لماذا تتطور الذكاء الاصطناعي في الصين بهذه السرعة؟ الإجابة مخفية داخل المختبرات

ملاحظات من داخل مختبرات الذكاء الاصطناعي في الصين
المؤلف الأصلي: Nathan Lambert
الترجمة: بيغي، BlockBeats

المؤلف الأصلي:律动BlockBeats

المصدر الأصلي:

إعادة النشر: Mars Finance

مقدمة المحرر: أصبحت مختبرات الذكاء الاصطناعي في الصين قوة لا يمكن تجاهلها بشكل متزايد في سباق النماذج الكبيرة على مستوى العالم. ميزاتها ليست فقط في وجود الكثير من المواهب، والهندسة القوية، والتكرار السريع، بل تأتي أيضًا من أسلوب تنظيم واقعي جدًا: الحديث أقل عن المفاهيم، والمزيد عن بناء النماذج؛ التركيز أقل على النجوم الأفراد، والأكثر على تنفيذ الفريق؛ الاعتماد أقل على الخدمات الخارجية، والأكثر على السيطرة على تقنية الأساس الخاصة بهم.

بعد زيارة العديد من المختبرات الرائدة في الصين، اكتشف المؤلف Nathan Lambert أن النظام البيئي للذكاء الاصطناعي في الصين ليس تمامًا مثل الولايات المتحدة. فالولايات المتحدة تركز أكثر على النماذج الأصلية، والاستثمار الرأسمالي، وتأثير العلماء المميزين؛ بينما تتفوق الصين في التقدم السريع في الاتجاهات الموجودة بالفعل، من خلال المصادر المفتوحة، وتحسين الهندسة، واستثمار عدد كبير من الباحثين الشباب، لدفع قدرات النماذج بسرعة إلى الطليعة.

الأهم من ذلك، ليس ما إذا كانت الصين قد تجاوزت الولايات المتحدة في الذكاء الاصطناعي، بل أن مسارين مختلفين للتطور يتشكلان: الولايات المتحدة تشبه سباقًا متقدمًا يقوده رأس المال والمختبرات النجومية، والصين تشبه سباقًا صناعيًا يدفعه القدرة الهندسية، والنظام البيئي المفتوح، والوعي بالسيطرة على التقنية.

هذا يعني أن المنافسة المستقبلية في الذكاء الاصطناعي لن تقتصر على ترتيب النماذج فحسب، بل ستشمل أيضًا قدرات التنظيم، وبيئة المطورين، وتنفيذ الصناعة. التغير الحقيقي في الذكاء الاصطناعي في الصين يكمن في أنها لم تعد تقتصر على النسخ من وادي السيليكون، بل تشارك بطريقة خاصة بها في الطليعة العالمية.

وفيما يلي النص الأصلي:

وأنا جالس على قطار فائق السرعة ينطلق من هانغتشو إلى شنغهاي، أنظر من النافذة، وأرى سلاسل جبلية متعرجة، تتناثر عليها توربينات الرياح، تتشكل ظلالها مع غروب الشمس. تشكل الجبال الخلفية، وأمامي مشهد واسع من الحقول الشاسعة والأبراج العالية المتداخلة.

عدت إلى الوطن من الصين بتواضع كبير. أن أذهب إلى مكان غريب كهذا، وأُرحب بي بحرارة كهذه، هو تجربة دافئة جدًا وملامح إنسانية جدًا. حظيت بلقاء العديد من الأشخاص في نظام الذكاء الاصطناعي، وهم أشخاص كنت أعرفهم سابقًا فقط من بعيد؛ لكنهم استقبلوني بابتسامات مشرقة وحماس، وأعادوا لي وعيي بأن عملي، وكذلك النظام البيئي للذكاء الاصطناعي بأكمله، هو نظام عالمي.

عقلية الباحثين الصينيين

الشركات الصينية التي تبني نماذج لغوية يمكن القول إنها مناسبة جدًا لتكون “تابعة سريعة” لهذه التقنية. فهي مبنية على تقاليد طويلة من التعليم والثقافة العملية في الصين، ولها أيضًا أساليب بناء شركات تقنية تختلف قليلاً عن الغرب.

إذا نظرنا فقط إلى الإنتاج، أي أحدث وأكبر النماذج، وعمليات العمل الذكية المدعومة بهذه النماذج؛ وإذا نظرنا إلى عناصر الاستثمار، مثل العلماء الممتازين، والبيانات الضخمة، وموارد الحوسبة المعجلة، فإن مختبرات الصين والولايات المتحدة تبدو متشابهة إلى حد كبير. لكن الاختلاف الحقيقي الدائم يظهر في كيفية تنظيم هذه العناصر، وكيفية تشكيلها.

لطالما اعتقدت أن سبب تفوق المختبرات الصينية في اللحاق بالمقدمة والحفاظ عليها يعود جزئيًا إلى توافقها الثقافي مع مهمة التقدم في هذا المجال. لكن قبل التحدث مع العديد من العلماء المتميزين والمتواضعين والمنفتحين في المختبرات الصينية، لم أكن أعتقد أن هذا الحدس ينتمي إلى تأثير مهم معين. بعد حديثي معهم، أصبحت أفكاري أكثر وضوحًا.

إن بناء أفضل نماذج اللغة الكبيرة يعتمد بشكل كبير على العمل الدقيق عبر كامل سلسلة التقنية: من البيانات، إلى تفاصيل الهيكل، إلى تنفيذ خوارزميات التعلم المعزز. كل جزء من النموذج يمكن أن يحقق تحسينًا، وكيفية دمج هذه التحسينات هو عملية معقدة. خلال هذه العملية، قد يُضطر بعض الأفراد الأذكياء جدًا إلى تأجيل عملهم، لكي يتمكن النموذج من تحقيق أقصى قدر من الأداء عبر أهداف متعددة.

الباحثون الأمريكيون أيضًا بارعون جدًا في حل مكونات فردية، لكن الثقافة الأمريكية تميل إلى “التحدث عن أنفسهم”. كعالم، عندما تسعى بنشاط لجذب الانتباه لعملك، غالبًا ما تكون أكثر نجاحًا؛ والثقافة الحالية تدفع أيضًا نحو مسار شهرة جديد، وهو أن تصبح “عالم الذكاء الاصطناعي الرائد”. وهذا قد يتعارض مباشرة مع ذلك.

انتشرت شائعات واسعة أن تنظيم لاما قد انهار تحت ضغط سياسي بعد أن تم دمجه في هياكل تنظيمية هرمية، حيث تتداخل المصالح. سمعت أيضًا من مختبرات أخرى أن أحيانًا قد يكون من الضروري “تهدئة” باحث متميز، ليوقف الشكوى من عدم إدراج أفكاره في النموذج النهائي. سواء كان ذلك صحيحًا تمامًا أم لا، فإن المعنى واضح: الوعي الذاتي وطموحات الترقية المهنية يمكن أن تعيق بناء أفضل النماذج. حتى الاختلافات الصغيرة في الثقافة بين الصين والولايات المتحدة قد تؤثر بشكل كبير على النتائج النهائية.

جزء من هذا الاختلاف مرتبط بمن يبني هذه النماذج في الصين. في جميع المختبرات، هناك واقع مباشر وهو أن نسبة كبيرة من المساهمين الأساسيين هم طلاب لا زالوا يدرسون. هذه المختبرات شابة جدًا، وتذكرني بطريقة تنظيمنا في Ai2: يُنظر إلى الطلاب على أنهم زملاء، ويُدمجون مباشرة في فريق النماذج اللغوية الكبيرة.

وهذا يختلف تمامًا عن المختبرات الأمريكية الرائدة. في أمريكا، شركات مثل OpenAI وAnthropic وCursor لا توفر فرص تدريب عملي بشكل أساسي. وشركات مثل Google، على الرغم من أنها تقدم تدريبات مرتبطة بـ Gemini، إلا أن الكثيرين يخشون أن تكون تدريباتهم معزولة عن العمل الأساسي الحقيقي.

باختصار، هذا الاختلاف الثقافي الطفيف يمكن أن يعزز قدرات بناء النماذج من خلال: أن يكون الناس أكثر استعدادًا للقيام بالأعمال غير اللامعة التي ترفع النموذج النهائي؛ وأن يشارك المبتدئون في بناء الذكاء الاصطناعي بسرعة، دون أن يتأثروا كثيرًا بدورات الضجة السابقة؛ وأن يكون لديهم مرونة أكبر في التعامل مع المفاهيم، وأن يكون لديهم عدد كبير من المواهب التي يمكنها حل المشكلات التي تم إثباتها بالفعل في أماكن أخرى، وغيرها.

هذا الميل إلى بناء نماذج لغوية قوية، يتناقض مع صورة نمطية معروفة: أن الباحثين الصينيين أقل إنتاجًا للأبحاث “الابتكارية” التي تفتح مجالات جديدة من الصفر.

خلال زياراتي لمختبرات أكثر أكاديمية، تحدث العديد من المسؤولين عن تنمية ثقافة بحثية أكثر طموحًا. وفي الوقت نفسه، شكك بعض المسؤولين التقنيين الذين تحدثت معهم في إمكانية إعادة تشكيل هذا الأسلوب البحثي على المدى القصير، لأنه يتطلب إعادة تصميم منظومة التعليم ونظام الحوافز، وهو تعديل كبير يصعب حدوثه في ظل التوازن الاقتصادي الحالي.

يبدو أن هذه الثقافة تُدرّب مجموعة من الطلاب والمهندسين الماهرين جدًا في “لعبة بناء النماذج اللغوية الكبيرة”. وبالطبع، أعدادهم هائلة أيضًا.

قال لي هؤلاء الطلاب إن الصين تشهد هجرة مواهب مماثلة للولايات المتحدة: العديد من الباحثين الذين كانوا يفكرون سابقًا في المسار الأكاديمي، يخططون الآن للبقاء في الصناعة. وأحد أكثر التصريحات إثارة للاهتمام كانت من باحث كان يطمح أن يصبح أستاذًا، قال إنه يريد أن يكون أستاذًا لأنه يرغب في الاقتراب من نظام التعليم؛ لكنه علق لاحقًا أن التعليم قد حُل بواسطة النماذج اللغوية الكبيرة — “لماذا على الطلاب أن يأتوا إليّ للدردشة؟”

يدخل هؤلاء الطلاب مجال النماذج اللغوية الكبيرة بنظرة جديدة، وهو ميزة. على مدى السنوات القليلة الماضية، شهدنا تغيرات مستمرة في المفاهيم الأساسية للنماذج اللغوية الكبيرة: من توسيع MoE، إلى توسيع التعلم المعزز، إلى دعم الوكلاء الذكيين. وكل واحد من هذه التغييرات يتطلب استيعابًا سريعًا لكميات هائلة من المعلومات الخلفية، بما يشمل الأدبيات الأوسع، وتقنيات داخل الشركات.

الطلاب معتادون على القيام بمثل هذه الأمور، ومستعدون لوضع جميع افتراضاتهم جانبًا، والتواضع في التعامل مع “ما ينبغي أن يكون فعالًا”. يندفعون بكل حماس، ويضعون حياتهم في سبيل تحسين النماذج.

كما أن هؤلاء الطلاب يبدون مباشرة جدًا، وبدون بعض النقاشات الفلسفية التي تشتت العلماء. عندما أسألهم عن تأثير النماذج اقتصاديًا أو عن المخاطر الاجتماعية طويلة المدى، يكون عدد الباحثين الصينيين الذين يمتلكون آراء معقدة ويرغبون في التأثير في هذه القضايا قليلًا جدًا. يعتقدون أن دورهم هو بناء أفضل النماذج.

هذا الاختلاف دقيق جدًا، وسهل الإنكار. لكن عندما تتحدث مع باحث أنيق وذكي ويستطيع التعبير بوضوح باللغة الإنجليزية، ستشعر بسهولة بهذا الأمر: عندما تسأل عن بعض الأسئلة الفلسفية حول الذكاء الاصطناعي، تبقى هذه الأسئلة معلقة في الهواء، ويظهر على الطرف الآخر نوع من الحيرة البسيطة. بالنسبة لهم، هذا خطأ في التصنيف.

حتى أن باحثًا استشهد بالحكم الشهير لدان وانغ: “بالنسبة لأمريكا التي يقودها المحامون، الصين تُحكم بواسطة المهندسين”. عند مناقشة هذه القضايا، أكد هذا التشبيه على رغبتهم في البناء. في الصين، لا توجد مسارات منهجية واضحة، مثل تلك التي تروج لها بودكاستات مثل Dwarkesh أو Lex، التي ترفع من مكانة العلماء الصينيين كمشاهير.

حاولت أن أطلب من العلماء الصينيين التعليق على عدم اليقين الاقتصادي المستقبلي الذي يثيره الذكاء الاصطناعي، أو على النقاشات الأخلاقية حول كيفية أداء النماذج، لكن هذه الأسئلة كشفت لي عن خلفياتهم التعليمية والنموذجية (تم تحريرها 1). هم يركزون جدًا على عملهم، لكنهم نشأوا في نظام لا يشجع على النقاش أو التعبير عن كيف ينبغي تنظيم المجتمع أو تغييره.

عند النظر بعيدًا، خاصة في بكين، شعرت أن الأمر يشبه وادي السيليكون: مختبر تنافسي، ربما على بعد دقائق سيرًا على الأقدام أو بسيارة أجرة. بعد وصولي، زرت حي علي بابا في بكين أثناء ذهابي للفندق. وخلال الـ36 ساعة التالية، زرنا شركة Zhipu AI، وDark Side of the Moon، وجامعة Tsinghua، وMeituan، وXiaomi، و01.ai.

في الصين، من السهل جدًا استخدام تطبيق Didi. إذا اخترت سيارة XL، غالبًا ما يُخصص لك حافلة صغيرة كهربائية مع مقعد تدليك. سألنا الباحثين عن سباق المواهب، فقالوا إن الأمر مشابه جدًا لما نعيشه في أمريكا. انتقال الباحثين من شركة لأخرى أمر طبيعي، واختيار المكان يعتمد بشكل كبير على الأجواء الأفضل في الوقت الحالي.

في الصين، يعطي مجتمع النماذج اللغوية الكبيرة انطباعًا بأنه نظام بيئي، وليس قبائل متصارعة. في العديد من الحوارات غير العامة، سمعت تقريبًا كل شيء عن احترام الزملاء. جميع المختبرات الصينية حذرة جدًا من ByteDance ونموذج Doubao الشائع، لأنه المختبر الخاص الوحيد المتقدم مغلق المصدر في الصين. في الوقت نفسه، تحترم جميع المختبرات DeepSeek، وتعتبره المختبر الأكثر ذوقًا من ناحية البحث على مستوى التنفيذ. في أمريكا، عندما تتحدث مع أعضاء المختبر بشكل غير رسمي، غالبًا ما تتطاير الشرارات بسرعة.

أكثر ما أدهشني في تواضع الباحثين الصينيين هو أنهم، على المستوى التجاري، يكتفون غالبًا بالقول إن الأمر ليس من شأنهم. وفي أمريكا، يبدو أن الجميع غارق في التوجهات الصناعية على المستويات المختلفة، من بائعي البيانات، إلى الحوسبة، إلى التمويل.

الاختلافات والتشابهات بين صناعة الذكاء الاصطناعي في الصين والمختبرات الغربية

السبب في أن بناء نموذج ذكاء اصطناعي اليوم مثير جدًا هو أنه لم يعد مجرد جمع مجموعة من الباحثين المتميزين في مبنى واحد، والعمل على إنشاء معجزة هندسية. كان الأمر كذلك في الماضي، لكن للحفاظ على أعمال الذكاء الاصطناعي، أصبح النماذج الكبيرة مزيجًا معقدًا: يتطلب بناء، ونشر، وتمويل، ودفع هذا الابتكار ليتم اعتماده.

توجد شركات الذكاء الاصطناعي الرائدة ضمن أنظمة بيئية معقدة. توفر هذه الأنظمة التمويل، والحوسبة، والبيانات، وموارد أخرى، لدفع التقدم المستمر.

في النظام البيئي الغربي، تم تصور وتخطيط كيفية دمج جميع عناصر الاستثمار اللازمة لإنشاء وصيانة النماذج الكبيرة بشكل واضح ومفصل. شركة مثل Anthropic وOpenAI تمثلان نموذجًا لذلك. لذلك، إذا استطعنا أن نرى أن هناك اختلافات واضحة في طريقة تفكير المختبرات الصينية في هذه المسائل، فسنتمكن من تحديد الشركات التي ستراهن على أي من هذه الاختلافات المهمة في المستقبل. بالطبع، ستتأثر هذه الرهانات أيضًا بشكل كبير بالتمويل، أو محدودية الحوسبة.

إليكم بعض أكبر “مكاسب” من تواصلي مع هذه المختبرات على مستوى صناعة الذكاء الاصطناعي:

أولًا، بدأت تظهر إشارات مبكرة على الطلب المحلي على الذكاء الاصطناعي. هناك فرضية واسعة النقاش تقول إن سوق الذكاء الاصطناعي في الصين سيكون أصغر، لأن الشركات الصينية عادة لا ترغب في دفع مقابل البرمجيات، وبالتالي لن تتمكن أبدًا من إطلاق سوق استنتاجات ضخمة تدعم المختبرات.

لكن هذا الحكم ينطبق فقط على الإنفاق على البرمجيات المرتبط بنظام SaaS. وبيئة SaaS كانت دائمًا صغيرة في التاريخ الصيني. من ناحية أخرى، لا تزال هناك سوق سحابية ضخمة في الصين.

سؤال رئيسي لم يُجب عليه بعد هو: هل إنفاق الشركات الصينية على الذكاء الاصطناعي سيكون أكثر شبهاً بسوق SaaS، أي بحجم أصغر، أم بسوق السحابة، أي إنفاق أساسي؟ هذا النقاش يدور حتى داخل المختبرات الصينية. بشكل عام، أعتقد أن الذكاء الاصطناعي يقترب أكثر من سوق السحابة، ولا أحد يقلق حقًا من أن السوق حول أدوات جديدة لن ينمو.

ثانيًا، يتأثر معظم المطورين بشكل كبير بـClaude. على الرغم من أن Claude محظور رسميًا في الصين، إلا أن معظم مطوري الذكاء الاصطناعي في الصين يعشقون Claude، وكيف غيرت طريقة بناء البرمجيات لديهم. فقط لأن الصين لم تكن تميل سابقًا لشراء البرمجيات، لا يعني أنني أعتقد أن هناك موجة ضخمة من الطلب على الاستنتاجات ستظهر.

المهندسون الصينيون عمليّون جدًا، ومتواضعون، ولديهم دافع كبير. هذا الشعور يعزز أكثر من أي عادة سابقة بعدم شراء البرمجيات.

بعض الباحثين الصينيين يذكرون أنهم يستخدمون أدواتهم الخاصة، مثل أدوات الأوامر Kimi أو GLM، لكن الجميع يذكر أنهم يستخدمون Claude. ومن المفاجئ أن قليلين يذكرون Codex، الذي يبدو أنه ينتشر بسرعة في وادي السيليكون.

ثالثًا، لدى الشركات الصينية عقلية ملكية تقنية. تتفاعل الثقافة الصينية مع محرك اقتصادي ضخم، وتنتج نتائج غير متوقعة أحيانًا. انطباعي العميق هو أن العديد من النماذج الذكية تعكس توازنًا عمليًا في العديد من الشركات التقنية هنا. لا يوجد خطة استراتيجية موحدة.

هذه الصناعة تتحدد باحترام كبير لByteDance وAlibaba، اللتين يُعتقد أنهما ستفوزان بالعديد من الأسواق بموارد قوية. DeepSeek يُحترم كقائد تقني، لكنه ليس قائد السوق. يحددون الاتجاه، لكنهم لا يملكون الهيكل الاقتصادي للفوز بالسوق.

وهذا يترك شركات مثل Meituan أو Ant Group. قد يتفاجأ الغرب لماذا تبني هذه الشركات أيضًا نماذج كبيرة، لكن في الواقع، تعتبر هذه النماذج أساسية لمستقبل منتجاتها التقنية، لذلك تحتاج إلى بنية تحتية قوية.

عند تعديل نموذج عام قوي، فإن ردود فعل المجتمع المفتوح على النموذج تساعد في تقوية تقنياتها، ويمكنها أيضًا أن تحتفظ بنسخ داخلية معدلة خصيصًا لمنتجاتها. روح “الانفتاح أولاً” في هذا القطاع تتحدد بشكل كبير بالواقعية: فهي تساعد على الحصول على ردود فعل قوية، وتدعم المجتمع المفتوح، وتمكن مهمتها الخاصة.

رابعًا، الدعم الحكومي حقيقي لكنه غير واضح الحجم. يُقال غالبًا إن الحكومة الصينية تساعد بشكل نشط في سباق النماذج اللغوية المفتوحة، لكن النظام الحكومي في الصين متعدد المستويات، وهو غير مركزي، ولا توجد أدلة واضحة على الإجراءات المحددة التي تتبعها كل طبقة.

الأحياء المختلفة في بكين تتنافس لجعل الشركات التقنية تفتح مكاتبها هناك. المساعدة المقدمة لهذه الشركات، غالبًا، تشمل إزالة البيروقراطية، مثل تراخيص العمل. لكن إلى أي مدى يمكن أن تصل هذه المساعدة؟ هل يمكن أن تساعد الحكومة في جذب المواهب؟ هل يمكن أن تساعد في تهريب الرقائق؟

خلال زيارتي، كانت هناك العديد من الإشارات إلى اهتمام الحكومة أو مساعدتها، لكن المعلومات غير كافية لتقديم استنتاجات قاطعة، أو لبناء تصور واثق عن كيف يمكن للحكومة أن تغير مسار تطور الذكاء الاصطناعي في الصين.

وبالطبع، لا توجد أدلة على أن أعلى مستويات الحكومة الصينية تؤثر على القرارات التقنية للنماذج.

خامسًا، صناعة البيانات أقل تطورًا بكثير من الغرب. سمعنا سابقًا أن شركات مثل Anthropic أو OpenAI تنفق أكثر من 10 ملايين دولار على بيئة واحدة، وأن الإنفاق التراكمي على تعزيز التعلم يصل إلى مئات الملايين سنويًا. نود أن نعرف هل تشتري المختبرات الصينية بيئات مماثلة من الشركات الأمريكية، أم أن هناك نظامًا بيئيًا داخليًا يدعمها؟

الجواب ليس “لا يوجد صناعة بيانات”، بل أن خبراتهم تشير إلى أن جودة صناعة البيانات أقل، وغالبًا ما يكون من الأفضل بناء بيئات وبيانات داخلية. الباحثون يقضون وقتًا كبيرًا في إعداد بيئات التدريب المعزز، بينما الشركات الكبرى مثل ByteDance وAlibaba لديها فرق داخلية لوسم البيانات. كل ذلك يعكس عقلية “الاعتماد على البناء الداخلي بدل الشراء”.

سادسًا، الطلب على شرائح Nvidia قوي جدًا. حوسبة Nvidia هي المعيار الذهبي للتدريب، وكل شخص يواجه قيودًا في التقدم بسبب نقص الموارد. إذا كانت التوريدات متوفرة، فسيشترون بلا شك. وشركات أخرى مثل Huawei، التي تنتج معالجات تسريع، حصلت على تقييم إيجابي في مجال الاستدلال. العديد من المختبرات تستخدم شرائح Huawei.

هذه النقاط تصور نظامًا بيئيًا مختلفًا تمامًا للذكاء الاصطناعي. وإذا حاولنا تطبيق طريقة عمل المختبرات الغربية بسرعة على نظرائهم الصينيين، فغالبًا سنرتكب أخطاء تصنيف. السؤال الرئيسي هو: هل ستنتج هذه الأنظمة البيئية نماذج مختلفة جوهريًا، أم أن النماذج الصينية ستظل تُفسر على أنها مشابهة لنماذج الغرب قبل 3 إلى 9 أشهر؟

الخلاصة: التوازن العالمي

قبل رحلتي، كنت أعرف القليل جدًا عن الصين؛ وعند مغادرتي، شعرت أنني بدأت للتو أتعلم. الصين ليست مكانًا يمكن التعبير عنه بقواعد أو وصفات، بل مكان يمتلك آليات دفع وتفاعلات كيميائية مختلفة جدًا. ثقافتها عميقة جدًا، وما زالت تتشابك تمامًا مع طرق بناء التكنولوجيا فيها. لا زلت بحاجة لتعلم الكثير.

العديد من أجزاء الهيكل القوي في الولايات المتحدة تعتبر تصورها عن الصين أداة نفسية مهمة في اتخاذ القرارات. بعد أن تواصلت مع معظم المختبرات الرائدة في الصين بشكل رسمي أو غير رسمي، اكتشفت أن هناك العديد من الصفات والغرائز التي يصعب على القرارات الغربية نمذجتها.

حتى عندما سألت مباشرة عن سبب إصدار هذه المختبرات لنماذجها الأقوى، كان من الصعب ربط “عقلية الملكية” و"الدعم الصادق للنظام البيئي" بشكل كامل.

هذه المختبرات عملية جدًا، ولا تتبع بالضرورة مبدأ “المصدر المفتوح” بشكل مطلق، وليس كل نموذج تصدره سيكون مفتوحًا. لكنها تدعم المطورين، وتدعم النظام البيئي، وتعتبر الانفتاح وسيلة لفهم نماذجها بشكل أعمق.

تقريبًا كل شركة تكنولوجيا كبرى في الصين تبني نماذج لغوية عامة خاصة بها. لقد رأينا أن منصات مثل Meituan، وشركات استهلاكية كبيرة مثل Xiaomi، أصدرت نماذج مفتوحة. الشركات الأمريكية المماثلة عادةً تشتري خدمات.

هذه الشركات تبني نماذج لغوية كبيرة، ليس فقط لتأكيد وجودها في الاتجاهات الجديدة، بل من رغبة عميقة وأساسية: السيطرة على تقنياتها، وتطوير أهم التقنيات الحالية. عندما أرفع رأسي من على حاسوبي، أرى دائمًا مجموعة من الرافعات على الأفق، وهو ما يتناغم مع ثقافة البناء والطاقة في الصين بشكل أعم.

الدفء، والجاذبية، والصدق في الباحثين الصينيين، يجعلني أشعر بالقرب منهم جدًا. على المستوى الشخصي، لم تتسلل إلى نقاشاتنا السياسية القاسية التي نعتاد عليها في أمريكا. يمكن لهذا العالم أن يحتضن المزيد من هذه الإيجابية البسيطة. كعضو في مجتمع الذكاء الاصطناعي، الآن أنا أكثر قلقًا من وجود فجوات بين الأعضاء والجماعات، حول التصنيفات الوطنية.

لو قلت إنني لا أريد أن تتصدر المختبرات الأمريكية في كل جزء من تقنية الذكاء الاصطناعي، فإني أكذب. خاصة في مجال النماذج المفتوحة الذي أخصص له وقتًا كبيرًا، أنا أمريكي، وهذا تفضيل صادق.

وفي الوقت نفسه، أرجو أن يزدهر النظام البيئي المفتوح عالميًا، لأنه يمكن أن يخلق ذكاءً أكثر أمانًا، وأكثر وصولًا، وأكثر فائدة للعالم. والسؤال الآن هو: هل ستتخذ المختبرات الأمريكية إجراءات للحفاظ على هذا الموقع القيادي؟

بينما أكتب هذه المقالة، تنتشر شائعات حول تأثير الأوامر التنفيذية على النماذج المفتوحة. قد يعقد ذلك العلاقة بين القيادة الأمريكية والنظام البيئي العالمي — وهذا لا يمنحني مزيدًا من الثقة.

أشكر جميع الأشخاص الرائعين الذين تواصلت معهم في Moon Shadow، وZhipu AI، وMeituan، وXiaomi، وTongyi Qianwen، وAnt Lingguang، و01.ai، وغيرها. كل واحد منهم كان متحمسًا جدًا، وسخيًا جدًا في تخصيص وقته. مع تبلور أفكاري، سأواصل مشاركة ملاحظاتي عن الصين، بما يشمل الثقافة الأوسع، وكذلك مجال الذكاء الاصطناعي نفسه.

من الواضح أن هذه المعرفة مرتبطة مباشرة بقصة التطور في الذكاء الاصطناعي التي تتكشف الآن.