📈 الاقتصاد

The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025

تجادل هذه الورقة بأن السيادة الوطنية في مجال الذكاء الاصطناعي تعتمد على قدرة الدولة على تحويل الموارد إلى قدرات بكفاءة أكثر من اعتمادها على تراكم الموارد وحدها، مما يكشف أن تأخر اليابان عن الصين وكوريا الجنوبية ينبع من عدم الكفاءة النظامية في تحويل المعرفة والحوسبة إلى نماذج ذكاء اصطناعي بدلاً من نقص المدخلات.

المؤلفون الأصليون: Alfredo Merlet

نُشر 2026-10-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Alfredo Merlet

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في السباق لبناء الذكاء الاصطناعي، غالباً ما تُقاس الأمم بما يمكنها جمعه. فهم يحصون الباحثين في مختبراتهم، والمليارات من الدولارات التي تُضخ في المشاريع، ومجموعات الحواسيب الضخمة التي تهمهم في مراكز البيانات. إنه منطق التراكم: إذا كنت تمتلك المزيد من المواد الخام، فينبغي أن تبني الآلة الأفضل. لسنوات، كان هذا هو المعيار للمقارنة بين دول مثل الصين واليابان وكوريا الجنوبية، والتي ضخت جميعها موارد هائلة لتصبح رائدة في هذه التكنولوجيا. لكن امتلاك المكونات لا يضمن وجبة جاهزة. قد تمتلك دولة مخزوناً هائلاً من المواهب وقوة حوسبة، ومع ذلك تفشل في تحويل تلك الموارد إلى أنظمة ذكية عاملة تغير العالم. السؤال الحقيقي ليس فقط كم تملك الأمة، بل ما مدى كفاءتها في تحويل ما تملكه إلى قدرة فعلية.

هذا هو اللغز الذي سعى ألفريدو ميرليهت لحله في دراسة جديدة تفحص السنوات من 2017 حتى 2025. لقد نظر إلى ما وراء الإجماليات البسيطة للأموال والأشخاص ليقيس شيئاً أكثر دقة: معدل التحويل. تخيل مصنعاً يكون هدفه تحويل الخام إلى سيارات جاهزة. قد يشتري أحد المصنعين ضعف كمية الخام التي يشتريها الآخر، ولكن إذا أنتج سيارات أقل، فهو بوضوح أقل كفاءة في أداء المهمة. طبق ميرليهت هذا المنطق نفسه على الذكاء الاصطناعي، مقسماً العملية إلى ثلاث مراحل متميزة. الأولى هي الابتكار، حيث يبتكر الباحثون أفكاراً جديدة وينشرون الأوراق البحثية. الثانية هي التصنيع، حيث تتحول تلك الأفكار إلى نماذج برمجية فعلية يمكن استخدامها. الثالثة هي التشغيل، حيث يتم اعتماد تلك النماذج من قبل الناس والشركات العادية. ومن خلال تتبع مقدار المخرجات الناتجة عن كل وحدة مدخلات في كل مرحلة، كشفت الدراسة قصة مفاجئة حول سبب تقدم بعض الدول بينما تتراجع دول أخرى، رغم امتلاكها لموارد أكثر.

ترسم النتائج صورة لثلاثة مسارات مختلفة تماماً سلكها جيران شرق آسيا. الصين، التي بدأت بقوة عاملة ضخمة وحكومة تضع أهدافاً واضحة وهجومية، تمكنت من تسريع تقدمها بشكل كبير. وبحلول عامي 2024 و2025، كان المطورون الصينيون يصدرون مئات النماذج الجديدة، منتقلين من مرحلة التابع إلى مرحلة الند للولايات المتحدة. لم يحققوا ذلك بمجرد الإنفاق أكثر، بل بتنسيق جهودهم بحيث يتحول البحث بسرعة إلى منتجات قابلة للنشر. أما كوريا الجنوبية، فبالرغم من امتلاكها عدداً أقل من الباحثين وقوة حوسبة أقل من اليابان، فقد حققت أعلى كفاءة بين المجموعة. تمكنت البلاد من إنتاج 87 نموذج ذكاء اصطناي، بما في ذلك 23 نموذجاً اعتُبرت بارزة أو رائدة، وهو رقم تجاوز بكثير جارتها الأكبر. وقد كان هذا النجاح مدفوعاً بعلاقة منسقة للغاية بين الحكومة والشركات الكبرى، مما سمح لهم بتركيز مواردهم بكثافة على تقنيات محددة وتحقيق نتائج سريعة.

أما اليابان، فتقدم تناقضاً صارخاً ومحيراً. فمن الناحية النظرية، ينبغي أن تكون الأكثر نجاحاً؛ فهي تمتلك قوة عاملة بحثية أكبر، وقوة حوسبة أكثر، وتاريخاً أطول من التميز الصناعي من كوريا الجنوبية. ومع ذلك، بين عامي 2017 و2025، لم تصدر المنظمات اليابانية سوى 52 نموذج ذكاء اصطناعي، وستة منها فقط كانت تعتبر بارزة. وفي العامين الأخيرين من الدراسة، لم تصدر أي منظمة يابانية نموذجاً واحداً صنفه الباحثون على أنه بارز. وتظهر البيانات أن اليابان لا تفشل لأنها تفتقر إلى المال أو العلماء؛ بل في الواقع، عندما ننظر إلى مدى جودة تحويل الباحثين اليابانيين لأعمالهم إلى براءات اختراع، نجد أنهم يؤدون بشكل جيد معقول. لكن الخلل يحدث لاحقاً في السلسلة. تظهر الفجوة عندما يحاول الباحثون اليابيون تحويل أوراقهم البحثية المنشورة إلى نماذج عاملة، ومرة أخرى عندما يحاولون استخدام قوة حوسبتهم الهائلة لبناء تلك النماذج. لديهم المكونات، لكن المطبخ لا ينتج الطبق.

تشير الدراسة إلى أن السبب في هذه الفجوة لا يكمن في التكنولوجيا نفسها، بل في كيفية إدارة الحكومة للعملية. قارن الباحثون أداء الدول مقابل مقياس "القدرة السياساتية"، وهي في الأساس قدرة الحكومة على وضع اتجاه واضح، وتنسيق المجموعات المختلفة، والتحرك بسرعة لدعم الصناعات الجديدة. سجلت كوريا الجنوبية درجة عالية جداً في هذا المقياس، مما يعكس حكومة حازمة ومنظمة في نهجها تجاه الذكاء الاصطناعي. أما اليابان، ففي المقابل، سجلت درجات أقل بكثير. فخلال معظم الفترة التي شملتها الدراسة، اعتمدت اليابان على التوجيه اللطيف والإرشادات الطوعية بدلاً من الأهداف الملزمة أو البرامج المركزة. ولم تكن اليابان إلا في عام 2025 حين أنشأت مقراً مخصصاً وقانوناً جديداً لدفع الذكاء الاصطناعي للأمام، وهي خطوة تفسرها الدراسة بأنها اعتراف متأخر بالمشكلة. وتشير الأدلة إلى أن امتلاك أفضل الأبحاث وأقوى الحواسيب ليس كافياً إذا لم تستطع الدولة تنظيمها بفعالية لتحقيق النتائج.

يتحدى هذا الاكتشاف الافتراض الشائع بأن هيمنة الذكاء الاصطناعي هي مجرد مسألة من يستطيع إنفاق المزيد من المال أو توظيف المزيد من الخبراء. تظهر الدراسة أن السيادة على الذكاء الاصطناعي لا تتعلق فقط بامتلاك الأدوات، بل بالقدرة على حكم كيفية استخدام تلك الأدوات. يمكن لدولة أن تستثمر بكثافة في البحث والبنية التحتية ومع ذلك تنتج القليل جداً إذا كان نظام تحويل تلك الاستثمارات إلى تطبيقات واقعية ضعيفاً. وبالنسبة للاقتصادات الناشئة التي تراقب هذا السباق، فإن الدرس واضح: بناء مستقبل قوي للذكاء الاصطناعي قد يعتمد على بناء القدرة الإدارية لتنسيق الموارد بفعالية أكثر من اعتماده على مضاهاة الميزانيات الضخمة للقادة العالميين. إن الفرق بين أمة تمول الذكاء الاصطناعي وأمة تبنيه حقاً قد يكمز في جودة تخطيطها وسرعة تنفيذها، وليس في حجم حسابها المصرفي.

ملخص تقني: فجوة التحويل في القدرة على الذكاء الاصطناعي في شرق آسيا (2017–2025)

أبحاث مشابهة