مفترق طرق الذكاء الاصطناعي: نمور الصين الصغيرة

شهد التطور السريع لتكنولوجيا الذكاء الاصطناعي في الصين إثارة وعدم يقين للعديد من الشركات الناشئة. وبعد أن كانت تعج بالأهداف الطموحة، تقوم بعض الشركات الآن بإعادة معايرة استراتيجياتها، ومواجهة الحقائق القاسية لسوق تنافسي وكثيف الموارد.

من الرؤى الكبرى إلى المحاور الاستراتيجية

كشفت رسالة داخلية حديثة من الرئيس التنفيذي لإحدى ‘نمور الذكاء الاصطناعي الصغيرة’ في الصين، Baichuan Intelligent، بمناسبة الذكرى السنوية الثانية للشركة، عن تحول استراتيجي. سيضيق التركيز، مع إعطاء الأولوية للتطبيقات الطبية. يتناقض هذا بشكل حاد مع مهمتها الأولية المتمثلة في إنشاء نموذج تأسيسي رائد شبيه بـ OpenAI، مع تطبيقات مبتكرة كاملة.

وبالمثل، أعلن لي كايفو، مؤسس ‘نمر صغير’ آخر، 01.AI، في يناير أن شركته ستتبنى نهجًا ‘صغيرًا ولكنه جميل’. كان هذا خروجًا ملحوظًا عن الرؤية الكبرى لبناء منصة AI 2.0 لتسريع وصول AGI.

أثارت هذه التراجعات الاستراتيجية تكهنات، حيث أشار بعض المراقبين إلى أن هذه ‘النمور الصغيرة’ أصبحت أشبه ‘بالقطط المريضة’. في بيئة تتسم بالتغير المستمر، كيف يمكن لهذه الشركات تأمين مستقبلها؟

للإجابة على هذا السؤال، سعى الفريق التحريري في Zhiwei إلى الحصول على رؤى من مختلف الخبراء، بما في ذلك متخصصو تكنولوجيا النماذج الكبيرة، وخبراء الذكاء الاصطناعي في التمويل والرعاية الصحية، وخبراء تكنولوجيا الذكاء الاصطناعي من الشركات الرائدة.

تأثير DeepSeek والاستراتيجيات المتغيرة

تحول مشهد الذكاء الاصطناعي بشكل كبير في أعقاب الشعبية الهائلة لـ DeepSeek، وهو نموذج هز السوق. مثل محارب هائل، عطل DeepSeek المشهد، مما أجبر العديد من شركات الذكاء الاصطناعي على إعادة تقييم مواقعها واتباع مسارات مختلفة.

ومع ذلك، بدأ هذا التحول في وقت أبكر مما أدركه الكثيرون. وفقًا لـ Wang Wenguang، خبير تكنولوجيا النماذج الكبيرة، بدأت بعض شركات الذكاء الاصطناعي الصينية في التخلي عن السعي إلى تدريب النماذج الكبيرة حتى قبل إصدار DeepSeek V3 و R1. كانت التكاليف باهظة للغاية، وشعرت هذه الشركات بأنها غير قادرة على المنافسة مع البدائل المتاحة والمفتوحة المصدر مثل DeepSeek V2.5 و Alibaba’s Qwen 70B.

وأضاف ليانغ هي، خبير من مؤسسة خدمة تكنولوجيا الذكاء الاصطناعي، أنه في حين أن معظم ‘النمور الصغيرة’ كانت لا تزال تدرب نماذج كبيرة في منتصف عام 2024، إلا أن استثماراتها قد انخفضت بالفعل بشكل كبير. بحلول يناير 2025، مع إصدار DeepSeek R1، أدركت العديد من الشركات الصغيرة أنها لا تستطيع مواكبة ذلك.

تسبب هذا التحول المفاجئ في تغيير كبير في اتجاه ‘النمور الصغيرة’، والابتعاد عن تطوير AGI نحو مناهج أكثر تخصصًا.

تخلت Baichuan و 01.AI عن التدريب المسبق للنماذج الكبيرة، مع التركيز على الذكاء الاصطناعي الطبي وتطبيقات الصناعة، على التوالي. تعمل MiniMax على تقليل عمليات B2B الخاصة بها والتركيز على الأسواق الخارجية من خلال توليد الفيديو C-end وتطبيقات أخرى. لا تزال Zhipu و Moonshot AI و StepUp نشطة في مجتمع المصادر المفتوحة ولكنها لم تنتج أي نماذج جديدة تتفوق على DeepSeek R1. حصلت Zhipu على تمويل كبير وشراكات حكومية تجارية، مما يضمن بقائها. شهد منتج Moonshot AI الأساسي، Kimi، تهديدًا لموقعه من قبل Yuanbao، مما جعل موقعه محرجًا بشكل متزايد.

بشكل عام، تتقارب ‘النمور الصغيرة’ بشكل متزايد مع سوق B2B SaaS، والتي يعتبرها البعض ‘غير خيالية’.

جاذبية وقيود سوق B2B

أعلنت 01.AI مؤخرًا عن نيتها دمج DeepSeek بالكامل لإنشاء منصة نموذجية كبيرة للمؤسسات وقفة واحدة لمختلف الصناعات. ومع ذلك، قوبلت هذه الخطوة بالتشكيك.

يعتقد جيانغ شاو، خبير الذكاء الاصطناعي المالي، أن مستقبل 01.AI غير مؤكد بسبب تركيزه الواسع، ونقصه في القدرة التنافسية التكنولوجية بعد ظهور DeepSeek، وقدراته التجارية المحدودة.

وردد Wang Wenguang هذا الشعور، مشيرًا إلى أن الحاجز التقني للدخول لمنصة نموذجية كبيرة للمؤسسات وقفة واحدة منخفض نسبيًا.

شارك Wang تجربته في تطوير مثل هذه المنصة بشكل مستقل في حوالي ستة أشهر، وبيعها من خلال قنوات شخصية. وجادل بأنه على الرغم من صعوبة جني الأرباح من هذا المنتج كشركة، إلا أنه يمكن أن يكون مربحًا كمشروع منفرد.

يتعاون Wang مع العديد من شركات B2B التي تقدم خدمات نموذجية كبيرة ولكنها تفتقر إلى منصة تقنية. يقدم منصته بتكلفة منخفضة، حوالي 40000 إلى 50000 يوان لكل ترخيص، مما يقلل بشكل كبير من الشركات الكبيرة.

تستخدم منصته، KAF (مصنع الوكيل القائم على المعرفة)، الرسوم البيانية المعرفية وقواعد البيانات المتجهة ومحركات البحث لتقديم تطبيقات النموذج الكبير والوكيل. إنها تمكن المستخدمين من إنشاء مساعدين أو وكلاء معرفة مخصصين دون ترميز من خلال إدارة المطالبات والنماذج. أشار Wang إلى انتشار منصات مماثلة في السوق، مما يجعل تكرارها أمرًا سهلاً.

وفقًا لـ Wang، يمكن لشركة تسعى إلى تطوير تطبيق نموذج كبير B2B أن تنشئ منتجًا بسرعة عن طريق تعيين فريق صغير من الأفراد المهرة أو الشراكة مع شركة ذكاء اصطناعي خارجية. هذا النهج أرخص بكثير من تدريب نموذج كبير.

بالإضافة إلى نموذج النظام الأساسي، توفر الحلول المتكاملة أجهزة وبرامج وبيئات تنفيذ، مما يوفر وظائف جاهزة للاستخدام. يعتقد Zhang Sensen، رئيس مجموعة المنصات التكنولوجية في Ping An Insurance، أن الحلول المتكاملة لديها سوق قابلة للتطبيق، لا سيما بين المؤسسات الحكومية والتعليمية ذات القدرات المحدودة في النشر التقني. تعطي هذه الحلول الأولوية لسهولة الاستخدام والاستقلالية التقنية، وتقدم مزايا مثل أمن البيانات والامتثال للخصوصية وتحسين الأجهزة والبرامج. يمكنهم أيضًا استخدام رقائق منتجة محليًا، وتجاوز القيود وتحسين الكفاءة. قد تجد الشركات الحساسة للتكلفة والتي تركز على عائد الاستثمار الحلول المتكاملة جذابة بسبب دورات حياتها الأطول.

واجه سوق SaaS المحلي تاريخياً تحديات مثل متطلبات التخصيص العالية، والمنتجات العامة والمتجانسة، والمنافسة الشديدة، واستراتيجيات التسعير المنخفضة، والتركيز على تحقيق الدخل على المدى القصير. غالبًا ما يكون لدى العملاء في هذا السوق مستويات منخفضة من الرقمنة ورغبة محدودة في الدفع.

في المقابل، يؤكد سوق SaaS الدولي على التخصص، حيث تركز الشركات على مجالات محددة وتقدم خدمات متعمقة لعملاء كبار ومتوسطين مع استعداد أكبر للدفع.

يعكس مجال النموذج الكبير هذه الاتجاهات. توضح الأحداث الأخيرة في سوق SaaS الدولي ذلك:

• في فبراير 2025، استحوذت MongoDB على Voyage AI، وهي شركة ناشئة في مجال الذكاء الاصطناعي تبلغ من العمر 17 شهرًا وتركز على تضمين النماذج وإعادة ترتيبها، مقابل 220 مليون دولار.
• في عام 2024، أعلنت أمازون عن اتفاقية ترخيص تكنولوجيا مع Adept، وهي شركة ناشئة في مجال وكيل الذكاء الاصطناعي تبلغ من العمر عامين، مع انضمام بعض أعضاء Adept إلى فريق AGI التابع لأمازون.

حققت هذه الشركات الناشئة نجاحًا من خلال التركيز على مكانة محددة داخل تكنولوجيا النموذج الكبير. هذه الأمثلة نادرة في الصين. يجب على العديد من الشركات الصغيرة والمتوسطة الحجم أن تحرس باستمرار ضد دخول الشركات الكبيرة إلى مساحتها.

وصف Wang Wenguang، بالاعتماد على خبرته الواسعة في سوق B2B، الحقائق القاسية فيه. وأشار إلى أنه في حين أن هناك سوقًا كبيرًا لمنصات وقفة واحدة، إلا أنه مجزأ. يمكن للشركات الصغيرة ذات تكاليف التشغيل المنخفضة تقديم أسعار تنافسية، مما يقلل من الشركات الكبيرة. هذا يقلل من سعر خدمات التطبيق. حتى الشركات الكبيرة تواجه منافسة من الشركات الناشئة الأخرى والمكاملين التقليديين. قد يكون لدى الشركات الكبيرة نماذجها الكبيرة الخاصة ومزايا العلامة التجارية، لكنها تواجه استراتيجيات عمل B2B مماثلة.

كما صرح Wang: ‘أنا أيضًا أستخدم DeepSeek، وتستخدمه الكثير من الشركات الأخرى، لذلك لا يوجد تمايز. هناك الكثير من بائعي السحابة في الصين، لذلك سيكون هناك على الأقل هذا العدد من المنافسين. لطالما كان سوق B2B المحلي على هذا النحو؛ للبقاء على قيد الحياة، يجب أن يكون لديك إما اتصالات قوية أو خدمة جيدة أو أسعار منخفضة.’

قدم ليانغ هي تقييمًا موجزًا لخيارات 01.AI الحالية وآفاقها المستقبلية:

• قرار Li Kaifu بتحويل أعمال 01.AI بالكامل إلى تطبيقات B2B وتعزيز منصة نموذجية كبيرة للمؤسسات وقفة واحدة سليم تجاريًا ولكنه سيؤدي إلى منافسة شديدة.
• حاجة 01.AI إلى تقديم منتجات نموذجية كبيرة بأسعار أقل من الشركات الكبيرة هي نتيجة لافتقارها إلى المزايا الفريدة على مستوى التطبيق.
• تشير خطوة 01.AI إلى B2B إلى فقدان الخيال ومشاريع أقل ‘إثارة’. هذا مشابه لمصير العديد من شركات رؤية الكمبيوتر من الموجة السابقة من الذكاء الاصطناعي في عام 2017.
• قد يكون لدى 01.AI فرص إذا استكشفت الأسواق الخارجية.

بالمقارنة مع 01.AI، فإن الآراء حول مستقبل Baichuan أقل تشاؤمًا.

ومع ذلك، فإن دخول Baichuan إلى المجال الطبي يفتقر إلى مزايا فريدة، خاصة في البيانات.

قال جيانغ شاو إن تحول Baichuan إلى المجال الطبي هو ببساطة وسيلة للبقاء على قيد الحياة. ومع ذلك، بالمقارنة مع 01.AI، تحاول Baichuan على الأقل دخول سوق متخصصة.

صرحت Zhang Sensen بأنها أكثر تفاؤلاً بشأن الشركات التي لديها بيانات طبية تقوم بتطوير نماذج كبيرة طبية من شركات التكنولوجيا. هذا ينطبق على أي شركة تسعى إلى إنشاء نموذج كبير خاص بالصناعة. يكمن التحدي الرئيسي في إنشاء نماذج كبيرة طبية في البيانات، وليس النموذج نفسه. هناك العديد من المستشفيات الممتازة في الصين التي يمكنها ضبط نموذج كبير باستخدام DeepSeek لاستخدامها الخاص.

كيف يمكن الحصول على البيانات الطبية بشكل فعال؟ قال جيانغ شاو إن الشركات الناشئة في مجال تكنولوجيا الذكاء الاصطناعي تفتقر إلى المزايا في البيانات. لإنشاء نماذج كبيرة طبية، قد يحتاجون إلى التعاون مع الشركات التي تقدم بالفعل خدمات تكنولوجيا المعلومات للمستشفيات.

ورد أن أحد ‘النمور الصغيرة’ قد دخل في شراكة حصرية مع منتدى تبادل الأطباء المحلي الكبير لتدريب النماذج باستخدام العدد الهائل من الحالات الناتجة عن تبادلات الأطباء.

بالإضافة إلى نظرة أكثر تفاؤلاً بشأن الأسواق المتخصصة، لدى خبراء الصناعة آمال في مؤسس Baichuan، Wang Xiaochuan.

يعتقد ليانغ هي أن ما إذا كان Wang Xiaochuan سينجح في التخصص في الطب يعتمد على ما إذا كان يريد تحقيق مُثُل أو كسب المال. يعتقد أنه أكثر ميلًا إلى السعي وراء المثل، وإنشاء نتائج بحثية رائدة في مجال الذكاء الاصطناعي الطبي.

أكد Wang Wenguang على الطابع القديم لهذا السوق. وذكر أنه إذا كان الهدف هو التسويق على المدى القصير، فإن المجال الطبي أيضًا شديد التنافسية، على غرار سوق B2B بشكل عام. يمكن للعديد من الشركات استخدام الرسوم البيانية المعرفية وعمليات البحث المتجهة والنماذج الكبيرة للتطبيقات الطبية.

وفقًا لمناقشات Zhiwei مع خبراء الذكاء الاصطناعي الطبي، فإن البحث الطبي نفسه لديه فجوات معرفية كبيرة، والمعرفة الجديدة تنمو بسرعة. لذلك، هناك إمكانات كبيرة لاستخدام النماذج الكبيرة لإجراء البحوث الطبية الأساسية. على سبيل المثال، تم استخدام نموذج AlphaFold للتنبؤ بهيكل البروتين من قبل أكثر من 1.8 مليون عالم في جميع أنحاء العالم لتسريع البحث، بما في ذلك تطوير مواد متجددة بيولوجيًا والنهوض بالبحوث الجينية، وفقًا لـ Meis Medical.

بالإضافة إلى السعي وراء المثل أو كسب المال، تواجه شركة الذكاء الاصطناعي الطبية الناشئة أيضًا مسألة ما إذا كانت ستنشئ نموذجًا طبيًا كبيرًا عامًا أم لا.

صرحت Zhang Sensen بأنه لم يكن هناك اختراق في النماذج الطبية الكبيرة العامة في السوق المحلية، ويرجع ذلك أساسًا إلى الاعتماد على المعدات الطبية القوية لجمع البيانات وتطبيقها على نطاق واسع. لم يتم نشر العديد من المرافق الطبية في الصين على نطاق واسع، مما يجعل من الصعب على الذكاء الاصطناعي إجراء تشخيصات دقيقة. ومع ذلك، بدأت بعض المستشفيات القوية، مثل Mayo Clinic، في استكشاف إطلاق نماذجها الكبيرة الخاصة. على الرغم من صعوبة رؤية فرص الربح على المدى القصير، إلا أن هذه الأنواع من النماذج الكبيرة قد يكون لها تأثير عميق على الصناعة الطبية على المدى الطويل.

يواجه المجال الطبي أيضًا تحدي التشخيص الآلي بالكامل، خاصة في السوق المحلية، حيث المعدات غير كافية، ولا يمكن للذكاء الاصطناعي أن يحل محل طرق التشخيص التقليدية تمامًا. إن عدم انتشار المعدات الطبية على نطاق واسع، خاصة في المناطق النائية، يجعل من الصعب تغطية التكنولوجيا الطبية بالكامل، لذلك يظل التشخيص الآلي بالكامل تحديًا كبيرًا.

يحتوي المجال الطبي على متطلبات ترخيص وامتثال صارمة، ويجب أن تعالج النماذج الكبيرة قضايا الامتثال عند دخول المجال الطبي. قد تجمع خدمات C-end الطبية المستقبلية بين تقنيات الأطباء والذكاء الاصطناعي لتحسين كفاءة التشخيص والعلاج، خاصة للأجيال الشابة.

أخيرًا، حتى مع تجاهل خصائص سوق B2B المحلي، فإن المنافسة في تطبيقات النموذج الكبير تجعل من الصعب البقاء على قيد الحياة في سوق To B. صرح Wang Wenguang بأنه على الرغم من أن نماذج التصميم للمنتجات النموذجية الكبيرة To B لا تزال قيد الاستكشاف، إلا أنها ستتقارب في النهاية. هذا صحيح ليس فقط في الصين ولكن أيضًا في شركات وادي السيليكون التكنولوجية مثل OpenAI و Anthropic و Google. طالما لا يوجد اختلاف كبير في أداء النماذج نفسها، فمن المستحيل كسب المال في هذا السوق، وفي النهاية سيكون الجميع على نفس المستوى.

لهذا السبب كان لـ DeepSeek R1 أكبر تأثير له ليس في الصين ولكن في الخارج، وخاصة على شركات وادي السيليكون التكنولوجية. بدأ سوق الأسهم الأمريكي يشهد تقلبات عالية ثم انخفاضًا بعد إصدار R1. المنطق الأساسي بسيط: لقد لحقت نماذج وادي السيليكون الكبيرة بالصين. في حين أنها لم تتجاوزها، إلا أن عدم القدرة على توسيع الفجوة جعل من المستحيل دعم مثل هذه التقييمات العالية، مما أدى إلى انخفاض أسعار الأسهم.

بالطبع، هناك طريقة أخرى لسوق To B لجذب العملاء: المصدر المفتوح. تشمل نماذج الربح الأساسية للمصدر المفتوح توفير وظائف مدفوعة الأجر، والاستضافة السحابية، وخدمات ذات قيمة مضافة مثل الاستشارات والتدريب على مستوى المؤسسات استنادًا إلى تكنولوجيا المصدر المفتوح.

التأثير المباشر الأكبر للنماذج الكبيرة ذات المصدر المفتوح هو تعزيز تعميم التكنولوجيا. صرحت Zhang Sensen بأن المصدر المفتوح لـ DeepSeek قد سرع بشكل كبير من تطبيق الشركات للنماذج الكبيرة. الإدارة العليا تدعم بشدة تطبيق النماذج الكبيرة. نظرًا لأن النماذج الكبيرة تعمل بشكل جيد في التطبيقات العملية، خاصة في تقليل التدخل البشري وزيادة الكفاءة، فسيستمر الدعم في الزيادة.

لطالما كان لدى الصناعة المالية، باعتبارها الصناعة ذات أفضل جودة للبيانات، تراكم تقني غني في الذكاء الاصطناعي ويمكنها مواكبة ذلك بسرعة. بغض النظر عن DeepSeek، ستنفذ الشؤون المالية تكنولوجيا الذكاء الاصطناعي. ومع ذلك، مع DeepSeek، لن يمكّن الذكاء الاصطناعي الشركات الأساسية في الصناعة المالية فحسب، بل سيستخدم أيضًا في مهام العمليات اليومية والعمليات التي كان من الصعب القيام بها سابقًا.

كانت العمليات مكلفة للغاية. على سبيل المثال، تطلب تحليل السبب الجذري سابقًا مراقبة العمليات التقليدية و AIOps، بالإضافة إلى تدريب نماذج صغيرة. الآن، يمكن استخدام DeepSeek جنبًا إلى جنب مع قواعد المعرفة لإنشاء خطط تطبيق للتعامل مع المراقبة والإنذارات والتحليل بالخدمة الذاتية وإمكانية التتبع والمعالجة الآلية وتحسين الاستقرار، وهو أكثر مرونة من AIOps.

بالإضافة إلى ذلك، أصبح تغطية الذكاء الاصطناعي للعمليات أوسع، مع مراعاة أكبر للتفاعل والمبادرة. تعني المبادرة السماح للذكاء الاصطناعي بتنفيذ العمليات بشكل استباقي. بالتحول من الاعتماد على القواعد أو البشر أو حتى الخبرة الشخصية، حيث حدد مستوى الخبرة البشرية مستوى قدرات العمليات، يمكن الآن استخدام نماذج الذكاء الاصطناعي الأخف لتحقيق ذلك مباشرة.

على الرغم من أن معدل الهلوسة في DeepSeek لا يزال مرتفعًا، حتى أنه لا يختلف اختلافًا كبيرًا عن النماذج المماثلة الأخرى، إلا أن قدراته في الاستدلال والتطبيق العملي يمكن أن تعوض الآثار السلبية للهلوسة. سيتم تحسين هذه المشكلة تدريجيًا من خلال الضبط الدقيق والتحسين باستخدام RAG والتقنيات الأخرى ذات الصلة.

يعتقد خبير تكنولوجيا النموذج الكبير في Alibaba Gao Peng أن تأثير DeepSeek يختلف بالنسبة للشركات الكبيرة والصغيرة:

لطالما كانت النماذج الكبيرة المستخدمة داخليًا من قبل Alibaba هي الأكثر تقدمًا في الصناعة، لذلك لم يكن لظهور DeepSeek تأثير كبير. تستخدم Alibaba DeepSeek لتقييم الأداء والمقارنة، مما يوفر المزيد من الإلهام التقني. تنفيذ DeepSeek في Reasoning سريع نسبيًا، والتفاصيل الفنية أكثر شيوعًا. تأثر DeepSeek أيضًا بـ Qianwen.

في المقابل، يكون لـ DeepSeek تأثير أكبر على الشركات الصغيرة والمتوسطة الحجم، حيث لم يكن هناك سابقًا نموذج يمكنه تحقيق تأثير DeepSeek مع توفير نشر خاص ومنخفض التكلفة. بعد إصدار DeepSeek، ظهرت العديد من الشركات التي تبيع أجهزة متكاملة DeepSeek. ومع ذلك، فإن DeepSeek ليس الأرخص مقارنة بالعديد من الأجهزة المتكاملة ذات النماذج المفتوحة المصدر، اعتمادًا على المعايير المحددة.

على أي حال، فإن النموذج المحلي الكبير ذي المصدر المفتوح يزدهر الآن ويمكنه المنافسة عالميًا. ومع ذلك، استنادًا إلى تنفيذ Ping An Insurance للنماذج الكبيرة، تعتقد Zhang Sensen أن النماذج الكبيرة ذات المصدر المفتوح لا تزال لديها قيود لا يمكن التغلب عليها:

بالنسبة لنا، فإن DeepSeek يتمتع بشكل أساسي بميزة تكلفة كبيرة. من حيث القدرات، قد يكون أفضل من النماذج الأخرى في سيناريوهات العمليات من حيث الاستدلال والقدرة على التعميم والفهم السياقي. ومع ذلك، فإن DeepSeek لا يعمل بشكل جيد في سيناريوهات أكثر تعقيدًا مثل التحكم في المخاطر المالية. وذلك لأنه يلزم إجراء ضبط دقيق أو حتى تحسين أكثر تفصيلاً بالتزامن مع النماذج الأخرى. لذلك، هناك حاجة إلى ضبط دقيق مستهدف بناءً على سيناريوهات تطبيق محددة لزيادة تحسين أداء النموذج.

تنقسم النماذج الكبيرة المطورة ذاتيًا في Ping An إلى طبقتين: النموذج الكبير الأساسي الأساسي ونماذج المجال المسؤولة عن الخدمات المصرفية والتأمين والشركات الأخرى. تعمل النماذج الكبيرة المستخدمة داخليًا بشكل أفضل من DeepSeek في مجال المعرفة المهنية، خاصة في مجالات محددة مثل الشؤون المالية والطب، حيث تكون النماذج أكثر دقة. ومع ذلك، لا يزال لدى DeepSeek ميزة قوية في القدرة على الاستدلال. في بعض السيناريوهات، نريد استخدام DeepSeek لمحاولة صغيرة لمعرفة ما إذا كان يمكن تشغيلها.

لا يوجد اختلاف كبير بين Alibaba Qianwen و Baidu Wenxin و Zhipu ChatGLM و DeepSeek في هذا الصدد. يستند الحكم إلى حقيقة أن هذه النماذج لا تختلف اختلافًا كبيرًا عن DeepSeek في القدرة على الاستدلال وهيكل قاعدة المعرفة.

بشكل عام، فإن تأثير النماذج الكبيرة ذات المصدر المفتوح محدود حاليًا، ووتيرة المنافسة بينها شديدة.

مخاطر سوق To C

في حين أن المنافسة شرسة في سوق To B، فإن هذا لا يعني أن طريق To C يوفر المزيد من الأمل.

المنافسة في سوق To C للنماذج الكبيرة شرسة للغاية أيضًا، لكنها تختلف تمامًا عن سوق To B.

يتغير المشهد السوقي باستمرار.

صعوبة تحقيق الدخل من To C.

التطبيقات الأكثر شيوعًا لا تولد بالضرورة أكبر قدر من الإيرادات. على سبيل المثال، لدى ChatGPT أعلى الإيرادات، لكن OpenAI لا تزال تخسر 5 مليارات دولار سنويًا، في حين أن العديد من تطبيقات ‘التقليد’ لـ ChatGPT من المحتمل أن تكون قد حققت ربحية سريعة؛ بعد أن أصبح DeepSeek شائعًا، جاء المقلدون والمزورون بأعداد كبيرة.

إن مراقبة وضع ‘النمور الصغيرة’ من سوق C-end ليس متفائلاً أيضًا. تعتقد اتصالات Zhiwei مع خبراء الصناعة بشكل عام أن الشركات المصنعة الكبيرة ستجلب ضغطًا كبيرًا على البقاء.

صرح جيانغ شاو بأن أفضل أداء لـ ‘النمور الصغيرة’ في سوق المستهلك هو Kimi من Moonshot AI. ولكن الآن، يحتل Yuanbao من Tencent المرتبة الأولى، ويحتل DeepSeek المرتبة الثانية، ويحتل Doubao المرتبة الثالثة. تحتل الشركات الثلاث الأولى تقريبًا معظم حصة السوق. اكتسب Yuanbao من Tencent عددًا كبيرًا من حركة مرور العملاء بمساعدة نظام WeChat البيئي، بينما برز DeepSeek بابتكاره التكنولوجي وأدائه الممتاز في سيناريوهات متعددة.

صرح ليانغ هي بأن تكنولوجيا النموذج الكبير لـ Kimi لا تختلف كثيرًا عن منافسيها، لذلك لا يمكن أن تكون مجانية إلا، مما يجعل من الصعب جدًا على Moonshot التسويق. كتطبيق To C، ليس من الواضح أين يختلف عن Yuanbao و Doubao. علاوة على ذلك، يمكن دعم Doubao من خلال أعمال Byte الأخرى، ويمكن دعم Yuanbao من خلال أعمال Tencent الأخرى. يمكنهم استثمار 100 مليار لدعم هذه التطبيقات.

أضاف جيانغ شاو أن مستخدمي C-end يهتمون أكثر بسهولة استخدام المنتج، وهو ما تتفوق فيه Tencent و Byte. بالطبع، لدى Alibaba أيضًا فرص. تقوم Alibaba باحتضان تطبيق يسمى ‘AI Listening’، والذي يستخدم الذكاء الاصطناعي للدردشة والتفاعل، بهدف استبدال Douyin في منصة الفيديو القصيرة. على الرغم من أن Douyin يجذب عددًا كبيرًا من المبدعين لإنشاء محتوى عالي الجودة، إلا أن تطبيقات الدردشة التي تعمل بالذكاء الاصطناعي لديها القدرة على جذب مجموعات المستخدمين من خلال توفير تجارب أكثر تخصيصًا وتفاعلية. يكمن الفرق بين الاثنين في إنشاء المحتوى والتفاعل. إذا تمكنت Alibaba من تحقيق ذلك، فلديه أيضًا فرصة لقلب الطاولة، ولكن من الصعب معرفة ما إذا كانت Tencent ستحذو حذوها.

فيما يتعلق بـ MiniMax، تختلف آراء الصناعة اختلافًا طفيفًا.

يعتقد ليانغ هي أن Conch AI من MiniMax يحقق حاليًا أرباحًا جيدة. لقد وجدت طريقها الخاص، ولكن ليس من المعروف بعد ما إذا كان هذا المسار سيسمح لـ MiniMax بزيادة تقييمها بدرجة كافية. نظرًا لتوجهها التطبيقي، فإن MiniMax أكثر استرخاءً بعد ظهور DeepSeek. إذا استخدموا نماذج DeepSeek، فسيوفر تكاليف البحث والتطوير للنموذج، ويمكن أن تستمر تطبيقاته في جني الأموال، بل وأكثر.

يعتقد جيانغ شاو أن لدى MiniMax فرصة إذا تمكنت من إنشاء تطبيق شائع لاحقًا، ولكن قد تتجاوزه Alibaba وتصنع تطبيقًا شائعًا أولاً، لذلك حتى إذا كان لدى MiniMax فرصة، فإن الاحتمالية ليست عالية.

في النهاية، لا يزال تمايز المنتجات هو نقطة الاختراق لتطبيقات C-end.

وفقًا لأحدث تقرير a16z ‘أفضل 100 تطبيق Gen AI للمستهلكين’، تحقق العديد من التطبيقات منخفضة الاستخدام في الواقع إيرادات أفضل. بعض المنتجات ذات التنوع الضعيف، مثل تحديد النباتات والتغذية، تجذب المستخدمين الذين يدفعون أكثر من المنتجات العامة.

من الصعب التمييز بين منتجات الذكاء الاصطناعي العامة. لدى المستخدمين رغبة منخفضة في الدفع، ودورة الربح طويلة، لذلك لا يمكنهم البقاء على قيد الحياة للشركات الكبيرة.

وإذا لم يكن التمايز عميقًا بدرجة كافية رأسيًا، فمن السهل أيضًا استيعابه من خلال النموذج الكبير الأساسي من خلال ترقيات القدرة. على سبيل المثال، جلبت قدرات إنشاء الصور الأخيرة لـ GPT-4o ضربة تقليل الأبعاد للشركات الناشئة في مجال تحويل النص إلى صورة مثل Midjourney. غالبًا ما تكون قدرة التغطية هذه عشوائية ولا يمكن التنبؤ بها، كما يقول المثل، ‘تدميرك لا علاقة له بك.’

إن التقليد على مستوى البكسل للمنافسين والترقية السريعة للنماذج الكبيرة الأساسية تجعل مشهد الشركات الناشئة في مجال الذكاء الاصطناعي C-end دائمًا ما يتم الحفاظ عليه لفترة قصيرة فقط.

أما بالنسبة لكيفية الاستيلاء على الاحتمالية المنخفضة للغاية لكي تصبح ناجحة، يعتقد خبراء الصناعة بالإجماع أنه ‘لا توجد بالأساس خبرة يمكن اتباعها.’

لقد دخلت ‘النمور الصغيرة’ في مأزق اليوم، ويرجع ذلك إلى حد كبير إلى أنها استثمرت الكثير في النموذج الكبير الأساسي وقللت من شأن القوى العاملة والموارد المالية والموارد المادية اللازمة للبقاء والتميز في هذا المسار، مما أدى إلى صعوبة التمييز في مسار التطبيق.

الآن، أصبحت ‘النمور الصغيرة’ أقل تصميمًا على مهاجمة AGI، وقد صرح Li Kaifu علنًا بأنه لن يتبقى سوى DeepSeek و Ali و Byte في النموذج الكبير الأساسي المحلي.

في هذا الصدد، يتفق خبراء الصناعة الذين تواصلوا مع Zhiwei بشكل أساسي مع هذا الرأي.

قال جيانغ شاو إن الشركات الناشئة في مجال الذكاء الاصطناعي التي لا تزال تواصل العمل الجاد في تكنولوجيا النموذج الكبير يجب أن تموت بشكل أساسي. الأكثر وعدًا هو بالتأكيد DeepSeek، والثاني هو Alibaba، والثالث هو ByteDance. من المتوقع أن يحصل المركز الأول على 50٪ -80٪ من حركة المرور، وقد يحصل الأخيران على 10٪ من حركة المرور. يكمن جوهر الأمر في من يصنع AGI أولاً، ومن هو الفائز النهائي.

تعتبر DeepSeek حاليًا الأكثر تنافسية في مجال النماذج الكبيرة، وابتكارها التكنولوجي وأدائها في التطبيقات العملية لا تشوبه شائبة. تتمتع Alibaba و ByteDance أيضًا بقدرة تنافسية قوية، خاصة في التطبيقات عبر الأنظمة الأساسية وموارد البيانات. يعتمد الترتيب بشكل أساسي على قدرات الابتكار لكل شركة في التكنولوجيا الأساسية وقوة الحوسبة وموارد البيانات والتطبيقات العملية.

يؤمن فريقا Zhipu و Kimi إيمانًا راسخًا بأن الاستمرار في تعزيز قدرات النموذج الأساسي هو المستقبل. في المقابل، أعتقد أنه مع التغيرات في طلب السوق وتنويع سيناريوهات التطبيق، قد يكون مسار مجرد تعزيز النموذج الأساسي محدودًا، وقد تكون مسارات تطوير النماذج الأكثر مرونة وقدرة على التكيف أكثر تنافسية في السوق.

المنافسة في تكنولوجيا النموذج الكبير شرسة للغاية، ويجب أن يكون للشركات ذات الاستثمارات الضخمة في النهاية اختراقات واضحة في الابتكار وقوة الحوسبة والبيانات والتحسين للحفاظ على القدرة التنافسية. سيتم القضاء تدريجيًا على الشركات الأخرى التي تفشل في مواكبة التقدم التكنولوجي أو غير قادرة على مواجهة طلب السوق.

قال ليانغ هي إنه لن يتبقى سوى DeepSeek و Ali و Byte فيشركة النموذج الكبير الأساسي المحلي في المستقبل، بناءً على حقيقة أن هؤلاء الثلاثة لديهم القوة والتصميم على استثمار موارد فائقة في البحث والتطوير. بالنسبة إلى Byte، من المستحيل تفويت فرصة النماذج الكبيرة، وإلا سيكون لها تأثير كبير على أدائها العام. ولن يكون لتكنولوجيا DeepSeek الكثير من الحواجز لـ Byte، لكن DeepSeek يتمتع حاليًا بميزة أكبر في كفاءة البحث والتطوير. نموذج Alibaba Qianwen مفتوح المصدر نفسه على مستوى عالٍ. قبل أن يصبح DeepSeek شائعًا، كان Qianwen و Llama يتنافسان بشكل أساسي مع بعضهما البعض. بالنسبة إلى Alibaba، قد لا يجني نموذج Qianwen أموالًا، ولكن يمكن لأعمال السحابة ذات الصلة أن تجني الأموال، و Byte متشابه، ويمكن أن تستمر في استخدام تكنولوجيا النموذج الكبير لتحسين تجربة Douyin والتطبيقات الأخرى باستمرار. بالنسبة للشركات الناشئة في مجال الذكاء الاصطناعي، إذا لم يجني النموذج نفسه أموالًا، فإنه يمس جذر البقاء على قيد الحياة.

قال Wang Wenguang إن ميزة DeepSeek تكمن بشكل أساسي في المثالية التكنولوجية. في غضون شهرين أو ثلاثة أشهر قبل وبعد عيد الربيع، كانت حركة المرور في DeepSeek ضخمة. إذا أرادت تسويقها، فستصل قريبًا إلى القمة في العالم، ولن يكون للنماذج الكبيرة الأخرى مثل Doubao أي فرصة على الإطلاق. طالما أن DeepSeek لا يفتح المصدر لطرق التحسين المتعلقة بالبنية التحتية في أسبوع المصدر المفتوح الأخير، فيمكنه الاعتماد على ذلك لكسب المال في المستقبل، بحيث لا تتاح للآخرين أي فرصة. لم يتم تمويل DeepSeek ولا يحتاج إلى التأثر بالمستثمرين. المثالية التكنولوجية والموهبة هما أكبر الحواجز. بالمقارنة مع OpenAI، فإن النتائج التي يمكن أن تراها OpenAI الآن هي بشكل أساسي نتائج البحث قبل الخلاف بين Altman و Ilya. على الأقل تم تحديد نقاط الابتكار. الآن، بعد رحيل الفريق الأصلي من المثاليين، لم يعد لدى OpenAI نفسها أي ابتكار تقريبًا. حاليًا، ابتكار OpenAI أكثر على مستوى التطبيق، مثل Deep Research. لا توجد حواجز للابتكار على مستوى التطبيق، لذلك يجب أن تتنافس مع المنافسين.

قال Wang Mu، خبير تكنولوجيا الذكاء الاصطناعي في المصنع الكبير، لـ Zhiwei أنه ما لم يكن هناك أموال وموهبة وأجهزة، فلا داعي لإضاعة الجهد في التدريب المسبق للنماذج الكبيرة. كان لدى DeepSeek مجموعة من 10000 بطاقة في وقت مبكر من عام 2021 ولا تفتقر إلى المال. في المقابل، بالكاد يمكن للشركات الصغيرة والمتوسطة الأخرى تجميع هذا الشرط.

صرح Gao Peng بأن الشركات الناشئة في مجال الذكاء الاصطناعي تريد البقاء على قيد الحياة، ولا يزال يتعين عليها التحول إلى التطبيقات. لقد اعتقدت ذلك قبل عام أو عامين، والآن قد فات الأوان للتحول. الدفعة الأولى من شركات الذكاء الاصطناعي التي سيتم القضاء عليها بعد ذلك ستكون تلك التي تصنع نماذج كبيرة أساسية. يحتوي تدريب النماذج الكبيرة بالفعل على الكثير من التفاصيل المعقدة ويعتمد بشكل كبير على تراكم الخبرة. التفاصيل الداخلية لهندسة Transformer مفهومة بشكل عام جيدًا، ولكن أوراق النماذج مفتوحة المصدر أو مغلقة المصدر لا تخبرك بشكل أساسي كيف يتم إعداد البيانات، وما هي تفاصيل البيانات، وما هو حجم البيانات، وما مدى جودة جودة البيانات. لا يوجد معيار موحد في الصناعة.

لطالما كانت المصادر المفتوحة نصف المفتوحة ممارسة نموذجية في مسار النموذج الكبير. حاليًا، هناك عدد قليل جدًا من النماذج الكبيرة التي ستكشف بالكامل عن الشفرة والأوزان ومجموعات البيانات وعملية التدريب. الأكثر شهرة هي OLMo و BLOOM وما إلى ذلك.

ولكن حتى إذا كان التحول إلى التطبيقات يمكن أن يبقى على قيد الحياة؟ من التحليل السابق لمسار To B ومسار To C، يكاد يكون من المستحيل على الشركات الناشئة في مجال الذكاء الاصطناعي تكوين حواجز صناعية خاصة بها في التطبيقات. في هذا الصدد، صرح Gao Peng بأن مفتاح تكوين حواجز صناعية خاصة بك يكمن في البيانات التي لديك. يمكن لأي شخص استخدام النماذج. تنقسم البيانات إلى جانبين: أحدهما هو تجربة رائد الأعمال الميدانية، والآخر هو البيانات الموجودة في متناول اليد.

من منظور ثقافة الشركات، يعتقد Gao Peng أن البحث والتطوير للنماذج الكبيرة الأساسية يتطلب روح العمل التجريبي والهندسي الشاق. ‘لفترة طويلة قبل ذلك، كانت العديد من الشركات الناشئة المحلية في مجال الذكاء الاصطناعي عالية المستوى للغاية. عند القيام بالتكنولوجيا، يجب عليك أولاً القيام بها بطريقة منخفضة المستوى ثم الترويج