تفكيك تقرير غولدمان ساكس: خريطة المنافسة بين نماذج الذكاء الاصطناعي الكبرى في الصين—من سيصبح الفائز على المدى الطويل؟

المؤلف: وول ستريت جورنال ستف-وي تشنغ تشينغ

العنوان الرئيسي: تقرير عميق من غولدمان ساكس: من سيكون الرابح طويل الأجل في قطاع نماذج الذكاء الاصطناعي الكبيرة في الصين؟

توجد نماذج الذكاء الاصطناعي الكبيرة في الصين على أعتاب نقطة انعطاف تاريخية. وترى غولدمان ساكس أن الأداء الذكي للنماذج المفتوحة/المفتوحة المصدر ذات الأوزان المرجحة في الصين يقترب من أفضل النماذج الاحتكارية عالميًا؛ كما أن وتيرة تبنّي الشركات المحلية والشركات الصغيرة والمتوسطة حول العالم تتوسع بسرعة، وبذلك تتشكل “عجلة بيانات” تعزز بشكل أكبر تَطوير وتحديث النماذج.

ووفقًا لمنصة تتبع “تتبّع هوا تشوان يي تاي”، يشير أحدث تقرير لغولدمان ساكس إلى أن مسار هذا التطور يمكن تلخيصه في: “من لحظة كفاءة التكلفة لدى DeepSeek العام الماضي، إلى لحظة ذكاء النموذج لدى GLM هذا العام”. وفي تقرير من 50 صفحة، تقود فريقًا برئاسة المحلل Ronald Keung، يناقش الفريق بصورة منهجية أربعة أسئلة محورية حول كيفية تحقيق نماذج الذكاء الاصطناعي في الصين أداءً عالياً بتكلفة منخفضة، ولماذا تختار مسار المصدر المفتوح، وكيفية تحقيق العائدات، وأين تقع الأسواق الأساسية القابلة للاستهداف، ومن سيكون الرابح طويل الأجل.

وعند الحكم على المشهد التنافسي، قدمت غولدمان ساكس “إطار تحديد التموضع التنافسي” بناءً على القدرة على التسعير، والميزة في التكلفة، والقوة المالية، واستنتجت بموجبه أنه في مجال نماذج النص الأساسية، تتمتع شركة زهيبو (تغطية أول مرة) وDeepSeek (غير مدرجة) بتموضع الأقوى؛ وفي مجال متعدد الوسائط، تتصدر ByteDance (غير مدرجة). كما تحافظ غولدمان ساكس على تصنيف “شراء” لكل من MiniMax وكواي شو.

بمنطق “بقليل مقابل كثير”.. الكفاءة تحسم التفوق

يمكن لنماذج الذكاء الاصطناعي الكبيرة في الصين تحقيق أداء قريب من نظائرها في الولايات المتحدة بتكلفة أقل بكثير. ويكمن السبب الجوهري في اختراقين متزامنين: ابتكار المعمارية وكفاءة المعاملات/المعاملات (البارامترات).

يشير تقرير غولدمان ساكس إلى أن أحجام معاملات النماذج مفتوحة المصدر في الصين تتراوح غالبًا بين 2000 مليار و1.6 تريليون، أي ما يعادل 2% إلى 10% فقط من أحجام أفضل النماذج عالميًا، ويرجع ذلك أساسًا إلى محدودية الحصول على قدرات حوسبة عالية المستوى. وفي الوقت نفسه، أدت الابتكارات مثل معمارية الخبراء الهجينين (MoE) وآليات الانتباه المتناثر إلى أن نسبة المعاملات التي يتم تفعيلها فعليًا من إجمالي المعاملات تبلغ 3% إلى 5% فقط، ما يخفض بشكل كبير تكاليف التدريب والاستدلال.

وعلى مستوى النماذج المحددة، يبلغ حجم معاملات DeepSeek V4 Pro 1.6 تريليون، بينما تبلغ GLM5.2 من زهيبو 0.7 تريليون، وMiniMax M3 نحو 0.4 تريليون.

وتعزو غولدمان ساكس القفزة الأخيرة في قدرات النماذج الصينية على البرمجة إلى تضافر عوامل مثل تنقية البيانات والتدريب بعد التعلم المعزز. ففي 27 يونيو، طرحت DeepSeek إطار “فك ترميز استنتاجي” DSpark، وتم نشره بالفعل ضمن خدمات V4-Flash وV4 Pro عبر الإنترنت، وبدون تغيير أوزان النموذج أو جودة المخرجات، تم رفع سرعة توليد المحتوى لكل مستخدم بنسبة 60% إلى 85% (V4-Flash) وبنسبة 57% إلى 78% (V4 Pro).

وتعتبر غولدمان ساكس أن LongCat 2.0 التي أطلقتها Meituan في 30 يونيو تمثل علامة فارقة مهمة نحو استقلال البنية التحتية للذكاء الاصطناعي في الصين—وهي أول نموذج MoE مفتوح المصدر كليًا في الصين مبني على تدريب ونشر باستخدام 1.6 تريليون معتمداً على 50 ألف بطاقة حوسبة (国产) محلية. وترى غولدمان أن هذا يثبت جدوى سِلسلة العتاد المحلية في مرحلة التدريب المكثف حسابيًا، وهو ما يحمل دلالة عميقة على تمكين نماذج الذكاء الاصطناعي في الصين من تقليل الاعتماد على الرقائق عالية المستوى الأجنبية.

تباين قطبي في السوق.. الأقوى يزداد قوة

تصف غولدمان ساكس سوق نماذج الذكاء الاصطناعي في الصين بأنه يتشكل على هيئة “بنية طبقتين”، وتحدد مربعين لتعظيم ARR.

في السوق الراقية، تسعير النماذج الرائدة الممثلة بـ GLM5.2 من زهيبو وQwen3.7 Max من علي بابا يقارب 1 دولار لكل مليون token، وهو ما يعادل 5 أضعاف تسعير النماذج منخفضة المستوى؛ وتقدّر غولدمان أن هامش الربح الإجمالي من الاستدلال يبلغ نحو 10% إلى 20%. في المقابل، يبلغ تسعير أفضل النماذج في الولايات المتحدة 4 إلى 8 دولارات لكل مليون token، بينما تظل النماذج الراقية في الصين عند 10% إلى 25% منها؛ ومع ذلك، وبفضل نسبة تفعيل المعاملات الأقل، لا تزال تحافظ على هامش ربح إجمالي إيجابي.

في السوق المنخفضة، يصل تسعير النماذج الموجهة لمهام الوكلاء إلى 0.06 إلى 0.2 دولار فقط لكل مليون token، وهو ما يفتح سوقًا عالميًا للشركات الصغيرة والمتوسطة والأفراد الأكثر حساسية للسعر. تحقق MiniMax ما بين 60% إلى 70% من إيراداتها من الخارج. وتجدر الإشارة إلى أن DeepSeek أعلنت أنها ستطبق، اعتبارًا من منتصف يوليو، آلية تسعير وقتي (ذروة/غير ذروة) على سلسلة V4؛ بحيث تكون رسوم وقت الذروة بمعدل الضعف مقارنة بغير الذروة، مع تسعير مختلط يقارب 0.35 دولار لكل مليون token (V4 Pro) و0.12 دولار لكل مليون token (V4 Flash).

وتتوقع غولدمان أن تنمو إيرادات واجهات برمجة التطبيقات (API) والاشتراكات لنماذج الذكاء الاصطناعي في الصين من 350 مليار يوان صيني (تقدير 2026) إلى 8790 مليار يوان صيني بحلول 2030، وهو ما يقابله ارتفاع استهلاك token يوميًا من 350 مليون مليار إلى 4600 مليون مليار، أي بزيادة تقارب 25 مرة.

استراتيجية المصدر المفتوح: انتشار واسع.. ومسار تحقيق العائدات يحتاج إلى ترقية

يستعرض تقرير غولدمان ساكس على نحو تفصيلي المنطق الاستراتيجي وراء تبني نماذج الذكاء الاصطناعي الصينية على نطاق واسع لمسار المصدر المفتوح/الأوزان المفتوحة، وحدود تحقيق العائدات.

تتمثل الميزة الأساسية لاستراتيجية المصدر المفتوح في المرونة في النشر ونظام بيئي للمجتمع. تستخدم Qwen من علي بابا وسلسلة DeepSeek وGLM من زهيبو وMiniMax M3 مسارات مصدر مفتوح أو أوزان مفتوحة؛ بينما تعد Seed من ByteDance الاستثناء الرئيسي، إذ تتبع مسارًا احتكاريًا مغلقًا بالكامل. يسمح نموذج المصدر المفتوح بتشغيل النماذج بصورة مرنة داخل الصين وخارجها، كما يؤدي تعقب وتعليقات المجتمع إلى تسريع التطوير والتحديث.

ومع ذلك، تشير غولدمان إلى أن أرقام ARR التي تكشف عنها شركات نماذج المصدر المفتوح قد تقلل بصورة كبيرة من حجم النشر الفعلي وإمكانيات الإيرادات. فعلى سبيل المثال، لدى زهيبو هدف ARR عند نهاية 2026 بقيمة 1 مليار دولار، لكن الحجم الفعلي لنشر GLM5.2 عالميًا سيكون أعلى بكثير من كمية token وإيرادات مسار واجهة API الخاصة بزهيبو—إذ يمكن استضافة نموذج GLM5.2 مفتوح المصدر مباشرة على منصة علي كلاود “باي لين” (MaaS) دون الحاجة إلى دفع أي رسوم إلى زهيبو.

وتتوقع غولدمان أن يتحول القطاع تدريجيًا من “مصدر مفتوح خالص” (ترخيص MIT، مجاني بالكامل) إلى نموذج “أوزان مفتوحة + ترخيص مجتمعي”—أي أنه يتعين على الاستخدام التجاري إبرام اتفاق لتقاسم الإيرادات مع شركة النموذج. وقد تكون MiniMax M السلسلة قد بادرت بالفعل لتبني هذا النموذج. وترى غولدمان أن هذا التحول سيحسن بشكل واضح كفاءة الاقتصاد للوحدة لدى شركات نماذج الذكاء الاصطناعي، لأن شركة النموذج يمكنها كسب حصة من الإيرادات عبر اتفاقيات تقاسم مع منصات مثل AWS Bedrock و”علي كلاود باي لين”، دون تحمل تكاليف قدرات الاستدلال الحوسبية بنفسها.

من “تعظيم token” إلى “الأولوية للعائد على الاستثمار (ROI)”

تصف غولدمان توسع السوق الدولية بأنه أهم مساحة صعود لصالح نماذج الذكاء الاصطناعي في الصين، خاصة في الأسواق خارج الولايات المتحدة.

تقدّر فرق الأبحاث لدى غولدمان في الولايات المتحدة أنه بحلول 2030، سيسهم ذكاء الوكلاء الاصطناعي في دفع نمو استهلاك token عالميًا بمقدار 24 مرة، ليصل إلى 120 مليون مليار token شهريًا؛ منها نمو بمقدار 55 مرة يساهم به وكلاء الأعمال، ونمو بمقدار 12 مرة يساهم به وكلاء المستهلكين. وفي الأسواق العالمية (خارج الصين)، تمكنت نماذج الذكاء الاصطناعي في الصين بالفعل من تحقيق زيادة كبيرة في حصتها من token بفضل تحسين الأداء وتفوق السعر.

ويشير تقرير غولدمان إلى أن نمط استخدام الشركات للذكاء الاصطناعي العالمي يخضع لتحول جذري من “تعظيم token” إلى “الأولوية للعائد على الاستثمار (ROI)”. فقد كان النهج الأول سائدًا بين نهاية 2025 وبداية 2026، حيث تعادل استهلاك token الكبير مع إنتاجية المؤسسة؛ أما النهج الثاني فيركز على حدود المهام بشكل واضح، وعدد الوكلاء النشطين يوميًا، وأتمتة العمليات الخلفية، والإنتاج الفعلي. وتظهر نتائج بحث “Jellyfish AI” حول اتجاهات الهندسة أن المستخدمين ذوي الاستخدام الكثيف للذكاء الاصطناعي يستهلكون 10 أضعاف من token، لكن الإنتاج لا يتحسن إلا بمقدار الضعفين.

وعلى مستوى القنوات، توفر منصتا Gemini Enterprise Agent Platform التابعة لـAlphabet وAmazon AWS Bedrock خدمات استضافة لنماذج الذكاء الاصطناعي الصينية مثل DeepSeek وMiniMax وMoonshot وGLM وQwen. ووفقًا لتقرير نشرته صحيفة “وول ستريت جورنال”، قال الرئيس التنفيذي لشركة مايكروسوفت مؤخرًا إن مايكروسوفت تفكر في استضافة نسخة من DeepSeek عبر Copilot بوصفه نموذجًا اختياريًا منخفض التكلفة، مع التأكيد على أنه في حال استضافة DeepSeek، سيتم تشغيل هذا النموذج داخل منظومة الحوسبة السحابية في مايكروسوفت، بما يضمن بقاء بيانات العملاء ضمن Azure.

من هو الرابح طويل الأجل؟

أقامت غولدمان إطارًا ثلاثي الأبعاد لتحديد التموضع التنافسي، لتقييم احتمالات تفوق كل لاعب على المدى الطويل بمؤشرات كمية، ويكمن الصيغة الرئيسية في: حجم ARR × ميزة هامش الربح الإجمالي + القوة المالية.

تدرس “قدرة التسعير” سرعة الطرح (مقارنة مع السلف والنماذج في نفس الفئة)، ودرجات LMArena في “ساحة المنافسة” (بناءً على تقييمات المستخدمين في تجارب اختبار عمياء واسعة النطاق)، ومستوى التسعير المختلط لكل مليون token.

وتدرس “ميزة التكلفة” الإنتاجية (عدد token في الثانية)، ومعدل نجاح التخزين المؤقت، ونسبة تفعيل المعاملات، وهامش الربح الإجمالي من الاستدلال. وتدرس “القوة المالية” النقد المتاح، ونسبة صافي النقد إلى إجمالي الأصول، ومضاعفات التقييم.

وفي نماذج النص الأساسية، ترى غولدمان أن زهيبو (تغطية أول مرة، تصنيف محايد، تقييم مستهدف 110 مليار دولار) وDeepSeek (غير مدرجة) يتمتعان بأقوى تموضع، إذ يبرزان في كل من قدرة التسعير وميزة التكلفة. وتبلغ التقييمات الضمنية الإجمالية لشركات النماذج المستقلة للذكاء الاصطناعي أكثر من 200 مليار دولار.

وفي مجال متعدد الوسائط/توليد الفيديو، تتصدر ByteDance بفضل Seedance. ووفقًا لما ورد من LatePost و36Kr، يصل هامش ربح Seedance إلى 70%، وقد تجاوز معدل تشغيل ARR 2 مليار دولار. كما تنظر غولدمان بإيجابية إلى kuaishou لينغ وروابط MiniMax Hailuo/نموذج H3 المرتقب؛ وتتوقع أن تستفيد الشركة في النصف الثاني من 2026 من الاختراقات الوظيفية الناتجة عن دمج توليد الفيديو وLLM ومن ضغوط نقص المعروض، ما يدعم تسعيرًا صحيًا.

وتحافظ غولدمان على تصنيف “شراء” لسهم MiniMax، مع سعر مستهدف يبلغ 860 دولار هونغ كونغ، مبررة ذلك بأن نموذج M3 يقع في مربع تعظيم ARR عند حجم token مرتفع وتسعير جذاب، ولأن التقييم الحالي لا يمثل سوى 13 ضعف ARR عند نهاية 2026؛ أي أن هناك خصمًا واضحًا مقارنة بمضاعفات التقييم لدى الشركات المماثلة في الصين وعلى مستوى العالم، مع ميل نسبة المخاطر إلى العوائد إلى الجانب الصاعد.