الاعتقاد السائد يقول إن النماذج الصينية رخيصة بسبب العمالة الرخيصة والدعم الحكومي. لكن عندما تدرك أن DeepSeek-V3 تدربت بتكلفة 5.5 مليون دولار فقط (2024) مقابل أكثر من 100 مليون دولار لـ GPT-4 (2023)، فإن المعادلة تحتاج إلى قلب رأساً على عقب. هذه الفجوة ليست إغراقاً أسعارياً، بل هي أثر جانبي لابتكار قسري فرضته قيود التصدير الأمريكية على أشباه الموصلات المتقدمة.
لماذا تكلّف نماذج الذكاء الاصطناعي الصينية جزءاً بسيطاً من تكلفة OpenAI وأنثروبيك؟
الجذر الحقيقي لا يكمن في هيكل التكاليف التقليدي، بل في ندرة الرقاقات المتطورة. منذ أكتوبر 2022، فرضت واشنطن حظراً متصاعداً على شرائح Nvidia A100 وH100 ثم H800، مما قطع الطريق أمام المختبرات الصينية للحصول على أحدث مسرّعات الحوسبة. هذا الاختناق دفعها إلى إعادة كتابة قواعد التدريب والاستدلال من الصفر. وهنا يظهر تناقض صارخ: بينما تنفق OpenAI وAnthropic مئات الملايين على عناقيد من وحدات معالجة الرسوميات الفائقة، تعلّمت الفرق الصينية كيف تستخرج أقصى أداء من شرائح محلية قديمة نسبياً مثل Huawei Ascend 910B، أو من وحدات Nvidia V100 المعدّلة.
بحلول منتصف 2025، أصبحت تكلفة الاستدلال لنماذج Alibaba Qwen 2.5 تلامس 0.15 دولار لكل مليون رمز، مقارنة بـ 5 إلى 15 دولاراً لنماذج OpenAI المماثلة. هذا الفارق الذي يتجاوز 35 ضعفاً ليس نتيجة بخس متعمد، بل هو عائد هندسة برمجية ولدت من حصار الرقائق.
كيف قاد الحظر الأمريكي على الرقائق إلى هندسة معمارية أكثر كفاءة؟
عندما لا تستطيع شراء المزيد من القوة الحاسوبية، تبدأ في تشريح كل دورة معالج. المختبرات الصينية ركزت على ثلاثة محاور تقنية حوّلت الضعف إلى ميزة تنافسية.
بنية خليط الخبراء (MoE) الموزّع ديناميكياً: عوضاً عن تشغيل كامل النموذج لكل رمز، تُفعّل النماذج الصينية عدداً صغيراً من الخبراء المتخصصين، مما يخفض العمليات الحسابية بنسبة 70-90% دون خسارة كبيرة في الدقة.
التدريب منخفض الدقة (FP8/INT4) مع حيل تكميم انتهازية: استخدمت DeepSeek وQwen تدريباً مختلطاً بدقة 8 بت منذ 2024، وهو هامش لم تجازف به OpenAI إلا لاحقاً، لأنها لم تكن مضطرة لتوفير كل واط.
نوى برمجية مخصصة للمسرعات المحلية: عوضاً عن الاعتماد على مكتبات CUDA الجاهزة، أعادت الفرق كتابة نوى الحوسبة بلغات منخفضة المستوى لتتلاءم مع طوبولوجيا الذاكرة البطيئة لشرائح Ascend وBiren، فقلّصت زمن الاتصال بين الرقاقات إلى الحد الأدنى.
النتيجة هي نماذج تولّد الرموز بتكلفة كهرباء وشرائح أقل بمراحل، دون الحاجة لإنفاق 30 ألف دولار على وحدة GPU واحدة. هذه العقلية الهندسية "الانكماشية" هي ما يجعل الفارق السعري مستداماً، وليس مجرد مرحلة انتقالية.
من الرابح والخاسر في فجوة الأسعار بين الشرق والغرب؟
المستفيد الأول هو المطوّر العالمي. أصبح بإمكان شركة ناشئة في جاكرتا أو نيروبي استدعاء نموذج Qwen أو DeepSeek عبر واجهة برمجة تطبيقات أرخص 30 مرة من Claude 3.5 Sonnet، وبناء تطبيقات وكلاء أذكياء كانت حكراً على الميزانيات الضخمة. وهذا يفسر الإعلانات الأخيرة في Microsoft Build 2026 عن منافسة محتدمة مع OpenAI وAnthropic؛ إذ باتت مايكروسوفت ترى في النماذج الصينية الرخيصة تهديداً لهامش خدمات Azure السحابية الفاخرة.
في المقابل، تقع شركات الحوسبة السحابية الغربية تحت ضغط تسعيري هائل. فحين يقدّم Alibaba Cloud الاستدلال بسعر يقل 90% عن نظيره في AWS، تبدأ الهجرات الصامتة. ومع إعلان NVIDIA GTC 2026 عن دخول الوكلاء الأذكياء إلى قطاعي الصحة وعلوم الحياة، يصبح الاستدلال الرخيص عامل بقاء وليس رفاهية. الصين، التي راهنت على الكفاءة القسرية، ستجني الأرباح من كل مليار رمز إضافي يستهلكه هؤلاء الوكلاء.
القيود الأمريكية على الرقائق لم توقف التقدم الصيني، بل علّمته كيف يصنع نماذج تستهلك كهرباء وشرائح أقل بمراحل، وهذا الفارق لن يختفي مع الجيل القادم من المسرّعات.
أما الخاسر الأكبر فهو الافتراض بأن الرسملة الضخمة وحدها تصنع التفوق. أنثروبيك، التي راهنت على نماذجها الضخمة Fable وSonnet، تجد نفسها مضطرة لتبرير أسعار مرتفعة في وقت يتسارع فيه التبني المؤسسي للبدائل الصينية. وهذا يقودنا إلى السؤال الجوهري: هل تتحول نماذج الذكاء الاصطناعي إلى سلعة سعرية قبل أن تسترد استثماراتها؟
ما الذي يعنيه هذا لك إن كنت صانع قرار في الاقتصاد الرقمي؟
أولاً، أعد تقييم ميزانياتك السحابية: إذا كنت تدير خدمة تعتمد على الاستدلال الكثيف، فإن دمج واجهات النماذج الصينية يمكن أن يخفض تكاليفك التشغيلية بنسبة 80% دون تدهور ملموس في الجودة، كما أظهرت نماذج مثل GLM 5.2 الصينية التي تفوقت على عمالقة الغرب في مهام اللغة والاستدلال. ثانياً، راقب استثمارات فوكسكون وتسريبات OpenAI؛ إذ يشير إعلان فوكسكون عن طلبية ضخمة لوحدات GPU إلى محاولة يائسة لخفض تكاليف الاستدلال غرباً، ولكن دون إعادة التفكير في العمارة الأساسية، ستبقى الفجوة قائمة. وهذا ما تناقشه مقارنتنا بين معماريات GB300 وGB200 وHopper: الأجهزة الأحدث لا تكفي وحدها، بل المنهجية الهندسية هي الفارق.
ثالثاً، استعد لموجة تنظيمية: الحكومات الغربية لن تقف مكتوفة الأيدي. توقّع رسوماً جمركية على الاستدلال المستضاف في السحب الصينية، وتحقيقات حول أمن البيانات. لكن حتى هذه الحواجز ستكون مؤقتة أمام اقتصاديات كفاءة لا مثيل لها.
المؤشر الذي سيؤكد هذا التحليل هو الإعلان المقبل عن نموذج صيني جديد يتجاوز GPT-5 في الأداء، ولكن بتكلفة استدلال أقل من دولار واحد لكل مليون رمز. إن تحقق ذلك في غضون الـ 12 شهراً القادمة، فسيتحول السرد العالمي من "لماذا هي رخيصة؟" إلى "كيف يمكننا اللحاق بكفاءتها؟"