أنثروبيك يدق ناقوس الخطر: سر الذكاء الاصطناعي الرخيص - هل يدفع المنافسون الأمريكيون الثمن الحقيقي لعجائب التكنولوجيا الصينية؟

إعادة توجيه البيانات السرية: كيف تخدع خدمات الذكاء الاصطناعي الرخيصة عملاءها وتستغل منافسيها

حرب الذكاء الاصطناعي بين القوى العظمى: عندما يستخدم المنافس الأرخص خدمات المنافس الأغلى سراً لإجراء الحسابات

يتزايد التنافس العالمي على الهيمنة في مجال الذكاء الاصطناعي، والذي يُخاض خلف الأبواب المغلقة بأساليب لا ترحم. وتتمحور أحدث هذه القضايا المثيرة للجدل حول مزاعم خطيرة من شركة أنثروبيك الأمريكية ضد شركات صينية صاعدة في مجال تطوير الذكاء الاصطناعي، مثل ديب سيك، وعلي بابا، ومون شوت إيه آي. فبدلاً من الاعتماد كلياً على ابتكاراتها الخاصة، يُزعم أن هذه الشركات قد استخدمت بشكل سري وواسع النطاق نموذج الذكاء الاصطناعي الأمريكي الرائد، كلود، لاستخراج بيانات تدريبية قيّمة، وعمليات معرفية، وقدرات. ويُعدّ الادعاء بأن استفسارات العملاء الحقيقية، والتي كانت في بعض الأحيان بالغة الحساسية، قد تم تحويلها سراً إلى المنافسين الأمريكيين، أمراً بالغ الخطورة.

تُشكك هذه الاتهامات بشكل جوهري في "معجزة أسعار الذكاء الاصطناعي" الصينية التي حظيت بنقاش واسع. هل تُعزى العروض منخفضة الأسعار للغاية من الشرق الأقصى حقًا إلى بنية برمجية فائقة الكفاءة، أم أنها تستند جزئيًا على الأقل إلى نقل التكاليف بشكل سافر؟ ما بدأ كخلاف تقني بحت يتطور إلى قضية اقتصادية وأمنية بالغة التعقيد. وهذا يُظهر لماذا يجب على الشركات أن تكون أكثر دقة عند شراء نماذج الذكاء الاصطناعي في المستقبل: فالذين يُدخلون بياناتهم في سلاسل توريد غامضة ومخفية يُخاطرون بأكثر بكثير مما يُمكنهم توفيره من خلال انخفاض أسعار الرموز.

الثمن الخفي للذكاء الاصطناعي الرخيص: النقد التكنولوجي يتحول إلى مسألة اقتصادية

تتجاوز مزاعم شركة أنثروبيك ضد العديد من شركات الذكاء الاصطناعي الصينية مجرد نزاع عادي بين المنافسين. فالمسألة في جوهرها لا تقتصر على ما إذا كان مزودو الخدمات قد انتهكوا شروط الخدمة أو استخدموا نماذج خارجية بشكل غير قانوني كمعلمين. السؤال المحوري هو ما إذا كان جزء من التكلفة المنخفضة بشكل مثير للدهشة للذكاء الاصطناعي الصيني يعتمد على هيكل تكلفة يُموّل فيه المنافسون الأمريكيون جزئيًا الأبحاث المكلفة وتدريب النماذج وإجراءات الأمان وقوة الحوسبة. إذا تأكدت هذه الشكوك، فإن المنافسة السعرية الملحوظة لن تكون ناتجة فقط عن زيادة الكفاءة، بل ستكون، جزئيًا على الأقل، شكلاً من أشكال نقل التكاليف.

بحسب شركة أنثروبيك، منذ فبراير 2026، تم رصد سبعة مختبرات للذكاء الاصطناعي في الصين، قامت بمحاولات واسعة النطاق لاستخلاص قدرات من نموذج كلود. تشمل هذه المختبرات: علي بابا، ومونشوت إيه آي، وديب سيك، وشيبو (أو Z.ai)، وشاومي، وسينس تايم، وميني ماكس. وقد تباينت هذه الأنشطة بشكل ملحوظ. ففي بعض الحالات، تم إرسال كميات هائلة من الذكاء الاصطناعي إلى كلود لجمع أنماط عالية الجودة في الاستدلال وحل المشكلات. وفي حالات أخرى، يُزعم أن شركات صينية قامت بإحالة استفسارات عملاء حقيقيين إلى كلود دون أي معلومات واضحة، وعرضت ردوده على أنها ردودها الخاصة. ويُعدّ هذا النهج الثاني إشكاليًا بشكل خاص من الناحيتين الاقتصادية ومن ناحية خصوصية البيانات، لأنه يجمع بين تدريب النموذج، وجمع البيانات سرًا، ومعالجة بيانات العملاء الحقيقية.

مع ذلك، فإن الأدلة المتاحة حتى الآن تأتي في الغالب من شركة أنثروبيك نفسها. تمتلك الشركة سجلات داخلية، وأنماط حسابات، ومعلومات دفع، وتوقيعات تقنية، وبيانات شبكة لا يمكن للجهات الخارجية التحقق منها بشكل كامل. في الوقت نفسه، تُعدّ أنثروبيك طرفًا في منافسة عالمية شديدة، ولديها مصلحة اقتصادية كبيرة في الحدّ من استخدام المنافسين لنماذجها. لذا، يجب على أي تحليل موضوعي تجنّب خطأين: أولهما، عدم التعامل مع الادعاءات على أنها سرقة تقنية مثبتة قبل الأوان، وثانيهما، عدم رفضها لمجرد مصلحة المُرسِل الذاتية. المهم هو تحديد الملاحظات التقنية الموثقة بشكل معقول، والاستنتاجات المستخلصة منها، وتوضيح أوجه الغموض المتعلقة بإسناد البيانات، والنية، والاستخدام الفعلي لها.

يُغير الحجم التقييم

لا تشير الأرقام التي ذكرتها شركة أنثروبيك إلى تجارب معزولة. يُعزى أكبر حجم من هذه العمليات إلى جهات مرتبطة بشركة علي بابا. بين شهري مايو ويوليو 2026، يُقال إن أكثر من 151 مليون تفاعل مع كلود قد جرت، بمعدل يقارب ثلاثة ملايين تفاعل يوميًا في بعض الأحيان. كما يُزعم استخدام أكثر من 3500 حساب مصنف على أنه احتيالي. كان الهدف الرئيسي هو الحصول على حلول تفصيلية وعمليات تفكير لمهام معقدة في تطوير البرمجيات، والاستدلال المنطقي، وبرمجة الأنظمة، وعمليات الوكلاء طويلة الأمد. إذا صحّ هذا التحديد، فإنه يُعدّ عملية جمع بيانات صناعية وليس استخدامًا عاديًا للمنتج.

يُزعم أن شركة Moonshot AI قد ولّدت أكثر من 23 مليون تفاعل خلال الفترة نفسها. ومن الأمور الخطيرة بشكل خاص الادعاء بأن Kimi قد أحالت ما يقرب من 300 ألف استفسار حقيقي من العملاء إلى Claude في غضون عشرة أيام. ويُزعم أن ذلك تحقق باستخدام شبكة تضم 5380 حسابًا وهميًا، تعمل بشكل أساسي من سنغافورة واليابان. ويُنسب إلى DeepSeek أكثر من 12.1 مليون تفاعل خلال 14 يومًا. ويُقال إن Zhipu قد نقّح مئات الآلاف من آثار الأفكار ودمج عدة ملايين من التفاعلات في مسار معالجة وتدريب. وترتبط Xiaomi بأكثر من 400 ألف استفسار عبر أكثر من 1500 حساب. وتتوفر أرقام أقل دقة للعامة لشركتي SenseTime وMiniMax، لكن Anthropic تصف أيضًا استخدام وسطاء أو خدمات بروكسي أو هياكل وصول مُصممة خصيصًا في هذه الحالات.

من الناحية الاقتصادية، لا يقتصر الأمر على العدد الإجمالي للاستعلامات فحسب، بل يشمل أيضًا تركيبها. فملايين الإجابات العشوائية ذات قيمة محدودة للتدريب. تصبح البيانات عالية الجودة عندما تُصمَّم المهام بدقة، وتُقيَّم الحلول، وتُصحَّح الأخطاء، وتُعاد صياغة عمليات التفكير المعقدة. وبالتالي، يمكن لنموذج تعليمي عالي الأداء أن يتولى جزءًا كبيرًا من العمل الذي كان سيحتاج فيه المطور إلى خبراء متخصصين، وشبكات بيانات معقدة، وتجارب حسابية مكثفة. قد يبدو الحد الأدنى المطلوب لإجابة واحدة منخفضًا، ولكن في مجموعة بيانات مُنسَّقة بشكل منهجي، يمكن أن ينتج عن ذلك مجموعة بيانات استراتيجية تُحسِّن بشكل ملحوظ جودة نموذج المنافس لمهارات مُحدَّدة.

مع ذلك، لا يُقدّم حجم البيانات الهائل دليلاً قاطعاً على استخدامها لاحقاً في نموذج مُحدد. قد تُظهر سجلات الخادم أن الحسابات وصلت إلى كلود بطريقة واضحة، أو أنها اعترضت الردود، أو أعادت توجيه محادثات حقيقية. لكن الأصعب هو إثبات الجهة التي مارست السيطرة النهائية، والنموذج المُحدد الذي تم تدريبه باستخدام البيانات، ومدى أهمية التحسن الملحوظ في الأداء. خاصةً مع وجود مزودي خدمات متداخلين، وبائعين، وبيانات اعتماد مسروقة، وشبكات بروكسي دولية، يبقى تحديد المسؤولية مجرد احتمال. تُعزز هذه الكميات الكبيرة الشكوك حول وجود نشاط مُنظم، لكنها لا تُغني عن مراجعة فنية أو قضائية مستقلة.

التقطير ليس احتيالاً بالضرورة

يُعدّ تقطير النموذج أسلوبًا راسخًا في مجال التعلّم الآلي. يقوم نموذج تعليمي كبير وقوي بتوليد الاستجابات والتقييمات وتوزيعات الاحتمالات، والتي تُستخدم بدورها لتدريب نموذج طالب أصغر. يهدف نموذج الطالب إلى استيعاب أكبر قدر ممكن من القدرات، مع استهلاك أقل للذاكرة والطاقة ووقت المعالجة. هذه العملية شائعة داخل الشركات، وقد تكون مشروعة أيضًا بين الشركات المختلفة في حال وجود تراخيص أو عقود أو أذونات صريحة.

تُصبح هذه الطريقة إشكالية بسبب طريقة الحصول عليها. فإذا تم التحايل على قواعد الوصول باستخدام حسابات وهمية، أو بطاقات ائتمان مسروقة، أو مفاتيح برمجة مخترقة، أو هويات مزيفة، أو حلول تقنية بديلة، فإنها تفقد حيادية أسلوب التدريب. عندها، يتشابك استخلاص البيانات مع الخداع، وربما مع خرق العقد، أو الاحتيال، أو المنافسة غير المشروعة، أو إساءة استخدام بيانات وصول شخص آخر. والأخطر من ذلك هو إعادة توجيه محادثات العملاء الحقيقية سرًا. في هذه الحالة، لا يكتفي المزود باستخدام منافس كنموذج تدريب، بل يحصل فعليًا على قدرته الحاسوبية كمقاول فرعي غير مرئي، مما يعرض بيانات عملائه لمتلقٍ مجهول.

يُعدّ هذا التمييز مهمًا لأنّ مصطلح "السرقة" الشامل قد يكون فضفاضًا جدًا من الناحية القانونية. ففي هجوم التقطير النموذجي، لا يُنسخ النموذج كملف، ولا تُسرق أوزانه بالضرورة. بدلًا من ذلك، يراقب المهاجم سلوك النظام بشكل منهجي، والذي يُمكن الوصول إليه عبر واجهة، ويستخدم هذه المعلومات لتدريب نموذج آخر. اقتصاديًا، يُمكن تشبيه ذلك بالاستيلاء على قدرات مُطوّرة بتكلفة باهظة. أما قانونيًا، فتُطبّق أدوات قانونية مُتعددة: قانون العقود، وحماية الأسرار التجارية، وقانون جرائم الحاسوب، وقانون حماية البيانات، وقانون المنافسة، وربما قانون براءات الاختراع. غالبًا لا يُقدّم قانون حقوق النشر وحده إجابة واضحة، لأنّ المُخرجات المُولّدة آليًا لا تُعتبر تلقائيًا أعمالًا بشرية محمية، وقد يمتلك نموذج الطالب بنية تقنية مُختلفة.

لذا، فإن الخط الفاصل المناسب لا يكمن بين التقطير وغير التقطير، بل بين الاستخدام المصرح به والاستخدام السري. ولا تقل أهمية عن ذلك نطاق البيانات المستخدمة، ونية التضليل، والتحايل الأمني، والغرض التجاري، ومصدر البيانات. إن طمس هذه الفروقات يُنذر بخطر وضع قوانين تعيق البحث المشروع وضغط النماذج بكفاءة، دون أن توقف فعلياً إساءة الاستخدام الصناعي الموجه.

النموذج التجاري وراء معجزة الأسعار

غالبًا ما يُختزل التنافس بين مزودي الذكاء الاصطناعي الأمريكيين والصينيين إلى مسألة من يستطيع تدريب نموذج مماثل في قوته بتكلفة أقل. هذه النظرة مُبسطة للغاية. تشمل التكلفة الإجمالية لنموذج ذكاء اصطناعي متطور البحث، والموظفين، وجمع البيانات، وتنظيفها، والتجريب، وحالات فشل التدريب، والأجهزة، ومراكز البيانات، والطاقة، والتمويل، وعمليات التدقيق الأمني، وتطوير المنتج، والمبيعات، والاستدلال المستمر. ولا يُمثل الرقم المنشور لعملية تدريب نهائية سوى جزء من هذا النظام.

أشهر مثال على ذلك هو برنامج DeepSeek V3. خلال تشغيله التدريبي الرسمي، تم تسجيل 2.788 مليون ساعة على معالجات Nvidia H800، مما أسفر عن تكاليف حسابية بلغت حوالي 5.576 مليون دولار. كان هذا الرقم منخفضًا بشكل ملحوظ، وساهم بشكل كبير في ترسيخ فكرة أن المختبرات الصينية قادرة على محاكاة النماذج الأمريكية المتطورة بجزء بسيط من الموارد. مع ذلك، يستثني هذا الرقم صراحةً التجارب المعمارية السابقة، ومعالجة البيانات، والموظفين، والبنية التحتية، وشراء الأجهزة، والتجارب الفاشلة. قد يكون الرقم دقيقًا ومبهرًا من الناحية التقنية بالنسبة للتشغيل النهائي الناجح، ولكنه لا يعكس إجمالي تكاليف التطوير.

لا يعني هذا أن الكفاءة الصينية مجرد وهم. فقد أظهرت شركات مثل DeepSeek وAlibaba وMoonshot وغيرها تقدماً حقيقياً في مجال البنى المرنة، وتفعيل مكونات النماذج الفردية، والتعلم المعزز، وإعداد البيانات، والاستخدام الأمثل للموارد المحدودة. ويمكن بالفعل خفض التكاليف من خلال الضغط التنافسي، ووجود عدد كبير من المهندسين ذوي المهارات العالية، وانخفاض تكاليف العمالة في بعض الوظائف، والبنية التحتية المدعومة حكومياً، والتركيز المستمر على أوزان النماذج المفتوحة. كما تستخدم الشركات الأمريكية بيانات تدريب اصطناعية، وتستفيد من الأبحاث المتاحة، وتُطوّر نماذجها الخاصة. لذا، فإن السؤال المهم ليس ما إذا كانت النماذج الصينية مبتكرة، بل ما هي نسبة ميزتها التنافسية في التكلفة الناتجة عن ابتكارها الخاص، ومزايا موقعها الجغرافي، واستراتيجيات التسعير التنافسية، وربما استخراج القدرات بتمويل خارجي.

عندما يحصل مزود خدمة على إجابات باهظة الثمن من منافس عبر حسابات احتيالية، تنشأ عدة تشوهات. يتحمل مزود الخدمة تكاليف البحث والبنية التحتية، بينما لا يتحمل مطور نموذج الطالب سوى تكاليف الوصول أو التحايل. وإذا تم توجيه استفسارات العملاء الحقيقيين إلى النموذج الأجنبي، يمكن لمزود الخدمة الصيني تجنب تكاليف الاستدلال مؤقتًا مع جمع البيانات للتدريب في الوقت نفسه. وبالتالي، لن يكون سعر المنتج المنخفض للمستهلك النهائي مؤشرًا دقيقًا للإنتاجية، بل سيكون جزئيًا نتيجة لتكاليف أولية غير معلنة يتكبدها المنافس. اقتصاديًا، يشبه هذا الأمر قيام مصنّع بتقديم منتج منخفض السعر لأن التطوير ومراقبة الجودة وجزءًا من الإنتاج يتحملها منافس دون علمه.

تكمن المشكلة الحقيقية في بيانات التدريب عالية الجودة

في النقاش العام، تهيمن قوة الحوسبة. يتطلب الذكاء الاصطناعي الحديث رقائق فائقة الأداء، وسعات تخزين هائلة، وشبكات فائقة السرعة، وكميات هائلة من الطاقة. مع ذلك، ومع تزايد توفر البنى الفعّالة، يتغير مسار المشكلة. فالبيانات عالية الجودة اللازمة للاستدلال المعقد، والبرمجة، واستخدام الأدوات، والمهام متعددة المراحل، تكتسب قيمة استراتيجية متزايدة. ورغم أن الإنترنت المفتوح يوفر كميات هائلة من النصوص، إلا أنه لا يقدم بالضرورة حلولاً موثوقة للمشاكل المعقدة.

لذا، لا تُعدّ النماذج الرائدة مجرد منتجات، بل هي أيضاً أدوات لتوليد بيانات تدريب جديدة. فهي قادرة على تصميم المهام، وصياغة الحلول، ومقارنة المناهج البديلة، واكتشاف الأخطاء، وتقديم التقييمات، وتحويل البيانات إلى صيغ موحدة. إنّ من يستخدم هذا النموذج على نطاق واسع لا يشتري مجرد مخرجات نصية، بل يحصل على نسخة مكثفة من نتائج أبحاث وتدريبات الآخرين. وتُعدّ آثار الأفكار ذات قيمة خاصة لأنها تُزوّد ​​النموذج المُستخدَم ليس فقط بالنتيجة، بل أيضاً ببنية قابلة للتكرار لعملية حل المشكلات.

لذا، يبدو أن الأساليب التي وصفها أنثروبيك تهدف إلى ما هو أبعد من مجرد الحصول على إجابات عادية. فهي تتضمن تعليمات استخلاص ثابتة مصممة للكشف عن أنماط الحلول الداخلية التفصيلية، بالإضافة إلى أساليب لإعادة بناء عمليات التفكير وتنظيفها وتقييمها عبر جلسات متعددة. بل ورد أن كلود استُخدم في بعض الحالات لإعداد بيانات كلود التي تم الحصول عليها مسبقًا لتدريب نموذج آخر. وبذلك، كان النموذج المُدرِّب بمثابة مصدر بيانات ومحرر وأداة لمراقبة الجودة ومطور أدوات في آن واحد.

لهذا الأمر تداعيات واسعة النطاق على الصناعة. لا يمكن حصر حماية نموذج الذكاء الاصطناعي في أوزان النموذج ومراكز البيانات فحسب، بل إن واجهة البرمجة تُعدّ أيضًا رصيدًا استراتيجيًا ونقطة ضعف محتملة للقدرات. لا تكفي حدود الحجم التقليدية عندما تُولّد آلاف الحسابات أحجامًا فردية صغيرة وتوزّع طلباتها عبر البلدان وطرق الدفع والوسطاء. يجب على مزوّدي الخدمات التعرّف على الأنماط السلوكية، وأوجه التشابه في المهام، والتنسيق الزمني، والبصمات التقنية. في الوقت نفسه، يجب ألا يُنفّروا العملاء الكبار الشرعيين بفرض ضوابط مفرطة.

يؤدي إعادة التوجيه السري إلى تدمير نموذج الثقة

لا يتعلق الجانب الأكثر خطورة في هذه الادعاءات بالملكية الفكرية، بل ببيانات العملاء. فبحسب شركة أنثروبيك، تلقى كلود، من بين أمور أخرى، تسجيلات من محيط قواعد عسكرية صينية، وشفرة برمجية داخلية لشركات صينية كبرى، ومعلومات عن أنظمة المراقبة، ومعلومات عن مشاريع استراتيجية، وبيانات اعتماد صالحة للوصول إلى قاعدة بيانات حكومية روسية. ويزعم أن المستخدمين المتضررين اعتقدوا أنهم يتعاملون مع كيمي أو ديب سيك أو خدمة تعتمد على هذه التقنيات. وإذا صحت هذه الرواية، فإنهم لم يكونوا على دراية بمزود الخدمة التقنية الفعلي، أو موقعه، أو قواعد معالجة البيانات.

يُخالف هذا مبدأً أساسياً من مبادئ الشراء الرقمي. فالشركات والهيئات العامة لا تختار مزود خدمات الذكاء الاصطناعي بناءً على جودة الاستجابة والسعر فقط، بل تُقيّم أيضاً الاختصاص القضائي، وموقع تخزين البيانات، والمقاولين من الباطن، وفترات الاحتفاظ بالبيانات، والتشفير، واستخدام التدريب، وحقوق الوصول الحكومية، والمسؤولية القانونية. ويُفقد هذا التقييم جدواه عند نقل البيانات سراً. فحتى المزود المحلي أو الوطني الرسمي قد ينقل البيانات الحساسة إلى منصة أجنبية، وهو ما يسعى العميل لتجنبه تحديداً.

تُظهر هذه الحالة أيضًا أن ملكية البيانات وسيادة النموذج لا تُضمنان بمجرد واجهة المنتج. فالاسم الصيني، أو واجهة المستخدم المحلية، أو العقد مع موزع إقليمي، لا يُثبت أن الاستدلال يتم داخل النظام الموعود. وينطبق هذا الخطر نفسه خارج الصين أيضًا. إذ يُمكن لأي وسيط ذكاء اصطناعي إرسال استعلامات ديناميكية إلى نماذج متغيرة في حال غياب الضوابط التقنية والتعاقدية. وهذا يُنشئ سلسلة توريد متعددة الطبقات للعملاء، غالبًا ما يبقى هيكلها الحقيقي خفيًا.

من الناحية الاقتصادية، قد تتحول خدمة تبدو رخيصة إلى منتج ينطوي على مخاطر خفية كبيرة. فتسريب واحد لبيانات اعتماد الوصول، أو شفرة المصدر، أو معلومات المشروع السرية، كفيل بتبديد وفورات سنوات من التكاليف. وبالنسبة للشركات الصناعية، وموردي الدفاع، ومزودي الطاقة، وشبكات الخدمات اللوجستية، والمؤسسات العامة على وجه الخصوص، يجب أخذ الأضرار المتوقعة في الحسبان عند حساب التكلفة الإجمالية. ولا يكمن المعيار في المقارنة بين سعر المليون رمز، بل في سعر إنجاز المهمة بنجاح، بالإضافة إلى تكاليف التكامل، والتحكم، وحماية البيانات، وإدارة المخاطر.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• منصة الذكاء الاصطناعي المُدارة

لا تضمن الرموز الرخيصة بالضرورة نتائج رخيصة

يسهل مقارنة سعر النموذج، وبالتالي له تأثير في السوق. مع ذلك، لا يُشير هذا السعر بالضرورة إلى فعالية التكلفة لسير العمل الكامل. فقد يُؤدي النموذج الأرخص إلى تكاليف أعلى، أو إساءة استخدام الأدوات بشكل متكرر، أو الحاجة إلى عمليات تدقيق إضافية، أو عدم إنجاز المهمة إلا بعد عدة محاولات. في المقابل، قد يكون النموذج الأغلى أقل تكلفةً بشكل عام للمهام المعقدة إذا استخدم عددًا أقل من الرموز، وعددًا أقل من التكرارات، وتدخلًا بشريًا أقل.

بالنسبة للشركات، ينبغي أن تستند محاسبة التكاليف إلى مستوى المهمة المنجزة. فبالنسبة لمساعد البرمجة، تُعدّ عوامل مثل معدل الخطأ، وتغطية الاختبار، والوقت اللازم لقبول التغيير، وجهد مراجعة الكود عوامل حاسمة. أما بالنسبة لنموذج البحث، فتُعدّ جودة المصدر، واكتماله، ومعدل الخطأ، والجهد التحريري عوامل حاسمة. وفي خدمة العملاء، يجب مراعاة معدل حل المشكلات، ومدة المكالمة، والتصعيدات، والأخطاء التنظيمية. ويُعدّ سعر الرمز المميز أحد العوامل العديدة التي يجب أخذها في الاعتبار.

يُتيح هذا المنظور فهمًا أفضل لميزة الأسعار الصينية، وكذلك للدفاع عن مزودي الخدمات الأمريكيين المتميزين. قد تكون النماذج الصينية منخفضة التكلفة متفوقة بالفعل في حالات الأحجام الكبيرة والمهام القياسية. كما تسمح النماذج المفتوحة بالعمل على البنية التحتية الداخلية، وتخصيص أدق، وتجنب رسوم الاستخدام المستمرة. في المقابل، يمكن للنماذج المغلقة الأكثر قوة تحقيق معدل نجاح أعلى في المهام الصعبة، مما يؤدي إلى انخفاض التكاليف الإجمالية. لذلك، لا يوجد فائز واحد، بل مزايا اقتصادية متفاوتة تعتمد على حجم العمل، ومتطلبات الجودة، ومستوى المخاطرة.

لا تُغيّر الادعاءات الموجهة ضدّ مزوّدي الخدمات الصينيين هذا المنطق، لكنها تزيد من متطلبات الاختبار. لا يكفي أن يُثبت النموذج منخفض التكلفة أنه غير مكلف وفعّال فحسب، بل يجب على مزوّد الخدمة أن يكون قادرًا على شرح كيفية تدريب النموذج، وما هي نماذج أو مزوّدي البيانات الخارجيين الذين شاركوا فيه، وكيفية معالجة طلبات العملاء، وما إذا كانت الردود تُستقى ديناميكيًا من جهات خارجية. إنّ غياب الشفافية ليس مشكلة سمعة مجردة، بل هو عامل تكلفة، لأنّ الشركات تحتاج إلى اختبارات إضافية، وبيئات معزولة، وضمانات تعاقدية.

الإطار القانوني متخلف عن السوق

إن التقييم القانوني للتقطير غير المصرح به ليس بالأمر البسيط كما قد توحي به اللغة الأخلاقية للمنافسة التكنولوجية. فشروط الخدمة التي تقدمها شركات الذكاء الاصطناعي الأمريكية عادةً ما تحظر استخدام أموالها لبناء نماذج منافسة. وأي شخص يدخل إلى الواجهة عبر حسابه الخاص، وقد وافق على هذه القواعد، يمكن، من حيث المبدأ، أن يُحمّل المسؤولية التعاقدية عن أي انتهاك. ويزداد الوضع تعقيدًا عند استخدام شركات وهمية، أو وسطاء، أو حسابات مسروقة، أو شبكات بروكسي متعددة الطبقات. في مثل هذه الحالات، يجب تحديد الطرف الملزم بأي عقد، وفي أي دولة يمكن إنفاذ الدعاوى.

لا توفر حقوق النشر سوى حماية محدودة. تتكون أوزان النماذج من معلمات رقمية، ولا تتمتع الاستجابات المولدة آليًا بحماية حقوق النشر تلقائيًا دون إسهام إبداعي بشري كافٍ. وبالمثل، فإن اكتساب مهارة مثل البرمجة أو التفكير المنطقي لا يُعد نسخًا لمواد محمية بحقوق النشر. قد يكون قانون الأسرار التجارية أكثر فعالية إذا تم الحصول على معلومات تقنية سرية بوسائل غير مشروعة. ومع ذلك، فإن وجود واجهة متاحة للجمهور يجعل من الصعب التمييز بين الملاحظة المسموح بها والهندسة العكسية والتحايل غير المشروع.

قد تُشكل طرق الدفع الاحتيالية، والمفاتيح المسروقة، وانتحال الهويات، والتحايل على الأقفال التقنية انتهاكات قانونية مستقلة. ويُصبح قانون حماية البيانات ذا صلة بمجرد مشاركة محادثات العملاء الحقيقية مع أطراف ثالثة دون معلومات كافية أو أساس قانوني. وفي حالة البيانات العسكرية أو الحكومية أو بيانات البنية التحتية، تدخل ضوابط التصدير، والتصنيفات الأمنية، ولوائح الأمن القومي حيز التنفيذ أيضًا. وبالتالي، يُمكن لحادثة واحدة أن تؤثر على مجالات قانونية وأنظمة قانونية متعددة في آن واحد.

يكمن الإغراء السياسي في سدّ هذه الثغرات بحظر شامل، وهو ما ينطوي على مخاطر. فاللوائح الفضفاضة قد تعيق البحث، والتوافق التشغيلي، وعمليات التدقيق الأمني، والمنافسة بين الموردين الصغار. أما اللوائح التقييدية المفرطة فلن تغطي الاستخراج الصناعي إلا بشكل ضئيل. ويُعدّ النهج الأكثر منطقية هو نظام مُصنّف يُميّز بوضوح بين التقطير الداخلي المُصرّح به، والبحث العلمي، والاستخدام التجاري، والاستخراج الجماعي القائم على الخداع. وينبغي أن تشمل العوامل الحاسمة الموافقة، والنطاق، وأساليب التحايل، والغرض، والمخاطر المحتملة على البيانات المعنية.

تُنشئ ضوابط التصدير أسواقًا جديدة للتحايل

يرتبط هذا النزاع ارتباطًا وثيقًا بالقيود الأمريكية المفروضة على الرقائق عالية الأداء. فقد سعت واشنطن لسنوات إلى الحد من وصول الصين إلى أجهزة الذكاء الاصطناعي فائقة القدرة. وفي عام 2026، أُعيد تعديل السياسة جزئيًا، حيث بات بالإمكان الموافقة على بعض الرقائق على أساس كل حالة على حدة بشروط صارمة، بينما لا تزال الأنظمة فائقة القدرة والشحنات الخارجية المختلفة تخضع لقيود مشددة. وفي الوقت نفسه، جرى توضيح القواعد لتشمل الشركات التي تسيطر عليها الصين والتي تعمل خارجها.

تزيد هذه الضوابط من تكلفة القدرة الحاسوبية المباشرة، لكنها لا تلغي الحاجة إليها. بل تخلق حوافز للحصول على هذه القدرة عبر مراكز بيانات أجنبية، أو وسطاء، أو خدمات سحابية، أو مفاتيح مسروقة، أو الوصول إلى نماذج جاهزة. وهكذا، يتحول الضغط الاقتصادي من شراء الأجهزة إلى استغلال فروق الأسعار. فالشركة التي لا تستطيع الحصول على ما يكفي من الرقائق المتطورة قد تحاول شراء القدرات المبنية على هذه الرقائق عبر واجهة برمجة أمريكية، أو سرقتها بطرق غير مشروعة.

يُشكّل هذا مفارقة استراتيجية. فكلما زادت حماية الولايات المتحدة لأجهزتها ونماذجها المتطورة، ازدادت أهمية شبكات التحايل. وفي الوقت نفسه، قد يؤدي استبعاد المستخدمين الصينيين تمامًا إلى تقليص رؤية البائعين الأمريكيين للطلب الفعلي، وإلى ازدهار سوق سوداء للموزعين. وعلى النقيض، يُسهّل الوصول المفتوح المفرط استخراج البيانات على نطاق واسع، وقد يكشف عن قدرات حساسة. لذا، يجب أن تراعي السياسة الفعّالة الأجهزة، وقوة الحوسبة السحابية، والوصول إلى النماذج، والتحقق من الهوية، والشركاء الدوليين معًا.

لن يكون الحل الوطني البحت كافيًا. تستخدم شبكات البروكسي دولًا ذات بنية تحتية متطورة، وإجراءات تأسيس شركات سهلة، وأنظمة دفع دولية. إذا استُخدمت سنغافورة أو اليابان أو جنوب شرق آسيا أو مواقع أوروبية كنقاط عبور، فإن مزودي الخدمات والسلطات بحاجة إلى معايير دنيا مشتركة للتحقق من الهوية، والإبلاغ عن المفاتيح المخترقة، والتحقيق في أنماط الوصول المشبوهة. من الضروري حماية المطورين العاديين من التعرض لشكوك شاملة حول أصولهم. يُعد التحكم القائم على المخاطر أكثر تعقيدًا من مجرد تكتل دول، ولكنه أكثر استدامة من الناحيتين الاقتصادية والقانونية.

إن القيمة السوقية لمختبرات الذكاء الاصطناعي الأمريكية على المحك

تبرر الشركات الأمريكية الرائدة تقييماتها المرتفعة واستثماراتها الضخمة بمزاياها التكنولوجية، وفوائد البيانات، واقتصاديات الحجم. إلا أن هذا الافتراض يتعرض لضغوط عندما يقدم المنافسون قدرات مماثلة بسرعة وبأسعار أقل بكثير. عندها يتعين على المستثمرين تحديد ما إذا كانت هذه النفقات المرتفعة تشكل حاجزًا وقائيًا دائمًا أم أنها مجرد تمويل لأبحاث تنتشر نتائجها بسرعة في السوق الأوسع من خلال المنشورات، وتغيير الموظفين، والواجهات المفتوحة، والتحليلات.

لذا، تُعدّ مزاعم شركة أنثروبيك بمثابة رسالة للمستثمرين. فإذا كان المنافسون الصينيون قد اكتسبوا بعضًا من ميزتهم التنافسية من خلال الاستخدام غير المصرح به للنماذج الأمريكية، فإن ميزتهم في التكلفة تبدو أقل دلالة على تفوق جوهري في إنتاجية رأس المال. في الوقت نفسه، تستطيع أنثروبيك تفسير ضرورة ارتفاع تكاليف الأمن والبحث والبنية التحتية. فالشركة لا تدافع عن اللوائح الفنية فحسب، بل تدافع أيضًا عن نموذج الاستثمار القائم على البحث في المناطق الحدودية المغلقة.

مع ذلك، لا يحل هذا التواصل المشكلة الاقتصادية. فحتى الدفاعات الناجحة لا تمنع انخفاض تكلفة القدرات وزيادة قابليتها للتبادل على المدى البعيد. وقد انخفضت تكلفة جودة نموذج معين بشكل كبير في السنوات الأخيرة. وتزداد كفاءة بنى النماذج، وتزداد قوة الرقائق الإلكترونية، وينتشر البحث المفتوح، ويمكن للعملاء توزيع الطلبات بين عدة مزودين. لذا، من المرجح أن يتعرض نموذج الأعمال القائم فقط على معلومات النماذج الحصرية لضغوط مستمرة على هوامش الربح.

تكمن المزايا التنافسية الأكثر استدامة على الأرجح في تكامل المؤسسة، وأنظمة الوكلاء الموثوقة، والأمان، والمساءلة، والبيانات الخاصة بالقطاع، وسلاسل الأدوات، وإمكانية الوصول إلى التوزيع. يمكن نسخ النموذج أو تقريبه؛ أما المنصة المتكاملة بعمق في عمليات الأعمال، مع آليات التدقيق وأنظمة الترخيص وعلاقات العملاء طويلة الأمد، فيصعب استبدالها. وبالتالي، تكشف هذه الادعاءات عن نقاط قوة وضعف أنثروبيك: فمن الواضح أن كلود قيّم بما يكفي لاستخدامه على نطاق واسع كمعلم، ولكن سهولة استخدامه هذه تحديدًا تجعل بعض مزاياه قابلة للنقل.

يخاطر الموردون الصينيون بأكبر ميزة لديهم

استفادت شركات الذكاء الاصطناعي الصينية عالميًا من الأسعار التنافسية، ونماذجها المفتوحة، وسرعة تطوير منتجاتها، وجودتها التقنية المتزايدة. وتُعدّ هذه المزايا جذابة بشكل خاص للمطورين والشركات الصغيرة والدول التي لا ترغب في الاعتماد كليًا على المنصات الأمريكية. كما يُحسّن التوافر المفتوح من إمكانية التكيف والتحكم المحلي، مما خلق ثقلًا موازنًا قويًا لنموذج المنصات المغلقة الذي تتبناه الشركات الأمريكية.

قد تُقوّض الممارسات المذكورة هذه الميزة. فإذا ما خشيت الشركات من إحالة طلباتها إلى نماذج خارجية مجهولة، فإنّ المزوّد لا يفقد سمعته فحسب، بل يفقد أيضاً مصداقية ادعاءاته بشأن مكان البيانات وسيادتها وأمنها. بالنسبة للقطاعات الخاضعة للتنظيم، يُعدّ هذا الأمر مسألة بقاء. فقد يكون النموذج متفوقاً تقنياً، ومع ذلك يُستبعد من عمليات الشراء إذا لم يكن مصدره وطريقة معالجته قابلة للتدقيق.

تتعرض استراتيجية الأوزان المفتوحة للخطر أيضًا بسبب الاتهامات العامة. فالأوزان المفتوحة لا تعني بالضرورة التقطير غير المشروع، بل يمكن استخلاصها من أبحاث خاصة، وبيانات مرخصة، وأساليب تدريب مشروعة. مع ذلك، إذا تم تصوير النماذج الصينية المفتوحة على أنها نسخ سرية، فسيزداد الضغط السياسي في الدول الغربية لفرض حظر وقيود عليها. لذا، سيكون لدى مزودي الخدمات الصينيين الموثوقين مصلحة راسخة في إجراء عمليات تدقيق مستقلة، وتوفير وثائق تدريب شفافة، والفصل التام عن مزودي الخدمات الخارجيين، وخدمات الوساطة، والقنوات الداخلية.

حتى الآن، غالباً ما افتقر النقاش العام إلى ردٍّ تقنيٍّ مفصّل من الشركات المتهمة. صحيحٌ أن الصمت ليس دليلاً على الإدانة، ولكنه يُقلّل من إمكانية إجراء تقييمٍ متوازن. ويتطلّب الردّ القويّ توضيحاً لعلاقات الحسابات، وتدفّق البيانات، واستخدام خدمات التوجيه الخارجية، وأساليب التدريب، وكيفية التعامل مع موافقة العملاء. ولا تكفي الإنكارات العامة بالنظر إلى حجم البيانات المعنية.

أوروبا عالقة بين التبعية والفرصة

بالنسبة لأوروبا، لا يُمثل هذا الصراع نزاعًا بعيدًا بين واشنطن وبكين. تستخدم الشركات الأوروبية النماذج الأمريكية، وتدرس أنظمة الوزن المفتوح الصينية، وتُطوّر في الوقت نفسه عروضها السيادية الخاصة. ولذلك، فهي تُعدّ عملاءً ومُكاملين ومُزوّدين للبيانات ووسطاء محتملين. وأي تصعيد في هذا الصراع قد يُغيّر الأسعار والتوافر والمخاطر التنظيمية بشكل فوري.

لا تكمن الفرصة الأوروبية في نسخ النهج الأمريكي أو الصيني بالكامل. يمكن إنشاء شريحة سوقية موثوقة من خلال تدفقات بيانات قابلة للتحقق، ونشر محلي، وحرية اختيار النماذج، وضمانات تعاقدية بعدم استخدام بيانات العملاء. لا تحتاج الشركات الصغيرة والمتوسطة، على وجه الخصوص، دائمًا إلى أقوى نموذج في العالم، بل تحتاج إلى نظام جيد بما يكفي يتكامل مع العمليات القائمة، ويتحمل تكاليف يمكن التنبؤ بها، ويحمي المعلومات السرية.

لتحقيق ذلك، يجب على مزودي الخدمات ومكاملين الأنظمة الأوروبيين جعل سلاسل التوريد الخاصة بهم شفافة. ينبغي أن يكون من الممكن التحقق تقنيًا من النموذج الذي يعالج الطلب، والولاية القضائية التي تتم فيها المعالجة، وما إذا كان من الممكن اللجوء إلى مزود خدمة خارجي. يجب أن توثق السجلات مُعرّف النموذج والمنطقة والوقت والسياسة دون تكرار المحتوى بلا داعٍ. يجب أن تنظم العقود بوضوح إعادة التوجيه غير المصرح به، والتدريب باستخدام بيانات العملاء، وتغييرات المقاولين من الباطن.

بإمكان أوروبا أيضاً تعزيز معايير التدقيق المستقلة. لا ينبغي أن يقتصر التدقيق على طلب بيانات التدريب، التي يصعب في كثير من الأحيان الإفصاح عنها بالكامل، بل يجب أن يشمل فحص سلوك الشبكة، وتدفقات الفوترة، وبصمات النماذج، وأوجه التشابه في الاستجابات، وضوابط الوصول، والأداء الفعلي في بيئات الاختبار. قد تُصبح هذه الأدلة ميزة تنافسية، وعندها لن يكون بناء الثقة مجرد ادعاء تسويقي، بل سمة منتج قابلة للقياس.

يحتاج عملاء الشركات إلى إعادة حساب استراتيجيات الشراء الخاصة بهم

أهم النتائج العملية المترتبة على ذلك هي أنه لم يعد بالإمكان التعامل مع اختيار النموذج على أنه مجرد مقارنة أداء بسيطة. ينبغي على الشركة التمييز بين مطور النموذج، ومُشغّل الاستدلال، والوسيط، والمُكامل، والنماذج البديلة المحتملة. يمكن أن يتولى مزود واحد هذه الأدوار، ولكن ليس بالضرورة. ينبغي على الخدمات منخفضة التكلفة بشكل خاص أن تفصح عما إذا كانت تستخدم مواردها الحاسوبية الخاصة أو تُحيل الطلبات إلى منصات مختلفة.

ينبغي أن تتضمن العقود حظرًا صريحًا على إعادة التوجيه غير المصرح به. ويجب تحديد المقاولين من الباطن والمناطق والنماذج المستخدمة. كما يجب أن تتطلب التغييرات موافقة العميل، على الأقل بالنسبة للبيانات السرية أو الخاضعة للتنظيم. ومن الأمور بالغة الأهمية أيضًا فترات الاحتفاظ بالبيانات، واستبعاد التدريب الذي يتضمن إدخال وإخراج البيانات، والتزامات الإبلاغ في حالة اختراق بيانات اعتماد الوصول، والسجلات الفنية القابلة للتحقق.

من الناحية التقنية، يُوصى ببنية متعددة المستويات تعتمد على متطلبات الحماية. يمكن تشغيل المحتوى العام والمهام غير الحرجة ذات الحجم الكبير على نماذج فعّالة من حيث التكلفة. أما بيانات التطوير السرية والمعلومات الشخصية والوثائق الاستراتيجية، فينبغي تخزينها في بيئات مُحكمة ذات نموذج ثابت ومنطقة محددة بوضوح وسعة تخزين محدودة. يجب تقليل المعلومات شديدة الحساسية إلى أدنى حد، أو إخفاء هويتها، أو معالجتها محليًا بالكامل. لا يُبرر أي سعر إرسال بيانات اعتماد الوصول أو سجلات العملاء الكاملة أو الملكية الفكرية التي لا تُعوَّض دون تدقيق إلى واجهة غير مُوثَّقة.

يجب أن يشمل تحليل التكلفة والعائد ليس فقط أسعار الرموز، بل أيضًا معدلات النجاح، ووقت المعالجة، والإشراف البشري، ومخاطر الفشل، وتغيير الموردين، والامتثال، والأضرار المحتملة. قد يكون اختيار مزود منخفض التكلفة هو الخيار الأمثل للمهام المعيارية، بينما يكون النظام الأكثر تكلفة أكثر اقتصادية لعمليات الوكلاء المعقدة. يمكن لاستراتيجيات النماذج المتعددة تقليل الاعتماديات، ولكنها تزيد من متطلبات التوجيه والمراقبة وحماية البيانات. لذلك، لا ينبغي أبدًا أن يكون أقل سعر مُعلن هو العامل الحاسم الوحيد في منح العقد.

تُغير التدابير الوقائية اقتصاد المنتج

أعلنت شركة أنثروبيك أنها تتخذ إجراءاتٍ للردّ، تشمل تعليق الحسابات، وتحسين كشف أنماط الاستخراج، والتحقق من الهوية، وفرض قيودٍ أكثر صرامة على تتبع الأفكار التفصيلية. قد تُكلّف هذه الإجراءات إساءة الاستخدام مبالغ طائلة، ولكنها تُخلّف آثارًا جانبية. فعمليات التدقيق الأكثر صرامة تزيد من التعقيدات والتكاليف على المطورين الشرعيين. كما أن عمليات التفكير الأقل وضوحًا تُصعّب عمليات تصحيح الأخطاء والتقييم العلمي وتطوير تطبيقات المؤسسات المعقدة. وقد تُعيق حدود الحجم الصارمة العملاء الكبار أو تدفعهم إلى المنافسين.

يُؤدي هذا إلى تعارض أمني كلاسيكي. فالنموذج المفتوح وسهل الوصول إليه يُعظّم الاستخدام والانتشار في السوق، ولكنه يُسهّل الاستغلال. أما النموذج شديد التقييد فيُحسّن حماية القدرات، ولكنه يُقلّل من قيمة المنصة. ولعلّ الحلّ الأمثل اقتصاديًا يكمن في الوصول المُتدرّج. إذ يُمكن منح الشركات والمؤسسات البحثية المُوثّقة حدودًا أعلى وميزات أوسع، بينما تُفرض قيود أكبر على الحسابات المجهولة أو المشبوهة.

يمكن أن تساعد العلامات المائية التقنية وبصمات النماذج، لكنها لا توفر حماية كاملة. إذ يمكن لنموذج الطالب إعادة صياغة الإجابات، ودمج البيانات، وإضافة خطوات تدريبه الخاصة. وكلما زاد انحرافه عن نموذج المعلم، ازدادت صعوبة اكتشافه. لذا، يجب أن تستهدف آليات الحماية نقطة الوصول، لا نموذج المنافس النهائي فحسب. توفر الهوية، وطرق الدفع، وأنماط الشبكة، وتوزيع الطلبات، وتشابه المحتوى مجتمعةً صورةً أشمل من مجرد إشارة واحدة.

يؤدي هذا إلى زيادة تكاليف الأمن المستمرة لمزودي الخدمات. وعلى المدى البعيد، ستنعكس هذه التكاليف على أسعار واجهات برمجة التطبيقات (APIs) وشروط العقود وقيود الوصول. وبالتالي، فإن استخراج البيانات غير المصرح به لا يُثقل كاهل مزود الخدمة المتضرر فحسب، بل قد يزيد من تكلفة الوصول لجميع العملاء ويقلل من انفتاح منظومة الذكاء الاصطناعي بأكملها. كما أن نقل القدرات الذي يبدو مجانيًا يُولّد تكاليف مجتمعية تتمثل في زيادة المراقبة وتقليل إمكانية الوصول.

تقييم موضوعي للادعاءات

تتسم عدة عناصر من العرض التقديمي بالجدوى التقنية والاقتصادية. إذ يمكن ملاحظة شبكات واسعة من الحسابات الوهمية، وتعليمات استخراج منسقة، وأحجام تفاعل عالية، وأنماط وصول متكررة على مستوى المنصة. كما أن الدافع وراء ذلك مفهوم: فالأفكار والحلول عالية الجودة تُسرّع من تطوير نماذج منافسة، بينما تزيد ضوابط التصدير والتكاليف الحسابية المرتفعة من الحافز على التحايل عليها. علاوة على ذلك، يُعدّ توجيه استفسارات العملاء الحقيقية الموصوفة طريقة فعّالة لاكتساب قوة الاستدلال وبيانات التدريب في آنٍ واحد.

مع ذلك، لا تزال العديد من الأسئلة الرئيسية بلا إجابة. فالجمهور لا يملك حق الوصول الكامل إلى البيانات الأولية لشركة أنثروبيك. وقد تختلف الصلة الدقيقة بين الحسابات الفردية وإدارة الشركة اختلافًا كبيرًا، إذ قد تشمل الموظفين أو مزودي الخدمات أو الموزعين أو نقاط الوصول المخترقة. ولم تُسفر كل طلب مُعاد توجيهه بالضرورة عن مجموعة تدريبية. كما أن التشابه التقني لا يعني بالضرورة سيطرة تنظيمية. علاوة على ذلك، لم يتم بعد تحديد حجم الضرر الاقتصادي بشكل مستقل.

لدى شركة أنثروبيك أيضاً حافز استراتيجي لتصوير النزاع على أنه مسألة أمن قومي واستغلال صناعي. ورغم أن هذا قد يكون مبرراً موضوعياً، إلا أنه يعزز في الوقت نفسه موقفها في مواجهة الحكومات والمستثمرين والمنافسين. في المقابل، سيكون من مصلحة الشركة بنفس القدر رفض هذه الادعاءات باعتبارها مجرد حماية أمريكية. فالحسابات الاحتيالية، وبيانات الاعتماد المسروقة، وتبادل بيانات العملاء سراً، كلها أمور إشكالية بغض النظر عن جنسية المتورطين.

لذا، يقع المنظور المُبرَّر في مكان ما بين التهويل والتقليل من شأن القضية. فالأرقام المنشورة خطيرة بما يكفي لتستدعي إجراء تحقيقات مستقلة، وتقديم أدلة فنية مضادة، وإجراء عمليات تدقيق أكثر صرامة للشركات. ومع ذلك، فهي لا تُبرر حتى الآن إصدار حكم شامل على صناعة الذكاء الاصطناعي الصينية بأكملها. من المرجح أن تنبع مزايا الصين التنافسية من مزيج من الابتكار الحقيقي، وانخفاض التكاليف، والتسعير التنافسي، وسياسة الدولة الصناعية، والنماذج المفتوحة، وفي بعض الحالات، استخراج القدرات بطرق غير مشروعة محتملة. ولا يمكن لهذا المزيج المعقد أن يُنصف إلا من خلال تحليل دقيق ومتعمق.

أصبحت المنافسة في مجال الذكاء الاصطناعي مسألة تتعلق بشفافية التكاليف

لا يكمن جوهر الصراع الاقتصادي في تحديد ما إذا كانت النماذج الصينية أو الأمريكية أفضل من حيث الجوهر، بل في تحديد التكاليف التي يتم الكشف عنها بشفافية ومن يتحملها. يستثمر مزودو الخدمات الأمريكيون الرائدون مبالغ طائلة في مراكز البيانات والبحوث والأمن، ساعين إلى استرداد هذه النفقات من خلال التسعير المرتفع، وتقييد الوصول إلى منصات محددة، وعقود طويلة الأجل. أما المزودون الصينيون، فيعتمدون في الغالب على الأسعار المنخفضة، وشفافية التكاليف، وسرعة النشر. كلا النموذجين مبتكر، لكنهما يحفزان على إظهار التكاليف بشكل استراتيجي.

للشركات الأمريكية مصلحة راسخة في اعتبار أي نقل غير مصرح به للمعرفة انتهاكًا لحقوق الملكية الفكرية. ويستفيد المنافسون الصينيون من الادعاء بتحقيق أداء مماثل من خلال كفاءة فائقة. في المقابل، يميل المستثمرون إلى المبالغة في تفسير مؤشرات التدريب الفردية أو القيم المعيارية. يتطلب التقييم السليم معرفة التكاليف الكاملة للنظام، ومصدر بيانات قابل للتحقق، وتكلفة إنجاز كل مهمة، ومراعاة المخاطر الأمنية.

إذا تأكدت صحة أخطر الادعاءات، فسيكون جزء من ظاهرة انخفاض الأسعار في الصين مبالغًا فيه. ليس لأن المهندسين الصينيين لم يحرزوا تقدمًا مستقلًا، بل لأن بعض الموردين نقلوا تكاليف البحث والاستنتاج والبيانات إلى منافسيهم، مما عرّض عملائهم للخطر. عندها سيكون سعر السوق أقل من إجمالي التكاليف المجتمعية والتشغيلية.

إذا تبيّن أن التقديرات الرئيسية مبالغ فيها أو غير صحيحة، فسيتعين على مزودي الخدمات الأمريكيين الاعتراف بأن ريادتهم تتضاءل بوتيرة أسرع من المتوقع، وأن الإنفاق المرتفع لا يضمن بالضرورة قوة سوقية مستدامة. وفي كلتا الحالتين، يبقى الدرس نفسه قائماً: سوق الذكاء الاصطناعي العالمي بحاجة إلى مزيد من التحقق التقني. قد لا يكون هذا هو الخطاب الوطني الأكثر رواجاً، لكن الشفافية في مصادر المهارات والبيانات وقوة الحوسبة هي ما يجب أن يحدد من تثق به الشركات والحكومات والمستثمرون.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

يمكنكم التواصل معي عبر البريد الإلكتروني wolfenstein∂xpert.digital أو

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن