تطور صناعة الذكاء الاصطناعي وديناميكيات السياسات

ارتفع سعر سهم Alphabet（GOOGL） بنحو 160% خلال العام الماضي، وبعد صدور تقرير أرباح الربع الأول لعام 2026، عزت آراء المحللين هذا الارتفاع إلى تموضع Google التنافسي بوصفها رائدة في كومة الذكاء الاصطناعي كاملة (full stack). تلخص CNBC: حققت Alphabet إيرادات مجمعة في الربع الأول بزيادة سنوية قدرها 22% لتصل إلى 109.9 مليار دولار، وقفز صافي الربح بشكل كبير بنسبة 81% إلى 62.6 مليار دولار؛ وارتفعت إيرادات Google Cloud بنسبة 63% سنوياً إلى 20 مليار دولار، محققةً للمرة الأولى اختراق هذا المستوى؛ كما اقتربت ا

قدّم الباحث في مختبر ستانفورد للاقتصاد الرقمي Connacher Murphy في 9 مايو بيئة تقييم جديدة للذكاء الاصطناعي بعنوان «Agent Island»، تتيح لوكلاء الذكاء الاصطناعي (AI Agent) التنافس فيما بينهم في ألعاب متعددة لاعبين بأسلوب Survivor (ناجون)، مع التحالف والخيانة والتصويت للإقصاء، وذلك لقياس السلوكيات الاستراتيجية التي لا تستطيع المقاييس الثابتة (benchmark) التقاطها. جمّعت Decrypt تفاصيل التقرير: إن اختبارات القياس التقليدية للذكاء الاصطناعي أصبحت أقل موثوقية—حيث يتعلم النموذج في النهاية كيفية حل المشك

وفقاً لـ Gelonghui، تجاوزت استثمارات Nvidia في الأسهم 400 مليار دولار في عام 2026 اعتباراً من 9 مايو. وتمتد الاستثمارات عبر الشركات العاملة في المراحل العليا والسفلى ضمن قطاع الذكاء الاصطناعي، لتشكل منظومة متكاملة بدءاً من تصنيع الرقائق وحتى تطوير نماذج الذكاء الاصطناعي. ويشير مراقبون في الصناعة إلى أن استراتيجية الاستثمار هذه تتيح لـ Nvidia تأمين عملاء في اتجاهات المصب، مع تعزيز مسار الطلب على أجهزتها.

وبحسب إعلانات رسمية في 9 مايو، أعلنت Quantra وFishWar شراكة استراتيجية لدمج تجارب ألعاب مدعومة بالذكاء الاصطناعي مع بنية بلوك تشين للأصول في العالم الحقيقي. وتهدف هذه التعاونات، التي تمت مشاركتها عبر قنوات التواصل الاجتماعي الرسمية لكلتا الشركتين، إلى دمج حلول توكننة الأصول الواقعية لدى Quantra مع منصة GameFi لدى FishWar على شبكة Sei. وتسعى الشراكة إلى تعزيز قابلية التوسع في ألعاب البلوك تشين والتفاعل داخل السلسلة وتكامل الأصول الرقمية، مع معالجة التحديات التقنية في بيئات ألعاب Web3، بما في ذلك

وفقًا لمجلة Fortune، كشف سام ألتمان، الرئيس التنفيذي لشركة OpenAI، في 10 مايو أن مستخدمي ChatGPT عبر فئات عمرية مختلفة لديهم أنماط استخدام مميزة. فالمستخدمون الأكبر سنًا يتعاملون مع المنصة باعتبارها بديلًا لمحرك بحث Google، في حين يستخدمها من هم في العشرينات والثلاثينات كـمستشار شخصي. يستخدم طلاب الجامعات المنصة كنظام تشغيل يومي، مستفيدين من الذاكرة ضمن المحادثات لتقديم نصائح عاطفية، والتفاوض بشأن المسار المهني، والاستشارة الطبية، واتخاذ القرارات الحاسمة في الحياة. أكثر من ثلث الأميركيين الذين ت

وِفقًا لـ ChainCatcher، بلغت مدفوعات بروتوكول x402 على شبكة Base ما يزيد عن 100 مليون دولار في الربع الأول من عام 2026. كما حدثت أكثر من 90% من معاملات العملات المستقرة الخاصة بالعملاء الذكاء الاصطناعي على السلسلة على شبكة Base.

وفقاً لـ ChainCatcher، أصدر وزير المالية في هونغ كونغ بول تشان بياناً مكتوباً مؤخراً، يحدد فيه ثلاثة مزايا رئيسية لمنطقة الخليج الكبرى: أبحاثاً متقدمة في مجال الذكاء الاصطناعي، وسلاسل تصنيع عالية المستوى متكاملة، وكونها مركزاً مالياً دولياً. وقال تشان إن مزيج «الذكاء الاصطناعي + التصنيع + التمويل» يمكّن هونغ كونغ من أداء وظيفتين رئيسيتين خلال فترة الخطة الخمسية الخمس عشرة: التنسيق الصناعي والجسور التنظيمية، بما في ذلك العمل كـ «واجهة دولية» للقطاعات الصناعية الناشئة و«منصة للتبادل والتحويل» بين

أداة AI جديدة لتحسين بيانات الشركات في مجال أتمتة البحث، Blockify، رُتّبت من akshaypachaar بتاريخ 9 مايو، وتدّعي أنه يمكن في مسار RAG (Retrieval-Augmented Generation) ضغط قواعد بيانات الشركات بمقدار 40 مرة، وخفض عدد توكنات الاستعلام بمقدار 3 مرات، ورفع دقة البحث المعتمد على البحث المتجهي (vector search) بمقدار 2.3 مرة. وتوضح صفحة Blockify الرسمية على GitHub أن المنتج صُمّم بواسطة Iternal Technologies، ويستخدم بنية «IdeaBlock» كوحدات معرفة مُهيكلة بدل تقطيع chunking التقليدي، كما يضمن عبر إزالة ا

شارك المراقبون على الذكاء الاصطناعي “xiaohu” في 10 مايو مثالاً على سير عمل يجمع بين GPT وGemini 3.1 Pro: يبدأ باستخدام GPT لتوليد الصور، ثم يستخدم Gemini 3.1 Pro لتحويل الصور إلى محتوى تفاعلي ثلاثي الأبعاد، ويمكن من خلاله تحويل أي موضوع معرفي إلى تطبيقات علمية قابلة للدوران وقابلة للتشغيل. وتعرض تغريدة xiaohu مثالاً يشمل عروض كواكب ثلاثية الأبعاد ونماذج علمية تفاعلية وغيرها، وهو تطبيق عملي محدد لما يُسمّى “سير عمل متعدد النماذج” (multi-model workflow). بنية سير العمل: GPT لإنشاء الصور → تحويلها

2025 年整年 AI 工程社群在「MCP vs CLI」哪個更適合 Agent 工具呼叫的問題上爭論不休، وأوراق بحثية من Anthropic صدرت في نوفمبر 2025 بعنوان "Code execution with MCP" أعادت تعريف المشكلة من المبادئ الأولى. قام akshaypachaar بتجميع الخيط في 5/10 موضحًا أن المشكلة ليست في البروتوكول نفسه، بل في العادة القديمة المتمثلة في حشر كل أوصاف الأدوات داخل الـ context عند بدء الجلسة. حلّ Anthropic هو أن يكتب النموذج كودًا لاستدعاء الأدوات، بينما يتولى الـ runtime إدارة تفاصيل الأدوات. ويُسمى النمط الجديد "Code Mode". مشكلة النمط القديم: مع

بحسب ChainCatcher نقلاً عن Golden Data، تخطط ByteDance لزيادة إنفاقها على البنية التحتية للذكاء الاصطناعي بنسبة 25% إلى 200 مليار يوان هذا العام، مدفوعة بارتفاع تكاليف رقائق الذاكرة وتسارع تطوير الذكاء الاصطناعي.

وفقاً لـ Odaily، أعلنت شركة Tianyang Technology المدرجة في البورصة الصينية (A-share) أنها وقّعت اتفاقاً للاستثمار بما يتراوح بين 35 مليار و40 مليار يوان في مشروع خدمات القدرة الحاسوبية، مع فترة حظر مدتها 60 شهراً. تمتد أعمال الشركة لتشمل حلول الذكاء الاصطناعي وسلسلة الكتل (blockchain) والخدمات المالية (fintech) لدعم التحول الرقمي للقطاع المالي.

وفقًا لـ Odaily، أعلنت منصة الذكاء الاصطناعي المؤسسية Pit عن اكتمال جولة تمويل بقيمة 16 مليون دولار، قادتها a16z، بمشاركة من Lakestar، إضافةً إلى مسؤولين تنفيذيين من OpenAI وAnthropic وGoogle وDeel وRevolut. تضع Pit نفسها بوصفها "فريق منتجات الذكاء الاصطناعي كخدمة"، بهدف استبدال جداول البيانات التقليدية وأنظمة SaaS الجامدة.

أصدر غاري تان مؤخرًا مقالًا طويلًا بعنوان «Meta-Meta-Prompting: The Secret to Making AI Agents Work»، كشف فيه بالتفصيل كيف قام ببناء «نظام الدماغ الثاني» الذي تقوده وكلات الذكاء الاصطناعي (AI agent). وقال إن الأشهر الخمسة الماضية جعلته يعود مجددًا إلى كونه «مُنشئًا/Builder»، بل وأدت إلى تغيير جذري في طريقة عمله اليومية بصفته الرئيس التنفيذي ل Y Combinator. الرئيس التنفيذي لـ YC: المستقبل لمن يبني أنظمة AI compound يرى غاري تان أن أغلب الناس ما زالوا ينظرون إلى الذكاء الاصطناعي باعتباره مجرد نافذ

وفقاً لإعلان UXLINK في 9 مايو، عقدت المنصة شراكة مع Haven AI لإطلاق وكلاء ذكاء اصطناعي قادرين على تحويل الأوامر المكتوبة باللغة الطبيعية إلى استراتيجيات آلية في التمويل اللامركزي عبر السلاسل. تهدف هذه الشراكة إلى تبسيط توليد العائد وتقليل العوائق التقنية أمام مستخدمي Web3 المشاركين في منظومة SocialFi. تتيح وكلاء Haven AI، بما في ذلك OpenClaw، للمستخدمين تحديد أهداف الاستثمار باستخدام لغة بسيطة بدلًا من الحاجة إلى ترميز معقد، ثم تنفيذ تلك الأهداف تلقائياً عبر شبكات بلوكتشين متعددة.

وفقاً لصحيفة The Chosun Daily، يجري اختبار تجريبي لدى Google لاختبارات توظيف تتيح لمترشحي مهندسي البرمجيات الأمريكيين استخدام أدوات الذكاء الاصطناعي في وظائف محددة للمستوى المبتدئ والمتوسط. يشمل الاختبار مهام لفهم الشيفرة البرمجية، حيث يراجع المتقدمون شيفرة موجودة ويصلحون الأخطاء ويحسنون الأداء. وسيقيّم القائمون على المقابلات كيفية قيام المرشحين بصياغة الأوامر للذكاء الاصطناعي والتحقق من مخرجاته وتعديل النتائج وإصلاح الأخطاء في الشيفرة، بدلاً من تقييم قدرتهم فقط على كتابة الشيفرة من الصفر.

بحسب الإعلان الرسمي من OpenAI الذي تمت متابعته عبر Beating، تواصل الشركة إيقاف واجهة برمجة التطبيقات الخاصة بالتطوير الدقيق (Fine-tuning) الذاتية لخدمة المطورين، وذلك اعتبارًا من الآن فورًا. ولن يتمكن المستخدمون الجدد من إنشاء مهام للتطوير الدقيق، بينما يمكن للمستخدمين الحاليين النشطين الوصول إلى الخدمة حتى 6 يناير 2027. وستُربط خدمات الاستدلال للنماذج المطورة بدقة بالنطاق الزمني لدورات حياة نماذجها الأساسية، وتتوقف عند تقاعد النموذج الأساسي. ذكر OpenAI أن نماذجها الأساسية الجديدة، مثل GPT-5.5،

قامت Sakana AI وNvidia بإتاحة TwELL كمصدر مفتوح، وهو تنسيق بيانات متفرق يتيح لوحدات GPU من نوع H100 تخطي 80% من الحسابات غير الصالحة في النماذج اللغوية الكبيرة دون المساس بالدقة. يقدّم الحل ما يصل إلى 30% تسريعاً في الاستدلال و24% تسريعاً في التدريب على وحدات H100، مع تقليل استهلاك الذاكرة القصوى. وفي الاختبارات على نموذج من 1.5 مليار معامل، خفّضت المقاربة عدد العصبونات النشطة إلى أقل من 2% عبر تنظيم خفيف أثناء التدريب، دون أي تراجع في الأداء عبر سبع مهام لاحقة.

بناءً على Beating، فتحت مايكروسوفت مؤخراً نموذج Phi-Ground للعائلة المصدر المفتوح، المصمم لمعالجة مشكلة أين ينبغي للذكاء الاصطناعي أن ينقر على شاشة الكمبيوتر. فقد تفوّق إصدار 4 مليارات معلمات، بالاقتران مع نماذج لغوية أكبر لتخطيط التعليمات، على دقة النقر لدى OpenAI Operator وClaude Computer Use في معيار Showdown، واحتل المركز الأول بين جميع نماذج أقل من 100 مليار معلمة عبر خمس عمليات تقييم، بما في ذلك ScreenSpot-Pro. تدرّبت المجموعة على أكثر من 40 مليون عينة بيانات، ووجدت أن ثلاث تقنيات تدريب شا

وفقاً لـ Tilde Research، يعاني مُحسّن Muon الذي اعتمدته نماذج ذكاء اصطناعي رائدة، بما في ذلك DeepSeek V4 وKimi K2.5، من عيبٍ خفي: إذ يتسبب في موتٍ دائم لأكثر من 25% من عصبونات طبقات MLP خلال التدريب المبكر. صممت المجموعة Aurora، وهو مُحسّن بديل، وقامت بإتاحته مفتوح المصدر. وقد حقق نموذج بمعلمات 1.1B تم تدريبه باستخدام 100B فقط من الرموز أداءً مطابقاً لأداء Qwen3-1.7B الذي تم تدريبه على 36T من الرموز عبر معايير فهم اللغة مثل HellaSwag وWinogrande، ما يوضح تحسناً تقريبيّاً في كفاءة البيانات بنسبة