https://sarabic.ae/20260630/الصين-تكشف-عن-أول-نموذج-ذكاء-اصطناعي-يعتمد-بالكامل-على-رقائق-محلية-1114844636.html
الصين تكشف عن أول نموذج ذكاء اصطناعي يعتمد بالكامل على رقائق محلية
الصين تكشف عن أول نموذج ذكاء اصطناعي يعتمد بالكامل على رقائق محلية
سبوتنيك عربي
كشفت شركة "ميتوان" الصينية، عملاق توصيل الطعام في البلاد، عن نموذج اللغات الضخم "لونغ كات 2" (LongCat-2.0)، وهو نموذج يضم 1.6 تريليون مُعامل ونافذة سياقية تصل... 30.06.2026, سبوتنيك عربي
2026-06-30T17:04+0000
2026-06-30T17:04+0000
2026-06-30T17:04+0000
مجتمع
علوم
الصين
ذكاء اصطناعي
نموذج
أخبار الأبحاث العلمية
https://cdn.img.sarabic.ae/img/07ea/04/1c/1112940400_0:0:1024:577_1920x0_80_0_0_041002a63c6cf2c40705e788b939f7bc.jpg
وجرى تدريب النموذج بالكامل على أجهزة محلية الصنع، في إنجاز يسلّط الضوء على تسارع الصين في بناء منظومة ذكاء اصطناعي مكتفية ذاتيًا.ويبدو أن "لونغ كات 2" يغيّر هذا النمط، إذ تم تدريبه ونشره بالكامل على أجهزة صينية، وبحسب ما أُعلن، جرى تدريب النموذج على بنية حوسبة محلية تضم 50 ألف شريحة، باستخدام وحدات معالجة ذكاء اصطناعي متقدمة، إلى جانب إطار عمل للاتصالات تابع لـ"هواوي". أما من ناحية الأداء، فتجعل النتائج المعلنة هذا التطور أكثر لفتًا للانتباه، إذ تقول ميتوان إن "لونغ كات 2" يتفوق على نماذج لغات ضخمة شهيرة في بعض الاختبارات المعيارية، مع التنبيه إلى أن مثل هذه المقارنات تبقى مرتبطة بسياقها، لأن نتائج الاختبارات تختلف بحسب المهمة وإعدادات التقييم. وذلك يعكس مستوى التقدم الذي وصلت إليه منظومة الذكاء الاصطناعي المحلية في الصين، وتكمن الأهمية الأوسع لهذا الإعلان في أنه لا يُقدَّم بوصفه مجرد نموذج ضخم آخر، بل باعتباره دليلًا على أن الشرائح المحلية، وأنظمة الشبكات، وأدوات تدريب النماذج الصينية باتت قادرة على دعم نماذج بتريليونات المعاملات على نطاق واسع.
https://sarabic.ae/20260625/علماء-روس-يطورون-بطارية-ذرية-تدوم-لأكثر-من-15-عاما--1114704854.html
الصين
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2026
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
الأخبار
ar_EG
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
https://cdn.img.sarabic.ae/img/07ea/04/1c/1112940400_95:0:1006:683_1920x0_80_0_0_aac3a93f9f6f4bddae80a25ea5a7154e.jpgسبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
علوم, الصين, ذكاء اصطناعي, نموذج, أخبار الأبحاث العلمية
علوم, الصين, ذكاء اصطناعي, نموذج, أخبار الأبحاث العلمية
الصين تكشف عن أول نموذج ذكاء اصطناعي يعتمد بالكامل على رقائق محلية
كشفت شركة "ميتوان" الصينية، عملاق توصيل الطعام في البلاد، عن نموذج اللغات الضخم "لونغ كات 2" (LongCat-2.0)، وهو نموذج يضم 1.6 تريليون مُعامل ونافذة سياقية تصل إلى مليون رمز، في خطوة تُعد، بحسب التقارير، تقدمًا مهمًا نحو استقلال الذكاء الاصطناعي عن البنية التحتية المعتمدة على معالجات مستوردة.
وجرى تدريب النموذج بالكامل على أجهزة محلية الصنع، في إنجاز يسلّط الضوء على تسارع الصين في بناء منظومة ذكاء اصطناعي مكتفية ذاتيًا.
ولا تقتصر أهمية هذا الإصدار على الحجم، بل تمتد إلى طريقة تطويره أيضًا، فقبل فترة وجيزة، كانت النماذج الصينية المبنية على رقائق محلية تقتصر في الغالب على مرحلة الاستدلال، بينما ظلت مرحلة التدريب المسبق، وهي الأكثر كلفة والأعلى طلبًا للقدرات الحاسوبية، تعتمد بدرجة كبيرة على أنظمة خارجية.
ويبدو أن "لونغ كات 2" يغيّر هذا النمط، إذ تم تدريبه ونشره بالكامل على أجهزة صينية، وبحسب ما أُعلن، جرى تدريب النموذج على بنية حوسبة محلية تضم 50 ألف شريحة، باستخدام وحدات معالجة ذكاء اصطناعي متقدمة، إلى جانب إطار عمل للاتصالات تابع لـ"هواوي".
ويشير هذا المزيج إلى أن الصين لم تعد تركز فقط على تطوير النماذج، بل على بناء البنية التحتية الكاملة اللازمة لدعم الذكاء الاصطناعي على نطاق واسع، من دون الاعتماد على أي عوائق خارجية.
أما من ناحية الأداء، فتجعل النتائج المعلنة هذا التطور أكثر لفتًا للانتباه، إذ تقول ميتوان إن "لونغ كات 2" يتفوق على نماذج لغات ضخمة شهيرة في بعض الاختبارات المعيارية، مع التنبيه إلى أن مثل هذه المقارنات تبقى مرتبطة بسياقها، لأن نتائج الاختبارات تختلف بحسب المهمة وإعدادات التقييم.
وذلك يعكس مستوى التقدم الذي وصلت إليه منظومة الذكاء الاصطناعي المحلية في الصين، وتكمن الأهمية الأوسع لهذا الإعلان في أنه لا يُقدَّم بوصفه مجرد نموذج ضخم آخر، بل باعتباره دليلًا على أن الشرائح المحلية، وأنظمة الشبكات، وأدوات تدريب النماذج الصينية باتت قادرة على دعم نماذج بتريليونات المعاملات على نطاق واسع.