مرحبًا! أنا مساعدك في تحليل الأخبار المالية والأعمال. هذا المقال التحليلي المعمق حول “الإجراءات الخاصة لتنمية مزودي خدمات تطبيقات الذكاء الاصطناعي” الصادر عن وزارة الصناعة وتكنولوجيا المعلومات يحتوي على كمية هائلة من المعلومات، ويتناول بشكل دقيق أكثر نقاط الضعف الحالية في صناعة الذكاء الاصطناعي في الصين.
لكي تتمكن من فهم المنطق التجاري وراء هذه السياسة بسهولة، سألخص المحتوى الأساسي في جملة واحدة، ثم أفصله إلى خمسة أبعاد رئيسية وأشرحها بلغة بسيطة.
📌 ملخص المحتوى الأساسي: من “التنافس على المعلمات” إلى “التنافس على التطبيق العملي”
على مدى السنوات الثلاث الماضية، كان الجميع يركزون على النماذج الكبيرة والرقائق والقدرة الحسابية، معتقدين أن الشركة التي تمتلك أكبر عدد من المعلمات أو أعلى درجات الأداء هي الأقوى. لكن الواقع الحالي صارح: النماذج قوية، لكن الشركات لا تعرف كيفية استخدامها، وحتى عند استخدامها لا تحقق أرباحًا.
الوثيقة الجديدة الصادرة عن وزارة الصناعة وتكنولوجيا المعلومات تهدف إلى حل مشكلة “المرحلة الأخيرة من تطبيق الذكاء الاصطناعي” (المرحلة التي تتطلب تنفيذ الحلول في الواقع). الدولة لم تعد تركز فقط على الشركات العملاقة التي تطور النماذج الكبيرة، بل بدأت في دعم مزودي الخدمات الذين يمكنهم دمج تقنيات الذكاء الاصطناعي في العمليات التجارية وتحمل المسؤولية عن النتائج.
ببساطة: الدولة تريد إنشاء قائمة بيضاء لمزودي الخدمات الموثوق بهم، والهدف هو الوصول إلى 3000 مزود بحلول عام 2027. الشركة التي تستطيع تحويل تقنيات الذكاء الاصطناعي إلى أرباح حقيقية ستكون الفائزة التالية.
---
🔍 التحليل المفصل: فهم التغيير من خمسة جوانب
1. تغيير في الأدوار: من يقوم بـ “المرحلة الأخيرة” من التطبيق؟
كنا نعتقد في السابق أن شركات الذكاء الاصطناعي تقوم فقط بكتابة الكود أو بيع الخوادم. لكن الوثيقة الجديدة عرفت الأدوار بشكل جديد: مزودي خدمات تطبيقات الذكاء الاصطناعي.
- هم ليسوا مجرد وسطاء أو مقاولين خارجيين: لا يمكنهم فقط الحصول على واجهات برمجة تطبيقية وإنشاء روبوتات للدردشة.
- هم أشخاص متعددو المهارات: يجب أن يفهموا التقنية (كيفية تعديل النماذج)، والصناعة (مثل تصنيع السيارات أو مراقبة المخاطر المالية)، وكذلك العمليات (كيفية الصيانة بعد تشغيل النظام وأمان البيانات).
- ارتفعت المتطلبات: للانضمام إلى هذه القائمة، لا يكفي وجود عروض برنامجية فقط؛ يجب أن يكون لديهم عقود حقيقية، عملاء حقيقيون، وحالات تطبيقية (على الأقل 10-30 حالة خلال ثلاث سنوات)، بالإضافة إلى فريق متخصص (مكون من ثلاثة أشخاص على الأقل مع شهادات اجتماعية).
- تفسير بسيط: الدولة لا تريد شركات تقدم وعودًا فارغة، بل تريد شركات تقدم نتائج حقيقية.
2. حل أربع مشاكل رئيسية: لماذا كان تطبيق الذكاء الاصطناعي صعبًا في الماضي؟
أشارت الوثيقة إلى أن صعوبة تطبيق الذكاء الاصطناعي كانت بسبب أربع مشاكل رئيسية، والسياسة الجديدة تهدف إلى تصحيحها:
- المشكلة الأولى: عدم توافر أشخاص موثوق بهم (عدم تكافؤ المعلومات). كان أصحاب الشركات التقليدية يرغبون في استخدام الذكاء الاصطناعي لكنهم لم يعرفوا من يمكنهم الاعتماد عليه.
- الحل: إنشاء قائمة بيضاء وطنية تعرض قدرات وحالات ومؤهلات مزودي الخدمات، مما يقلل من تكاليف الفحص.
- المشكلة الثانية: عدم قدرة شركة واحدة على إنجاز كل شيء (تجزئة القدرات). يتطلب مشروع الذكاء الاصطناعي في الصناعة القدرة الحسابية والبيانات والبرمجيات والأجهزة والأمان، والشركات الصغيرة لا تستطيع التعامل مع ذلك.
- الحل: تشكيل فرق مشتركة لتقديم حلول متكاملة.
- المشكلة الثالثة: سهولة التجربة لكن صعوبة التكرار (صعوبة التوسع). من السهل إنشاء نموذج تجريبي لشركة واحدة، لكن من الصعب تكراره لشركة أخرى.
- الحل: تطوير حزم منتجات معيارية سهلة الاستخدام وسريعة ودقيقة.
- المشكلة الرابعة: نقص الأشخاص والتمويل والبيانات (نقص العناصر الأساسية).
- الحل: تقديم قسائم للقدرة الحسابية، فتح البيانات الصناعية، وتشجيع الجامعات على تدريب المواهب، خاصة مهندسي التنفيذ الميدانيين.
3. ثلاثة ابتكارات في الآليات: كيفية إنفاق الأموال وتنفيذ الأعمال؟
تحتوي السياسة الجديدة على ثلاث آليات مهمة جدًا تغير منطق الأعمال في مجال الذكاء الاصطناعي:
- الابتكار الأول: تحويل “الرموز” (Tokens) إلى وسائل تمويل قابلة للتحصيل مثل الكهرباء والمياه والفحم.
- التفسير: في السابق، كان شراء البرمجيات يعني الشراء الدائم، أما الآن فإن خدمات الذكاء الاصطناعي تُدفع حسب الاستخدام (الرموز).
- الملاحظة: السياسة تؤكد على ضرورة النظر في النتائج التجارية التي يحققها كل رمز، وليس فقط كمية الرموز المستخدمة؛ إذا تم إهدار الكثير من الرموز دون تحسين الكفاءة أو زيادة الإيرادات، فهذا يعتبر هدرًا.
- الابتكار الثاني: دعم الشراء الأول والاستخدام الأول بالإضافة إلى تعويض المخاطر.
- التفسير: أكبر مشكلة في الذكاء الاصطناعي هي عدم اليقين؛ الشركات تخشى الشراء لأول مرة، ومزودو الخدمات يخشون عدم وجود حالات تطبيقية.
- الحل: الحكومة أو شركات التأمين تتحمل جزءًا من مخاطر الفشل؛ إذا نجح المشروع، يتم تقاسم الأرباح بين الجميع، مما يشجع الشركات على المخاطرة ومزودي الخدمات على العمل.
- الابتكار الثالث: جعل مهندسي التنفيذ الميدانيين (FDEs) عنصرًا أساسيًا.
- التفسير: في البرمجيات التقليدية، يقوم المستخدم بتحديد المتطلبات والمطور بتطوير الحلول؛ أما في مشاريع الذكاء الاصطناعي، فإن مهندسي التنفيذ الميدانيين هم من يجدون المتطلبات الحقيقية لدى العملاء.
- الأهمية: قيمة مهندسي التنفيذ الميدانيين تكمن في اكتشاف المشاكل لأول مرة، ثم يقوم الفريق الخلفي بتحويل هذه المشاكل إلى حلول قابلة للتكرار.
4. الانتباه إلى أربع مشاكل محتملة أثناء تنفيذ السياسة:
أشارت الوثيقة بوضوح إلى الانحرافات المحتملة أثناء التنفيذ، وهذا ما يجب على المستثمرين والمهنيين الانتباه إليه:
- تجنب المنافسة على العدد: لتحقيق الهدف المطلوب، قد تخفف السلطات المحلية من المتطلبات، مما قد يؤدي إلى دخول شركات غير مؤهلة إلى القائمة.
- عدم الاعتماد فقط على عدد الحالات: وجود 30 حالة تطبيقية لا يعني أن جميعها مربحة أو فعالة؛ يجب النظر إلى معدلات التجديد والتحصيل واستقرار النظام.
- تجنب جعل مهندسي التنفيذ الميدانيين مجرد مقاولين خارجيين: إذا تم دفع رسومهم حسب عدد الأشخاص فقط ولم يتحملوا المسؤولية عن النتائج، فهذا لا يزال نفس النهج القديم.
- عدم اعتبار استهلاك الرموز مؤشرًا على الإنجاز: لا يجب على الحكومة والشركات استخدام تقنيات الذكاء الاصطناعي فقط من أجل الاستخدام؛ يجب النظر إلى الكفاءة الإجمالية (مثل معدلات التصنيع في الصناعة أو تكاليف الحصول على العملاء في الخدمات).
5. ما رأي سوق رأس المال؟ من سيكون الفائز؟
بالنسبة للمستثمرين والشركات المدرجة، تعني هذه الوثيقة تغييرًا في منطق التقييم:
- إعادة التسعير: كانت شركات البرمجيات تعتبر شركات ذات هوامش ربح منخفضة واعتماد كبير على