"عصر جديد للرموز" : عشرة أسئلة وأجوبة حول صناعة الذكاء الاصطناعي في الصين

تشهد صناعة نماذج الذكاء الاصطناعي الأساسية في الصين مرحلة محورية تنتقل فيها من حالة مدفوعة بـ「التوقعات」 إلى حالة مدفوعة بـ「الطلب». وقد أجابت شركة «مورغان ستانلي» في تقرير بحثي حديث بشكل منهجي عن عشرة أسئلة محورية يستفسر عنها المستثمرون في هذا القطاع، معتبرةً أن جودة النموذج أصبحت المتغير الأهم الذي يحدد ملامح السوق، وأن تمايز الصناعة سيتسارع.

وفقًا للتقرير الذي أصدرته مورغان ستانلي في 27 مارس، يشير التقرير إلى أن سوق الذكاء الاصطناعي في الصين يقع عند نقطة انعطاف واضحة؛ إذ تتسارع وتيرة نمو الطلب في سيناريوهات الترميز والـ agents. كما أن قدرات النماذج المحلية تقترب بل وتتجاوز مستوى النماذج الرائدة في الولايات المتحدة قبل عام، وأن تسعير الشركات المحلية يتماشى أكثر مع الجدوى الاقتصادية، ما يؤدي معًا إلى تحسين عوائد التنفيذ على أرض الواقع.

يُعد عام 2026 عامًا حاسمًا لمعرفة ما إذا كان بإمكان طلب الشركات الصينية على الذكاء الاصطناعي أن يعيد إنتاج منحنى النمو في الولايات المتحدة خلال عام 2025. وبالاستناد إلى Anthropic، ارتفعت الإيرادات المتكررة السنوية (ARR) من 1 مليار دولار في ديسمبر 2024 إلى 19 مليار دولار في مارس 2026، أي نموًا يقارب 19 ضعفًا خلال 15 شهرًا.

تتوفر في السوق الصينية شروط تتيح اتباع مسار مماثل، خصوصًا في مجال الترميز. فقد دمج عمالقة الإنترنت مثل Tencent وAlibaba وByteDance الأدوات ذات الصلة داخل الأنظمة البيئية القائمة لديهم، ما يحوّل الطلب من مجرد العروض المنفصلة إلى النشر الشامل. وتُبقي الشركة على توصيات «زيادة المراكز» لكلٍّ من Zhipu وMiniMax، مع تحديد السعر المستهدف عند 800 دولار هونغ كونغ و1100 دولار هونغ كونغ على التوالي.

السؤال الأول: هل ينمو الطلب على الذكاء الاصطناعي بشكل خطّي أم يحدث انفجار عند نقطة انعطاف؟

الطلب مدفوع بنقطة انعطاف، وليس نموًا خطيًا.

طالما كانت جودة النموذج جيدة بما يكفي لفتح سيناريوهات تطبيق حقيقية، فإن الاستخدام سيتحول من نمو خطّي إلى نمط انفجار على شكل «منحنى متقعر إلى أعلى». وأقوى دليل يأتي من السوق الأميركية: فقد قفزت الإيرادات المتكررة السنوية (ARR) لدى Anthropic من 1 مليار دولار في ديسمبر 2024 إلى 19 مليار دولار في مارس 2026 خلال 15 شهرًا فقط، أي نموًا يقارب 19 ضعفًا.

حاليًا، تمتلك الصين أساسيات مشابهة لانفجار من هذا النوع: فقد تجاوزت قدرات النماذج المحلية مستوى النماذج الرائدة في الولايات المتحدة قبل عام، كما أن التسعير المحلي يتماشى أكثر مع الجدوى الاقتصادية للذكاء الاصطناعي في الصين؛ وباجتماع العاملين تتحسن توقعات عائدات تطبيق الذكاء الاصطناعي بشكل ملموس.

ومن زاوية الـ agents، أصبح OpenClaw محفزًا مهمًا، إذ نقل سيناريوهات الاستخدام من تفاعل أحادي الدور إلى تنفيذ مهام متعددة الخطوات، ما يزيد بشكل كبير كمية tokens التي تُستهلك في كل مهمة. وقد دمج عمالقة الإنترنت مثل Tencent وAlibaba وByteDance أدوات مرتبطة بـ OpenClaw داخل الأنظمة البيئية القائمة لديهم، بما يشير إلى أن الاتجاه انتقل من «تجارب لدى المطورين» إلى «نشر شامل على مستوى النظام البيئي».

السؤال الثاني: هل سيتجه تسعير الـ API إلى الارتفاع أم الانخفاض أم سيحدث تمايز؟

لن يتحرك التسعير في اتجاه واحد؛ فالتمايز هو النغمة الرئيسية.

من ناحية، تؤدي النماذج القوية إلى تشكيل سلطة التسعير. فإذا كان نموذج ما يمكنه، بشكل فريد، فتح مهام عالية القيمة (ترميز agents، تدفقات عمل عبر فترات طويلة، موثوقية على مستوى المؤسسات)، فسيكون العملاء على استعداد لدفع علاوة، لأن العوائد قابلة للقياس. ومن ناحية أخرى، ومع استمرار تحسن كفاءة الأجهزة والخوارزميات، ستستمر تكلفة وحدة الاستدلال في الانخفاض، ما يخلق ضغطًا سعريًا على النماذج التي تتوقف قدراتها عند مستوى معيّن.

والنتيجة النهائية هي بنية تسعير متمايزة: يمكن للنماذج التي تحافظ باستمرار على قدرات رائدة أن تحقق في الوقت نفسه ارتفاعًا في الكمية والسعر؛ أما النماذج التي لا تقوم بتحديثات متواصلة فستواجه انخفاضًا في السعر، حتى إذا كانت أحجام الاستخدام لا تزال في نمو، فإن هامش الربح سيصبح غير مؤكد.

السؤال الثالث: إذا لم يكن التسعير ساحة المعركة الرئيسية، فأين تتركز المنافسة؟

انتقلت ساحة المعركة من سعر token إلى قدرة النموذج.

وهذا تغيير محوري مقارنة بالعام الماضي: ففي السوق الصينية عام 2025 كان التركيز على حرب أسعار شاملة، أما الآن، ففي سيناريوهات الترميز والـ agents التي تشهد أسرع نمو في الطلب، فإن الجودة أهم بكثير من السعر المفرد.

في تدفقات العمل متعددة الخطوات، فإن ما يشتريه العملاء في جوهره ليس «tokens رخيصة»، بل «إنجاز المهمة بنجاح بسلاسة». وقد قدمت ورقة بحثية مثالًا رياضيًا بديهيًا: إذا ارتفعت نسبة نجاح خطوة واحدة من 85% إلى 98%، فإن نسبة الإنجاز النهائي لمهمة من 20 خطوة ستقفز من 4% إلى 67%. ووفقًا لهذه المنطقية، فقد يكون النموذج الذي يملك أقل تسعير لكل token هو في الواقع الأعلى تكلفةً إجمالية لتحقيق كل مهمة.

وتشير الورقة البحثية أيضًا إلى أن الشركات التي تملك نماذج متقدمة قوية يمكنها بسهولة التوسع نحو السوق المنخفضة، لكن الشركات التي تعتمد فقط على السعر المنخفض بصعوبة تستطيع التقدم نحو السوق المرتفعة.

السؤال الرابع: لماذا لا تزال النماذج الأساسية الكبيرة صناعة «صراع حياة أو موت»؟

فجوة تقنية صغيرة، دورة ابتكار بلا نهاية، وتشابه في نماذج تحقيق الإيرادات؛ هذه العوامل الثلاثة تحدد مدى قسوة الصناعة.

غالبًا ما تكون فجوة القدرات بين شركات النماذج الكبيرة في الصين أصغر مما يتوقعه المستثمرون، ما يجعل السوق غير مستقر بدرجة عالية. وفي هذا القطاع، لا يعني «الوقوف في المكان» نتيجة محايدة، بل يعني فقدان المكانة: يجب على الشركات أن تستثمر باستمرار وأن تجري تحديثات متواصلة لتجنب التخلف.

كما يؤدي تركز نموذج الأعمال إلى زيادة ضغط الإقصاء. إذ تعتمد كلٌّ من نمو الإيرادات وهامش الربح بصورة رئيسية على قوة المنتج، بينما تظل تكلفة التحويل منخفضة نسبيًا. وهذا يعني أن الشركات التي تفقد الزخم التقني ستفقد بسرعة قدرتها على الدفاع على الصعيدين التجاري والمالي، وسيقل تدريجيًا عدد الشركات داخل الصناعة التي يمكن الوثوق بها حقًا.

السؤال الخامس: ما العوامل التي تحدد بقاء الشركة؟

المسألة الأساسية هي ما إذا كان نمو هامش الربح الإجمالي يستطيع الاستمرار في التفوق على نمو الإنفاق على البحث والتطوير.

النموذج الاقتصادي الأساسي لأعمال الـ token واضح: الإيرادات = عدد استخدامات token × السعر، وأهم التكاليف هي حسابات الاستدلال، أما أكبر بند مصروف تشغيلي فهو البحث والتطوير المرتبط بالتدريب. ومع استمرار تحسين كفاءة النماذج وكفاءة شرائح الاستدلال، ينبغي أن يرتفع هامش الربح الإجمالي للنماذج الرائدة تدريجيًا.

لكن آفاق الأرباح التشغيلية أكثر تعقيدًا. وتُعد Anthropic مثالًا تحذيريًا: حتى بعد أن بلغ مستوى دخلها الشهري في فبراير 2026 نحو 14 مليار دولار، أعلنت الشركة في الفترة نفسها عن جولة تمويل جديدة بقيمة 30 مليار دولار، وشددت على مواصلة تطوير القدرات الرائدة باستمرار—فارتفاع الدخل لا يعني أن شدة التدريب قد عادت إلى وضعها الطبيعي.

أما سيناريو الأساس فهو أن Zhipu وMiniMax تتوقعان كلاهما أن تعودا إلى تحقيق أرباح بدءًا من عام 2029. وتؤكد ورقة البحث أن المؤشرات التي يجب تتبعها—أهم من سنة تحقيق الربحية المحددة—هي: اتجاه النمو المستمر في الاستخدام، والتحسن المستمر في الكفاءة الاقتصادية لكل وحدة.

السؤال السادس: كيف ينبغي للمستثمرين تتبع قوة النموذج؟

يلزم الجمع بين ثلاثة أبعاد: سعر token، وحجم الاستخدام، والتقييمات من طرف ثالث؛ إذ إن مؤشرًا واحدًا لا يكفي لتوضيح الصورة.

• سعر Token: هو المؤشر الأهم لأنه التعبير الفوري عن تموضع الشركة في سوق منتجها. ويصبح الفرق في السعر مع أفضل نموذج متغيرًا جيدًا بالنيابة عن القدرة التنافسية الفعلية للنموذج.

• حجم استخدام Token: يعكس الحجم الحقيقي للاستهلاك الاختيار الفعلي للمستخدمين والمطورين. يمكن أن تعمل مجمّعات واجهات API التابعة لجهات خارجية مثل OpenRouter كمرجع، مع الحاجة إلى التركيز بشكل خاص على نمو أعباء العمل من فئة agents، لأن كمية tokens المستهلكة في كل مهمة لهذه الأعباء تكون أعلى بكثير من التدفقات البسيطة.

• التقييم من طرف ثالث: يقدم Artificial Analysis تقييمًا مُهيكلًا، بينما تعكس LMArena تفضيلات الاختيار العمياء لدى المستخدمين الحقيقيين. وكلاهما متكاملان، ما يكوّن منظورًا خارجيًا أكثر اكتمالًا.

السؤال السابع: مع توغل عمالقة الإنترنت بقوة في قطاع B، إلى أين تتجه شركات النماذج المستقلة؟

يتقارب نطاق المنافسة في النهاية، وما يظل قائمًا هو التنافس على قدرة النموذج.

وقد حددت Alibaba بوضوح السحابة والذكاء الاصطناعي كنقاط تركيز استراتيجية، وربطت تطوير النماذج بعمق بسير عمل المؤسسات؛ كما غطت منتجات agents التي أطلقتها Tencent جميع السيناريوهات عبر الأفراد والمطورين والمؤسسات؛ وحتى OpenAI نقل مركز الثقل في التسييل إلى منتجات المؤسسات ونشر الترميز. واتجاه الشركات الرائدة متقارب: إن الذكاء الاصطناعي ينتقل من «وظائف على مستوى المستهلك» إلى «أدوات تخلق إيرادات الشركات بشكل مباشر».

في هذا السياق، لم يعد كافياً لشركات النماذج المستقلة أن تعتمد فقط على وسم «محايد تجاه السحابة» لبناء خندق حصين، كما لا يمكن لعمالقة الإنترنت الاعتماد على مزايا تدفق الإيكوسيستم وحدها لتعويض أوجه القصور في قدرة النماذج. عندما تقوم المؤسسات بنشر الذكاء الاصطناعي، يبقى جوهر ما تشتريه هو جودة النموذج—مثل قدرات استدلال ترميز أقوى، ومعدلات إنجاز أكثر موثوقية لتدفقات العمل.

السؤال الثامن: ما العوامل التي تحدد بقاء الشركة؟

المواهب أولًا، والحوسبة ثانيًا، والتنظيم ثالثًا؛ ولا بد من توفر الثلاثة.

• أفضل المواهب البحثية: ما يزال هذا قطاعًا مدفوعًا بالبحث. إن القدرة على إصدار أحكام تقنية في الإدارة العليا بحد ذاتها عنصر منافسة، وما إذا كان فريق الإدارة يستطيع اتخاذ قرارات صحيحة بشأن اتجاهات البحث يؤثر مباشرة في المسار التقني للشركة.

• الحوسبة والرساميل: تكاليف التدريب الرائد باهظة، وتعتمد جدوى الاستدلال على جودة البنية التحتية. إن ضعف القدرة على تأمين الحوسبة يعد عجزًا بنيويًا—لا يقتصر أثره على كفاءة تدريب النموذج فحسب، بل يضعف أيضًا القدرة على الاستجابة للطلب بتكلفة معقولة.

• التنفيذ التنظيمي: في سوق يتغير بسرعة عبر دورات تحديث متلاحقة، فإن القدرة على تحويل نتائج البحث إلى منتجات، وتحويل المنتجات إلى استخدام، وتحويل الاستخدام إلى تسييل—تعد شبه مساوية لأهمية النموذج نفسه تقريبًا.

السؤال التاسع: إذا كان الجميع يتقدمون، فهل ستتقارب النماذج في النهاية؟

ستقترب القوة الإجمالية، لكن لن يحدث تطابق؛ ولن يتشكل سوق بنمط «فائز واحد يبتلع الجميع».

توجد اختلافات بين الشركات في اختيارات البنية المعمارية، وبيانات التدريب، وتركيزات المنتج، والمسارات التقنية. وستستمر هذه الاختلافات في توليد مزايا قدرات مختلفة. وترى ورقة البحث أنه في سوق ما يزال يتوسع بسرعة، يمكن لعدة شركات أن تنمو في الوقت نفسه حتى لو وُجد تداخل جزئي في القدرات—فمعنى التوسع الكلي في السوق في المرحلة الحالية أكبر بكثير من القلق المبكر بشأن «تسليع» المنتج.

على المدى الطويل، فإن النتيجة الأكثر واقعية لسوق المنافسة ليست «شركة واحدة تتفوق وتخرج البقية»، بل أن تبقى عدة شركات قوية فعلاً، لكل منها مجالات تفوقها. وفي سوق قادر على دعم أكثر من فائز، ستستمر المنافسة. ومع توسع الذكاء الاصطناعي من كونه أداة للإنتاجية إلى سيناريوهات على مستوى المستهلك، ستعزز اختلافات الأذواق والأنماط والتفضيلات لدى الأفراد المزيد من هذا المشهد متعدد الأوجه.

السؤال العاشر: كيف نفهم بشكل موحد المخاطر المتعلقة بالانتشار العالمي، وتكرارات النماذج، وموضوع المصدر المفتوح / المصدر المغلق؟

التكرار خيار إجباري، أما المصدر المفتوح / المغلق فهو اختيار استراتيجي، وتتمثل المخاطر الجوهرية للانتشار العالمي في الحوسبة والامتثال.

بالنسبة لتكرار النموذج، يُتوقع أن يكون الإيقاع على أساس إصدار جيل رائد كل عام (مثل GLM 4.7 إلى GLM 5، من سلسلة MiniMax M2 إلى سلسلة M3). وفي منتصف المسار، تكون هناك ترقيات صغيرة مدفوعة بتعزيز التعلّم. إن إيقاف التكرار يعني فقدان المكانة التنافسية.

وبالنسبة للمصدر المفتوح / المغلق، ترى ورقة البحث أن الإجابة ليست «أحد الخيارين فقط». فالنماذج المغلقة المصدر توفر دفاعًا تجاريًا أقوى وتقلل من مخاطر نزع الوساطة؛ أما المصدر المفتوح فيساعد على بناء النظام البيئي، ورفع معدل التبني، وتسريع ردود الفعل التقنية. لذلك، ستتبنى أغلب شركات النماذج الصينية في النهاية استراتيجية هجينة: نموذج أحدث وأقوى مغلق المصدر، مع فتح جزء من الإصدارات الأخرى كمصدر مفتوح.

أما بالنسبة للانتشار العالمي، فإن أكبر خطر يظل هو تأمين الحوسبة. إذ يعتمد كل من التدريب والاستدلال بدرجة عالية على شرائح عالية الأداء، فإن تشديد ضوابط التصدير سيضعف في الوقت نفسه سرعة تقدم النماذج وقوة المنافسة من ناحية التكلفة. وبالمرتبة الثانية تأتي مخاطر البيانات والامتثال الأمني: إذا أمكن تحقيق تمركز البيانات محليًا في الخارج عند نشر النموذج وخدمة المستخدمين وتخزين البيانات، فإن مشاكل نقل البيانات عبر الحدود تصبح أكثر قابلية للسيطرة؛ لكن اعتبار صلاحيات الوصول إلى بيانات الكيانات المحلية ذات الصلة والقوانين المتعلقة بالخصوصية المحلية ما يزال مصدرًا لعدم اليقين.