تعمل شركات الذكاء الاصطناعي الصينية على تقليل التكاليف وتطوير نماذج تنافسية، رغم القيود الأمريكية المفروضة على تصدير الرقائق المتقدمة والميزانيات المحدودة مقارنة بمنافسيها الغربيين.
وقد نجحت شركات ناشئة مثل “01 دوت أيه أي” و”ديب سيك” في تقليص التكاليف عبر اعتماد استراتيجيات تركّز على تدريب النماذج باستخدام مجموعات بيانات أصغر، إضافة إلى توظيف مهندسين مهرة ولكن بأجور أقل.
من ناحية أخرى، انخرطت الشركات الكبرى في مجال التكنولوجيا مثل “علي بابا” و”بايدو” و”بايت دانس” في منافسة قوية لتخفيض تكاليف الاستدلال أو استخراج البيانات من النماذج اللغوية الكبيرة، حيث تمكنت من خفض هذه التكاليف بأكثر من 90% لتصبح أقل بكثير مما تقدمه الشركات الأمريكية.
ورغم القيود الأمريكية على تصدير رقائق “إنفيديا” المتقدمة التي تُعتبر حاسمة لتطوير أحدث النماذج في الولايات المتحدة، تمكنت الشركات الصينية من تجاوز هذا التحدي بتبني استراتيجيات جديدة.
شركة “01 دوت أيه أي”، التي تتخذ من بكين مقرًا لها ويديرها لي كاي فو، الرئيس السابق لشركة “جوجل تشاينا”، أعلنت أنها نجحت في تقليص تكاليف الاستدلال من خلال تدريب نماذجها على بيانات أصغر تتطلب طاقة حوسبة أقل، بالإضافة إلى تحسين كفاءة أجهزتها.
وفي تصريح لصحيفة “فاينانشيال تايمز” البريطانية، أوضح لي أن “قوة الصين تكمن في تطوير محركات استدلال منخفضة التكلفة للغاية، مما يمكّن التطبيقات من النمو والانتشار بشكل أسرع”.
حققت شركات صينية أخرى، مثل “بايت دانس” و”علي بابا” و”ديب سيك”، تقدمًا ملحوظًا في تصنيفات النماذج اللغوية الكبيرة على المستوى العالمي.
علاوة على ذلك، تبنت العديد من شركات الذكاء الاصطناعي الصينية، مثل “01 دوت أيه أي” و”ديب سيك” و”ميني ماكس” و”ستيب فان”، استراتيجية “النموذج الخبير”.
هذه الاستراتيجية، التي اكتسبت شهرة بين الباحثين الأمريكيين، تقوم على تدريب عدة شبكات عصبية على بيانات متخصصة بدلاً من نموذج واحد يعتمد على قاعدة بيانات ضخمة.
ويعتبر الباحثون أن هذا النهج يمكن الشركات من تحقيق نفس مستوى الذكاء الذي توفره النماذج الكثيفة، لكن باستخدام موارد حوسبية أقل.
رغم ذلك، فإن هذا النهج يتطلب تنسيقًا دقيقًا بين العديد من “الخبراء”، مما قد يجعله أكثر عرضة للفشل مقارنة بتدريب نموذج واحد متكامل.
وفي ظل التحديات المتعلقة بالحصول على إمدادات مستمرة من رقائق الذكاء الاصطناعي المتقدمة، سعت الشركات الصينية على مدى العام الماضي إلى تطوير أفضل مجموعات البيانات لتدريب “النماذج الخبراء”، سعيًا للتميز عن المنافسين العالميين.
