الظهور العام لZhipu يُشير إلى تحول كبير: غوص عميق في GLM-5 وسباق إعادة تشكيل أسس الذكاء الاصطناعي

تشيبو أطلقت رسمياً في 8 يناير، مما يمثل لحظة فاصلة لقطاع النماذج اللغوية الكبيرة في الصين. مع هذا الإنجاز، أصدر الأستاذ تان جي—رئيس قسم علوم الحاسوب في جامعة تسينغهوا والعالم الرئيسي المؤسس للشركة—مذكرة استراتيجية داخلية تعيد صياغة توجه الشركة بشكل أساسي حتى عام 2026. بدلاً من السعي وراء المكاسب التجارية على المدى القصير، تركز تشيبو على البحث في النماذج الأساسية، مما يشير إلى رد فعل حاسم على التأثيرات الناتجة عن اختراق DeepSeek.

ساحة المعركة الحقيقية: بنية النموذج وأنماط التعلم

توضح مذكرة تان جي بشكل واضح أن المشهد التنافسي المستقبلي لن يتحدد بالتطبيقات اللامعة أو إطلاق المنتجات التدريجي. بدلاً من ذلك، يعتمد على ركيزتين حاسمتين—ابتكار بنية النموذج وأنماط تعلم جديدة تماماً. يعكس هذا التحول الاستراتيجي فهماً ناضجاً لما يحرك التقدم في تطوير الذكاء الاصطناعي العام.

الالتزام الخاص للشركة بالاختراقات المعمارية هو دليل على ذلك. نموذج Transformer، الذي هيمن لمدة تقرب من عقد من الزمن، بدأ يظهر عليه علامات التصدع تحت ضغط العالم الحقيقي. المشاكل المتعلقة بالحمل الحسابي للسياقات الطويلة جداً، وآليات الذاكرة، وبروتوكولات تحديث النموذج تتطلب تفكيراً معماريًا جديدًا. تستهدف خارطة طريق تشيبو بشكل صريح تجاوز استكشافات فون نيومان للأنظمة الحالية، مع استكشاف أنماط تصميم جديدة تماماً وأساليب توسيع. ويشمل ذلك استراتيجيات تصميم مشترك للرقاقة والخوارزمية تهدف إلى تحسين الكفاءة الحسابية بشكل جذري.

GLM-5 قادم: ماذا يتغير عند وصوله

الإعلان الرئيسي هو اقتراب إصدار GLM-5. رغم أن التفاصيل لا تزال قليلة، إلا أن تقدم النموذج السابق لتشيبو يخبرنا بما يمكن توقعه. لقد حقق GLM-4.7، الذي صدر في ديسمبر، إنجازاً هاماً: تصدره بين النماذج المحلية وتساوى في المركز السادس عالمياً مع Claude 4.5 Sonnet على معيار التحليل الاصطناعي. والأهم من ذلك، أن ردود فعل المطورين على تجارب البرمجة والوكيل كانت قوية باستمرار.

الأرقام التي تدعم هذا الأداء مذهلة. خلال 10 أشهر فقط، انفجر حجم منصة MaaS الخاصة بتشيبو من 20 مليون إلى 500 مليون في الإيرادات السنوية—أي بمعدل توسع 25 مرة. المطورون من 184 دولة، بأكثر من 150,000، تبنوا مجموعة برمجيات GLM للبرمجة. تجاوزت الإيرادات الخارجية وحدها 200 مليون، مما يشير إلى أن الشركة تمكنت من اختراق السوق الدولية بطرق لم تفعلها العديد من شركات الذكاء الاصطناعي الصينية.

نقطة التحول في التعلم المعزز

النهج السائد حالياً في التعلم المعزز، رغم براعتهم الرياضية وبرمجتهم، يواجه حائطاً. فهي تعتمد بشكل مفرط على بيئات التحقق المصطنعة، مما يحد من قدرتها على التعميم. تستهدف خارطة طريق تشيبو لعام 2026 بشكل صريح نماذج RL أكثر عمومية—تلك القادرة على التعامل مع تسلسلات مهام تمتد لساعات أو أيام وتتطلب فهماً حقيقياً بدلاً من مجرد مطابقة أنماط مع معايير يحددها البشر.

يهم هذا التحول لأنه حيث يتحول الذكاء الاصطناعي من كونه مجموعة أدوات متطورة إلى شيء أقرب إلى التفكير المستقل.

الجبهة التي لا يتحدث عنها أحد: التعلم المستمر

ربما يكون العنصر الأكثر جرأة في خطة تشيبو لعام 2026 هو استكشاف التعلم المستمر وتطور النموذج الذاتي. أنظمة الذكاء الاصطناعي الحالية مجمدة بمجرد نشرها. فهي تجمع المعرفة من خلال عمليات تدريب مكلفة من مرة واحدة وتبدأ في التآكل تدريجياً مع تغير العالم. بالمقابل، الدماغ البشري يتعلم ويتكيف باستمرار من خلال التفاعل مع العالم الحقيقي.

بناء هذه القدرة يمثل حدوداً حقيقية. يتطلب إعادة التفكير في كل شيء من بروتوكولات التعلم عبر الإنترنت إلى دمج المعرفة المستمر بدون نسيان كارثي. النجاح هنا سيشكل تحولاً جوهرياً في كيفية عمل أنظمة الذكاء الاصطناعي.

كيف ضلّت تشيبو طريقها (وكيف ساعد DeepSeek في تصحيح المسار)

أكثر لحظة صراحة في المذكرة تأتي عندما يعترف تان جي بالأخطاء السابقة. بين 2023 و2024، خلال انفجار النماذج الكبيرة العالمية وحرب “مئة نموذج” في الصين، ارتكبت تشيبو أخطاء تكتيكية—تقنية وتجارية. أصبحت الشركة مشتتة بسبب الزخم قصير الأمد، وفقدت التركيز على أساسيات الذكاء الاصطناعي العام.

ظهور DeepSeek كان بمثابة نداء استيقاظ. بدلاً من رؤيته كضغط تنافسي بحت، يراه تان جي كإشارة لإعادة التعيين. أعادت الشركة هيكلتها بشكل منهجي، مع إيقاف عمليات To C، وتقليص فرق تطوير المنتجات، وتضييق التركيز. والأهم، أن تشيبو حددت البرمجة كعنصر رئيسي لنجاحها—قرار ثبت صحته عندما أظهرت GLM-4.5 ولاحقاً GLM-4.7 تنافسية حقيقية مع المعايير الدولية.

الذكاء الاصطناعي السيادي وخطة التوسع العالمية

تطور ثانوي لكنه مهم: مبادرة “الذكاء الاصطناعي السيادي” لتشيبو تكتسب زخماً دولياً. بنغلاديش أنشأت منصة MaaS وطنية باستخدام النموذج المفتوح المصدر من GLM، مما يجعل تكنولوجيا تشيبو مكوناً من مكونات البنية التحتية للدولة. يتماشى ذلك مع الدفع الاستراتيجي لتحقيق اعتماد عالمي لتقنية الذكاء الاصطناعي الصينية—لكنها أيضاً تظهر توافقاً ملموساً بين المنتج والسوق يتجاوز الحدود المحلية.

2026: عام استبدال الذكاء الاصطناعي لفئات العمل

تحت كل النقاشات التقنية، يكمن ادعاء أكثر جرأة: سيكون عام 2026 عاماً حاسماً لانتشار الذكاء الاصطناعي بشكل حقيقي لاستبدال فئات مهنية ومجالات مهام محددة. هذا ليس مجرد دعاية—بل هو استناد إلى التوسع العملي لقدرات النماذج وتبني المطورين، وهو ما يظهر بالفعل في بيانات 2025.

مبادرة X-Lab الجديدة للشركة—حاضنة ابتكار داخلية تهدف إلى جمع المواهب الشابة والسعي لاستكشافات متقدمة تشمل بنى جديدة وأنماط معرفية—تُشير إلى أن الإدارة تعتقد أنها على نقطة انعطاف حيث يصبح من الضروري اتخاذ رهانات جريئة. هذا يذكرنا بلحظات سابقة عندما اتخذت تشيبو قرارات عالية المخاطر: تدريب GLM-130B عندما كانت النماذج الصغيرة تهيمن، أو المراهنة على البرمجة كعنصر رئيسي للنجاح.

ماذا يعني هذا للصناعة

ظهور تشيبو العلني وإعادة التهيئة الاستراتيجية مهمان لأنه يرسلان إشارة إلى إعادة ضبط طريقة تفكير قطاع الذكاء الاصطناعي في الصين. بدلاً من السعي وراء أوسع تطبيقات ممكنة أو مطاردة الحجم لذاته، تتراجع الشركة إلى الأساسيات—وتصوّر هذا التراجع كخطوة رابحة. سواء كانت هذه الاستراتيجية ستؤتي ثمارها ستتضح على الأرجح من خلال استقبال GLM-5 والتقدم العملي في RL والتعلم المستمر خلال 2026.