Nvidia: جينسن هوانغ يصف تشغيل DeepSeek على رقائق Huawei بأنه تهديد للولايات المتحدة

لا يمثل انتقال DeepSeek من منظومة Nvidia إلى رقائق Huawei بالنسبة للولايات المتحدة قصة محلية عن مطوّر صيني واحد، بل خطر فقدان أهم أداة نفوذ على سوق الذكاء الاصطناعي العالمية. هكذا وصف رئيس Nvidia جينسن هوانغ الوضع: فإذا بدأت النماذج الصينية القوية تُحسَّن لا للمنظومة الأمريكية بل للمنظومة الصينية، فستكون العواقب استراتيجية. وقال هوانغ في بودكاست Dwarkesh إن هذا السيناريو سيكون «نتيجة مروّعة» للولايات المتحدة.

وجاء هذا التحذير مع استعداد DeepSeek لإطلاق V4، وهو نموذج أساسي جديد متعدد الوسائط يُتوقع الكشف عنه قبل نهاية أبريل 2026. ووفقًا لما نُشر، من المفترض أن يعمل النموذج على معالج Huawei Ascend 950PR. ومن المهم هنا التفريق بين التدريب والاستدلال (inference): فقد يكون النموذج دُرّب على مسرّعات من نوع، بينما تُعالَج طلبات المستخدمين على مسرّعات أخرى. والجزء الثاني تحديدًا هو ما يبدو الآن ميدان التجربة الرئيسي.

ولا يرتبط التهديد الأساسي لـ Nvidia، ولسياسة التقنية الأمريكية بوجه عام، بالعتاد وحده، بل بالمنظومة البرمجية. فقد أمضت DeepSeek عدة أشهر في إعادة كتابة الشيفرة الأساسية لتعمل على CANN، وهي بيئة Huawei البرمجية، وبذلك ابتعدت عن عالم CUDA الذي بنته Nvidia على مدى نحو عقدين. وحتى الآن، لم تكسر قيود توريد الرقائق إلى الصين هذا الاعتماد بالكامل: فما دامت المختبرات تكتب شيفرتها لـ CUDA، فإنها تبقى مرتبطة بالمنظومة الأمريكية. أما الانتقال إلى CANN فيعني محاولة فك هذا الارتباط وبناء بنية تحتية موازية لا تكون فيها Nvidia طبقة إلزامية.

وهذا استمرار منطقي لاستراتيجية DeepSeek السابقة. فنموذجها V3، الذي صدر في أواخر عام 2024، دُرّب على 2048 مسرّع Nvidia H800، وهي رقائق صُمّمت خصيصًا للسوق الصينية ثم شملها الحظر لاحقًا. بعد ذلك عرضت الشركة R1، نموذج الاستدلال المنطقي (reasoning) الذي نجح في منافسة أنظمة أمريكية أعلى تكلفة بكثير. وإذا نجح V4 على Huawei Ascend، فسيكون ذلك عرضًا جديدًا لقدرة مختبر صيني على بناء نماذج قوية، لا بتكلفة أقل فحسب، بل أيضًا بقدر أقل من الاعتماد على العتاد الأمريكي.

ومن حيث الأداء الخام، لا تزال Huawei متأخرة. فقد قدّم Ascend 910C، الجيل السابق، نحو 60% من أداء Nvidia H100 في مهام الاستدلال، علمًا بأن H100 نفسه لم يعد أفضل مسرّع في تشكيلة Nvidia. وبحسب تقديرات المقال، فإن الرقائق الأمريكية أقوى حاليًا بنحو خمسة أضعاف من نظيراتها الصينية، وقد تتسع الفجوة إلى سبعة عشر ضعفًا بحلول عام 2027. وتخطط Huawei لتوريد نحو 750 ألف رقاقة ذكاء اصطناعي في عام 2026، لكن ذلك لا يشكّل في المجموع سوى 3–5% من إجمالي القدرة الحاسوبية لدى Nvidia.

ومع ذلك، لا يقلق هوانغ من الفجوة الحالية بل من المسار: فقد تعوّض الصين ضعف العتاد بحجم موارد الطاقة وعدد الباحثين وجودة التحسين البرمجي. وقد ظهر ذلك بالفعل في حالة DeepSeek R2. فقد أُجّل النموذج مرات عدة بسبب مشكلات في التدريب على عتاد Huawei، واضطرت الشركة في النهاية إلى العودة إلى مسرّعات Nvidia للتدريب، تاركةً الرقائق الصينية للاستدلال في المقام الأول. وتُظهر هذه الواقعة أن الفجوة في التدريب الثقيل ما تزال حقيقية.

لكن القيمة التجارية لا تظهر في مرحلة التدريب وحدها. فإذا ثبت أن الاستدلال على Huawei مستقر بما يكفي ومجدٍ اقتصاديًا، فقد يتقبّل السوق نموذجًا لا تكون فيه المسرّعات الأمريكية إلزامية، على الأقل في جانب التشغيل.

وفي هذا السياق، تبرز مفارقة القيود التصديرية. فقد استأنفت Nvidia إنتاج مسرّعات H200 الأقوى للسوق الصينية، لكن الجانب الصيني، بحسب الشركة، يمنع استيرادها لحماية المنتج المحلي المتمثل في Huawei. وكان المدير المالي لدى Nvidia قد قال سابقًا إن الشركة لم تحصل فعليًا على أي مبيعات من H200 في الصين. وفي الوقت نفسه، يتصاعد الضغط السياسي في الولايات المتحدة: إذ يناقش المشرّعون ما إذا كان ينبغي إدراج DeepSeek وMoonshot AI وMiniMax في قائمة القيود التصديرية. وهكذا قد تؤدي إجراءات صُمّمت لكبح الصين إلى تسريع بناء منظومة ذكاء اصطناعي صينية خاصة بها.

وبالنسبة للسوق، يعني هذا تحوّلًا في منطق المنافسة نفسه. فالسؤال لم يعد يقتصر على من يملك أسرع الرقائق، بل على من يتحكم في بيئة التطوير ونشر النماذج القياسية. وإذا أثبتت DeepSeek أن نظامًا كبيرًا متعدد الوسائط يمكنه العمل بكفاءة تنافسية على Huawei Ascend وCANN، فستتعرض عدة ركائز للتفوق الأمريكي لضغط في آن واحد: اعتماد العالم على CUDA، وحجج الرقابة على الصادرات، وعادة بناء البنية التحتية للذكاء الاصطناعي حول Nvidia بوصفها الخيار الافتراضي. وهذا على الأرجح ما يخشاه هوانغ: ليس الخسارة اليوم، بل السيناريو الذي يتوقف فيه البديل الصيني عن كونه تجربة ويصبح مسارًا عمليًا لقطاع الذكاء الاصطناعي بأكمله.