تشير الشركات الصينية في مجال الذكاء الاصطناعي إلى انخفاض التكاليف من أجل خلق نماذج تنافسية، مع مواجهة قيود الشرائح الأمريكية وميزانيات أصغر من نظرائهم الغربيين. قد خفضت الشركات الناشئة مثل 01.ai وDeepSeek الأسعار عن طريق التركيز على مجموعات بيانات أصغر لتدريب نماذج الذكاء الاصطناعي واستئجار مهندسي كمبيوتر ذوي مهارات عالية ورخيصة. لقد أشركت شركات تكنولوجيا أكبر مثل Alibaba، Baidu وByteDance في حرب تسعير لخفض تكاليف “الاستنتاج” بما يزيد عن 90 في المئة ولجزء من تلك التي تقدمها الشركات الأمريكية.
صرحت شركة 01.ai مقرها بكين، بقيادة لي كاي-فو، الرأسمال السابق لـ Google China، بأنها قلصت تكاليف الاستنتاج من خلال بناء نموذج تم تدريبه على كميات أصغر من البيانات التي تتطلب طاقة حوسبة أقل وتحسين أجهزتها. وأوضح أن الهدف ليس أن يكون لديك أفضل نموذج، ولكن نموذج تنافسي يكون أرخص بـ “خمسة إلى عشر مرات” للمطورين لاستخدامه في بناء التطبيقات. كثير من الشركات الصينية لديها مجموعات ذكاء اصطناعي توجه تجارب من أجل خفض التكاليف بشكل كبير.
وفي السنوات الأخيرة، تقدمت شركات صينية أخرى مثل ByteDance وAlibaba وDeepSeek في قوائم تصنيف نماذج اللغة الكبيرة. يبلغ سعر الاستنتاج لنموذج Yi-Lightning التابع لـ 01.ai 14 سنتًا لكل مليون رمز، بينما يصل سعر الاستنتاج لنموذج GPT o1-mini الأصغر لـ OpenAI إلى 26 سنتًا. في حين أن تكاليف الاستنتاج لنموذج GPT 4o الأكبر بكثير هو 4.40 دولار لكل مليون رمز.
عند التحدث عن طرق تقليل التكاليف وزيادة النتائج الإيجابية، لديها إعتماد على “نموذج الخبراء” وهو استراتيجية تم تجميلها للمرة الأولى من قبل الباحثين الأمريكيين. وترى الباحثون هذه الاستراتيجية بأنها طريقة رئيسية لتحقيق نفس مستوى الذكاء الاصطناعي مقارنة بـ نموذج موحد ولكن مع أقل قوة حوسبة. ولكن يمكن أن تكون هذه الطريقة أكثر عرضة للفشل حيث يجب على المهندسين تنظيم عملية التدريب عبر العديد من “الخبراء” بدلا من نموذج واحد.
بسبب صعوبة تأمين توريد ثابت ووفير لشرائح الذكاء الاصطناعي عالية الجودة، كانت الشركات الصينية في السنوات الأخيرة تتنافس لتطوير أفضل مجموعات البيانات لتدريب هؤلاء “الخبراء” لتمييز أنفسهم عن المنافسة. يقول لي أن 01.ai لديها مقاربات لجمع البيانات والمعلومات خارج الطريقة التقليدية لجمع البيانات عبر الإنترنت، بما في ذلك مسح الكتب والتصفح في تطبيق WeChat لمقالات غير قابلة للوصول على الويب.
