تزايد استخدام نماذج الذكاء الاصطناعي الصينية في الشركات الأمريكية
تتزايد شعبية نماذج الذكاء الاصطناعي التي تم تطويرها في الصين بين الشركات الأمريكية، حيث تسجل هذه النماذج تقدمًا ملحوظًا في الأداء مقارنةً بالمنافسين الأمريكيين، بينما تظل تكلفتها أقل بكثير.
أظهرت الإصدارات الأخيرة من نماذج الشركات الصينية، مثل DeepSeek وZ.ai، تنافسًا قويًا مع الأنظمة الرائدة مثل Anthropic وOpenAI. تأتي هذه التطورات في وقت ترتفع فيه أسعار الرموز المستخدمة في النماذج المتقدمة في العديد من مختبرات الذكاء الاصطناعي الأمريكية، مما يترك الشركات تتعامل مع تكاليف غير متوقعة.
منذ بداية يونيو، أفادت OpenAI بأنها ستقوم بتقليص طرح مجموعة جديدة من النماذج بناءً على طلب الحكومة. كما تم رفع القيود المفروضة على تصدير نماذج Mythos وFable من Anthropic بعد توترات مع الإدارة السابقة.
قال كايل تشان، زميل في مركز جون إل. ثورنتون للصين في معهد بروكينغز، إن "نماذج الذكاء الاصطناعي الصينية أصبحت جذابة بشكل خاص للشركات الأمريكية في ظل ارتفاع تكاليف الذكاء الاصطناعي".
تزايد الاعتماد
تسعى الشركات إلى نشر نماذج الذكاء الاصطناعي لإنشاء منتجات جديدة وتحقيق كفاءات داخلية، مما يدفع المهندسين للتجريب مع نماذج مفتوحة المصدر وأقل تكلفة، والتي تنتجها الشركات الصينية.
تتيح نماذج المصدر المفتوح والمفتوحة الوزن لمطوري البرمجيات فحص واستخدام وتعديل أجزاء مختلفة من نموذج الذكاء الاصطناعي، على عكس الأنظمة المغلقة التي تنتجها شركات مثل OpenAI وAnthropic.
في يونيو، قامت شركة Lindy بنقل 100% من حركة مرورها من نماذج Claude التابعة لـAnthropic إلى DeepSeek، حيث أشار الرئيس التنفيذي فلو كريفيلو إلى أن هذه الخطوة ستوفر ملايين الدولارات في غضون أشهر.
تزايدت حصة DeepSeek من الرموز المستخدمة بين مايو ويونيو على منصة Vercel، حيث شهدت Z.ai إطلاق نموذج GLM 5.2 الذي حقق أسرع اعتماد بين النماذج في 2026.
قال هاربرينت أورا، رئيس البنية التحتية في Vercel: "السعر هو العامل الحاسم هنا. عندما لا تتطلب المهمة أفضل نموذج، بدأت الفرق توجيهها إلى النموذج الأرخص الذي يكفي".
الاقتراب من القمة
تتحسن أداء نماذج الذكاء الاصطناعي الصينية، حيث تعمل على مقربة من النماذج الأمريكية الرائدة، وفقًا لما ذكره كايل تشان، الذي قدر أن الفجوة الزمنية بينهما تتراوح بين ستة إلى تسعة أشهر.
أظهرت نماذج GLM 5.2 أداءً قريبًا من نموذج Opus 4.8 من Anthropic، مع تكاليف أقل بكثير. وقد أشار بعض الباحثين إلى أن GLM 5.2 يمكن أن تؤدي بمستوى مماثل لأفضل المختبرات الأمريكية في بعض المعايير.
قال ياسين جيرنيت، رئيس قسم التعلم الآلي في Hugging Face: "هناك خطر حقيقي بأن يضطر المستخدمون للاختيار بين نماذج أمريكية مكلفة ولكنها فعالة، أو استخدام نماذج صينية كبديل قابل للتطبيق عندما يرغبون في التحكم في التكاليف".
