الذكاء الاصطناعي والأصول الرقمية السوق غير المتوقعة

مؤخراً، ظهر اتجاه غير متوقع في مجال الذكاء الاصطناعي، يؤثر على السوق بطريقة غير متوقعة. هذا الاتجاه ليس دمج الذكاء الاصطناعي مع الأصول الرقمية، بل هو تأثير متسلسل للذكاء الاصطناعي على الأسواق المالية التقليدية وأسواق الأصول الرقمية.

في 27 يناير، تجاوزت تحميلات نموذج AI الصيني DeepSeek لأول مرة ChatGPT، لتصبح في صدارة متجر التطبيقات الأمريكي. أثار هذا الخبر اهتمامًا واسعًا في دوائر التكنولوجيا والاستثمار والإعلام العالمية.

! [DeepSeek مشتعل ، سوق التشفير ينهار؟] ](https://img-cdn.gateio.im/webp-social/moments-809cb44dec5bdec77c885201ff28fa42.webp)

لم تؤدي هذه الحادثة فقط إلى التفكير في التغييرات المحتملة في هيكل التكنولوجيا بين الصين والولايات المتحدة في المستقبل، بل أثارت أيضًا مشاعر من الذعر القصير في السوق المالية الأمريكية. نتيجة لذلك، شهدت أسعار أسهم العديد من عمالقة التكنولوجيا انخفاضًا ملحوظًا، حيث انخفضت أسهم إنفيديا بنسبة 5.3%، وانخفضت أسهم ARM بنسبة 5.5%، وانخفضت أسهم بروادكوم بنسبة 4.9%، وانخفضت أسهم TSMC بنسبة 4.5%. بالإضافة إلى ذلك، انخفضت أيضًا أسعار أسهم ميكرون وAMD وإنتل. وتوسع انخفاض عقود ناسداك 100 الآجلة ليصل إلى 400 نقطة، مما قد يؤدي إلى تحقيق أكبر انخفاض يومي في الآونة الأخيرة. وتُقدّر الخسائر في القيمة السوقية للسوق الأمريكية خلال تداول ذلك اليوم بأكثر من تريليون دولار.

شهد سوق الأصول الرقمية، الذي يتبع حركة سوق الأسهم الأمريكية، انخفاضًا ملحوظًا. انخفض سعر البيتكوين إلى أقل من 40500 دولار، حيث بلغت نسبة الانخفاض خلال 24 ساعة 4.48%. كما انخفض الإيثيريوم إلى أقل من 3200 دولار، وكانت نسبة الانخفاض خلال 24 ساعة 3.83%. يشعر العديد من المستثمرين بالارتباك إزاء هذا الانخفاض السريع في سوق الأصول الرقمية، ويفترض البعض أنه قد يكون مرتبطًا بتقليل توقعات خفض سعر الفائدة من الاحتياطي الفيدرالي أو عوامل ماكرو أخرى.

يبدو أن مصدر مشاعر الذعر في السوق يأتي من التقدم الرائد لـ DeepSeek. على عكس شركات الذكاء الاصطناعي المعروفة الأخرى، لم تعتمد DeepSeek على رأس المال الكبير والموارد المادية. بالمقارنة، تأسست OpenAI منذ عشر سنوات، ولديها 4500 موظف وجمعت 6.6 مليار دولار من التمويل؛ بينما استثمر عملاق وسائل التواصل الاجتماعي 60 مليار دولار في تطوير مركز بيانات كبير للذكاء الاصطناعي. وُجدت DeepSeek منذ أقل من عامين، ولديها فقط 200 موظف، وتكاليف تطويرها أقل من 10 مليون دولار، ولم تستخدم بشكل كبير وحدات معالجة الرسومات المتطورة.

نجاح DeepSeek لم يكسر فقط الحواجز التكاليفية على المستويين الرأسمالي والتكنولوجي، بل تحدى أيضًا المفاهيم والأفكار الراسخة لدى الناس منذ فترة طويلة.

أشار نائب رئيس منتجات شركة تخزين سحابية معروفة على وسائل التواصل الاجتماعي إلى أن قصة DeepSeek تجسد الابتكار التخريبي النموذجي. تركز الشركات التقليدية على تحسين العمليات الحالية، بينما يعيد المخربون التفكير في الأساليب الأساسية. قدمت DeepSeek فكرة جديدة: كيف يمكن حل المشكلة بطريقة أكثر ذكاءً، بدلاً من مجرد زيادة استثمارات الأجهزة؟

حالياً، تكلفة تدريب نماذج الذكاء الاصطناعي الكبيرة مرتفعة جداً. بعض الشركات الكبرى في مجال الذكاء الاصطناعي استثمرت أكثر من 100 مليون دولار فقط في موارد الحوسبة. يحتاجون إلى تجهيز مراكز بيانات كبيرة تحتوي على آلاف وحدات معالجة الرسوميات التي تقدر قيمتها بـ 40,000 دولار، وتستهلك الطاقة بمعدل قريب من محطة توليد الكهرباء.

ومع ذلك، قدمت DeepSeek فكرة جديدة تمامًا: كيف يمكن تحقيق نفس الهدف بمبلغ 5 ملايين دولار؟ لم يقترحوا هذه الفكرة فحسب، بل نجحوا أيضًا في تطبيقها عمليًا. كانت نماذجهم متقاربة أو حتى أفضل في عدة مهام مقارنة بنماذج الذكاء الاصطناعي الرائدة في الصناعة. سرهم يكمن في إعادة التفكير في العملية برمتها من الجذور. تستخدم نماذج الذكاء الاصطناعي التقليدية 32 بت لتمثيل كل رقم، بينما حاولت DeepSeek استخدام 8 بت، واكتشفت أن الدقة لا تزال كافية، بينما تقلصت متطلبات الذاكرة بنسبة 75٪.

نتائج مذهلة: انخفضت تكلفة التدريب من 100 مليون دولار إلى 5 ملايين دولار، وانخفض عدد وحدات معالجة الرسوميات المطلوبة من 100000 إلى 2000، وانخفضت تكلفة واجهة برمجة التطبيقات بنسبة 95%. والأهم من ذلك، يمكن لنموذجهم العمل على وحدات معالجة الرسوميات العادية للألعاب، دون الحاجة إلى أجهزة مراكز البيانات المتخصصة. بالإضافة إلى ذلك، اختاروا استراتيجية المصدر المفتوح.

تحدي نجاح DeepSeek العديد من المفاهيم التقليدية في مجال الذكاء الاصطناعي، بما في ذلك الصور النمطية حول نماذج تطوير التكنولوجيا في الصين، والهيمنة الرائدة لوادي السيليكون في مجال الذكاء الاصطناعي، والحواجز التكنولوجية لبعض شركات الذكاء الاصطناعي، والاستثمار الضخم المطلوب لتطوير نماذج الذكاء الاصطناعي الرائدة، ونظرية تراكم قيمة النموذج، والعلاقة الخطية بين أداء النموذج وتكاليف الاستثمار.

أشارت إحدى المؤسسات الاستثمارية الأمريكية المعروفة في تقريرها حول DeepSeek إلى أن ذلك يمثل انتصارًا مهمًا للبرمجيات مفتوحة المصدر مقارنةً بالبرمجيات المغلقة. ستساهم مساهمات مجتمع البرمجيات مفتوحة المصدر في تسريع تطوير هذا المجال بأكمله. ومع ذلك، فقد أشاروا أيضًا إلى أن بعض الشركات التي تعتمد استراتيجيات استثمار موارد كبيرة قد تحقق اختراقات جديدة في المستقبل. من تاريخ تطور الذكاء الاصطناعي، لا يزال من الممكن أن تكون القدرة الحاسوبية هي العامل الحاسم.

نجاح DeepSeek جعل النماذج مفتوحة المصدر تصل إلى أداء يعادل أو حتى يتجاوز بعض النماذج المغلقة، بينما تكون الكفاءة أعلى، مما قلل من ضرورة شراء الشركات لواجهات برمجة التطبيقات التجارية للذكاء الاصطناعي. ستوفر النشر الخاص والتعديل الذاتي مساحة أكبر للتطوير للتطبيقات السفلية. من المتوقع أنه في السنة أو السنتين المقبلتين، قد نرى المزيد من منتجات شرائح الاستدلال المتنوعة ونظام بيئي أكثر ازدهاراً لتطبيقات النماذج اللغوية الكبيرة.

على الرغم من ذلك، من المتوقع ألا ينخفض الطلب على قوة الحوسبة. قد يؤدي ذلك إلى ظاهرة مشابهة لـ "مفارقة جيفن": على الرغم من ارتفاع كفاءة الوحدة، إلا أن الطلب الإجمالي قد يزداد بسبب توسيع نطاق التطبيق. هذا مشابه لمسار التطور من الهواتف المحمولة المبكرة إلى عصر انتشار هواتف نوكيا: حيث أن انخفاض التكاليف هو الذي أتاح الانتشار، مما أدى بدوره إلى زيادة إجمالي استهلاك السوق.