مختبرات الذكاء الاصطناعي الصينية تبتكر في ظل قيود الأجهزة، وتدفع نحو اقتصاد ذكي فعّال من حيث التكلفة

تشير رسالة ChainCatcher إلى أن مؤسسة الأبحاث Delphi Digital نشرت مقالًا تقول فيه إن القيود المادية دفعت المختبرات الصينية نحو نماذج أرخص وطوابير تقنية أكثر كفاءة. تقيّد قيود التصدير وصولها إلى الرقائق المتقدمة، ويمكن للمُسرّعات المحلية معالجة الاستنتاج، لكن التدريب المتقدم لا يزال صعبًا. تقوم المختبرات الصينية بالابتكار في كفاءة النظام وهندسة النموذج وبيانات التدريب والتعلم المعزز؛ وجد DeepSeek طريقة لتجنب إهدار وحدات المعالجة الرسومية من خلال نقل البيانات، وأصدرت ByteDance وMoonshot نسخًا مشابهة خلال أشهر. من حيث الهندسة، انتقل التدريب نحو تنسيقات رقمية أرخص مُصممة خصيصًا للرقائق المحلية، وتقلل الهياكل النادرة من كمية العمليات لكل رمز، وأُعيد تصميم آلية الانتباه ثلاث مرات للتحكم في تكلفة الذاكرة للسياقات الطويلة. من حيث البيانات، تم تحسين إشارة التعلم لكل رمز من خلال أهداف تنبؤية أكثر كثافة ومحسّنات أفضل. في مجال التعلم المعزز، أصبح GRPO الخاص بـ DeepSeek الوصفة الافتراضية، وأطلقت ByteDance وAlibaba وMiniMax حلولًا خلفية خلال عام واحد. أصبحت النماذج الصينية الآن أقل تكلفة بين الأنظمة المتقدمة المجاورة. على منصة OpenRouter، ارتفع حصة النماذج المطورة في الصين من استهلاك الرموز الأسبوعي من أقل من 1.2% في نهاية عام 2024 إلى الغالبية في عام 2026. شهد سوق الذكاء الاصطناعي الصيني من عام 2024 إلى أوائل عام 2026 حرب أسعار، حيث بلغت مضاعفات الدخل الضمنية لعدة مختبرات حوالي 47-117 ضعفًا، بينما كانت لدى Anthropic وOpenAI حوالي 15-21 ضعفًا. يمكن حاليًا استخدام رقائق HuaWei Ascend للاستنتاج، ووفقًا للتقارير، حاول DeepSeek تدريب R2 على Ascend لكنه واجه مشكلات تقنية وعاد إلى NVIDIA. لا يزال العرض المحلي للمُسرّعات أقل من الطلب المتوقع.