بناء نظام بيئي مستقل للذكاء الاصطناعي: كيف تدفع رقائق محلية وخوارزميات متقدمة التغيير في 2026

مرّ أكثر من عشر سنوات منذ بداية التحديات الجيوسياسية. في عام 2018، اشتعلت الحواجز الدولية في صناعة أشباه الموصلات، وواجهت الشركات الصينية أزمة غير مسبوقة. لكن في عام 2026، القصة مختلفة تمامًا. يعكس مشهد الذكاء الاصطناعي العالمي تحولًا كبيرًا—من تكنولوجيا تهيمن عليها قوة واحدة إلى عالم تتطور فيه العديد من المسارات في آنٍ واحد. السؤال الرئيسي لم يعد عن “هل يمكننا البقاء”، بل عن “ما القيمة التي يجب أن ندفعها من أجل استقلالية الحوسبة”.

الحقيقة المهددة: الاعتماد على النظام البيئي، وليس فقط على الشريحة

يعتقد الكثيرون أن المشكلة الأساسية تتعلق بالأجهزة. لكن الحقيقة أعمق. منصة تُعرف باسم CUDA—معمارية الأجهزة الموحدة للحوسبة—هي الحاجز الحقيقي أمام شركات الذكاء الاصطناعي الصينية. سجلت NVIDIA هذه المنصة في 2006، وتوفر للمطورين وصولاً مباشرًا إلى قوة الحوسبة لوحدة معالجة الرسومات (GPU). في البداية، كانت مجرد أداة بسيطة. لكن مع ظهور عصر التعلم العميق، أصبحت أساس الصناعة بأكملها.

تدريب نماذج الذكاء الاصطناعي الكبيرة يتطلب عمليات مصفوفية هائلة—وهنا تتشكل قوة الـGPU. بنى نظام CUDA خلال أكثر من عقد، سلسلة متكاملة من الأجهزة إلى طبقة التطبيقات لمطوري الذكاء الاصطناعي حول العالم. الآن، تعتمد جميع الأُطُر الرئيسية—من TensorFlow من Google إلى PyTorch من Meta—بشكل عميق على بنية CUDA.

هذا النظام البيئي أصبح عجلة دوارة يصعب إيقافها. كلما زاد عدد المطورين المستخدمين، زادت الأدوات والمكتبات التي تُنشأ. وكلما تطور النظام، انضم المزيد من المطورين. حتى 2025، يضم CUDA أكثر من 4.5 مليون مطور ويدعم أكثر من 3000 تطبيق معتمد على GPU. هذا يعني أن أكثر من 90% من مطوري الذكاء الاصطناعي في العالم يعتمدون على هذا النظام.

المشكلة ليست تقنية فقط. إنها هيكلية. إذا رغبت في الانتقال إلى منصة أخرى، عليك إعادة كتابة كل الخبرات والأدوات والكود الذي جمعه أذكى العقول على مدى عقد من الزمن. من سيدفع ثمن هذا؟ لذلك، في ظل العقبات المتتالية بين 2022 و2024، لم تختَرِ الشركات الصينية للذكاء الاصطناعي مواجهة مباشرة. بل سلكت طريقًا أصعب—تحقيق الاستقلال التكنولوجي من خلال الابتكار.

الاختراق الخوارزمي: كيف تحولت التكاليف الاقتصادية

من نهاية 2024 حتى 2025، تحولت شركات الذكاء الاصطناعي الصينية بشكل جماعي إلى اتجاه تقني جديد: نموذج الخبراء المختلط أو MoE (مزيج الخبراء). الفكرة أنيقة وفعالة—بدلاً من تشغيل النموذج الكبير بالكامل لكل مهمة، يُقسم إلى خبراء أصغر، ويُشغل فقط المكونات الأكثر صلة.

مثال مثالي هو DeepSeek V3. يحتوي على 671 مليار معلمة، لكن كل استنتاج يستخدم فقط 37 مليار—أي 5.5% من الإجمالي. للتدريب، استعملت 2048 وحدة GPU من NVIDIA H800 خلال 58 يومًا، بتكلفة إجمالية قدرها 5.576 مليون دولار. بالمقارنة، يُقدّر أن تكلفة تدريب GPT-4 تصل إلى حوالي 78 مليون دولار—فرق كبير جدًا.

هذا التحسين المفرط يظهر مباشرة في الأسعار. مدخلات API لـDeepSeek تكلف بين 0.028 و0.28 دولار لكل مليون رمز، بينما GPT-4 تكلف 5 دولارات للمدخلات. وClaude Opus أغلى من ذلك. النتيجة العملية: DeepSeek أرخص بنحو 25 إلى 75 مرة من المنافسين.

هذا التغيير الكبير يؤثر بشكل غير بسيط على سوق المطورين العالمي. في فبراير 2026، في OpenRouter—أكبر منصة لدمج API في العالم—قفز الاستخدام الأسبوعي لنماذج الذكاء الاصطناعي الصينية بنسبة 127% خلال ثلاثة أسابيع فقط، متجاوزًا الولايات المتحدة لأول مرة. سنويًا، تمثل النماذج الصينية أقل من 2% من الحصة السوقية، لكن خلال عام، ارتفعت إلى 6%.

السبب هو هيكلي. منذ النصف الثاني من 2025، انتقل التطبيق الرئيسي للذكاء الاصطناعي من الدردشة البسيطة إلى أنظمة الوكيل (Agent-based systems). في سيناريوهات الوكيل، يكون استهلاك الرموز أعلى بـ10 إلى 100 مرة من المحادثة العادية. وعندما يكون استهلاك الرموز أُسّيًا، يصبح السعر عاملًا حاسمًا. وهنا، تتوافق كفاءة النماذج الصينية بشكل مثالي مع الطلب السوقي الناشئ.

من الاستنتاج إلى التدريب: القفزة النوعية في الشرائح المحلية

واحدة من أكبر الإنجازات هي انتقال الشرائح المحلية من قدرة الاستنتاج فقط إلى القدرة الكاملة على التدريب. هذا ليس مجرد تحسين تدريجي—بل تحول نوعي.

في مدينة جيانغسو شينغهوا، المعروفة سابقًا فقط بالصلب والأطعمة الصحية، تم تنفيذ خط إنتاج بطول 148 مترًا لخوادم الحوسبة المحلية خلال 180 يومًا من توقيع العقد. الجوهر هو شريحتان محليتان بالكامل: معالج Loongson 3C6000 ومسرع الذكاء الاصطناعي Taichu Yuanqi T100—مصممان بالكامل محليًا من مجموعة التعليمات إلى المعمارية الدقيقة.

في يناير 2026، أطلقت Zhipu AI نموذج GLM-Image بالتعاون مع Huawei، وهو أول نموذج توليد صور حديث بالكامل مدرب باستخدام الشرائح المحلية. في فبراير، أكملت China Telecom تدريب نموذجها “Xingchen”—مليارات المعلمات—على مجموعة حوسبة محلية في شنغهاي لينغانغ.

الأهمية ليست في الشرائح نفسها، بل في الإشارة: البنية التحتية المحلية أصبحت الآن قابلة للاستخدام لتطوير الذكاء الاصطناعي الإنتاجي. الاستنتاج يتطلب فقط قدرة استنتاج—طلب منخفض. التدريب يتطلب معالجة بيانات واسعة، حساب تدرجات معقد، عرض نطاق ترددي كبير، ونظام برمجيات متطور. هذا مستوى أعلى بكثير من المتطلبات.

دخلت هنا بشكل رئيسي سلسلة Huawei Ascend. حتى نهاية 2025، يضم نظام Ascend أربعة ملايين مطور وأكثر من 3000 شريك. تم تدريب 43 نموذجًا رئيسيًا في الصناعة بنجاح على Ascend، مع أكثر من 200 تعديل مفتوح المصدر. في 2 مارس 2026، في MWC، عرضت Huawei بنية SuperPoD للسوق الخارجية، مع Ascend 910B الذي يحقق تساوي حسابي FP16 مع NVIDIA A100.

بناء مثل هذا النظام البيئي لم يبدأ من شرائح مثالية. بدأ بشرائح “كافية” تم نشرها على نطاق واسع، مع الاعتماد على احتياجات الأعمال الحقيقية كمحفز للتحسين المستمر. الأهداف الاستراتيجية لشركات ByteDance وTencent وBaidu لاعتماد الخوادم المحلية تضاعفت في 2026 مقارنة بـ2025.

الميزة غير المرئية: الطاقة كجبهة تنافسية جديدة

بينما يركز العالم على منافسة الشرائح، تنمو خلف الكواليس قيود أكثر جوهرية: الطاقة.

في الولايات المتحدة، أوقفت ولاية فيرجينيا تصاريح مراكز البيانات الجديدة في أوائل 2026. تلتها جورجيا وإلينوي وميشيغان. وفقًا لوكالة الطاقة الدولية، استهلاك الكهرباء لمراكز البيانات الأمريكية وصل إلى 183 تيراواط ساعة في 2024—حوالي 4% من الإجمالي الوطني. بحلول 2030، من المتوقع أن يتضاعف إلى 426 تيراواط ساعة، مما يهدد أكثر من 12% من إمدادات الكهرباء.

حذر الرئيس التنفيذي لشركة Arm من أن مراكز بيانات الذكاء الاصطناعي وحدها قد تستهلك 20-25% من كهرباء الولايات المتحدة بحلول 2030. الشبكة الأمريكية بالفعل مرهقة. شبكة PJM التي تغطي 13 ولاية شرقية تعاني من عجز قدره 6 جيجاوات. بحلول 2033، ستواجه الولايات المتحدة عجزًا في الطاقة على مستوى البلاد يبلغ 175 جيجاوات—يعادل استهلاك طاقة 130 مليون أسرة. أسعار الكهرباء في المناطق التي تتركز فيها مراكز البيانات الكبرى ارتفعت بنسبة 267% خلال الخمس سنوات الماضية.

أما الصين، فبالعكس، لديها إنتاج سنوي من الطاقة يبلغ 10.4 تريليون وحدة—أي 2.5 مرة قدرة الولايات المتحدة. والأهم، أن الاستهلاك السكني في الصين يمثل 15% فقط من الإجمالي، بينما في الولايات المتحدة 36%. هذا يعني أن الصين لديها قدرة صناعية أكبر من الطاقة يمكن تخصيصها للبنية التحتية للحوسبة الذكية.

تكاليف الكهرباء أكثر تباينًا بشكل حاد. أسعار الصناعة في غرب الصين وصلت إلى حوالي 0.03 دولار لكل كيلوواط ساعة، بينما في الولايات المتحدة تتراوح بين 0.12 و0.15 دولار—أي أربعة إلى خمسة أضعاف.

التطبيق العملي: بينما تقلق أمريكا بشأن قيود الطاقة، الصين تواصل بشكل هادئ توسيع بنيتها التحتية للحوسبة. قدرتها التصنيعية وصلت إلى 1590 EFLOPS وفقًا لوزارة الصناعة والمعلومات. عام 2026 هو عام نشر الحوسبة المحلية على نطاق واسع.

الرموز كسلعة رقمية جديدة

هذه الظاهرة تخلق واقعًا اقتصاديًا جديدًا. الرمز—الوحدة الأساسية للمعلومات التي تستخدمها نماذج الذكاء الاصطناعي—يصبح سلعة رقمية جديدة تُصنع في مصانع الحوسبة الصينية وتُوزع عالميًا عبر الكابلات البحرية.

توزيع مستخدمي DeepSeek يتحدث عن نفسه: 30.7% من الصين، 13.6% من الهند، 6.9% من إندونيسيا، 4.3% من الولايات المتحدة، 3.2% من فرنسا. يدعم 37 لغة، مع اعتماد خاص في الأسواق الناشئة مثل البرازيل. هناك 26,000 شركة عالميًا لديها حسابات، و3,200 شركة تستخدم النسخ المؤسسية.

بحلول 2025، 58% من الشركات الناشئة الجديدة في الذكاء الاصطناعي تدمج DeepSeek في بنيتها التحتية. في الصين، تصل الحصة السوقية إلى 89%. في دول أخرى، تتراوح بين 40 و60% حسب المنطقة. نمط التوزيع هذا يشبه نسخة رقمية من نمط تجاري كلاسيكي—تكنولوجيا تُصنع في منطقة وتُوزع عالميًا، مما يخلق تبعيات اقتصادية جديدة.

المقارنة التاريخية: كيف يختلف الوضع الآن

مقارنة مع مأساة أشباه الموصلات اليابانية عام 1986 توضح الصورة. في ذلك العام، كانت اليابان في ذروتها—تمثل 51% من السوق العالمية، و6 من أصل 10 شركات كانت يابانية. لكن بعد توقيع اتفاقية أشباه الموصلات الأمريكية اليابانية، استخدم الأمريكيون التحقيقات بموجب القسم 301 والدعم الاستراتيجي لإضعاف المنافسين الكوريين، بهدف تدمير مكانة اليابان. انخفضت حصة اليابان في سوق DRAM من 80% إلى 10%.

مأساة اليابان كانت تعتمد على الاعتماد على مسار واحد—إنتاجية أفضل، لكن بدون نظام بيئي مستقل. وعندما تخلت السوق عنهم، لم يكن لديهم خطة احتياطية.

أما الموقف الصيني الحالي فهو مختلف استراتيجيًا. ليس دفاعيًا. كل طبقة—من تحسين الخوارزميات إلى تطوير الشرائح المحلية، إلى البنية التحتية للطاقة، إلى توزيع الرموز عالميًا—مبنية بشكل متعمد ليكون مستقلًا. كل خسارة في منافسة الشرائح تمثل تكلفة مباشرة لبناء النظام البيئي. لكنها ضرورية كضرائب حرب من أجل التصنيع التكنولوجي لبنية تحتية ذات استقلالية حقيقية.

عام 2026: نصفه نار، ونصفه ماء

في 27 فبراير 2026، أُصدرت ثلاثة تقارير أداء من شركات الشرائح المحلية في وقت واحد. شركة Cambrian—إيراداتها زادت بنسبة 453%، وحققت أول ربحية كاملة للسنة. شركة Moore Threads—إيراداتها زادت بنسبة 243%، لكن خسارتها الصافية بلغت مليار دولار. شركة Muxi—إيراداتها زادت بنسبة 121%، وخسارتها 8 مليارات.

النمط: نصفه نار، ونصفه ماء. النار هو جوع السوق لبدائل. هيمنة Huang Renxun بنسبة 95% تجعل من المستحيل على NVIDIA احتكار بنية الذكاء الاصطناعي—وكل تقرير مالي للشركات المحلية دليل على أن السوق مستعد لقبول تكنولوجيا أقل كفاءة إذا كان هناك خيار.

أما الماء—الخسائر—فهي التكاليف الحقيقية لبناء النظام البيئي. كل خسارة تمثل إنفاقًا تراكميا على تطوير النظام، ودعم برمجي، ودعم هندسي ميداني للعملاء. هذا ليس علامة فشل، بل هو تجلي لاقتصاديات زمن الحرب لبناء الاستقلال.

هذا التحول ليس احتفالًا. إنه تقرير حرب قاسٍ حيث يزداد الجنود وهم ينزفون. لكن طبيعة الحرب نفسها تحولت جذريًا. قبل ثماني سنوات، كان السؤال “هل يمكننا البقاء”. الآن، السؤال هو “كم يجب أن ننفق من أجل الحرية”. والتكلفة، بشكل متناقض، هي مؤشر على النمو الحقيقي.