إنتاج الرقائق المحلية: كيف تبني الصين نظامها البيئي الخاص بالذكاء الاصطناعي

منذ سنوات، كان العالم يسعى لفهم المعنى الحقيقي للصناعة الرقمية. اليوم، ما هو الإنتاج في ظل ثورة الذكاء الاصطناعي؟ إنه ليس مجرد صناعة الأجهزة. إنه بناء نظام بيئي كامل حيث تلتقي الابتكار والاستقلالية. على مدى أكثر من ست سنوات، انتقلت الصين من الاعتماد على حلولها الخاصة إلى تحقيق سيطرة حقيقية على الحوسبة. تبدأ هذه القصة بأزمة وتصل إلى ثورة.

عنق الزجاجة غير hardware: لماذا CUDA هو العقبة الحقيقية

في عام 2018، تعرضت شركة ZTE لتجربة قاسية. قرار من مكتب الصناعة والأمن الأمريكي أوقف عمل شركة متعددة الجنسيات تضم 80,000 موظف وإيرادات سنوية تصل إلى مليارات الدولارات في ليلة واحدة. لا شرائح من Qualcomm، ولا ترخيص أندرويد من Google—توقف التشغيل بالكامل.

لكن على مستوى أعمق، المشكلة الحقيقية ليست hardware فقط. إنها نظام بيئي يُسمى CUDA.

CUDA، أو Compute Unified Device Architecture، هو منصة حوسبة متوازية قدمتها NVIDIA في 2006. خلال ثورة التعلم العميق، أصبح أساس صناعة الذكاء الاصطناعي بأكملها. تدريب نماذج الذكاء الاصطناعي الكبيرة هو في جوهره عمليات مصفوفة ضخمة—وهنا، تتفرد GPU. طورت NVIDIA نظامًا بيئيًا متكاملاً خلال عشر سنوات، من hardware الأساسي إلى أدوات البرمجيات العليا، باستخدام CUDA.

اليوم، تعتمد جميع أُطُر الذكاء الاصطناعي الكبرى مثل TensorFlow من Google وPyTorch من Meta بشكل عميق على CUDA. يبدأ كل مطور في الذكاء الاصطناعي بكتابة كود CUDA منذ اليوم الأول. النتيجة هي عجلة لا تتوقف: كلما زاد عدد المطورين، زادت الأدوات، وتوسع النظام البيئي، وانضم المزيد من المطورين.

حتى 2025، يضم نظام CUDA أكثر من 4.5 مليون مطور ويشمل أكثر من 3000 تطبيق معتمد على GPU. أكثر من 90% من مطوري الذكاء الاصطناعي حول العالم يعتمدون على هذا النظام. كيف يمكن استبداله؟ نعم، ممكن—لكن عليك إعادة كتابة كل الخبرات والأدوات والكود الذي جمعه عباقرة على مدى عقد من الزمن. من سيدفع ثمن ذلك؟

من الاستنتاج إلى التدريب: الجودة في الإنتاج المحلي

في ظل استمرار القيود الأمريكية—أولها في 2022 مع NVIDIA A100 وH100، ثم في 2023 مع A800 وH800، وأخيرًا في 2024 مع H20—لا تستسلم شركات الذكاء الاصطناعي الصينية للمنافسة المباشرة. اختارت مسارًا مختلفًا: تحسينات على مستوى الخوارزميات.

من نهاية 2024 حتى 2025، تحولت شركات الذكاء الاصطناعي الصينية إلى استراتيجية تقنية: بنية خبراء المختلطين (MoE). نموذج DeepSeek V3 مثال على ذلك. يحتوي على 671 مليار معلمة، لكن في كل استنتاج، يعمل فقط 37 مليار معلمة—أي 5.5% من الإجمالي. تكلفة التدريب بلغت 5.576 مليون دولار، مقارنة بـ78 مليون دولار المتوقع لـGPT-4.

هذا التحسين الخوارزمي انعكس مباشرة على السعر: API الخاص بـDeepSeek يكلف 0.028-0.28 دولار لكل مليون رمز إدخال، بينما GPT-4 أو يكلف 5 دولارات. وClaude Opus يكلف 15 دولارًا. الصين أرخص بـ25 إلى 75 مرة.

لكن الاختراق الحقيقي ليس فقط في السعر. بحلول 2025، انتقلت تطبيقات الذكاء الاصطناعي من المحادثة البسيطة إلى سيناريوهات الوكيل، حيث زاد استهلاك الرموز بمقدار 10-100 مرات. في هذا الحجم، أصبح السعر عاملاً حاسمًا.

اليوم، أصبح الإنتاج المحلي يتطور من الاستنتاج إلى التدريب—قفزة نوعية. الاستنتاج يعمل فقط على نماذج مدربة مسبقًا؛ أما التدريب فيتطلب قوة حوسبة أعلى، عرض نطاق تواصل، ونظام بيئي برمجي متكامل.

نظام الإنتاج البيئي: من جيانغسو شينغهوا إلى النشر العالمي

وسط التحول الصناعي، تم بناء خط إنتاج خوادم في جيانغسو شينغهوا، مدينة صغيرة معروفة بالفولاذ المقاوم للصدأ والأطعمة الصحية. استغرقت الاتفاقية والتشغيل 180 يومًا فقط. يستخدم الخط معالجات محلية: معالج Loongson 3C6000 ومسرع AI TaiChu Yuanqi T100.

هذه لحظة مهمة: الإنتاج الآن لا يقتصر على الحجم، بل على القدرة. عند الاكتظاظ، يخرج خادم واحد كل 5 دقائق، أي 100,000 وحدة سنويًا.

الأهم من ذلك، أن عنقود الآلاف من الشرائح المحلية بدأ يتلقى تدريبًا حقيقيًا لنماذج كبيرة. في يناير 2026، أعلنت Huawei عن GLM-Image—أول نموذج توليد صور SOTA تم تدريبه بالكامل باستخدام شرائح محلية. وفي فبراير، أكملت China Telecom عملية تدريب نموذج Xingchen على مجموعة الحوسبة المحلية في شنغهاي لينغنغ.

القوة الدافعة وراء ذلك هي سلسلة Huawei Ascend. حتى نهاية 2025، يضم نظام Ascend أكثر من 4 ملايين مطور و3,000+ شريك. أكملت 43 نموذجًا رئيسيًا تدريبها المسبق باستخدام Ascend، مع أكثر من 200 نموذج مفتوح المصدر تم تكييفها.

في 2 مارس 2026، أعلنت Huawei عن بنية تحتية جديدة SuperPoD. قدرة الحوسبة FP16 لـAscend 910B تعادل A100 من NVIDIA. إذا تطور النظام البيئي أثناء تحسين الشريحة—ولم ينتظر الكمال—فإن سرعة التحديث ستكون عالية جدًا.

ميزة الطاقة والقدرة الحاسوبية: لماذا تتفوق الصين

في بداية 2026، توقف ولاية فيرجينيا عن إصدار تصاريح مراكز البيانات الجديدة. تلتها جورجيا، إلينوي، ميشيغان. شبكة الكهرباء في الولايات المتحدة تتجاوز قدراتها.

استهلاك مراكز البيانات في الولايات المتحدة عام 2024 كان 183 تيراواط ساعة—أي 4% من الاستهلاك الكلي. حتى 2030، يُتوقع أن يصل إلى 426 تيراواط ساعة، أو 12%. قال رئيس Arm إن مراكز البيانات الذكية قد تستهلك 20-25% من كهرباء أمريكا بحلول 2030.

بينما تقلق أمريكا بشأن الكهرباء، تمتلك الصين ميزة كبيرة. الإنتاج السنوي للكهرباء في الصين هو 10.4 تريليون وحدة، مقابل 4.2 تريليون في أمريكا—أي 2.5 مرة فقط. والأهم، أن الاستخدام السكني في الصين يمثل 15% فقط من الإجمالي، مقابل 36% في أمريكا. هذا يعني توفر قدرة صناعية أكبر للحوسبة.

سعر الكهرباء في المناطق الصناعية غرب الصين حوالي 0.03 دولار لكل كيلوواط ساعة، بينما في مراكز الذكاء الاصطناعي الأمريكية يتراوح بين 0.12 و0.15 دولار. الصين لديها ميزة بـ4-5 مرات.

الرموز والأسواق: السلعة الرقمية الجديدة التي تنمو

اليوم، بينما تستثمر أمريكا في بنية الطاقة، تصدر الصين منتجًا جديدًا: الرموز. الرمز هو أصغر وحدة من المعلومات التي يفكر فيها نموذج الذكاء الاصطناعي—أصبح سلعة رقمية تُنتج في مصانع الحوسبة وتُرسل حول العالم.

توزيع مستخدمي DeepSeek يتحدث: 30.7% من الصين، 13.6% من الهند، 6.9% من إندونيسيا، 4.3% من أمريكا، 3.2% من فرنسا. يدعم 37 لغة ويزداد بسرعة في الأسواق الناشئة مثل البرازيل.

في فبراير 2026، على منصة OpenRouter، قفز الاستخدام الأسبوعي لنماذج الذكاء الاصطناعي الصينية بنسبة 127% خلال ثلاثة أسابيع، وتصدر السوق على الولايات المتحدة لأول مرة. قبل عام، كانت حصة السوق للصين أقل من 2%. الآن، وصلت إلى 6%، بزيادة 421%.

في 27 فبراير 2026، أعلنت ثلاث شركات شرائح محلية عن نتائجها. شركة Cambrian زادت إيراداتها بنسبة 453% وأول ربحية سنوية. شركة Moore Threads زادت بنسبة 243% لكن بخسارة صافية مليار دولار. شركة Muxi زادت بنسبة 121% لكن بخسارة تقارب 8 مليارات.

نار وماء. النار هي طلب السوق. 95% من إيرادات الشركات المحلية التي أعلن عنها Huang Renxun تملأها أرقام السوق، واحدة تلو الأخرى. السوق يحتاج إلى خيار ثاني بدون NVIDIA. إنها فرصة هيكلية غير مسبوقة.

الدرس من التاريخ

قبل ثماني سنوات، حدثت أزمة كبيرة. في 1986، أعادت اتفاقية صناعة أشباه الموصلات بين أمريكا واليابان تشكيل الصناعة. كانت اليابان في المقدمة—حتى 1988، كانت تسيطر على 51% من سوق أشباه الموصلات العالمي، مقابل 36% لأمريكا. ست شركات من العشرة الأوائل كانت يابانية.

لكن عبر إجراءات تجارية استراتيجية، وتدقيق تنظيمي، ودعم المنافسين الكوريين، قلصت أمريكا حصة اليابان من 80% إلى 10%. كانت القوى السابقة تتفكك، تُشترى، أو تتلاشى.

المأساة: اليابان كانت راضية بالتقسيم العالمي للعمل حيث تصنع الأفضل، لكنها لم تبنِ نظامًا بيئيًا مستقلًا. وعندما تلاشت الموجة، لم يبقَ لديها سوى التصنيع.

صناعة الذكاء الاصطناعي الحالية في الصين تواجه ضغطًا مماثلاً، لكنها اختارت طريقًا أصعب: تحسينات خوارزمية متطرفة، تطوير شرائح محلية من الاستنتاج إلى التدريب، بناء نظام بيئي يضم 4 ملايين مطور Ascend، وتوزيع الرموز عالميًا. كل خطوة تبني نظامًا صناعيًا مستقلًا.

البحر مكلف جدًا لبناء النظام البيئي. كل خسارة هي مال حقيقي يُنفق لمواكبة CUDA. إنها تكاليف تعلم، دعم برمجي، ونفقات نشر المهندسين. إنها الضرائب الضرورية للاستقلالية الرقمية.

هذه التقارير المالية الثلاثة تعكس الحالة الحقيقية للمنافسة بشكل أكثر صدقًا من أي تقرير صناعي. ليست احتفالًا، بل معركة شرسة على الموقع، حيث ينهض الجنود وهم ينزفون.

لكن الشكل الرقمي قد تغير حقًا. قبل ثماني سنوات، كان السؤال: “هل يمكننا البقاء على قيد الحياة؟” اليوم، هو: “ما الثمن الذي يجب أن ندفعه لنستمر؟” والثمن هو التطور ذاته.