اندفاعة الصين في نماذج AI مفتوحة المصدر تختبر نهج النماذج المغلقة

مختبرات AI الصينية تراهن على الإصدارات المفتوحة

تتعامل مختبرات AI الصينية مع إصدارات النماذج مفتوحة المصدر كطريق استراتيجي إلى منظومة المطورين العالمية. وصف Tiezhen Wang، المسؤول السابق عن منظومة Asia-Pacific في Hugging Face، الانقسام بأنه لا يتعلق فقط بسباق مباشر بين U.S. وChina، بل بحوافز هندسية مختلفة حول الوصول إلى النماذج.

الفارق الأساسي واضح. تحتفظ OpenAI وAnthropic بشيفرة النماذج المملوكة خلف واجهات تجارية، بينما تطلق مختبرات صينية نماذج يمكن للمطورين فحصها وتخصيصها وتشغيلها من دون الاعتماد بالكامل على منصة أجنبية. وقال Wang إن إصدارات المختبرات الصينية مفيدة بالفعل لباحثين في U.S.، بما في ذلك عمل DeepSeek في تدريب التعلم المعزز وتشغيل أوزان صينية مفتوحة على عتاد U.S.

سؤال تحقيق الإيرادات لم يحسم بعد

لا تزيل الإصدارات المفتوحة مشكلة الأعمال. قال Wang إن المختبرات قد تجد صعوبة في جني المال مباشرة من النموذج بعد إطلاقه، لكنها تستطيع بناء إيرادات حول البنية التحتية والاشتراكات وواجهات application programming interfaces والنماذج الأساسية التي تبقيها خاصة.

كانت Kimi مثاله على هذا الفصل. أطلقت الشركة نموذجا مجانا، لكن الطلب بقي قويا على واجهتها واشتراكها لأن المستخدمين يحتاجون إلى بنية تحتية موثوقة. وقال Wang أيضا إن المختبر يستطيع فتح نموذج مضبوط بدقة مع إبقاء النماذج الأساسية خاصة للبيع التجاري.

يعطي هذا النموذج مختبرات المصدر المفتوح نفوذا من نوع مختلف. تأتي الأفضلية الأولى في day zero، عندما يكون فريق البحث الذي أطلق النموذج هو الأقدر على تشغيله. وتأتي الأفضلية الثانية من السمعة: فالنماذج العامة القوية تساعد المختبرات الجديدة على جذب الباحثين والظهور أمام المطورين قبل امتلاك منتج مدفوع ناضج.

التراخيص تصبح طبقة التحكم

أصبحت استراتيجية المصدر المفتوح أكثر انتقائية أيضا. أشار Wang إلى أن Minimax غيرت ترخيصها بحيث يدفع المستخدمون التجاريون الذين يجنون المال من النموذج. لم تكن مخاوفه من المطورين الأفراد الذين يستخدمون النموذج مجانا، بل من مزودي السحابة الذين يشغلونه للربح من دون مشاركة القيمة مع المختبر الذي أنشأه.

يهم هذا التحول في الترخيص لأنه يوفر مسارا وسطا بين النماذج المغلقة بالكامل والاستخدام المجاني غير المقيد. يستطيع المختبر الحفاظ على وصول المطورين مع مطالبة شركات البنية التحتية المدرة للإيرادات بالمساهمة. وإذا لم تجد المختبرات الصينية هذا التوازن، حذر Wang من أن ضغط تحقيق الإيرادات قد يدفع المزيد منها نحو استراتيجيات مغلقة.

تمثل أسواق رأس المال خط دعم آخر. أشار Wang إلى أن سعر سهم Zhipu وصل إلى نمو قدره 10 times، معتبرا أن دعم المستثمرين يمكن أن يساعد المختبرات على شراء الحوسبة وجذب المواهب وتأمين البيانات. النقطة ليست أن المصدر المفتوح يمول نفسه تلقائيا، بل أن التمويل يمكن أن يبقي مختبرات النماذج نشطة أثناء بحثها عن إيرادات مستدامة.

تكاليف الرموز ترسم مسار التبني

بالنسبة إلى الشركات الناشئة، وصف Wang مسارا عمليا لا ولاء أيديولوجيا فيه للنماذج المفتوحة أو المغلقة. قد تبدأ الشركة بنموذج مغلق يناسب المنتج، وتجمع مستخدمين وبيانات، ثم تدرس لاحقا الانتقال إلى نموذج مفتوح المصدر لخفض تكلفة الرموز.

قال إن هذه الخطوة يمكن أن توفر في النهاية ربما a hundred times على الرموز. يعكس هذا الادعاء الضغط التشغيلي خلف نقاش المصدر المفتوح: الوصول إلى النموذج ليس تفضيلا بحثيا فقط، بل هيكل تكلفة يؤثر في قدرة المنتجات على التوسع.

وقارن Wang أيضا بين أنماط التبني في U.S. وChina. وقال إن Uber استهلكت مخصصات عام كامل من الرموز خلال four months، بينما تدفع شركات الإنترنت الصينية الموظفين إلى استخدام أحجام كبيرة من الرموز لأن النماذج المحلية المفتوحة أرخص في التشغيل.

ما يجب مراقبته لاحقا

نقطة المتابعة التالية هي ما إذا كانت المختبرات الصينية ستواصل إطلاق نماذج مفيدة مع تشديد الترخيص التجاري لمزودي السحابة. إذا نجح هذا التوازن، سيحصل المطورون على خيارات نماذج أوسع وستحصل المختبرات على طريق للإيرادات. وإذا فشل، فقد تحتفظ أقوى المختبرات بمزيد من العمل خلف واجهات مدفوعة.

بالنسبة إلى مشتري AI في المؤسسات، الاختبار العملي أضيق: هل تستطيع النماذج المفتوحة خفض تكاليف الرموز من دون خلق مخاطر جديدة حول الدعم والحوكمة والملكية الفكرية والموثوقية التشغيلية. تترك تصريحات Wang مقياسا واضحا للمتابعة: هل تتجاوز النماذج الصينية المفتوحة الأرخص عتبة استخدامها في المنتجات اليومية، لا في التجارب البحثية فقط.