في عالم يتسم بنقص الرقائق الإلكترونية على مستوى العالم، تبرز الرقائق في الصين كحالة غريبة. ففي الوقت الذي تعاني فيه العديد من الدول من نقص في الإمدادات، تشهد الصين فائضًا في إنتاج الرقائق الإلكترونية. هذا الفائض يطرح تساؤلات حول استراتيجيات الصين الصناعية وقدرتها على تحقيق الاكتفاء الذاتي في مجال التكنولوجيا المتقدمة.
في عام 2024، واجهت الصين وضعًا معقدًا فيما يتعلق برقائق الذكاء الاصطناعي: فائض في الإنتاج في بعض المناطق، بينما تعاني في الوقت نفسه من نقص في القدرات الحاسوبية عالية الجودة اللازمة لتطوير الذكاء الاصطناعي المتقدم.
هذا التناقض ليس مجرد خلل فني أو نتيجة ثانوية للمناورات الجيوسياسية — إنها قصة إنسانية عميقة عن الطموح، الارتجال، والعواقب غير المقصودة لذهبية البحث عن الذهب.
لنبدأ بصورة: مناظر طبيعية شاسعة لمراكز بيانات خاملة في جميع أنحاء الصين، مليئة ببعض وحدات معالجة الرسومات (GPUs) الأكثر تقدمًا في العالم، تنتظر هدفًا. في الوقت نفسه، تدعي شركة DeepSeek، التي أحدثت ضجة مع اختراقاتها الأخيرة، أنها تعاني من نقص في القدرات الحاسوبية — مما يعيقها عن بناء الجيل التالي من نماذج الذكاء الاصطناعي. كيف يمكن أن يكون كلا الأمرين صحيحًا؟
لفهم هذا، نحتاج إلى النظر إلى الماضي القريب. عندما فرضت الولايات المتحدة قيودًا على وصول الصين إلى رقائق الذكاء الاصطناعي المتطورة، كانت استجابة الشركات الصينية والحكومات المحلية وعمالقة الاتصالات المدعومين من الدولة سريعة ومتوقعة: التخزين. لقد فعلوا ما يفعله البشر دائمًا عند مواجهة الندرة — قاموا بتخزين الرقائق. اشتروا رقائق Nvidia، وبنوا مراكز بيانات للذكاء الاصطناعي، وأنشأوا مجموعات حاسوبية ضخمة تحسبًا للطلب المستقبلي. في الوقت نفسه، يواصل المشترون الصينيون التحايل على ضوابط التصدير الأمريكية لطلب أحدث رقائق الذكاء الاصطناعي من Nvidia، بما في ذلك سلسلة Blackwell الجديدة، من خلال أطراف ثالثة في المناطق المجاورة. ولكن في اندفاعهم للاستعداد لمستقبل مدفوع بالذكاء الاصطناعي، فشل الكثيرون في طرح سؤال أساسي: ماذا سنفعل بالضبط بكل هذه القدرات الحاسوبية؟
مشكلة عدم الكفاءة
التفسير الأول لهذا التناقض هو لوجستي. أضافت الصين ما لا يقل عن مليون رقاقة ذكاء اصطناعي في عام 2024 إلى قدراتها الحاسوبية. بينما يعد هذا رقمًا كبيرًا، من المهم ملاحظة أن الولايات المتحدة لديها عدة أضعاف هذا العدد من الرقائق قيد التشغيل. ولكن الرقائق الصينية لم تُنشر بكفاءة. بدلاً من ذلك، تم توزيعها عبر مراكز بيانات ذات جودة متفاوتة، غالبًا في مواقع ذات طلب محدود. قامت الشركات والحكومات، التي كانت حريصة على المشاركة في طفرة الذكاء الاصطناعي، ببناء البنية التحتية دون استراتيجية واضحة، مما أدى إلى وفرة مما يمكن تسميته “القدرات الحاسوبية منخفضة الجودة”.
تخيل عالمًا يشترى فيه ملايين الأشخاص بيانوًا باهظ الثمن، معتقدين أنهم سيتمكنون يومًا ما من العزف. ولكن بدلاً من وضعها في قاعات الحفلات الموسيقية أو المعاهد الموسيقية، يتم تخزينها في وحدات تخزين صغيرة سيئة الصيانة. البيانو موجود، لكن إمكاناته غير محققة. هذا، في جوهره، ما حدث في نظام الذكاء الاصطناعي الصيني.
مشكلة الطلب قصير المدى مقابل طويل المدى
التفسير الثاني يكمن في التوقيت. في عام 2023، كان هناك اندفاع لتطوير نماذج أساسية — أنظمة الذكاء الاصطناعي الضخمة التي تدعم كل شيء من روبوتات الدردشة إلى المصانع الآلية. ولكن في عام 2024، توقفت العديد من هذه الجهود. تخلت بعض الشركات، مدركة أنها تفتقر إلى الموارد للمنافسة. وتحولت أخرى إلى تطبيقات الذكاء الاصطناعي بدلاً من البحث الأساسي في الذكاء الاصطناعي. نتيجة لذلك، انخفض الطلب على تدريب النماذج — وهي المهمة الأكثر استهلاكًا للحوسبة في الذكاء الاصطناعي.
في الوقت نفسه، بدأ الطلب على الاستدلال — عملية تشغيل نماذج الذكاء الاصطناعي على البيانات المدربة — في الارتفاع. لكن الاستدلال يتطلب نوعًا مختلفًا من البنية التحتية. التدريب يشبه الماراثون الذي يتطلب مجموعات حاسوبية ضخمة ومركزية. أما الاستدلال فهو أشبه برقصة معقدة، حيث يتم نشر نماذج الذكاء الاصطناعي عبر بيئات متعددة، من الهواتف الذكية إلى أرضيات المصانع. البنية التحتية التي بنتها الصين في عام 2023 كانت مصممة للتدريب. في عام 2024، تحول السوق، تاركًا فائضًا في قدرات التدريب ونقصًا في قدرات الاستدلال.
مجموعات الذكاء الاصطناعي “المزيفة”
عامل آخر معقد هو ظاهرة المجموعات “المزيفة” و”شبه المزيفة” التي تحتوي على 10,000 وحدة معالجة رسومات. اشترت بعض الشركات ما يكفي من وحدات المعالجة الرسومات لتشكيل مركز حوسبة ذكاء اصطناعي واسع النطاق نظريًا، ولكنها نشرتها بعد ذلك في مراكز بيانات صغيرة ومنفصلة. بدون شبكات عالية السرعة وهندسة البرمجيات المناسبة، لم تتمكن هذه الرقائق من العمل كنظام موحد حقيقي.
هذه حالة كلاسيكية من الخلط بين التراكم والقدرة. امتلاك آلاف وحدات المعالجة الرسومات لا يترجم تلقائيًا إلى أبحاث ذكاء اصطناعي تنافسية، تمامًا كما أن شراء مائة سيارة فيراري لا يجعل المرء فريق سباق عالمي المستوى. العديد من مجموعات الذكاء الاصطناعي الصينية موجودة كأصول مالية أكثر من كونها أدوات بحثية وظيفية.
تصحيح الحكومة للمسار
لم تكن الحكومة الصينية عمياء عن هذه الاختلالات. ردًا على ذلك، بدأت في تقييد بناء مراكز بيانات جديدة إلا إذا استوفت معايير محددة للموقع والبنية التحتية. كما شجعت الحوسبة السحابية، دافعة الشركات إلى مشاركة القدرات الحاسوبية بدلاً من تخزين مجموعات وحدات المعالجة الرسومات الخاصة. من الناحية النظرية، يجب أن تساعد هذه الخطوات في تصحيح الاختلال من خلال تركيز الموارد الحاسوبية عالية الجودة وجعلها متاحة للباحثين في الذكاء الاصطناعي الذين يحتاجونها بالفعل.
لكن السؤال الحقيقي هو: هل أي من هذا يهم على المدى الطويل؟
السابقة التاريخية
فكر في حالة طفرة السكك الحديدية الأمريكية في القرن التاسع عشر. في اندفاعها للتصنيع، قامت الشركات ببناء مسارات في كل مكان، غالبًا دون مراعاة الطلب الفعلي. أصبحت بعض هذه السكك الحديدية عديمة الفائدة، مجرد آثار للمضاربة. ومع ذلك، وجدت أخرى غرضها مع نمو الصناعات والمدن حولها. بمرور الوقت، أدت الفوضى الأولية إلى نظام أكثر كفاءة.
من المحتمل أن يحدث الشيء نفسه مع البنية التحتية للذكاء الاصطناعي في الصين. قد يكون الفائض الحالي هو أساس الاختراقات المستقبلية. بينما يتم إهدار العديد من وحدات المعالجة الرسومات الخاملة حاليًا، فإنها تمثل استثمارًا في مستقبل تكون فيه تطبيقات الذكاء الاصطناعي موجودة في كل مكان. الشركات التي تتكيف — من خلال توحيد الموارد الحاسوبية، والتحول إلى الاستدلال، وتحسين استراتيجيات النشر — ستظهر أقوى. أما تلك التي لا تفعل ذلك فستصبح مجرد حواشي في تاريخ صعود الذكاء الاصطناعي الصيني.
الخلاصة
بينما يُعد إنجاز DeepSeek مهمًا، من المهم ملاحظة أن الوصول إلى الرقائق المتقدمة يظل أمرًا بالغ الأهمية لتطوير الذكاء الاصطناعي على المدى الطويل. كما لاحظ أحد الخبراء: “إذا تطلب تدريب النماذج من الجيل التالي 100,000 رقاقة، فإن ضوابط التصدير ستؤثر بشكل كبير على تطوير النماذج المتطورة في الصين.” يستمر مشهد الذكاء الاصطناعي في التطور بسرعة، وسيلعب كل من تحسين الكفاءة والوصول إلى الأجهزة المتقدمة أدوارًا حاسمة في تشكيل مستقبل تطوير الذكاء الاصطناعي عالميًا.