تمويل يغيّر ملامح صناعة الذكاء الاصطناعي
في مايو 2026، شهد قطاع الذكاء الاصطناعي في الصين حدثًا بارزًا — أكملت DeepSeek الجولة الأولى من التمويل الخارجي، بإجمالي مبلغ تمويل يزيد عن 500 مليار يوان صيني (حوالي 7.4 مليار دولار أمريكي)، كما تجاوز تقييم ما بعد الاستثمار 500 مليار دولار. وهذه هي المرة الأولى التي تفتح فيها شركة نماذج رائدة لطالما ابتعدت عن أسواق رأس المال باب التمويل.
تشكيلة المستثمرين تبدو فاخرة: قام المؤسس ليانغ ونفينغ باستثمار شخصي قدره 200 مليار يوان، واستثمرت شركة Tencent 100 مليار يوان، واستثمرت CATL 50 مليار يوان. كما استثمرت NetEase وJD.com وIDG Capital كلٌ منها 30 مليار يوان، وشارك أيضًا Monolith Qisi Capital وZhengxingu وغيرها في القائمة.
أحدثت جولة التمويل هذه هزة في القطاع، ليس فقط بسبب حجمها، بل أيضًا لأنها جاءت من شركة كانت قد أعلنت يومًا: «لا تمويل، لا إدراج، لا تجارية». وتساؤل الناس كان: لماذا غيّر Liang Wenfeng رأيه؟ وما هي المسارات التقنية الحقيقية والفلسفة التجارية الحقيقية لهذه الشركة التي أُحيطت بكل هذا الهالة؟
مؤخرًا، انتشر في القطاع نصّ تفريغ لاجتماع داخلي خلال فترة تمويل DeepSeek. وفي هذا النص الطويل الذي يمتد لساعات، قدّم Liang Wenfeng نادرًا وبشكل منهجي تصوره الكامل عن الثقافة التنظيمية، والمسار التقني، والمراهنة التجارية، وبنية الحوسبة. هذه الآراء كافية لتفسير تلك القرارات الكابحة التي بدت في الماضي غير منطقية، لكنها ثبت في النهاية أنها كانت صحيحة.
تجربة تنظيمية مدفوعة بالرؤية: شركة بلا KPI
«إدارة شركة كبيرة لا تعتمد على اللوائح، بل تعتمد على الرؤية.» هكذا عرّف Liang Wenfeng فلسفة DeepSeek التنظيمية في الاجتماع.
هذا ليس شعارًا فارغًا. فقد قال بصراحة إن DeepSeek «لا تمتلك تنظيمًا» بالمعنى التقليدي، بل هي مدفوعة بالكامل بالرؤية. «نحن لا نعمل بطريقة: ما الـKPI الذي أريد تحقيقه، وكيف سيتم التقييم؛ بل لدينا فقط رؤية.»
ويظهر هذا التجريب التنظيمي بشكل ملموس في أن إدارة الشركة تنقسم إلى خطين: مشاريع رسمية من أعلى إلى أسفل، واستكشاف حر من أسفل إلى أعلى. ويريد Liang Wenfeng أن لا يستحوذ العمل الرسمي «على نصف وقت الموظف كله»، أما النصف الآخر فيمكن للباحثين أن يستكشفوا بحرية أي اتجاه يرونه مهمًا، «لا أحد يراقبه، ولا توجد KPI».
«نحن عادة لا نعمل ساعات إضافية كثيرًا أيضًا.» وقدّم سببين: الأول أن البحث يحتاج إلى بيئة مريحة، فالضغط الزائد يمنع البحث؛ والثاني أن الشركة شديدة التركيز، «لأننا نمارس الكبح، فهناك أشياء كثيرة نختار ألا نفعلها. عندما تقلّ الأشياء التي عليّ فعلها، يقلّ العمل الموزع على كل شخص.»
وخلف هذه الإدارة التي تبدو «هادئة جدًا» يقف حكم استراتيجي واضح: أكبر مصلحة أساسية لدى DeepSeek هي الحفاظ على استقرار الفريق.
«طالما أستطيع الحفاظ على استقرار الفريق، فسأتمكن بالتأكيد من تحقيق AGI.» قال Liang Wenfeng، «المسألة فقط أن يكون أبكر قليلًا أو أبعد قليلًا. وإذا واجهنا انتكاسات ولم يرحل أحد، فسأتمكن من الاستمرار.»
وقد اعتبر هذا «المصلحة الأساسية الوحيدة التي لا يمكن التراجع عنها». كل شيء آخر—الوقت، والموارد، والمال—يمكن أن يكون متغيرًا، لكن الفريق لا يجوز أن يتفكك. وأحد المعاني الحاسمة لهذه الجولة التمويلية هو أنها ثبّتت الارتباط طويل الأمد للفريق الأساسي عبر الأسهم التحفيزية.
والأهم من ذلك، أنه يفسّر من خلال الرؤية نفسها لماذا تستطيع DeepSeek جذب المواهب والاحتفاظ بها.
«AGI هو رؤية أكبر، وهذه الرؤية قادرة على تجميع المزيد من الأشخاص الممتازين.» ومن وجهة نظره، هذه هي الميزة الهيكلية لـ DeepSeek مقارنةً بالشركات التجارية. قد تكون رؤية الشركات التجارية هي «خدمة مستخدمي الطرف المستهلك جيدًا»، وهذا يمنحها أفضلية في المنتج والتدفّق، لكنه يجعل من الصعب أن تمتلك أفضلية تقنية. «أما الآن فأكثر وضعٍ مواتٍ هو أن تقنية النماذج هي الأهم والأكثر مركزية.»
هذا النمط التنظيمي المدفوع بالرؤية جعل Liang Wenfeng يميّز عمدًا بين DeepSeek وبين مختبرات Bell التاريخية: «مختبرات Bell كانت واضحة بأنها لا تحتاج إلى تجارية، أما نحن فنحن واضحون بأننا نحتاج إلى تجارية. في النهاية يجب أن نتمكن من البقاء، فنحن في النهاية شركة، والحكومة لن تعطيني فلسًا واحدًا.»
هذا هو الجانب العملي في فلسفته: أن تحمل نية تغيير العالم، لكن في النهاية يجب أن تتمكن أنت نفسك من البقاء.
سُلّم AGI: من سلسلة التفكير إلى الذكاء المتجسد
إذا كانت الثقافة التنظيمية هي نظام تشغيل DeepSeek، فإن خارطة طريق AGI هي خريطة الملاحة الخاصة بها. وفي الاجتماع، رسم Liang Wenfeng مسارًا واضحًا للتطور على شكل سُلّم.
«يمكننا فهم تطور الذكاء الاصطناعي على أنه سلّم.» قال: «الدرجة التي مشيناها العام الماضي كانت CoT (سلسلة التفكير)، وقد وجدنا أنه من خلال سلسلة التفكير يمكن رفع مستوى الذكاء إلى درجة أعلى. أما درجة هذا العام فهي Agent، وباستخدام Agent ستتسع قدرة الذكاء الاصطناعي ويعلو سقف ذكائه.»
هذه السلمية ليست مستقلة بعضها عن بعض. كل درجة تتطلب دعم الدرجات السابقة كلها. «الـAgent يحتاج إلى CoT، والـCoT يحتاج أيضًا إلى نماذج اللغة السابقة، ولا توجد خطوة ضاعت سدى.»
لكن بعد Agent، رأى عنق زجاجة أساسيًا: التعلم المستمر.
«الذكاء الاصطناعي ما يزال لا يستطيع استبدال الموظفين البشر. لأن الإنسان قادر على التعلّم المستمر. عندما توظّف شخصًا، فإنه يقضي شهرين في التعرّف على بيئة الشركة والعمل، ثم يصبح قادرًا على الانطلاق؛ وإذا قلتَ ‘استدعوا وانغ الصغير’ فهو يعرف من هو وانغ الصغير. لكن إذا لم يكن لدى الذكاء الاصطناعي هذان الشهران من التعلّم، فعليك أن تزوّده بكل السياق: من هو وانغ الصغير، ما منصبه، أين يوجد، وكل ذلك. هذا غير واقعي.»
في نظر Liang Wenfeng، التعلم المستمر هو العتبة التي لا بد من تجاوزها للوصول إلى AGI. وبعد عبورها، نصل إلى العقدة التالية: أن يستطيع الذكاء الاصطناعي أن يطوّر نفسه ذاتيًا، وأن يطوّر نسخته التالية بنفسه، وأن يدرس النماذج الأقوى بنفسه. وعندها فقط يأتي دور الذكاء المتجسد—«أن يدخل العالم الحقيقي، ليقوم لك بالأعمال المنزلية، ويرعاك في الشيخوخة».
هذا المخطط هو ما يحدد منطق الاختيار لدى DeepSeek. ما الذي يُنجَز، وما الذي لا يُنجَز—كل شيء يدور حول: هل يقع هذا على المسار الرئيسي للذكاء أم لا.
تعدد الوسائط؟ «إنه مكوّن، وليس هو المسار الرئيسي نفسه. سنعمل عليه، لكننا لن نعامله على أنه الذكاء نفسه.» توليد الفيديو؟ «لا علاقة كبيرة له بالمسار الرئيسي للذكاء، ولن نقوم به.» نموذج العالم؟ «حالياً ليس له علاقة كبيرة أيضاً برفع سقف الذكاء، ولن نقوم به.»
هذا التركيز يُساء فهمه أحيانًا على أنه تحفظ. لكن منطق Liang Wenfeng واضح جدًا: هو يريد فقط أن يصنع الدرجة الأساسية على سُلّم الذكاء، أما الأشياء الأخرى، حتى لو كانت ذات قيمة تجارية هائلة، فهو يفضّل أن يتركها للآخرين.
«بعد ظهور Sora، دخلت كل الشركات الكبيرة والصغيرة في هذا المجال، لكن الشركات الصغيرة أوقفت العمل عليه لاحقًا. إنه عمل جيد تجاريًا، لكنه لا علاقة له كثيرًا بالذكاء. نحن لن نقوم به إلا إذا كان ضمن خارطة طريق الذكاء.»
وفي الوقت نفسه، فإن إيمانه بقانون Scaling Law ثابت لا يتزعزع. «نحن نؤمن بـScaling بالتأكيد، فكلما كان الحجم أكبر كانت النتيجة أفضل. ما يعيقنا عن Scaling في الحقيقة هو القدرة الحاسوبية، وليس أننا لا نريد Scaling، بل لأننا لا نملك من القدرة الحاسوبية ما يكفي لذلك.»
وفيما يتعلق بالقول الرائج في وادي السيليكون بأن «Scaling وصل إلى نهايته»، جاء رد Liang Wenfeng حاسمًا: «هذا بالنسبة إلى وادي السيليكون؛ أما بالنسبة إلى الصينيين، فما زلنا بعيدين جدًا عن ذلك، نحن أصلًا لم نصل إلى ذلك المستوى من Scaling.»
فلسفة الأعمال القائمة على الكبح: السمسم والبطيخ
أكثر القرارات التجارية إثارة للحيرة لدى DeepSeek ربما هي أنها تبدو وكأنها تتخلى دائمًا طوعًا عن المكاسب القصيرة الأمد. تسعير واجهة API منخفض جدًا، وعدم استعجال المنتجات لتحقيق الدخل، وعدم السعي لنمو المستخدمين، وفتح مصدر أقوى النماذج—كلها سلوكيات تبدو شبه غير قابلة للفهم في منطق الأعمال التقليدي.
وقد استخدم Liang Wenfeng مجموعة من «فلسفة الكبح» لتفسير كل ذلك.
«قضية الذكاء الاصطناعي كبيرة جدًا، والمصالح فيها ضخمة جدًا. وكلما كنتَ أكثر كبحًا، زادت احتمالات أن تنجح في هذا الأمر.» وتسلسل منطقه واضح: الذكاء الاصطناعي قد يسيطر في النهاية على 10% من الناتج المحلي الإجمالي للبشرية، وسوق بهذا الحجم لا يمكن أن تحتكره شركة واحدة. ومحاولة الاحتكار ستجعل التاريخ يطرحك جانبًا. لذلك، لا بد من تصميم آلية تضمن أن ما تأخذه محدود.
هذا هو جانب الكبح بوصفه دفاعًا سلبيًا. لكن للكبح جانبًا آخر أيضًا—بوصفه سلاحًا للهجوم الاستراتيجي.
«الكبح استراتيجية، لأنه أحيانًا يمكنك أن تتنازل عن بعض الأشياء لتكسب أشياء أخرى أكثر.»
وقد استخدم تشبيهًا لتوضيح هذا الاختيار: نمو المستخدمين في اللحظة الحالية، وتحقيق الدخل على المدى القصير، قد لا يكونان إلا «سمسمًا»، بينما AGI هو «البطيخ» الحقيقي. «لا ينبغي أن أختطف كل سمسم. ما فعلناه في C-end العام الماضي، وما نفعله في B-end هذا العام، هذه أمور يجب أن تُفعل وأن تُنجز جيدًا، لكنها ليست هدفنا. إنها منتجات جانبية على طريق AGI، أو مخرجات وسطية.»
تسعير API هو أكثر ما يُجسّد هذه الفلسفة. مبدأ تسعير DeepSeek هو: استرداد تكلفة المعدات خلال عشرة أشهر.
«هذه التكلفة، واستردادها خلال عشرة أشهر، نستطيع نحن تحقيقها، بينما لا تستطيعها الشركات الأخرى. مثل علي بابا أو تينسنت، وبسبب عدم امتلاكهم تحسينات مثلنا، فمن المفترض أن تكون تكلفتهم أعلى بعدة أضعاف.»
ومن المثير للاهتمام أنه اكتشف أن مضاعفة السعر لا تغيّر تقريبًا كمية الـtoken التي يستهلكها المستخدمون—أي أن الطلب في هذا النطاق غير مرن. نظريًا، كان رفع السعر يمكن أن يزيد الإيرادات مباشرة. لكن عندما جرّب خفض السعر، امتلأت مجموعة الشركة على الفور بـ«الهتاف والتهليل».
«هذه هي أفكارنا الحقيقية. في ظل تحقيق ربح معقول، نريد أن يتمكن الجميع من استخدامه. هذا هو الهدف من أننا بذلنا كل هذا الجهد لصنع النموذج بشكل جيد، بحيث يستطيع الجميع استخدامه على نطاق واسع.»
هذه الاستراتيجية السعرية التي تبدو «بسيطة وساذجة» هي بالضبط ما شكّل حاجزًا تنافسيًا قويًا. فالتسعير على أساس استرداد التكلفة خلال عشرة أشهر يجعل المنافسين الذين ينشرون نماذج طرف ثالث غير مربحين—لأن تكلفتهم أعلى. والبرمجيات مفتوحة المصدر لا تؤثر على الإيرادات فحسب، بل تصبح جزءًا من الخندق الدفاعي نفسه.
«أنا أيضًا لا أقلق من أن ينشر الآخرون نماذجنا لينافسونا، لا أقلق إطلاقًا. ما يقلقني فقط هو أنهم قد لا يتمكنون من نشرها، أو أن بعض التفاصيل لم تُضبط، فتسوء النتيجة، أو ترتفع التكلفة.»
اعتقاده الجوهري هو: من يأخذ أكثر سيُهزم على يد من يأخذ أقل.
«OpenAI منذ البداية ظنّ أنه قادر فعلًا على احتكار العالم، لكنه في الواقع سيواجه الكثير والكثير من المنافسين. وستواجه الولايات المتحدة التحدي، وربما تواجه في المستقبل أيضًا التحدي الصيني، لأن الصينيين مستعدون لأن يأخذوا أقل. من يأخذ أكثر سيُهزم على يد من يأخذ أقل. بل حتى لا تحتاج فعليًا لأن تأخذ أكثر؛ إذا كانت رؤيتك هي الأخذ الكثير، فستُهزم برؤيةٍ تقوم على الأخذ الأقل.»
فجوة القدرة الحاسوبية والاستراتيجية الواقعية: تأخر سنتين، وعشرون ضعفًا أقل من القدرة الحاسوبية
من بين جميع التصريحات الصادقة، ربما يكون الجزء المتعلق بالقدرة الحاسوبية هو الأكثر واقعية، والأكثر إيقاظًا للوعي.
«الفجوة بيننا وبين الولايات المتحدة تكمن أساسًا في الموارد، أما من ناحية الأشخاص فالفجوة ليست كبيرة.» هكذا قال Liang Wenfeng بوضوح. فالموهبة في جوهرها هي نفس الفئة من الناس؛ بعضهم بقي في الداخل، وبعضهم ذهب إلى الخارج، والتوزيع عشوائي. الفجوة الحقيقية هي القدرة الحاسوبية—ففي الداخل الفرص المتاحة لإجراء التجارب أقل، لذلك توجد فجوة في المواهب ككل مقارنةً بالولايات المتحدة. «وفجوة المواهب، في جوهرها، سببها أيضًا فجوة الحوسبة.»
واعترف بأن DeepSeek يمكنها حاليًا إجراء تجارب على نطاق عشرات المليارات من المعلمات النشطة، بينما النماذج الأمريكية الرائدة وصلت إلى نطاق 800 مليار معلمة نشطة. «فرق مرتبة كاملة من حيث الحجم. حتى لو أنفقت 50 مليارًا كلها، في الواقع لن يكفي ذلك للتدريب.»
وقد لخّص هذا الفارق بجملة واحدة: «متأخرون عن الولايات المتحدة بسنتين، لكننا ننجز هذا الأمر باستخدام عُشر أو خمس القدرة الحاسوبية الأمريكية فقط.»
لكنه لم يرد أن يتوقف عند هذا الحد. «في المستقبل نريد إعادة صياغة هذه السردية، أي أننا سنستخدم جزءًا يسيرًا من قدرتنا الحاسوبية، لكن سنختصر الزمن أكثر، إلى ستة أشهر، أو ثلاثة أشهر.»
هذه الثقة باللحاق، تعود جزئيًا إلى افتراضه الجوهري: يمكن للذكاء الاصطناعي أن يسرّع أبحاث الذكاء الاصطناعي. وما إن يُحلّ مشكلة التعلم المستمر أولًا، حتى يستطيع الذكاء الاصطناعي أن يساعد في بحث الذكاء الاصطناعي، مُشكّلًا دولابًا ذاتي التسريع.
وفيما يتعلق باستبدال الشرائح المحلية، قدّم Liang Wenfeng حكمًا أكثر تفاؤلًا مما لدى كثيرين.
«الخندق الدفاعي لـ CUDA من إنفيديا يتفكك بسرعة.» وقدّم ثلاثة أسباب: الذكاء الاصطناعي نفسه يمكنه كتابة الشيفرة وبناء المنظومة؛ واللغة المتقدمة TileLang التي طوّرتها DeepSeek يمكنها إعادة كتابة منظومة إنفيديا بسرعة؛ وسوق بطاقات الحوسبة أصبح أكبر من سوق بطاقات الألعاب، كما أن الشرائح المتخصصة لم تعد بحاجة إلى الارتباط بـ CUDA.
وخلاصة قوله كانت: «العتاد والنظام البيئي للشرائح الصينية للذكاء الاصطناعي لا مشكلة فيهما، والمشكلة الوحيدة هي أن القدرة الإنتاجية غير كافية. وخلال سنة واحدة، سنتمكن من قلب هذه التصورات بالوقائع.»
لكنه لم يُخفِ القيود الواقعية لهواوي أيضًا. فالسعة التي تمنحها هواوي لـ DeepSeek هي 16 ألف بطاقة، أي ما يعادل فقط 4 آلاف بطاقة من سلسلة B من إنفيديا. «هذه ليست كمية كبيرة جدًا، فهي تكفي فقط لتدريب الجيل الحالي من نماذجنا، لكنها لا تكفي لتدريب الجيل القادم.»
وقد لخّص فجوة الشرائح بين الصين والولايات المتحدة برقم دقيق: «أربعة أضعاف زائد سنتان». أربع بطاقات هواوي تقابل بطاقة واحدة من إنفيديا، مع تأخر لعامين في الوقت نفسه.
ومع ذلك، ما يزال ينظر إلى المدى البعيد بتفاؤل: «أنا لا أصدق كثيرًا أننا بعد خمس سنوات سنظل عالقين في مشكلة القدرة الإنتاجية.»
نهاية القطاع: لا أرباح فائقة، بل تكلفة ووقت وتجربة
وعندما سُئل عن أين ستظهر الاختلافات في النهاية النهائية للمنافسة بين النماذج الكبيرة، قدّم Liang Wenfeng جوابًا شديد الاختصار: التكلفة، الوقت، وتجربة المستخدم.
«وما عدا ذلك، ربما لا يكون هناك فرق كبير.»
التكلفة هي الأولوية الأولى. من يستطيع، مع نفس جودة الخدمة، أن يجعل التكلفة أقل هو من يملك الحاجز الأكثر مركزية. ثم يأتي الوقت في المرتبة الثانية—فالفارق بين التقدم بعد عدة أشهر أو التأخر عدة أشهر فارق هائل. أما تجربة المستخدم فهي في المرتبة الثالثة، ولها بعض الجاذبية والحواجز، «لكنها قد لا تكون جوهرية».
وبناءً على ذلك، حكم بأن القطاع سيتجه حتمًا إلى التركز. «الآن في الصين هناك عدد كبير جدًا ممن يعملون على النماذج الأساسية، بينما في الولايات المتحدة ربما ثلاث شركات فقط، والموارد في الصين موزعة بشكل متشتت جدًا، وهذا بالتأكيد سيتجه إلى التركز. لا حاجة لكل هذا العدد من الشركات.»
وتنبأ بأنه عندما يكتشف المشاركون أن الأرباح ليست بالضخامة التي تصوّروها، فسوف ينسحبون طبيعيًا. «أنا لا أؤمن بوجود أرباح فائقة، لأن هذا لا ينسجم مع القوانين الموضوعية. وفي الصين، عندما يستقر الوضع أخيرًا عند ثلاث أو أربع شركات تتنافس، فالسعر سيكون قد أصبح جاهزًا تمامًا لحرب أسعار.»
وفي التقسيم العالمي للعمل، يرى أن الفرصة الهيكلية للشركات الصينية تكمن في «أكبر حجم إنتاج، وجعل المنتج الأرخص». «الصينيون مستعدون لأن يأخذوا أقل، وبذلك يمكنهم أن يزوّدوك بهذه الخدمة. وقد يكون هذا الرخص منخفضًا بشكلٍ منظومي، تمامًا كما أن الخدمات التي تقدمها الصين في صناعات أخرى تكون أرخص على نحو مشابه.»
أما إلى متى سيستغرق AGI فعلًا؟
«في مسألة الذكاء الاصطناعي، يمكننا خلال سنة أو سنتين داخل الصين أن نصل إلى مستوى قريب من الخارج، وربما نستطيع هذا العام أن نصل إلى بدائل للنماذج الأجنبية.» لكن هذا ليس AGI الحقيقي بعد. الحدّ الذي وضعه لـ AGI هو امتلاك القدرة على التعلم المستمر. «قبل ذلك، ما يمكننا فعله هو خفض التكلفة، ثم تحسين الأداء، وزيادة السرعة. لكن إذا أردنا اختراقًا كبيرًا، فيجب أن يكون لديه القدرة على التعلم المستمر.»
الخاتمة: استكشاف لا يقلّد أحدًا
«ليس لدينا نموذج نحتذي به، وكل خطوة نقررها اعتمادًا على الظروف الفعلية، وبالتحليل الواقعي للمنافع والأضرار.» هكذا لخّص Liang Wenfeng مسار DeepSeek عندما كان الاجتماع يقترب من نهايته.
إنه مزيج غريب: طموح شديد جدًا وكبح شديد جدًا في آن واحد. فالطموح يتمثل في أنه يريد AGI، ولا يرضى بأي محطة وسطية؛ أما الكبح فيتمثل في أنه مستعد للتخلي عن כמעט كل المكاسب القصيرة الأجل، حتى أنه لا يتردد في فتح مصدر أقوى نموذج، وخفض تسعير API إلى مستوى يجعل المنافسين غير قادرين على الربح.
المنطق الجوهري لهذا المزيج ربما هو أعمق استبصار لدى Liang Wenfeng: في سوق يتجه إلى أن يصبح كبيرًا إلى حد يفوق الخيال، فإن أفضل طريقة لتعظيم احتمال النجاح ليست الانقضاض الشديد على المكاسب الحالية، بل بناء أكبر منظومة وأوسع قدر من التوافق. الكبح ليس ضعفًا، بل هو نوع من الهجوم طويل الأمد.
«العديد من الشركات عظيمة لأنها تمتلك سعيًا يتجاوز الربح. لكن هذا السعي لم يؤثر في النهاية على تحقيقها التجاري، بل جعلها تحقق تجاريًا بشكل أفضل.»
وقد يصبح نصّ هذا الاجتماع التمويلي أحد النصوص التي تستحق أن يُعاد الرجوع إليها مرارًا في تاريخ ريادة الأعمال في الذكاء الاصطناعي. فهو لا يوثق فقط تفكير شركة عند نقطة تحول حاسمة، بل يعرض أيضًا فلسفة تجارية نادرة للغاية—في هذا القطاع المدفوع بالمصالح القصيرة الأجل والقلق التقني، ما يزال هناك من يريد أن يراهن على مستقبل أكبر، مستخدمًا النية الحسنة، والكبح، والتفكير طويل الأمد.
(هذا المقال مبني على تفريغ اجتماع داخلي خلال فترة تمويل DeepSeek، وقد جرى تحريره بالاستناد إلى تقارير من Jiemian News وTencent Technology وShenlan Finance ووسائل إعلام أخرى)