.

من خلال خفض تكلفة الاستدلال بمقدار رتبة عشرية باستخدام الرقائق المخصصة، تهدف أمازون إلى جعل إعادة كتابة التطبيقات البرمجية الأساسية مجدية اقتصادياً للمؤسسات السائدة، بما يتيح دمج الذكاء الاصطناعي على نطاق واسع.

4. التصميم التنظيمي في عصر الوكلاء وواقع الأمن السيبراني

يغير انتشار الذكاء الاصطناعي التوليدي وأدوات التطوير القائمة على الوكلاء بصورة جوهرية هندسة البرمجيات وهياكل الفرق ونماذج التشغيل المؤسسية. ويُفسح الاتجاه التاريخي نحو الهياكل التنظيمية فائقة التخصص — حيث يتولى كل مدير منتج أو مهندس مسؤولية أجزاء بالغة الصغر من منتج — المجال أمام فرق فائقة الرشاقة ومتعددة الوظائف.

وقع مثال رئيسي على هذا التحول في السرعة داخل خدمات أمازون ويب نفسها: فقد أعاد فريق هندسة AWS Bedrock بناء محرك الاستدلال الأساسي بالكامل باستخدام 6 مهندسين خلال 76 يوماً. وتاريخياً، كان مشروع بنية تحتية بهذا الحجم يتطلب 40 مهندساً يعملون لمدة عام كامل. وبالمثل، أصبحت فرق داخلية صغيرة تضم 4 إلى 5 مهندسين قادرة الآن على بناء نماذج أولية برمجية جاهزة للإطلاق بنسبة 80% خلال عطلة نهاية أسبوع واحدة.

تشير مقاييس السرعة هذه إلى تحول جوهري في كيفية تخصيص المؤسسات التقنية لرأس المال البشري:

  • تحول في حجم القوى العاملة: ستحتاج مؤسسات البرمجيات إلى عدد أقل من المطورين البشريين للمهام التقليدية، مثل كتابة الشيفرة يدوياً والمعالجة الأساسية للوثائق القانونية وذكاء الأعمال الروتيني. وأوضح جاسي: «سيكون لدينا في المستقبل عدد أقل من البشر يؤدون العمل الذي يؤدونه اليوم مقارنة بعددهم اليوم».
  • فرق متعددة الوظائف منذ التأسيس: ستعمل فرق التطوير بهياكل أصغر وأكثر مرونة، تنطلق من مراحل بناء متقدمة، وتستفيد من نماذج الذكاء الاصطناعي لتنفيذ 80% من المهام الروتينية.
  • تقليص الوقت اللازم للوصول إلى السوق: تتقلص دورات تطوير المنتجات من خرائط طريق تخطيطية تمتد عدة أشهر إلى دفعات عمل مكثفة للنماذج الأولية تمتد عدة أيام.

غير أن سرعة العمل القائمة على الوكلاء تُدخل تهديدات حادة للأمن السيبراني. فالنماذج المتقدمة للذكاء الاصطناعي تكتشف الثغرات البرمجية بسرعة تفوق قدرة اختصاصيي الأمن البشريين أو مختبري الاختراق التقليديين على تحديدها.

تقليدياً، كان أمن البرمجيات يعتمد على تحديد الثغرات وإعداد التصحيحات واختبار الاعتماديات ونشر التحديثات — وهي عملية تستغرق غالباً أسابيع أو أشهراً. وفي بيئة تهديدات قائمة على الوكلاء، يجب على المؤسسات تقليص أوقات نشر التصحيحات إلى دقائق. وللصمود أمام هذا التحول، يجب على المؤسسات إعادة كتابة قواعد الشيفرة القديمة ضمن معماريات مبنية أصلاً للوكلاء، بما يتيح للوكلاء البرمجيين المؤتمتين اكتشاف الثغرات وتصحيحها ونشر التحديثات باستمرار دون تدخل بشري يدوي.

5. تخصيص رأس المال والتحالفات الاستراتيجية وإعادة ابتكار المنتجات الأساسية

تجمع استراتيجية أمازون لضخ رأس المال بين تطوير رقائق خاصة بها وتحالفات استراتيجية بمليارات الدولارات مع أبرز مطوري نماذج الذكاء الاصطناعي.

من خلال شراكتها مع Anthropic، تعمل خدمات أمازون ويب بوصفها المزود الرئيسي للتدريب والاستدلال لنماذج Claude. وقد التزمت Anthropic بنشر قدرات حاسوبية متعددة الغيغاواط مبنية على رقائق Trainium، مع إتاحة نماذجها بصورة أصلية على AWS Bedrock. وبالمثل، وسعت أمازون منظومتها لدعم أعباء عمل OpenAI على خدمات أمازون ويب، من خلال التطوير المشترك لبيئات تشغيل متخصصة تحتفظ بالحالة، ومصممة خصيصاً للتنفيذ القائم على الوكلاء.

إلى جانب استضافة النماذج الخارجية، تتطلب استراتيجية التقنية المؤسسية إعادة ابتكار المنتجات الناضجة والناجحة للغاية من أساسها، بدلاً من الاعتماد على تحديثات تدريجية للميزات. ويستشهد جاسي بالتجديد الكامل لـAmazon Alexa بوصفه دراسة حالة. فعلى الرغم من أن المعمارية الأصلية لـAlexa كانت رائدة عند إطلاقها، فإن ظهور الذكاء الاصطناعي التوليدي تطلب استبدال محركها الأساسي بالكامل.

وبينما يُعد تحديث البرمجيات القديمة تدريجياً أسهل من الناحية التنظيمية، فإن الحفاظ على الريادة السوقية يتطلب إعادة كتابة جذرية. ويجب أن تخضع التطبيقات المؤسسية الراسخة في التجزئة وبث الفيديو وإدارة السحابة لإعادة تصميم كاملة مبنية أصلاً على الذكاء الاصطناعي، كي تظل قادرة على منافسة الشركات الناشئة الجديدة المبنية أصلاً على الوكلاء.

الأرقام الرئيسية

  • $220 مليار: الإنفاق الرأسمالي المتوقع لشركة أمازون في 2026 (~$600 مليون يوميًا).
  • 36.7%: نمو إيرادات AWS على أساس سنوي في أحدث ربع سنة، بمعدل إيرادات سنوي قدره $169 مليار.
  • $25+ مليار: معدل الإيرادات السنوي لأعمال الذكاء الاصطناعي التوليدي لدى AWS خلال أول 3 سنوات لها (مقارنة بمعدل إيرادات قدره $60 مليون بعد 3 سنوات في بدايات AWS).
  • 80%: النمو التقريبي لإجمالي إيرادات أمازون من 2021 حتى الآن.
  • 3x: مضاعف نمو AWS من 2021 حتى الآن.
  • 2.5x: نمو إيرادات الإعلانات لدى أمازون من 2021 حتى الآن.
  • 30 سنة مقابل 5–6 سنوات: العمر الإنتاجي للبنية التحتية لمراكز البيانات (30 سنة) مقابل معدات الخوادم والشبكات (5–6 سنوات، والتعادل بعد ~3 سنوات).
  • 40%: التحسن في الأداء مقابل السعر لوحدات المعالجة المركزية Graviton مقارنة بمعالجات x86 القياسية.
  • 30%–40%: ميزة الأداء مقابل السعر لرقائق الذكاء الاصطناعي Trainium مقارنة بالمعالجات المماثلة.
  • 200x: المضاعف الذي يزيد به استهلاك ملاعب الغولف للمياه عن استهلاك مراكز بيانات أمازون.
  • 0.1%: النسبة من السنة التي تعمل خلالها المولدات الاحتياطية (نحو 10 ساعات سنويًا).
  • $3 مليار: الضرائب التي دفعتها أمازون في مقاطعة سانت جوزيف، إنديانا.
  • $1 مليار: التزام على مدى خمس سنوات تجاه المجتمعات المضيفة لمراكز البيانات عبر برنامج «البناء معًا».
  • 6 مهندسين خلال 76 يومًا: نطاق إعادة بناء محرك الاستدلال على يد فريق Bedrock (مقابل 40 شخصًا لمدة 1 سنة سابقًا).

ما الذي قد يغيّر هذه الصورة

  1. انخفاض كبير في تكلفة الاستدلال: هبوط هائل في تكاليف الاستدلال بفضل الرقائق المصممة خصيصًا (مثل Trainium)، يدفع الجزء الأوسط من نموذج «الأثقال ذات الطرفين» (تطبيقات المؤسسات الشائعة) إلى الانتقال بعيدًا عن البنى المعتمدة حصريًا على وحدات المعالجة المركزية.
  2. معالجة قيود توريد المكونات والطاقة: توسعات كبيرة في سلاسل توريد الذاكرة (HBM/DRAM) والطاقة والتبريد، تتيح طاقة استيعابية تتجاوز القيود الحالية الناتجة عن حجز كامل الطاقة المتاحة (2026–2028).
  3. انتشار إعادة كتابة البرمجيات بواسطة الوكلاء المستقلين: نجاح المؤسسات في تحديث بنى قواعد الشيفرة القديمة لتصبح مصممة أصلًا للعمل مع الوكلاء، بما يتيح نشر التصحيحات الأمنية دقيقة بدقيقة.
  4. تحول في شراكات البنية التحتية بين القطاعين العام والخاص: تسارع الاستثمارات الاتحادية والمحلية في قدرة شبكة الكهرباء لمواكبة الطلب الصناعي على الحوسبة فائقة النطاق.

لاستكشاف المزيد من الأبحاث المجانية أو اختبار نماذجك الخاصة، تفضل بزيارة منصة DeepValues Research أو جرّب تطبيق DeepValues.

المصادر والمراجع

Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs, hosted by a16z (Video Transcript).

شاهد

روابط المصادر

شاهد واستمع

أبحاث الشركة

نص البحث بترخيص CC BY 4.0، للإسناد: DeepValues Research, استراتيجية Amazon للبنية التحتية للذكاء الاصطناعي بقيمة $220 مليار: رقائق مخصصة، واقتصاديات مراكز البيانات، وتوسيع نطاق الذكاء الاصطناعي للمؤسسات, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ar/

بريد أسبوعي مجاني

Margin of Safety Weekly

يصلك كل سبت: حالة السوق، وما اشتراه وباعه كبار المستثمرين (إفصاحات 13F)، وأبحاث الأسبوع الجديدة، وفيديوهاتنا وبودكاستنا — مجانًا، دون حاجة إلى حساب.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. الخصوصية

تعمّق أكثر

أجرِ هذا التحليل لأي سهم في دقيقتين

Deep Value Intelligence، محلل الذكاء الاصطناعي متعدد الوكلاء الذي أعدّ هذا التقرير، يُعدّ تقريرًا مماثلًا لأي شركة مدرجة عند الطلب.

فتح Deep Value Intelligence

تابع أكثر من 300 سهم في تطبيق DeepValues

الآراء البحثية والقيمة الجوهرية وأحدث التقارير، على هاتفك.

للمطورين: الآراء البحثية والتقارير عبر API

البيانات الأساسية والقيم الجوهرية والآراء البحثية وروابط التقارير التي تستند إليها هذه الصفحات، بصيغة JSON.

توثيق API

ناقش