النموذج الكبير مفتوح المصدر من علي بابا كلاود: دفع بناء النظام البيئي للذكاء الاصطناعي وتطبيقاته في العديد من السيناريوهات

مع ظهور عدد كبير من النماذج مفتوحة المصدر، بات أداؤها يضاهي أداء أحدث النماذج المغلقة المصدر. وفي الوقت نفسه، ساهم نموذج المصدر المفتوح في خفض تكاليف تدريب النماذج بشكل فعّال، مما مكّن من نشر النماذج الأكثر تقدماً وتطبيقها على نطاق واسع وبتكاليف منخفضة.

في ظل موجة عصر الذكاء الاصطناعي، أجرت مجموعة علي بابا تغييراً جذرياً في استراتيجيتها التنموية.

في 24 فبراير 2025، أعلن الرئيس التنفيذي لمجموعة علي بابا، وو يونغ مينغ، أن علي بابا تعتزم خلال السنوات الثلاث المقبلة استثمار أكثر من 380 مليار يوان في بناء خدمات الحوسبة السحابية العالمية والبنية التحتية للأجهزة الخاصة بالذكاء الاصطناعي، وهو استثمار يتجاوز بكثير إجمالي ما أنفقته الشركة في هذا المجال خلال العقد الماضي.

في مجال النماذج الكبيرة، حققت شركة علي بابا للحوسبة السحابية نتائج لافتة. فحتى الآن، تم إطلاق أكثر من 200 نموذج مختلف مفتوح المصدر، كما تجاوز عدد النماذج المشتقة من نموذج «تشونغيي تشيانوين» (Qwen) في مجتمعات المصدر المفتوح داخل الصين وخارجها حاجز الـ100 ألف نموذج، متفوقة بذلك على سلسلة نماذج Llama الأمريكية، لتحتل المرتبة الأولى عالمياً بين النماذج الكبيرة مفتوحة المصدر.

كشف فريق ألي باي تونغيي تشيانوين لصحيفة «كلية إدارة الأعمال» أن ألي باي، بفضل مفهوم المصدر المفتوح، يسعى إلى بناء نظام بيئي قوي للذكاء الاصطناعي، بما يساعد العدد الهائل من الشركات الصغيرة والمتوسطة ومطوّري الذكاء الاصطناعي على الاستفادة من تونغيي تشيانوين في وقت أبكر وبشكل أكثر سهولة، مما يعزز انتشار تقنيات النماذج الكبيرة وتطبيقها العملي، ويدعم بناء منظومة النماذج الكبيرة في الصين. إذ إن بناء أساس متين للنماذج الكبيرة هو السبيل الوحيد لفتح آفاق لا حدود لها أمام التطبيقات التجارية المستقبلية.

منذ أغسطس 2023، بادرت شركة علي بابا للحوسبة السحابية إلى إطلاق سلسلة من النماذج الكبيرة مفتوحة المصدر على نطاق واسع في الصين، لتصبح أول شركة صينية كبرى تطلق نماذج كبيرة مفتوحة المصدر. كما حازت مرارًا وتكرارًا على ألقاب «البطل العالمي للمصادر المفتوحة» و«بطل النموذج المحلي» في قوائم مرموقة مثل Chatbot Arena وSinan OpenCompass. وفي عام 2024، احتل نموذج Qwen2.5-1.5B المفتوح المصدر وحده 26.6% من إجمالي تنزيلات النماذج على منصة Hugging Face، أكبر مجتمع للمصادر المفتوحة عالميًا، ليتصدر الترتيب العالمي.

أشارت علي بابا كلاود إلى أنّ المصدر المفتوح يجمع حكمة وقوة المطورين حول العالم، مما يسهم في دفع الابتكار التقني والتكرار بشكل أكثر كفاءة مقارنةً بالبحث والتطوير المستقل الذي تقوم به شركة واحدة. على سبيل المثال، بعد إطلاق DeepSeek لنموذج R1 مفتوح المصدر، اندلعت حركة عالمية لاستنساخ نموذج R1، ما شكّل ضغطاً على نموذج الاستدلال o1 الخاص بـ OpenAI، ودفع تقنيات النماذج الكبيرة العالمية نحو مرحلة جديدة من نماذج الاستدلال.

بالإضافة إلى ذلك، يسهم المصدر المفتوح في بناء النظام البيئي. ففي نموذج المصدر المفتوح، يمكن لأي شخص تنزيل نماذج الذكاء الاصطناعي ونشرها مجانًا، مما يعزز انتشار التقنيات الجديدة بشكل كبير. على سبيل المثال، أربعة من النماذج الستة المُقطَّرة لـ DeepSeek تستند إلى نموذج ذا قدرة مفتوحة المصدر؛ كما أن فريق لي فيي فاي قد تمكن، بالاعتماد على نموذج ذا قدرة مفتوحة المصدر، من تدريب نموذج جديد يضاهي أداء أفضل نماذج الاستدلال، وهو s1-32B، الذي حقق أداءً أعلى بنسبة 27% في حل المسائل الرياضية مقارنةً بـ o1-preview.

علاوة على ذلك، يُسرّع المصدر المفتوح عملية تحويل الذكاء الاصطناعي إلى قطاعات صناعية، ويعزز تطبيق تقنيات الذكاء الاصطناعي في مختلف القطاعات. وبالنسبة للشركات الناشئة والمؤسسات الصغيرة والمتوسطة، فإن استخدام النماذج مفتوحة المصدر مباشرةً يقلل بشكل كبير من الحواجز التقنية والمالية للدخول إلى مجال الذكاء الاصطناعي، ويمكنها، بالتكامل مع قواعد معارفها أو مجموعات بيانات لغتها الخاصة، تطوير حلول رأسية تناسب مختلف الصناعات بسرعة.

ومن الجدير بالذكر بشكل خاص أن نموذج QwQ-32B الذي أطلقته علي بابا كلاود في 6 مارس 2025 لا يقتصر استخدامه على الشركات فحسب، بل يسهّل أيضاً على المطورين الأفراد والمستخدمين العاديين الاستفادة منه، كما يمكن نشره محلياً على بطاقات الرسوميات للمستهلكين، مما يقلل بشكل كبير من تكاليف النشر والاستخدام. ومن خلال التعلم المعزز واسع النطاق، حقق هذا النموذج قفزات نوعية في الرياضيات والبرمجة والقدرات العامة، وبات أداؤه العام يضاهي أداء DeepSeek-R1.

ومع ذلك، ومع تراجع العوائد الحدية الناتجة عن قانون التحجيم (Scaling Law)، باتت شركات تطوير النماذج الكبيرة، وعلى رأسها OpenAI، تقترب من حدود التقنيات والموارد المتاحة في ظل الظروف الحالية، سواء من حيث تراكم البيانات أو بناء قوة الحوسبة. ولذلك، أصبح البحث عن مسارات تحسين جديدة أمراً بالغ الأهمية. وقد بدأ القطاع بتطبيق استراتيجيات لتحسين كفاءة الحوسبة إلى أقصى حد لتقليل التكاليف، كما عمد إلى إدخال تحسينات على مرحلتي التعلم المعزز والاستدلال، بهدف تدريب نماذج عالية الأداء بطريقة أكثر كفاءة. ويأتي إطلاق QwQ-32B ليؤكد مرة أخرى الإمكانات الهائلة للتعلم المعزز في تعزيز أداء النماذج.

أفادت شركة علي بابا للحوسبة السحابية بأنه مع تزايد ظهور النماذج مفتوحة المصدر، بات أداؤها يضاهي أداء أكثر النماذج المغلقة المصدر تقدماً. كما أن نموذج المصدر المفتوح يقلل من تكاليف تدريب النماذج، مما يتيح نشر واستخدام النماذج الأكثر تطوراً بتكلفة منخفضة.

من المثير للاهتمام أن الشركات العالمية الكبرى مثل جوجل وOpenAI، استجابةً للمنافسة من الشركات الصينية، بدأت تُعدّل استراتيجياتها وتتجه نحو مفتوح المصدر بشكل محدود. فعلى سبيل المثال، بعد أن ركزت جوجل سابقًا على النموذج المغلق المصدر Gemini، أطلقت مؤخرًا Gemma 3 كمشروع مفتوح المصدر؛ أما OpenAI، التي كانت تُلقَّب ساخرًا بـ«CloseAI»، فقد اعترف رئيسها التنفيذي سام ألتمان، تحت تأثير البيئة المفتوحة المصدر في الصين، بأن استراتيجية المصدر المغلق كانت خاطئة، وأعلن عن خططه المستقبلية للتحول إلى مفتوح المصدر.

حاليًا، يميل عدد متزايد من الشركات إلى استخدام خدمات واجهات برمجة التطبيقات القياسية التي توفرها شركات النماذج الكبيرة مباشرةً، وهي ملائمة بشكل خاص للسيناريوهات ذات الأعمال الثابتة نسبيًا والتي لا تتطلب تخصيصًا واسعًا. وتُعدّ خدمات واجهات برمجة التطبيقات أكثر اقتصادًا، إذ تُحمَّل التكاليف فقط عند الاستدعاء الفعلي، مما يجعلها مناسبة جدًا للحالات التي تشهد تقلبات واضحة في الطلب، مثل أنظمة خدمة العملاء؛ فباستثناء ساعات الذروة النهارية، يكون الطلب منخفضًا في الأوقات الأخرى، ما يغني عن الحاجة إلى تطوير نموذج كبير من الصفر، وبالتالي يساهم في خفض التكاليف بشكل ملحوظ.

منصة بايلين من علي بابا كلاود هي منصة خدمات نماذج الذكاء الاصطناعي الكبيرة التي صممتها علي بابا خصيصًا للشركات، وتساعد الشركات والمطورين على بناء تطبيقات الذكاء الاصطناعي وتدريبها ونشرها بكفاءة أعلى. حاليًا، يُعد استدعاء الواجهات البرمجية (API) عبر هذه المنصة السبيل الرئيسي لتسويق النماذج الكبيرة من علي بابا كلاود تجاريًا. توفر منصة بايلين طرقًا سريعة ومريحة للوصول إلى الخدمات، مما يتيح للمستخدمين الاستفادة بسهولة من قدرات النماذج الكبيرة لدى علي بابا كلاود.

إلى جانب استدعاءات واجهة برمجة التطبيقات القياسية، توفر Alibaba Cloud أيضًا مجموعة متكاملة من حلول تخصيص الذكاء الاصطناعي بالتعاون المشترك، تشمل ضبط النموذج الدقيق والنماذج المخصصة، بما يلبي احتياجات العملاء غير الملمّين بتقنيات النماذج أو الذين لديهم متطلبات عالية للتخصيص. وبالنسبة للمستخدمين الذين يهتمون بأمن البيانات وحماية الخصوصية، تقدّم Alibaba Cloud حلولًا للنشر الخاص، مثل دمج النماذج في أجهزة متكاملة يتم بيعها مباشرةً إلى العملاء.

في مسيرة دفع عملية تجارية للنماذج الكبيرة مفتوحة المصدر، تواصل شركة علي بابا للحوسبة السحابية استكشاف طرق أكثر فعالية من حيث التكلفة لفتح إمكانات الذكاء الاصطناعي.

منذ عام 2024، خفّضت شركة علي بابا للحوسبة السحابية أسعار سلسلة نماذج Qwen-Long مرارًا وتكرارًا؛ إذ انخفض سعر إدخال API لنموذج Qwen-Long من 0.02 يوان لكل ألف رمز إلى 0.0005 يوان لكل ألف رمز، بنسبة تخفيض تصل إلى 97%. كما شهدت النماذج الأخرى مثل Qwen-Turbo وQwen-Plus وQwen-Max، بالإضافة إلى نموذج فهم الصور، تخفيضات كبيرة في الأسعار، مما يتيح لمزيد من الشركات والمطورين الاستفادة من قدرات الذكاء الاصطناعي بتكلفة أقل.

تجدر الإشارة إلى أن الانخفاض المستمر في التكاليف يعود إلى التقدم المستمر الذي تحققه شركة علي بابا للحوسبة السحابية في مجال البنية التحتية للذكاء الاصطناعي، لا سيما في تعزيز كفاءة الحوسبة، وتحسين أداء الشبكات، وتسريع سرعة التخزين. على سبيل المثال، أطلقت علي بابا للحوسبة السحابية بنية شبكة عالية الأداء HPN7.0 التي تدعم اتصالًا مستقرًا لأكثر من 100,000 وحدة معالجة رسومات، وخادم بانجيو للذكاء الاصطناعي الذي يدعم حتى 16 بطاقة في جهاز واحد، بالإضافة إلى نظام تخزين الملفات CPFS الذي يبلغ معدل نقل البيانات فيه 20 تيرابايت/ثانية.

بالإضافة إلى ذلك، قامت منصة بايلين التابعة لشركة علي بابا كلاود بدمج أكثر من 200 واجهة برمجة تطبيقات لنماذج ذكاء اصطناعي كبيرة، تغطي النماذج المفتوحة المصدر والمغلقة المصدر السائدة محليًا ودوليًا. ولخفض تكلفة استخدام المستخدمين لواجهات برمجة تطبيقات النماذج الكبيرة للنصوص، أطلقت منصة بايلين نموذجًا جديدًا للفوترة يعتمد على ذاكرة التخزين المؤقت KV، حيث يتجنب الحساب المتكرر عبر التخزين التلقائي للسياق، مما يقلل بشكل إضافي من تكلفة استدعاء النماذج، وهو مناسب لحالات مثل النصوص الطويلة، واستكمال الشيفرات البرمجية، والمحادثات متعددة الجولات، وتلخيص النصوص المحددة.

بوجه عام، تواجه النماذج الكبيرة المفتوحة المصدر للذكاء الاصطناعي خلال عملية التسويق التجاري معضلتين رئيسيتين: أولهما نقص «التطبيقات القاتلة» التي تُحدث تحسناً ملحوظاً في تجربة المستخدم أو الكفاءة، مما يعني أن السوق لم يكتمل استعداده بعد لاستقبال النماذج الكبيرة للذكاء الاصطناعي، وأن تطبيقاتها و潜力 لا تزال بحاجة إلى مزيد من الاستكشاف والتحقق؛ وثانيهما أن سوق الشركات لا يزال في مرحلة الاستكشاف الأولي، إذ يفتقر قادة الشركات إلى الفهم الكافي لكيفية تحقيق قيمة أعمال من خلال النماذج الكبيرة المفتوحة المصدر، ما يجعل إقناعهم باستثمار حلول الذكاء الاصطناعي أكثر صعوبة مقارنة بالنماذج المغلقة المصدر.

استعدادًا لهذه التحديات ولخطط المستقبل، أعدّت عليّة حلًّا متكاملًا وشاملًا يعتمد على منصة «السحابة + الذكاء الاصطناعي». فعلى سبيل المثال، تُوسّع قوة منتجات البنية التحتية للذكاء الاصطناعي نطاق الوصول إلى سوق الشركات. وفي الوقت نفسه، ومن خلال تجارب مثل تحديث وتطوير Quark، تستكشف إمكانات تطبيقات النماذج الكبيرة في سوق المستهلكين، بهدف صنع نماذج لمنتجات ذات تأثير كبير وإظهار أفضل نقطة دخول لتجربة الذكاء الاصطناعي.

مع التقدم المستمر في تقنيات النماذج الكبيرة، أظهرت هذه التقنيات قيمة تطبيقية هائلة وإمكانات واسعة في العديد من السياقات.

في يناير 2024، أطلقت شركة فاو الصينية بالتعاون مع تشنغ يي تشيان ون أول تطبيق ذكاء اصطناعي تجاري (BI) مبني على النموذج الكبير في قطاع السيارات، وهو GPT-BI. وبفضل قدرات نموذج تشنغ يي تشيان ون الكبير، تمكنت فاو من تحقيق ذكاء البيانات، وتحويل كميات هائلة من الأصول المخزنة غير المستغلة إلى موارد ذات قيمة.

بشكل محدد، يساعد GPT‑BI شركة فاو على إنشاء تقارير آلية لبيانات المبيعات، مما يعزز كفاءة العمل بشكل كبير. وقال من شين، نائب رئيس لجنة تشغيل علامة هونغتشي لدى فاو: إن الذكاء الاصطناعي يمتلك مزيدًا من سيناريوهات التطبيق في الحياة العملية. فعلى سبيل المثال، خلال عملية تطوير السيارات الكاملة، تُعالج كميات ضخمة من البيانات، بما في ذلك مطابقة الأبعاد في الإنتاج، ومراجعة العمليات، وسياسات التجميع، وغيرها من المراحل التي كانت تعتمد سابقًا على التقييم اليدوي. واليوم، وباستخدام هذه البيانات والمتطلبات، أنشأت هونغتشي نموذجًا آليًا لتقييم سيارات هونغتشي، وأدخلته ضمن عملية إنتاج السيارة الكاملة، مما مكّن تلك المراحل التي كانت تستغرق سابقًا أكثر من 20 يومًا أو حتى 80 يومًا، من أن تُنجز في غضون ثوانٍ أو بضعة أيام فقط على المنصة.

استنادًا إلى الاستكشافات في سيناريوهات أعمال حقيقية مثل GPT-BI، تخطط فاو أيضًا للاستفادة من كميات كبيرة من أصول البيانات عالية الجودة، وذلك عبر بناء نماذج ضخمة عمودية متعددة المجالات—تغطي البحث والتطوير، التصنيع، وخدمات ما بعد البيع—على منصة تطوير تطبيقات النماذج الكبيرة الشاملة «AliCloud Bailian»، بما يضمن تحقيق أقصى استفادة من هذه النماذج في مراحل الإنتاج والمبيعات وغيرها.

في 11 مارس 2025، أعلنت منصة Manus عن إبرام شراكة استراتيجية مع فريق Alibaba Qwen. وسيعمل الطرفان على تنفيذ جميع وظائف منصة Manus بالاعتماد على نماذج Qwen المفتوحة المصدر، وذلك على منصات النماذج المحلية ومنصات الحوسبة، سعيًا لتقديم منتجات ذكاء عام أكثر إبداعًا للمستخدمين الصينيين.

يرى قطاع الصناعة عمومًا أن التعاون بين Manus وAlibaba لا يقتصر على الاستفادة من النماذج الكبيرة المتقدمة، بل يهدف أيضًا إلى العثور على منصات سحابية ذات جدوى اقتصادية عالية لتلبية احتياجات الحوسبة الضخمة، خاصة في السوق الصينية. ومن شأن هذا التعاون تسريع عملية تحويل الذكاء الاصطناعي إلى منتجات صناعية، من خلال حلول حوسبة سحابية فعّالة ومنخفضة التكلفة، مما يساهم في خفض تكاليف التشغيل وتعزيز أداء الخدمات.

قبل فترة وجيزة، أبرمت شركة آبل، العملاق التقني العالمي، شراكة مع Alibaba، حيث يعمل Alibaba كمزود لشركة آبل لتطوير ميزات الذكاء الاصطناعي لنسخة iPhone المخصصة للسوق الصينية.

أشار المحللون إلى أن شركة آبل اختارت التعاون مع علي، من جهة للاستفادة من مزايا الحوسبة لدى منصة ألي كلاود، ومن جهة أخرى لأن سلسلة نماذج تونغيي تشيان ون تتمتع بقدرات متعددة الوسائط قوية. وبالنسبة إلى الذكاء الاصطناعي الذكي، فإنه بالإضافة إلى نموذج لغة قوي، لا بدّ من امتلاك القدرة على فهم المدخلات المتعددة الوسائط مثل الرؤية والصوت؛ وهذا يُعد أحد العوامل الرئيسية التي تأخذها شركات مثل آبل في الاعتبار عند اختيار شركاء النماذج الكبيرة للذكاء الاصطناعي.

في مجال القدرات متعددة الوسائط، يُظهر نموذج Qwen-Vision Language من سيرينغ أداءً متميزًا. وعلى سبيل المثال، فإن الإصدار الأحدث Qwen2.5-VL لا يقتصر على معالجة المدخلات والمخرجات النصية فحسب، بل يتمتع أيضًا بالقدرة على التعامل مع المدخلات المرئية والفيديو، بما في ذلك فهم مقاطع فيديو تصل مدتها إلى ساعة كاملة.

مقارنةً بالجيل السابق من Qwen2-VL، خضع هذا النموذج لعدة تحديثات. على سبيل المثال، تحسّنت قدرة التثبيت على الأرض، مما عزّز القدرة على التعرّف على الأحداث والأشياء المادية، ومكن النموذج من ربط الوصف النصي بالعناصر الموجودة في الصور أو مقاطع الفيديو بشكل أفضل. كما أظهرت قدرة التعرف الضوئي على الحروف (OCR) المُعزَّزة أداءً متفوقًا عند التعامل مع النصوص المعقدة أو المكتوبة بخط اليد، وكذلك النصوص الطويلة، دون الحاجة إلى إجراء تعديلات إضافية خاصة بنوع معيّن من النصوص، كما تبرز كفاءتها بشكل أكبر عند معالجة النصوص ذات الزوايا المتفرقة.

في Qwen2.5-VL، صمّم فريق تونغيي تشيانوين أيضًا تنسيقًا أكثر شمولية لتحليل المستندات — وهو تنسيق QwenVL HTML، الذي يتيح التعرّف الدقيق على النصوص داخل المستندات، كما يُمكنه استخراج معلومات الموقع الخاصة بعناصر المستند (مثل الصور والجداول وغيرها)، مما يضمن إعادة إنشاء تخطيط الصفحة الأصلي بدقة.

وفقًا للتعريف، فإن هذا النموذج، إلى جانب قوته الهائلة، يضم أيضًا قدرات وكيل مدمجة، مثل القدرة على إخراج وثائق بتنسيق جافا سكريبت القياسي، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي العملية. ففقط عندما يكون تنسيق الإخراج موحدًا يمكن للوكيل الاستفادة الفعّالة من هذه النتائج. ومن خلال هذه التصاميم المتقنة، لم تزدِّ فقط من وظائف النموذج وجدواه التطبيقية، بل قدّمت أيضًا دعمًا قويًا لتطور صناعة الذكاء الاصطناعي في المستقبل.

منذ عام 2024، بدأت شركة علي بابا كلاود في نشر النماذج الكبيرة مباشرةً على الأجهزة مثل الهواتف المحمولة، وذلك لتحقيق تنفيذ المهام محليًا، مثل إنشاء ملخصات الصوت. يعتمد التعاون بين علي بابا وآبل على بنية تجمع بين العميل والسحابة؛ إذ تضم السحابة نماذج ضخمة، بينما يتم تجهيز الأجهزة بنماذج ذات معلمات أصغر، مع دمج تدابير أمنية، وهو ما يُعد اتجاهًا رئيسيًا للتطوير في المستقبل.

من منظور نموذج النشر، توجد طريقتان رئيسيتان لتنفيذ النماذج الكبيرة على الهواتف المحمولة: الأولى هي النشر المحلي، حيث يتم تضمين النموذج الكبير داخل الهاتف، أو نشر نموذج أصغر (بمقياس يتراوح بين 0.5 مليار إلى 7 مليارات معلمة) لتنفيذ المهام الحساسة للبيانات؛ والثانية هي الجمع بين السحابة والجهاز المحلي، إذ يُشغَّل نموذج أصغر محليًا لمعالجة البيانات الحساسة، بينما تُرسل المهام المعقدة عبر الشبكة إلى النموذج الكبير في السحابة للمعالجة.

بقدرتها الفائقة على معالجة المهام المعقدة، إذ تضم عددًا كبيرًا من المعلمات وتُظهر أداءً ممتازًا؛ غير أنّها تعاني من مشكلات التأخير ومخاوف الخصوصية المرتبطة بنقل البيانات. أما النماذج الكبيرة المحلية فتوفر مستوى أعلى من أمان البيانات وحماية الخصوصية، إذ تُنجز جميع العمليات على الجهاز نفسه، وهي كافية لإنجاز المهام الأساسية؛ لكنها تواجه قيودًا تتعلق بالحجم، مما يجعل أداؤها أقل من النماذج السحابية، وقد يكون تجربتها أقل تميزًا.

رغم أنّ النماذج المحلية تلبي احتياجات المهام الأساسية، فإنّ النماذج الكبيرة السحابية تظل ضرورية لتلبية متطلبات التخصيص التي تتطلب مستويات ذكاء أعلى. وقد يتجه الاتجاه المستقبلي نحو تحقيق توازن، بحيث تُعتمد النماذج المحلية لضمان أمن البيانات والاستجابة السريعة، بينما يُستعان بالنماذج السحابية لمعالجة المشكلات المعقدة.