DeepSeek وQwen وMoonshot تزيد الضغط على وادي السيليكون بنماذج ميسورة التكلفة

لم يعد مطوّرو الذكاء الاصطناعي الصينيون في موقع اللاحق بالركب، بل بدأوا يغيّرون اقتصاديات السوق نفسها. فنماذج DeepSeek وQwen وMoonshot لم تعد تبدو خيارًا وسطًا "أرخص"؛ إذ تقترب في كثير من المهام من أفضل الأنظمة الأمريكية، لكنها تكلّف أقل بكثير وتمنح المطوّرين حرية أكبر في الضبط والتخصيص.

وهذه إشارة مزعجة لوادي السيليكون. فإذا أدرك السوق أن مستوى عاليًا من الجودة يمكن بلوغه دون ميزانيات ضخمة، ودون أكثر الرقائق ندرة، ودون ارتباط صارم بواجهة API مغلقة، فلن تكون الريادة التقنية الأمريكية وحدها تحت الضغط، بل أسلوب تحقيق الأرباح من الذكاء الاصطناعي المتقدم بأكمله.

والمفارقة أن القيود خدمت الصين جزئيًا. فقد دفعت القيود الأمريكية على تصدير أقوى الرقائق، وضعف إمكانية الوصول إلى رأس المال بدرجة ملحوظة، المختبرات المحلية إلى البحث عن استراتيجية هندسية أكثر اقتصادًا بدلًا من المسار المباشر القائم على زيادة القدرة الحاسوبية بلا حدود. وبدلًا من الرهان على "أكبر عنقود حوسبة" فحسب، سرّعت الشركات الصينية العمل على كفاءة التدريب وتحسين الاستدلال (inference) والضبط الدقيق العملي للنماذج وفق سيناريوهات محددة.

وبالتوازي، راهنت هذه الشركات على نهج open-weight: أوزان النموذج متاحة للمطوّرين، ويمكنهم دراستها وتكييفها ودمجها في منتجاتهم. وهذا ليس مجرد أيديولوجيا انفتاح، بل وسيلة لنشر التقنية بسرعة في الاقتصاد كله وبناء منظومة متكاملة حولها. وبهذا المنطق، لم تستهدف الصين بالضرورة الحد الأقصى المطلق في اختبارات المقارنة (benchmarks)، بل مزيج السعر والمرونة وسرعة التطبيق.

وفي مراجعة صدرت في ديسمبر عن Stanford HAI، لوحظ أن نماذج open-weight الصينية بدأت تلحق بالمنافسين العالميين، وتتفوق عليهم في بعض الجوانب، من حيث القدرات والانتشار، بعد سنوات من التأخر. وأشار الباحثون بصورة خاصة إلى التركيز على نماذج فعّالة حاسوبيًا ومحسّنة للاستخدام المرن في المهام اللاحقة (downstream). وهذا فارق مهم عن النهج الأمريكي، حيث تبقى أفضل الأنظمة في الغالب مغلقة وتُباع كخدمة مميزة.

وبالنسبة للشركات التي تبني مساعدين ووكلاء (agents) ووظائف بحث أو أدوات copilot داخلية، قد تكون إمكانية الحصول على نموذج قوي وتدريبه الإضافي وفق احتياجاتها وخفض تكلفة الطلب الواحد أهم أحيانًا من كسب بضع نقاط في اختبار مرموق.

ومع ذلك، سيكون من السابق لأوانه القول إن الصين تفوقت بوضوح. فبحسب تقدير Epoch AI بتاريخ 2 يناير 2026، تأخرت النماذج الصينية عن الحدود الأمريكية المتقدمة منذ عام 2023 بنحو سبعة أشهر في المتوسط، وتراوحت الفجوة في أوقات مختلفة بين أربعة وأربعة عشر شهرًا. أي أن الريادة الأمريكية في الصدارة لا تزال قائمة.

لكن هنا تحديدًا يظهر القلق في وادي السيليكون: فالخطر ليس في أن DeepSeek أو Qwen يجب أن تكون الأفضل في كل شيء، بل في أن الفجوة تقلصت إلى أشهر بدلًا من سنوات. وإذا كان النموذج أرخص بكثير، وأسرع نشرًا، و"جيدًا بما يكفي" لمعظم المهام التجارية، يبدأ السوق في حساب الأموال بطريقة مختلفة.

ومن هنا يأتي التحدي الرئيسي أمام الشركات الأمريكية. فمنطقها الحالي يقوم على نفقات رأسمالية ضخمة وبنية تحتية شحيحة وبيع الوصول إلى نماذج مغلقة بسعر مرتفع. أما اللاعبون الصينيون فيضغطون على هذا البناء من الجهة المقابلة: يقدمون مدخلًا أيسر، وتخصيصًا أكثر حرية، وانتشارًا أسرع عبر مجتمع المطوّرين. وكلما اتسعت هذه المنظومة، ضعفت حجة أن النموذج المغلق الباهظ التكلفة وحده يصلح أساسًا لمنتج جاد.

وبالنسبة للشركات الناشئة وفرق المؤسسات ومتكاملي الأنظمة، يعني ذلك ظهور بديل حقيقي. أما بالنسبة للمستثمرين، فهو مخاطرة بأن يذهب جزء من هوامش الربح المستقبلية في الذكاء الاصطناعي لا إلى من وصل أولًا إلى الحدود المتقدمة، بل إلى من نجح في جعل النموذج القوي منتجًا جماهيريًا.

وهذا يغيّر منطق المنافسة نفسه. فحتى وقت قريب، كان سباق الذكاء الاصطناعي يُنظر إليه كمنافسة يفوز فيها من ينفق أكثر على الرقائق ومراكز البيانات والتدريب. أما الآن فيتضح أن الانفتاح وقابلية التكيّف وتكلفة التطبيق لا تقل أهمية. ولا تزال المختبرات الأمريكية تحدد الإيقاع في قمة السوق، لكن الصين أثبتت أنه يمكن الاقتراب سريعًا من هذا المستوى والبدء في الفوز في التوزيع.

وهذا خبر سيئ لوادي السيليكون، لا لأنه جرى تجاوزه بالفعل، بل لأنه لم يعد يحتكر أفضل صيغة اقتصادية للذكاء الاصطناعي.