الذكاء الاصطناعي السيادي: لماذا تبني الدول نماذج وطنية وماذا يعني ذلك للسباق التكنولوجي العالمي
في عام 2022، كانت تشغيل نموذج لغة كبير تنافسي يتطلب مجموعات حوسبة لا يسيطر عليها سوى عدد قليل من شركات التكنولوجيا الأمريكية. بالنسبة لمعظم الحكومات، كان هذا مقبولًا — فالتقنية كانت جديدة ومفيدة أساسًا للتطبيقات الاستهلاكية.
بحلول عام 2026، أصبح الذكاء الاصطناعي بنية تحتية أساسية لاستخبارات الدفاع والخدمات الحكومية والرعاية الصحية والأنظمة المالية. الحكومات التي تعتمد على مراكز البيانات العملاقة الأمريكية أو الصينية لهذه البنية التحتية تسلم بيانات حساسة إلى ولايات قضائية أجنبية وتقبل شروطًا لا تملك القدرة على التأثير فيها. الذكاء الاصطناعي السيادي — بنية تحتية وطنية أو إقليمية خاضعة للسيطرة — هو الرد.
ما يعنيه الذكاء الاصطناعي السيادي فعليًا
توجد برامج الذكاء الاصطناعي السيادي على طيف. في أحد طرفيه دول تبني كل شيء من الصفر: مجموعات حوسبة وطنية، نماذج أساسية مدربة محليًا، بنية تحتية للاستدلال تُشغل محليًا. في الطرف الآخر دول تستخدم فقط نسخًا مستضافة محليًا من نماذج أجنبية، مع بقاء البيانات تحت الولاية القضائية المحلية. الخيط المشترك هو السيطرة: على بيانات التدريب، والحوسبة، وأوزان النماذج، والوصول.
ما يتم بناؤه فعليًا
الإمارات العربية المتحدة: عائلة نموذج Falcon من معهد الابتكار التكنولوجي هي أبرز مشروع سيادي مفتوح الأوزان خارج الصين والولايات المتحدة. كان Falcon 180B تنافسيًا حقًا مع النماذج الرائدة عند إطلاقه. ترتبط استراتيجية الذكاء الاصطناعي الإماراتية صراحة بالتنويع الاقتصادي بعيدًا عن النفط.
فرنسا والاتحاد الأوروبي: Mistral AI لها علاقات قوية مع الحكومة الفرنسية وتلقت دعمًا كبيرًا من الاتحاد الأوروبي. توفر شبكة EuroHPC الأوروبية للدول الأعضاء حوسبة أوروبية بدلاً من AWS أو Azure. فرنسا وألمانيا وهولندا هي الأكثر مشاركة نشطة.
المملكة العربية السعودية: Allam، الذي طورته هيئة البيانات والذكاء الاصطناعي السعودية، يركز على المهام باللغة العربية. الفجوة اللغوية العربية في النماذج الحالية — حيث يكون الأداء في المهام العربية أقل بكثير من الإنجليزية — تخلق حالة استخدام حقيقية لنموذج مطور محليًا.
اليابان: عائلة Plamo من Preferred Networks ونماذج cotomi من NEC تعالج الذكاء الاصطناعي باللغة اليابانية. تستخدم اليابانية ثلاثة نصوص مختلفة ولها بنية نحوية تتعامل معها النماذج المركزة على الإنجليزية بشكل سيء.
الهند: BharatGPT وSarvam AI يطوران نماذج تتعامل مع 22 لغة معترف بها دستوريًا في الهند، مرتبطة ببرنامج البنية التحتية الرقمية العامة الهندي.
كوريا الجنوبية: HyperCLOVA X من NAVER وعروض SK Telecom من بين أكثر النماذج السيادية كفاءة تقنيًا خارج الولايات المتحدة والصين، بدعم من صناعة أشباه الموصلات الكورية الجنوبية.
ما الذي يدفع هذا التوجه
ثلاث قوى تعمل. أولاً، سيادة البيانات والامتثال التنظيمي — يتطلب القانون العام لحماية البيانات (GDPR) ألا تغادر البيانات الشخصية لسكان الاتحاد الأوروبي ولايته القضائية دون آليات قانونية محددة. تشغيل الاستدلال عبر واجهات برمجة تطبيقات أمريكية يخلق تعقيدًا قضائيًا. ثانيًا، إدارة المخاطر الجيوسياسية — أظهرت ضوابط التصدير الأمريكية لأشباه الموصلات أن الوصول إلى البنية التحتية للذكاء الاصطناعي يمكن تسليحه كأداة للسياسة الخارجية. الدول التي تعتمد كليًا على الحوسبة الأمريكية ترى هذا كضعف. ثالثًا، الملاءمة اللغوية والثقافية — النماذج الرائدة المهيمنة باللغة الإنجليزية تؤدي أداءً ضعيفًا في المهام غير الإنجليزية، وتقدم النماذج المطورة محليًا أداءً أساسيًا أفضل لحالات الاستخدام الحكومية باللغات المحلية.
فجوة الجودة
معظم نماذج الذكاء الاصطناعي السيادي تتخلف كثيرًا عن النماذج الرائدة. GPT-5 وClaude Opus 4.8 وGemini 3 أكثر قدرة بكثير من Falcon أو Allam أو Plamo في المعايير العامة. لكن فجوة الجودة تختلف أهميتها حسب السياق. بالنسبة لعميل حكومي يعالج وثائق قانونية عربية، قد يتفوق Allam على نموذج عام مهيمن باللغة الإنجليزية. بالنسبة لخدمة العملاء باللغة اليابانية، قد يكون Plamo أكثر عملية من نموذج أجنبي معدل بدقة. لا تحتاج النماذج السيادية إلى أن تكون نماذج رائدة — بل تحتاج إلى أن تكون جيدة بما يكفي لمهام محددة.
ماذا يعني هذا للشركات في القطاعات الخاضعة للتنظيم
الذكاء الاصطناعي السيادي هو بالفعل واقع شراء للمؤسسات في القطاعات الخاضعة للتنظيم في الاتحاد الأوروبي والهند والمملكة العربية السعودية وما بعدها. بالنسبة للشركات التي تتخذ قرارات بشأن بائعي الذكاء الاصطناعي في هذه الأسواق:
- إقامة البيانات: أين يتم الاستدلال، وتحت أي ولاية قضائية؟ هذا مطلب شراء حالي في العديد من الأسواق، وليس اعتبارًا مستقبليًا.
- منشأ النموذج: من درب النموذج، وعلى أي بيانات، وبأي شروط؟ يصبح هذا بُعدًا قياسيًا لتقييم البائعين.
- مخاطر الاستمرارية: إذا كان بائع الذكاء الاصطناعي شركة أجنبية خاضعة لضوابط التصدير أو العقوبات، ما هو خط الطوارئ لديك؟
- الأداء بلغتك: قارن نماذجك المفضلة على مهامك الفعلية قبل الالتزام ببائع.
السوق العالمي للذكاء الاصطناعي لا يتجزأ إلى أنظمة بيئية وطنية منفصلة تمامًا — النماذج الرائدة الأمريكية قادرة جدًا بحيث لا يمكن استبدالها كليًا لمعظم الاستخدامات. لكن البنية الناشئة مختلطة: نماذج أجنبية رائدة للمهام العامة، ونماذج سيادية أو إقليمية للتطبيقات الحساسة التي تنطوي على بيانات محلية أو لغات محلية أو متطلبات تنظيمية. فهم مكان أعباء عمل الذكاء الاصطناعي الخاصة بك على هذا الطيف أصبح ضرورة استراتيجية للشركات في القطاعات الخاضعة للتنظيم.