استهلت شركة ديب سيك الصينية عام 2026 بنشر ورقة بحثية تقنية جديدة، أشرف عليها مؤسس الشركة ليانغ وينفنغ، تكشف عن توجه الشركة لإعادة التفكير في بنية تدريب نماذج الذكاء الاصطناعي الضخمة، بهدف خفض التكاليف مع الحفاظ على القدرة التنافسية في سوق يتسم بالمنافسة الشرسة مع شركات أمريكية ضخمة التمويل والحوسبة.
منهجية mHC الجديدة تقلل العبء الحوسبي وتزيد كفاءة تدريب النماذج الضخمة
الورقة، المنشورة على منصة arXiv، قدمت منهجية Manifold-Constrained Hyper-Connections (mHC)، التي تم اختبارها على نماذج تضم 3 مليارات و9 مليارات و27 مليار معامل، وأظهرت النتائج قدرة البنية الجديدة على التوسع بسلاسة دون زيادة ملموسة في العبء الحوسبي. وأكد الباحثون أن mHC تسمح بتدريب مستقر واسع النطاق مع قابلية توسع أعلى مقارنة بالحلول التقليدية، مع جعل التكلفة الإضافية شبه معدومة.
• تحسينات مستوحاة من Hyper-Connections على أفكار بايت دانس وResNet
تستند فكرة mHC إلى Hyper-Connections التي طرحتها بايت دانس في 2024، والتي جاءت كتطوير على بنية ResNet الشهيرة. إلا أن ديب سيك ركزت على خفض تكاليف الذاكرة وتحسين قابلية النموذج العملاق للتطبيق العملي، من خلال قيود رياضية (Manifold Constraints) ذكية تضمن كفاءة أعلى في استهلاك الموارد.
المؤسس ليانغ وينفنغ يشارك مباشرة في تطوير البنية التقنية
تمثل الورقة البحثية دليلًا على انخراط ليانغ وينفنغ شخصيًا في البحث الأساسي للشركة، حيث أدرج اسمه كمؤلف أخير، ما يعكس ارتباطه الوثيق بالاتجاهات التقنية العميقة والتوجهات المستقبلية لنماذج الشركة. ويُتوقع أن تطلق ديب سيك نموذجها التالي قبل عطلة رأس السنة الصينية منتصف فبراير، بعد أن سبق لها الكشف عن نموذجها البارز R1 قبل عطلة وطنية مماثلة العام الماضي.
وتؤكد هذه الخطوة أن سباق الذكاء الاصطناعي في 2026 لن يكون فقط لمن يملك أكبر قدرات حوسبة، بل لمن يستطيع بناء نماذج أذكى وأكثر كفاءة بتكلفة أقل، في وقت تسعى فيه الشركات لتقليل النفقات وتحقيق أفضل أداء من موارد محدودة.
