كيف تبني «زيبو» وBAAI وAISI الجيل المقبل من منظومة الذكاء الاصطناعي في الصين؟

كما أن إتاحة أوزان النموذج قد توسع نطاق الاختبار الخارجي والتطوير اللاحق، في حين تساعد الخدمات التجارية على تمويل مواصلة العمل على النماذج والبنية التحتية.

وهنا تظهر نقطة استراتيجية مهمة: الاستقلال التقني لا يعني امتلاك أوزان النموذج فحسب. بل يتطلب أيضاً أنظمة التدريب والاستدلال، وخطوط معالجة البيانات، وأساليب ما بعد التدريب، وأطر الوكلاء، وقنوات الوصول إلى المطورين، وإمكانية موثوقة للوصول إلى الحوسبة.

ويصبح النموذج أكثر قدرة على الصمود استراتيجياً عندما تنشأ حوله منظومة تمتد عبر هذه الطبقات كلها.

BAAI: جسر بحثي مفتوح نحو الذكاء المتجسد

انتقلت BAAI، التي تُعرف بالعربية بأكاديمية بكين للذكاء الاصطناعي، من أعمالها في نماذج WuDao الأساسية إلى عائلة WuJie التي تشمل أبحاثاً في النماذج متعددة الوسائط ونماذج العالم والذكاء الاصطناعي المتجسد.

وتصف تقارير مؤتمرات حديثة نموذج WuJie·Physis بأنه نموذج لعالم فيزيائي كامن، بينما يجري تطوير WuJie·RoboBrain Orca كنظام متجسد يربط بين الاستدلال اللغوي والتنبؤ البصري واتخاذ قرارات الحركة.

وتكتسب هذه الأبحاث أهمية لأن التعامل مع العالم المادي يتطلب قدرات لا توفرها النماذج النصية وحدها. فالروبوت يحتاج إلى الإدراك والتنبؤ والتخطيط والتحكم، كما يجب أن يعمل في ظروف فيزيائية متغيرة. وتحاول نماذج العالم والأنظمة المتجسدة تمثيل هذه البيئات والتصرف داخلها، لا الاكتفاء بوصفها بالكلمات.

ولا يقتصر دور BAAI على البحث التقني، بل يمتد إلى بناء المؤسسات. فبرنامجها يركز على النماذج مفتوحة المصدر، والوكلاء، ومنظومات البرمجيات والأجهزة الأساسية، والتعاون بين الجامعات ومراكز البحث والصناعة.

ووفقاً لما أُعلن في مؤتمر BAAI لعام 2026، أتاحت الأكاديمية أكثر من 200 نموذج للعموم كمصدر مفتوح، وتجاوز إجمالي التنزيلات عالمياً مليار تنزيل. وهذه الأرقام نقلها منظمو المؤتمر، ولذلك ينبغي قراءتها كمؤشرات على الانتشار والتوزيع، لا كمقاييس مباشرة لجودة النماذج.

وتكمن قيمة مؤسسة مثل BAAI داخل المنظومة الصينية في توفير بنية بحثية قابلة لإعادة الاستخدام وقنوات لتدريب المواهب. فالنماذج المفتوحة ومعايير التقييم والأدوات ومنصات الروبوتات يمكن أن تمنح الجامعات والشركات الناشئة والمصنعين نقطة انطلاق مشتركة لأعمال لاحقة.

AISI: تحويل الذكاء الاصطناعي إلى سير عمل علمي وهندسي

تقترب AISI من الذكاء الاصطناعي من زاوية مختلفة. فقد تأسس المعهد في سبتمبر 2021، ويصف مهمته بأنها الجمع بين الذكاء الاصطناعي والبحث العلمي وبناء بنية تحتية للذكاء الاصطناعي من أجل العلوم، أو AI for Science.

ويجمع إطار المعهد المعروف باسم «أربعة جسور وأعمدة متعددة» بين خوارزميات النماذج والبرمجيات، وقواعد البيانات والأنظمة المعرفية العلمية، والتوصيف التجريبي عالي الكفاءة، والبنية التحتية الحاسوبية المتكاملة. والهدف هو نقل البحث العلمي من عمليات متفرقة تشبه «ورش العمل» إلى نموذج أكثر ترابطاً يعتمد على المنصات.

وتقدم منصة Bohrium مثالاً عملياً على هذا التوجه. إذ تُطرح بوصفها بيئة سحابية تربط الأدبيات العلمية والمعرفة والنماذج والحوسبة وتحليل البيانات وسير العمل التجريبي.

ولا يكمن الهدف في أن تنتج الأداة إجابة فحسب، بل في مساعدة الباحث على الانتقال من سؤال علمي إلى محاكاة أو تجربة، ثم إلى بيانات جديدة جرى التحقق منها.

وتبرز أهمية هذه الحلقة المغلقة خصوصاً في علوم المواد والجزيئات. فقد يدعم نموذج ذري كبير مثل DPA4 اكتشاف المواد ومحاكاتها، لكن قيمته العملية تزداد عندما يمكن اختبار تنبؤاته في المختبر، ثم استخدام النتائج التجريبية لتحسين النماذج والبيانات في الدورة التالية.

وذكر تقرير في عام 2026 أن تحديثاً لنموذج DPA4 حلّ أولاً وفق مؤشرات الأداء الشاملة في لوحة تصنيف دولية لاكتشاف المواد، إلا أن تصدر لوحة التقييم وحده لا يثبت الأثر العلمي في العالم الواقعي.

وتقدم أعمال مرتبطة بـAISI في مجال محركات الصواريخ مثالاً أكثر مباشرة على التحقق الفيزيائي. فقد وصفت التقارير سير عمل يمتد من التصميم التوليدي ومحاكاة الاحتراق، إلى التصنيع بالإضافة والقياس والتحكم الآليين، ثم الاختبار. كما أفادت بأن نموذجاً تجريبياً مصغراً أكمل عملية تحقق مغلقة الحلقة.

وتكتسب هذه المشاريع أهميتها لأنها تربط مخرجات الذكاء الاصطناعي بالقيود الهندسية والاختبارات الفيزيائية، بدلاً من التوقف عند معيار برمجي أو نتيجة على منصة مقارنة.

لماذا تتفوق المنظومة على نموذج واحد لامع؟

أداء النماذج الرائدة يتغير بسرعة

قد تتبدل تصنيفات النماذج ومزايا المنتجات خلال فترة قصيرة. لكن مجتمعات المطورين وقواعد البيانات العلمية والمرافق التجريبية والمعايير وخبرة النشر تتراكم على مدى أطول.

وتجعل هذه الأصول تحسينات النماذج المستقبلية أكثر فائدة، وأقل اعتماداً على إطلاق واحد قد يفقد زخمه سريعاً.

المجالات المختلفة تحتاج إلى أشكال مختلفة من الذكاء

لا يواجه وكيل البرمجة المشكلة التقنية نفسها التي يواجهها نظام التحكم في روبوت، أو محاكي الجزيئات، أو نظام تحليل الأدبيات العلمية.

لذلك تستفيد الاستراتيجية الوطنية أو الصناعية من نماذج متخصصة وبنية تحتية مشتركة، بدلاً من مطالبة نظام عام واحد بالقيام بكل شيء على النحو نفسه.

البحث المفتوح يوسع قاعدة الابتكار

تتيح الأوزان والأدوات ومعايير التقييم والمنصات المفتوحة للباحثين والشركات اختبار أعمال بعضهم بعضاً وتكييفها وتوسيعها.

ويمكن للتوجه المفتوح لدى BAAI أن يدعم هذه الطبقة، في حين تحول شركات تجارية مثل Zhipu AI القدرات التقنية إلى منتجات وإيرادات.

التحقق العلمي يصنع حلقة تغذية راجعة أقوى

في مجال الذكاء الاصطناعي للعلوم، قد تكون الأنظمة الأكثر قيمة هي تلك التي تربط التنبؤ بالمحاكاة والتجربة والقياس. وكل نتيجة جرى التحقق منها يمكن أن تحسن البيانات والنماذج المستخدمة في الدورة التالية.

وهذا معيار أكثر صعوبة من إنتاج إجابة تبدو مقنعة، لكنه يفتح في المقابل طريقاً أوضح إلى القيمة الصناعية.

الاستقلال منظومة طبقات لا شعاراً

يعتمد تطوير الذكاء الاصطناعي القادر على مواجهة المخاطر على امتلاك قدرات في الخوارزميات والبرمجيات والبيانات والحوسبة والمواهب والأدوات والنشر.

ويساعد تنويع هذه الطبقات على تقليل الاعتماد على مورد واحد أو نهج تقني واحد، كما يجعل المنظومة أكثر قدرة على الصمود عندما يتراجع أداء نموذج ما أو تتغير القيود الخارجية.

الصورة الاستراتيجية

تحتل Zhipu AI وBAAI وAISI مواقع مختلفة داخل نظام صاعد واحد:

• Zhipu AI توفر الزخم التجاري عبر النماذج العامة وأنظمة البرمجة والوكلاء ومنتجات المطورين.
• BAAI توفر البحث المفتوح والمواهب والنماذج الأساسية ومساراً نحو الذكاء متعدد الوسائط والذكاء المتجسد.
• AISI توفر البنية العلمية التي تربط النماذج بالمعرفة والحوسبة والتجارب والتحقق الهندسي.

ولهذا فإن أهمية هذه الجهات تكمن في تكاملها لا في قابليتها للاستبدال. فـZhipu AI توضح كيف يمكن للنماذج الرائدة أن تتحول إلى منصات. وتوضح BAAI كيف يمكن للبحث المفتوح أن ينشر القدرات عبر مجتمع أوسع. أما AISI فتوضح كيف يمكن إدماج الذكاء الاصطناعي في عمليات يُقاس نجاحها بمادة جديدة أو تجربة أو نظام هندسي.

والقراءة الأقوى للمرحلة المقبلة من الذكاء الاصطناعي في الصين ليست أن نموذجاً واحداً حسم السباق العالمي. بل إن الميزة التنافسية قد تأتي بصورة متزايدة من ربط مراكز البحث الأصلي والمنصات التجارية والقدرات التقنية المستقلة والتطبيقات متعددة التخصصات ضمن منظومة صناعية مفتوحة وتعاونية.

بعبارة أخرى، لا يتعلق الأمر بمن يملك النموذج الأكبر فقط، بل بمن يستطيع بناء الحلقة الأكثر اكتمالاً بين النموذج والبيانات والحوسبة والمطور والمختبر والمصنع.