الإلهام الأساسي من جين ستريت هو أن مصنع الرموز ليس قصة تمويل، بل نظام تشغيلي.

كاتب المقال والمصدر: هونغ يي جياو فو كاي، يي كاي وين

الرد الأول للكثيرين على مركز بيانات Jane Street Texas AI هو الحسد على ثرائه، وقدرته على شراء وحدات معالجة الرسوميات، وبناء غرف تبريد سائلة، وجرأته على تجميع آلاف الرقائق عالية الأداء في نظام تداول واحد.

هذا رد طبيعي، لكنه سهل التحيز.

(صورة مولدة بواسطة ChatGPT)

المكان الحقيقي الذي يستحق الدراسة في جين ستريت ليس امتلاكها لـ 4032 GPU، ولا تحويلها لمراكز البيانات التقليدية إلى مراكز بيانات ذكية مبردة بالسائل، بل الأهم هو أنها حولت قوة الحوسبة من مورد خلفي لتكنولوجيا المعلومات إلى إنتاجية تداول أمامية. بعبارة أخرى، إنها لا تبني مجرد "مركز بيانات"، بل تبني مصنعًا للرموز (Token Factory) ينتج باستمرار أحكام التداول، وإشارات المخاطر، وتحديثات النماذج، ورؤى السوق.

This change is important.

في عيون المؤسسات المالية التقليدية، تعتبر مراكز البيانات مركز تكلفة، حيث تمثل الخوادم، والشبكات، والتبريد، والكهرباء جميعها بنود نفقات. لكن في جين ستريت، تتحول مراكز البيانات إلى خط إنتاج: فالكهرباء تدخل إلى غرفة الخوادم، وتنفذ وحدات معالجة الرسومات التدريب، وتشترك النماذج في التداول، ويُولد التداول عوائد؛ فما يتدفق في الوسط ليس الصلب ولا مساحة المباني، بل مرات استدعاء النموذج، ومهام التدريب، وعمليات الاستدلال المتكررة. وباستخدام المصطلحات الحديثة، هذا ما يُسمى بقدرة الإنتاج الذكي المُترسّمة.

هذه القضية تقدم إلهامًا مباشرًا للصين. تناقش الصين الآن تصدير الرموز، وتصنيع رموز الحوسبة، وتحول الشركات المدرجة في سوق هونغ كونغ من العقارات والمناطق الصناعية والتصنيع إلى البنية التحتية للذكاء الاصطناعي. توفر جين ستريت نموذجًا صارمًا جدًا: تصنيع الرموز لا يدور حول المفاهيم، أو إصدار عملة رقمية، أو تغليف الحوسبة كمنتج مالي، بل يربط بين الكهرباء والتبريد السائل ووحدات معالجة الرسومات والشبكة والنماذج والجدولة وآليات التسوية الداخلية بشكل كامل، ليصبح الحوسبة محركًا حقيقيًا للإيرادات والتقييم للشركات.

جين ستريت ليست شركة تداول تضيف الذكاء الاصطناعي، بل هي مصنع ذكاء اصطناعي مع طاولات تداول

تُعتبر جين ستريت واحدة من أكبر شركات التداول الكمي الغامضة في وول ستريت. فهي ليست بنك استثماري تقليدي، ولا شركة إدارة استثمارية تعتمد على رسوم الإدارة، بل تحقق أرباحًا من خلال رأس مالها الخاص، ونماذج التداول، وأنظمتها منخفضة التأخير، واستغلال السيولة في الأسواق العالمية للاستفادة من الفروق وأpremiums المخاطر.

تشير البيانات العامة إلى أن Jane Street تتعامل مع فئات أصول متعددة في 45 دولة وأكثر من 200 سوق تداول، ويعمل لديها حوالي 3000 موظف. إن ثقافتها التقنية قوية جدًا، وتستخدم منذ فترة طويلة لغة البرمجة الوظيفية OCaml، وتُركز على تطوير البرمجيات الخاصة بها، وأنظمة التأخير المنخفض، والتحكم الآلي في المخاطر، وبنية تحتية للتداول عالية الموثوقية. وصف موقع Jane Street الرسمي فريق التعلم الآلي بشكل مباشر، حيث وصف نفسه بأنه "مختبر بحثي متصل بطاولة التداول"، وأشار إلى أن بيانات الأسواق المالية تتدفق كسيل جارف، ومعظمها ضجيج، ويحتاج فريق التعلم الآلي إلى استخلاص إشارات قابلة للتداول منها.

هذه الجملة مهمة جدًا.

تستخدم معظم الشركات الذكاء الاصطناعي لتحسين كفاءة المكتب. تستخدم جين ستريت الذكاء الاصطناعي لزيادة سرعة فهم السوق. الأول يوفر التكاليف، والثاني يولد إيرادات. الأول يعامل الذكاء الاصطناعي كأداة، والثاني يعامله كوسيلة إنتاج.

لذلك، لا يمكن فهم تحوّل مركز بيانات AI لدى Jane Street على أنه مجرد ترقية رقمية عادية للشركات، بل هو أشبه بشركة تداول تفكك محركها الأساسي وإعادة تركيبه من جديد. في الماضي، كان المحور الأساسي لشركات التداول هو التجار، والنماذج الرياضية، وبيانات السوق، وأنظمة التنفيذ؛ أما الآن، فقد أصبح المحور الأساسي هو البيانات، والقدرة الحسابية، والنماذج، والشبكة، وسوق الموارد الداخلية.

هذا هو المعنى الأول لعامل التوكن: الذكاء لا يظهر من العدم، بل يتم إنتاجه.

ما تغير حقًا هو علاقات الإنتاج، من 6 أجهزة Dell إلى 4032 معالجًا رسوميًا.

يذكر موقع Jane Street أنه قبل عشرين عامًا، كانت "مجمعاته" عبارة عن 6 خوادم Dell مكدسة على أرضية المكتب؛ اليوم، يمتلك مركز البيانات الجديد في تكساس 4032 وحدة معالجة رسومية (GPU) ويعتمد بنية تبريد سائلة. هذا التحول يخلق صورة قوية. إنه ليس مجرد ترقية للعتاد، بل تغيير في علاقات الإنتاج داخل الشركة.

كانت أنظمة التداول المبكرة قريبة من المتداولين. كانت الآلات موضعة في المكاتب، ويمكن معالجة أي مشكلة مباشرة، بل وحتى فصل التيار الكهربائي. في ذلك الوقت، كانت قوة الحوسبة أداة مساعدة لمجموعة التداول.

فيما بعد، دخل نظام التداول مرحلة الهندسة. تحوّلت الشبكة، وإدارة المخاطر، والاختبارات التاريخية، والتنفيذ الآلي، وأنظمة المراقبة تدريجيًا إلى منصات، وأصبحت قوة الحوسبة موردًا أساسيًا مشتركًا بين عدة فرق.

لقد وصلنا إلى المرحلة الثالثة. تم دمج وحدات GPU، التبريد السائل، الطاقة، الألياف البصرية، التخزين، أنظمة الجدولة، وتدريب النماذج لتشكيل مصنع تداول ذكي. لم تعد مراكز البيانات تابعة لإدارة الدعم، بل أصبحت مدمجة مباشرة في القدرة على التداول.

هذا له أهمية خاصة للشركات الصينية.

تظل العديد من الشركات عند التحدث عن التحول إلى الذكاء الاصطناعي في مرحلة "شراء النماذج" و"تثبيت الأنظمة" و"ربط واجهات برمجة التطبيقات". أما الشركات ذات التنافسية الحقيقية، فهي تحوّل البنية التحتية للذكاء الاصطناعي إلى نظام إنتاج خاص بها. من يستطيع الحصول على الكهرباء بسعر أرخص، ومن يستطيع تشغيل وحدات معالجة الرسومات بثبات أكبر، ومن يستطيع تدريب النماذج بشكل أسرع، ومن يستطيع توزيع قوة الحوسبة بكفاءة أعلى، سيتمتع بميزة تكلفة وسرعة جديدتين في عصر الذكاء الاصطناعي.

هذا ليس من مسؤولية قسم التقنية.

هذا شأن مجلس الإدارة.

التبريد السائل ليس تفصيلًا هندسيًا، بل هو أساس مصنع التوكنات

أحد التفاصيل الأكثر إثارةً في مركز بيانات جين ستريت في تكساس هو التحويل إلى التبريد السائل عالي الكثافة. تشير المواد والملحقات المنشورة إلى أن هذا المركز يدعم رفوف GPU عالية الكثافة من فئة GB300، حيث يمكن أن يصل功率 كل رف إلى حوالي 140 كيلوواط، مما يجعل التبريد بالهواء التقليدي غير كافٍ لتلبية هذا المستوى من الكثافة.

وفقًا للمعلومات الرسمية من NVIDIA، فإن GB300 NVL72 يستخدم بنية مُبردة بالسائل بالكامل ومستندة إلى الرف، ويدمج 72 وحدة Blackwell Ultra GPU و36 وحدة Grace CPU، مُصممة للاستنتاج الذكي، والاستدلال الذكي، وتدريب النماذج الكبيرة. كما تُظهر المعلومات المُنشورة من HPE أن أنظمة GB300 NVL72 هذه هي حلول رفية مُبردة بالسائل، موجهة لتدريب وضبط الاستدلال للنماذج التي تتجاوز تريليون معامل.

هذا يوضح اتجاهًا: إن تنافس مصانع الذكاء الاصطناعي في المستقبل لن يكون فقط تنافسًا على الرقائق، بل تنافسًا على هندسة الأنظمة.

حتى لو كانت وحدة المعالجة الرسومية الواحدة قوية جدًا، فإن النظام بأكمله لن يتمكن من تحقيق قيمته إذا لم يستطع مركز البيانات تحمل كثافة الطاقة العالية، أو إذا كان نظام التبريد غير مستقر، أو إذا لم تتم توزيع الطاقة بدقة، أو إذا كانت الشبكة والتخزين عوائق. إن عقبات قوة الحوسبة للذكاء الاصطناعي تتوسع الآن من الرقاقة نفسها إلى الكهرباء، والتبريد السائل، ومركز البيانات، والشبكة، والجدولة.

This is very important for the transformation of China's Token Factory.

الصين لديها عدد كبير من المجمعات الصناعية، والمصانع القديمة، ومراكز البيانات، ومجمعات الحوسبة السحابية، ومشاريع الحوسبة المحلية. إذا قمت فقط بنقل الخوادم إليها، فهذا لا يُسمى مصنع الرموز المميزة. يجب أن يمتلك مصنع الرموز المميزة الحقيقي القدرة على تحمل كثافة طاقة عالية، وقدرة على تعديل التبريد السائل، وقدرة على تزويد طاقة مستقر، وقدرة على إدارة استهلاك الطاقة، وقدرة على جدولة المهام.

بدون هذه القدرات الأساسية، يسهل أن تتحول أصول الحوسبة إلى أصول دفترية. فعلى الرغم من أنك تبدو وكأنك اشتريت آلات، إلا أن استخدامها الفعلي منخفض، والعملاء غير مستقرين، وتكاليف استهلاك الطاقة مرتفعة، والضغط الناتج عن الاستهلاك كبير، مما يجعلها في النهاية عبئًا ثقيلًا جديدًا.

إذًا، أول درس صلب من حالة Jane Street هو أن أساس مصنع الرموز ليس_whitepaper_، بل الطاقة والتبريد السائل.

يجب أن يكون للقوة الحسابية سعر، وإلا فإن GPU ستكون مطعمًا عامًا

ما يجب على الشركات الصينية تعلمه من جين ستريت ليس التبريد السائل، بل آلية تسعير القوة الحسابية الداخلية.

تشير التحليلات الداخلية إلى أن Jane Street صممت عملة داخلية تُسمى "Hive Bucks" تسمح للفرق المختلفة بالتنافس على موارد GPU من خلال آلية مماثلة للمزادات. كما أشارت التقارير العامة إلى أن Jane Street تستخدم هذه العملة الداخلية لبيع وقت حسابات GPU، مما يساعد الفرق على تخصيص قوة الحوسبة وفقًا لقيمة المهام.

هذه الآلية مهمة جدًا.

بعد شراء الشركات لوحدات GPU، فإن أكبر مشكلة ليست نقص الطلب، بل عدم القدرة على ترتيب الأولويات. كل فريق يدّعي أن نموذجه مهم، وكل مشروع يريد التشغيل أولًا، وكل مسؤول يرغب في استغلال موارد أكثر. في النهاية، تُستهلك وحدات GPU لفترات طويلة من قبل مهام ذات قيمة منخفضة، بينما تبقى المهام ذات القيمة العالية دون دور. يبدو أن قوة الحوسبة أصل للشركة، لكنها في الواقع أصبحت مطعمًا عامًا داخليًا.

طريقة معالجة Jane Street أقرب إلى آلية السوق. فعندما يرى الفريق أن مهامه أكثر قيمة، فإنه يدفع أسعارًا أعلى باستخدام ميزانيته الداخلية. لم تعد ساعات GPU موردًا عامًا مجانيًا، بل أصبحت وسيلة إنتاج ذات تكلفة فرصة. وهكذا، تحول توزيع القوة الحسابية من إجراءات إدارية إلى سوق داخلي.

This has direct relevance to the "Hash Power Token Factory".

لا ينبغي فهم رمز القوة الحسابية الحقيقي أولاً كرمز للتداول الخارجي، بل كوحدة قياس وتسوية للموارد الداخلية. يمكن تسعير وجدولة مدة GPU، واستدعاء النماذج، وأولوية المهام، وسعة الطاقة، وموارد التبريد، وأوامر العملاء، جميعها من خلال نظام قياس داخلي موحد. فقط عندما تفهم الشركات الداخلية كيفية استخدام القوة الحسابية بشكل صحيح، سيكون من الممكن في المستقبل تحويل القوة الحسابية إلى منتجات وتمويل وأصول.

إذا لم يكن لديها أي سعر للقوة الحاسوبية الداخلية، فإن التحدث عن ترميزها من المحتمل أن يكون مجرد تغليف مفاهيمي.

بناء الذات والانتقال إلى السحابة ليسا خيارين متعارضين، بل هما توزيع طبقي للقدرات الأساسية والقدرات المرنة

يسأل الكثيرون، لماذا وقّعت جين ستريت اتفاقية سحابية ضخمة مع كوروييف، إذا كانت تمتلك بالفعل مراكز بيانات خاصة بها؟

أعلنت CoreWeave أن Jane Street تعهدت باستخدام منصة السحابة الخاصة بـ CoreWeave للذكاء الاصطناعي بقيمة حوالي 6 مليارات دولار، واستثمرت 1 مليار دولار في أسهم CoreWeave لدعم قدرات الذكاء الاصطناعي الكبيرة المتعلقة بالتعلم الآلي والتجارة. كما أشار الإعلان إلى أن CoreWeave ستقدم موارد حوسبة تشمل تقنية NVIDIA Vera Rubin من الجيل التالي. كما أفادت رويترز أن Jane Street أصبحت أحد المساهمين الرئيسيين في CoreWeave من خلال هذه الصفقة، مع الحصول على قدرات واسعة النطاق للحوسبة السحابية للذكاء الاصطناعي.

هذا يوضح أن جين ستريت لم تبنِ بنية تحتية بنفسها بشكل عشوائي، ولم تنتقل ببساطة إلى السحابة. بل اعتمدت بنية هجينة.

الحمولات الأساسية، الحساسة، منخفضة التأخير، والتي تتطلب تخصيصًا عاليًا، مناسبة للبناء الذاتي. يمكن تفويض المرونة، والرقائق المتطورة، وتوسيع المناطق المتعددة، ومتطلبات الانفجار التدريجي إلى مزودي سحابة الذكاء الاصطناعي مثل CoreWeave.

هذه الفكرة ذات قيمة مرجعية كبيرة للشركات المدرجة في سوق الأسهم الصيني.

العديد من الشركات العامة التقليدية التي تتحول إلى قوة الحوسبة تقع بسهولة في طرفين متطرفين: أحدهما هو البناء الكامل ذاتيًا، مع استثمار ثقيل في الأصول، مما يؤدي إلى عدم متابعة العملاء، وضغط كبير على التدفق النقدي؛ والآخر هو الاعتماد الكامل على السحابة الخارجية، دون امتلاك بنية تحتية أساسية أو تراكم للأصول، مما ينتهي بها إلى تقديم استشارات خفيفة وتكامل خفيف فقط، مما يجعل من الصعب رفع التقييم.

المسار الأكثر منطقية هو التدرج.

يمكن للشركة أن تتحكم في الحرم الرئيسي، وموارد الطاقة، وغرف الخوادم بالتبريد السائل، وحمولات العملاء الأساسية، مع التعاون مع مزودي السحابة، ومزودي وحدات معالجة الرسومات، وشركات النماذج للحصول على قدرات حوسبة مرنة وقدرات تقنية. بهذه الطريقة، تحقق الشركة تراكمًا للأصول مع مرونة في التوسع، ولا تُحتجز في نموذج واحد فقط.

يُثبت دخل التداول شيئًا واحدًا: يمكن للبنية التحتية للذكاء الاصطناعي الدخول مباشرة إلى نظام الأرباح.

لماذا تجرؤ جين ستريت على الاستثمار بهذا الحجم؟ لأن بنية تحتية ذكائها الاصطناعي ليست مجرد زينة، بل يمكنها الدخول إلى نظام الربح.

أفادت رويترز أن إيرادات Jane Street الصافية من التداول في عام 2025 بلغت 39.6 مليار دولار، متفوقة على العديد من المنافسين الرئيسيين مثل Citadel Securities وHudson River Trading، وكذلك على إيرادات التداول لبعض البنوك الاستثمارية الكبرى. كما أشار التقرير إلى أن أداء Jane Street استفاد من تقلبات السوق وقدراتها في التداول الخوارزمي وأرباح الاستثمارات المرتبطة بالذكاء الاصطناعي. كما أفادت صحيفة فاينانشال تايمز البريطانية أن إيرادات Jane Street في عام 2025 اقتربت من التضاعف، محققة 39.6 مليار دولار، وذكرت استثماراتها في شركات مرتبطة بالذكاء الاصطناعي مثل CoreWeave وAnthropic وThinking Machines Lab.

تشير هذه البيانات إلى أن مركز بيانات الذكاء الاصطناعي لـ Jane Street لا يمكن حسابه فقط بناءً على "كمية التوفير في تكاليف السحابة". بالنسبة له، قد تتجلى العوائد الناتجة عن قوة الحوسبة في تدريب نماذج أسرع، ومحاكاة أعمق، وتنفيذ أكثر استقرارًا، وتمييز أقوى للمخاطر، وسعة تداول أعلى.

عندما تُطبّق الشركات العادية الذكاء الاصطناعي، فإنها غالبًا ما تحسب العائد على الاستثمار بناءً على كمية العمالة التي تم توفيرها. لكن منطق جين ستريت أكثر جرأة: القوة الحسابية ليست لتقديم التوفير، بل لخلق الأرباح.

هذا أيضًا ما يجب على مصنع التوكن الصيني تعلمه. إذا كان مركز الحوسبة لا يمكنه سوى القول "لديّ كم حسابي بـ P"، فإن قيمته غير كاملة. يجب أن يجيب على أسئلة تجارية أكثر عمقًا: من يخدمه هذه الحوسبة؟ من يساعد على زيادة دخله؟ ما التكاليف التي تُخفض؟ ما الدورات التي تُقصر؟ ما الولاء للعملاء الذي يُشكل؟ هل يمكن في النهاية تحويلها إلى تدفق نقدي مستدام؟

القوة الحسابية لا تمتلك قيمة حقيقية إلا عندما تُدمج في أنظمة أعمال العملاء.

الإلهام من صادرات الرموز الصينية يكمن في تحويل الكهرباء إلى خدمات ذكية

تُناقش الصين خروج الرموز إلى الأسواق الخارجية، وأسهل ما يمكن أن يقع فيه المرء هو السرد النموذجي. إن DeepSeek و Qwen و Zhipu و Kimi و MiniMax ونموذج الفيديو من ByteDance مهمة بالطبع. لكن حالة Jane Street تذكرنا أن النماذج ليست سوى طبقة وسطى. ما يمكنه حقًا تكوين ميزة صناعية هو الحلقة المغلقة الكاملة من الكهرباء إلى الحوسبة، ومن الحوسبة إلى الرموز، ومن الرموز إلى التطبيقات، ومن التطبيقات إلى الإيرادات.

مزايا الصين تكمن بالضبط داخل هذا الدورة المغلقة.

الصين تمتلك موارد كهرباء خضراء، وبنية تحتية كهربائية، وقدرات على بناء مراكز البيانات، وقدرات على تسليم المشاريع الهندسية، وبيئة نموذج كبيرة، وتطبيقات متكررة مثل الدراما القصيرة، والتجارة الخارجية، وخدمة العملاء، والألعاب، والتعليم، والتمويل. ما دامت هذه الموارد يمكن دمجها في مصنع رموز، فلن يكون خروج الرموز إلى الخارج مجرد خروج واجهات برمجة التطبيقات للنماذج، بل خروج قدرات البنية التحتية الرقمية الصينية إلى الخارج.

تستخدم جين ستريت خدمات مراكز بيانات الذكاء الاصطناعي للتداول، بينما يمكن لمصانع التوكن الصينية خدمة سيناريوهات أوسع: يمكن للشركات التجارية الخارجية استخدام الوكلاء الذكيين لاختيار المنتجات والخدمة العملاء والترجمة والتسويق، ويمكن لشركات الدراما القصيرة استخدام الذكاء الاصطناعي لإتمام الترجمة والتعليق الصوتي والتحرير والتوزيع، ويمكن للصناعة التحويلية استخدام الذكاء الاصطناعي لتقديم العروض وجدولة الإنتاج وتوقع سلسلة التوريد والخدمات ما بعد البيع، ويمكن للمؤسسات المالية استخدام الذكاء الاصطناعي لإدارة المخاطر والبحث الاستثماري ودعم التداول.

ستستهلك هذه التطبيقات رموزًا.

كلما زاد استهلاك الوحدات، زادت قيمة مصانع الحوسبة. وكلما نضجت مصانع الحوسبة، زادت الميزة التكلفة للخدمات الصينية للذكاء الاصطناعي في التوسع الدولي. وعندما تصبح الميزة التكلفة كبيرة بما يكفي، تتحول إلى ميزة صناعية.

الإلهام من الشركات المدرجة في هونغ كونغ ليس الترويج للذكاء الاصطناعي، بل إعادة هيكلة الميزانية العمومية

الشركات المدرجة في سوق هونغ كونغ للأسهم، خاصة الشركات العاملة في القطاعات العقارية، والمناطق الصناعية، والبناء، والخدمات العقارية، والطاقة، والتصنيع، يجب أن ترى من حالة جين ستريت اتجاهاً أعمق.

ليس على جميع الشركات أن تطور نماذج كبيرة، ولا على جميع الشركات أن تصبح مزودي سحابة ذكاء اصطناعي. لكن العديد من الشركات يمكنها إعادة تشكيل أصولها الحالية لتصبح جزءًا من البنية التحتية للذكاء الاصطناعي.

يمكن تحويل المباني الصناعية القديمة إلى غرف خادمة بتبريد سائل. يمكن ربط مناطق الصناعات بعقد حسابية. يمكن ربط أصول الطاقة بمركز بيانات. يمكن لخدمات إدارة العقارات إدخال وكلاء ذكيين. يمكن للمنصات المدرجة استيراد أصول الحوسبة الذكية من خلال الاستحواذ، أو إصدار أسهم جديدة، أو شراكات استراتيجية. المفتاح هو أن التحول يجب أن يدخل هيكل الإيرادات، وليس أن يبقى مجرد إعلان.

إذا كانت شركة مدرجة في سوق الأسهم الهونغ كونغي، وترغب في الحديث عن مصنع الرموز المميزة، فعليها على الأقل الإجابة عن عدة أسئلة:

هل هناك كهرباء مستقرة؟ هل هناك مساحة مناسبة للتعديل؟ هل هناك قدرات على التبريد السائل وغرف الخوادم عالية الكثافة؟ هل هناك عملاء حقيقيون؟ هل هناك شركاء نماذج أو تطبيقات؟ هل هناك آلية داخلية لتسعير قوة الحوسبة؟ هل هناك مسار لدمج إيرادات قوة الحوسبة في القوائم المالية؟

إذا لم يكن بإمكانك الإجابة عن هذه الأسئلة، فإن قوة الحوسبة الخاصة بالذكاء الاصطناعي ليست سوى أسلوب لإدارة القيمة السوقية. إذا استطعت الإجابة بوضوح، فستكون هناك فرصة للشركات العامة التقليدية للانتقال من تقييم الأصول القديمة إلى تقييم البنية التحتية الرقمية.

الإلهام الأساسي من جين ستريت هو أن مصانع الرموز ليست قصة تمويل، بل نظام تشغيلي. فهي تحتاج إلى تقنية وانضباط مالي؛ وحاجة إلى قدرات هندسية وطلبات عملاء؛ وحاجة إلى قوة حوسبة وسوق موارد داخلية.

مصنع التوكن الصيني، لا يمكن تعلم الأجهزة فقط، بل يجب تعلم طرق التنظيم

إذا كنت تتعلم فقط كيف تشتري Jane Street GPU، وتعمل التبريد السائل، وتستخدم CoreWeave، فأنت لا تزال تتعلم بشكل سطحي.

ما يجب تعلمه أكثر هو طريقة التنظيم.

تدمج جين ستريت التداول والبحث والهندسة والحوسبة والرأسمال في نظام واحد. النماذج ليست نتائج أوراق باحثين، بل جزء من نظام التداول؛ الحوسبة ليست تكلفة قسم تكنولوجيا المعلومات، بل وقود لتطوير الاستراتيجيات؛ العملة الداخلية ليست مجرد ميزة تسويقية، بل آلية لتوزيع الموارد؛ السحابة الخارجية ليست بديلاً عن البنية التحتية الذاتية، بل وسيلة للتوسع المرن؛ الاستثمار الرأسمالي ليس إدارة مالية، بل موقف استراتيجي في نظام بيئي للبنية التحتية للذكاء الاصطناعي.

العديد من الشركات في الصين ت undergoing تحولًا في الذكاء الاصطناعي، لكن المشكلة غالبًا ليست في التقنية، بل في التجزئة التنظيمية. إدارات الأعمال لا تفهم قوة الحوسبة، وإدارات تكنولوجيا المعلومات لا تفهم الإيرادات، وإدارات المحاسبة تركز فقط على التكاليف، ومجلس الإدارة يركز فقط على المفاهيم، مما يجعل من الصعب تحقيق حلقة مغلقة.

لنجاح مصنع الرموز، يجب تغيير الهيكل التنظيمي. يجب أن يكون لقوة الحوسبة مدير، وللكهرباء حساب تكلفة، وللنماذج تطبيقات عملية، وللعملاء كمية استخدام، وللرموز سعر داخلي، ويجب أن يمكن تعيين الإيرادات. وإلا، فمهما زادت قوة الحوسبة، فهي مجرد موارد موزعة.

خاتمة: قد يكون العملاق المالي القادم مصنعًا للذكاء الاصطناعي أولًا

حالة جين ستريت توضح شيئًا واحدًا: أعمدة المالية من الجيل القادم، التي تبدو كشركات تداول، قد تكون في الأساس مصانع ذكاء اصطناعي.

إنها تحول الطاقة الكهربائية إلى قوة حسابية، وتحول القوة الحسابية إلى نماذج، وتحول النماذج إلى قرارات تداول، وتحول قرارات التداول إلى عوائد. بمجرد أن يعمل هذا السلاسل بشكل سلس، لم يعد مركز بيانات الذكاء الاصطناعي مركز تكلفة، بل جزءًا من نظام الربح.

بالنسبة للصين، لا تكمن قيمة هذه الحالة في تقليد جين ستريت. الصين لا تحتاج إلى أن تقوم كل شركة بإجراء التداول الكمي، ولا تحتاج إلى أن تبني كل شركة مدرجة في هونغ كونغ مركز بيانات يحتوي على 4032 وحدة معالجة رسوميات. ما تحتاجه حقًا هو تعلم منهجيتها الأساسية: اعتبار مصنع الرموز كنظام وسائل إنتاج، وليس كنظام مفاهيمي؛ اعتبار قوة الحوسبة كأصل قابل للتسعير والجدولة والمراجعة والتمويل، وليس مجرد مجموعة من الخوادم؛ اعتبار تصدير الرموز كحلقة مغلقة متكاملة تشمل الطاقة الكهربائية وقوة الحوسبة والنماذج والتطبيقات والتسوية، وليس مجرد تصدير واجهة برمجة تطبيقات بسيطة.

في المستقبل، من يسيطر على مصانع الرموز، يسيطر على القدرة الإنتاجية الذكية. من يستطيع تحويل المصانع القديمة، والمجمعات القديمة، و מרכזי البيانات القديمة، ومنصات الإدراج القديمة إلى خطوط إنتاج رموز، لديه فرصة للحصول على تقييم جديد في عصر الذكاء الاصطناعي.

وول ستريت قد قدمت العينة.

لم تبنِ جين ستريت مراكز بيانات، بل محركًا ذكيًا يحول بيانات الضوضاء إلى أرباح تداول. ما يجب على الصين فعله هو إدخال هذا المحرك إلى سيناريوهات صناعية أوسع، بحيث يمكن للتصنيع والتجارة الخارجية والمحتوى والتمويل وسوق الأوراق المالية في هونغ كونغ، جميعها الاتصال بمصانع التوكن الخاصة بها.

في العصور القديمة، كان الناس ينظرون إلى الأراضي والمباني.

في العصر الجديد، راقب الكهرباء والقدرة الحسابية والرموز.

هذا هو الجزء الحقيقي الذي يستحق التحليل في حالة جين ستريت.