كيف تعيد شراكة OpenAI مع Thrive وتكامل LLMs الصينية تشكيل تكامل الذكاء الاصطناعي في المؤسسات

تحالف OpenAI وThrive Capital في مجال الذكاء الاصطناعي للمؤسسات

تؤكد أحدث خطوة استراتيجية لـ OpenAI على الدفع نحو دمج الذكاء الاصطناعي بعمق في الصناعات التقليدية. في ديسمبر 2025، أخذت OpenAI حصة ملكية في Thrive Holdings، وهي مركبة جديدة لـ Josh Kushner’s Thrive Capital، كجزء من شراكة لتضمين نماذج اللغة الكبيرة لـ OpenAI في مجالات مثل المحاسبة وخدمات تكنولوجيا المعلومات[1][2]. بدلاً من استثمار نقدي، تقدم OpenAI فريق بحث مخصص مقابل حصة – مما يوافق الحوافز بحيث يركز الجانبان على التحول المدفوع بالذكاء الاصطناعي لعمليات الأعمال التقليدية. الهدف هو إدخال الذكاء الاصطناعي في العمليات اليدوية المجزأة في شركات محفظة Thrive وتحسين هذه النماذج باستمرار من خلال التعلم التعزيزي مع خبراء المجال[3]. قامت Thrive بجمع أكثر من مليار دولار للاستحواذ على مزودي الخدمات التقليدية وتجديدهم بالذكاء الاصطناعي[2]. تشير هذه الشراكة إلى نهج جديد: لا تقوم OpenAI ببيع الوصول إلى API فقط؛ بل تعمل على التكامل العمودي من خلال بناء حلول الذكاء الاصطناعي داخل الشركات. "توافق OpenAI من خلال الملكية" يضمن أن OpenAI وThrive يتشاركان "نجم الشمال" لتطوير منتجات رائدة مدعومة بالذكاء الاصطناعي لتلك الصناعات[4]. ومن الجدير بالذكر، على الرغم من كون Thrive Capital داعماً رئيسياً لـ OpenAI، إلا أن الصفقة لا تقيد Thrive بنماذج OpenAI حصريًا – يمكن لـ Thrive الاستفادة من نماذج أخرى، بما في ذلك النماذج مفتوحة المصدر، حيثما كان ذلك منطقيًا[5]. يبرز هذا حقيقة عملية في مشهد الذكاء الاصطناعي للشركات اليوم: الشركات ستتبنى أي نموذج يناسب احتياجات مجالها، والقيود المالية، ومتطلبات التكامل.

تبني التكنولوجيا اللغوية الكبيرة عبر الصناعات الأمريكية

في جميع أنحاء الشركات الأمريكية، ازدادت وتيرة تبني الذكاء الاصطناعي – خاصة الذكاء الاصطناعي التوليدي – بشكل كبير في العامين الماضيين. وجدت دراسة أجرتها شركة ماكينزي لعام 2024 أن 78٪ من المؤسسات تستخدم الآن الذكاء الاصطناعي في وظيفة واحدة على الأقل (بزيادة من 55٪ عن العام السابق)، و71٪ قد نشرت أدوات الذكاء الاصطناعي التوليدي. يشير هذا إلى أن نماذج اللغة الكبيرة انتقلت من تجارب تجريبية إلى "بنية تحتية أساسية للأعمال" في العديد من الشركات. الأهم من ذلك، أن هذا الاتجاه واسع الانتشار عبر الصناعات. في القطاع المالي، تستخدم البنوك النماذج اللغوية الكبيرة لتحليل الأبحاث ومساعدة المستشارين؛ في الرعاية الصحية، تصيغ هذه النماذج التقارير الطبية والتواصل مع المرضى؛ في القانون والاستشارات، تلخص الوثائق وتنتج محتوى المسودات الأولى. في التجارة الإلكترونية والسفر، يدعم الذكاء الاصطناعي التوليدي خدمة العملاء والتوصيات – على سبيل المثال، الكونسييرج الذكي من Airbnb يمكنه المساعدة في حل استفسارات الضيوف دون الحاجة لوكلاء بشريين. يستخدم عملاق التجزئة أمازون نماذج الذكاء الاصطناعي لتلخيص مراجعات المنتجات للمشترين، واستخلاص النقاط المشتركة بين مئات التعليقات في فقرة واحدة. هذا يحسن تجربة العملاء ويسرع من تحويلات المبيعات. كما أطلقت أمازون أدوات الذكاء الاصطناعي التوليدي لمساعدة بائعي السوق في كتابة قوائم منتجات أفضل، وجعلت أليكسا أكثر تفاعلاً بدمج نماذج اللغة الكبيرة. تؤكد هذه الأمثلة على نمط: الشركات تدمج النماذج اللغوية الكبيرة حيثما يمكنها أتمتة سير العمل أو تحسين التفاعلات مع المستخدمين، من صياغة نصوص التسويق إلى تشغيل روبوتات الدردشة ومساعدي البرمجة.

ومع ذلك، فإن دمج الذكاء الاصطناعي على نطاق واسع ليس بالأمر البسيط – لا تزال العديد من الشركات تواجه صعوبة في الانتقال من التجارب الأولية إلى الإنتاج الفعلي. أظهرت الدراسات أن ما لا يزيد عن 5% من مشاريع GenAI التجريبية تحقق مكاسب سريعة في الإيرادات، مع تعطل العديد منها بسبب أهداف غير واضحة أو تحديات في البنية التحتية[9]. ومع ذلك، لا يزال الجدوى التجارية للذكاء الاصطناعي في المؤسسات قوية. الشركات التي تنجح تبلغ عن عائد على الاستثمار قوي (بمتوسط عائد 3.7×، وفقًا لتحليل واحد) وتعيد تخصيص الميزانيات وفقًا لذلك[10]. وقد ارتفع الإنفاق المؤسسي على LLMs بشكل كبير – فقد كانت 37% من المؤسسات تنفق أكثر من 250,000 دولار سنويًا على استخدام LLM بحلول عام 2025[11]. هذا الاستعداد للاستثمار يعكس ضرورة تنافسية: ترى الشركات الذكاء الاصطناعي كتقنية استراتيجية لتعزيز الإنتاجية والابتكار. والنتيجة هي نظام بيئي للذكاء الاصطناعي في المؤسسات حيث تتعايش العديد من LLMs. في الواقع، تشير الاستطلاعات إلى أن نمط النشر المتعدد النماذج آخذ في الظهور – فقد وجد تقرير أن غالبية الشركات تستخدم على الأقل نموذجين مختلفين للذكاء الاصطناعي، وغالبًا ما تخلط بين عروض OpenAI وAnthropic وGoogle ومزودي المصادر المفتوحة[12]. يتيح هذا النهج المتعدد النماذج للمنظمات موازنة نقاط القوة والضعف في مختلف LLMs (مثل نموذج واحد لدعم الترميز وآخر لمهام الروبوتات العامة) وتجنب الاعتماد المفرط على مورد واحد.

الشركات الأمريكية تتبنى نماذج اللغة الكبيرة الصينية: ميزة التكلفة والتداعيات

التطور غير المتوقع في قصة الذكاء الاصطناعي في المؤسسات هو صعود نماذج الذكاء الاصطناعي مفتوحة المصدر الصينية التي تجد قبولاً في الولايات المتحدة. الشركات التي كانت تعتمد في العام الماضي على النماذج الأمريكية أصبحت الآن تقيم (وفي بعض الحالات تتبنى) نماذج من علي بابا وبايدو وZhipu وMiniMax وغيرها. السبب يعود إلى عرض قيمة قوية: هذه النماذج غالباً ما تكون مجانية، وتتميز بكونها "مفتوحة الوزن" (مع إطلاق مفتوح لمعاملات النموذج)، وأقل تكلفة في التشغيل من نظيراتها الأمريكية. بالنسبة للشركات التي تحاول أتمتة المهام على نطاق واسع، يمكن أن يتفوق التكلفة وقابلية التخصيص على وجود النموذج الأكثر حداثة. نتيجة لذلك، حتى الشركات التقنية الكبرى في الولايات المتحدة بدأت في تجربة الذكاء الاصطناعي الصيني. في مثال حديث أثار الجدل، كشف الرئيس التنفيذي لشركة Airbnb براين تشيسكي أن الشركة تعتمد بشكل كبير على نموذج Qwen من علي بابا لوكيل خدمة العملاء الآلي لديها - مفضلاً إياه على أحدث نماذج OpenAI لأنه "هناك نماذج أسرع وأرخص". أشاد تشيسكي بنموذج Qwen قائلاً: "نحن نعتمد كثيراً على نموذج Qwen من علي بابا. إنه جيد جداً. كما أنه سريع ورخيص." في الواقع، تم بناء خدمة الاستقبال الذكية الجديدة لـ Airbnb في عام 2025 باستخدام مزيج من 13 نموذجاً (بما في ذلك OpenAI وGoogle والمفتوحة المصدر)، لكن نموذج Qwen الصيني يدعم الكثير من العمل الشاق. التوفير في التكاليف من استخدام Qwen وغيرها سمح لـ Airbnb بأتمتة 15٪ من طلبات الدعم وتقليص وقت الحل من ساعات إلى ثوانٍ - تأثير تجاري ملموس.

Airbnb ليست وحدها. بعض الشركات الناشئة الممولة جيدًا والمستثمرين قد توجهوا أيضًا شرقًا للحصول على اختصارات في الذكاء الاصطناعي. المستثمر البارز تشاماث باليهابيتيا أشار إلى أن شركته نقلت عمليات الذكاء الاصطناعي الخاصة بها من خدمات أمازون إلى نموذج كيمي من مونشوت (من شركة ناشئة مقرها بكين) لأنها كانت "أكثر أداءً بكثير".[19] وبالمثل، أطلقت المديرة التقنية السابقة لأوبن إيه آي ميرا موراتي مشروعًا جديدًا يقدم أداة تتيح للمستخدمين ضبط النماذج المفتوحة - بما في ذلك ثمانية نماذج من Qwen - مما يبرز الاهتمام ببناء على أساسات LLM الصينية[20]. الجاذبية واضحة: "ما يهم شركة ناشئة متوسطة هو السرعة والجودة والتكلفة... النماذج الصينية أدت بشكل جيد باستمرار في تحقيق توازن بين هذه الثلاثة"[21]. مختبرات الذكاء الاصطناعي الصينية قامت بفتح النماذج بشكل عدواني برخص متسامحة، مما يتيح لأي شخص تنزيل أوزان النماذج وتخصيصها. على سبيل المثال، قامت علي بابا بفتح نسخ من نموذج Tongyi Qianwen (Qwen) تحت رخصة Apache 2.0، تتراوح من 4 مليارات إلى أكثر من 70 مليار+ معلمات[22][23]. هذا يعني أن الشركة يمكنها "سحب تلك الأوزان من الإنترنت وضبطها على بيانات الملكية" للحصول على نموذج محدد للمجال دون البدء من الصفر[24]. قامت شركة كورية جنوبية بذلك بالضبط - ضبط Qwen لمعالجة الوثائق الحكومية - وخفضت تكاليفها بنسبة 30٪ نتيجة لذلك[25]. تقارير علي بابا تشير إلى أنه تم اشتقاق أكثر من 170,000 نموذج من Qwen على مستوى العالم، وأن أكثر من 90,000 مؤسسة (تشمل الإلكترونيات الاستهلاكية والألعاب وغيرها) قد تبنت نماذج عائلة Qwen بشكل أو بآخر[26]. تشير هذه الأرقام إلى أن LLM الصينية قد اكتسبت بسرعة موطئ قدم بين المطورين والشركات عالميًا.

إن تداعيات هذا الاتجاه سلاح ذو حدين. من جهة، تُرى الإيرادات المحتملة للشركات الأميركية المقدمة للذكاء الاصطناعي تُحول بعيدًا. كل عبء عمل يتم التعامل معه بواسطة نموذج صيني مفتوح هو عبء لا يعمل على واجهات برمجة التطبيقات المدفوعة لـ OpenAI أو Anthropic. كما أشارت The Wire China، إذا كان مطورو النموذج الأميركيون يفقدون عملاء كبار مثل Airbnb لصالح المنافسين الصينيين، فإن ذلك يُعتبر "إشارة تحذير" بأن النهج الأميركي (غالبًا ما يكون ملكيًا وباهظ التكلفة) يترنح في بعض الاستخدامات. قد تُجبر معامل النماذج الأمامية مثل OpenAI وAnthropic وGoogle على الاستجابة – سواء عن طريق خفض الأسعار أو تقديم متغيرات مفتوحة (في الواقع أطلقت OpenAI مؤخرًا بعض نماذج GPT "ذات الوزن المفتوح")، أو التركيز على القدرات المتميزة حقًا. هناك تداعيات أخرى استراتيجية وجيوسياسية: الاعتماد المتزايد على الذكاء الاصطناعي الصيني من قبل الشركات الأميركية يثير تساؤلات حول الثقة والأمان. حتى الآن، فإن البراغماتية المتعلقة بالتكلفة والأداء قد تجاوزت في بعض الحالات المخاوف بشأن حوكمة البيانات. لكن واشنطن تولي اهتمامًا – أضافت الجهات التنظيمية الأميركية شركة الذكاء الاصطناعي الصينية Zhipu (صانع نماذج GLM) إلى القائمة السوداء التجارية في أوائل عام 2025، وحذرت تقرير وزارة التجارة من مخاطر الأمان للذكاء الاصطناعي الأجنبي وأشار إلى أن صعود النماذج الصينية "يقلل من القيادة العالمية التاريخية للمطورين الأميركيين". هناك حتى زخم في الولايات المتحدة للحد من استخدام النماذج اللغوية الكبيرة الصينية في الإعدادات الحكومية، وقد يمتد ذلك إلى الشركات إذا زادت الضغوط الأمنية الوطنية. على مستوى الشركات، تزداد العناية الواجبة بشأن البائعين الصينيين للذكاء الاصطناعي – يجب على الشركات موازنة فوائد نماذج مثل Qwen أو DeepSeek ضد مخاطر مثل التعرض للبيانات أو قضايا الامتثال. بعضهم يخفف من ذلك عن طريق استضافة النماذج مفتوحة المصدر داخليًا (تجنب المكالمات الخارجية لواجهة برمجة التطبيقات)، مما يعالج مخاوف إقامة البيانات ولكنه يتطلب هندسة كبيرة داخلية. يأخذ آخرون نهجًا هجينًا: يستخدمون النماذج الصينية للمهام غير الحساسة بينما يحتفظون بالبيانات الحساسة للنماذج التي يثقون بها أكثر. في أي حال، لقد أدخل دخول النماذج اللغوية الكبيرة الصينية منافسة صحية. لقد دفعت الشركات الأميركية للابتكار في الكفاءة (على سبيل المثال، أحدث إصدارات Claude من Anthropic أرخص وأسرع بشكل كبير من سابقتها) وحتى لفتح جوانب من تقنيتهم. كما قال أحد الباحثين في مجال الذكاء الاصطناعي، "تعتمد الهيمنة طويلة المدى للذكاء الاصطناعي الأميركي بشكل كبير على عدم التخلي عن الريادة في المصدر المفتوح لصالح الصين."

أفضل 5 نماذج للذكاء الاصطناعي يتم دمجها من قبل الشركات

في بيئة متعددة النماذج اليوم، برز عدد قليل من LLMs كخيارات مفضلة لدمجها في الشركات:

سلسلة OpenAI GPT (GPT-4 و GPT-5) - تظل نماذج GPT من OpenAI عنصرًا أساسيًا في الذكاء الاصطناعي للمؤسسات، معروفة بقدراتها المتقدمة وموثوقيتها العامة. قدم GPT-4 أداءً مذهلاً في فهم وتوليد اللغة الطبيعية، وأعلنت OpenAI مؤخرًا عن GPT-5 الذي يمثل قفزة أكثر أهمية - يتفوق في مجالات البرمجة والرياضيات والكتابة والمهام متعددة الوسائط[34]. تصل العديد من الشركات إلى نماذج GPT عبر خدمة Azure OpenAI أو API الخاص بـ OpenAI لتشغيل روبوتات الدردشة ومساعدي الكتابة وأدوات دعم القرار. تبرز قوة GPT-4/5 في الاستدلال المعقد والحوار السلس، مما يجعلها مثالية لتطبيقات مثل تحليل الوثائق القانونية أو أتمتة مكاتب المساعدة الداخلية. ومع ذلك، فهي نماذج مملوكة وتأتي بتكلفة عالية. كان حصة السوق في المؤسسات لـ OpenAI حوالي 25% اعتبارًا من عام 2025[35]، مما يعكس الاستخدام الواسع ولكن أيضًا المنافسة. استجابت OpenAI لموجة المصادر المفتوحة بإصدار نماذج GPT-OSS (ذات الأوزان المفتوحة) بسعة 120 مليار و 20 مليار معلمة للاستضافة الذاتية[28]، بهدف جذب الشركات التي تحتاج إلى مزيد من التحكم. ومع ذلك، بالنسبة للعديد من المؤسسات، يبقى GPT-4 هو المعيار للجودة - وغالبًا ما يُستخدم عندما تكون الدقة ذات أهمية قصوى.
أنتروبيك كلود - تم تطويره بواسطة أنتروبيك، وأصبح كلود بسرعة واحدًا من أكثر أنظمة الذكاء الاصطناعي شعبية في المؤسسات. في الواقع، بحلول أواخر عام 2025، يُقال أن أنتروبيك تفوقت على أوبن إيه آي بنسبة 32٪ من حصة السوق المؤسسية للذكاء الاصطناعي[35]. يكتسب كلود شعبيته من فلسفة تصميمه: فهو مصمم ليكون مفيدًا، صادقًا، وغير ضار (متوافق)، ويوفر نوافذ سياق كبيرة جدًا (100K+ رموز)، مما يسمح له بالتعامل مع الوثائق الطويلة أو المحادثات متعددة الجولات بسهولة. تقدم سلسلة كلود 4 الأحدث (أوبوس 4، سونيت 4.5) أداءً من الدرجة الأولى في مهام الترميز والاستدلال[36]، مما يجعل كلود منافسًا قويًا لنماذج أوبن إيه آي. تستخدم المؤسسات كلود لأشياء مثل تحليل كود البرمجيات، توليد مقالات قاعدة المعرفة، وكعامل مساعد في أدوات مثل سلاك. يجذب كلود توازنه بين الذكاء والسرعة وانخفاض خطر المخرجات المسيئة خاصة في التطبيقات التي تواجه العملاء أو الحساسة. كما جعلت الشراكة الوثيقة لأنتروبيك مع AWS كلود متاحًا للشركات عبر أمازون بيدروك. بشكل عام، يُقدر كلود لذاكرته الطويلة وموثوقيته، وتقوم العديد من المنظمات بتشغيله جنبًا إلى جنب مع نماذج GPT للمقارنة بين الردود من حيث الجودة والنغمة.
LLaMA 2 من Meta - LLaMA 2 هو النموذج اللغوي المفتوح المصدر الرائد من Meta AI، تم إصداره في منتصف عام 2023، وأصبح أساسًا للعديد من الحلول المخصصة للذكاء الاصطناعي في الشركات. على عكس النماذج المملوكة، تتوفر أوزان LLaMA 2 (مع ترخيص مرن للبحث والاستخدام التجاري المحدود)، مما يعني أن الشركات يمكنها ضبطه باستخدام بياناتها الخاصة. هذا النموذج (متوفر بأحجام تصل إلى 70 مليار معلمة) أظهر أن النماذج المفتوحة يمكن أن تقترب من قوة النماذج المغلقة. في غضون أشهر من إصداره، حفز LLaMA 2 موجة من الابتكار - مما أدى إلى ظهور العديد من المتغيرات المخصصة والنماذج المتخصصة في الصناعة. أصبح من الشائع رؤية الشركات تستخدم نموذجًا مشتقًا من LLaMA 2 داخليًا لمهام مثل توثيق البرمجيات، أو إكمال الكود الداخلي، أو إعداد التقارير، خاصة عندما تكون خصوصية البيانات موضع قلق. دفع نهج Meta المفتوح اللاعبين الآخرين (مثل OpenAI) إلى التفكير في تقديم الأوزان المفتوحة. في حين أن النماذج المفتوحة الأحدث (بما في ذلك الصينية) قد تجاوزت LLaMA 2 في بعض المعايير، فإنه يظل اختيارًا شائعًا للشركات التي تحتاج إلى نموذج أساسي يمكنها التحكم فيه بالكامل. في الواقع، حتى وقت قريب كانت النماذج المستندة إلى LLaMA تهيمن على تحميلات النماذج الجديدة على Hugging Face، قبل أن تتجاوزها Qwen من Alibaba في حجم المشتقات الجديدة - وهو دليل على مدى اعتماد LLaMA في مجتمع مطوري الذكاء الاصطناعي. حتى أن شركات التكنولوجيا مثل IBM تعاونت مع Meta لتقديم LLaMA 2 من خلال منصاتها (مثل watsonx من IBM)، مستهدفين منشئي الذكاء الاصطناعي في الشركات. تأثير LLaMA 2 هو أنه فتح الباب لاعتماد النماذج اللغوية المفتوحة المصدر في بيئات الشركات، مما يمهد الطريق للجيل الأحدث من النماذج المفتوحة.
علي بابا Qwen - Qwen (الاسم الكامل Tongyi Qianwen) هو نموذج LLM الرائد لدى Alibaba Cloud ويُعتبر أكثر النماذج الصينية مفتوحة المصدر نجاحًا على الساحة العالمية. أطلقت علي بابا Qwen-7B و14B بموجب ترخيص Apache 2.0 في عام 2023، وفي وقت لاحق قدمت إصدارات أكبر من Mixture-of-Experts (بما يصل إلى 70B+ من المعايير الفعالة في Qwen 3). تُعرف نماذج Qwen بكفاءتها وقدراتها متعددة اللغات، وقد قامت علي بابا بتخصيص نماذج مثل Qwen-Coder (للبرمجة) وQwen-VL (للرؤية واللغة)[38][39]. وبشكل حاسم، فإن Qwen مجاني للاستخدام والتعديل، مما أدى إلى انتشار واسع: بحلول أواخر عام 2025، أبلغت علي بابا عن أكثر من 90,000 شركة (في قطاعات من الإلكترونيات الاستهلاكية إلى الألعاب) تستخدم نماذج عائلة Qwen[26]. العديد من هذه الشركات صينية، ولكن Qwen قد نجح في الانتشار عالميًا بفضل نسبة الأداء إلى التكلفة. استخدام Airbnb لـ Qwen لوكيلها الذكي أظهر قدرات النموذج في خدمة العملاء باللغة الإنجليزية على نطاق واسع[15]. وقد قامت شركات ناشئة أخرى بضبط Qwen حسب احتياجاتها، مستفيدة من النموذج الأساسي القوي دون دفع رسوم API. تأثير Qwen على الشركات غالبًا في توفير التكاليف: يمكن للشركات نشر Qwen على سحابتهم الخاصة بجزء من تكلفة استدعاء API مثل GPT-4. ومن حيث الأداء، كان Qwen 14B منافسًا للنماذج التي تفوقه حجمًا مرتين أو ثلاث مرات في العديد من المهام. تواصل علي بابا تطوير Qwen (تستخدم سلسلة Qwen-3 الأحدث Mixture-of-Experts لتعزيز الأداء مع استخدام معايير نشطة أقل[40]). بالنسبة للشركات، يوفر Qwen نموذجًا مفتوحًا ناضجًا وجاهزًا للإنتاج مدعومًا بعملاق تكنولوجي - ويعمل أيضًا كجزء من عروض سحابة علي بابا، التي تستخدمها بعض الشركات متعددة الجنسيات في المناطق التي تتواجد فيها Alibaba Cloud. وكنتيجة لذلك، وضع Qwen نفسه كاختيار بارز لنماذج LLM، خاصة للشركات التي تسعى إلى بديل لواجهات برمجة التطبيقات الغربية لأسباب تتعلق بالتكلفة أو المرونة أو المحلية.
ديب سيك – ديب سيك هو وافد جديد اكتسب بسرعة الاهتمام بسبب نهجه المفتوح والتكلفة المنخفضة للغاية. تم تطويره من قبل شركة ذكاء اصطناعي صينية (يُعتقد أنها مقرها هونغ كونغ)، سلسلة نماذج ديب سيك قد لا تكون بعد اسمًا منزليًا، لكن بين المطورين يتميز كعنصر مغير للقواعد في الذكاء الاصطناعي الميسور التكلفة. نماذج ديب سيك V3 هي ضخمة (مئات المليارات من المعلمات) ومفتوحة المصدر بموجب رخصة MIT، مما يعني أن الشركات يمكنها تنزيلها ونشرها بحرية للاستخدام التجاري. ما يميز ديب سيك بالفعل هو تركيزه المستمر على تحسين التفسير بتكلفة فعالة. النموذج الأحدث ديب سيك V3.2-Exp خفض تكاليف التفسير بنسبة 50%، مما يوفر معالجة المدخلات بمبلغ $0.028 لكل مليون رمز عبر واجهته البرمجية – أرخص بكثير من GPT-4 الخاص بـ OpenAI. حتى عند الاقتراب من سياق 128k رمز (مئات الصفحات من النصوص)، يحافظ ديب سيك على تكلفة منخفضة وأداء قوي. تقنيًا، يحقق هذا من خلال ابتكارات مثل الانتباه المتناثر لـ ديب سيك (DSA) – آلية تنتبه بشكل انتقائي لأهم الرموز (“الفهرس السريع”) بدلاً من كل رمز في سلسلة طويلة. هذا يقلل بشكل كبير من الحساب للمطالبات الطويلة مع الحفاظ على جودة الإجابة، مما يساهم في تقليل التكلفة لمهام السياق الطويل. بفضل هذه الفعالية، ديب سيك مثالي لتطبيقات مثل معالجة العقود القانونية الطويلة أو إجراء حوارات بحث متعددة الأدوار دون تكبد فواتير ضخمة على السحابة. كما تقدر الشركات أن ديب سيك يمكن استضافته ذاتيًا – الأوزان الكاملة للنموذج (مثل V3.2 بـ 685 مليار معلمة) قابلة للتنزيل، وتوفر الشركة حتى نوى تفسير محسن وصور Docker للتوزيع. في الممارسة، تقوم بعض المنظمات الأمريكية باختبار ديب سيك كوسيلة للتنويع من الاعتماد على مقدمي الخدمة الكبار في الولايات المتحدة – كحماية ضد احتكار الموردين. يُنظر إليه على أنه “بديل فعال من حيث التكلفة” للمهام العامة مثل الصياغة والتلخيص والدردشة، حيث تكون جودته الأقل قليلاً من نماذج الحدود المتقدمة مقبولة مقابل توفير كبير. لا يزال وجود ديب سيك في الشركات ناشئًا، لكن كان من المثير أن ديب سيك وQwen كلاهما دخلوا ضمن أفضل 10 نماذج استخدامًا من قبل المطورين في أواخر عام 2025 – بينما كانت القائمة في العام السابق تسيطر عليها نماذج الولايات المتحدة. في المستقبل، إذا استمر ديب سيك في التكرار بسرعة والحفاظ على تكاليف منخفضة بشكل استثنائي (الشركة ألمحت بالفعل إلى أن واجهته البرمجية تقلل حتى من منافسها مفتوح المصدر Meta's Llama في حالات السياق الطويل)، فقد يصبح عنصرًا أساسيًا في توزيع الذكاء الاصطناعي في الشركات الواعية بالميزانية.

Macaron – وكيل الذكاء الاصطناعي للمستهلكين المهيأ لسوق آسيا

بينما كان تركيز جزء كبير من صناعة الذكاء الاصطناعي على حالات الاستخدام المؤسسية، تراهن شركة واحدة على الذكاء الاصطناعي الموجه للمستهلك وهي Macaron AI. قامت Macaron، وهي شركة ناشئة مقرها سنغافورة، بتقديم ما تسميه “أول وكيل ذكاء اصطناعي شخصي في العالم” – وهو في الأساس مساعد ذكاء اصطناعي مكرس لإثراء حياة الفرد اليومية بدلاً من مجرد الإنتاجية في مكان العمل. تم تصميم وكيل Macaron AI ليعمل كرفيق رقمي شخصي. يمكنه تحويل طلب المستخدم فورًا (حتى لو كان جملة واحدة) إلى تطبيق مصغر مخصص أو حل. على سبيل المثال، أخبر Macaron “خطط لرحلة نهاية الأسبوع إلى كيوتو” وسوف يُنشئ تطبيقًا لجدول زمني مخصص؛ اطلب منه مساعدتك في بدء عادة اللياقة البدنية، وسيقوم بإنشاء متتبع تمارين مخصص – كل ذلك في ثوانٍ وبدون برمجة. هذا الذكاء الموجه للحياة هو تمييز متعمد: Macaron لا يقوم فقط بتلخيص الرسائل الإلكترونية أو كتابة الأكواد، بل يعالج المهام الشخصية اليومية. كما تقول الشركة، تخصص Macaron هو “تحويل جملة واحدة إلى تطبيق مصغر عامل… التركيز على الحياة يميزه عن وكلاء الذكاء الاصطناعي الذين يساعدون في الغالب في أعمال المكتب.”

تحت السطح، يتجاوز ماكرون الحدود التقنية أيضًا. فهو يستخدم نموذجًا ضخمًا من نوع mixture-of-experts (MoE) مع عدد غير مسبوق من المعلمات يتجاوز التريليون وإعداد تدريب متقدم[57][58]. قام الفريق بتنفيذ تقنيات توسيع مبتكرة (مثل التوازي الهجين، التكييف منخفض الرتبة، وغيرها) لجعل هذا النموذج الضخم ممكنًا[59][60]. لماذا بهذا الحجم؟ لأن ماكرون يسعى لتحقيق ذكاء اصطناعي يشعر بأنه شخصي وإنساني حقًا في نطاق معرفته. يحتوي على وحدة ذاكرة طويلة المدى تبني قاعدة معرفة شخصية عن المستخدم - تتذكر تفضيلاتك والأحداث المهمة والسياق من المحادثات السابقة[61][62]. بمرور الوقت، يتعلم توقع احتياجاتك وتكييف نبرته واقتراحاته على نمطك الفريد، تقريبًا مثل صديق دائم الانتباه. على سبيل المثال، يمكن لماكرون أن يذكرك بمهمة ذكرتها الأسبوع الماضي، أو يقترح مطعمًا لليلة موعد بناءً على عاداتك الغذائية والمفضلات السابقة. كما أنه يتيح بُعدًا اجتماعيًا للذكاء الاصطناعي - يمكن للمستخدمين دعوة ماكرون إلى الدردشات الجماعية للمساعدة بشكل تعاوني، ومشاركة أو إنشاء التطبيقات المصغرة التي يقوم ببنائها[63][64]، مما يجعل الذكاء الاصطناعي تجربة جماعية.

تركيز Macaron على المستهلكين ونمط الحياة يمكن أن يستغل فرصة هائلة في آسيا. في الصين وأسواق آسيوية أخرى، قامت الشركات التقنية الكبرى بصب الموارد في الذكاء الاصطناعي، ولكن معظمها كان موجهًا نحو المؤسسات أو البنية التحتية (مثل خدمات السحابة للمؤسسات، المشاريع الحكومية، إلخ) أو تم تطبيقه لتحسين التطبيقات الفائقة والمنصات القائمة. يُعتبر وجود وكيل شخصي مستقل موجه بشكل خالص نحو تمكين الأفراد والإبداع أمرًا نادرًا. ترى Macaron هذا الفجوة - حيث تضع نفسها كذكاء اصطناعي لنمط الحياة يساعدك على “العيش بشكل أفضل، وليس فقط العمل بشكل أفضل.” خدماتها (تخطيط السفر، التوجيه الصحي، نصائح العلاقات، تيسير الهوايات، التدوين، إلخ) تتماشى مع الاتجاهات الاستهلاكية الآسيوية للمساعدين الشخصيين الرقميين و“التطبيقات الفائقة”، ولكن مع تخصيص أكبر بكثير. إذا استطاعت Macaron التنقل بين الثقافات المحلية واللوائح المتعلقة بالبيانات (شيء تعمل عليه بشكل صريح، من خلال دمج معايير الخصوصية المحلية واعتبارات أخلاقيات الذكاء الاصطناعي في تصميمها لأسواق مثل اليابان وكوريا)، فقد تجد قبولًا متحمسًا. السوق الصيني، على وجه الخصوص، ضخم - وبينما تمتلك العمالقة المحليون روبوتات الدردشة الخاصة بهم (مثل Ernie من Baidu أو مجموعة خدمات Tencent)، قد تكون هناك فرصة لحل وكيل شخصي مرن يعمل عبر المنصات. ستعتمد نجاح Macaron على الثقة (تخزين ذكريات حياة المستخدم أمر حساس) وعلى تقديم قيمة حقيقية تتجاوز ما تقدمه هواتف وتطبيقات المستخدم بالفعل. لكن نهجها – مصمم مشارك لحلول شخصية – يشير إلى إمكانيات جديدة. في مشهد الذكاء الاصطناعي الذي ينقسم إلى أدوات المؤسسات وروبوتات الدردشة العامة، تعد Macaron مثالًا على شركة ناشئة تهدف إلى تحديد فئة جديدة من الذكاء الاصطناعي للمستهلكين. سيكون تقدمها دراسة حالة مثيرة للاهتمام حول كيفية تصميم ذكاء اصطناعي لتمكين الأفراد بشكل شخصي يمكنه التعايش وربما الازدهار بجانب المبادرات الكبرى للذكاء الاصطناعي للمؤسسات.

النظرة المستقبلية: الذكاء الاصطناعي المفتوح المصدر في الصين واستراتيجية الشركات الأمريكية

ماذا يحمل المستقبل إذا استمرت المزيد من الشركات الأمريكية في تبني نماذج الذكاء الاصطناعي مفتوحة المصدر من الصين؟ على المدى القريب، يمكننا توقع منافسة متزايدة وابتكار أسرع. ستواجه شركات الذكاء الاصطناعي الأمريكية ضغوطًا للاستجابة إلى “سعر الصين” – قد نرى مزيدًا من خفض التكاليف لخدمات الذكاء الاصطناعي وإصدارات مفتوحة أكثر من الشركات الغربية. (إصدار OpenAI لنماذج GPT-OSS في عام 2025 هو أحد هذه الردود، وقد تتبع Google بإصدارات تشمل نسخًا أرخص وأصغر للبقاء ذات صلة). هذه المنافسة تفيد المشترين من الشركات، الذين سيكون لديهم قائمة غنية من النماذج عند نقاط مختلفة من حيث السعر والأداء. نحن نرى هذا بالفعل: على سبيل المثال، يتم تقديم Claude 4 من Anthropic في إصدارات متعددة (Opus, Sonnet, Haiku) لتحقيق توازن بين القوة والتكلفة[66][36]، ويفخر الشركات الناشئة مثل MiniMax بالإعلان عن أن نموذجها يكلف فقط 8% مما يكلفه نموذج Anthropic لأداء مماثل[67]. إذا استمرت النماذج الصينية المفتوحة في اكتساب التبني، قد تسرع أيضًا الشركات الأمريكية في البحث عن تقنيات الكفاءة (مثل استراتيجيات الانتباه المتفرقة وMoE التي تستخدمها الفرق الصينية) لسد الفجوة في الإنتاجية والتكلفة. في الواقع، يحدث تبادل للأفكار – حيث تتدفق الأفكار البحثية عالميًا، لذا فإن أحد النتائج الإيجابية هو أن التقدم العام في قدرات الذكاء الاصطناعي قد يتسارع مع بناء الفرق على اختراقات بعضها البعض.

في الوقت نفسه، ستلعب الثقة والحوكمة دورًا محوريًا. ستطلب الشركات ضمانات حول أي نموذج تستخدمه، سواء كان من وادي السليكون أو بكين. قد يؤدي ذلك إلى ظهور عمليات تدقيق وشهادات من طرف ثالث لنماذج الذكاء الاصطناعي للأمان، كما تخضع مراكز البيانات السحابية اليوم لعمليات تدقيق أمني. قد يلعب الحكومة الأمريكية دورًا أيضًا: على سبيل المثال، يمكنها إصدار إرشادات أو حتى قيود لبعض القطاعات (مثل الدفاع، البنية التحتية الحيوية، إلخ) على استخدام الذكاء الاصطناعي المطور في الخارج. "هناك مخاوف طبيعية حول البيانات التي تم تدريب النموذج عليها وما إذا كان يظهر سلوكيات لا ترغب الشركة بها،" أشار ناثان بنايش من شركة Air Street Capital، مشيرًا إلى استخدامات المؤسسات عالية المخاطر للنماذج الأجنبية. قد نشهد ظهور حلول الذكاء الاصطناعي الموجهة للامتثال - مثل نماذج مفتوحة مستضافة في الولايات المتحدة التي تخضع للفحص الأمني - مما يمنح المؤسسات طريقة أكثر أمانًا للاستفادة من هذه الابتكارات. بالفعل، بعض المنظمات تتبع نهج "أفضل ما في العالمين": حيث تأخذ نموذجًا مفتوحًا مثل Qwen أو Llama، وتزيل أو تعيد تدريب أي جوانب مشكلة، وتشغله على بنيتها التحتية المؤمنة الخاصة، مستفيدين من فوائد التكلفة دون إرسال البيانات إلى جهة خارجية.

إذا استمرت الذكاء الاصطناعي مفتوح المصدر الصيني في الانتشار بين الشركات الأمريكية، فقد يؤدي ذلك أيضًا إلى تغيير توازن الخبرة والموهبة في الذكاء الاصطناعي. النماذج المفتوحة تخفض الحواجز أمام بناء منتجات تعتمد على الذكاء الاصطناعي، مما قد يؤدي إلى ظهور المزيد من الشركات الناشئة والحلول - وهو فوز للابتكار بشكل عام. ومع ذلك، إذا كانت التكنولوجيا الأساسية التي تدعم العديد من تلك الحلول تأتي من الصين، فقد يترجم ذلك إلى نفوذ. على سبيل المثال، يمكن للشركات الصينية أن تبدأ في تقديم دعم مدفوع أو استشارات أو إضافات مميزة لنماذجها المفتوحة (مثلما فعلت Red Hat مع Linux في عالم البرمجيات مفتوحة المصدر). قد تجد صناعة التكنولوجيا الأمريكية نفسها في موقف ساخر حيث تستفيد على نطاق واسع من التكنولوجيا الصينية "المفتوحة"، حتى مع استمرار التنافس الجيوسياسي. من الناحية الاستراتيجية، قد يشجع هذا الاتجاه بالفعل على المزيد من التعاون في مجتمع البحث في الذكاء الاصطناعي - إذا كانت المختبرات الصينية والغربية تبني جميعًا على مساهمات مفتوحة لبعضها البعض، فقد يظهر أساس تقني مشترك (مع معايير أو أطر مشتركة). ولكن يمكن أن يؤدي ذلك أيضًا إلى التشتت، حيث تتطور نظامان بيئيان: أحدهما يهيمن عليه نماذج مفتوحة بالكامل ومنخفضة التكلفة (مع موطئ قدم قوي في آسيا وبين الشركات الناشئة الحساسة للتكلفة عالميًا)، والآخر من نماذج متميزة وملكية (تسيطر على المجالات عالية الأمان وبين الشركات الكبيرة التي تعطي الأولوية للجودة والدعم العاليين).

بالنسبة للشركات الأمريكية، سيكون اعتبر "تنويع الموردين" في استراتيجية الذكاء الاصطناعي أمرًا مهمًا في المستقبل. الاعتماد فقط على شريك واحد في الذكاء الاصطناعي (مثل OpenAI أو Alibaba فقط) يحمل مخاطر - مثل تغييرات الأسعار، انقطاعات الخدمة، أو تغييرات السياسات. العديد من مدراء تقنية المعلومات سيفضلون الحصول على محفظة: ربما مزود LLM رئيسي بالإضافة إلى نموذج مفتوح احتياطي داخل الشركة كإجراء احترازي. وجود النماذج الصينية في المزيج يقوي هذا الموقف، مما يمنح الشركات نفوذًا إضافيًا. كما أشارت تحليلات VentureBeat، فإن نهج DeepSeek المفتوح المصدر يوفر حلاً ضد الاحتكار - لكن المجالس وفرق الأمان سيطرحون أسئلة صعبة إذا كان الحل يأتي من بائع صيني. تلك الأسئلة ستثير الكثير من النقاشات في غرف الاجتماعات ومراجعات بنية تقنية المعلومات في السنوات القادمة.

أخيرًا، من المهم ملاحظة أن الولايات المتحدة ما زالت تحتفظ ببعض المزايا الحاسمة في سباق الذكاء الاصطناعي: الوصول إلى أكثر أجهزة أشباه الموصلات تقدمًا، خط أقوى من المواهب البحثية في مجال الذكاء الاصطناعي على مستوى العالم، و(حاليًا) أكثر مجموعات البيانات التدريبية شمولية وعالية الجودة. كما أشار التعليق على YouTube الذي قدم هذا النقاش، فإن الولايات المتحدة "لديها وصول أفضل إلى بيانات ذات جودة أعلى ووحدات معالجة رسومية... وبطبيعة الحال، ستنشئ الولايات المتحدة نماذج أفضل كما فعلنا دائمًا" – بينما "الصين ستستمر في خفض السوق" من حيث التكلفة[70][71]. يشير هذا إلى مستقبل حيث تواصل الشركات الأمريكية دفع حدود القدرة الخام، بينما تركز الشركات الصينية على جعل الذكاء الاصطناعي متاحًا وميسور التكلفة على نطاق واسع. من الناحية التجارية، قد يبقى القطاع الفاخر (الشركات التي تحتاج إلى أفضل نموذج على الإطلاق وستدفع مقابل ذلك) مخلصًا لنماذج الحدود الأمريكية، بينما قد تتجه شريحة التبني الشامل (الشركات التي تحتاج إلى ذكاء اصطناعي "جيد بما فيه الكفاية" بأقل تكلفة) بشكل متزايد إلى النماذج المفتوحة ذات الأصل الصيني. يمكن اعتبار شراكة OpenAI-Thrive نفسها استجابة لهذا الديناميكية: من خلال دمج الذكاء الاصطناعي بعمق في تدفقات العمل الصناعية والتعلم من الاستخدام الحقيقي، تأمل OpenAI في الحفاظ على ميزة ليست فقط حول جودة النموذج ولكن حول تكامل المنتج الكامل والخبرة في المجال.

في الختام، يتم إعادة تشكيل مشهد تكامل الذكاء الاصطناعي في الشركات من خلال التعاونات مثل تعاون OpenAI مع Thrive الذي يجلب الذكاء الاصطناعي إلى العمليات الأساسية في الأعمال، ومن خلال تدفق نماذج الذكاء الاصطناعي الصينية الفعالة ومنخفضة التكلفة التي توسع الخيارات للشركات. نحن نتجه على الأرجح إلى عصر من التعاون التنافسي، حيث تتنافس النظم البيئية للذكاء الاصطناعي الأمريكية والصينية وتتعاون بشكل غير مقصود (من خلال المصادر المفتوحة) لدفع تقدم التكنولوجيا. بالنسبة للشركات، هذا إيجابي بشكل عام: المزيد من الخيارات، المزيد من الابتكار، والقدرة على مزج وتطويع حلول الذكاء الاصطناعي لتناسب احتياجاتها. الفائزون في الأعمال سيكونون أولئك الذين يمكنهم استغلال هذا التنوع في نماذج الذكاء الاصطناعي بشكل استراتيجي- الاستفادة من قوة كل نموذج في المكان المناسب، إدارة المخاطر، والبقاء مرنين مع استمرار تطور التكنولوجيا بسرعة فائقة. في النهاية، سواء كان نظام OpenAI متطورًا أو نموذجًا صينيًا مجانيًا على Hugging Face، ما يهم للشركات هو النتائج. إذا كان بإمكان نموذج ذكاء اصطناعي أتمتة مهمة، توفير التكاليف، أو فتح فرصة منتج جديدة، فإنه سيجد مكانًا مرحبًا به. وفي عام 2025 وما بعده، ستستضيف تلك الأماكن بشكل متزايد مزيجًا من الشرق والغرب في مجموعة أدوات الذكاء الاصطناعي الخاصة بها- وهو تطور كان يبدو بعيد المنال ليس منذ فترة طويلة، ولكنه الآن واقع في صناعتنا التقنية المتشابكة عالميًا.

المصادر: [1][2][3][4][5][6][7][9][10][12][15][17][19][20][21][27][29][30][68][33][34][35][36][37][26][16][43][46][41][51][55][56][62][65][69][70][71]

[1] [2] [3] [4] [5] استحواذ OpenAI على حصة في Thrive Holdings في أحدث دفعة للذكاء الاصطناعي في الشركات | رويترز

https://www.reuters.com/business/openai-buys-stake-thrive-holdings-push-ai-into-accounting-it-services-2025-12-01/

[6] [9] [10] [11] [12] [35] 13 إحصائية لتبني LLM: نقاط بيانات حيوية لتنفيذ الذكاء الاصطناعي في المؤسسات عام 2025

https://www.typedef.ai/resources/llm-adoption-statistics

[7] [8] شركات تستخدم الذكاء الاصطناعي التوليدي: أمثلة واقعية

https://indatalabs.com/blog/companies-using-generative-ai

[13] [14] [19] [20] [21] [24] [25] [27] [29] [30] [33] [37] [51] [52] [67] [68] [70] [71] نماذج الذكاء الاصطناعي الصينية الرخيصة والمفتوحة المصدر تنتشر بسرعة - The Wire China

https://www.thewirechina.com/2025/11/09/cheap-and-open-source-chinese-ai-models-are-taking-off/

[15] [16] [17] [18] الرئيس التنفيذي لشركة Airbnb براين تشيسكي يوضح قائلاً: نحن لا نستخدم أحدث نماذج OpenAI في الإنتاج لأن … - The Times of India

https://timesofindia.indiatimes.com/technology/tech-news/airbnb-ceo-brian-chesky-makes-it-clear-says-we-dont-use-openais-latest-models-in-production-because-/articleshow/124728422.cms

[22] [23] [26] [28] [34] [36] [38] [39] [40] [66] أفضل 9 نماذج لغوية كبيرة اعتبارًا من نوفمبر 2025 | Shakudo

https://www.shakudo.io/blog/top-9-large-language-models

[31] [32] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [53] [69] النموذج الجديد V3.2-Exp من DeepSeek يُخفض أسعار API إلى النصف لتصبح أقل من 3 سنتات لكل مليون رمز إدخال | VentureBeat