رخيصة وفعالة! الشركات الأمريكية تزداد حباً لاستخدام الذكاء الاصطناعي الصيني، حصة منصة OpenRouter وصلت مرة إلى 46%

النماذج الصينية للذكاء الاصطناعي تتوسع بسرعة في سوق الشركات الأمريكية بأسعار أقل بكثير من النماذج الأمريكية المماثلة. الميزة النسبية في التكلفة بالإضافة إلى الأداء المتزايد تقترب من الحدود، تدفع المزيد من المطورين والشركات الأمريكية إلى تحويل أعباء العمل إلى النماذج الصينية.

على منصة المطورين OpenRouter، حصة الرموز (tokens) التي تستخدمها الشركات الأمريكية من النماذج الصينية للذكاء الاصطناعي تجاوزت 30% أسبوعياً منذ 8 فبراير، وبلغت ذروتها 46%. في حين أن المتوسط خلال الـ 12 شهراً السابقة كان 11% فقط، وأقل من 4.5% في النصف الأول من 2025. هذا التغيير المفاجئ حدث في ظل استمرار مختبرات الذكاء الاصطناعي الأمريكية الرائدة مثل OpenAI وAnthropic في رفع أسعار نماذجها الرائدة، مما دفع الشركات التي تزداد حساسيتها للتكاليف إلى التحول بسرعة.

الضغط التكلفي يقود التغيير

السعر هو المحرك الأساسي لموجة التحول هذه. وفقاً لجاستن سومرفيل من فريق تحليل البيانات في OpenRouter، فإن تكلفة استخدام النماذج الصينية مفتوحة المصدر "أرخص بنسبة 60% إلى 90%" مقارنة بالنماذج الرائدة من Anthropic وOpenAI.

شركة Lindy الناشئة في مجال الذكاء الاصطناعي هي مثال نموذجي لهذا الاتجاه. في يونيو 2026، قامت الشركة بتحويل كل حركة المرور من نموذج Claude من Anthropic إلى DeepSeek. "يمكنك رؤية منحنى التكلفة هذا ينهار مباشرة إلى الأرض"، قال Flo Crivello، الرئيس التنفيذي لـ Lindy، لـ CNBC. وتوقع أن هذا القرار سيوفر للشركة ملايين الدولارات في غضون أشهر.

أشار كايل تشان، الباحث في مركز John L. Thornton لدراسات الصين في معهد بروكينغز: "مع ارتفاع تكاليف الذكاء الاصطناعي، زاد جاذبية النماذج الصينية للذكاء الاصطناعي للشركات الأمريكية بشكل كبير. في السابق، لم تكن الشركات الأمريكية تهتم بمصدر النموذج عند اعتماد الذكاء الاصطناعي، لكن الآن أصبح وعيها بالتكلفة أقوى فأقوى."

الأداء يقترب بسرعة من الحدود

إلى جانب ميزة السعر، أداء النماذج الصينية يثير الإعجاب أيضاً.

نموذج GLM 5.2 الذي أصدرته زيبو (Zhipu) في يونيو، حصل في اختبار معياري للوكلاء (agent benchmark) يحظى باهتمام واسع على نتيجة تختلف عن نموذج Opus 4.8 من Anthropic بأقل من نقطة مئوية واحدة، بينما تكلفته حوالي خمس تكلفة الأخير. بعض الباحثين قالوا إن أداء GLM 5.2 في بعض اختبارات الأمن السيبراني المعيارية يمكن مقارنته بأفضل المختبرات الأمريكية.

قال هاربريت أرورا، المسؤول عن البنية التحتية للوكلاء في Vercel، إن GLM 5.2 سجل أسرع سرعة اعتماد نموذج في سجلات تتبع Vercel لعام 2026 - "في أول أسبوع كامل بعد الإطلاق، زادت كمية الرموز اليومية بنحو 27 ضعفاً، وعدد العملاء المستخدمين بنحو 80 ضعفاً."

وفقاً لبيانات Vercel، استمرت حصة رموز بوابة DeepSeek في الارتفاع بين مايو ويونيو.

قال سومرفيل إن الجيل الجديد من النماذج مفتوحة المصدر "أدى بشكل ممتاز، وأثبت قدرته العملية في جميع المهام باستثناء المهام الأكثر تعقيداً في نماذج اللغة الكبيرة." يقدر تشان أن النماذج الصينية الرائدة تتخلف حالياً عن المنتجات الأمريكية المتقدمة "بحوالي ستة إلى تسعة أشهر"، لكنها أصبحت تنافسية بما فيه الكفاية في العديد من السيناريوهات السائدة.

نطاق الاعتماد المؤسسي يتوسع

اختراق النماذج الصينية يمتد من الشركات الناشئة إلى مجموعة أوسع من الشركات.

على منصة LaunchLemonade للوكلاء الذكاء الاصطناعي الموجهة للصناعات المنظمة، لا يزال Claude وChatGPT يتصدران الاستخدام، لكن GLM 5.2 أصبح ضمن الخمسة الأوائل. قال Cien Solon، مؤسس LaunchLemonade والرئيس التنفيذي لها: "النماذج الصينية مثل Zhipu وQwen من Alibaba أصبحت خياراً للشركات، حيث توفر مزيجاً مثالياً من الأداء والتكلفة في أعباء عمل محددة. الشركات ذات الاستراتيجيات الأكثر نضجاً في الذكاء الاصطناعي، أصبحت أكثر استعداداً لاستخدامها في السيناريوهات التي يكون فيها المنطق التقني أو التجاري مناسباً."

أشار Yacine Jernite، المسؤول عن التعلم الآلي في Hugging Face، إلى اتجاه هيكلي أعمق: "نرى أن الشركات تتزايد رغبتها في التحول إلى تركيبات ذكاء اصطناعي أرخص، يمكنها التحكم فيها وتخصيصها، ونظراً للوضع الحالي للنماذج مفتوحة المصدر ومفتوحة الأوزان، فإن هذا غالباً ما يعني الاستعانة بالنماذج الصينية."

بيان المخاطر وإخلاء المسؤولية

        السوق يحمل مخاطر، والاستثمار يجب أن يكون بحذر. هذا المقال لا يشكل نصيحة استثمارية شخصية، ولا يأخذ في الاعتبار أهداف استثمارية خاصة أو وضع مالي أو احتياجات مستخدم معين. يجب على المستخدم النظر فيما إذا كانت أي آراء أو وجهات نظر أو استنتاجات في هذا المقال تتناسب مع وضعه المحدد. الاستثمار بناءً على هذا يتحمل المستخدم مسؤوليته الخاصة.