رئيس Coinbase يطرح نماذج الذكاء الاصطناعي مفتوحة الوزن الصينية كحل للفواتير المتزايدة

اقترح رئيس Coinbase تجربة نماذج الذكاء الاصطناعي مفتوحة الوزن الأرخص للحفاظ على إنفاق الذكاء الاصطناعي تحت السيطرة مع ارتفاع استهلاك الرموز.

أدى هذا الاقتراح إلى مخاوف بشأن مخاطر الأمن والجيوسياسية لتوجيه أعباء العمل المؤسسية من خلال الأنظمة ذات الأصل الصيني.

لماذا تستخدم الشركات نماذج الذكاء الاصطناعي الصينية؟ 

جعلت ضوابط التصدير الأمريكية من الصعب على الشركات الصينية الوصول إلى رقائق الذكاء الاصطناعي الأمريكية، لكن ذلك لم يمنعها من بناء نماذج تنافسية وبيعها بأسعار أقل بكثير. 

على سبيل المثال، تبلغ تكلفة GLM 5.2 من Zhipu 1.40 دولار لكل مليون رمز إدخال و4.40 دولار لكل مليون رمز إخراج مقارنة بـ Opus 4.8 من Anthropic الذي يكلف 5 و25 لنفس الحجم. 

حصل GLM 5.2 على درجة 62.1 في SWE-bench Pro، وهو معيار برمجة رئيسي، متفوقاً على GPT-5.5 من OpenAI الذي حصل على 58.6. قال باحث ذكاء اصطناعي إن GLM 5.2 "على الأقل بنفس جودة Opus 4.8 وGPT 5.5."

وصفه آخر بـ "أول نموذج مفتوح يمكنه حقاً التنافس مع الأنظمة مغلقة المصدر."

هل تستخدم Coinbase نماذج ذكاء اصطناعي صينية

يقول الرئيس التنفيذي لـ Brian Armstrong إن أفضل طريقة للسيطرة على تكاليف الذكاء الاصطناعي المتزايدة هي استخدام نماذج مفتوحة الوزن أرخص، بما في ذلك الأنظمة الصينية مثل GLM 5.2. 

قال Armstrong إنه بدلاً من إنفاق المزيد والمزيد على الذكاء الاصطناعي، تحتاج الشركات إلى "افتراضات أفضل، وتوجيه، وتخزين مؤقت." وقد أثارت اقتراحه باستخدام النماذج الصينية، حتى لو كانت أرخص، مخاوف بشأن المخاطر الأمنية والسياسية. 

إلى جانب تسعيرها المريح، يستخدم GLM 5.2 ترخيص MIT، مما يعني أن الشركات يمكنها تنزيله وتعديله وتشغيله على خوادمها الخاصة، مما يلغي أي خطر لإرسال بيانات الشركة الحساسة إلى واجهة برمجة تطبيقات خارجية. 

أصبحت الإنفاق على الذكاء الاصطناعي قضية حقيقية، مما دفع الشركات إلى التراجع عن استخدام التكنولوجيا في العمليات. 

Cryptopolitan أبلغت حيث استخدمت Uber ميزانيتها الكاملة للبرمجة بالذكاء الاصطناعي لعام 2026 بحلول أبريل وتحد الآن من إنفاق المهندسين بمبلغ 1,500 دولار لكل أداة شهرياً. أرسلت Meta مذكرة تحذر من "زيادة أسية" في استخدام الذكاء الاصطناعي وبدأت في بناء ضوابط للإنفاق. ألغت Amazon لوحة متصدرين داخلية كانت تصنف الموظفين حسب استهلاك الذكاء الاصطناعي لأن الناس كانوا يتلاعبون بها ويدفعون التكاليف للأعلى. 

وجدت دراسة استقصائية أجرتها KPMG أن 26% فقط من الشركات لديها رؤية كاملة لتكاليف الذكاء الاصطناعي، بينما يكتشف 22% الإنفاق فقط بعد تلقي الفاتورة. تتوقع Goldman Sachs أن استهلاك رموز الذكاء الاصطناعي قد يزداد 24 ضعفاً بحلول عام 2030، ليصل إلى 120 كوادريليون رمز شهرياً.

تتوقع شركة International Data Corporation أن تستخدم 70% من الشركات الرائدة المدعومة بالذكاء الاصطناعي نماذج متعددة بحلول عام 2028 بدلاً من الاعتماد على مزود واحد. 

ما الذي يجعل نماذج الذكاء الاصطناعي الصينية خطيرة؟

تخضع واجهة برمجة التطبيقات السحابية من Z.ai، والتي تسمح للمطورين والشركات باستخدام نماذج الذكاء الاصطناعي الخاصة بها (بما في ذلك GLM 5.2)، لقانون المخابرات الوطنية الصيني. وهذا يثير مخاوف حقيقية لأي شركة تتعامل مع معلومات حساسة. 

افتتح المشرعون الأمريكيون تحقيقاً رسمياً في مايو بشأن مخاطر الأمن السيبراني الناتجة عن نماذج الذكاء الاصطناعي ذات الأصل الصيني في البنية التحتية الحرجة. 

هناك أيضاً مخاوف من أن النماذج المدربة تحت أنظمة قانونية مختلفة قد تحمل سلوكيات غير معلنة. بالإضافة إلى ذلك، اختبر مطور ذكاء اصطناعي GLM 5.2 مقابل GPT-5.5 في مهمة تصحيح الأخطاء ووجد أنه "ليس حتى قريباً" من قدرة نموذج OpenAI على اكتشاف المشكلات، على الرغم من التقارير التي تفيد بأن النماذج الصينية تتفوق على نظيراتها الأكثر تكلفة. 

كشفت Anthropic في رسالة مفتوحة إلى لجنة الخدمات المصرفية بمجلس الشيوخ أن مشغلي Alibaba Qwen أجروا 28.8 مليون تبادل لـ Claude من خلال حوالي 25,000 حساب مزيف بين أبريل ويونيو. ووصفوا ذلك بأنه أكبر حملة معروفة لسرقة قدرات النموذج. 

يؤدي استضافة الأوزان المفتوحة ذاتياً إلى القضاء على خطر توجيه بيانات واجهة برمجة التطبيقات، حيث لا ترسل الشركات التي تشغل النموذج على خوادمها الخاصة البيانات إلى الصين. لكن مخاوف النماذج نفسها تبقى.