بدأت شركة ديب سيك الصينية عام 2026 بنشر ورقة بحثية جديدة شارك في تأليفها مؤسس الشركة ليانغ وينفنغ تكشف عن توجه الشركة لإعادة تصميم بنية تدريب نماذج الذكاء الاصطناعي الكبيرة بهدف خفض التكاليف مع الحفاظ على الأداء التنافسي.
الورقة، المنشورة على منصة “arXiv“، قدمت منهجية جديدة باسم Manifold-Constrained Hyper-Connections (mHC) وتستهدف جعل تدريب النماذج الأساسية أكثر كفاءة في مواجهة المنافسة مع شركات أمريكية تمتلك موارد حوسبة وتمويل أكبر، وفق تقرير نشره موقع “SCMP“.
وفق فريق البحث، اختبرت الشركة المنهجية على نماذج تضم 3 مليارات و9 مليارات و27 مليار معامل وأظهرت النتائج أن البنية الجديدة تتوسع بسلاسة دون زيادة ملحوظة في العبء الحوسبي. وأوضح الباحثون أن mHC توفر تدريبًا مستقرًا واسع النطاق مع قابلية توسع أعلى مقارنة بالحلول التقليدية مع تكاليف إضافية شبه معدومة.
تستند الفكرة إلى Hyper-Connections التي قدمتها “بايت دانس” في 2024 كتطوير لبنية ResNet الشهيرة لكن “ديب سيك” أضافت قيودًا رياضية لضمان كفاءة أعلى في استهلاك الموارد ما يجعل تدريب النماذج العملاقة أكثر فعالية.
المراقبون يرون أن أوراق “ديب سيك” غالبًا ما تمهّد للإعلان عن نماذج جديدة ويتوقع أن تطلق الشركة نموذجها المقبل قبل عطلة رأس السنة الصينية في منتصف فبراير بعد نجاحها في إطلاق نموذج R1 قبل عطلة وطنية مماثلة العام الماضي.
يذكر أن ليانغ وينفنغ يواصل المشاركة المباشرة في الأبحاث الجوهرية للشركة حيث أدرج اسمه كمؤلف أخير في الدراسة ما يعكس دوره في توجيه التوجهات التقنية العميقة للشركة.
تعكس خطوة “ديب سيك” تركيز السباق الحالي في الذكاء الاصطناعي على تطوير نماذج أكثر ذكاء وكفاءة بتكلفة أقل وليس على حجم الحوسبة فقط.
Web Desk
