كان من السهل جدًا أن ننسى كيف انهارت شركة ZTE في عام 2018 في ليلة واحدة. مجرد أمر تنفيذي واحد من الولايات المتحدة، ولم تعد شركة تضم 80,000 موظف قادرة على فعل أي شيء. لا شريحة Qualcomm، لا ترخيص من Google—انتهى الأمر. الآن، بعد مرور ثماني سنوات، نرى قصة مختلفة تمامًا في صناعة الذكاء الاصطناعي في الصين.

الحقيقة أن المشكلة لم تكن في الشريحة حقًا. نحن نعلم أن CUDA هو العقبة الحقيقية—منصة الحوسبة التي أنشأتها NVIDIA منذ أكثر من عشر سنوات، والتي تستخدم الآن أكثر من 4.5 مليون مطور حول العالم. هذا النظام البيئي كله يشبه عجلة دوارة يصعب تصورها. لكن في هذه المرة، لم تختَرِ الشركات الصينية للذكاء الاصطناعي المواجهة المباشرة. اختاروا طريقًا أكثر عقلانية.

من نهاية عام 2024، رأينا كيف تغيرت الاستراتيجية. أصبحت النماذج المختلطة للخبراء هي التركيز—نماذج لا تحتاج إلى تشغيل النظام بالكامل لكل مهمة. انظر إلى DeepSeek V3: 671 مليار معلمة، لكن 5.5% فقط منها نشطة في كل استنتاج. تكلفة التدريب؟ حوالي 5.6 مليون دولار فقط. للمقارنة، وصل GPT-4 إلى $78 مليون دولار. أي بسعر أقل بمقدار سبعة أضعاف.

وسعر API الخاص بهم هو حقًا مغير للعبة. رمز الإدخال يتراوح بين 0.028 دولار و0.28 دولار لكل مليون، بينما GPT-4o يكلف 5 دولارات. أرخص بمقدار 25 إلى 75 مرة. هذا ليس مجرد حركة تسويقية—إنه تحول هيكلي في كيفية عمل صناعة الذكاء الاصطناعي. في فبراير، في OpenRouter، زاد الاستخدام الأسبوعي لنماذج الصين بنسبة 127% خلال ثلاثة أسابيع فقط. تجاوزت الولايات المتحدة.

لكن الاختراق الحقيقي كان في البنية التحتية. في جيانغسو، بنوا خط إنتاج بطول 148 مترًا للخوادم باستخدام شرائح Loongson 3C6000 وTaiChu Yuanqi. من الاتفاق إلى التشغيل، استغرق الأمر 180 يومًا فقط. والآن، بدأت مجموعات الشرائح المحلية في تدريب نماذج ضخمة كاملة—وليس فقط الاستنتاج. هذا هو التحول النوعي. في يناير، أصبح نموذج GLM-Image أول نموذج توليد صور SOTA تم تدريبه بالكامل على الشرائح المحلية. في فبراير، أكملت China Telecom التدريب الكامل لنموذجها الذي يضم مليار معلمة في شنغهاي باستخدام مجموعة الحوسبة المحلية.

في نظام Ascend البيئي من Huawei، يوجد الآن 4 ملايين مطور، وأكثر من 3000 شريك، و43 نموذجًا رئيسيًا تم تدريبها مسبقًا باستخدام Ascend. قدرة الحوسبة FP16 من Ascend 910B وصلت إلى مستوى NVIDIA A100. ليست مثالية بعد، لكنها تعمل الآن. وبناء النظام البيئي لا ينبغي أن ينتظر الكمال—يجب أن يُستخدم الطلب الحقيقي من الأعمال لدفع التطوير.

وضع الطاقة يضيف طبقة أخرى من الميزة. أوقفت فيرجينيا وجورجيا تصاريح مراكز البيانات الجديدة بسبب قيود الطاقة. من المتوقع بحلول 2030 أن تستهلك مراكز البيانات الأمريكية 426 تيراواط ساعة—ربما أكثر من 12% من إجمالي الكهرباء. لكن في الصين، إنتاج الكهرباء السنوي هو 10.4 تريليون وحدة، أي أكثر بمقدار 2.5 مرة من الولايات المتحدة. وأسعار الكهرباء الصناعية في غرب الصين تبلغ 0.03 دولار لكل كيلوواط ساعة—نصف أو خُمس سعر 0.12-0.15 دولار في الولايات المتحدة.

لذا، بينما تقلق أمريكا بشأن الكهرباء، تعمل الصين بهدوء على بناء القدرة الحاسوبية وإنتاج الرموز للعملة العالمية. توزيع مستخدمي DeepSeek واضح: 30.7% الصين، 13.6% الهند، 6.9% إندونيسيا، 4.3% الولايات المتحدة، 3.2% فرنسا. هناك 26,000 شركة على مستوى العالم، و3,200 مؤسسة في النسخة المؤسسية. في الصين، حصة السوق تبلغ 89%. وفي دول أخرى، تتراوح بين 40-60%.

التماثل مع مأساة أشباه الموصلات في اليابان واضح. في عام 1986، وقعت اليابان على اتفاقية أشباه الموصلات الأمريكية اليابانية تحت الضغط، وأصبحت تعتمد على السيطرة الخارجية. انخفضت حصتها السوقية من 51% إلى 7%. الدرس بسيط: إذا لم تبنِ نظامًا بيئيًا خاصًا بك، ستفقد الصناعة.

في الذكاء الاصطناعي الآن، اختارت الصين طريقًا أصعب—من تحسين الخوارزميات بشكل مفرط، إلى توسيع الشرائح المحلية من الاستنتاج إلى التدريب، إلى تطوير 4 ملايين مطور في نظام Ascend، وتصدير الرموز عالميًا. كل خطوة تتطلب إنفاق أموال حقيقية، وخسائر حقيقية على المدى القصير. لكن هذا هو ثمن الاستقلال.

في 27 فبراير، أبلغت ثلاث شركات شرائح الذكاء الاصطناعي المحلية عن نتائجها. Cambrian، +453% في الإيرادات، أول سنة مربحة. Moore Threads، +243% في الإيرادات لكن بخسارة مليار دولار. Muxi، +121% في الإيرادات لكن بخسارة 8 مليارات دولار. نصف نار، ونصف ماء. لكن السوق بحاجة إلى بديل لـ NVIDIA. وهذه فرصة جيوسياسية لا ينبغي تفويتها. كل خسارة هي استثمار في الاستقلال، وهذا هو التقدم الحقيقي.