ديبسيك (DeepSeek)

ديبسيك (بالإنجليزية: DeepSeek، وبالصينية: 深度求索، وتعني حرفياً «الاستكشاف العميق»)، واسمها الرسمي شركة هانغتشو ديبسيك لتقنيات البحث الأساسي في الذكاء الاصطناعي المحدودة (بالصينية: 杭州深度求索人工智能基础技术研究有限公司)، هي شركة صينية متخصصة في أبحاث الذكاء الاصطناعي تطوّر النماذج اللغوية الكبيرة والتقنيات ذات الصلة. تأسست عام 2023 في مدينة هانغتشو على يد رائد الأعمال ليانغ وين فنغ، بدعم من صندوقه التحوطي الكمي «هاي فلاير» (High-Flyer). اكتسبت الشركة شهرة دولية واسعة في يناير 2025 بإطلاقها نموذج «ديبسيك-آر1» (DeepSeek-R1)، وهو نموذج استدلالي تنافس أداؤه أبرز النماذج الغربية الرائدة، فيما قيل إنه استلزم جزءاً ضئيلاً فقط من تكلفة التدريب المعتادة. وتشتهر ديبسيك بإتاحة نماذجها بأوزان مفتوحة، وبإبداعاتها في هندسة النماذج الفعّالة وتدريبها، وبالاضطرابات الكبيرة التي أحدثتها إصداراتها في أسواق التكنولوجيا العالمية وفي النقاشات المتعلقة بسياسات الذكاء الاصطناعي.

الخلفية والتأسيس

تعود جذور ديبسيك إلى شركة «هاي فلاير» (幻方量化)، وهي شركة استثمار كمي شارك ليانغ وين فنغ في تأسيسها عام 2015. أصبحت «هاي فلاير» واحدة من أكبر صناديق التحوط الكمية في الصين، بإدارة أصول تُقدَّر بمليارات الدولارات، واعتماداً كبيراً على تعلّم الآلة في استراتيجيات التداول. وبدءاً من عام 2019 تقريباً، استثمرت الشركة بكثافة في البنية التحتية الحاسوبية، حتى جمّعت في نهاية المطاف عنقوداً يضم نحو 10,000 وحدة معالجة رسوميات من طراز إنفيديا A100 لأغراض أبحاث الذكاء الاصطناعي وتطبيقات التداول.

وفي عام 2023، ومع اهتمام العالم المتنامي بالذكاء الاصطناعي التوليدي في أعقاب إطلاق ChatGPT، قرر ليانغ المباشرة في أبحاث الذكاء الاصطناعي العام (AGI). تأسست ديبسيك شركةً مستقلة، تموّلها في المقام الأول «هاي فلاير»، وعلى رأسها ليانغ نفسه. وميّزت الشركة نفسها عن كثير من شركات التكنولوجيا الصينية بتموضعها كمؤسسة بحثية أساسية لا كمؤسسة موجهة نحو المنتجات. وأعلن ليانغ أن رسالة ديبسيك تتمثل في السعي لتحقيق الذكاء الاصطناعي العام، وأن الشركة تنوي اعتماد مسار المصادر المفتوحة، معتبراً مشاركة أوزان النماذج والتقارير التقنية إسهاماً في مجتمع البحث العالمي لا عبئاً تنافسياً.

التطور التاريخي

ركزت الإصدارات المبكرة لشركة ديبسيك على مجالات متخصصة. ففي نوفمبر 2023، قدّمت الشركة سلسلة «ديبسيك كودر» (DeepSeek Coder)، وهي مجموعة نماذج لغوية متخصصة في البرمجة دُرّبت من الصفر على مجموعات واسعة من بيانات الشيفرات البرمجية. وتبع ذلك «ديبسيك إل إل إم» (DeepSeek LLM)، وهي عائلة نماذج لغوية متعددة الأغراض أُطلقت أواخر عام 2023 وأوائل عام 2024، وقد أثبتت نسختها ذات 67 مليار معامل قدرة فريق صغير حديث التأسيس على تدريب نماذج كبيرة تنافسية. وفي فبراير 2024، أصدرت ديبسيك نموذج «ديبسيك ماث» (DeepSeekMath)، الذي قدّم خوارزمية التعلم المعزز «التحسين السياسي النسبي الجماعي» (GRPO) التي أثبتت لاحقاً أنها محورية في نماذج الاستدلال لدى الشركة.

وشكّل شهر مايو 2024 محطة تقنية هامة مع إطلاق «ديبسيك-في2» (DeepSeek-V2)، وهو نموذج بمزيج الخبراء يضم 236 مليار معامل، قدّم آلية «الانتباه الكامن متعدد الرؤوس» (MLA) التي تقلل جذرياً متطلبات الذاكرة أثناء الاستدلال. ولفت «ديبسيك-في2» الأنظار ليس فقط لأدائه، بل أيضاً لأسعاره التنافسية جداً عبر واجهة برمجة التطبيقات، وهو ما أشعل حرب أسعار بين مزودي الذكاء الاصطناعي في الصين. وتضمنت الإصدارات اللاحقة عام 2024 نموذج «ديبسيك-كودر-في2»، ونموذج اللغة والرؤية «ديبسيك-في إل»، وسلسلة النماذج متعددة الوسائط «يانوس» (Janus).

وفي ديسمبر 2024، أطلقت ديبسيك «ديبسيك-في3» (DeepSeek-V3)، وهو نموذج بمزيج الخبراء يضم 671 مليار معامل، يُنشّط من بينها 37 مليار معامل فقط لكل رمز لغوي. ونصّ التقرير التقني المرافق على أن عملية التدريب الكاملة استهلكت نحو 2.788 مليون ساعة معالجة رسوميات، بتكلفة تقديرية بلغت حوالي 5.58 مليون دولار أمريكي باستخدام رقائق إنفيديا H800، وهي المعالجات المتوافقة مع قيود التصدير المتاحة للشركات الصينية في ظل القيود الأمريكية على أشباه الموصلات. وهذه الأرقام، رغم استثنائها تكاليف الأبحاث السابقة والبنية التحتية ورواتب الموظفين، كانت أقل بكثير من نفقات التدريب المعلنة لنماذج مماثلة رائدة، مما كثّف النقاش الدولي حول كفاءة تطوير الذكاء الاصطناعي.

وفي 20 يناير 2025، أطلقت ديبسيك «ديبسيك-آر1» (DeepSeek-R1)، وهو نموذج استدلالي دُرّب بالدرجة الأولى من خلال التعلم المعزز لإنتاج سلاسل تفكير موسّعة قبل الإجابة. وقد أظهرت نتائج الاختبارات المعيارية أن أداء آر1 بلغ مستوى نموذج «o1» من شركة OpenAI أو اقترب منه في مهام الرياضيات والبرمجة والاستدلال العلمي. وفي الوقت نفسه، نشرت الشركة أوزان النموذج بموجب رخصة MIT، إلى جانب ورقة تقنية تفصّل منهجية تدريبه. وفي غضون أيام، أصبح تطبيق ديبسيك للهواتف المحمولة التطبيق المجاني الأكثر تحميلاً على متجر آبل الأمريكي، وفي 27 يناير 2025، تراجعت أسهم شركة إنفيديا بنحو 17 في المئة، ممّا محى ما يقارب 600 مليار دولار من قيمتها السوقية في يوم واحد، في أكبر خسارة ليوم واحد لشركة واحدة في تاريخ سوق الأسهم في ذلك الوقت. وصف المستثمر الجريء مارك أندريسن هذا الإطلاق بأنه «لحظة سبوتنيك للذكاء الاصطناعي».

وبعد هذا الاختراق، واصلت ديبسيك تطوير نماذجها في عام 2025، محدثةً إصدارات محدّثة مثل «ديبسيك-آر1-0528» وسلسلتي «ديبسيك-في3.1» و«في3.2»، التي حسّنت قدرات الاستدلال والأداء الموجّه نحو الوكلاء الذكيين وكفاءة الاستدلال، بما في ذلك تقنيات الانتباه المتناثر.

النماذج والمنتجات

تضم عائلات نماذج ديبسيك ما يلي:

• ديبسيك إل إل إم (DeepSeek LLM): نماذج لغوية كثيفة متعددة الأغراض (7 و67 مليار معامل) أسّست لمراحل التدريب المسبق والمواءمة لدى الشركة.
• ديبسيك كودر / ديبسيك-كودر-في2 (DeepSeek Coder / DeepSeek-Coder-V2): نماذج متخصصة في البرمجة دُرّبت على بيانات برمجية متعددة اللغات، وكانت من أقدم النماذج المفتوحة التي تنافس مساعدات البرمجة المغلقة.
• ديبسيك ماث (DeepSeekMath): نموذج متخصص في الرياضيات قدّم خوارزمية GRPO.
• ديبسيك-في2 وفي2.5 (DeepSeek-V2 / V2.5): نماذج بمزيج الخبراء تتميز بالانتباه الكامن متعدد الرؤوس، وتشتهر بانخفاض تكلفة الاستدلال وأسعار واجهة البرمجة.
• ديبسيك-في3 (DeepSeek-V3): نموذج بمزيج الخبراء يضم 671 مليار معامل (يُنشّط 37 ملياراً لكل رمز)، دُرّب بدقة FP8 وموازنة أحمال خالية من دالة الخسارة المساعدة، لتأسيس معيار جديد في الكفاءة للنماذج المفتوحة.
• ديبسيك-آر1 وتحديثاته (DeepSeek-R1): نماذج استدلالية دُرّبت عبر التعلم المعزز واسع النطاق، مع نسخ مُقطَّرة مبنية على نماذج مفتوحة أصغر (كيوين «Qwen» ولاما «Llama») جعلت قدرات الاستدلال متاحة على الأجهزة الاستهلاكية.
• ديبسيك-بروفر (DeepSeek-Prover): نماذج لإثبات النظريات بشكل صوري باستخدام لغة البرمجة «لين» (Lean).
• ديبسيك-في إل ويانوس / يانوس-برو (DeepSeek-VL / Janus-Pro): نماذج للغة والرؤية، ونماذج موحّدة للفهم والتوليد متعددَي الوسائط.

ويتيح مساعد ديبسيك، المتاح كخدمة ويب وتطبيق للهواتف المحمولة، الوصول الحواري إلى أبرز نماذج الشركة، وهو المسؤول عن معظم الانتشار العام للعلامة التجارية.

الخصائص التقنية

يتميز البحث في ديبسيك بعدة إبداعات معمارية وهندسية:

1. معماريات مزيج الخبراء (MoE): يعتمد «ديبسيك مودج أوف إكسبيرتس» تقسيمَ الخبراء إلى وحدات دقيقة متعددة بالتزامن مع خبراء مشتركين، مما يحسّن كفاءة المعاملات مقارنة بتصاميم مزيج الخبراء التقليدية.
2. الانتباه الكامن متعدد الرؤوس (MLA): من خلال ضغط مخازن المفاتيح والقيم في فضاء كامن، يقلّل MLA استهلاك الذاكرة أثناء الاستدلال بشكل كبير، مما يخفض تكاليف التشغيل.
3. التنبؤ متعدد الرموز (MTP): استُخدم في تدريب «ديبسيك-في3» لتحسين كفاءة البيانات وتمكين فك التشفير التخميني عند الاستدلال.
4. التعلم المعزز للاستدلال: أظهر «ديبسيك-آر1» أن الاستدلال بسلسلة التفكير يمكن أن ينبثق من التعلم المعزز القائم على القواعد مع مكافآت قابلة للتحقق (GRPO)، دون الحاجة إلى ضبط دقيق موسّع بإشراف بشري على مسارات الاستدلال.
5. الهندسة التدريبية الفعّالة: مكّن استخدام تدريب الدقة المختلطة FP8 واستراتيجيات التوازي المخصصة وتحسينات الاتصال بين وحدات معالجة الرسوميات من التدريب على عتاد خاضع لقيود التصدير.

المميزات ونموذج العمل

تتميز ديبسيك بصفات فريدة من نوعها، أبرزها التزامها بالإصدارات مفتوحة المصدر، وأسعارها منخفضة بشكل استثنائي، وثقافتها المؤسسية القائمة على البحث. فأوزان النماذج تُنشر على منصات مثل «هاغينغ فيس» (Hugging Face) بموجب رخص متساهلة، مما يسمح للمطورين حول العالم بتنزيلها وتعديلها ونشرها. وكانت أسعار واجهة برمجة التطبيقات للشركة من الأدنى في الصناعة، وأحياناً تفوقت في خفض التكاليف على العروض المماثلة بمقدار عشرة أضعاف، مما سرّع تبنّيها من قِبل المطورين ومزودي خدمات الذكاء الاصطناعي الخارجيين.

وعلى خلاف التكتلات التكنولوجية الكبرى، تعمل ديبسيك بفريق بحثي صغير نسبياً، يضم كثيراً من الخريجين مباشرةً من أبرز الجامعات الصينية مثل جامعة بكين وجامعة تسينغهوا، مع تركيزها على المواهب الشابة والإدارة المسطحة والبحث طويل الأمد على حساب التسييل قصير الأمد. ويوفر التمويل من «هاي فلاير» استقلالاً مالياً يسمح للشركة بإعطاء الأولوية لأبحاث الذكاء الاصطناعي الأساسية. وقد قدّم ليانغ وين فنغ نهج ديبسيك بوصفه نهج مساهم في منظومة الابتكار العالمية للذكاء الاصطناعي، لا نهج تابع لها.

التأثير والأهمية

كان لظهور ديبسيك تداعيات بعيدة المدى في عدة مجالات:

• التأثير الاقتصادي والسوقي: أثار رد فعل السوق في يناير 2025 تساؤلات حول تقييمات شركات البنية التحتية للذكاء الاصطناعي، وأثبت أن الذكاء الاصطناعي المستوى الرائد يمكن تطويره بتكلفة أقل بكثير مما كان يُفترض عموماً.
• سياسات التكنولوجيا: ولّد نجاح ديبسيك في ظل قيود التصدير الأمريكية على الرقائق المتقدمة نقاشاً في الولايات المتحدة والدول الحليفة حول فعالية القيود شبه الموصلة وحجم وتيرة تطور الذكاء الاصطناعي الصيني.
• منظومة المصادر المفتوحة: من خلال إتاحة نماذج رائدة بأوزان مفتوحة وتقارير تقنية مفصّلة، سرّعت ديبسيك انتشار تقنيات النماذج الاستدلالية وعززت مركز منظومات النماذج المفتوحة عالمياً.
• المنافسة الصناعية: ضغطت أسعارها وإصداراتها المفتوحة على مزودي الذكاء الاصطناعي، سواء الصينيين منهم أو الدوليين، فيما يتعلق بالتكلفة، وألزمتهم بإعادة نظر أوسع في استراتيجيات التطوير المغلقة والخاصة.

الاستقبال والجدل

ولّد صعود ديبسيك السريع أيضاً تدقيقاً واسعاً. فقد قيّدت عدة حكومات ومؤسسات عامة استخدام تطبيق ديبسيك أو منعته على الأجهزة الرسمية، وذلك بسبب مخاوف بشأن تخزين البيانات، واحتمال وصول السلطات الصينية إليها، والمخاطر الأمنية السيبرانية؛ وقد اتُّخذت مثل هذه التدابير في ولايات قضائية منها أستراليا وكوريا الجنوبية وإيطاليا وأجزاء من الولايات المتحدة. كما أشار المنتقدون إلى أن نماذج ديبسيك تطبّق فلترة للمحتوى بما يتسق مع اللوائح الصينية، فتتمتنع عن الإجابة على الأسئلة ذات الحساسية السياسية. إضافة إلى ذلك، شكّك بعض الأعراف الصناعية في اكتمال أرقام تكاليف التدريب المعلنة، وزعمت OpenAI في أوائل عام 2025 أن ديبسيك ربما تكون قد استخدمت مخرجات نماذجها، بما قد يُعدّ انتهاكاً لشروط الخدمة، وهي تهمة أشعلت بدورها نقاشاً حول ممارسات البيانات المعتادة في الصناعة. وقد ردّت ديبسيك وأنصارها بأن إبداعاتها موثقة بشكل مستقل في تقارير تقنية خضعت لتدقيق الأقران ويمكن إعادة إنتاجها من خلال إصداراتها المفتوحة.

وعلى الرغم من هذه الجدل، تُعتبر ديبسيك على نطاق واسع واحدة من أكثر مؤسسات أبحاث الذكاء الاصطناعي تأثيراً في منتصف عقد 2020، بعد أن أثبتت أن الإبداع المعماري والكفاءة الهندسية يمكن أن يخفضا بشكل كبير حواجز تطوير الذكاء الاصطناعي بالمقياس الرائد.