الصين وديب سيك | الذكاء الاصطناعي: مليارات الدولارات من الاستثمارات بلا جدوى؟ كيف تُحدث بنية جديدة ثورة في سوق الرقائق الإلكترونية؟ – الصورة: إكسبرت ديجيتال
أثر الارتداد: كيف مكّنت العقوبات الأمريكية الصين من تحقيق اختراق في مجال الذكاء الاصطناعي
294 ألف دولار بدلاً من 100 مليون دولار: الحقيقة وراء حرب الأسعار في شركة ديب سيك
يُثير أحدث إصدار من شركة الذكاء الاصطناعي الصينية "ديب سيك" تساؤلات جوهرية حول مستقبل الذكاء الاصطناعي. ففي نهاية ديسمبر 2025، قدمت الشركة أسلوب تدريب جديدًا (يُسمى "الوصلات الفائقة المقيدة بالمتعددات")، والذي يمتلك القدرة على إعادة تشكيل صناعة الذكاء الاصطناعي بأكملها. فبينما تستثمر شركات التكنولوجيا الغربية العملاقة مئات المليارات من الدولارات في مراكز بيانات ضخمة ورقائق متخصصة، تُقدم "ديب سيك" مسارًا بديلًا قائمًا على التطور المعماري بدلًا من مجرد الاستثمار الرأسمالي. وقد يُزعزع هذا التطور الأسس الاقتصادية لصناعة الذكاء الاصطناعي، ويُمهد الطريق لتحولٍ لا يُحدد فيه النجاح أو الفشل بمجرد توفر الموارد، بل بالخبرة الهندسية.
لم ينشأ النهج الصيني من خيار، بل من ضرورة. فقد منعت قيود التصدير التي فرضتها الولايات المتحدة الشركات الصينية من الوصول إلى أقوى رقائق الذكاء الاصطناعي من إنفيديا. وما بدا في البداية عائقًا استراتيجيًا تحوّل إلى حافزٍ لظهور مسارات تطوير بديلة. كان على شركة ديب سيك تحقيق أقصى أداء ممكن بإمكانيات محدودة، فابتكرت أساليب تُشكّل اليوم تحديًا لهيكل تكلفة الصناعة بأكملها. وقد أحدث إطلاق طراز R1 في يناير 2025، والذي نافس أفضل الطرازات الأمريكية ولكنه طُوّر بتكلفة زهيدة، صدمةً في أسواق الأسهم، وأجبر المحللين في جميع أنحاء العالم على إعادة النظر في نماذج تقييمهم.
ذو صلة بهذا الموضوع:
من الاتصالات الفائقة إلى الاستقرار الرياضي
يرتكز الأساس التقني لمنهجية DeepSeek الجديدة على تطوير الشبكات في مجال الذكاء الاصطناعي. تستخدم الشبكات العصبية التقليدية ما يُسمى بالوصلات المتبقية، وهي بمثابة "طريق مختصر" لتمرير المعلومات بين طبقات الشبكة. تُمكّن هذه الوصلات من تدريب شبكات أعمق من خلال منع تلاشي إشارات التعلم. تعمل "الوصلات الفائقة" في DeepSeek على توسيع هذا المفهوم من خلال زيادة تدفق المعلومات بين الطبقات، مما يسمح بأنماط أكثر مرونة. يؤدي هذا إلى تحسين الأداء، ولكنه ينطوي على عيب جوهري: فالتعقيد الإضافي يُؤثر سلبًا على الاستقرار، حيث لم تعد المعلومات تُمرر بنفس موثوقية الوصلات التقليدية.
باستخدام الاختصارات التقليدية، تبقى المعلومات ثابتة إلى حد كبير أثناء انتقالها عبر الشبكة، مما يؤدي إلى تدريب مستقر. أما الاتصالات الفائقة الجديدة، فتضحي بهذه الخاصية مقابل قدرة تعلم أكبر، لكن هذا يؤدي إلى تقلبات كبيرة عند تدريب نماذج ضخمة. لاحظت شركة DeepSeek في تجاربها أن معدلات الخطأ ارتفعت بشكل غير متوقع بعد حوالي 12000 خطوة تدريب، وهو مؤشر واضح على عدم الاستقرار. تصرفت إشارات التحكم في عملية التعلم بشكل فوضوي، مما جعل التوسع إلى نماذج أكثر قوة شبه مستحيل. في الوقت نفسه، أدت الاتصالات الأوسع إلى زيادة حركة البيانات، حيث كان لا بد من نقل المزيد من المعلومات بين الذاكرة والمعالج.
يقوم حل DeepSeek بإسقاط هذه الروابط المعقدة في فضاء رياضي مُتحكم به (متعدد الأبعاد) ذي قواعد ثابتة. تُعيد هذه الحيلة الرياضية الاستقرار مع الحفاظ على مزايا تبادل المعلومات الأكثر ثراءً. يُحدد هذا الفضاء بواسطة مصفوفات خاصة تتوازن قيمها للحفاظ على الاستقرار العام. ورغم أن هذا القيد قد يبدو تقنيًا، إلا أن له آثارًا عملية بعيدة المدى: فهو يضمن عدم فقدان الإشارات أو نموها بشكل غير مُتحكم به أثناء تدفقها عبر الشبكة.
أكدت التجارب العملية التي أُجريت على نموذج يحتوي على 27 مليار مُعامل فعاليته. تفوقت كل من الاتصالات الفائقة القياسية والمُستقرة على النموذج الأساسي، إلا أن النسخة المُستقرة حققت باستمرار أفضل النتائج. تحسن استقرار التدريب بشكل ملحوظ. فبينما أظهر النموذج القياسي حالات انقطاع كبيرة بعد 12000 خطوة، سار التدريب باستخدام الطريقة الجديدة بسلاسة وتبع سلوك النموذج الأساسي المستقر بدقة. بقيت إشارات التعلم ضمن النطاق الطبيعي طوال العملية، مما يشير إلى حل جذري لمشكلة الاستقرار.
لا تأتي مكاسب الأداء دون ثمن، لكن التكلفة معقولة بشكلٍ مُدهش. تزيد هذه الطريقة الجهد الحسابي بنحو 6.7% مقارنةً بالطريقة القياسية. هذا الجهد الإضافي البسيط ضئيلٌ للغاية مقارنةً بالتحسينات الهائلة في الأداء، مما يجعل هذه الطريقة من أكثر الاستراتيجيات فعاليةً في الأبحاث الحالية. كما طبّقت DeepSeek تحسيناتٍ دقيقةً على البنية التحتية لتقليل الضغط على مسارات نقل البيانات. هذه التحسينات بالغة الأهمية، لأنه في النماذج الكبيرة، غالبًا ما لا تكمن المشكلة في قوة الحوسبة نفسها، بل في سرعة نقل البيانات بين الذاكرة والمعالج.
ذو صلة بهذا الموضوع:
الحقيقة الاقتصادية وراء العناوين الرئيسية
كان النقاش العام حول تكاليف DeepSeek مليئًا بسوء الفهم منذ البداية. فعندما كشفت الشركة عن نموذجها R1 في يناير 2025، أشارت الأرقام المتداولة إلى أن تكاليف تدريب النموذج الأساسي V3 تقل عن ستة ملايين دولار. وكثيرًا ما قورن هذا الرقم بتكاليف تدريب نموذج GPT-4 من OpenAI، والتي قُدّرت بمئة مليون دولار، مما أوحى بأن DeepSeek قد حققت ميزة تنافسية في التكلفة تبلغ خمسة وعشرين ضعفًا. وفي سبتمبر 2025، نشرت DeepSeek مقالًا في مجلة Nature يفيد بأن تكاليف تدريب R1 لم تتجاوز 294 ألف دولار. وقد هيمن هذا الرقم مجددًا على التغطية الإعلامية، وعزز فكرة الميزة التنافسية الجوهرية في التكلفة.
لكن التحليل الدقيق يكشف عن صورة أكثر تعقيدًا. يشير مبلغ 294 ألف دولار حصريًا إلى ما يُسمى بمرحلة ما بعد التدريب، حيث يتم تحسين نموذج ذكي بالفعل من خلال الممارسة والتغذية الراجعة. تتجاوز التكاليف الإجمالية الفعلية 5.87 مليون دولار لوقت الحوسبة وحده، بالإضافة إلى استثمارات في الأجهزة تُقدر بنحو 51 مليون دولار. ولا تشمل هذه الأرقام تكاليف البحث، وإعداد البيانات، والموظفين، والتجارب الفاشلة. عند أخذ هذه العوامل في الاعتبار، فإن تكاليف التطوير الفعلية تقع ضمن نطاق، وإن كان أقل من الأرقام المماثلة في الغرب، إلا أنه لا يصل إلى الحجم الهائل للأرقام التي يتم الاستشهاد بها غالبًا.
يصعب بطبيعتها فهم هيكل تكلفة تطوير الذكاء الاصطناعي. لم تنشر OpenAI أرقامًا دقيقة لتكلفة GPT-4. أما التقدير الشائع البالغ 100 مليون دولار أمريكي، فيعود إلى سام ألتمان، الذي أشار في عام 2023 إلى أن تكاليف تدريب النموذج الأساسي كانت أعلى بكثير. وتشير تقديرات مماثلة لنماذج أحدث مثل GPT-4o إلى انخفاض التكاليف بشكل ملحوظ بفضل التقنيات الحديثة، كشبكات الخبراء المتخصصة، والأساليب الأكثر كفاءة، والبنية التحتية المُحسّنة. وتُقدّر بعض التحليلات تكاليف تدريب GPT-4o بما بين 5 و16 مليون دولار أمريكي، ما يعني أن فرق التكلفة بينها وبين DeepSeek أقل بكثير مما هو مُتصوّر.
مع ذلك، يبقى إنجاز شركة DeepSeek لافتًا للنظر. فقد درّبت الشركة نموذجها V3 باستخدام ما يقارب 2.8 مليون ساعة معالجة رسومية على 2048 شريحة H800 على مدار شهرين. تُعدّ شريحة H800 نسخة مُخفّضة الأداء من شريحة H100 من Nvidia، مُخصصة للسوق الصينية، حيث تم تقليل معدل نقل البيانات فيها بشكل كبير للامتثال للوائح التصدير الأمريكية. هذه الشرائح أقل قوة بكثير من الشرائح الأصلية المُستخدمة في مراكز البيانات الغربية، أو حتى من معالجات Blackwell الأحدث. إن قدرة DeepSeek على تطوير نماذج تنافسية باستخدام هذه الإمكانيات المحدودة تُعدّ الإنجاز الحقيقي.
يلعب تصميم "مزيج الخبراء" دورًا محوريًا. يحتوي DeepSeek V3 على 671 مليار مُعامل، لكنه لا يُفعّل سوى 37 مليار مُعامل لكل عملية حسابية. هذا يعني أن جزءًا صغيرًا فقط من النموذج يعمل فعليًا على كل استعلام. يتكون النموذج من العديد من "الخبراء" المتخصصين ومجموعة معارف مشتركة، مع اختيار عدد قليل من المتخصصين لكل خطوة. يُمكّن هذا التصميم من زيادة معارف النموذج بشكل كبير دون زيادة التكاليف الحسابية بشكل متناسب. يستطيع كل خبير التخصص في مواضيع محددة، مما يُحسّن الأداء ويزيد الكفاءة.
يكمن التحدي في هذا النهج القائم على الخبرة في تحقيق توازن الأحمال. فإذا كان بعض الخبراء مطلوبين باستمرار بينما يبقى آخرون غير مستخدمين، تنشأ مشاكل في الكفاءة. تستخدم الأساليب التقليدية ما يُسمى بـ"دوال الجزاء" التي تُجبر النموذج على استخدام جميع الخبراء بالتساوي. ومع ذلك، غالبًا ما تؤدي هذه الطريقة إلى نتائج أقل جودة، حيث لا يتم دائمًا اختيار أفضل خبير. وقد طبّقت DeepSeek استراتيجية ذكية لتحقيق توازن الأحمال دون هذه العقوبات المصطنعة، مما يضمن استخدامًا متوازنًا للخبراء دون المساس بالجودة. وكان هذا الابتكار حاسمًا لنجاح توسيع نطاق النموذج.
ضرورة الصين الاستراتيجية للابتكار
لا يمكن فهم تطور تقنية DeepSeek بمعزل عن السياق الجيوسياسي. ففي أكتوبر/تشرين الأول 2022، شددت الولايات المتحدة بشكل كبير قيودها على تصدير رقائق الذكاء الاصطناعي ومعدات التصنيع إلى الصين. هدفت هذه الإجراءات إلى الحد من قدرة الصين على تطوير أنظمة ذكاء اصطناعي متقدمة وتطبيقاتها العسكرية. اضطرت شركة Nvidia إلى تطوير رقائق معدلة خصيصًا للسوق الصينية. وظهرت رقائق A800 وH800 كنسخ مصغرة من الطرازات الرائدة، بسرعات منخفضة تكفي بالكاد للامتثال لقيود التصدير الأمريكية.
في عام 2023، شددت الولايات المتحدة القيود مجددًا، مانعةً حتى هذه الحلول المؤقتة. وفي الوقت نفسه، فُرضت قيود على تصدير الذاكرة عالية الأداء، وهي عنصر أساسي في رقائق الذكاء الاصطناعي الحديثة. أجبرت هذه الإجراءات الشركات الصينية على تطوير بدائل أو اللجوء إلى أجهزة أقدم وأقل كفاءة. وهكذا، انقطعت هواوي، التي كانت ذات يوم قوة عالمية في مجال الاتصالات، فعليًا عن الوصول إلى تكنولوجيا الرقائق الغربية، واضطرت إلى تطوير حلولها الخاصة. ورغم أن معالجات Ascend من هواوي لا تحقق سوى جزء ضئيل من أداء معالجات Nvidia لكل شريحة، إلا أنها قادرة على تعويض هذا النقص جزئيًا بفضل حجم إنتاجها الكبير.
تُظهر أرقام الإنتاج حجم التحدي. فمن المتوقع أن تُنتج هواوي حوالي 200 ألف شريحة ذكاء اصطناعي في عام 2025، بينما تمكنت الصين من استيراد ما يقارب مليون شريحة Nvidia مُعدّلة بشكل قانوني خلال الفترة نفسها. علاوة على ذلك، تتسع فجوة الأداء. تُشير التحليلات إلى أن أفضل الشرائح الأمريكية حاليًا أقوى بخمس مرات تقريبًا من أفضل منتجات هواوي، ومن المتوقع أن تتسع هذه الفجوة بشكل كبير بحلول عام 2027. حتى لو زادت هواوي إنتاجها بشكل هائل، فلن تتمكن من مُضاهاة قوة الحوسبة التي تُقدمها Nvidia عالميًا بحلول عام 2027.
أجبرت هذه القيود المطورين الصينيين على رفع كفاءتهم بشكل جذري. أدرك ليانغ وينفنغ، مؤسس شركة DeepSeek، هذه الحاجة مبكرًا، ففي عام 2021، قبل تشديد القيود، اشترى عشرة آلاف وحدة معالجة رسومية من طراز Nvidia A100. منح هذا الاستثمار الاستباقي شركة DeepSeek ميزة حاسمة على منافسيها الذين لم يتمكنوا لاحقًا إلا من الوصول إلى أجهزة أقل كفاءة. طبق مدير صندوق التحوط السابق نفس البصيرة الاستراتيجية التي حققت له النجاح في القطاع المالي. كان صندوقه، High-Flyer، يدير مليارات الدولارات، وكان من بين أكثر الشركات المالية تقدمًا من الناحية التكنولوجية في الصين.
لم يكن تأسيس شركة DeepSeek في يوليو 2023 مجرد تجربة عابرة. فقد رأى ليانغ في تطوير الذكاء الاصطناعي العام مشروعًا تقنيًا محوريًا في هذا القرن، وسعى إلى وضع الصين في طليعة هذا المجال. وفي مقابلة صحفية، أوضح أن الشركات الناشئة في مجال الذكاء الاصطناعي تتمتع بموقع متميز للمنافسة مع الشركات الكبرى الراسخة، نظرًا للتحول الجذري الذي يشهده السوق. وأكد أن العامل الحاسم ليس اتباع القواعد القديمة، بل القدرة على التكيف بمرونة مع التغيير والاستجابة له.
انعكست هذه الفلسفة في منهجية تطوير DeepSeek. فمنذ البداية، ركزت الشركة على تحقيق أقصى النتائج بأقل الموارد. وبينما استثمرت شركات غربية مثل OpenAI وAnthropic مليارات الدولارات في نماذج ضخمة ومراكز بيانات هائلة، ركزت DeepSeek على تحسين البنية والتدريب والتطبيق لزيادة الكفاءة. وقد أثبت نموذج R1 هذه الاستراتيجية ببراعة، إذ حقق نتائج في المهام الرياضية تضاهي أفضل النماذج الأمريكية، ولكنه تطلب بنية تستهلك طاقة حاسوبية أقل بكثير لكل إجابة.
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات - 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:
نهاية هيمنة الذكاء الاصطناعي: كيف تُحبط شركة ناشئة خطط شركتي Nvidia وOpenAI
الاضطرابات النظامية وردود فعل السوق
أحدث إطلاق DeepSeek R1 في يناير 2025 صدمةً تجاوزت الأوساط التقنية. فقد تفاعل سوق الأسهم بخسائر للشركات التي استثمرت بكثافة في البنية التحتية للذكاء الاصطناعي. وخسرت شركة Nvidia، التي استندت قيمتها بشكل كبير على افتراض استمرار الطلب المتزايد على رقائقها باهظة الثمن، قيمتها في غضون أيام. وتساءل المستثمرون عما إذا كان الإنفاق المعلن عنه بمئات المليارات من الدولارات ضروريًا أصلًا، في حين أن شركة صينية ناشئة استطاعت تحقيق نتائج مماثلة بجزء بسيط من هذا المبلغ.
كان رد فعل عمالقة التكنولوجيا الصينيين فوريًا وحاسمًا. فقد خفضت شركات بايت دانس، وتينسنت، وبايدو، وعلي بابا أسعار خدمات الذكاء الاصطناعي لديها بشكل كبير. وأصبح نموذج دوباو التابع لشركة بايت دانس أرخص بنسبة 99% تقريبًا مقارنةً بالعام السابق. وأدت هذه التخفيضات في الأسعار إلى زيادة هائلة في الاستخدام، حيث قفزت الاستعلامات اليومية من 120 مليارًا إلى أكثر من 500 مليار في غضون بضعة أشهر. وقُدّرت القيمة الإجمالية لسوق خدمات الذكاء الاصطناعي في الصين بمبالغ زهيدة نسبيًا، مما يشير إلى هوامش ربح منخفضة للغاية بالنظر إلى حجم الاستخدام الهائل.
تُبيّن هذه الأرقام مشكلةً: فالمنافسة تتحوّل من جودة الذكاء الاصطناعي إلى كفاءة البنية التحتية وسعرها. ومع ذلك، أعلنت شركة علي بابا كلاود، الرائدة في السوق الصينية، عن استثمارات بمليارات الدولارات في البنية التحتية للذكاء الاصطناعي. كما تُخطط شركة بايت دانس لشراء كميات هائلة من الرقائق الإلكترونية. أما شركة تينسنت، التي تأخرت نوعًا ما في شراء الرقائق، فتعوّض ذلك من خلال استئجار سعة الحوسبة واستخدام تقنية ديب سيك الفعّالة.
يتسارع اندماج السوق. ويتوقع الخبراء أن ينحصر مجال مزودي الذكاء الاصطناعي الصينيين في عدد قليل من الشركات الكبرى. وسيكون الفائزون هم من يجعلون تقنيتهم معيارًا من خلال الجمع بين الأداء المتميز والتطبيقات العملية. وتعكس هذه العملية التطورات في قطاعات تكنولوجية أخرى، حيث تلي فترة الابتكار السريع فترة اندماج، ولا تبقى إلا الشركات التي تمتلك أفضل مزيج من التكنولوجيا والحجم وقوة السوق.
يشهد الغرب اتجاهاً مماثلاً، حيث تتضاءل هيمنة OpenAI بشكل ملحوظ. فقد انخفضت حصة ChatGPT في السوق بشكل كبير، بينما اكتسبت Google Gemini مزيداً من التقدم. هذا التحول ليس مجرد تقلب إحصائي، بل يشير إلى أن ميزة "السبق في السوق" تتضاءل، في حين يلحق المنافسون ذوو المنصات الراسخة بالركب. تستطيع Google دمج تقنيات الذكاء الاصطناعي الخاصة بها مباشرةً في محرك البحث ونظام Android، مما يمنحها ميزة هيكلية على مزودي الذكاء الاصطناعي المنفردين.
يعكس التسعير هذه الديناميكية. فقد خفضت شركات غربية مثل أنثروبيك وأوبن إيه آي أسعارها وقدمت نماذج أكثر كفاءة. وانخفض سعر معالجة مليون كلمة بشكل كبير خلال العامين الماضيين. يشير هذا التطور إلى أن الذكاء الاصطناعي أصبح سلعة متاحة للجميع. وبمجرد أن يقدم العديد من المزودين جودة مماثلة، سيصبح السعر هو العامل الحاسم، مما يقلل الأرباح ويجعل الحجم أكثر أهمية.
ذو صلة بهذا الموضوع:
حدود ثورة التفكير
بالتوازي مع زيادة الكفاءة، حدث تطورٌ بدا في البداية وكأنه الإنجاز الكبير التالي. فقد حققت ما يُسمى بـ"نماذج الاستدلال"، التي تستغرق وقتًا أطول للتفكير في المشكلات والعمل على خطواتها بشكلٍ واضح، نتائجَ باهرة. وأظهرت نماذج مثل o1 من OpenAI وR1 من DeepSeek، وغيرها، قدراتٍ مذهلة في الرياضيات والبرمجة. الفكرة بسيطة: إذا منحتَ النموذج وقتًا أطول "للتفكير" وسمحتَ له بصياغة مسار الحل، فمن المفترض أن تتحسن الإجابات.
مع ذلك، في يونيو 2025، نشرت شركة آبل دراسة كشفت عن بعض القيود. اختبر الباحثون نماذج متطورة باستخدام ألغاز منطقية يمكن التحكم بدقة في صعوبتها. وكانت النتائج مثيرة للقلق: فقد أظهرت النماذج سلوكًا متناقضًا. إذ ازداد جهد المعالجة لديها في البداية مع ازدياد التعقيد، ثم انخفض مجددًا عند نقطة معينة، على الرغم من توفر الوقت الكافي لها، وأصبحت الحلول خاطئة.
حددت الدراسة ثلاث مراحل. بالنسبة للمشكلات البسيطة، كانت نماذج اللغة العادية في كثير من الأحيان أفضل وأكثر اقتصادية من نماذج "التفكير". أما بالنسبة للمشكلات متوسطة الصعوبة، فقد قدمت عمليات التفكير مزايا واضحة. ومع ذلك، بالنسبة للمشكلات شديدة التعقيد، انهار كلا النوعين من النماذج تمامًا. لم يقتصر الأمر على فشلهما بفارق ضئيل، بل عجزا عن إيجاد حلول صحيحة ولو بشكل طفيف.
الأمر المقلق بشكل خاص هو أن حتى تقديم الصيغة الصحيحة للحل لم يُجدِ نفعاً يُذكر. فقد فشلت النماذج عند مستويات صعوبة مماثلة. وهذا يُشير إلى أن المشاكل أعمق من ذلك: فالنماذج تُعاني في تنفيذ الخطوات المنطقية بدقة وفي التحقق من استنتاجاتها.
كشف تحليل "بروتوكولات التفكير" عن أنماطٍ محددة. ففي المسائل البسيطة، كانت النماذج تجد الحل مبكراً، لكنها سرعان ما تغرق في تفاصيل غير ضرورية. أما في المسائل المعقدة، فكانت غالباً ما تضلّ طريقها. وبعد مستوى معين من الصعوبة، لم تعد قادرة على توليد حلول صحيحة على الإطلاق. وكثيراً ما كانت تُركّز على أفكار خاطئة سابقة، وتُهدر وقتها الحسابي في تبريرها بدلاً من تصحيح الخطأ.
حذرت دراسة أخرى من أن تحسين هذه النماذج قد يتوقف قريبًا. فبينما تحقق نتائج أفضل في الاختبارات بفضل الجهد الحسابي الهائل، إلا أن ذلك يجعلها بطيئة ومكلفة. وتُعدّ العواقب الاقتصادية وخيمة: إذ تُكلّف النماذج "المُفكّرة" أضعاف تكلفة تشغيل النماذج القياسية. وإذا فشلت هذه النماذج في تحقيق الإنجازات المرجوة ووصلت إلى حدودها القصوى، يثور التساؤل حول جدوى الاستثمارات الضخمة. ويشير اكتشاف أن النماذج الأبسط غالبًا ما تكون أكثر كفاءة إلى أنه في المستقبل، سيكون من الضروري اختيار الأداة الأنسب لكل مهمة بدقة أكبر.
ذو صلة بهذا الموضوع:
سباق البنية التحتية ونقص الطاقة
على الرغم من كفاءة البرمجيات المتزايدة، فإن استهلاك الموارد في هذا القطاع آخذ في الارتفاع. وتشير التوقعات إلى أن الطلب على الكهرباء في مراكز البيانات سيرتفع بشكل كبير بحلول نهاية العقد. وقد تتضاعف حصة تطبيقات الذكاء الاصطناعي في استهلاك الكهرباء العالمي في مراكز البيانات. وتُستثمر مبالغ طائلة لتلبية هذا الطلب، تصل إلى تريليونات الدولارات على مستوى العالم. وتعكس مبادرات مثل "ستارغيت" التابعة لشركة OpenAI وشركائها، أو برامج الاستثمار الأوروبية، حجم التحدي الهائل.
يشهد التوزيع الإقليمي تحولاً. فبينما تتصدر آسيا وأمريكا الشمالية المشهد حالياً، سيتم بناء غالبية القدرات الجديدة في الولايات المتحدة الأمريكية. كما تخطط أوروبا لتوسعات هائلة، مما قد يزيد بشكل كبير من الطلب على الكهرباء في القارة.
في الوقت نفسه، تتزايد كثافة الطاقة في مراكز البيانات. ونظرًا لأن رقائق الذكاء الاصطناعي تولد كمية هائلة من الحرارة في مساحة صغيرة، فإن التبريد بات يمثل تحديًا متزايدًا. غالبًا ما تكون أنظمة تكييف الهواء التقليدية غير كافية، ولذلك تبرز الحاجة إلى أنظمة تبريد سائل متطورة، وهي بدورها مكلفة ومعقدة.
يشهد السوق مؤشرات على ارتفاع الأسعار بشكل مفرط. يتزايد استخدام مراكز البيانات، مما يؤدي إلى ارتفاع الأسعار. ومن غير المتوقع أن يهدأ هذا الوضع حتى يتم إنجاز المزيد من مشاريع البناء أو تباطؤ نمو الطلب على الذكاء الاصطناعي. مع ذلك، إذا انتشرت أساليب فعّالة مثل أسلوب DeepSeek، فقد تقل الحاجة إلى مراكز بيانات جديدة عن المتوقع. وهذا من شأنه أن يثير تساؤلات حول جدوى الاستثمارات الضخمة المخطط لها، ويؤدي إلى فائض في الطاقة الاستيعابية، وهو ما يمثل خطراً على كل من راهن على زيادة الطلب على الأجهزة بشكل مطرد.
الاستراتيجيات الوطنية والسيادة التكنولوجية
يرتبط تطوير شركة DeepSeek ارتباطًا وثيقًا بمساعي الصين نحو الاستقلال. وقد أولت الخطط الخمسية أولوية قصوى لأشباه الموصلات، ويجري العمل على تحقيق هدف الاكتفاء الذاتي بجهود جبارة. وتُلزم اللوائح الجديدة مصنّعي الرقائق الصينيين باستخدام المزيد من الآلات المنتجة محليًا. ويستثمر صندوق حكومي ما يعادل نحو 50 مليار دولار في صناعة الرقائق المحلية لتقليل الاعتماد على الغرب.
بدأت هذه السياسة تؤتي ثمارها، وإن لم يكن ذلك في بعض الحالات كما هو مُخطط له. ففي السابق، كانت المصانع الصينية تُفضل المعدات الأمريكية. إلا أنه بسبب العقوبات الأمريكية، لم يعد أمامها خيار سوى العمل مع الموردين المحليين، الأمر الذي سرّع من وتيرة تطورها. وقد تتمكن الصين قريباً من السيطرة على حصة كبيرة من الإنتاج العالمي للرقائق الإلكترونية البسيطة المستخدمة في السيارات والأجهزة المنزلية.
مع ذلك، لا تزال الفجوة كبيرة فيما يتعلق بتقنيات الذكاء الاصطناعي المتطورة. فرقائق هواوي لا تستطيع منافسة رقائق إنفيديا من حيث الأداء، وحجم الإنتاج منخفض للغاية. وحتى الزيادات الهائلة في الإنتاج لن تسد هذه الفجوة لسنوات. ونظرًا لأن الطلب على قوة الحوسبة ينمو بوتيرة أسرع من الإنتاج الصيني، فمن المرجح أن يتفاقم هذا النقص.
هذا يستلزم حلولاً مبتكرة. ويعتمد نجاح شركة DeepSeek أيضاً على استحواذها في الوقت المناسب على رقائق Nvidia. بينما يلجأ آخرون إلى طرق التهريب أو الأساليب غير المباشرة. وتستجيب الحكومة بتدابير مضادة، مثل فرض قيود على تصدير العناصر الأرضية النادرة والتحقيق مع شركات التكنولوجيا الغربية. ويتزايد الضغط على الشركات الصينية لشراء الرقائق المصنعة محلياً، حتى وإن كانت أقل جودة من الناحية التقنية.
البيئة التنظيمية والحوكمة العالمية
بينما تتنافس الولايات المتحدة والصين في سباق تكنولوجي محموم، يركز الاتحاد الأوروبي على التنظيم. ويُعدّ "قانون الذكاء الاصطناعي" أول قانون شامل في العالم يُعنى بالذكاء الاصطناعي، إذ يحظر التطبيقات شديدة الخطورة ويضع قواعد صارمة لنماذج الذكاء الاصطناعي المتقدمة، مع فرض غرامات باهظة على المخالفين.
يسعى النهج الأوروبي إلى وضع معايير أخلاقية دون كبح الابتكار. ويخشى النقاد من عواقب سلبية على الشركات الأوروبية، بينما يرى المؤيدون ميزة طويلة الأجل من حيث تعزيز الثقة والأمان. مع ذلك، لا تزال الأنظمة على الصعيد العالمي غير متجانسة. فالولايات المتحدة تعتمد على الالتزامات الطوعية، بينما تعطي الصين الأولوية لسيطرة الدولة. هذا التشتت يجعل من الصعب وضع معايير مشتركة.
تتزايد أهمية قضية أمن الذكاء الاصطناعي. ويحذر الخبراء من المخاطر التي يشكلها الذكاء الخارق. وقد تقلصت المدة الزمنية اللازمة لتحقيق هذا "الذكاء الاصطناعي العام" (AGI). فلم يعد المطورون البارزون يتحدثون عن عقود، بل عن بضع سنوات فقط. ويبقى أن نرى ما إذا كان هذا واقعيًا أم مجرد دعاية تسويقية، لكن القطاع يستعد له.
النماذج الفاشلة وإعادة التنظيم الاستراتيجي
يُظهر تأخير إطلاق نموذج DeepSeek الجديد، R2، أن النجاح ليس مضمونًا. فبعد أن كان من المقرر إطلاقه في وقت سابق، واجه مشاكل. ويبدو أن محاولات تدريب النموذج على رقائق هواوي الصينية قد باءت بالفشل رغم مساعدة مهندسي هواوي.
لذا، تواصل الشركة استخدام مخزونها الحالي من منتجات Nvidia للتدريب، لكنها تضطر بشكل متزايد إلى الاعتماد على هواوي لتطبيق النماذج - وهو حل وسط مفروض سياسياً. وقد تسببت هذه التأخيرات في انخفاض مؤقت في اهتمام المستخدمين، حيث لم تكن المنافسة مكتوفة الأيدي.
تُعدّ البيانات مشكلة أخرى. فالوصول إلى المستوى التالي يتطلب بيانات تدريب أكثر وأفضل. في الدول الناطقة بالإنجليزية، تتوفر هذه البيانات بسهولة عبر الإنترنت. أما في الصين، فالوصول إلى بيانات عالية الجودة أكثر صعوبة، ويعود ذلك جزئيًا إلى الرقابة، وجزئيًا إلى عدم إتاحة الكثير من المحتوى للعامة. هذا، بالإضافة إلى ضعف الأجهزة، يُبطئ عملية التطوير. وإذا استغرق التدريب وقتًا أطول وأصبح أكثر صعوبة، فإن الميزة التنافسية من حيث التكلفة تتلاشى.
التغيير الهيكلي في صناعة الذكاء الاصطناعي
يشهد هذا القطاع تحولاً جذرياً. فالشعار السابق "كلما زاد كان أفضل" - أي المزيد من البيانات، والمزيد من الرقائق، والمزيد من المال - بات محدوداً أو باهظ التكلفة. وقد أثبتت شركة DeepSeek أن البنية الذكية قد تكون أهم من القوة الخام.
لهذا الأمر تداعيات على المستثمرين. فمن استثمروا مليارات الدولارات في الأجهزة قد يواجهون مشاكل إذا أدى انخفاض كفاءة البرمجيات إلى تقليل الطلب. وفي الوقت نفسه، تتاح الفرصة للاعبين الجدد، إذ لم يعد الاستثمار في هذا المجال يتطلب بالضرورة ثروة طائلة.
مع انخفاض تكلفة أداء الذكاء الاصطناعي وتقاربه، لم يعد النموذج نفسه العامل الوحيد؛ بل الأهم هو مدى تكامله مع المنتجات. تتمتع جوجل ومايكروسوفت بميزة هنا لوجود قاعدة مستخدمين لديهما بالفعل. أما الشركات الناشئة المتخصصة في الذكاء الاصطناعي البحت فتواجه تحديات أكبر. يلعب المصدر المفتوح، أو البرمجيات المجانية، دورًا متزايد الأهمية. نماذج مثل تلك التي تقدمها DeepSeek أو Meta متاحة للجميع، مما يُسرّع وتيرة الابتكار.
في الوقت نفسه، يتساءل المستثمرون متى ستعود الأموال إلى التدفق. يمتلك ChatGPT قاعدة مستخدمين واسعة، لكن تكلفته باهظة. ولا تزال الأرباح الكبيرة بعيدة المنال. وتظهر وظائف جديدة لخبراء الذكاء الاصطناعي في سوق العمل، بينما تُؤتمت مهام مكتبية بسيطة، وهو تحدٍّ مجتمعي لا تزال حلوله غير سهلة.
بعد الضجة الإعلامية حول الذكاء الاصطناعي: الآن تبدأ المعركة الحقيقية لتحقيق الربح
تُمثل ابتكارات شركة DeepSeek نقطة تحولٍ حاسمة، إذ تُثبت إمكانية بناء تكنولوجيا عالمية المستوى حتى مع محدودية الموارد. وهذا يُشكك في الافتراض السائد بأن الشركات الأمريكية الأكثر ثراءً هي وحدها القادرة على تحقيق النجاح، ويُحوّل المنافسة من "من يملك المال الأوفر؟" إلى "من يملك أفضل المهندسين؟".
من الناحية الجيوسياسية، من الواضح أن العقوبات قد تُبطئ التقدم، لكنها قد تُحفز الابتكار أيضاً. تُبني الصين صناعتها الخاصة تحت الضغط. أما اقتصادياً، فنحن في البداية فقط. الأسعار في انخفاض، والنماذج أصبحت سلعاً يومية. من يريد النجاح في المستقبل لا بد له من بناء ذكاء اصطناعي متطور، وأن يكون قادراً على تحقيق الربح منه.
لا تزال هناك عقبات تقنية. فالأساليب الحالية تقترب من حدودها، وما إذا كنا سنشهد ذكاءً شبيهاً بالذكاء البشري في أي وقت قريب أمرٌ غير مؤكد. ستُظهر السنوات القليلة القادمة ما إذا كان هذا المجال سيتجاوز هذه العقبات أم أن الضجة الإعلامية ستتلاشى. ولعلّ أهم درسٍ تعلمناه من ديب سيك ليس تقنياً على الإطلاق، بل استراتيجياً: فهناك دائماً طريقة أخرى إذا اضطررتَ للبحث عنها.
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
☑️ دعم الشركات الصغيرة والمتوسطة في مجالات الاستراتيجية والاستشارات والتخطيط والتنفيذ
☑️ إنشاء أو إعادة تنظيم الاستراتيجية الرقمية والتحول الرقمي
☑️ توسيع وتحسين عمليات المبيعات الدولية
☑️ منصات التداول العالمية والرقمية بين الشركات
☑️ تطوير الأعمال الرائدة / التسويق / العلاقات العامة / المعارض التجارية
🎯🎯🎯 استفد من خبرة Xpert.Digital الواسعة والمتعددة الجوانب في باقة خدمات شاملة واحدة | تطوير الأعمال، البحث والتطوير، الواقع الممتد، العلاقات العامة، وتحسين الظهور الرقمي
استفد من خبرة Xpert.Digital الواسعة والمتعددة الجوانب في باقة خدمات شاملة | البحث والتطوير، والواقع الممتد، والعلاقات العامة، وتحسين الظهور الرقمي - الصورة: Xpert.Digital
تتمتع شركة Xpert.Digital بمعرفة متعمقة في مختلف القطاعات، مما يُمكّننا من تطوير استراتيجيات مُصممة خصيصًا لتتوافق بدقة مع متطلبات وتحديات قطاع السوق الخاص بكم. ومن خلال التحليل المستمر لاتجاهات السوق ومتابعة تطورات القطاع، نستطيع اتخاذ إجراءات استباقية وتقديم حلول مبتكرة. إن الجمع بين الخبرة والكفاءة يُولّد قيمة مضافة ويمنح عملاءنا ميزة تنافسية حاسمة.
للمزيد من المعلومات، انقر هنا:
