تتجه الشركات الأمريكية بشكل متزايد إلى نماذج الذكاء الاصطناعي الصينية، والسبب ببساطة صادم: التكلفة. فبينما تحتفظ شركتا OpenAI وAnthropic بأسعار مرتفعة، وصلت النماذج مفتوحة الأوزان الصادرة عن ديب سيك، وQwen التابعة لشركة علي بابا، وGLM التابعة لشركة Zhipu، وKimi التابعة لشركة Moonshot، بجزء ضئيل جدًّا من تلك الأسعار، مع تقليص معظم الفجوة في الجودة. والنتيجة هي هجرة هادئة بدأت تظهر الآن في بيانات الاستخدام الفعلية — وليس فقط في المقالات الرأي.
أبرز الاستنتاجات
- وقد ظلت حصة الرموز (tokens) التي تنفقها الشركات الأمريكية على نماذج الذكاء الاصطناعي الصينية عبر منصة OpenRouter فوق ٣٠٪ أسبوعيًّا منذ ٨ فبراير ٢٠٢٦، وبلغت ذروتها قرب ٤٦٪ — مقارنةً بنسبة ١١٪ تقريبًا قبل عام.
- والفارق في الأسعار هائل: إذ يبلغ سعر النموذج الرائد لـDeepSeek حوالي ٠٫٨٧ دولار أمريكي لكل مليون رمز خرجي، مقابل نحو ٢٥ دولارًا لأنثروبيك و٣٠ دولارًا لـOpenAI.
- ومن أبرز الشركات التي أعلنت تحولها: Lindy (انتقلت بالكامل إلى DeepSeek)، وShopify (استضافت ذاتيًّا نموذج Qwen 3)، وCoinbase (GLM 5.2 + Kimi 2.7)، وAirbnb (اعتمدت Qwen).
- وتتراوح التوفيرات المُبلَّغ عنها بين ٥٠٪ تقريبًا وتخفيض في التكلفة لكل وحدة بمقدار ٧٥ ضعفًا.
- وليس الأمر متعلقًا بالسعر وحده — فالنماذج مفتوحة الأوزان تتيح للشركات استضافتها ذاتيًّا والاحتفاظ بالبيانات داخل حدود المؤسسة، رغم أنها تثير تساؤلات حقيقية تتعلق بالحوكمة والجغرافيا السياسية.
ما مدى ضخامة التحوُّل نحو نماذج الذكاء الاصطناعي الصينية؟
إن أوضح إشارة على هذا التحوُّل هي الاستخدام الفعلي، وليس مجرد التصريحات أو المشاعر. ووفقًا لبيانات OpenRouter التي أوردتها قناة CNBC، فقد ظلت حصة الرموز التي توجِّهها الشركات الأمريكية إلى النماذج الصينية فوق ٣٠٪ أسبوعيًّا منذ ٨ فبراير ٢٠٢٦، ووصلت إلى ذروتها عند ٤٦٪ — مقارنةً بمتوسط بلغ نحو ١١٪ خلال الاثني عشر شهرًا السابقة. وبعبارة أخرى، فإن ما يقارب نصف حركة مرور الذكاء الاصطناعي المؤسسية الأمريكية في بعض الأسابيع تتم الآن عبر نماذج تم تطويرها في الصين.
ويتحرك طرف السوق المتمثل في الشركات الناشئة بوتيرة أسرع. وتقدِّر التقديرات الصادرة عن القطاع أن نحو ٢٠–٣٠٪ من الشركات الناشئة تستخدم حاليًّا نماذج مفتوحة المصدر، وأن نحو ٨٠٪ من هذه الشركات تختار نموذجًا صينيًّا مفتوح الأوزان. وعندما يكون مؤسس شركة ناشئة يراقب مدة استمرارية الشركة (runway)، فإن اختلافًا بترتيب قدره عُشر أو أكثر في فاتورة الذكاء الاصطناعي ليس خطأً تقريبيًّا — بل هو الفرق بين إطلاق المنتج وغلق الشركة.
الفجوة السعرية التي تدفع نحو هذا التحوُّل
وتفسِّر الأرقام الرئيسية السلوك بنفسها. إذ يمكن أن تبلغ تكلفة النموذج الصيني الرائد جزءًا ضئيلًا جدًّا من تكلفة المنافسين الأمريكيين لكل رمز:
| النموذج / المزوِّد | السعر التقريبي للإخراج (لكل مليون رمز) |
|---|---|
| ديب سيك (النموذج الرائد) | ~$0.87 |
| أنثروبيك كلاود (النموذج الرائد) | ~$25 |
| أوبن آي (النموذج الرائد) | ~$30 |
وقد أشارت مقارنة واحدة لحمولة عملٍ شائعة الاقتباس إلى أن نفس المهمة تكلف نحو ٤٨١١ دولارًا على نموذج أنثروبيك كلاود، بينما تبلغ تكلفتها نحو ٥٤٤ دولارًا على نموذج GLM التابع لشركة Zhipu — أي فرق يقارب ٩ أضعاف. ويقدِّر المحللون عمومًا أن أبرز النماذج الصينية مفتوحة المصدر أرخص بنسبة ٦٠٪ إلى ٩٠٪ من أحدث النماذج الأمريكية الرائدة لأداء مهام مماثلة. ولذلك، فمن الأفضل قبل اتخاذ أي قرار بالتحول، أن تقوم بحساب أرقامك الخاصة بدلًا من الاعتماد على الأرقام العامة: فحاسبة حاسبة تكلفة واجهات برمجة تطبيقات الذكاء الاصطناعي التقديرية المجانية لدينا تُقدِّر الفاتورة الشهرية الفعلية بناءً على حجم الرموز الذي تستخدمه، كما أن مؤشر أداء الذكاء الاصطناعي مقابل التكلفة مؤشر كفاءة السعر-الأداء لدينا يرتِّب النماذج حسب نسبة الذكاء إلى الدولار، ليُظهر لك بدقة مكان كل نموذج من حيث القيمة.
من هم المتغيِّرون فعليًّا؟
وهذا لم يعد أمرًا نظريًّا. فقد قامت عدة شركات مُسمَّاة بالفعل بتحويل حركة المرور الفعلية في بيئات الإنتاج:
- ليندي — وهي شركة ناشئة متخصصة في وكلاء الذكاء الاصطناعي، انتقلت بنسبة ١٠٠٪ من حركة مرورها من نموذج أنثروبيك كلاود إلى ديب سيك، ويتوقع الرئيس التنفيذي للشركة أن هذا التحوُّل سيوفر ملايين الدولارات.
- شوبفيكي — واستبدلت وفق التقارير خط أنابيب GPT-5 الخاص بشركة أوبن آي بنظام متعدد الوكلاء مستضاف ذاتيًّا يعمل بواسطة نموذج Qwen 3 التابع لشركة علي بابا، مشيرةً إلى تخفيض في تكلفة النموذج اللغوي لكل وحدة بنسبة تقارب ٧٥ ضعفًا، إلى جانب تحسُّن في جودة المخرجات.
- كوين베يس — خفضت إنفاقها على الذكاء الاصطناعي بنسبة تقارب النصف بعد نقل مهامها إلى GLM 5.2 وKimi 2.7.
- إيربنبي — تشغِّل ١٣ نموذجًا للذكاء الاصطناعي، لكنها تعتمد اعتمادًا كبيرًا على Qwen؛ وقد وصف الرئيس التنفيذي للشركة، براين تشيسكي، النموذج بأنه «جيد جدًّا» و«سريع» وبأسعار معقولة. وبعد طرح وكيل خدمة العملاء القائم على Qwen، أفادت إيربنبي بأن متوسط وقت الحل انخفض من نحو ثلاث ساعات إلى نحو ست ثوانٍ.
الأمر لا يقتصر على السعر: فالأوزان المفتوحة تغيِّر المعادلة الحسابية بأكملها
قد تتصدَّر التكلفة العناوين، لكن المحرك الثاني هو البنية المعمارية. وبما أن هذه النماذج الصينية مفتوحة الأوزان، يمكن لأي شركة تنزيلها وتشغيلها على أجهزتها الخاصة بدلًا من الاعتماد على واجهة برمجة تطبيقات (API) تابعة لطرف آخر. وهذا يغيِّر أمرين في آنٍ واحد: فمقياس التكلفة لكل رمز يختفي تمامًا، ولا تغادر البيانات الحساسة المبنى أبدًا. فعلى سبيل المثال، أكدت إيربنبي أنها لا ترسل أي بيانات إلى مطوري النموذج. وللفِرق التي تزن هذا التوازن، فإن حاسبة مقارنة الاستضافة الذاتية مقابل واجهات برمجة التطبيقات حاسبة نقطة التعادل لدينا تُظهر اللحظة التي تصبح فيها ملكية وحدة معالجة رسومية (GPU) أكثر اقتصادية من الدفع لكل رمز، كما أن دراسة التكلفة المقارنة بين النماذج المفتوحة والمغلقة لدينا تُقدِّر مدى اتساع هذه الفجوة. وللمقارنة بين المواصفات، ونوافذ السياق، والأسعار الفعلية جنبًا إلى جنب، راجع قاعدة بيانات نماذج الذكاء الاصطناعي لدينا قاعدة بيانات نماذج الذكاء الاصطناعيوللتحليل المتعمِّق للنموذج الذي يقود هذا التحوُّل، فإن دليل DeepSeek V4.
الجانب السلبي: الحوكمة والجغرافيا السياسية
التبديل ليس خاليًا من الاحتكاك. فبعد أن كشفت شركة Airbnb عن استخدامها نماذج صينية مفتوحة المصدر، فتح مشرّعون أمريكيون تحقيقاتٍ حول هذه الممارسة، رغم أن الشركة تستضيف النماذج ذاتيًّا ولا تشارك أي بيانات مع المطوِّرين الأصليين. أما بالنسبة للقطاعات الخاضعة للتنظيم الصارم، فإن استخدام نموذجٍ من أصل صيني — حتى لو كان يعمل بالكامل على خوادم محلية — يثير تساؤلاتٍ تتعلَّق بالمشتريات والامتثال والسمعة لا يمكن لجدول بيانات وحده أن يُجيب عنها. والنمط العملي الذي يبرز حاليًّا هو استضافة الأوزان المفتوحة ذاتيًّا (لضمان عدم انتقال أي بيانات عبر الحدود)، مع الاحتفاظ بنموذج أمريكي رائد جاهزٍ للاستخدام في أصعب المهام.
ما الدلالة التي يحملها هذا التحوُّل بالنسبة لشركتي OpenAI وAnthropic؟
والضغط ملموسٌ بالفعل. فقد أُبلغ في أوائل يونيو 2026 أن شركة OpenAI تدرس خفضًا حادًّا في أسعار الرموز (tokens)، وهي خطوةٌ ستُشير إلى أن الشركة ترى التهديد السعري الصيني تهديدًا وجوديًّا وليس هامشيًّا. وقد تحولت حالة السوق العامة من «الإفراط في استخدام الرموز» (tokenmaxxing) — أي إلقاء عدد متزايد باستمرار من الرموز على المشكلة — نحو التركيز على الكفاءة: تحقيق نفس النتيجة بتكلفة أقل بكثير. وهذه هي البيئة بالضبط التي ينجح فيها نموذجٌ أرخص بنسبة ٦٠–٩٠٪ في جذب العملاء، ولذلك قد تبدو أسعار النماذج الرائدة في العام المقبل مختلفةً جذريًّا عمّا كانت عليه في العام الماضي.
هل ينبغي لشركتك أن تتحول؟ إطار عمل سريع لتقييم ذلك
الإجابة الصادقة هي: أحيانًا. واجعل قرارك يستند إلى أربعة معايير. الحجم — فكلما زاد حجم الاستخدام وازداد انتظامه، زادت الفوائد المحقَّقة من استخدام نموذج أرخص (أو الاستضافة الذاتية). معيار الجودة — ففي مهام الصياغة اليومية والاستخراج والتصنيف ودعم العملاء، يصعب التمييز بين أفضل النماذج المفتوحة والمُقدَّمة عبر واجهات برمجة التطبيقات (APIs) الرائدة؛ أما في أصعب مهام الاستنتاج المنطقي، فلا تزال النماذج الأمريكية الرائدة متقدِّمةً. حساسية البيانات — فإذا كان من غير المسموح أن تغادر بياناتك نطاق سيطرتك، فإن الاستضافة الذاتية لنماذج مفتوحة المصدر هي الحل الأنظف. الحوكمة — تحقَّق من قواعد المشتريات والامتثال قبل الالتزام الرسمي. وابدأ بحساب التكاليف باستخدام الآلات الحاسبة المذكورة أعلاه، ثم نفِّذ تجربةً أولية على مهمة غير حرجة، وبعد ذلك فقط انقل حركة المرور الفعلية.
الأسئلة الشائعة
أي النماذج الصينية للذكاء الاصطناعي تستخدمها الشركات الأمريكية أكثر ما تستخدم؟
أكثر الأسماء التي يُشار إليها هي DeepSeek وQwen التابعة لشركة علي بابا وGLM التابعة لشركة Zhipu وKimi التابعة لشركة Moonshot. ويتصدَّر DeepSeek عمليات التبديل الدافعة بالسعر، بينما اعتمدت كلٌّ من Airbnb وShopify نموذج Qwen، واعتمدت Coinbase نموذجي GLM وKimi.
ما مدى انخفاض سعر النماذج الصينية للذكاء الاصطناعي؟
يقدِّر المحلِّلون أن أسعار أبرز النماذج الصينية المفتوحة أرخص بنسبة تتراوح بين ٦٠٪ و٩٠٪ مقارنةً بأفضل النماذج الأمريكية الرائدة. وعلى سبيل المثال الملموس، فإن النموذج الرائد لـDeepSeek يكلف حوالي ٠٫٨٧ دولار لكل مليون رمز خرجي، مقابل نحو ٢٥ دولارًا لأنثروبيك و٣٠ دولارًا لـOpenAI، كما أظهرت مقارنةٌ لأداء نموذج واحد فرقًا بلغ قرابة ٩ أضعاف (٥٤٤ دولارًا على GLM مقابل ٤٨١١ دولارًا على Claude).
هل من الآمن إرسال بيانات الشركة إلى نماذج الذكاء الاصطناعي الصينية؟
وبما أن هذه النماذج تمتلك أوزانًا مفتوحة المصدر، فيمكن للشركات استضافتها ذاتيًّا بحيث لا تغادر أي بيانات خوادمها الخاصة — فعلى سبيل المثال، تؤكد شركة Airbnb أنها لا ترسل أي بيانات إلى مطوري النموذج. وبالتالي، فإن الخطر لا يكمن في نقل البيانات بقدر ما يكمن في مسائل الحوكمة وقواعد المشتريات والسياسات الجيوسياسية، والتي يجب على كل مؤسسة أن تقيِّمها بنفسها.
أي الشركات الأمريكية انتقلت بالفعل إلى نماذج الذكاء الاصطناعي الصينية؟
ومن الأمثلة المعلنة علنًا: شركة Lindy (التي انتقلت بنسبة ١٠٠٪ إلى DeepSeek)، وShopify (التي تستضيف Qwen 3 ذاتيًّا)، وCoinbase (التي تعتمد GLM 5.2 وKimi 2.7)، وAirbnb (التي تعتمد Qwen). كما تُظهر بيانات OpenRouter الأوسع أن استخدام الشركات الأمريكية للنماذج الصينية في القطاع المؤسسي تجاوز ٣٠٪ من إجمالي الرموز في معظم أسابيع عام ٢٠٢٦.
هل تُساوي النماذج الصينية نماذج OpenAI وأنثروبيك من حيث الجودة؟
ففي العديد من المهام اليومية ومهام البرمجة، أصبحت هذه النماذج قريبةً جدًّا من أفضل النماذج المغلقة من حيث النقاط، وهو ما يفسِّر منطق التبديل القائم على التكلفة. أما في أصعب مهام الاستنتاج المنطقي، فلا تزال النماذج الأمريكية الرائدة تحتفظ بميزة تنافسية — ولذلك فإن النمط الشائع هو تشغيل نموذج مفتوح رخيص افتراضيًّا، مع الاحتفاظ بواجهة برمجة تطبيقات رائدة للتعامل مع أصعب المهام.
النتيجة النهائية
إن الهجرة إلى النماذج الصينية للذكاء الاصطناعي مدفوعةٌ بالحسابات الرياضية لا بالأيديولوجيا. فعندما يكون نموذجٌ قادرٌ يكلِّف عُشر السعر — وأحيانًا سبعين جزءًا من السعر — للنموذج السائد، ويمكن استضافته ذاتيًّا للحفاظ على البيانات داخل المؤسسة، فإن الفرق المهتمة بالتكلفة ستختبره بالتأكيد، وتُظهر أرقام OpenRouter أن كثيرًا منها يبقى مستمرًّا في استخدامه. والدرس المستدام ليس «فوز الصين»، بل هو أن استنتاج الذكاء الاصطناعي (AI inference) أصبح سلعةً يتم فيها اعتبار السعر والكفاءة مهمَّين بنفس قدر القدرة الأولية. فالشركات التي تحسب أرقامها الواقعية بدقة، وتُجري تجارب أولية بعناية، وتختار النموذج الأنسب للمهمة، ستجني معظم التوفيرات دون أن تُخاطر بأعمالها من خلال الاعتماد الكامل على مزوِّد وحيد.
المصادر: CNBC، فوربس، Rest of World، Tech Startups. التقرير منشور في يوليو ٢٠٢٦.
