كلاي سي — من أوفيسي
كمبيت AI | الحساب العام QbitAI
بلغت 2.3 مليار يوان، حيث أتمت شركة وووين شيتشيونغ، مقدّم خدمات البنية التحتية الأصلية للذكاء الاصطناعي، جولة تمويل من الفئة C. ووبإضافة الجولات السابقة، جمعت وووين شيتشيونغ ما مجموعه 4.3 مليار يوان، مسجّلةً رقماً قياسياً جديداً على مستوى الجولة الواحدة والمجموع الكلي في مسار البنية التحتية الأصلية الصينية للذكاء الاصطناعي.
منذ تأسيسها، جمعت قائمة مستثمري وووين شيتشيونغ جهات معروفة متعددة، تشمل مؤسسات مملوكة للدولة، ومستثمرين صناعيين، ومؤسسات استثمار مالي، وغيرها من الفئات. ومن بين المؤسسات المملوكة للدولة: هانغجو غاوشين جينتو، وصندوق الضمان الاجتماعي تشونغقوانتسون (إدارة رأس المال ليجن)، ومجموعة تشوهاي للصناعات التقنية، وشركة شيامين غوشينغ للاستثمار، ورأس مال شيويهوي، وكابيتال فوتنغ، وشركة تشونغباو للاستثمار، وغوكاي كيتشي، وغيرها؛ أما المستثمرون الصناعيون فيشملون Dabanc Holding، وليتشيوان، وجيوكون فينتشرز، وتونغغي فينتشرز، وتنسنت، وبايدو وغيرها؛ بينما تضم مؤسسات الاستثمار المالي مؤسسات معروفة مثل سيكويا الصين، وصندوق هونغتاي، وكابيتال هوييوان، وكويشنغ فينتشرز، وداتشن كايتشي، وشونوي كابيتال، وليزي كابيتال وغيرها. وأصبحت وووين شيتشيونغ واحدة من أكثر شركات اليونيكورن النجمية المرغوبة في مسار AI Infra.
هذه الشركة لا تدرب النماذج ولا تطوّر تطبيقات، بل تعمل على تلك الطبقة الواقعة بين النماذج والرقائق، وتحديداً ربط النماذج بالرقائق لتحقيق أقصى كفاءة وتحسين في التكلفة بين خوارزميات النماذج المتعددة وأجهزة الرقائق المتنوعة.
والهدف من ذلك هو تجميع وتنسيق موارد الحوسبة غير المتجانسة والمجزّأة والعابرة للنطاقات بكفاءة، و«عصر» رموز Token منخفضة التكلفة وعالية الجودة وجاهزة للاستخدام الإنتاجي من كل كيلوواط ساعة كهرباء ومن كل ثانية تشغيل للرقاقة، ودفع رموز Token إلى دخول سيناريوهات الأعمال الحقيقية.
وفي الخارج، حدد السوق بالفعل سعر هذه التجارة. فثلاث شركات تمارس العمل نفسه شهدت قفزة في تقييماتها خلال العام الماضي.
فشركة Fireworks AI ارتفعت من 4 مليارات دولار إلى 17.5 مليار دولار، بنسبة زيادة 337%؛ وارتفعت Baseten بنسبة 160%؛ وارتفعت Together AI بنسبة 151%.
وخلف هذه الشركات الثلاث يقف المستثمر نفسه الذي نعرفه جيداً.
إنفيديا.
فإنفيديا التي حققت أرباحاً وفيرة من بيع الأدوات في أعلى سلسلة توريد وحدات معالجة الرسوميات GPU، دخلت بنفسها للمراهنة على البنية التحتية للذكاء الاصطناعي في المصب، خوفاً من أن تفوّتها تذكرة عصر الانفجار الكبير لطلب البنية التحتية للذكاء الاصطناعي.
وإذا كان بائعو الأدوات أنفسهم قد فقدوا الصبر، فهذا يعني أن المساحة الكامنة في هذا السوق أصبحت ضخمة لدرجة تجعل الطرف في المنبع لا يجد لنفسه مكاناً.
الأمر الذي تراهن عليه إنفيديا، يبدو أن مستثمري وووين شيتشيونغ يريدون المراهنة عليه أيضاً. فجولة الـ 2.3 مليار هذه الذي ضخّتها هي مراهنة على هذا السوق بالذات.
فجوة القوة الحوسبية حفرة لا قاع لها
لفهم خلفية هذا التمويل، يجب أولاً النظر إلى حقيقة واحدة.
قد تظن أنه كلما قويت الرقائق وارتفع الإنتاج، ستُسدّ فجوة قوة الحوسبة للذكاء الاصطناعي، لكن الحقيقة أن القوة الحوسبية لن تكفي يوماً ما، لأنه مهما توسّع إنتاج الرقائق فلن يواكب نمو الطلب.
ولهذا يرى ديلان باتل، مؤسس مؤسسة الأبحاث والتحليلات المستقلة SemiAnalysis، أن نقص القوة الحوسبية سيستمر إلى أجل غير مسمى.
وانفجار الـ Agent ضاعف هذه الفجوة بمقدار رتبة كاملة.
فحين يُشغّل الـ Agent مهمة واحدة، تكون خلف ذلك عشرات طلبات الاستدلال المتسلسلة، وكمية استهلاك رموز Token لا تقارن إطلاقاً بحوارات الجولة الواحدة في الماضي.
وحاسة رأس المال حادة جداً، وسرعان ما تدفّع بالأموال إلى هذا المجال.
الشركات الثلاث في البنية التحتية للذكاء الاصطناعي في الخارج المذكورة في البداية، مسارها يوضح الصورة جيداً، إذ إن مسار AI Infra بأكمله يخضع لإعادة تقييم الأسعار.
وحين تحدّت هاري ستيبينغز، مؤسس 20VC، عن استثماره في Fireworks AI، قال: «اتُّفق على الأمر في 15 دقيقة، وهو من أسهل القرارات في مسيرتي الاستثمارية التي امتدت عشر سنوات».
15 دقيقة فقط، أي أقل من مدة وجبة، كان كل ما احتاجه شخص يدير صندوقاً منذ عشر سنوات للاستثمار في شركة بنية تحتية للذكاء الاصطناعي.
وبتسريع الـ Agent المحفّز، لن تُسدّ فجوة القوة الحوسبية بل ستتسع أكثر فأكثر، ولن يكون لسقف لهذه التجارة حد.
على المسار نفسه، ظهرت في الخارج شركات تقييمها يتجاوز عشرة مليارات دولار، وفي الصين وُلد للتو رقم قياسي جديد في حجم التمويل لهذا المسار.
والأهم أن وووين شيتشيونغ لم تختر بناء غرف حواسيب خاصة بها، بل سلكت طريقاً مختلفاً.
دون بناء غرف حواسيب، يمكن أيضاً العمل في البنية التحتية للذكاء الاصطناعي
العمل في البنية التحتية للذكاء الاصطناعي لا يمر في الواقع إلا عبر طريقين.
فالأسلوب التقليدي هو بناء غرف الحواسيب الذاتية، واستبدال الأصول الثقيلة بالحجم، لكن هذا قد يعني على الأرجح التوسع بتحمّل الديون.
أما الخيط الآخر فقد ذهب إلى الطرف المعاكس: لا يُمَسُّ مركز البيانات إطلاقًا، بل تُجمَّع قدرات الحوسبة المتناثرة في أماكن مختلفة، ويعتمد على التنظيم البرمجي لنَسجها في شبكة واحدة.
اختارت شركة 无问芯穹 الخيار الأخير. فهي لا تمتلك مراكز بيانات مادية خاصة بها، إذ تتوزع موارد الحوسبة على مراكز حوسبة في أماكن مختلفة، أما مصنّعو الرقائق فهم من «صناعة عالمية مشتركة».
يقوم النظام التقني لشركة 无问芯穹 على ثلاث كلمات مفتاحية: تعدد التجانس، والتنسيق بين البرمجيات والأجهزة، والذكاء الاصطناعي المستقل.
أما تعدد التجانس، فقد تكيّفت منصة 无问芯穹 بالفعل مع 16 نوعًا من الرقائق تشمل NVIDIA وAMD و华为昇腾 و壁仞 و海光 و摩尔线程 و沐曦 و燧原科技 و平头哥 وغيرها، وتخدم قدرة حوسبية تبلغ 37000P.
حتى إذا وصلت رقاقة جديدة، يحتاج الفريق إلى 2 يوم عمل فقط لإكمال تكييفها، بعد أن انخفضت تكلفة تكييف الرقائق المحلية بأكثر من 70%.
مع تعقّد سلسلة توريد الرقائق المتزايد، فإن القدرة على التنقل بسلاسة بين رقائق مختلفة، دون تقييد العملاء برقاقة واحدة، تُعدّ قدرة قوية للغاية. وليس الأمر مجرد عدم تقييد؛ فشركة 无问芯穹 تحافظ أيضًا على الحياد، بوصفها منصة مستقلة تربط النماذج والرقائق واحتياجات العملاء، تنظّم قدرات النماذج الموزعة والقدرات الحوسبية المتجانسة، وتحسّن باستمرار كفاءة تحويل الموارد الأساسية إلى إنتاجية للذكاء الاصطناعي.
حققت شركة Wuwen Xinqiong (无问芯穹) للأول مرة تدريبًا هجينًا مختلط الرقائق على نطاق 1000 كرت معالجة، بمعدل استغلال للقدرة الحاسوبية بلغ 97.6%. وبمزيد من التحديد، استخدمت Wuwen Xinqiong أربعة أنواع من الرقائق المحلية وهي Huawei Ascend وIluvatar CoreX وMetaX وMoore Threads، إلى جانب نوعين من الرقائق المستوردة هما AMD وNVIDIA، وأنجزت تدريبًا هجينًا مختلط الرقائق لنموذج كبير يحتوي على 70 مليار معامل. ويُعد هذا الأول من نوعه في القطاع.
كما يُعد التدريب عبر النطاقات مؤشرًا صارمًا آخر.
أتمت Wuwen Xinqiong بالتعاون مع China Telecom أول حالة في الصين لتدريب مختلط عبر النطاقات لنموذج كبير على مسافة تتجاوز 4000 كيلومتر، حيث ربطت القدرة الحاسوبية بين Hami في شينجيانغ وShenzhen في قوانغدونغ، وأجرت تدريبًا مشتركًا على نموذج يحتوي على 30 مليار معامل، فارتفع الأداء بنسبة 165%.
وبخلاف ذلك، تمكّن الفريق أيضًا من تحقيق تدريب مشترك متعدد مراكز البيانات عبر 4 عناقيد GPU من أجيال وأنواع مختلفة، وكذلك تدريب مختلط سحابي هجين بين العناقيد الخاصة المحلية والقدرات الحوسبية للسحابة العامة، بتحسّن في الأداء بلغ 41% و68% على التوالي.
وبالطبع، فإن التكييف ليس سوى خطوة واحدة، فعند التشغيل الفعلي تُعد السرعة مؤشرًا مهمًا أيضًا.
فالوكلاء (Agent) لا يملكون وقتًا لانتظار خروج النموذج كلمةً تلو الأخرى.
هذه هي المشكلة التي يعالجها التنسيق بين البرمجيات والأجهزة.
أجرت 无问芯穹 مجموعة متكاملة من التحسينات على حزمة البرمجيات، من الترتيب والبحث التوازي التلقائي، وتحسين العمليات الحسابية والرسوم الحسابية، إلى تداخل الحساب مع الاتصالات، والترتيب والجدولة الديناميكية، لتحويل موارد الحوسبة بكفاءة إلى أداء عالي الجودة للنماذج وقدرات خدمات الـToken.
والنتيجة النهائية هي أن إنتاجية تدريب نماذج MoE بتريليون معامل على البنية التحتية المحسّنة من 无问芯穹 تجاوزت الأطر مفتوحة المصدر السائدة بنسبة تتراوح بين 41% و75%.
وفي الجانب الاستدلالي، نجحت 无问芯穹 عبر سلسلة من الابتكارات التقنية في خفض تكلفة الاستدلال إلى عُشر المستوى الأصلي خلال عام واحد.
وفي قمة WAIC لعام 2026، أطلقت الشركة أيضًا بنية PDD (Prefill-RelayDecode-MainDecode) للفصل بين المعالجة المسبقة والفك، وهي الأولى من نوعها في القطاع، وتعمل عبر عناقيد مختلفة ورقائق متجانسة، ما خفض زمن تأخير الـToken الأول بنسبة 51.5%، وكلفة الـToken الواحد بنسبة 37.5%.
ومع التطبيق الواسع لبنية PDD، ما زال هناك مجال لخفض تكلفة الاستدلال مستقبلًا بمقدار عشرة أضعاف.
لكن في عصر الوكلاء (Agent) توجد مشكلة أخرى، وهي أن النماذج لا تتفقّ في القدرات التي تتميز بها، فاختيار النموذج المناسب لمهمة معينة وكمية الحوسبة اللازمة له يصبحان أمرين يستوجبان الاهتمام.
سلّمت 无问芯穹 هذه المسألة الحُكمية إلى النظام، وهو ما تسميه «الذكاء الاصطناعي المستقل».
وتحديدًا، تم إدخال آلية تكيفية للتنسيق بين النماذج الكبيرة والصغيرة، حيث يتولى النظام تسليم المهام المعقدة إلى النماذج الكبيرة للتخطيط والاستدلال، بينما يُسلّم الاستجابة الفورية الخفيفة إلى النماذج الصغيرة، ويُبدّل ديناميكيًا وفق تعقيد المهمة ومتطلبات زمن التأخير وتكلفة الـToken.
وفوق هذه الآلية، نشرت 无问芯穹 أيضًا مجموعة من أسراب الوكلاء الأذكياء، وتضم حاليًا ثلاث مجموعات فرعية: نظام وكيل إدارة المنصّات الموجّه للمستخدمين، ونظام وكيل العمليات والصيانة الموجّه للعناقيد، ونظام وكيل توليد العمليات الحسابية الموجّه للرقائق. وتدفع قدرات الوكلاء (Agent) منظومة البنية التحتية بالكامل للذكاء الاصطناعي نحو حلقة مغلقة من التكرار الذاتي والتحسين الذاتي، مما يجعل البنية التحتية أقوى مع كل استخدام.
بوضع هذه القدرات معًا، يصبح فهم ما تفعله 无问芯穹 أمرًا سهلًا.
فهم يقومون على البنية التحتية، فيجمعون في الأسفل الطاقة والرقائق، ويدعمون في الأعلى النماذج والتطبيقات؛ ولا يقتصر دورهم على رفع الكفاءة والنطاق الأقصى لتحويل الموارد الأساسية إلى إنتاجية للذكاء الاصطناعي، بل يمتلكون أيضًا القدرة الأبرز للذكاء الاصطناعي الأصلي في عصر Agentic AI — وهو تمكين توسّع نطاق الموارد وتحسين كفاءة إنتاج الـToken عبر أسراب وكلاء البنية التحتية الأذكياء، ودعم التطور المستمر للذكاء الاصطناعي الوكيل، مع رؤية استباقية للأعمال.
الحوسبة والنماذج والقطاعات: ثلاث طبقات من الأعمال في آن واحد
بعد حساب الجانب التقني، لنلقِ نظرة على الجانب التجاري.
طرحت 无问芯穹 تخطيطًا استراتيجيًا هو «المتجر في المقدمة والمصنع في الخلفية ومركز واحد»، وتحديدًا تقسيم الأعمال إلى ثلاث طبقات.
الطبقة السفلية هي مركز تجميع وتوزيع الحوسبة (منصة Agentic Infra للبنية التحتية المستقلة)، ومهمتها تجميع موارد الحوسبة الموزعة والمتجانسة وتنظيمها بمرونة وتوزيعها عند الطلب، بما يؤسس قاعدة حوسبية وافرة ومستقرة وقابلة للتوسع لطبقتي النماذج والتطبيقات، فلا يضطر العملاء للقلق من اختلافات العتاد الأساسي، إذ يتصلون ويستخدمون مباشرة.
الطبقة الوسطى هي مصنع الـToken (منصة Agentic MaaS لخدمة النماذج الضخمة)، وتخدم بإنتاجية قصوى الإنتاج واسع النطاق وعالي الجودة للـToken. وقد أبرمت هذه المنصة حاليًا تعاونًا وثيقًا مع شركات النماذج الضخمة الرائدة مثل 智谱 و月之暗面، وأطلقت أكثر من مئة نموذج ضخم، فلا يحتاج العملاء إلى النشر الذاتي، بل يختارون النموذج ويستخدمونه فورًا.
الطبقة العليا هي متجر إنتاجية الذكاء الاصطناعي (حلول القطاعات)، ويقدّم للشركات حلول Agentic Infra القطاعية. ففي المشهد القطاعي نفسه، قد تتوافق أحجام نماذج مختلفة وإعدادات عتاد مختلفة مع تكاليف Token مختلفة تمامًا، وتعتمد 无问芯穹 على تقنية التكيف مع مشاهد الوكلاء كمسار تقني أساسي لرفع كفاءة تحويل إنتاجية الذكاء الاصطناعي، وأطلقت حلول Agentic Infra قطاعية تغطي مجالات الترفيه والألعاب والرعاية الصحية والخدمات القانونية والطاقة والكهرباء وغيرها، لتحويل الـToken بشكل أكبر إلى إنتاجية قطاعية قابلة للتنفيذ والتسليم.
وبعد انفجار تطبيقات الوكلاء (Agent)، ارتفع الاستخدام اليومي للـToken على منصة 无问芯穹 للنماذج الضخمة بأكثر من 40 مرة خلال نصف عام، مع انبعاث أكثر من 95% من مهام الاستدلال من الوكلاء.
في أعمال 无问芯穹 الثلاث، يؤسس مركز تجميع وتوزيع الحوسبة قاعدة حوسبية وافرة ومستقرة وقابلة للتوسع لطبقتي النماذج والتطبيقات؛ ويحسّن مصنع الـToken بشكل كبير كفاءة استدلال النماذج الضخمة ويخفض تكلفته عبر سلسلة من الابتكارات التقنية الأصلية؛ بينما يحوّل متجر إنتاجية الذكاء الاصطناعي الـToken بكفاءة إلى إنتاجية عالية الجودة معترف بها في القطاعات.
فقد طرحت 无问芯穹 منذ عام 2025 أول تغيير نموذجي في القطاع عبر Agentic Infra. واليوم، تتحقق باستمرار القيمة الصناعية لـAgentic Infra في دعم التشغيل واسع النطاق والتطور المستمر للوكلاء الأذكياء. وحين تأتي الريحة فعلًا، يكون قد وقف على قمتها.
ما الذي يُراهن عليه إنفاق 2.3 مليار؟
بعد أن أثبتت التقنية جدواها وتحققت من الحاجة، جاء الدور التالي وهو مسألة الحجم والتوسع.
جمعت شركة 无问芯穹 في جولتها C بمقدار 2.3 مليار يوان، ومع الجولات السابقة بلغ إجمالي التمويل 4.3 مليار، وهو ما شكّل رقمًا قياسيًا جديدًا في مسار البنية التحتية للذكاء الاصطناعي المحلي، سواء للجولة الواحدة أو للإجمالي.
هذا التمويل هو بالضبط الوقود الحاسم الذي يدفع 无问芯穹 نحو التوسع واسع النطاق.
كما أفادت وكالة بلومبرغ نقلاً عن أشخاص مطلعين بأن 无问芯穹 قدّمت خلال الأشهر الأخيرة طلب طرح أولي سرّيًا إلى بورصة هونغ كونغ.
بعد جمع 4.3 مليار يوان إجمالًا، أصبح مزوّد البنية التحتية الأصلية للذكاء الاصطناعي هذا قد أطلق صافرة إنطلاق الاكتتاب العام.
استعداد المستثمرين لقبول هذا السعر في هذا التوقيت يعتمد على ثلاثة أمور: الفريق، والموقع، والتوقيت.
نبدأ بالفريق. 无问芯穹 شركة نموذجية من مدرسة جامعة تسينغهوا، فالمؤسس 汪玉 أستاذ متفرغ في قسم الإلكترونيات بجامعة تسينغهوا وشغل منصب رئيس القسم وزميل IEEE؛ أما الرئيس التنفيذي 夏立雪 والعالم الرئيسي 戴国浩 والمدير التقني 李伯勋 فكلهم تخرجوا من قسم الإلكترونيات بجامعة تسينغهوا.
من 智谱 إلى 月之暗面، أنتجت مدرسة تسينغهوا مجموعة من الشركات الرائدة في مجال الذكاء الاصطناعي، وجينات 无问芯穹 تنتمي إلى هذا الخط أيضًا.
هذا الفريق يدرس تسريع الأجهزة للتعلم العميق وتحسين الأنظمة المتجانسة والمتباينة منذ مرحلة الدكتوراه، وبتجمع مع خبرة صناعية عميقة، يجمع بين قدرات بحثية وهندسية من الطراز الأول في البرمجيات والعتاد معًا.
ثم ننظر إلى الموقع.
تحتل 无问芯穹 موقع الحلقة المحورية في سلسلة الصناعة، فهي تتصل في الأسفل بالطاقة والرقائق، وتحمّل في الأعلى النماذج والتطبيقات، وتواجه أعباء تشغيل حقيقية من قطاعات لا تُحصى، وكل عميل جديد يضيف طبقة من التعقيد في التنسيق وتكييف السيناريوهات.
وأخيرًا التوقيت؛ فخلال العامين الماضيين كان التنافس يدور حول من يملك النموذج الأقوى، لكن الفجوة بين النماذج آخذة في التضييق.
عندما يستطيع الجميع تدريب نماذج متقاربة، ينتقل التنافس إلى الطبقة التالية، ومن يستطيع تشغيل نماذج متقاربة بسرعة أكبر وتكلفة أقل واستقرار أعلى هو من يجني المال فعلًا.
وإضافةً إلى ذلك، فإن اللاعبين الذين سبقوا للانطلاق راكموا البيانات والخبرة، ويصعب على القادمين اللحاق بهم بمجرد ضخ الأموال.
وفي هذا الجانب، صقلت 无问芯穹 خبراتها باستمرار في سيناريوهات الأعمال الحقيقية وراكمت خبرات تحسين واسعة، وأطلقت حلول Agentic Infra الخاصة بالصناعات تغطي مجالات الترفيه والألعاب، والرعاية الصحية، والخدمات القانونية، والطاقة والكهرباء. وتُغذّي التجربة الهائلة في الأعمال التقنية بدورها فتسرّع التطور السريع لها، دافعةً قفزة متزامنة في أداء المنصة وموثوقيتها، بما يشكّل حلقة إيجابية للتجاريّة.
في مسار البنية التحتية للذكاء الاصطناعي، أُسست 无问芯穹 قبل ثلاث سنوات، ومضت في استكشاف يدور حول موارد القدرة الحاسوبية وإنتاج Token وتطبيقات الوكلاء الذكيين للصناعات. وانطلاقًا من الاحتياجات الصناعية الفعلية، عالجت عبر الابتكار التقني الذاتي مشكلات مثل استغلال القدرة الحاسوبية وكلفة الخدمات وتحويل التطبيقات، وصولًا إلى اليوم حيث سجلت رقمًا قياسيًا في مسار التمويل، سواء للجولة الواحدة أو للإجمالي.
حرب الحجم في البنية التحتية للذكاء الاصطناعي لم تبدأ إلا للتو، و 无问芯穹 يقف بالفعل في الصدارة.