دليل شامل في مقال واحد لأبرز 8 شركات ذكاء اصطناعي رائدة في الصين والولايات المتحدة، وللمؤسسين الذين يقفون خلف النماذج

综编：PANews 大钳子

لا توجد إجابة واحدة صحيحة لمشاريع الذكاء الاصطناعي؛ فالعلماء من نوع “الأطروحة”، والفرق التي تُحوِّل الأبحاث الأكاديمية إلى صناعة، والمدارس التي تميل إلى الهندسة الكمية، ورواد الأعمال عبر القطاعات، والمنظمون من نوع التشغيل—كلهم قد يجدون مكانهم في هذه المنافسة.

خلال العقد الماضي، تحوّل الذكاء الاصطناعي من أبحاثٍ رائدة داخل المختبرات إلى قوة محورية تحدد ملامح صناعة التكنولوجيا. واليوم، تضم أكثر شركات الذكاء الاصطناعي اهتمامًا عالميًا كلًا من OpenAI وGoogle DeepMind وAnthropic وxAI، وكذلك DeepSeek و”الجانب المظلم من القمر“ (月之暗面) وZhipu AI وMiniMax.

على السطح، تعمل جميعها على تطوير نماذج كبيرة، لكن ما تمثله من مسارات ريادية مختلف تمامًا: فبعضها يأتي من أبحاثٍ علمية وأوراقٍ رائدة في الجامعات، وبعضها ينقل نتائج أبحاث الجامعات إلى الصناعة، وبعضها راكم قوة حوسبة ورأس مال أولًا داخل التمويل الكمي، بينما يتقن البعض الآخر التمويل والمنتج والتشغيل والتنظيم، عبر تجميع الفريق التقني ليصبح شركة عالمية من الطراز الأول.

🇨🇳الصين: من الأوراق البحثية والمختبرات الأكاديمية إلى الهندسة الكمية

月之暗面: تحويل ورقة غيّرت الصناعة إلى منتج يستطيع الجميع استخدامه

تأسست “الجانب المظلم من القمر“ (月之暗面) في 2023. ويُعد منتجها Kimi واحدًا من أكثر منتجات نماذج الذكاء الاصطناعي في الصين تميزًا في التعرف عليها، ويمثل النموذج Kimi K3 الذي يركز على التعددية المتعددة الوسائط، والسياق طويل المدى، والبرمجة، والاستدلال العميق.

المدير المؤسس يانغ تشيه لين، من مواليد 1992 في شانتو بمقاطعة قوانغدونغ، تخرج من جامعة تسينغهوا ضمن المرحلة الجامعية، ثم حصل على درجة الدكتوراه في علوم الحاسوب من جامعة كارنيغي ميلون، وتلقى الإشراف من باحثين في مجال معالجة اللغة الطبيعية. وخلال مرحلة الدكتوراه شارك في أعمال مثل Transformer-XL وXLNet—وهي أعمال أصبحت لاحقًا واسعة الاقتباس. وبعدها عمل أيضًا في أبحاث الذكاء الاصطناعي لدى Google Brain وMeta.

ضمن هذه الدفعة من رواد الأعمال في الصين، يسير يانغ تشيه لين في الطريق الأكثر نموذجية: يثبت أولًا قدرته على إصدار الأحكام داخل الأوساط الأكاديمية، ثم يحول تلك القدرة إلى منتج يمكن لأي شخص عادي فتحه واستخدامه مباشرة. وبالمقارنة مع مسار Zhipu AI الأكثر ميلًا إلى خدمات الشركات، فإن “الجانب المظلم من القمر“ يستهدف فئة المستهلكين مباشرة منذ البداية.

Zhipu AI: نموذج للتصنيع الصناعي خرج من مختبر تسينغهوا

تأسست Zhipu AI في 2019، وتعود جذورها إلى منظومة مختبر هندسة المعرفة في جامعة تسينغهوا. ويُعد خطها التقني الذي تمثله سلسلة GLM هو العلامة الأبرز، مع خطط طويلة لبناء النماذج الأساسية وخدمات الشركات ومنصة النماذج.

المؤسس المشارك والرئيس التنفيذي تشانغ بنغ، درس البكالوريوس والماجستير والدكتوراه في جامعة تسينغهوا. وبين 2005 و2020 ظل يكرس جهده لتطوير مختبر هندسة المعرفة ومنصة AMiner الأكاديمية، دون سجل وظيفي تقليدي لدى شركات الإنترنت العملاقة.

الميزة الخاصة في Zhipu AI تكمن في نقطة الانطلاق—إذ لا تبدأ من الصفر عبر منتج رائج يحقق نجاحًا كبيرًا، بل تحوّل مباشرة إلى منصة نماذج أساسية يمكن تقديم خدمة بها خارجيًا: خريطة معرفة وشبكة أكاديمية راكمها مختبر جامعي على مدى أكثر من عشرة أعوام. وهنا تكمن أكبر فروقها عن “الجانب المظلم من القمر“: أحدهما يبدأ ببناء منصة، والآخر يبدأ ببناء منتج.

DeepSeek: توظيف الأموال التي أُنشئت من التداول الكمي في نماذج الذكاء الاصطناعي

تأسست DeepSeek في 2023، وتتركز على النماذج الأساسية وكفاءة التدريب والأوزان المفتوحة. ومن بين النماذج التي تمثل ذلك DeepSeek-V3 وR1، إضافة إلى سلسلة V4 اللاحقة.

المدير المؤسس ليانغ ون فنغ، من مواليد 1985 في وو تشوان بمدينة تشانغجيانغ بمقاطعة قوانغدونغ. التحق بالبكالوريوس في جامعة تشجيانغ في هندسة المعلومات الإلكترونية، ثم حصل على درجة الماجستير في هندسة المعلومات والاتصالات. وتشمل مجال أبحاثه الرؤية الحاسوبية. لم يكن لديه سجل لدى شركات عملاقة مثل Huawei أو Tencent أو Baidu؛ بل انغمس في مرحلة الدراسات العليا في التداول الكمي لتعلم الآلة، ثم شارك في تأسيس Huanfang Quant.

مساره بين هذه الشركات هو الأكثر تميزًا: فهو لم يبدأ كـ”باحث“ ثم يبحث عن المال، بل جمع أولًا رأس مال وقاعدة قوة حوسبة عبر الاستثمار الكمي، ثم عكس ذلك ليضخ هذه الموارد في تطوير نماذج الذكاء الاصطناعي. وبمعنى ما، فإن DeepSeek هي نتاج “قدرة حوسبية جاءت من المال في مجال المال، ثم تُغذَّى بها AI“.

MiniMax: من كبار التقنيين في شركات كبرى إلى رائد متعدد الوسائط

تأسست MiniMax في 2022، وهي شركة للنماذج الأساسية متعددة الوسائط تغطي النص والصوت والصور والفيديو. ومن منتجاتها HaiLuo AI وXingye وغيرها.

المدير المؤسس يان جون جيه، حاصل على بكالوريوس الرياضيات من جامعة جنوب شرق. ونال دكتوراه في الذكاء الاصطناعي من معهد الأتمتة التابع للأكاديمية الصينية للعلوم، وأكمل أيضًا بحثًا لما بعد الدكتوراه في جامعة تسينغهوا. قبل بدء ريادة الأعمال، عمل لأكثر من ست سنوات في شركة SenseTime، ووصل إلى منصب نائب الرئيس، ثم نائب مدير معهد الأبحاث.

يمزج يان جون جيه بين خبرتين—تدريب أكاديمي متين، وخبرة عملية في إدارة المنتجات وتوجيه الفرق داخل فريق AI واسع النطاق مثل SenseTime. وقد اختارت MiniMax السير في طريق “التعددية المتعددة الوسائط“ الأصعب، وبدرجة ما كان ذلك اختيارًا طبيعيًا نتيجة تراكب هاتين الخبرتين.

🇺🇸الولايات المتحدة: من البحث الأساسي وحوكمة السلامة إلى تجميع موارد عبر القطاعات

Anthropic: شقيقان (أو شقيق وأخت) نصفهما فيزيائيون ونصفهما منظِّمون لحوكمة

تأسست Anthropic في 2021 بواسطة مجموعة من الباحثين الذين غادروا OpenAI. وتتمثل فكرتها الأساسية في أن “السلامة في الذكاء الاصطناعي ينبغي أن تتقدم جنبًا إلى جنب مع تطوير القدرات“، ومن بين منتجاتها البارزة سلسلة Claude.

المؤسس المشارك والرئيس التنفيذي داريو أمدي (Dario Amodei) درس الفيزياء في مرحلة البكالوريوس بجامعة ستانفورد، ثم تحول خلال مرحلة الدكتوراه إلى الفيزياء الحيوية في جامعة برينستون. وقد امتد هذا التكوين متعدد التخصصات لاحقًا في مساره البحثي—إذ انضم أولًا إلى Google Brain كمستشار/باحث علمي كبير، ثم انتقل إلى OpenAI بصفته نائبًا أول للرئيس لشؤون الأبحاث، وشارك في تدريب GPT-2 وGPT-3، كما كان أحد المشاركين الرئيسيين في أبحاث RLHF المبكرة (التعلم المعزز بالاستفادة من ملاحظات البشر). وفي 2021، غادر هو وعدة زملاء في OpenAI بينهم شقيقته دانييلا (Daniela) لتأسيس Anthropic.

مسار دانييلا مختلف تمامًا. درست في المرحلة الجامعية الأدب الإنجليزي، وبعد التخرج لم تدخل قطاع التقنية مباشرة، بل عملت لاحقًا في مجالي التشغيل لدى Stripe وOpenAI. وفي Anthropic، لم تكن مهمتها تدريب نماذج، بل بناء سلسلة الأنظمة الأساسية التي تتيح للشركة أن تعمل بأمان واستقرار—من التوظيف وحوكمة الشركة إلى تنفيذ السياسات الخاصة بالسلامة.

وبدرجة ما، تعكس هذه الثنائية بين الشقيقين صورة Anthropic: فهي تحتاج إلى داريو، الباحث الذي يملك القدرة على تقدير المسار التقني وفهم حدود قدرات النموذج، كما تحتاج إلى دانييلا، التي تفهم التنظيم والعمليات والتحكم في المخاطر.

OpenAI: شخص يحسن سرد القصص، وآخر يفهم التقنية

تأسست OpenAI في 2015، وأطلقت منتجات بارزة مثل ChatGPT وGPT وSora. وتُعد الشركة الأساسية التي نقلت الذكاء الاصطناعي التوليدي إلى مرأى الجمهور.

بعد أن درس سام ألتمان علوم الحاسوب في جامعة ستانفورد لمدة عامين ثم انسحب، أسس شركة مواقع اجتماعية Loopt، ثم تولى منصب رئيس Y Combinator. لم تكن قوته الأساسية أبدًا في نشر أوراق بحثية رفيعة المستوى، بل في التمويل وتقدير المنتجات والتعبئة التنظيمية وحسن تقديم سردية تقنية.

أما إيليا سوتسكيفر، فهو من نوع مختلف. يحمل درجة الدكتوراه في الرياضيات وعلوم الحاسوب من جامعة تورونتو، وتلقى إشرافه من رائد التعلم العميق جيفري هينتون (Geoffrey Hinton). وقد شارك في Google Brain في نتائج مهمة مثل AlexNet وSeq2Seq، وقاد مسار التدريب على نطاق واسع في المراحل المبكرة من OpenAI.

إذا كان إيليا هو من يقرر نوع النماذج التي يمكن لـ OpenAI بناؤها، فإن سام هو من يقرر ما إذا كانت هذه الشركة يمكنها أن تعيش، وتحصل على المال، وتبيع التقنية. وتركيبهما معًا يشكل شبه “أول مرة ناجحة“ لمسار “عالم+منظِّم“ في وادي السيليكون.

xAI: مهارة ماسك في صناعة السيارات وصناعة الصواريخ، منقولة إلى الذكاء الاصطناعي

تأسست xAI في 2023، ومنتجها التمثيلي Grok، وتؤكد على المعلومات اللحظية والاستدلال والإعلام التوليدي، مع ربط عميق بمنصة X.

ولد المؤسس إيلون ماسك في بريتوريا بجنوب أفريقيا. درس الفيزياء والاقتصاد في الجامعة، ثم دخل لفترة قصيرة برنامج الدراسات العليا في جامعة ستانفورد ثم انسحب. وعلى عكس مؤسسي الذكاء الاصطناعي الآخرين، لم يملك سجلًا وظيفيًا لدى شركات عملاقة تقليدية؛ بل شارك في تأسيس Zip2 وPayPal وSpaceX وNeuralink، وتولى لفترة طويلة إدارة Tesla.

طريقة دخول ماسك إلى مجال الذكاء الاصطناعي لم تكن عبر الأوراق أو المختبرات، بل عبر تجميع الموارد المتراكمة عبر قطاعات متعددة مثل الدفع والسيارات الكهربائية والفضاء والاتصالات عبر الأقمار الصناعية ومنصة التواصل الاجتماعي، ثم توجيهها مباشرة إلى قوة الحوسبة والبيانات اللازمة لتدريب النماذج الكبيرة.

Google DeepMind: عبقري في لعب الشطرنج، سلك طريقًا من الألعاب إلى البروتينات

تأسست Google DeepMind في 2010، وتم الاستحواذ عليها من Google في 2014. وهي اليوم مؤسسة تطوير AI أساسية داخل Google، وقد أطلقت على التوالي AlphaGo وAlphaFold وGemini.

المؤسس المشارك والرئيس التنفيذي ديمس هاسابيس (Demis Hassabis) وُلد في لندن بالمملكة المتحدة، ويحمل درجة بكالوريوس علوم الحاسوب الأولى في جامعة كامبريدج، ودرجة دكتوراه في علوم الأعصاب الإدراكي من كلية لندن الجامعية. كان بارعًا في الشطرنج منذ صغره، وشارك في سن 17 عامًا في تطوير لعبة Theme Park، ثم أسس لاحقًا شركة ألعاب باسم Elixir Studios.

التدريب على الألعاب صقل لديه حدسًا تجاه الأنظمة المعقدة واتخاذ القرار، وأمدته علوم الأعصاب بمنظور بيولوجي لفهم “الذكاء“ نفسه. أما علوم الحاسوب فقد وفرت له القدرة الهندسية لتحويل هذه الأفكار إلى واقع. ويكاد يكون نجاح AlphaGo وAlphaFold نتاجًا لتركيب هذه المراحل الثلاث—كما منحته الأخيرة جائزة نوبل للكيمياء في 2024.

أربع مسارات لرواد المؤسسين: لا يوجد قالب وحيد لريادة أعمال الذكاء الاصطناعي

عند مراجعة هذه الشركات الثماني، يمكن تصنيف خلفيات المؤسسين إلى أربع فئات تقريبًا.

الفئة الأولى: مؤسسون “علميون تقنيون“ على نمط الأوراق البحثية. ينتمي يانغ تشيه لين و"يان جون جيه" (闫俊杰) وDario Amodei وIlya Sutskever وDemis Hassabis إلى هذه الفئة؛ إذ يشترك الجميع في تدريب بحثي منهجي. ونقطة التشابه بينهم أنهم قادرون على تقدير المسار التقني، وقيادة فرق بحثية، وتشكيل حواجز حقيقية في قدرات النموذج أو طرق التدريب. ومن بين هؤلاء، يانغ تشيه لين وإيليا أقرب إلى مسار “كتابة ورقة تغير الصناعة أولًا ثم التوجه إلى ريادة الأعمال“، بينما Hassabis هو نتاج تقاطع علوم الحاسوب والألعاب وعلم الأعصاب.

الفئة الثانية: تحويل نتائج بحث جامعي إلى صناعة. تمثل Zhipu AI العينة الأكثر نموذجية؛ فالقوة الأساسية لديها تأتي مباشرة من تراكمات سنوات طويلة لدى مختبر هندسة المعرفة في تسينغهوا. كذلك لدى “الجانب المظلم من القمر“ بصمات قوية لبحوث تسينغهوا والخارج، لكن المسار أكثر تأطيرًا للسوق—إذ لم يتوقف عند تغليف الإنجازات الأكاديمية لتصبح خدمات للشركات، بل صنع منتجًا موجّهًا للجمهور مباشرة.

الفئة الثالثة: الجمع بين الرياضيات والهندسة ورأس المال. ينتمي ليانغ ون فنغ وماسك إلى هذه الفئة، لكن مصدر الموارد يختلف كليًا—ليانغ يعتمد على الاستثمار الكمي لتكوين رأس مال وقوة حوسبة، وماسك يعتمد على تجميع الموارد من أعمال عبر قطاعات مثل الدفع والسيارات والفضاء ومنصات التواصل الاجتماعي. ونقطة التشابه هي أن دخولهم إلى الذكاء الاصطناعي لم يعتمد أبدًا على الخوارزميات وحدها.

الفئة الرابعة: منظِّمون غير تقنيين وشركاء مؤسسون تقنيون. سام ألتمان ودانييلا أمدي يمثلان هذه الفئة. قد لا يكونان من كبار باحثي نماذج الذكاء الاصطناعي على الإطلاق، لكنهما يقرران ما إذا كانت الشركة تستطيع جذب المواهب، والحصول على التمويل، وبناء منتج، والصمود أمام ضغوط التنظيم، وأن تتمدد بسرعة دون أن تتفكك.

إن منافسة الذكاء الاصطناعي المتقدم لم تكن أبدًا مجرد “من يملك درجة الدكتوراه في علوم الحاسوب“، ولا مجرد “من يستطيع تدريب نموذج أكبر“.

والذي يحدد فعلًا ما إذا كانت الشركة قادرة على الحفاظ على الصدارة باستمرار هو ما إذا كانت قدرات البحث العلمي والهندسة والمنتج ورأس المال والتنظيم يمكن أن تتشكل في حلقة مغلقة: فالعلماء يحددون السقف التقني، وتحدد فرق الهندسة ما إذا كان يمكن إرساء النموذج على أرض الواقع، وتحدد فرق المنتج ما إذا كان المستخدمون سيتقبلون الاستخدام. ويحدد رأس المال قوة الحوسبة والاستثمار في المواهب، بينما تحدد آليات التنظيم والحوكمة قدرة الشركة على الاستمرار على المدى الطويل.

ومن هذا المنظور، لا توجد إجابة واحدة صحيحة لريادة أعمال الذكاء الاصطناعي.

فالعالم “نمط الأوراق”، وفريق التحويل الصناعي الأكاديمي، والمدرسة القائمة على الهندسة الكمية، ورائد الأعمال عبر القطاعات، والمنظم التشغيلي—كلهم قد يجدون مكانهم في هذه المنافسة.

ومن يستطيع دمج قدرات مختلفة في منظومة واحدة، فهو الأرجح لأن يصبح الفائز طويل الأمد في موجة الذكاء الاصطناعي للمرحلة التالية.