الذكاء الاصطناعي مفتوح الأوزان: تحوّل في سباق الذكاء الاصطناعي يصبّ في مصلحة الهند

مع تقلّص الفجوة بين نماذج الذكاء الاصطناعي مفتوحة الأوزان والنماذج الاحتكارية، تتحول قدرات النماذج نفسها تدريجياً إلى سلعة متاحة على نطاق أوسع، ما يجعل الفرصة الحقيقية أمام الهند تكمن في تطبيق هذه النماذج وتأمينها ونشرها، وليس بالضرورة في بنائها من الصفر.

تقلصت الفجوة بين أفضل نموذج ذكاء اصطناعي مفتوح الأوزان وأكثر النماذج المغلقة أو الاحتكارية تقدماً إلى بضع نقاط فقط على مؤشرات الأداء. ففي مؤشر Artificial Analysis Intelligence Index، حتى 2 أغسطس 2026، سجل النموذج المفتوح الرائد Kimi K3 Max نتيجة بلغت 60 نقطة، أي أقل بنقطة واحدة فقط من النموذج الاحتكاري الأعلى تقييماً Claude Opus 5. وفي نهاية عام 2024، كانت الفجوة تتجاوز 10 نقاط.

وبالنظر إلى أفضل ثلاثة نماذج في كل فئة، بلغ متوسط النماذج مفتوحة الأوزان 52.7 نقطة على المؤشر، مقارنة بـ60.3 نقطة للنماذج الاحتكارية، في حين تبلغ تكلفة الوصول إليها عبر واجهات برمجة التطبيقات المستضافة نحو خُمس تكلفة النماذج الاحتكارية. وهذا يعني أن المدخلات التقنية التي كان إنشاؤها يتطلب في السابق عشرات المليارات من الدولارات أصبح من الممكن الآن تنزيلها وإعادة استخدامها لأغراض مختلفة.

تُعد جداول الاختبارات المعيارية مفيدة في مقارنة قدرات النماذج، لكن معدلات التبني تقدم صورة أكثر وضوحاً عن الاستخدام الفعلي. وقد بدأ تضاؤل الفجوة في القدرات بين النماذج مفتوحة الأوزان والنماذج الاحتكارية ينعكس بالفعل في تحول ملموس في معدلات الاستخدام.

فقد نشرت OpenRouter، وهي إحدى أبرز بوابات نماذج الذكاء الاصطناعي المحايدة تجاه مزودي الخدمات، في ديسمبر 2025 دراسة تجريبية تناولت استخدام 100 تريليون رمز رقمي. وتتبعت الدراسة حجم الرموز المستخدمة أسبوعياً بحسب فئات النماذج، ووجدت أن النماذج مفتوحة الأوزان، ومعظمها صيني، والتي لم تكن تمثل سوى 1.2% من حجم استخدام الرموز في أواخر عام 2024، اقتربت في بعض أسابيع عام 2025 من 30% من إجمالي الاستخدام.

وأظهرت الدراسة أيضاً أن إطلاق نماذج جديدة من DeepSeek وQwen وMoonshot AI وOpenAI أدى إلى زيادات سريعة ومستدامة في الاستخدام، ما يشير إلى أن المطورين لم يكونوا يكتفون بتجربة هذه النماذج، بل كانوا ينقلون إليها أعباء عمل فعلية مستخدمة في بيئات الإنتاج.

ومع ذلك، واصلت النماذج الاحتكارية الاستحواذ على معظم الاستخدامات، لا سيما في تطبيقات الأعمال المنظمة والتطبيقات التي تتطلب مستويات مرتفعة من الموثوقية. لكن النماذج مفتوحة الأوزان تجاوزت دورها السابق بوصفها مجرد بديل متخصص، لتصبح ركناً ثانياً مهماً في اقتصاد نماذج الذكاء الاصطناعي.

ورغم أن دراسة OpenRouter قاست فقط عمليات الاستدلال التي تمر عبر سوقها الخاصة، ولم تشمل النماذج التي يتم تشغيلها محلياً أو عبر بنى تحتية خاصة أو من خلال مزودي خدمات سحابية آخرين، فإن نتائجها تمثل مؤشراً قوياً على مدى تبني المطورين لهذه النماذج.

لم تعد المنافسة تقتصر على من يستطيع دفع حدود قدرات الذكاء الاصطناعي إلى أبعد مدى، بل أصبحت تدور أيضاً حول من يستطيع تقديم الاستخدام الأكثر فائدة بالسعر الأنسب على مستوى التطبيقات المبنية فوق هذه النماذج.

القوة الهيكلية المحركة لهذا التحول هي الابتكار المفتوح نفسه، وليس جنسية أي مختبر بعينه. فإلى جانب الصين، أصبحت الولايات المتحدة أيضاً تطلق نماذج قوية مفتوحة الأوزان، تقودها شركات مثل Meta وNvidia وOpenAI.

وما تغير بالنسبة لكل مطور، سواء في بنغالورو أو سان فرانسيسكو، هو أن الوصول إلى قدرات تقترب من مستوى النماذج الرائدة لم يعد مقيداً بأسعار الشركات المزودة لهذه النماذج. إذ يمكن اليوم تشغيل النماذج المفتوحة بجزء صغير من تكلفة نموذج مغلق رائد عند تنفيذ وحدة العمل نفسها.

وبذلك، أصبحت قدرات النماذج نفسها تتحول فعلياً إلى طبقة أشبه بالسلعة الأساسية. ولم تعد المنافسة تدور فقط حول من يستطيع دفع حدود التطور التقني إلى الأمام، بل حول من يستطيع بناء أكثر التطبيقات فائدة فوق هذه القدرات وبالتكلفة المناسبة.

فرصة الهند تكمن فيما بعد حدود النماذج المتقدمة

مع إمكانية تنزيل أوزان نماذج تتمتع بقدرات قريبة من المستوى المتقدم عالمياً، من المرجح أن تتحقق أعلى العوائد على موارد الهند المحدودة من الحوسبة ورأس المال في المراحل اللاحقة من سلسلة القيمة.

فقد خصصت مهمة IndiaAI أكثر من 10 آلاف كرور روبية، ونشرت أكثر من 38 ألف وحدة معالجة رسومية، مع التخطيط لإضافة المزيد من القدرات مستقبلاً.

كما طورت الهند نماذج سيادية خاصة بها، من بينها نظاما Sarvam اللذان يضمان 30 ملياراً و105 مليارات معلمة، ونموذج Param2 التابع لـBharatGen الذي يضم 17 مليار معلمة. وقد تم بناء هذه النماذج باستخدام تصميمات فعالة تعتمد على تقنية «مزيج الخبراء»، وباستخدام قدرات حوسبة محدودة نسبياً.

ويمكن للنماذج مفتوحة الأوزان الآن أن تسرّع بشكل كبير تطوير الذكاء الاصطناعي السيادي في الهند، من خلال مساعدة المطورين المحليين على تجاوز التكلفة الهائلة المرتبطة بالتدريب المسبق للبنى الأساسية للنماذج، وذلك باستخدام استراتيجيات مثل نقل التعلم، والتكييف، والضبط الدقيق.

في المرحلة المقبلة، ستتراكم القيمة لدى الجهات القادرة على تحويل نموذج مفتوح عام إلى أنظمة تطبيقية موثوقة ومتخصصة في مجالات محددة.

فالجهات التي تستطيع الوصول إلى البيانات الاحتكارية وسير العمل المؤسسي من داخل مقر العميل ستكون في موقع يسمح لها بالسيطرة سريعاً على طبقة الذكاء الاصطناعي التطبيقي.

ويمكن لشركة هندية، على سبيل المثال، استخدام نموذج أساسي مفتوح ومتقدم، ثم ضبطه بدقة باستخدام بيانات احتكارية في مجال محدد مثل تصميم أشباه الموصلات أو القانون أو الرعاية الصحية أو التعليم أو الخدمات العامة، ثم نشر نموذج مخصص قادر على الاستدلال بدقة أكبر داخل ذلك المجال.

وقد بدأت منظومة الذكاء الاصطناعي السيادي في الهند بالفعل الانتقال من نماذج اللغة العامة نحو نماذج متخصصة رأسياً، مع ظهور مبادرات موجهة تحديداً إلى الزراعة والرعاية الصحية خلال عام 2026.

يمكن للأوزان المفتوحة أن تسرّع بشكل كبير تطوير الذكاء الاصطناعي السيادي في الهند، من خلال تمكين المطورين المحليين من تجاوز التكلفة الضخمة للتدريب المسبق للبنى الأساسية، باستخدام تقنيات مثل نقل التعلم والتكييف والضبط الدقيق.

ويشكل النشر عبر السحابة الخاصة أو الهجينة المجال الذي يمكن أن تتحول فيه هذه الميزة إلى تفوق هيكلي للهند.

فيمكن تشغيل النماذج مفتوحة الأوزان بالكامل داخل البنية التحتية التي يحددها العميل، مع تطبيق ضوابط أمنية على الوصول والبيانات، وهو ما يعالج أحد أكبر الاعتراضات التي تواجهها الشركات عند استخدام نماذج مقدمة من مختبرات الذكاء الاصطناعي الرائدة.

فعندما يتم إرسال الأوامر والبيانات الاحتكارية عبر خادم بعيد مستضاف لدى مزود خارجي، تصبح المعلومات الحساسة خاضعة للولاية القضائية لذلك المزود. أما عندما يتم نشر نموذج مفتوح الأوزان داخل البنية التحتية للعميل، فإن البيانات لا تغادر حدود تلك البنية، ويمكن تطبيق قواعد الحوكمة عليها بشكل مباشر.

وبالتالي، فإن البنية الناجحة ستكون فعالة، ومتخصصة في قطاعات محددة، وخاصة، وآمنة منذ مرحلة التصميم، ومتمركزة داخل الولاية القضائية المعنية.

كما تتمتع الهند بموقع جيد لتحويل هذه الميزة إلى مكاسب عملية. فقد أصبحت مراكز القدرات العالمية في البلاد طبقة رئيسية تختبر من خلالها الشركات العالمية القرارات التقنية وتطبقها.

وتستضيف الهند حالياً أكثر من 2100 مركز للقدرات العالمية، يعمل فيها أكثر من مليوني متخصص، وتحقق إيرادات تقارب 100 مليار دولار.

وتوفر هذه الشبكة الكثيفة من مراكز القدرات العالمية للمبتكرين الهنود فرصة للوصول إلى السوق العالمية لم تكن متاحة بهذا الشكل خلال حقبة برمجيات المؤسسات.

إذ تستطيع شركة هندية تجربة نموذج متخصص مشتق من نموذج مفتوح الأوزان ويتم تشغيله داخل مقر شركة عالمية من خلال مركزها في الهند، ثم تخصيصه ليتلاءم مع البيانات وسير العمل الخاصين بتلك الشركة، والحصول بالتوازي على الموافقات اللازمة، قبل تحويل المشروع التجريبي المحلي إلى عقد عالمي.

وهذا يمثل الشكل العملي لبناء منتجات عالمية انطلاقاً من الهند: ذكاء اصطناعي تطبيقي وخاص، تتم تجربته وإثبات فعاليته من خلال مراكز القدرات العالمية، ثم نشره عبر العمليات العالمية للعميل.

بناء القدرات الحاسوبية اللازمة لتوسيع نطاق الذكاء الاصطناعي

لا تزال الهند تعمل على بناء القدرات المطلوبة لتشغيل هذه النماذج وتحسينها محلياً.

ومن المتوقع أن ترتفع قدرة مراكز البيانات في الهند من 2.2 غيغاواط إلى 12 غيغاواط بحلول عام 2030.

كما التزمت شركة Reliance Industries باستثمار نحو 110 مليارات دولار على مدى سبع سنوات في مراكز البيانات والبنى التحتية المرتبطة بها، في حين أعلنت مجموعة Adani عن استثمارات بقيمة 100 مليار دولار.

وستكون هذه القدرات في مراكز البيانات ضرورية لتمكين المؤسسات الهندية من استضافة وتشغيل نماذج كبيرة مفتوحة الأوزان داخل البلاد، وضبطها لتناسب قطاعات محددة، وتقديم خدماتها بصورة آمنة وعلى نطاق سكاني واسع.

ستُحسم ميزة الهند في مجال الذكاء الاصطناعي على مستوى التطبيقات والبيانات والتخصيص والنشر، مع تقارب قدرات النماذج مفتوحة الأوزان وانتقال القيمة بعيداً عن النموذج الأساسي نفسه.

ومن المرجح أن تُبنى ميزة الهند في الذكاء الاصطناعي على التطبيقات والبيانات والتخصيص والنشر، مع استمرار تقارب النماذج مفتوحة الأوزان وتحول القيمة الاقتصادية بعيداً عن النموذج الأساسي ذاته.

وتوفر قدرات الحوسبة التابعة لمبادرة IndiaAI والتوسع المستمر في مراكز البيانات البنية التحتية اللازمة لتكييف هذه النماذج واستضافتها داخل الهند.

كما يمكن للبيانات الهندية الاحتكارية، والخبرات المتخصصة في القطاعات المختلفة، والنشر الخاص داخل الولاية القضائية المحلية، أن تخلق مزايا مستدامة، بينما توفر مراكز القدرات العالمية مساراً جاهزاً لنقل المشروعات التجريبية المحلية إلى عقود عالمية.

وسيكون الاختبار الحقيقي في المرحلة المقبلة هو مدى قدرة المبتكرين الهنود على جمع هذه العناصر معاً لبناء منتجات آمنة وقابلة للتوسع تخدم الهند والعالم.

المصدر