يواجه وادي السيليكون، الذي استنسخ جهود الصين، الآن تحدي تطبيقات الذكاء الاصطناعي.

بدأ وادي السيليكون بتقليد ما تعلمته الصين.

في الآونة الأخيرة، ظهر عدد من النماذج مفتوحة المصدر منخفضة السعر في الولايات المتحدة، بهدف اللحاق بنماذج المصادر المفتوحة الصينية من حيث القدرات والأسعار.

أصدر مختبر الآلات المفكرة التابع لميرا موراتي أول نموذج له، وهو "إنكلينغ"، الشهر الماضي. ويشير الوصف الرسمي إلى أمرين: أن البنية الأساسية تعتمد على ديب سيك-في 3، وأن بيانات التدريب تم توليدها بواسطة كيمي كي 2.5.

يستخدم أصحاب الكفاءات الأعلى أجراً في وادي السيليكون هيكل نموذج صيني مفتوح المصدر لتغذية البيانات التي يولدها هذا النموذج. قبل عامين، كان الوضع معكوساً.

في وقت سابق من هذا العام، سجل برنامج Trinity-Large-Thinking من شركة Arcee AI درجة 91.9 على منصة PinchBench، أي أقل بمقدار 1.4 نقطة من برنامج Opus 4.6 من شركة Anthropic، وبسعر يعادل 4% من سعر الأخير.

"نحن نعمل على جعل الولايات المتحدة تلحق بركب الصين وتتجاوزها"، هذا ما قاله مارك ماكويد، الرئيس التنفيذي لشركة Arcee AI.

وادي السيليكون الآن لا يقلد النماذج فحسب، بل يقلد أيضاً الأسعار التي خفضتها الشركات الصينية.

يمكن استعارة البنية، وإعادة إنتاج أساليب التدريب، وتزويد نماذج أخرى بالبيانات لتوليد الدفعات. وبمجرد إصدار الأوزان، يستطيع المطورون مواصلة التطوير. أما التسعير فهو أبسط؛ فبمجرد أن تخفض إحدى الشركات السعر، سيتعين على البقية أن تحذو حذوها في نهاية المطاف.

على مدى السنوات الثلاث الماضية، شيدت شركة النماذج الضخمة صرحًا فخمًا وأمتعت زوارها بالاعتماد على المعايير وقوة الحوسبة والتكنولوجيا المغلقة المصدر. والآن، بات هذا الصرح على وشك الانهيار.

ستة عشر يوماً

في الساعات الأولى من يوم 17 يوليو، أصدرت شركة Dark Side of the Moon نموذج Kimi K3. وبإجمالي 2.8 تريليون معلمة ومليون رمز سياقي، يُعد هذا النموذج أكبر نموذج مفتوح المصدر في العالم.

في قائمة المتصدرين لموقع Frontend Code Arena، حصد K3 1679 نقطة، يليه Claude Fable 5 ثم GPT-5.6 Sol. وهذه هي المرة الأولى التي يتفوق فيها نموذج مفتوح المصدر على نموذج مغلق المصدر. وقد حصد المركز الأول في ستة من أصل سبعة تخصصات في مجال تطوير واجهات المستخدم.

ترك ماسك تعليقاً يقول "مثير للإعجاب" أسفل نتائج المراجعة.

واجهة برمجة تطبيقات K3 ليست رخيصة، إذ تبلغ تكلفتها 100 يوان لكل مليون رمز إخراج. مع ذلك، في اختبار SuperCLUE المقارن، كان أداء مهمتها أعلى بنسبة 18% من صاحب المركز الثاني، وكان متوسط تكلفتها أقل بنسبة 16% عند تشغيل نفس مجموعة المهام.

لا يعتمد سعر النموذج على سعر المليون رمز، بل على تكلفة إتمام العملية برمتها من البداية إلى النهاية. وكلما زاد الفارق بين هذين الرقمين، قلّت أهمية السعر نفسه.

بعد يومين، وفي وقت متأخر من الليل، أوقف موقع "الجانب المظلم من القمر" الاشتراكات الجديدة للمستخدمين النهائيين. فقد تجاوز عدد الطلبات خلال 48 ساعة التوقعات بكثير، ولم تكن القدرة الحاسوبية كافية.

في 27 يوليو، أصدرت شركة K3 بياناتها الكاملة، إلى جانب التقارير الفنية والبنية التحتية الداعمة.

الخطوة التالية هي DeepSeek.

كان السوق ينتظر بفارغ الصبر الإصدار الرسمي لـ V4. في نهاية أبريل، أصدرت DeepSeek نسختين تجريبيتين، V4-Pro وV4-Flash، تدعم كلتاهما مليون سياق رمزي، وهو ما أطلقت عليه الشركة رسميًا "عصر الوصول الشامل إلى ملايين السياقات". شهد السوق نشاطًا محدودًا خلال الشهرين أو الثلاثة أشهر التالية حتى 2 أغسطس، حين تم الإصدار الرسمي لـ V4 Flash وفتح أوزانها. مع إجمالي 284 مليار مُعامل، و13 مليار مُعامل فقط مُفعّل لكل استدلال، ارتفعت نتيجة اختبار برمجة DeepSeek من 7.3 إلى 54.4.

كان السعر أكثر حدة. ففي مايو، انخفض سعر جهاز V4-Pro إلى ربع سعره الأصلي، مسجلاً بذلك رابع تعديل سعري لشركة DeepSeek في شهر واحد. وعندما أُطلق برنامج Flash رسميًا، كان الجميع لا يزالون مندهشين من فعاليته من حيث التكلفة.

كانت القاعدة القديمة "لكل شيء ثمنه". أما الآن، فقد أصبحت المنتجات الصينية أكثر تنافسية، وأصبحت أسعارها أقل فأقل. من الطبيعي أن يشعر المنافسون الأجانب بالاستياء، لكن ليس بوسعهم فعل الكثير. فقد رأى المستخدمون بالفعل منتجات رخيصة وجيدة، ولا أحد يريد العودة إلى التعرض للاستغلال.

أعلنت شركة علي بابا لاحقًا أنها ستُصدر مواصفات جهاز Qwen3.8-Max الأسبوع المقبل. وبذلك، أصبحت سلسلة Max، التي كانت سابقًا منتجًا رائدًا مغلق المصدر، متاحة الآن. ويبلغ سعرها العالمي حوالي 40% من تكلفة مدخلات جهاز Opus 5 و24% فقط من تكلفة مخرجاته.

حدثت هذه الأمور في غضون 16 يومًا فقط.

في الماضي، كانت شركات تصنيع النماذج تعتمد على الندرة لتحديد الأسعار؛ فإذا استطعتُ صنعها، كان عليك دفع ثمنها. وقد يؤدي اختلاف بسيط في النقاط على القائمة إلى فرق في السعر يصل إلى عشرات المرات.

تختلف مناهج Kimi و DeepSeek و Qwen التقنية، لكنها تقوم بنفس الشيء: رفع مستوى القدرات، وفتح الأوزان، وخفض الأسعار، ثم دمجها بسرعة في المنتجات.

أريد نسخ الواجبات المنزلية، لكن لا أحد سيدفع لي.

وقد لاحظ بعض الناس في الولايات المتحدة هذا الاتجاه أيضاً.

بحلول نهاية عام 2025، استثمرت شركة Arcee AI معظم مواردها المالية في المشروع. ففي غضون 33 يومًا، طورت 2048 وحدة B300، واستثمرت 20 مليون دولار، وكان لديها 30 موظفًا فقط. نتج عن ذلك نموذج Trinity Large الذي احتوى على 400 مليار مُعامل و13 مليار تنشيط لكل عملية استدلال، مع كون ما يقرب من نصف بيانات التدريب اصطناعية. وفي يوليو من هذا العام، وقّعت Arcee اتفاقية تعاون مع وزارة الطاقة الأمريكية لتطوير نموذج بحثي.

كان الفريق والإنجازات والتكاليف والعقود الحكومية - كل شيء كان متوفراً. لكن باب التمويل لم يُفتح.

جمعت شركة أرسيه حتى الآن 50 مليون دولار، بقيمة سوقية تبلغ 240 مليون دولار. في صناعة عارضات الأزياء الضخمة اليوم، لا يكفي هذا المبلغ حتى لدخول غرفة خاصة، ناهيك عن وجبة طعام.

قال الرئيس التنفيذي مارك ماكويد: "رفضتنا جميع شركات رأس المال الاستثماري من الدرجة الأولى تقريباً".

تم عرقلة النموذج الأمريكي المفتوح من قبل لجنة الاستثمار الخاصة به حتى قبل أن يواجه الصين.

في الربع الأول من عام 2026، جمعت الشركات الناشئة العالمية في مجال الذكاء الاصطناعي 255.5 مليار دولار، وتركز ما يقرب من ثلثي هذا المبلغ في ثلاث صفقات: 122 مليار دولار لشركة OpenAI، و30 مليار دولار لشركة Anthropic، و20 مليار دولار لشركة xAI. وتوجهت معظم هذه الأموال إلى شركات البرمجيات المغلقة المصدر.

قال جو فلويد، وهو مستثمر مبكر في شركة أرسي وشريك في شركة إيميرجنس كابيتال، إن أسباب الرفض التي سمعها من العديد من شركات رأس المال المخاطر كانت متشابهة إلى حد كبير:

"لا أريد لهذا النموذج أن ينجح. لا أريد الاستثمار فيه لأنه سيضر باستثماراتي في أنثروبيك وأوبن إيه آي."

إن أولئك الذين يرغبون حقًا في إنفاق المال على النماذج المفتوحة هم في الواقع بائعي الرقائق.

في مارس من هذا العام، كشفت شركة إنفيديا في ملفٍ قدمته إلى هيئة الأوراق المالية والبورصات الأمريكية عن نيتها استثمار 26 مليار دولار على مدى السنوات الخمس المقبلة لدعم الأوزان المفتوحة. وقد تلقت كلٌ من شركات Reflection AI وPoolside وThinking Machines Lab تمويلاً من هذا الاستثمار.

يدرك جنسن هوانغ هذا الأمر أكثر من أي شخص آخر. يحقق نموذج البرمجيات المغلقة المصدر أرباحًا من واجهات برمجة التطبيقات (APIs)، بينما يستهلك نموذج البرمجيات المفتوحة موارد وحدات معالجة الرسومات (GPUs) بشكل مفرط. وكلما انخفض سعر النموذج، زاد عدد المطورين الذين يستخدمونه، وبالتالي ارتفعت مبيعات وحدات معالجة الرسومات من إنفيديا.

في مساء يوم 24 يوليو، أنشأ جنسن هوانغ حسابًا على منصة X، وكانت أول تغريدة له عبارة عن إعادة تغريد لرسالة مفتوحة بعنوان "الأوزان المفتوحة وريادة أمريكا في مجال الذكاء الاصطناعي". وذكرت الرسالة أن قدرة الولايات المتحدة على الاستمرار في قيادة هذا القطاع لا تعتمد فقط على امتلاكها لأحدث النماذج، بل أيضًا على امتلاكها لنظام بيئي يمكن نشره في مختلف الصناعات.

لاحقًا، وجّه مؤسسو نحو 200 شركة ناشئة أمريكية رسالةً مشتركةً إلى إدارة ترامب يعارضون فيها حظر النموذج الصيني المفتوح. والأمر الأكثر إثارةً للاهتمام في هذه الرسالة، التي قرأتها، هو خلوّها التام من أي كلمة إيجابية. لم يتحدثوا بإيجابية عن الصين، ولم يرفعوا راية الانفتاح؛ كان مبررهم الوحيد هو أن النموذج الصيني الرخيص قد أصبح بالفعل أداةً إنتاجية، وإذا ما تم حظره فعلاً، فلن يكون أمامهم سوى العودة إلى شراء المواد الصيدلانية الفعالة الأمريكية باهظة الثمن.

وقال ماكويد في مقابلة أيضاً إن الانتشار الواسع النطاق هو مسألة وقت فقط.

الطلب الناجم عن انخفاض الأسعار

بينما لا يزال وادي السيليكون يناقش ما إذا كان سيتم تطبيق نظام الترجيح المفتوح أم لا، فقد بدأت الصين بالفعل في معالجة العقبة التالية.

شاع استخدام عبارة "السنة الأولى لتطبيقات الذكاء الاصطناعي" مرات عديدة خلال السنوات الثلاث الماضية. ومع ذلك، لتقييم ما إذا كانت تقنية ما قد دخلت بالفعل مرحلة التطبيق العملي، يكفينا النظر إلى أمرين: مدى استعداد المستخدمين للدفع مقابلها، ومدى دمج الشركات لها في أعمالها.

حققت كل من Claude Code و Cursor هذا العام أكثر من مليار دولار من الإيرادات السنوية، وتبلغ نسبة انتشار أدوات برمجة الذكاء الاصطناعي ما يقرب من النصف بين المطورين الأفراد.

وتبرز هذه التغييرات بشكل أكبر على مستوى الشركات. فبحسب دراسة أجراها مركز أبحاث "دون"، ارتفع معدل تبني الشركات الصينية لأنظمة الذكاء الاصطناعي من 17.3% في نهاية عام 2024 إلى 40.3% بحلول منتصف عام 2026.

اقترحت لي يانهونغ مقياساً جديداً يُسمى DAA، وهو اختصار لـ Daily Active Agents (الوكلاء النشطون يومياً). في السابق، كانت شركات الإنترنت تحسب عدد الأشخاص الذين فتحوا منتجاتها يومياً؛ أما الآن، فستحسب عدد الوكلاء الذين يقومون بالعمل فعلياً ويحققون النتائج.

أما منحنى حجم المكالمات فهو أكثر إثارة للدهشة. فبحسب إحصائيات قناة CCTV، ارتفع متوسط حجم المكالمات اليومية للرموز الرقمية في الصين من حوالي 100 مليار مكالمة في بداية عام 2024 إلى 140 تريليون مكالمة في نهاية مارس من هذا العام، أي أكثر من ألف ضعف في غضون عامين فقط.

أصبحت النماذج أرخص فأرخص، بينما باتت القدرة الحاسوبية نادرة. ففي مارس من هذا العام، رفعت كل من تينسنت كلاود، وعلي بابا كلاود، وبايدو إيه آي كلاود أسعار قدرتها الحاسوبية تباعاً خلال عشرة أيام، بزيادات بلغت نحو 30%. وبعد الطفرة التي شهدها سوق الوكلاء الأذكياء في النصف الأول من العام، ارتفع سعر استئجار القدرة الحاسوبية للاستدلال بأكثر من 40%.

السبب هو أن استخدام الناس للذكاء الاصطناعي قد تغير. ففي السابق، كان الأمر مجرد عملية بسيطة من الأسئلة والأجوبة لا تتطلب الكثير من الرموز. أما الآن، فلكي يُنجز البرنامج المهمة فعلياً، يحتاج إلى سياق، وأدوات متعددة، ومراجعة مستمرة؛ فإذا أخطأ، عليه أن يبدأ من جديد. انخفض سعر الوحدة، لكن الاستهلاك ازداد بشكل هائل.

لم يؤدِ خفض الأسعار إلى انكماش السوق؛ بل على العكس، فقد جلب كل الطلب الذي كان غير مبرر سابقاً.

في عام 1981، أتاحت شركة IBM بنية حاسوبها الشخصي، وسرعان ما غمرت الأجهزة المتوافقة السوق، مما أدى إلى انخفاض أسعار الأجهزة. في النهاية، لم تكن الشركات التي حققت أرباحًا طائلة هي شركات تصنيع الأجهزة، بل شركات Lotus 1-2-3 وWordPerfect، ولاحقًا Microsoft، التي بُنيت على تلك الأجهزة.

اليوم، يكاد المسار يكون هو نفسه تماماً. فبينما لا يزال الجميع يركز على الاختلاف الطفيف في القدرات الأساسية، بدأت الشركات الرائدة بالفعل في التنافس على المستخدمين ونقاط الدخول وسير العمل.

بإمكان الشركات الأمريكية دراسة بنية DeepSeek، أو استخدام البيانات التي يولدها Kimi، أو إنفاق 20 مليون دولار لتدريب نموذج مفتوح عالي الأداء. مع ذلك، لا يمكن نسخ التطبيقات بسهولة.

لا يحتوي التطبيق على أوزان قابلة للتنزيل ولا معايير أداء. ما يحدد قدرته على العمل هو الحيل الصغيرة التي تراكمت لدى الشركة على مدار أكثر من عقد من العمل الجاد والخبرة.

في الماضي، اعتادت الشركات الكبيرة على تحويل النماذج إلى منتجات مستقلة، بانتظار أن يفتح المستخدمون نافذة دردشة منفصلة. أما الآن، فقد بدأت النماذج بالاندماج في تطبيقات مثل DingTalk وLark وWeChat Work، حيث يندمج الوكيل مباشرةً في المؤسسة وعملياتها القائمة.

في الولايات المتحدة، قد ينمو وكيل المكتب على غرار Gmail وSlack وSalesforce. أما في الصين، فقد يبدأ الأمر مع DingTalk وLark وWeChat Work، ثم يتوسع ليشمل البرامج المالية وأنظمة سلاسل التوريد وأنظمة المصانع والمنصات الحكومية. وحتى لو استخدم الجانبان النموذج نفسه، ستختلف المنتجات النهائية.

بعد انخفاض السعر

بين عامي 2022 و2025، ستُصعّد الولايات المتحدة قيودها على الرقائق الصينية. ولن تُباع رقائق H100 وB300، كما ستُقيّد عمليات ومعدات التصنيع المتقدمة. في ظل هذه الظروف، ابتكرت الشركات الصينية أكبر نموذج مفتوح في العالم.

بحلول عام 2026، بدأت الولايات المتحدة مناقشة فرض قيود على أوزان النماذج الصينية. وقد أفادت التقارير أن شركتي OpenAI وAnthropic أعربتا عن مخاوفهما للهيئات التنظيمية، كما يدرس الكونغرس إمكانية استمرار تدفق أوزان النماذج عبر الحدود.

قبل أن تسقط السكين، صرخ رجالهم من الألم.

يُقيّد حظر الرقائق الإلكترونية التوريد للشركات الصينية، بينما يُخفّض حظر النماذج التكاليف أولاً للشركات الأمريكية الناشئة. كما أوضحت الرسالة المشتركة أن الحظر لن يوقف الانتشار، بل سيُجبر المطورين فقط على تحميل جميع النماذج المتاحة قبل إغلاق المنصة.

تُعدّ الرقائق الإلكترونية أجسامًا مادية؛ إذ يُمكنها تعطيل الطلبات والخدمات اللوجستية وعمليات التصنيع. وبمجرد تحرير وزن ما، يُمكن تنزيله ونسخه وقياسه وضبطه بدقة واستخلاصه إلى ما لا نهاية.

أما الأمر الأكثر صعوبة في السيطرة عليه فهو السعر.

لا تزال الولايات المتحدة متقدمة في مجال النماذج المغلقة المصدر المتطورة. ولا تزال شركتا OpenAI وAnthropic في الصدارة، ولا يزال تدريب النماذج عالية المستوى يعتمد بشكل كبير على بطاقات Nvidia، وهو وضع من غير المرجح أن يتغير على المدى القريب.

لكن عند التطبيق، نادراً ما تُحدد النتيجة بأقوى نموذج. بل يتعلق الأمر بمدى انخفاض تكلفة النموذج، وما إذا كانت المؤسسة تمتلك مدخلاً رقمياً جاهزاً، وما إذا كان بإمكان المطورين التعمق فعلاً في عمليات الأعمال.

بالنظر إلى الوراء على مدى الثلاثين عامًا الماضية، فازت الصين مرات عديدة، لكن أساليب الفوز كانت متشابهة إلى حد كبير.

تشمل المدفوعات عبر الهاتف المحمول، والتجارة الإلكترونية، وتوصيل الطعام، والبث المباشر، دمج تقنيات مبتكرة خارجياً في الحياة اليومية لمليارات الأشخاص، مما أدى إلى إنشاء شركات ذات نطاق هائل. لطالما وفرت جهات أخرى البنية التحتية الأساسية. فالترانزستورات من ابتكار مختبرات بيل، ومعالجات x86 من إنتاج إنتل، وبروتوكول TCP/IP موّلته الحكومة الأمريكية، وأنظمة ويندوز وأندرويد وiOS نشأت جميعها على الساحل الغربي للولايات المتحدة. حتى تقنيتا TensorFlow وPyTorch، وهما الأكثر استخداماً في عصر التعلم العميق، نشأتا من جوجل وميتا على التوالي.

"الاختراع في أمريكا، والتوسع في الصين" - هذا القول موجود منذ ثلاثين عامًا، ولم تكن هناك سوى استثناءات قليلة حقيقية.

والآن، ظهر استثناء.

المواصفات التقنية لشركة Thinking Machines Lab واضحة للغاية. فقد استندت إحدى أبرز الشركات الجديدة وأكثرها تمويلاً في وادي السيليكون إلى بنية شركة صينية في الطبقة الأساسية لنموذجها، ثم استخدمت بيانات مُولّدة بواسطة نموذج صيني آخر للتدريب.

في الماضي، كانت وادي السيليكون تستمد طاقتها الإنتاجية، وتستقطب المواهب، أو تبحث عن أسواق في الصين. أما الآن، فقد بدأت تتبع مسارات التكنولوجيا التي أثبتت الشركات الصينية جدارتها بشكل مباشر.

لا شك أن تقديس وادي السيليكون له جذوره. فعلى مدى العقود القليلة الماضية، نمت معظم التقنيات الأساسية الهامة في صناعة الحواسيب من هناك. من الرقائق الإلكترونية داخل الأجهزة إلى بيئات التطوير المتكاملة التي يستخدمها المبرمجون يوميًا، لطالما كان وادي السيليكون في طليعة سلسلة التكنولوجيا.

لكن في عالم التكنولوجيا، النتائج هي الأهم. فمن يستطيع اقتراح بنية جديدة، ومن يستطيع خفض التكاليف، ومن يستطيع حث المنافسين على تقليده، له الحق في إعادة تعريف المراحل الأولية.

والآن، بدأت الشركات الصينية بالظهور في هذه القائمة.

من المرجح أن يلحق وادي السيليكون بالركب في المستقبل، نظرًا لوفرة المهندسين ورأس المال والرقائق الإلكترونية فيه. مع ذلك، فإن التطبيقات المدمجة بالفعل في الشركات لن تنتظر أحدًا. فمن يبادر إلى دمجها في عمليات المؤسسات سيحصد العملاء والبيانات وفرصة إجراء المزيد من التحسينات. ولا تتشابه نقطة البداية أبدًا.

لن يبدأ عصر تطبيقات الذكاء الاصطناعي بضجة كبيرة في يوم مميز. بل سيظهر أولاً في البيانات المالية، وفي الاستخدام المتزايد بشكل هائل، وفي مبرمج ينفد رصيده في منتصف الليل مرة أخرى.

إن انتشار هذا الأمر مسألة وقت لا أكثر. هذا ما قاله أمريكي.