في الساعات الأولى من يوم 17 يوليو 2026، كشفت Moonshot AI عن نموذجها الضخم من الجيل التالي، Kimi K3، الذي يتميز بعدد معلمات يبلغ 2.8 تريليون، ليصبح بذلك أول نموذج مفتوح المصدر في العالم على مستوى 3 تريليون معلمة. في يوم إطلاقه، هبط سهم شركة Zhipu (02513.HK)، المدرجة في هونغ كونغ والمعروفة بأنها "أول سهم لنموذج ضخم"، بنسبة %28.49، مما أدى إلى خسارة أكثر من 200 مليار HKD من قيمتها السوقية في يوم واحد. واعتبارًا من 20 يوليو، تراجع سعر سهم Zhipu إلى 890.5 HKD، بقيمة سوقية بلغت 414.637 مليار HKD.
في الأسبوع نفسه، أفادت التقارير بأن DeepSeek أكملت جولة تمويل بقيمة 7.4 مليار $، محققة رقمًا قياسيًا لأكبر اكتتاب خاص في قطاع الذكاء الاصطناعي الصيني، مع تقييم للشركة يتجاوز 50 مليار $. وقبل ذلك بشهر واحد فقط، أطلقت Zhipu النموذج GLM-5.2 وفتحته كمصدر مفتوح، وهو نموذج يركز على المهام بعيدة المدى.
تشير هذه الأحداث الثلاثة الكبرى، التي تركزت في أقل من شهر، إلى مرحلة جديدة في صناعة النماذج الضخمة للذكاء الاصطناعي في الصين. سباق حجم المعلمات لم ينته بعد، لكن منطق التقييم في أسواق رأس المال بدأ يتغير. تحلل هذه المقالة مشهد المنافسة في قطاع النماذج الضخمة الصينية بعد Kimi K3 من أربعة جوانب: العلاقة بين عدد المعلمات والتقييم، تأثير النماذج مفتوحة المصدر، اختلاف استراتيجيات تحقيق الدخل، والحواجز التنافسية طويلة الأمد.
لماذا لم يعد حجم المعلمات يحدد التقييم
يصل عدد معلمات Kimi K3 إلى 2.8 تريليون، متجاوزًا بكثير Zhipu GLM-5.2 وسلسلة DeepSeek-V4. وتشبه Moonshot AI المعلمات بالوصلات العصبية في الدماغ البشري، حيث يسمح ما يقارب 3 تريليون معلمة للنموذج بتخزين المزيد من المعرفة والأنماط.
ومع ذلك، جاءت استجابة أسواق رأس المال متباينة. فقد هبط سهم Zhipu بنسبة %28.49 في يوم إطلاق Kimi K3، رغم إعلان Zhipu عن اكتتاب بقيمة 31.4 مليار HKD قبل أيام فقط في 9 يوليو، وهو رقم قياسي لجمع الأموال لشركة تكنولوجيا في هونغ كونغ خلال 2026. وتكشف هذه البيانات عن تحول رئيسي: لم يعد حجم المعلمات وحده شرطًا كافيًا للتقييم.
تشير بيانات الصناعة إلى أن الاستخدام الفعلي للنماذج الضخمة الصينية يتزايد بسرعة. ووفقًا لتقديرات OpenRouter، بلغ إجمالي استدعاءات النماذج الضخمة عالميًا خلال الأسبوع الماضي (29 يونيو – 5 يوليو) 46.7 تريليون رمز، منها 23.45 تريليون رمز من نصيب النماذج الصينية، أي بزيادة أسبوعية قدرها %15.01، لتتجاوز بذلك الولايات المتحدة للأسبوع العاشر على التوالي. وتحتل النماذج الصينية المراكز الستة الأولى عالميًا من حيث الاستخدام، حيث يتصدر DeepSeek-V4-Flash القائمة للأسبوع السابع على التوالي، مسجلًا 5.34 تريليون رمز أسبوعيًا.
يعكس هذا الارتفاع في الاستخدام تكاملًا حقيقيًا في سير عمل المؤسسات. وتشير تقارير الصناعة إلى أن قطاع النماذج الضخمة للذكاء الاصطناعي في الصين خلال النصف الأول من 2026 انتقل من منافسة تقنية بحتة إلى "معركة نشر تجاري" شاملة، ما يؤكد آفاق التطبيقات ويبدأ في تصفية الفقاعات الصناعية.
وأشارت Jefferies في تقريرها بعد إطلاق Kimi K3 إلى أن النموذج دخل طليعة العالم في مهام البرمجة والوكلاء والمهام متعددة الوسائط. ومع ذلك، تكمن أهميته ليس فقط في تحسين القدرات، بل في تأكيد تحول منطق المنافسة في صناعة الذكاء الاصطناعي الصينية. فبينما كان السوق يركز سابقًا على "فجوات قدرات النماذج الضخمة"، ينتقل التنافس الحالي نحو "تكلفة الذكاء لكل وحدة" و"حجم استهلاك الرموز".
كيف تغير النماذج مفتوحة المصدر المنافسة في الصناعة
تُعد استراتيجية المصدر المفتوح لـ Kimi K3 من أبرز المتغيرات في هذا الإصدار. فباعتباره أول نموذج مفتوح المصدر في العالم على مستوى 3 تريليون معلمة، من المتوقع إصدار أوزانه الكاملة في موعد أقصاه 27 يوليو. وقبل ذلك، كانت Zhipu قد أطلقت GLM-5.2 كمصدر مفتوح في 17 يونيو، والذي حصل على 51 نقطة في مؤشر ذكاء النماذج الضخمة العالمي الصادر عن Artificial Analysis، ليحتل المركز الأول بين النماذج مفتوحة المصدر.
يختلف منطق التنافس للنماذج مفتوحة المصدر جذريًا عن النماذج المغلقة المصدر. فالنماذج المغلقة تبني ميزتها على الحواجز التقنية الحصرية وقوة تسعير واجهات البرمجة (API)، بينما تستمد النماذج مفتوحة المصدر قيمتها من تطوير النظام البيئي وارتباط المطورين بها. يستخدم Kimi K3 هيكلية MoE (مزيج من الخبراء)، مما يقلل من متطلبات الحوسبة الفعلية عبر توجيه الخبراء. وتبلغ تكلفة واجهة البرمجة للنموذج 3 $ لكل مليون رمز إدخال و15 $ لكل مليون رمز إخراج. بينما يقدم نموذج DeepSeek V4 Flash مهام ذكاء قياسية بتكلفة متوسطة لا تتجاوز 0.02 $، في حين تبلغ تكلفة النموذج المماثل من Anthropic حوالي 2.75 $.
ويعيد هذا الفارق في التكلفة تشكيل مشهد موردي الذكاء الاصطناعي عالميًا. فقد انتقلت شركة Lindy AI، ومقرها سان فرانسيسكو، من استخدام Anthropic إلى DeepSeek بعد ستة أسابيع، مما خفض التكاليف إلى %10 من الأصلية وحقق وفورات بملايين الدولارات سنويًا. وتستخدم شركات مثل Airbnb وPinterest وحتى Microsoft الآن نماذج الذكاء الاصطناعي الصينية مفتوحة المصدر في البرمجة الروتينية والأتمتة والمهام اليومية. وفي بعض فترات هذا العام، استحوذت النماذج الصينية على أكثر من %30 من الحصة السوقية على منصة التجميع OpenRouter.
وتتمثل تأثيرات أخرى مهمة للنماذج مفتوحة المصدر في خفض عتبة تحقيق الدخل من تطبيقات الذكاء الاصطناعي. فمع اقتراب أداء النماذج الصينية من النماذج العالمية الرائدة مع الحفاظ على انخفاض تكلفة الاستدلال، ينتشر نمو استخدام الرموز ليشمل الحوسبة السحابية، ورقائق الذكاء الاصطناعي، والبنية التحتية. وتقوم SenseCore، الجهاز الضخم من SenseTime، بتحويل موارد الحوسبة من التدريب إلى الاستدلال، في محاولة لإثبات نفسها ليس فقط كشركة نماذج ضخمة، بل كمزود خدمات ذكاء اصطناعي متكامل.
مقارنة مسارات تحقيق الدخل لشركات الذكاء الاصطناعي
تتبع الشركات الثلاث الرائدة استراتيجيات مختلفة لتحقيق الدخل.
Zhipu تتبع مسار "الإدراج العام + التمويل واسع النطاق" المعتمد على رأس المال. أدرجت في بورصة هونغ كونغ في 8 يناير 2026، وارتفع سعر سهمها بأكثر من %1400. ويقترح مخطط الطرح في 9 يوليو إصدار ما يصل إلى 19.78 مليون سهم H جديدة بسعر 1,588 HKD للسهم، لجمع حوالي 31.41 مليار HKD. واعتبارًا من 30 يونيو، تم استخدام أكثر من %93 من عائدات الطرح الأولي. وتخصص الأموال لثلاثة مجالات رئيسية: البحث والتطوير في النماذج الأساسية والبنية التحتية الحاسوبية، وتحقيق الدخل والاستثمار الاستراتيجي في القطاعات الصناعية، وتحسين هيكل رأس المال. كما تسعى Zhipu لإدراج أسهمها في سوق STAR في الصين القارية لجمع 15 مليار RMB. وبلغ إجمالي التمويل 36.4 مليار HKD (حوالي 31.5 مليار RMB).
DeepSeek تتبع مسار "الطرح الخاص + البنية التحتية الذاتية". هذا المختبر في هانغتشو، الذي تأسس قبل ثلاث سنوات فقط، درب نماذج عالية الأداء بموارد حوسبة أقل بكثير من OpenAI أو Anthropic. وفي نهاية مايو 2026، أكملت أول جولة تمويل بحوالي 7 مليار $، مع تقييم بعد التمويل بلغ 52 مليار $. وبعد شهر فقط، أطلقت جولة ثانية بتقييم قبل التمويل بلغ 71 مليار $. وتبني DeepSeek مركز حوسبة بمستوى جيجاوات، وقد تصل استثماراتها في مراكز البيانات الذاتية إلى مئات مليارات RMB. كما تطور الشركة رقائقها الخاصة لاستدلال الذكاء الاصطناعي. وتخطط DeepSeek للطرح العام في 2027.
Moonshot AI (Kimi) تتبع نهج "قيادة المنتج + نظام بيئي مفتوح المصدر". بعد إطلاق نموذج K3، كشف الرئيس Zhang Yutong أن الإيرادات السنوية المتكررة (ARR) للشركة نمت عدة أضعاف. لكن بعد ثلاثة أيام فقط من الإطلاق، أعلنت Moonshot AI تعليق الاشتراكات الجديدة للمستخدمين الأفراد، مخصصة جميع موارد الحوسبة الحالية للمشتركين الحاليين. وتعكس أزمة الحوسبة تحديًا وفرصة في آن واحد — فالطلب حقيقي، لكن عنق الزجاجة في العرض يقيّد النمو. وتقول Moonshot AI إنها توسع قدرات الحوسبة بسرعة. وعلى صعيد تحقيق الدخل، قد تدرج الشركة أسهمها في غضون ستة أشهر فقط.
لكل مسار مزاياه وعيوبه. يوفر المسار المعتمد على رأس المال تمويلًا وفيرًا وقدرة قوية على مقاومة المخاطر، لكنه يتطلب إثباتًا مستمرًا لمنطق النمو أمام الأسواق. أما الطرح الخاص فهو أكثر مرونة لكنه يواجه ضغط التقييم. وتخلق الاستراتيجيات المعتمدة على المنتج أعلى درجات ارتباط المستخدمين، لكنها الأكثر تقييدًا بسبب موارد الحوسبة والتمويل.
من يمتلك الحاجز التنافسي طويل الأمد؟
يتطلب تقييم الحواجز التنافسية طويلة الأمد النظر في ثلاثة أبعاد: الحواجز التقنية، ميزة التكلفة، وارتباط النظام البيئي.
الحواجز التقنية: تصدر Kimi K3 قائمة Frontend Code Arena بنتيجة 1,679 نقطة، متجاوزًا Claude Fable 5 الذي سجل 1,631. ومع ذلك، تظهر التقييمات الشاملة أن K3 لا يزال متأخرًا عن النماذج المغلقة مثل Claude Fable 5 وGPT-5.6 Sol. وتحتل النماذج الصينية حاليًا المرتبة الخامسة عالميًا تقريبًا، ولم تتحد بعد هيمنة الشركات العالمية. الفجوة التقنية تتقلص، لكنها لم تختفِ بعد.
ميزة التكلفة هي الحاجز الأبرز لشركات الذكاء الاصطناعي الصينية. فقد اجتذبت استراتيجية التسعير المنخفضة للغاية لدى DeepSeek مطورين من جميع أنحاء العالم. وتشير Jefferies إلى أنه مع اقتراب أداء النماذج الصينية من النماذج العالمية الرائدة مع الحفاظ على انخفاض تكلفة الاستدلال، قد تنخفض عتبة تحقيق الدخل من تطبيقات الذكاء الاصطناعي أكثر. وتنبع هذه الميزة من الابتكار في الهيكلية، إضافة إلى انخفاض تكاليف الكهرباء والبنية التحتية لمراكز البيانات في الصين.
ارتباط النظام البيئي قد يكون أصعب الحواجز في التقليد. تبني النماذج مفتوحة المصدر أنظمتها البيئية عبر مجتمعات المطورين، بينما تحتفظ النماذج المغلقة بالعملاء المؤسساتيين عبر خدمات API. ويتصدر DeepSeek-V4-Flash الاستخدام للأسبوع السابع على التوالي، مما يدل على قوة جذب النظام البيئي للمطورين. وتراكم Zhipu خبرة صناعية من خلال التركيز على القطاعات الرأسية مثل الحكومة والمالية والتصنيع. وإذا نجحت استراتيجية Kimi K3 المفتوحة في جذب عدد كافٍ من المطورين لبناء تطبيقات عليه، ستظهر ميزة النظام البيئي تدريجيًا.
وباختصار، لا تمتلك أي شركة حاليًا حاجزًا تنافسيًا مطلقًا طويل الأمد. الفجوة التقنية تتقلص لكنها لا تزال قائمة، وميزة التكلفة قابلة للتقليد، وارتباط النظام البيئي يحتاج وقتًا للبناء. قد يكمن الحاجز الحقيقي في القدرة على خلق دورة إيجابية بين التقنية والتكلفة والنظام البيئي — فالتقدم التقني يخفض التكاليف، والتكلفة المنخفضة تجذب مزيدًا من المطورين، والمطورون يعززون ازدهار النظام البيئي، وازدهار النظام البيئي يغذي التقدم التقني.
الخلاصة
يمثل إطلاق Kimi K3 حدثًا مفصليًا، لكنه لا يشير إلى انتصار شركة بعينها، بل إلى نقطة تحول للصناعة ككل. ينتقل قطاع النماذج الضخمة للذكاء الاصطناعي في الصين من "سباق حجم المعلمات" إلى منافسة تجارية تركز على "خفض التكاليف، وزيادة الاستخدام، وتعزيز الأنظمة البيئية".
واعتبارًا من 20 يوليو 2026 (بتوقيت بكين)، في سوق العملات الرقمية، وجد Bitcoin (BTC) دعمًا بالقرب من 64,000 $ وارتد تدريجيًا ليصل إلى أعلى مستوى يومي عند حوالي 65,000 $. وتعرض Gate سعر BTC عند حوالي 64,747 $. ويقود السوق قوتان: التوترات الجيوسياسية في الشرق الأوسط التي ترفع أسعار النفط، بينما لا يزال المستثمرون يستوعبون صدمة إطلاق Kimi K3 من الشركات الصينية الناشئة في الذكاء الاصطناعي. وقد بدأت التحولات الهيكلية في صناعة الذكاء الاصطناعي تؤثر بالفعل على أسواق رأس المال الأوسع — فقد هبط سهم Zhipu بأكثر من %38 في يومي التداول التاليين لإطلاق K3، وهي سلسلة تأثيرات تستحق المتابعة.
جولة الحسم للنماذج الضخمة الصينية بدأت للتو. ولن تكون الشركات الأوفر حظًا في المرحلة القادمة بالضرورة هي الأكبر من حيث عدد المعلمات، بل تلك القادرة على تحويل قدرات النماذج إلى قيمة تجارية حقيقية بأقل تكلفة وأعلى كفاءة.
الأسئلة الشائعة
س: مع وصول عدد معلمات Kimi K3 إلى 2.8 تريليون، أين يقع بين النماذج الضخمة المحلية؟
يُعد Kimi K3 حاليًا أكبر نموذج مفتوح المصدر في العالم من حيث عدد المعلمات، وأول نموذج مفتوح المصدر على مستوى 3 تريليون عالميًا. وبالمقارنة، فإن Zhipu GLM-5.2 وAlibaba Qwen3.8 (2.4 تريليون معلمة) أصغر من K3. ومع ذلك، فإن حجم المعلمات لا يعكس القدرة الشاملة — فلا يزال K3 متأخرًا عن النماذج المغلقة مثل Claude Fable 5 وGPT-5.6 Sol في التقييمات الشاملة.
س: لماذا انخفض سعر سهم Zhipu بشكل حاد بعد إطلاق Kimi K3؟
في 17 يوليو، يوم إطلاق Kimi K3، هبط سعر سهم Zhipu بنسبة %28.49، مما أدى إلى خسارة أكثر من 200 مليار HKD من القيمة السوقية. وتعود مخاوف السوق إلى عاملين: أولًا، قد تؤدي المنافسة من النماذج مفتوحة المصدر إلى إضعاف قوة تسعير Zhipu لنماذجها المغلقة؛ ثانيًا، أداء Kimi K3 في سيناريوهات رئيسية مثل البرمجة تجاوز التوقعات، مما دفع إلى إعادة تقييم حصة Zhipu السوقية. واعتبارًا من 20 يوليو، انخفض سعر سهم Zhipu إلى 890.5 HKD.
س: كيف تقارن جولات تمويل DeepSeek مع الصناعة؟
أكملت DeepSeek أول جولة تمويل بحوالي 7 مليار $ في النصف الأول من 2026، مع تقييم بعد التمويل بلغ 52 مليار $. وبعد شهر فقط، أطلقت جولة ثانية بتقييم قبل التمويل بلغ 71 مليار $. ويعد هذا التمويل رقمًا قياسيًا للاكتتابات الخاصة الفردية لشركات الذكاء الاصطناعي الصينية، مع مستثمرين من بينهم الصندوق الوطني لصناعة الذكاء الاصطناعي، Tencent، CATL، JD.com وغيرهم.
س: ما هي التحديات الرئيسية التي تواجه تحقيق الدخل من النماذج الضخمة المحلية؟
تتمثل التحديات الرئيسية في ثلاثة مجالات: عنق الزجاجة في الحوسبة — حيث أوقفت Kimi K3 الاشتراكات الجديدة للمستهلكين بسبب نقص الحوسبة بعد الإطلاق؛ التحويل المدفوع — حيث ينتقل جانب المستهلك في النماذج الضخمة من منافسة على الحركة إلى التحقق من القيمة، والتحدي الرئيسي هو كيفية زيادة الاستعداد للدفع مع نمو قاعدة المستخدمين؛ الربحية — لا يزال القطاع يبحث عن نماذج أعمال مستدامة، وستتطلب عملية الانتقال من أدوات مجانية للمستهلك إلى خدمات مدفوعة على مستوى المؤسسات وقتًا للتحقق.
س: أيهما أكثر تنافسية على المدى الطويل: النماذج مفتوحة المصدر أم المغلقة؟
لكل من النموذجين مزاياه. تكتسب النماذج مفتوحة المصدر ارتباط المطورين من خلال انخفاض التكلفة وبناء النظام البيئي، كما يظهر مع DeepSeek وKimi K3. بينما تحافظ النماذج المغلقة على الأرباح من خلال التقنية الحصرية وتسعير واجهات البرمجة، كما هو الحال مع سلسلة GLM من Zhipu. وتشير الاتجاهات الحالية إلى أن المزيد من المؤسسات تتبنى استراتيجية مختلطة: "نماذج مفتوحة المصدر للمهام الروتينية + نماذج مغلقة للمهام المعقدة". وعلى المدى الطويل، قد تكون الشركات القادرة على تشغيل كل من الأنظمة البيئية مفتوحة المصدر والمنتجات التجارية المغلقة أكثر قدرة على الصمود.
