الصين تراهن على وكلاء الذكاء الاصطناعي: الكلفة والموثوقية أهم من حجم النموذج وحده

لم يعد السؤال الأهم في سباق الذكاء الاصطناعي الصيني هو: من يدرّب النموذج الأكبر؟ بل: من يستطيع تشغيل وكلاء ذكيين ينجزون عملاً فعلياً، بسرعة وكلفة وموثوقية مقبولة؟

فالوكلاء الذكيون ليسوا مجرد روبوتات محادثة. يمكنهم البحث في البيانات، واستدعاء أدوات برمجية، وتنفيذ خطوات متتابعة داخل سير عمل، والتحقق من النتائج، ثم تكرار العملية. وهذا يفتح الباب لاستخدامات واسعة في البرمجيات والاتصالات والتصنيع والخدمات الاستهلاكية، لكنه يضاعف في الوقت نفسه الطلب على الحوسبة والإدارة التشغيلية.

من تدريب النماذج إلى طلب الاستدلال

يتوقع تقرير لمعهد أبحاث تشاينا تيليكوم أن يشكل الاستدلال 80% من سوق القدرة الحاسوبية في الصين بحلول 2029، متجاوزاً الطلب المرتبط بتدريب النماذج. كما يرجّح أن تدفع الوكلاء الذكية نمو الطلب على القدرة الحاسوبية بما يقارب عشرة أضعاف سنوياً خلال العامين إلى الأعوام الثلاثة المقبلة. 59

والاستدلال هو العمل الذي يؤديه النموذج المدرّب عند الاستجابة لطلب أو تنفيذ خطوة من مهمة. وبخلاف إجابة واحدة من مساعد دردشة، قد ينفذ الوكيل سلسلة متكاملة من الاستعلامات واسترجاع المعلومات واستخدام الأدوات وفحص المخرجات. لذلك، فإن تشغيله على نطاق واسع يستهلك قدرة حوسبية أكبر ويضيف تعقيدات في الشبكات والتخزين والمراقبة.

وتتوقع سلسلة الأبحاث نفسها أن يبلغ الاستهلاك السنوي للرموز في الصين 100 كوادريليون رمز في 2026، وأن يتجاوز 35 كوينتيليوناً بحلول 2030. وهذه تقديرات مستقبلية وليست نتائج محققة، لكنها توضح لماذا قد يصبح تشغيل النماذج مراراً وتكراراً مسألة استراتيجية بقدر أهمية تدريبها. 6

اقتصاديات جديدة: من استثمار التدريب إلى فاتورة التشغيل

تدريب نموذج متقدم يمثل عادة إنفاقاً كبيراً ومركزاً على البنية التحتية. أما نشر وكيل ذكي فهو عملية خدمة مستمرة: استدلال للنموذج، واسترجاع للبيانات، وشبكات، وتخزين، ومراقبة، وأحياناً مراجعة بشرية أو تصعيد للقرارات الحساسة.

لهذا لا تكفي قدرة الوكيل على تنفيذ المهمة من الناحية التقنية. إذ قد يفشل كمنتج تجاري إن كان مكلفاً جداً في التشغيل، أو بطيئاً ضمن سير العمل، أو غير موثوق بما يكفي للاتصال بأنظمة الشركات. المقياس الأكثر أهمية يصبح كلفة وجودة المهمة المنجزة، لا مجرد نتائج النموذج في الاختبارات القياسية.

عملياً، يفرض ذلك أولوية لعدة عناصر:

• اختيار أصغر نموذج يمكنه التعامل مع المهمة بأمان؛
• توجيه كل مهمة إلى النموذج أو الأداة الأنسب؛
• تقليل العمليات الحسابية المتكررة عبر التخزين المؤقت وخدمة النماذج بكفاءة؛
• وصل الوكلاء ببيانات موثوقة ومحددة للمهمة؛
• اختبار استخدام الأدوات وسير العمل كاملاً، لا مخرجات النموذج وحدها؛
• مراقبة الإخفاقات وصلاحيات الوصول ومسارات التدقيق؛
• الإبقاء على تدخل بشري عندما يصل الوكيل إلى قرار أو إجراء عالي المخاطر.

هذا لا يعني أن تدريب النماذج المتقدمة فقد أهميته؛ فهو ما زال ضرورياً للقدرات التقنية والاستقلالية وإتاحة الوصول إلى نماذج متطورة. لكن مع توافر نماذج قادرة على نطاق أوسع، قد تصبح القدرة على تشغيلها بكلفة أقل وبثقة أعلى هي الفارق الأصعب في المنافسة.

بكين تدفع نحو تعميم التطبيقات

تشير السياسات الصينية إلى أن الاهتمام يتجه من النماذج المنفردة إلى تطبيقات قابلة للتكرار عبر القطاعات. فخطة «الذكاء الاصطناعي + البرمجيات» الصادرة عن وزارة الصناعة وتكنولوجيا المعلومات تستهدف وصول أدوات البرمجة المعززة بالذكاء الاصطناعي إلى أكثر من 20 ألف شركة برمجيات كبرى بحلول 2028، إلى جانب بناء 100 تطبيق مرجعي لبرمجيات قائمة على الوكلاء في القطاعات الرئيسية، واحتضان ما لا يقل عن خمسة مشاريع مفتوحة المصدر عالية الجودة. 3

وبحلول 2030، تتجه الخطة إلى منظومة برمجيات أكثر ذكاءً وأماناً، تشمل ترقيات ذكية للأنظمة البرمجية الحيوية. 37 كما تدعو خطة منفصلة للذكاء الاصطناعي والاتصالات إلى أكثر من 30 سيناريو عالي القيمة بحلول 2028، وتطبيقات تمثيلية ووكلاء متخصصين، مع ربط الانتشار بتطوير الشبكات والبنية الحاسوبية. 17

وتذهب مبادرة أخرى لوزارة الصناعة وتكنولوجيا المعلومات والإدارة الوطنية للبيانات إلى تحديد سيناريوهات عالية القيمة لكل قطاع، وبناء مجموعات بيانات متخصصة، وتطوير نماذج أو وكلاء مخصصين عند الحاجة إلى التخطيط والتنفيذ الذاتي. كما تدعو إلى مجموعات تقييم وأنظمة اختبار مصممة خصيصاً لنماذج ووكلاء القطاعات المختلفة. 18

المحصلة هي نموذج سياسة يركز على الانتشار الواسع: سيناريوهات قابلة لإعادة الاستخدام، وبيانات متخصصة، وأدوات برمجية، وتطبيقات مرجعية يمكن نقلها بين القطاعات. لكن يبقى التحدي في ألا يُقاس النجاح بعدد المشاريع التجريبية، بل بقدرة هذه الأنظمة على تقديم نتائج مستدامة وآمنة ومجدية اقتصادياً.

الإنفاق وحجم الرهان الصناعي

تشير تقارير تستند إلى تحليل معهد أبحاث تشاينا تيليكوم إلى أن إنفاق شركات التكنولوجيا الصينية على الذكاء الاصطناعي هذا العام يقترب من 600 مليار يوان. وينبغي التعامل مع الرقم كتقدير، لأن التعريفات المستخدمة علناً لما يدخل ضمن «إنفاق الذكاء الاصطناعي» ليست موحّدة بالضرورة. 9

وعلى المستوى الوطني، تتوقع الصين أن تتجاوز الصناعات المرتبطة بالذكاء الاصطناعي 10 تريليونات يوان بنهاية فترة الخطة الخمسية 2026–2030. 45 وهذا يوضح أن الوكلاء الذكية لا تُطرح بوصفها خدمة سحابية فحسب، بل كطبقة تمكينية لتحديث الصناعة وتطوير البرمجيات والاتصالات والخدمات الاستهلاكية.

أوروبا تبني القدرة الحاسوبية، لكن النشر هو الاختبار

في موازاة ذلك، أطلقت المفوضية الأوروبية دعوة لإنشاء ما يصل إلى سبعة «مصانع عملاقة للذكاء الاصطناعي» في أوروبا. وتحظى المبادرة بدعم يصل إلى 10 مليارات يورو من تمويل الاتحاد الأوروبي والتمويل الوطني، مع توقع جذب ما لا يقل عن 20 مليار يورو من الاستثمار الخاص. 50

هذه خطوة مهمة لتعزيز القدرة الحاسوبية والسيادة التقنية الأوروبية. لكن بناء الحوسبة وحده لا يحل معضلة النشر؛ فقيمة تلك القدرة ستعتمد على ما إذا كانت ستوفر استدلالاً متاحاً وميسور الكلفة، وبيانات مفيدة للقطاعات، وتكاملاً برمجياً، وتطبيقات موثوقة للمؤسسات الأوروبية.

ما الذي سيكافئه الفصل التالي من السباق؟

يشير توجه الصين نحو الوكلاء إلى انتقال عالمي أوسع: ميزة الذكاء الاصطناعي ستعتمد أكثر فأكثر على تحويل القدرة الحاسوبية إلى عمل مفيد، قابل للتدقيق، وعلى نطاق مستدام. وهذا يرفع أهمية الرقائق والكهرباء، لكنه يرفع أيضاً أهمية كفاءة الاستدلال، والوصول إلى البيانات، ودمج الأنظمة في سير العمل، وضوابط الأمن، والتقييم، والمساءلة البشرية.

وتبقى نسبة 80% المتوقعة للاستدلال قراءة اتجاهية وليست حقيقة محسومة. غير أن الرسالة واضحة: كلما انتقل الذكاء الاصطناعي من العروض التجريبية إلى التشغيل اليومي المتواصل، قد لا يتحدد الفائز بأضخم عملية تدريب، بل بمن يستطيع تشغيل الوكلاء بموثوقية وكلفة تجعلهم جزءاً طبيعياً من العمل اليومي. 56