جولة ميدانية في مختبرات الذكاء الاصطناعي في الصين: باحث يكشف أن «الفجوة في الشرائح والبيانات» هي العامل الحاسم في الفارق بين الصين والولايات المتحدة

زار باحث أبحاث الذكاء الاصطناعي Nathan Lambert مؤخراً عدة مختبرات صينية كبيرة للذكاء الاصطناعي، بما في ذلك شركة Moonshot AI (الواجهة التي كتبها بالاسم الصيني: 月之暗面)، وZhipu، وMeituan، وXiaomi، وAlibaba Qwen (Tongyi Qianwen)، ومجموعة Ant Ling (螞蟻集團)، و01.ai (零一萬物)، وكتب هذه الملاحظات الرصدية العميقة. وقد اعترف بأن هذه الزيارة أعادته إلى فهم الصين المنظومة البيئية للذكاء الاصطناعي؛ وهذه السجلات ليست مجرد مشاهدات سياحية من باحث، بل هي تقرير تشخيصي أولي صيني حقيقي عن الذكاء الاصطناعي، من الثقافة التقنية إلى بنية الصناعة.

المزايا الأساسية للذكاء الاصطناعي في الصين: الثقافة والموهبة والواقعية في التعامل

من أين تأتي القدرة التنافسية للباحثين الصينيين: ميول إلى العمل الجاد دون ضجيج

يرى Lambert أن المختبرات الصينية تمكنت من مواكبة التطورات في مجال الذكاء الاصطناعي بسرعة، بل ومجاراة المستوى المتقدم، وراءها عامل محوري غالباً ما يُتجاهل: ثقافة البحث والجو التنظيمي.

وبالمقارنة مع الباحثين الأميركيين الذين يُظهرون عادةً رغبة قوية في إبراز أنفسهم، والذين يميلون إلى إظهار نتائج أبحاثهم، والسعي لبناء علامة شخصية عبر الإعلام والمجتمعات الرقمية، فإن الباحثين الصينيين يميلون أكثر إلى وضع أنفسهم خلف جودة النموذج. فهم على استعداد أكبر للانخراط في أعمال صامتة وغير معروفة لكنها تعزز أداء النموذج فعلياً، كما أنهم أكثر تقبلاً لفكرة أن ما يطرحونه يمكن التخلي عنه ضمن تحسينات متعددة الأهداف.

وأشار Lambert إلى أنه حتى في الولايات المتحدة ظهرت تقارير تفيد بأن بعض المختبرات “تدفع مقابل أعلى الباحثين كي يتوقفوا عن الشكوى” من أن حلولهم لم تُعتمد؛ وهو ما يرمز إلى أن الاحتكاكات التنظيمية خلف المختبرات الغربية أمرٌ حقيقي.

ولدت هذه الفروقات الثقافية أثراً ملموساً على مستوى المؤسسات: تدنّي الوعي بالذات يجعل الهياكل التنظيمية أكثر قابلية للتوسع عمودياً؛ كما يستطيع الباحثون على مستويات مختلفة التعاون بكفاءة، بدل أن يدافع كل فريق عن مصالحه.

اندماج الطلاب في فرق تطوير LLM بوصفه قوة رئيسية من بين القوى الأخرى

ومن الظواهر التي لفتت انتباه Lambert كذلك، أن نسبة عالية جداً من المساهمين الأساسيين في كل مختبر تقريباً ما زالوا طلاباً في الدراسة. ولا تتم معاملتهم بشكل مختلف، بل يُدمجون مباشرة داخل فرق تطوير LLM. ويتباين ذلك مع بيئة الولايات المتحدة التي لا تمنح OpenAI وAnthropic تقريباً فرص تدريب، أو حتى إن وُجدت فرص تدريب فإنها تكون معزولة عن الأعمال الأساسية داخل النواة:

تكمن ميزة الطلاب في أنهم “لا يحملون أعباء”. لم يمرّوا بالافتراضات المعتمدة بالقصور التي تركتها الموجات الأولى من موجات الذكاء الاصطناعي، لذا يسهل عليهم التقاط التقنيات الجديدة بسرعة، بدءاً من توسيع MoE، مروراً بالتعلم المعزز، وصولاً إلى تطوير الوكلاء. وكل مرة ينتقل فيها النموذج إلى مثال مختلف بالنسبة لهم تعد نقطة بداية جديدة بالكامل، دون الحاجة إلى نبذ المعارف السابقة.

التنافس أم التعاون؟ كشف بيئة “حكم المهندسين” في الصين

لاحظ Lambert أنه عندما حاول مناقشة المخاطر الاجتماعية طويلة الأمد للذكاء الاصطناعي، أو الصدمات الاقتصادية، أو الجدل الأخلاقي حول سلوك النماذج مع باحثين صينيين، فإن الحوار غالباً ما ينتهي إلى نوع من الصمت. وهو يفهم أن الطرف الآخر لا يتجنب تلك القضايا عن قصد، بل لأنها ببساطة ليست ضمن نطاق تفكيرهم.

واستشهد بطرح الباحث Dan Wang حول “أن الصين تُدار بواسطة المهندسين، بينما تُدار أميركا بواسطة المحامين” لشرح موقفه: “مهمتهم هي جعل النموذج جيداً، أما القضايا الأخرى فدعها لغيرهم”.

وهذا جعل مجتمع الذكاء الاصطناعي في الصين في نظر Lambert أشبه بـ “مجتمع” وليس قبائل تتنافس فيما بينها. فبين المختبرات المختلفة تنتشر حالة الاحترام المتبادل؛ ويُبدي الجميع قدراً كبيراً من التقدير لعمالقة مثل ByteDance، كما يثمنون بشدة ذوق البحث لدى DeepSeek وقوة التنفيذ لديه، لكنهم لا يتمتعون بتلك النبرة المشحونة بالتنافس التي تتسم بها مختبرات أميركية.

قيود ومواطن ضعف الذكاء الاصطناعي في الصين: نقص الرقائق والبيانات والفجوة في الإبداع

رقائق إنفيديا هي الاختناق المشترك لدى جميع المختبرات

بسبب تأثير قيود التصدير الأميركية، فإن نقص توفر القدرة الحاسوبية لدى شركة Nvidia يفرض قيداً مشتركاً على جميع مختبرات الصين. وقد لاحظ Lambert أن كل مختبر تقريباً صرّح بوضوح بأنه إذا كان توفر القدرة الحاسوبية كافياً، فسيقومون بتوسيع عمليات الشراء دون تردد.

وتلقى المسرعات المحلية مثل Huawei (هواوي) في جانب الاستدلال تقييماً إيجابياً، وقد استخدمتها العديد من المختبرات بالفعل بكميات كبيرة؛ لكن في جانب التدريب تظل Nvidia المعيار الذهبي غير القابل للاستبدال، ومن الصعب سد هذه الفجوة بالكامل خلال المدى القصير عبر حلول أخرى.

تصير صناعة البيانات أكبر نقطة ضعف، ويصبح بناء البيانات ذاتياً خياراً سائداً

مقارنةً بـ Anthropic وOpenAI، اللتين تستثمران سنوياً عشرات ملايين الدولارات في شراء بيئات تدريب التعلم المعزز، لا تزال صناعة البيانات الخارجية في الصين تعاني فجوة واضحة من حيث الجودة. وقد لاحظ Lambert أن معظم المختبرات ترى أن جودة البيانات المتاحة للشراء في السوق منخفضة نسبياً، لذا تفضّل توجيه الموارد إلى بناء بيئات التدريب ذاتياً، ويقضي الباحثون وقتاً طويلاً أيضاً في بناء تلك البيئات.

رغم أن شركات كبيرة مثل ByteDance وAlibaba لديها فرق بيانات داخلية يمكنها تقديم الدعم، وكما قال المحلل Citrini Zephyr، فإن هذا لا يزال من أكبر مواطن الضعف في منظومة الذكاء الاصطناعي الصينية.

(روبوتات Moonshot الصينية الجديدة تدّعي أنها Claude، ويتسرب حقيقة نموذج Anthropic المكثف)

الانفتاح مفتوح المصدر وراءه واقعية لا أيديولوجيا

وبالنظر إلى سؤال الخارج عن سبب حاجة شركات مثل Meituan وXiaomi إلى بناء ونشر نماذج عامة كبيرة، يرى Lambert أن وراء ذلك منطقاً تجارياً عملياً جداً: يتيح الانفتاح مفتوح المصدر الحصول على ملاحظات من مجتمع خارجي، وتعزيز جودة النماذج. وفي الوقت نفسه، تستطيع الشركة الاحتفاظ بإصدارات الضبط الدقيق الداخلية لاستخدامها في منتجاتها الخاصة، مع السيطرة على مجموعة التقنيات الأساسية.

وهذا النهج “ملكية التقنية” يدفع معظم كبريات شركات التكنولوجيا الصينية إلى بناء نماذج أساسية من تلقاء نفسها، بدلاً من الاعتماد على خدمات خارجية، وهو ما يختلف كلياً عن اختيار شركات الذكاء الاصطناعي في الولايات المتحدة.

منظور مؤسس Delphi Ventures: قوة تنفيذية عالية لكن افتقار إلى الإبداع

زار José Maria Macedo، الشريك المؤسس لشركة Delphi Ventures، مؤخراً أيضاً المنظومة البيئية للذكاء الاصطناعي في الصين بعمق، وقدّم من زاوية المستثمر طبقة أخرى من الملاحظات، في مقابل منظور Lambert التقني.

يعتقد Macedo أن مؤسسي الصين يتمتعون عادةً بسير ذاتية لا تشوبها شائبة وكفاءة تنفيذية مذهلة، لكن بالمقارنة، فإن اندفاع ريادة الأعمال الأصلي من الصفر إلى الواحد “من دون سابقة” أقل شيوعاً: “هم بارعون أكثر في تقديم ترقية ممتازة لاتجاهات قائمة، بدلاً من طرح مشكلات جديدة لم يكن السوق قد أدركها بعد.” ويعزو ذلك إلى نمط تفكير يعززه النظام التعليمي على مدى طويل، يركز على “حل المشكلات” أكثر من “طرح الأسئلة”.

(أفضل المواهب متاحة في كل مكان، ومع ذلك لا يمكنهم صنع OpenAI؟ مستثمرون يزورون بعمق لمدة أسبوعين ويكشفون المشكلة الحقيقية في ذكاء الصين الاصطناعي)

ما زالت الولايات المتحدة ينبغي أن تحافظ على موقع الريادة في منظومة منفتحة

يعترف Lambert بأن الصين لا يمكن فهمها ببساطة عبر الأطر الغربية: “ثقافتها قديمة جداً وعميقة جداً، ولها تفاعل كيميائي فريد مع الطريقة التي تتشابك بها مع منظومة التقنية.”

وبصفته أميركياً، يأمل في استمرار مختبرات الذكاء الاصطناعي الأميركية التي تركز على النماذج المنفتحة بالحفاظ على الصدارة؛ لكن ما يقلقه أكثر هو أنه إذا حدّت الولايات المتحدة من تطوير النماذج المنفتحة عبر أوامر إدارية، فإن ذلك سيضعف بدلاً من ذلك موقعها القيادي في منظومة الذكاء الاصطناعي المنفتحة عالمياً، ما يجعل كفة المنافسة تميل إلى اتجاه غير معروف.

هذه المقالة “زيارة ميدانية لمختبرات ذكاء اصطناعي في الصين: باحثون يكشفون أن ‘فجوة الرقائق والبيانات’ هي مفتاح الفارق بين الصين والولايات المتحدة” ظهرت لأول مرة على موقع 链新闻 ABMedia.