خندق الذكاء الاصطناعي الأمريكي يجف والشرق يدير الصمام

لسنوات، كان التسلسل الهرمي للذكاء الاصطناعي بسيطًا: مختبرات الولايات المتحدة بنته، والجميع استخدمه. OpenAI وAnthropic وGoogle هي الأسماء التي كانت تهم، كلها أمريكية. عقد من رأس المال الاستثماري وتجميع الحوسبة خلق خندقًا عميقًا جدًا لا يستطيع أي شخص آخر عبوره. لكن هذا الخندق يجف أسرع مما يريد معظم الناس في وادي السيليكون الاعتراف به.

موجة المصادر المفتوحة من الشرق

مختبرات صينية مثل DeepSeek وفريق Qwen من علي بابا يصدرون نماذج تتنافس وجهاً لوجه مع GPT-4 وClaude على المعايير القياسية، ويفعلون ذلك بشكل علني. لا حراسة، ولا حدود للاستخدام. يمكنك تنزيل الأوزان، وفحص البنية، وتشغيلها على أجهزتك الخاصة. مجموعات بحث يابانية مثل Sakana AI تسلك طريقًا مختلفًا، بالتركيز على الخوارزميات التطورية وكفاءة النماذج الصغيرة. النتيجة هي نظام بيئي متنوع وسريع الحركة لا ينتظر الإذن من الغرب.

الأرقام تروي جزءًا من القصة. DeepSeek-V3 وQwen 2.5 يتطابقان أو يتفوقان بانتظام على نماذج مماثلة من مختبرات الولايات المتحدة في مهام الرياضيات والبرمجة، غالبًا بجزء صغير من تكلفة التدريب. ميزة التكلفة هذه دراماتيكية جدًا لدرجة أنها أثارت إعادة تقييم عالمي لأسهم الذكاء الاصطناعي، كما يظهر افتراض بقيمة 314 مليار دولار حول اقتصاديات الذكاء الاصطناعي. لكن التحول الحقيقي هو في كيفية تبني هذه النماذج. تهيمن المصادر المفتوحة في المناطق التي تهم فيها تكاليف الترخيص وسيادة البيانات، وهي معظم العالم خارج الولايات المتحدة.

ما تفعله مختبرات الولايات المتحدة حيال ذلك

كان رد فعل مختبرات الولايات المتحدة مختلطًا. البعض ينشر نماذج أصغر مفتوحة المصدر بينما يحرس نماذجه الرائدة. آخرون مثل Anthropic يتنصلون: تبرع بقيمة 10 ملايين دولار للتأثير على حوكمة الذكاء الاصطناعي العالمية ومكتب جديد في كندا يشيران إلى أنهم يرون حدودًا في الداخل. إطلاق Anthropic الأخير لـ Claude Opus 5 يظهر أنهم ما زالوا يدفعون نحو الأداء، لكن بمقايضة تكلفة متعمدة، كما هو مفصل في ملف المعايير للنموذج.

في الوقت نفسه، قرار Google المفاجئ بإيقاف NotebookLM ودمج وظائفه في وكيل شفرة يبدو أقل تحولًا في المنتج وأكثر كونه خطوة دفاعية. عندما يتم استبدال منتجك الرائد للمفكرة بأداة مطور، فهناك شخص ما في ماونتن فيو قلق بشأن شيء ما. Google أصدرت بسرعة نماذج جديدة مثل Gemini 3.6 Flash للحفاظ على تفوقها، كما يشير إصدار النماذج الثلاثة من Gemini.

زاوية البنية التحتية

ثورة أكثر هدوءًا تجري في كيفية بناء تطبيقات الذكاء الاصطناعي. أطر مثل PraisonAI تدعي الآن أوقات إنشاء تبلغ 14 ميكروثانية، أسرع بمراتب حجمية من الأدوات القديمة مثل LangChain. نهج PraisonAI مفصل في مقارنة مع LangChain وCrewAI، والتي تسلط الضوء على ميزة السرعة. هذا يجعل من الممكن التكرار بشكل أسرع والنشر بتكلفة أقل، مما يعطي النظم البيئية مفتوحة المصدر ميزة مركبة. سرعة التطور في الشرق، جنبًا إلى جنب مع البنية التحتية الأنحف، تعني أن الفجوة في قابلية الاستخدام تتقلص حتى أسرع من الفجوة في القدرة الخام.

لماذا هذا مهم

الافتراض بأن الذكاء الاصطناعي المملوك للولايات المتحدة سيحافظ على تقدمه بسبب الحوسبة أو المواهب هو افتراض مدعوم بالتاريخ، وليس بالبيانات الحالية. الحوسبة أصبحت سلعة، والمواهب عالمية. النماذج مفتوحة المصدر من الصين واليابان لا تلحق بالركب فحسب؛ بل يعيدون تعريف ما يبدو عليه المعيار الأساسي. هذا التحول ينعكس في معايير مثل LiveBench، حيث تفصل النماذج العليا بضع نقاط فقط ولكن فرق التكلفة قاسٍ، علامة على أن الأداء الخام لم يعد العامل المميز الوحيد، وفقًا لتحليل LiveBench.

لا يعني أي من هذا أن مختبرات الولايات المتحدة ستختفي. لكن عصر القيادة الأمريكية غير المشروطة للذكاء الاصطناعي ينتهي. السؤال الآن هو ما إذا كان اللاعبون الحاليون يمكنهم التكيف أسرع من النظم البيئية التي خلقوها عن غير قصد.