تتحرك دورة الأخبار التقنية بسرعة، لكن هذا الأسبوع بدا مختلفاً. لم يعد الذكاء الاصطناعي مجرد إصدار لمنتج أو ورقة بحثية، بل أصبح ورقة مساومة في السياسة الخارجية. بدأت الحكومات في التعامل مع أوزان النماذج (model weights) مثل اليورانيوم المخصب: مركزة، وخطيرة إذا أسيء استخدامها، ومن المستحيل تجاهلها إذا قام منافس بتخزينها. لم يعد الصراع حول أي نموذج يحقق درجة أعلى في اختبارات القياس (benchmark)، بل يتعلق بمن يحق له بناؤها، ومن يتحكم في المواد اللازمة لتدريبها، ومن يمتلك البيانات التي تعلمت منها.

اتهام التقطير (Distillation)

هذا الأسبوع، اتهم مسؤول أمريكي شركة Moonshot AI بسرقة نموذج Fable التابع لشركة Anthropic. الادعاء المحدد هو أن Moonshot استخدمت عملية التقطير (distillation) لبناء نظام Kimi K3 الخاص بها. بالنسبة للقراء الذين لا يتابعون أساليب التدريب عن كثب، فإن التقطير هو ممارسة استخدام نموذج كبير وقادر لتعليم نموذج أصغر أو أحدث. وهو أمر قانوني وشائع عندما يتم بإذن، لكنه يتحول إلى سرقة عندما تستخلص شركة ما المعرفة من نظام مملوك لمنافس دون تصريح.

الأدلة، وفقاً للاتهام، هي سلوكية. لاحظ الباحثون أن Kimi K3 يعرّف نفسه على أنه Claude، مساعد Anthropic، في كثير من الأحيان. النموذج الذي يمتلك سجل تدريب خاص به يجب أن يعرف اسمه؛ وعندما يدعي مراراً وتكراراً أنه منتج منافس، يبدو الأمر أقل شبهاً بالصدفة وأقرب إلى طالب حفظ إجابات امتحان المعلم حرفياً. إذا كانت Moonshot قد قامت بالفعل بسحب مخرجات من نموذج Anthropic لتدريب Kimi K3، فإن تداعيات الملكية الفكرية تمتد إلى ما هو أبعد من قاعات المحاكم في Silicon Valley، لتصل إلى ضوابط التصدير وإحاطات الأمن القومي.

صعود النماذج الرخيصة

بينما يحتدم صراع التقطير، تقوم المختبرات الصينية بإطلاق نماذج رائدة (frontier models) بوتيرة وسعر يثيران قلق المؤسسة الأمريكية. وصل كل من DeepSeek V4 و Kimi K3 في غضون أيام من بعضهما البعض، وكلاهما يدعي قدرات تضعهما في قمة لوحات الصدارة العامة، ومع ذلك فإنهما يعملان بجزء بسيط من تكلفة نظيراتهما الأمريكية.

هذا النمط ليس جديداً، لكنه يتسارع. الصدمات السابقة من المختبرات الصينية أجبرت Wall Street بالفعل على التساؤل عما إذا كان تدريب نموذج رائد يتطلب حقاً عشرة مليارات دولار. ويعيد DeepSeek V4 و Kimi K3 هذا الضغط، حيث يشيران إلى أن الكفاءة الهندسية، والتنسيق الذكي للبيانات، والحلول البديلة للأجهزة يمكن أن تحل محل الإنفاق الرأسمالي الخام. بالنسبة للمختبرات الأمريكية التي تراهن على "خندق التوسع" (scaling moat)، فإن الرسالة واضحة: الأداء العالي أصبح أرخص، والنافذة المتاحة للأسعار المرتفعة بدأت تنغلق.

حرب الوكلاء للمؤسسات (Enterprise Agents)

لم تكن كل العناوين هذا الأسبوع تتعلق بالجيوسياسة. فقد أطلقت OpenAI منتج Presence، وهو منتج يهدف إلى مساعدة الشركات على نشر وكلاء الذكاء الاصطناعي (AI agents). تضع هذه الخطوة OpenAI في منافسة مباشرة مع Google و Meta و NVIDIA. ترى كل من هذه الشركات الفرصة نفسها: النموذج نفسه أصبح سلعة، لكن المنصة التي تعمل على أتمتة سير العمل الفعلي لا تقدر بثمن.

الوكلاء هم الخطوة المنطقية التالية بعد روبوتات الدردشة (chatbots). روبوت الدردشة يجيب على الأسئلة، أما الوكيل فيقوم بحجز الرحلات الجوية، أو تقديم تقارير المصروفات، أو إعادة توازن مخزون المستودعات. السباق لأتمتة هذه المهام يزداد سخونة لأن هذا هو المكان الذي تكمن فيه الإيرادات المتكررة للمؤسسات. لا تريد OpenAI بيع المحرك فحسب، بل تريد بيع السيارة بأكملها. وتريد Google أن يقوم Workspace بإدارة اجتماعاتك، بينما تريد Meta وجود وكلاء داخل شبكتها الاجتماعية (social graph)، وتريد NVIDIA تشغيل طبقة البنية التحتية التي تقع تحت كل هؤلاء. لن يكون الفائز بالضرورة هو المختبر الذي يمتلك أفضل نموذج، بل المختبر الذي يقنع أقسام تكنولوجيا المعلومات بتسليم مفاتيح الأنظمة الداخلية.

عندما تصبح الخرسانة هي عنق الزجاجة

كل هذه الطموحات البرمجية لا تزال تعتمد على أشياء مادية. أوضحت OpenAI ذلك عندما بدأت Project Camellia، وهو مجمع مراكز بيانات بقيمة ثلاثين مليار دولار في Georgia. ثلاثون مليار دولار ليست مجرد ميزانية للمرافق، بل هي تصريح بأن الحدود الرئيسية للذكاء الاصطناعي لم تعد الخوارزميات أو حتى وحدات معالجة الرسومات (GPUs)، بل هي الكهرباء والخرسانة.

لا يمكنك تدريب نموذج رائد (frontier model) في خزانة خوادم. أنت بحاجة إلى آلاف المسرعات التي تعمل في تناغم، وتستهلك طاقة تفوق ما تستهلكه مدينة متوسطة الحجم. أنت بحاجة إلى الألياف الضوئية، والمياه للتبريد، والصلب، وسنوات من استخراج التصاريح. لهذا السبب يضخ مديرو الأصول مثل BlackRock وMGX المليارات في مشاريع مراكز البيانات. إنهم لا يضاربون على تطبيق ما، بل يشترون السكك الحديدية ومناجم الفحم في عصر الذكاء الاصطناعي. وإذا لم تستطع سلسلة التوريد الخاصة بتوليد الطاقة والإنشاءات مواكبة هذا الزخم، فإن خارطة الطريق الكاملة للنماذج الأكبر ستتعثر، بغض النظر عن مدى أناقة الرياضيات المستخدمة.

المحاكم، وحقوق الطبع والنشر، ورأس المال

دخل النظام القانوني أيضاً دائرة الضوء هذا الأسبوع؛ حيث وافق قاضٍ على تسوية شركة Anthropic البالغة 1.5 مليار دولار مع مؤلفين اتهموا الشركة باستخدام كتبهم لتدريب Claude دون إذن. وتحسم هذه التسوية واحدة من أكبر مطالبات حقوق الطبع والنشر في تاريخ الذكاء الاصطناعي.

حجم الشيك يهم بقدر ما يهم الحكم نفسه؛ فهو يخبر كل المختبرات الأخرى أن بيانات التدريب ليست مورداً مجانياً يتم سحبه من الويب المفتوح، بل هي التزام طارئ (contingent liability) يمكن أن يظهر في نهاية المطاف في الميزانية العمومية. إن بنداً بقيمة 1.5 مليار دولار يغير طريقة تفكير الفرق المالية في ميزانيات ما قبل التدريب، كما أنه يسلح المؤلفين والناشرين بسابقة واضحة للدعاوى القضائية المستقبلية. إذا كنت تبني نموذجاً اليوم، فلا يمكنك بعد الآن افتراض أن مجموعة بيانات التدريب الخاصة بك ستنجو من التدقيق.

الذكاء الاصطناعي لما وراء الشاشة

أخيراً، ذكرت أرقام التمويل هذا الأسبوع الجميع بأن الذكاء الاصطناعي لا يقتصر على نوافذ الدردشة. فقد بلغ تمويل الذكاء الاصطناعي الدفاعي 3 مليارات دولار هذا الشهر، بينما وصل الاستثمار في اكتشاف الأدوية المدعوم بالذكاء الاصطناعي إلى ملياري دولار.

في مجال الدفاع، تتدفق الأموال نحو الأنظمة التي يمكنها تحليل صور الأقمار الصناعية، وتنسيق أسراب الطائرات بدون طيار، وتقليص دورات اتخاذ القرار في ساحة المعركة. وفي مجال الأدوية، تعمل أدوات الذكاء الاصطناعي الجديدة على تقليص الجداول الزمنية لتطوير الأدوية من سنوات إلى أشهر؛ حيث يمكن للباحثين الآن توليد وفحص الجزيئات المرشحة عبر المحاكاة الحاسوبية (in silicon) قبل أن تلمس المختبرات الرطبة (wet lab). إن طبيعة الاستخدام المزدوج لهذه التكنولوجيا تتجلى بوضوح؛ فالأساليب الأساسية نفسها التي تحسن روبوت خدمة العملاء تسرع أيضاً من استهداف الصواريخ وتصميم الأجسام المضادة. ومع تدفق الأموال، تصبح الخطوط الأخلاقية والتنظيمية بين الذكاء الاصطناعي التجاري والاستراتيجي أكثر ضبابية.

محادثات سبتمبر ولوحة النتائج الجديدة

تتقارب كل هذه الخيوط في موعد واحد: ستعقد الولايات المتحدة والصين محادثات رسمية حول الذكاء الاصطناعي في سبتمبر، حيث يخططان لمناقشة الذكاء الاصطناعي العسكري والوصول إلى الرقائق. هذان البندان وحدهما يخبرانك بمدى ابتعادنا عن عصر الأبحاث المفتوحة.

كانت المنافسة القديمة بسيطة: تطلق أنت نموذجاً، وأطلق أنا نموذجاً، والفائز هو من يحقق درجة أفضل في MMLU أو HumanEval. هذه اللعبة في طريقها للانتهاء، فالأسئلة الجديدة أصعب في القياس الكمي ويستحيل إصلاحها بتحديث برمجيات:

  • من تدرب على أي بيانات، وهل دفع ثمنها؟
  • من يمكنه شراء أي رقائق، ومن يُمنع من سلسلة التوريد؟
  • من يسيطر على إمدادات الطاقة التي تشغل مراكز البيانات؟

المعايير المرجعية (Benchmarks) تلتقي، والقدرات تتقارب، لكن السياسة تفرق. هناك نظامان بيئيان متوازيان يتشكلان، يفصل بينهما تراخيص التصدير، وشبكات الطاقة، والأنظمة القانونية.

الخلاصة الحقيقية

إذا كنت مطوراً، أو مؤسساً، أو مشترياً من الشركات، فتوقف عن تقييم الذكاء الاصطناعي بناءً على نتائج لوحة الصدارة فقط. ابدأ في التعامل مع مخاطر سلسلة التوريد والمخاطر السياسية كقيود هندسية. فالنموذج الذي تدمجه اليوم قد يقع تحت قيود التصدير غداً، وبيانات التدريب الكامنة وراءه قد تحمل فاتورة قانونية بمليارات الدولارات، ومركز البيانات الذي يشغله قد يتقيد بشبكة المرافق المحلية، وليس بعبقرية الباحثين الذين بنوه. ابنِ بنيتك التحتية وكأن الأدوات التي تعتمد عليها قد تتعرض للحظر، أو النزاع القانوني، أو الحرمان من الطاقة؛ لأن هذا الأسبوع أوضح أن الثلاثة أصبحت الآن احتمالات واقعية.