تبدو الشركة الصينية الأقرب إلى شركة Anthropic، وتسعى لإزالة “ثلاثة جبال كبرى”

智谱华章创始人،首席科学家唐杰于7月11日发出一封内部信。الرسالة لم تكن طويلة؛ يمكن قراءتها في نحو دقيقتين، لكن وزنها ليس خفيفًا.

وإذا اختصرنا الأمر ببساطة، فإن智谱 خلال العامين المقبلين ستطلق برنامج“Touch High（摸高）”，وتُركز الموارد في أربعة محركات: “المهام بعيدة المدى、أنظمة الوكلاء الذاتية الحكم、التدريب الذاتي الكامل、الحوكمة الآمنة”.

هذه الاتجاهات الأربعة ليست نتاج فراغ، بل هي استنتاجات من唐杰 بناءً على تطورات الذكاء الاصطناعي خلال السنوات الماضية، حيث لاحظ ثلاث “جبال” تعيق تقدم الصناعة. وبمجرد اجتياز تلك الجبال، تصل إلى AGI الأسطوري. لكن لاجتياز ثلاث جبال، يجب السير في اتجاهات الأربعة هذه. ومن ثم تتحول الاتجاهات الأربعة إلى أربعة محركات تدفع智谱 إلى الأمام.

وبالرغم من تسميتها أربعة محركات، إلا أن جوهرها واحد؛ جذورها متشابهة ومصدرها واحد؛ أنت في داخلي وأنا في داخلك.

وفي الوقت نفسه، قبل يومين فقط من صدور هذه الرسالة، أي في7月9日، كانت智谱 قد اكتتبت حديثًا في أسهم جديدة بقيمة313.75 مليار دولار هونغ كونغ، وتذكر الإعلان أنه سيتم إنفاق الأموال التي جرى جمعها بالكامل قبل نهاية عام2027.

وبذلك، فإن رسالة唐杰 ليست في الحقيقة سوى شرح: أين ستنفق智谱 هذه الأموال.

بعد ذلك، سأحلل لك ما هي “الثلاث جبال” و“الأربعة محركات” تحديدًا.

من “ثلاث جبال” إلى “أربعة محركات”

في يونيو من هذا العام، نشرت Google تقريرًا من57 صفحة بعنوان《From AGI to ASI》، وتضمن أيضًا طرحًا مشابهًا. “إذا أعطيت نظامًا ذكاءً اصطناعيًا بكل معلومات عصر آينشتاين، فهل يمكنه أن يستنتج النسبية العامة بشكل مستقل؟”

اعترف الرئيس التنفيذي لـDeepMind هاسابيس قائلًا: “من الواضح أنه ليس ممكنًا اليوم بعد، لكنه ينقصه شيء ما.”

أطلق唐杰 على هذا “الشيء الناقص” اسم “ثلاث جبال”.** وهي: قدرات المهام بعيدة المدى، ونظم الوكلاء ذاتية الحكم بشكل كامل، والتطور الذاتي.**

كما أن “الأربعة ملوك الكبار” لديهم5 أشخاص، فإن هذه الجبال الثلاث عندما تُترجم إلى مستوى تطوير الشركة تتحول إلى “أربعة محركات”. كل جبل من الثلاثة يقابل محركًا، أما المحرك الرابع فيسمى “الحوكمة الآمنة”.

والسبب في إضافة محرك إضافي هو أن الذكاء الاصطناعي، عند تجاوز البشر والعلم بالذكاء بعد اجتياز الجبال الثلاث، يجب أن تُفرض عليه قيود لتحديد تطوره.

المحرك الأول: المهام بعيدة المدى.

في مايو من هذا العام، نشر唐杰 مقالًا طويلًا على منصة X، وكان أول سطر فيه: “أقرب اتجاه لتحقيق اختراق هذا العام هو المهام بعيدة المدى.”

ويقول唐杰 إن النماذج الكبيرة اليوم تبدو أقرب إلى “مستشار غني بالمعلومات”: تسأله سؤالًا فيجيبك عنه. أما النماذج في المستقبل فستكون أقرب إلى “موظف قادر على إنجاز العمل بنفسه”. يكفي أن يحدد الإنسان الهدف، فيقوم النموذج بتفكيك الخطوات، واستدعاء الأدوات، وإجراء التجارب مرارًا، والقيام بعمل متواصل لساعات وأسابيع وحتى مدة أطول، وصولًا إلى تسليم النتيجة.

استخدم唐杰 مثالًا من الأمن السيبراني: أن تُكلف هاكرًا بالبحث عن ثغرة في برنامج. هو لا يقرأ الكود فحسب، بل يبني البيئة، ويجرب مسارات هجوم مختلفة، ويستبعد الإيجابيات الكاذبة، ثم يتحقق من النتيجة.

ربما لا يكون لدى الذكاء الاصطناعي موهبة أعلى من هاكر من النخبة، لكن يمكنه العمل24 ساعة، كما يمكنه نسخ آلاف الحالات لتجربة السيناريوهات باستمرار. بمجرد تعلم منهجية الهاكر المتخصصة، قد تصبح قدرة التحمل والحجم لدى الآلة عاملًا يضخم هذه الإمكانية، وفي النهاية يؤدي إلى استبدال جزء من عمل الهاكرز والمبرمجين.

المشكلة هي أنه ليس بمجرد أن تريد من النموذج أن ينفذ مهمة بعيدة المدى حتى يتمكن من القيام بذلك. فقد كتب唐杰 في مقاله الطويل أن النموذج، بالإضافة إلى القدرة على التنفيذ، يجب أن يمتلك القدرة على التعلم المستمر واتخاذ الأحكام الذاتية، ومن هنا تظهر “الجبلة” الثانية.

المحرك الثاني: أنظمة الوكلاء ذاتية الحكم.

إذا كانت المهام بعيدة المدى تحل مشكلة: “هل يمكن لنظام ذكاء واحد أن يُنجز عملًا معقدًا بمفرده؟”، فإن أنظمة الوكلاء ذاتية الحكم تحل مشكلة: “هل يمكن لمجموعة من أنظمة ذكاء أن تتعاون كما تتعاون شركة؟”

يرى唐杰 أن أنظمة الوكلاء ذاتية الحكم تتكون من مجموعة منAgent يمتلكون قدرات تخصصية مختلفة وأدوارًا متباينة.

على سبيل المثال، عند مواجهة مهمة شديدة التعقيد، يحتاج الأمر إلىAgent يضع الخطة، وAgent آخر يجمع المعلومات، وثالث يكتب الكود، ورابع يختبر النتائج، وآخر يبحث عن الثغرات. وعندما تصبح المهمة على درجة معينة من التعقيد والحجم، يلزمAgent متخصص لتوزيع موارد الحوسبة والتحقق من عمل الوكلاء الآخرين.

يمكنها العمل24 ساعة، والتناقش والتعاون وتصحيح الأخطاء بشكل مستقل. وفي العام الماضي كان唐杰 يتحدث عن “شركة رجل واحد（OPC）”، أي شخص يقود عددًا كبيرًا من الذكاءات الاصطناعية؛ أما الآن، فحكمه أكثر جرأة: قد تظهر “شركة بلا بشر（NPC）”، حيث ينجز الذكاء الاصطناعي معظم الأمور من الإدارة إلى التنفيذ.

وهذا لا يعني أنه يمكنك تحقيق ذلك بمجرد فتح عدة حسابات. فكلما زاد عدد الوكلاء، زادت مخاطر الفوضى في التواصل وتكرار المهام وتضخم الأخطاء المتبادلة.

الذي يقيّد الوكلاء ذاتية الحكم ليس عدد الـAgent، بل آليات التنظيم: من يفكك الهدف؟ من يوزع الصلاحيات؟ من يتحقق من النتائج؟ وكيف نمنع تعزيز الأخطاء فيما بينAgent؟

لذلك، يقول唐杰 في مقاله الطويل إن تطور الذكاء الاصطناعي يحتاج إلى آلية “اتخاذ أحكام ذاتية”، بما يسمح للذكاء الاصطناعي بإجراء تطور ذاتي؛ وهذا هو “الجبيل” الثالثة.

المحرك الثالث: التدريب الذاتي الكامل.

يطلق唐杰 على “التدريب الذاتي الكامل” اسم أصعب اتجاه وأشد اتجاه يثير الإغراء.

تدريب نموذج كبير اليوم لا يزال يتطلب إعداد مهندسين، وجمع البيانات، وكتابة الكود، وتشغيل التجارب، وتحليل النتائج.

أما التدريب الذاتي الكامل فيهدف إلى أن تستولي الآلة تدريجيًا على هذه العملية برمتها: أن تكتب الكود بنفسها، وتنقّي وتُولد البيانات، وتشغّل التدريب، ثم بناءً على النتائج تُصمم الجولة التالية من التجارب.

ويقول唐杰 إن إحدى الطرق المهمة هيSelf-Play. وببساطة، هي جعل الذكاء الاصطناعي يطرح الأسئلة ويجيب عنها، ثم يكلف ذكاءًا اصطناعيًا آخر بتصحيح الأخطاء وتقييمها. وفي المجالات التي يمكن التحقق من نتائجها بسهولة، مثل الكود والرياضيات والألعاب، يمكن لهذا الأسلوب أن ينتج كمية كبيرة من مواد التدريب.

قد لا يوفر ذلك بالضرورة الكثير من موارد الحوسبة، بل قد يكون أشد استهلاكًا لها، لكن يمكنه توفير القوى البشرية: لا يحتاج المهندسون إلى مراقبة كل خطوة بأنفسهم؛ كل ما عليهم هو تحديد هدف، ثم تترك الآلة تعمل بنفسها.

لكن هذا يخلق مشكلة جديدة بسهولة: قد يتجاوز الذكاء الاصطناعي حدود التحكم البشرية. ويوجد في الأكاديميا تصور باسم “داروين-آلة كودل”، تقوم فكرته على أن يقوم الذكاء الاصطناعي بترقيه نفسه عبر نفسه، مما يزيد أداء النموذج باستمرار. ولم يُدرس هذا الاتجاه لاحقًا من قبل كثيرون، والسبب الرئيسي هو القلق من أن الذكاء الاصطناعي قد لا يبقى تحت السيطرة.

وهكذا نصل إلى المحرك الأخير: الحوكمة الآمنة.

إذا اجتاز الذكاء الاصطناعي “الثلاث جبال” السابقة، فستصبح قدراته أقوى بالفعل، لكن المخاطر التي يجلبها ستصبح أكبر أيضًا.

فالقدرة على التنفيذ الممتد تعني أن النموذج سيقوم بعمل مستمر؛ والتعاون متعدد الوكلاء يعني أن الأخطاء ستتضخم؛ والتدريب الذاتي يعني أن منطق قرارات النموذج قد لا يفهمه حتى المطورون.

بمجرد أن يخطئ هذا الذكاء الاصطناعي، تتحول طبيعة الأمر من “نموذج يقدم إجابة خاطئة أحيانًا” إلى “نظام ينفذ باستمرار ويُضخم خطأ”.

اقترح唐杰 مستويين من الحماية.

المستوى الأول يكون في مرحلة التدريب: مواءمة القيم. ولا يكتفي بإضافة “رقع أمان” من نوع حجب الكلمات المفتاحية من خارج النموذج، بل يسعى إلى إدماج الأخلاقيات البشرية، والمعايير الاجتماعية، والقوانين واللوائح في أهداف التدريب، بحيث يعرف النموذج من المستوى الأساسي ما يمكن فعله وما لا يمكن.

أما المستوى الثاني فهو تخصيص موارد تصل إلى “مئات المليارات” لدراسة قابلية تفسير الآلة، لمحاولة فهم أي العصبونات والآليات داخل النموذج تؤدي إلى حكم بعينه، وتحويل “الصندوق الأسود” الذي يصعب فهمه إلى شيء أكثر شفافية.

لماذا智谱، ولماذا الآن

لا شك أن智谱 واحدة من أبرز نقاط الاهتمام في دوائر الذكاء الاصطناعي في الصين، بل وحتى على مستوى العالم.

في13 يونيو2026، أطلقت智谱 نموذجها الرائدGLM-5.2. نافذة سياق1 مليون تقريبًا، ورخصةMIT مفتوحة المصدر، وتحتل المراكز الثلاثة الأولى عالميًا والأولى محليًا في اختبارات قدرات الكود مثلSWE-Bench Pro وTerminal-Bench.

وفي أواخر يونيو، نشرت وسائل إعلام أجنبية تقريرًا نقلًا عن اختبار شركة أمن سيبرانيSemgrep. ووفقًا للتقرير، ففي بعض معايير كشف الثغرات، جاءت نتائجGLM-5.2 قريبة جدًا من أقوى نموذج لدىAnthropicMythos، بل وتتفوق عليه في مهام بعينها حتىClaude Opus 4.8.

أثار هذا التقرير جدلًا كبيرًا داخل مجتمع الذكاء الاصطناعي.

والسبب واضح: GLM-5.2 نموذج مفتوح المصدر، بينماMythos وOpus 4.8 نماذج مغلقة المصدر. علاوة على ذلك، فإن سعرGLM-5.2 لا يتجاوز حوالي عُشر سعرOpus.

ولأجل ذلك، قام المؤسس المشارك لـDatabricks علي غودسي（Ali Ghodsi） بإجراء تجربة بموظفيه.

أعطى لمهندسي شركته الذين يزيدون على3000 مهمة مماثلة باستخدامGLM-5.2 وOpus 4.8. ووجد أن نتائج النموذجين متقاربة، لكنGLM-5.2 يكلف1.28 دولارًا لإنجاز كل مهمة، بينما يحتاجOpus إلى1.94 دولارًا.

لماذا يحب الجميع مقارنةAnthropic بـ智谱؟ لأن الرئيس التنفيذي لشركةAnthropic، آمو دي（Amodei）، كان دائمًا من أشد المعارضين للنماذج مفتوحة المصدر.

وفي وقت مبكر من يوليو2023، ذهب للشهادة أمام مجلس الشيوخ الأمريكي، محذرًا من أن الذكاء الاصطناعي مفتوح المصدر هو “مسار شديد الخطورة”.

منطق حكمه كالتالي: إذا حدثت مشكلة في نموذج مغلق المصدر، يمكن للشركة إغلاقه فورًا وتعديله وتتبع من أساء استخدامه. أما إذا تم إطلاق نموذج مفتوح المصدر، فلن يعود بالإمكان سحب المطورين منه أو التحكم في استخدامه.

والسبب أن مراقبة من يستخدم النموذج مفتوح المصدر، أو إلغاء الوصول، أو وضع رقع أمان على نموذج تم فتحه بالفعل، أمر غير ممكن عمليًا.

في يونيو2026، وبعد صدورGLM-5.2، حذر آمو دي مجددًا بشكل علني من أن انتشار/إطلاق الذكاء الاصطناعي مفتوح المصدر في الصين “أمر لا يحبه الناس كثيرًا”، وأن القدرات الأمنية على مستوى الطليعة لا ينبغي أن تكون بيد النماذج مفتوحة المصدر.

ومن الواضح أن智谱 باتت تؤثر على سرديةAnthropic. لكن امتلاك نموذج وحده لا يكفي؛ فلا بد من أدوات لربطه بسيناريوهات تطوير واقعية. كما أنAnthropic لديهاClaude Code وOpenAI لديهاCodex.

في يوم إطلاقGLM-5.2 نفسه، أطلقت智谱 أدواتها الخاصةZCode 3.0. وهي متكيفة بعمق معGLM-5.2، ولم تعد تحافظ على تكيفAgent من طرف ثالث. أي أنZCode هي أداة مخصصة لـGLM-5.2 وحده ولا يمكن للآخرين استخدامها.

يكفي أن يطرح المطور احتياجاته بلغة طبيعية، ليتولىZcode قراءة مشروع الكود بالكامل، واستدعاء الطرفية والمتصفح، وتعديل الملفات، وتشغيل الاختبارات، والتحقق من تغييراتGit، ثم دفع المشروع مباشرة إلى حالة ما قبل التسليم.

وتيرة تطور تقنية智谱 سريعة جدًا، وسرعة حرق الأموال سريعة أيضًا.

في8 يناير2026، دخلت智谱 سوق بورصة هونغ كونغ. وسعر الإصدار116.2 دولارًا لهونغ كونغ، وبلغ صافي التمويل عند طرح الاكتتاب العام حوالي48.96 مليار دولار لهونغ كونغ. وحتى30 يونيو، تم استخدام حوالي45.88 مليار دولار لهونغ كونغ بنسبة استخدام تتجاوز93%، ولم يبق سوى3.08 مليار دولار لهونغ كونغ.

في9 يوليو، أعلنت智谱 أنها ستقوم بطرح/تخصيص حتى1978 مليون سهم جديد من فئةH بسعر1588 دولارًا لهونغ كونغ للسهم، ما سيتيح تمويلاً صافيًا بنحو313.75 مليار دولار لهونغ كونغ.

هذه المرة لم تُصدر智谱 سندات، بل لجأت إلى زيادة رأس مال عبر إصدار أسهم جديدة لتمويل المشروع. سعر هذه الأسهم الجديدة كان أرخص بنحو13% مقارنة بسعر الإغلاق في اليوم السابق؛ ومن الناحية النظرية، ينبغي أن يخلق ذلك ضغطًا على سعر السهم، لكن النتيجة جاءت عكس ذلك تمامًا: في يوم الإعلان نفسه، ارتفع سهم智谱 داخل نطاق التداول بنسبة تجاوزت20% في وقت ما.

تذكر نشرة智谱 أن الأموال ستُستخدم بالكامل قبل نهاية2027. وسيتم استثمارها في ثلاثة اتجاهات: البحث والتطوير الأساسي وبنية الحوسبة التحتية؛ التوسع التجاري وعمليات الاندماج والاستحواذ في الصناعة؛ وتوفير رأس مال تشغيلي إضافي وتحسين هيكل رأس المال.

لذلك، في هذا التوقيت الحساس، يتعين على唐杰 أن يفعل شيئًا لتثبيت الثقة. نشر مقال طويل يجعل الجهة الخارجية وداخل الشركة على حد سواء يفهمان ما الذي ستفعله智谱 لاحقًا؛ وهذا خيار الأكثر كفاءة والأكثر مباشرة.

أعتاب معركة AGI في الصناعة

Touch high، ترجمتها الحرفية “التمدد/المسّ إلى الأعلى”. فماذا تكون “قمّتنا”؟ السماء.

ولحسن الحظ، وقبل صدور رسالة唐杰 الداخلية، كتب أيضًا الرئيس التنفيذي لـMiniMaxيان جونجيي（Yan Junjie） رسالة داخلية بعنوان《向天空尽头》.

في9 يوليو، شهدتMiniMax أول جولة كبيرة لتحرير أسهم مقيّدة بعد الإدراج. وبلغت نحو1.46 مليار سهم محررة، أي ما يقرب من49% من إجمالي الأسهم القائمة.

وفي اليوم نفسه، هبط سعر السهم بنحو18%، ثم هبط في اليوم التالي بنحو10% أخرى. ومنذ قمة بلغت4100 مليار دولار لهونغ كونغ في مارس، انخفضت القيمة السوقية حتى أقل من800 مليار دولار لهونغ كونغ.

وفي نفس ليلة حدوث موجة الهبوط عند تحرير الأسهم، أطلقتMiniMax أكبر عملية تمويل/إعادة تمويل منذ إدراجها. فقد تم طرح أسهم جديدة مع إصدار سندات قابلة للتحويل بدون فائدة بقيمة65 مليار دولار لهونغ كونغ، ليبلغ إجمالي التمويل نحو160 مليار دولار لهونغ كونغ.

ومن ذلك، بلغ صافي المبلغ من طرح الأسهم حوالي94.91 مليار، بينما بلغ صافي مبلغ السندات القابلة للتحويل حوالي64.66 مليار. سيُخصص80% للبنية التحتية للذكاء الاصطناعي وبحوث النماذج، و10% للتوسع التجاري العالمي لمنتجHarness، و10% لرأس المال التشغيلي.

ضمن هذا السياق، قدميان جونجيي في رسالته ثلاثة تعهدات.

الأول: بدءًا من الآن وحتى تحقيق الشركة لـAGI، لن يتقاضى أي راتب؛ الثاني: في السنوات الأربع المقبلة، تقديم حوافز للفريق عبر تخصيص حصص من الأسهم تعادل4% من إجمالي الأسهم القائمة المملوكة شخصيًا؛ الثالث: تخصيص1% من الأسهم لإنشاء صندوق مخصص لدعم مجتمع المصدر المفتوح.

ويأتي ذلك مع5% من الأسهم الشخصية، إضافة إلى عدم تقاضي أي راتب.

رغم أن تعهداتيان جونجيي أقل تحديدًا من رسالة唐杰 الداخلية، إلا أن “النبرة” كانت أقوى؛ إذ يراهن ثروته الشخصية على القيمة طويلة الأجل لـMiniMax، ونقطة النهاية نفسها هي AGI.

الادراج في البورصة ليس نهاية الطريق، بل بداية القدرة على الاستثمار طويل الأجل.

وبالحديث عن المال، هناك شركة نجمية جديدة حصلت مؤخرًا على تمويل كبير، وهيDeepSeek.

أتمت هذه الشركة جولة تمويل أولية بقيمة500 مليار يوان صيني في يونيو، ثم في25 يونيو أطلقت خطة توظيف وتوسيع تشمل جميع العاملين.

قبل ذلك، كانDeepSeek: لا تمويل، لا تجارية، ولا جولات ترويجية (路演). فقد كانت أرباح شركة Liang Wenfeng من التحليل الكمي (幻方量化) تدعم الفريق كله، إذ تأسست الشركة قبل نحو ثلاث سنوات ورفضت الاستثمار الخارجي.

لكن من الآن فصاعدًا، أصبحتDeepSeek تستهدف أيضًا AGI.

شعار التوظيف هذه المرة هو “استكشاف حدود لم تُبلَغ”. وتنص الإعلان مباشرة على أن “البشر يقفون الآن على مشارف AGI”، وتدعو المرشحين إلى “العيش لحظة تطور AGI، والجلوس في الصف الأمامي لعصرنا، ومشاهدة ميلاد حقبة جديدة”.

ومن بين33 وظيفة، فإن الأكثر جدارة بالتركيز هي فريقAgent Harness الذي تأسس في مارس من هذا العام.

لدىDeepSeek صيغة داخلية: Model+Harness=Agent. وهذا يتوافق مع ما قاله唐杰 حول المهام بعيدة المدى والوكلاء ذاتيي الحكم. فHarness هي التي تحدد أي أدوات يمكن للنموذج استدعاؤها، وأي موارد يمكنه الوصول إليها، وكيف يتم تسليم المهمة.

لكن الأمر الأكثر إثارة للاهتمام حقًا هو وظيفة خاصة بعنوان “مواهب تقنية عابرة للتخصصات في الذكاء الاصطناعي”.

لا توجد قيود على الخلفية المهنية لهذه الوظيفة، وهي موجهة إلى المرشحين “الذين يرغبون في المشاركة في ابتكار وبناء AGI”. وتأتي نقاط تعزيز إضافية مكتوبة بأن “صاحبها لا يسير على الطريق المعتاد”، و“يصل إلى القمة في مجال ما”، و“لديه خبرة في ريادة الأعمال”.

منطقDeepSeek هو أن الهندسة وحدها لا تكفي للوصول إلى AGI، فهي تحتاج إلى المزيد من “المشاركين”.

على سبيل المثال، الباحثون في علوم الإدراك أو علم النفس، لأن الذكاء الاصطناعي جوهريًا هو تقليد لعملية تفكير البشر؛ وبالتالي فإن دراسة كيفية تذكر الإنسان وتعلمه وكيف يحكم وكيف تنشأ لديه المشاعر قد تساعد الذكاء الاصطناعي على تحسين الأداء.

كم يبعد AGI؟ لا أستطيع الجزم، لكن لدي شعور بأن AGI ليس بعيدًا بالفعل.