تقرير عميق من جولدمان ساكس: من سيكون الفائز على المدى الطويل في قطاع نماذج الذكاء الاصطناعي الكبيرة في الصين؟

تشهد نماذج الذكاء الاصطناعي الكبيرة في الصين منعطفًا تاريخيًا. يرى بنك غولدمان ساكس أن الأداء الذكي لنماذج كبيرة مفتوحة المصدر/ذات أوزان متاحة بشكل كبير في الصين بات يقترب من النماذج الاحتكارية الأبرز عالميًا، وأن نطاق اعتماد الشركات المحلية والشركات الصغيرة والمتوسطة في العالم يتوسع بسرعة، ما يؤدي إلى تأثير “عجلة البيانات” الذي سيدفع المزيد من تحديثات وتطورات النموذج.

وبحسب منصة “تتبّع رياح التداول”، يشير أحدث تقرير أصدره غولدمان ساكس إلى أن مسار هذا التطور يمكن تلخيصه في: “لحظة كفاءة التكلفة لDeepSeek العام الماضي، إلى لحظة ذكاء نماذج الذكاء من GLM هذا العام”. وتتصدر فريق بقيادة المحلّل رونالد كيونغ Ronald Keung في تقرير من 50 صفحة، حيث يجري تقييمًا منهجيًا لعدد من القضايا الأربع الأساسية حول كيفية تحقيق نماذج الذكاء الاصطناعي الصينية أداءً مرتفعًا بتكاليف منخفضة، ولماذا اختارت مسار المصادر المفتوحة، وكيفية تحقيق الإيرادات، وأين تقع الأسواق الأساسية القابلة للاستهداف، ومن سيكون الفائز على المدى الطويل.

وعلى صعيد تقييم المشهد التنافسي، قدم غولدمان ساكس “إطار التموضع التنافسي” المبني على قدرات التسعير والميزة من حيث التكلفة والقوة المالية، وخلص من خلاله إلى أن مجال نماذج النص الأساسي: شركة Zhipu (تغطية أولية) وDeepSeek (غير مدرجة) هما الأكثر قوة؛ وفي مجال متعدد الوسائط، تتصدر ByteDance (غير مدرجة). كما يحتفظ غولدمان ساكس بتوصية “شراء” لكل من MiniMax وKuaishou.

بأقل حجم.. نحقق مكاسب أكبر: الفوز بالكفاءة

يمكن لنماذج الذكاء الاصطناعي الكبيرة في الصين تحقيق أداء قريب بتكلفة أقل بكثير من منتجات مماثلة في الولايات المتحدة، ويكمن جوهر ذلك في اختراقين مزدوجين: ابتكار المعمارية وكفاءة المعلمات.

يشير تقرير غولدمان ساكس إلى أن حجم المعلمات لدى النماذج المفتوحة المصدر في الصين غالبًا ما يقع بين 200 مليار و1.6 تريليون، أي ما يمثل 2% إلى 10% فقط من أفضل النماذج عالميًا، ويرجع ذلك أساسًا إلى محدودية الحصول على قدرات الحوسبة المتقدمة. وفي الوقت نفسه، أدت الابتكارات مثل معمارية الخبراء الهجينين (MoE) وآلية الانتباه المتفرّق إلى أن نسبة المعلمات المُفعّلة فعليًا من إجمالي المعلمات لا تتجاوز 3% إلى 5%، ما يخفض تكاليف التدريب والاستدلال بشكل كبير.

وعلى مستوى النماذج المحددة، تبلغ كمية المعلمات في DeepSeek V4 Pro نحو 1.6 تريليون، وفي Zhipu GLM5.2 نحو 0.7 تريليون، وفي MiniMax M3 نحو 0.4 تريليون.

ويربط غولدمان ساكس القفزة الأخيرة في قدرات نماذج الصين على البرمجة بتضافر عوامل مثل تنقية البيانات والتدريب بعد التعلم المعزز. ففي 27 يونيو، قدم DeepSeek إطار فك تشفير استدلالي DSpark، وقد تم نشره بالفعل في خدمات V4-Flash وV4 Pro عبر الإنترنت، وبدون تغيير أوزان النموذج أو جودة المخرجات، يُحسّن سرعة توليد كل مستخدم بنسبة 60% إلى 85% (V4-Flash) و57% إلى 78% (V4 Pro).

اعتبر غولدمان ساكس أن LongCat 2.0 الصادرة عن Meituan في 30 يونيو تمثل علامة فارقة مهمة في الاستقلالية ببنية تحتية للذكاء الاصطناعي في الصين، وهي أول نموذج MoE مفتوح المصدر بمعلمات 1.6 تريليون قائم بالكامل على تدريب ونشر 50 ألف شريحة حوسبة محلية الصنع. ويرى غولدمان ساكس أن ذلك يبرهن على جدوى “سلسلة العتاد” المحلية في مرحلة ما قبل التدريب كثيفة الحوسبة، ما يحمل دلالة بعيدة المدى لتحرير نماذج الذكاء الاصطناعي في الصين من الاعتماد على الشرائح المتقدمة الأجنبية.

تباين قطبي في السوق.. والأقوى يزداد قوة

يصف غولدمان ساكس سوق نماذج الذكاء الاصطناعي في الصين بأنه يتشكل حول “بنية طبقتين”، ويحدد محورين لتعظيم ARR.

في السوق الراقية، تسعير النماذج الرائدة الممثلة بواسطة Zhipu GLM5.2 وAlibaba Qwen3.7 Max يبلغ حوالي 1 دولار لكل مليون token، أي يساوي 5 أضعاف نماذج الفئة الأقل؛ كما أن هامش الربح الإجمالي من الاستدلال يقارب 10% إلى 20% (تقدير غولدمان ساكس). في المقابل، تبلغ أسعار النماذج الرائدة في الولايات المتحدة 4 إلى 8 دولارات لكل مليون token، وتكون النماذج الراقية في الصين عند 10% إلى 25% من ذلك، لكنها ما زالت تحافظ على هامش ربح إجمالي إيجابي بفضل نسبة تفعيل المعلمات الأقل.

في السوق المتدنية، يصل تسعير النماذج الموجهة لمهام الوكلاء إلى 0.06 إلى 0.2 دولار لكل مليون token، ما يفتح المجال أمام سوق الشركات الصغيرة والمتوسطة والمستخدمين الأفراد حول العالم الأكثر حساسية للأسعار. وتمثل إيرادات MiniMax بنسبة 60% إلى 70% من الخارج. وتجدر الإشارة إلى أن DeepSeek أعلن أنه ابتداءً من منتصف يوليو سيطبق آلية تسعير قمم-أودية على سلسلة V4، حيث تبلغ نسبة الرسوم في ساعات الذروة ضعف غير الذروة، والتسعير المختلط يبلغ حوالي 0.35 دولار لكل مليون token (V4 Pro) و0.12 دولار لكل مليون token (V4 Flash).

يتوقع غولدمان ساكس أن إيرادات واجهة برمجة التطبيقات (API) والاشتراكات لنماذج الذكاء الاصطناعي في الصين ستنمو من 35 مليار يوان صيني (تقدير 2026) إلى 8790 مليار يوان صيني بحلول 2030، ما يعني أن استهلاك daily token سيرتفع من 350 مليار مليار إلى 4600 مليار مليار، بزيادة تقارب 25 ضعفًا.

استراتيجية المصادر المفتوحة: انتشار واسع، ومسار تحقيق القيمة لا يزال بحاجة إلى تطوير

يفصّل تقرير غولدمان ساكس المنطق الاستراتيجي وراء اعتماد نماذج الذكاء الاصطناعي في الصين بشكل واسع لمسار المصادر المفتوحة/الأوزان المفتوحة، مع تسليط الضوء على حدود تحقيق القيمة.

تتمثل الميزة الأساسية لاستراتيجية المصادر المفتوحة في مرونة النشر والنظام البيئي للمجتمع. تستخدم سلسلة Qwen لدى Alibaba وDeepSeek وZhipu GLM وMiniMax M3 نهجًا مفتوح المصدر أو بأوزان متاحة، بينما تُعد نماذج Seed لدى ByteDance الاستثناء الرئيسي، إذ تعتمد مسارًا احتكاريًا مغلقًا بالكامل. يتيح نموذج المصادر المفتوحة نشر النموذج بمرونة داخل الصين وخارجها، وتسريع التطوير من خلال تغذية راجعة من المجتمع.

ومع ذلك، يشير غولدمان ساكس إلى أن أرقام ARR التي تفصح عنها شركات نماذج المصادر المفتوحة قد تكون منخفضة بشكل كبير مقارنة بالحجم الفعلي للنشر وإمكانات الإيرادات. وعلى سبيل المثال، تستهدف Zhipu تحقيق هدف ARR بنهاية 2026 بقيمة 1 مليار دولار، لكن حجم النشر الفعلي لـ GLM5.2 على مستوى العالم سيكون أعلى بكثير من كمية token وإيرادات قناة API الخاصة بـ Zhipu وحدها—إذ يمكن لمنصة Alibaba Cloud MaaS “Bainlian” استضافة نموذج GLM5.2 مفتوح المصدر مباشرة دون دفع أي رسوم لـ Zhipu.

ويتوقع غولدمان ساكس أن ينتقل القطاع تدريجيًا من “مصدر مفتوح صرف” (ترخيص MIT، مجاني بالكامل) إلى نموذج “أوزان مفتوحة + ترخيص مجتمعي” — أي أن الاستخدام التجاري يتطلب توقيع اتفاق لتقاسم الإيرادات مع شركة النموذج. وقد سبقت MiniMax M السلسلة في تبني هذا النموذج. ويرى غولدمان ساكس أن هذا التحول سيحسن بشكل ملموس كفاءة الاقتصاد على مستوى الوحدة لدى شركات نماذج الذكاء الاصطناعي، لأن الشركة يمكنها الاستفادة من اتفاقيات تقاسم الإيرادات مع منصات مثل AWS Bedrock وAlibaba Cloud Bainlian بدلًا من تحمل تكاليف قدرات الاستدلال الحوسبية بنفسها.

من “تعظيم الـtoken” إلى “الأولوية لعائد الاستثمار”

يعتبر غولدمان ساكس التوسع في السوق الدولية باعتباره أكبر مساحة صعود لنماذج الذكاء الاصطناعي الصينية، خصوصًا في الأسواق غير الأمريكية.

تقدّر فرق البحث التابعة لغولدمان ساكس في الولايات المتحدة أنه بحلول 2030، سيدفع ذكاء الوكلاء AI نموًا بعامل 24 في استهلاك token عالميًا، ليصل إلى 120 مليون مليار token شهريًا، منها 55 ضعفًا نموًا مساهمًا من الوكلاء المؤسسيين و12 ضعفًا من الوكلاء للمستهلكين. وفي السوق العالمية (خارج الصين)، حققت نماذج الذكاء الاصطناعي الصينية نموًا ملحوظًا في حصتها من token بفضل تحسين الأداء ومزايا التسعير.

يشير تقرير غولدمان ساكس إلى أن نمط استخدام المؤسسات للذكاء الاصطناعي العالمي يخضع لتحول جوهري من “تعظيم الـtoken” إلى “الأولوية لعائد الاستثمار (ROI)”. كان الأول شائعًا بين أواخر 2025 وبداية 2026، إذ تم ربط ارتفاع استهلاك token بكونه مكافئًا لإنتاجية المنظمة؛ أما الثاني فيركز أكثر على وضوح حدود المهام، وعدد الوكلاء النشطين يوميًا، وأتمتة العمليات الخلفية، والمخرجات الفعلية. وتُظهر نتائج بحث حول اتجاهات هندسة Jellyfish AI أن المستخدمين الثقيلين للذكاء الاصطناعي داخل الشركات يستهلكون 10 أضعاف token، لكن الإنتاج لا يتحسن إلا بمقدار ضعفين.

وعلى مستوى القنوات، توفر كل من Gemini Enterprise Agent Platform التابعة لـAlphabet وAWS Bedrock من Amazon خدمات استضافة لنماذج الذكاء الاصطناعي الصينية مثل DeepSeek وMiniMax وMoonshot وGLM وQwen. ووفقًا لتقرير صحيفة “وول ستريت جورنال”، صرح الرئيس التنفيذي لشركة مايكروسوفت مؤخرًا بأن مايكروسوفت تدرس استضافة نسخة من DeepSeek داخل Copilot، باعتبارها نموذجًا منخفض التكلفة اختياريًا، مع التأكيد على أنه إذا تم استضافة DeepSeek فسيعمل داخل منظومة مايكروسوفت السحابية، بما يضمن بقاء بيانات العملاء ضمن Azure.

من هو الفائز على المدى الطويل؟

بنى غولدمان ساكس إطارًا تنافسيًا ثلاثي الأبعاد لتحديد احتمالات تفوق كل لاعب على المدى الطويل عبر مؤشرات كمية، وتتمثل المعادلة الأساسية في: حجم ARR × ميزة هامش الربح الإجمالي + القوة المالية.

تقيس بُعد “قدرة التسعير” سرعة الإدراج (بالمقارنة مع الأسلاف ونماذج المستوى نفسه)، ودرجة LMArena (استنادًا إلى تقييمات المستخدمين من خلال اختبارات عمياء واسعة النطاق)، ومستوى التسعير المختلط لكل مليون token.

وتقيس بُعد “ميزة التكلفة” الإنتاجية (عدد token في الثانية)، ومعدل ضربات التخزين المؤقت (cache hit)، ونسبة تفعيل المعلمات، وهامش الربح الإجمالي من الاستدلال. بينما تقيس بُعد “القوة المالية” النقد المتاح، ونسبة صافي النقد إلى إجمالي الأصول، ومضاعفات التقييم.

في مجال نماذج النص الأساسي، يرى غولدمان ساكس أن Zhipu (تغطية أولية، تصنيف محايد، وتقييم مستهدف 1100 مليار دولار) وDeepSeek (غير مدرجة) تتمتعان بأقوى تموضع، حيث يبرزان في قدرات التسعير وميزة التكلفة. ويُقدر أن التقييم الضمني الإجمالي لدى شركات نماذج الذكاء الاصطناعي المستقلة يتجاوز 2000 مليار دولار.

وفي مجال متعدد الوسائط/توليد الفيديو، تتصدر ByteDance بفضل Seedance، ووفقًا لما ذكرته LatePost و36Kr فإن هامش ربح Seedance يصل إلى 70%، كما تجاوز معدل تشغيل ARR 2 مليار دولار. كما يتوقع غولدمان ساكس أداء Kuaishou وشركة MiniMax Hailuo/نموذج H3 المزمع إطلاقه، إذ يرى أن 2026 النصف الثاني سيعود بالنفع على خلفية اختراقات وظيفية في دمج توليد الفيديو مع LLM وضغوط نقص الإمداد التي تدعم تسعيرًا صحيًا.

يحافظ غولدمان ساكس على توصية “شراء” لـMiniMax، مع سعر مستهدف 860 دولارًا لهونغ كونغ، وذلك لأن نموذجها M3 يقع في مربع تعظيم ARR عند مستوى كميات token مرتفعة وتسعير جذاب، ولأن التقييم الحالي لا يمثل سوى 13 ضعف ARR بنهاية 2026؛ وهو ما يعني وجود خصم واضح مقارنة بمضاعفات تقييم شركات مماثلة في الصين وعلى مستوى العالم، ما يجعل نسبة المخاطر إلى العوائد تميل إلى الاتجاه الصعودي.