إيليا سوتسكيفر: شركة SSI قد تطلق أول نموذج لها في أغسطس، وفقًا لجافين بيكر
قضت شركة Safe Superintelligence أكثر من عامين دون الكشف عن الكثير حول ما تبنيه. قد يكون هذا الصمت على وشك التغيير. جافين بيكر، الشريك الإداري والرئيس
نموذج إليا سوتسكيفر الأول من SSI قد يُطرح في أغسطس، حسبما يقول غافن بيكر
مقدمة
قضت شركة الذكاء الفائق الآمن (Safe Superintelligence Inc.) أكثر من عامين في التكتّم الشديد على ما تعمل عليه.
هذا الصمت قد يتغيّر قريبًا.
قال غافن بيكر، الشريك الإداري ورئيس الاستثمار في شركة أتريديس للإدارة (Atreides Management)، في محادثة حديثة مع المستثمر ومقدّم البودكاست باتريك أوشونيسي، إن SSI ذكرت أنها تخطط لإصدار نموذج في أغسطس.
هذا التصريح أثار اهتمامًا فوريًا، لأن SSI لم تعلن رسميًا من قبل عن أي موعد محدد لإصدار نموذج.
تأسست SSI في عام 2024 على يد كبير العلماء السابقين في OpenAI، إليا سوتسكيفر، ودانييل غروس، ودانييل ليفي، وتقوم على مهمة مركزة بشكل استثنائي. لا يزال الموقع الرسمي للشركة يصفها بأنها مختبر "يندفع في خط مستقيم" نحو هدف واحد ومنتج واحد: الذكاء الفائق الآمن.
لهذا السبب، فإن أي نقاش حول أول نموذج للشركة يحمل أهمية خاصة.
ومع ذلك، يجب توضيح فارق جوهري منذ البداية:
حتى 7 أغسطس 2026، لم تصدر SSI نفسها أي إعلان رسمي على موقعها الإلكتروني يؤكد إطلاق نموذج في أغسطس.
الجدول الزمني لشهر أغسطس مستمد من تصريح بيكر، وليس من إشعار رسمي صادر عن SSI.
إذا كانت معلومات بيكر دقيقة، فستكون هذه أول نظرة من الخارج على الإطلاق إلى الإنجازات التقنية لأحد أكثر مختبرات الذكاء الاصطناعي前沿 غموضًا وجذبًا للاهتمام.
أول نموذج عام من SSI قد يظهر في أغسطس
هذا التصريح المهم جاء تقريبًا بشكل عابر ضمن نقاش أوسع حول البنية التحتية للذكاء الاصطناعي، والطلب على أشباه الموصلات، والتعلم المستمر، وكفاءة استخدام العينات.
يرى بيكر أن المشهد الاقتصادي للذكاء الاصطناعي المتطور قد يتغيّر بشكل جوهري إذا كانت النماذج قادرة على التعلم بكفاءة بعد نشرها، بدلاً من الاعتماد بشكل رئيسي على التدريب المسبق واسع النطاق.
وأثناء شرحه لهذا الاحتمال، قال إن SSI أشارت إلى أنها ستُطلق نموذجًا في أغسطس.
هذا التعبير يترك الكثير من الأسئلة دون إجابة.
لا يخبرنا:
- ما هو اسم النموذج
- هل سيكون متاحًا للتحميل العام
- هل سيتم توفير الوصول عبر API
- هل هو إصدار معاينة بحثية أم منتج تجاري
- هل هو نموذج لغوي بالمعنى التقليدي
- هل يعتمد على بنية المحولات (Transformer)
- هل يدعم التعلم المستمر
- هل هو "الذكاء الفائق الآمن" الذي تسعى إليه SSI
- هل الجدول الزمني لشهر أغسطس
- سيبقى دون تغيير
يفسّر المقال المصدر هذا التصريح على أنه أول إصدار نموذج من SSI.
هذا تفسير معقول، لكن الشكل النهائي للإصدار لا يزال غير معروف.
لطالما وصفت SSI نفسها بشكل مختلف عن شركات منتجات الذكاء الاصطناعي العادية
البيان الرسمي لمهمة SSI مباشر بشكل استثنائي.
تقول الشركة إنها تأسست لتحقيق الذكاء الفائق الآمن، دون أن تتأثر بما يلي:
- دورات المنتجات
- الضغوط التجارية قصيرة المدى
- الأعباء الإدارية
- خطوط منتجات متعددة ومتنافسة
خارطة الطريق العلنية للشركة ليست سلسلة من روبوتات الدردشة أو أدوات البرمجة أو منتجات البحث أو الخدمات المؤسسية.
خارطة الطريق المعلنة هي الذكاء الفائق الآمن نفسه.
لهذا السبب أثار تصريح أغسطس الكثير من التكهنات.
إذا أصدرت SSI نموذجًا تقليديًا متطورًا قبل بلوغ الذكاء الفائق، فقد يشير ذلك إلى تحول في استراتيجية منتجات الشركة.
إذا كان النموذج مجرد عرض لأبحاث SSI التي تعمل عليها، فقد يهدف هذا الإصدار إلى إظهار التقدم، وليس إطلاق منصة تجارية واسعة النطاق.
في الوقت الحالي، لا يزال كلا التفسيرين مجرد تخمين.
التعلم المستمر هو القصة الأهم خلف تصريح بيكر
جاءت الجملة حول إصدار النموذج في سياق مناقشة بيكر حول التعلم المستمر وكفاءة استخدام العينات.
هذان المجالان البحثيان قد يكونان أكثر أهمية لاقتصاد الذكاء الاصطناعي من أي نتيجة معيارية.
ما هو التعلم المستمر؟
النماذج الأساسية النموذجية تُدرَّب على مراحل كبيرة.
التبسيط كالتالي:
- جمع مجموعة بيانات تدريبية ضخمة جدًا.
- التدريب المسبق للنموذج على تلك المجموعة.
- الضبط الدقيق أو التدريب اللاحق للنموذج.
- نشر النموذج.
- إنشاء إصدارات جديدة من النموذج بشكل دوري عبر تدريب إضافي.
يمكن للنموذج المنشور استخدام المعلومات الموجودة في نافذة السياق أو الذاكرة الخارجية، لكن أوزانه الأساسية لا يتم تحديثها عادةً من كل تفاعل.
التعلم المستمر يطمح إلى هدف أوسع بكثير.
نظام التعلم المستمر يكتسب قدرات أو معرفة مفيدة بشكل مستمر على مدى الوقت، دون الحاجة إلى إعادة البناء من الصفر، ودون نسيان كارثي للمعرفة الموجودة.
يتطلب ذلك حل عدة تحديات:
- التعلم من تيار لا ينتهي من التجارب الجديدة
- تمييز التغذية الراجعة المفيدة عن الضوضاء
- تجنب النسيان الكارثي
- منع التفاعلات الخبيثة من إفساد النموذج
- الحفاظ على التوافق أثناء تغيّر النموذج
- تقييم الأنظمة التي يتطور سلوكها بمرور الوقت
- التحكم في التجارب المسموح باستخدامها لتحديث النموذج
لذلك، فإن النموذج القادر على التعلم المستمر في العالم الحقيقي سيكون أكثر بكثير من مجرد روبوت دردشة بذاكرة طويلة المدى.
ما هي كفاءة استخدام العينات؟
كفاءة العينات تعني القدرة على التعلم من أمثلة أقل.
يمكن للبشر عادةً فهم قاعدة جديدة بعد مشاهدة عرض توضيحي مرة أو مرتين.
غالبًا ما تتطلب النماذج المتقدمة الحالية كميات هائلة من بيانات التدريب والقدرة الحاسوبية لتحقيق تحسينات واسعة النطاق في القدرات.
النموذج الأكثر كفاءة في استخدام العينات يمكنه استخلاص قيمة تعلم أكبر من كل عنصر:
- تفاعلات المستخدمين
- نتائج الأدوات
- الملاحظات البيئية
- المحاكاة
- التجارب
- التصحيحات
- العروض التوضيحية
إذا ارتفعت كل من كفاءة التعلم المستمر وكفاءة العينات معًا، فقد يتغيّر دور التدريب المسبق.
بدلاً من بناء جميع القدرات تقريبًا قبل النشر، قد تتمكن المختبرات من تدريب نموذج أساسي قوي، ثم تركه يتحسن باستمرار من خلال الخبرة.
فرضية بيكر: قد يصبح الطلب على التدريب جزءًا أصغر من إجمالي القوة الحاسوبية للذكاء الاصطناعي
يربط بيكر اتجاه البحث هذا بالطلب على أشباه الموصلات.
تصوره الأساسي هو:
تدريب مسبق ضخم لمرة واحدة
↓
نشر النموذج
↓
النموذج يتعلم بكفاءة من خبرات العالم الحقيقي
↓
تقليل الحاجة إلى عمليات إعادة تدريب ضخمة متكررة
في هذا السيناريو، قد يصبح التدريب المسبق التقليدي المتطور جزءًا أصغر من إجمالي القدرة الحاسوبية للذكاء الاصطناعي.
قد يصبح الاستدلال والتعلم المستمر أكثر أهمية.
وصف بيكر هذا الأمر بأنه فجوة محتملة في الطلب على التدريب.
هذه أطروحة استثمارية، وليست نتيجة تقنية مؤكدة.
لكي يصبح هذا السيناريو واقعاً، يجب توفّر عدة شروط:
- يجب أن يعمل التعلّم المستمر بشكل موثوق على نطاق واسع ومتقدم.
- يجب أن تكون النماذج قادرة على استخلاص معلومات مفيدة من عدد صغير نسبياً من التفاعلات.
- يجب ألا يؤدي التعلّم الجديد إلى تدمير القدرات القائمة.
- يجب أن تظل السلامة والمواءمة مستقرتين مع تغيّر النظام.
- يجب أن يكون التعلّم عبر الإنترنت أكثر اقتصادية من إعادة التدريب الدورية.
- يجب أن يستمر النظام النهائي في الاستفادة من النشر واسع النطاق.
وحتى مع ذلك، فإن إجمالي الطلب الحاسوبي ليس بالضرورة سينخفض.
فالنموذج الذي يصبح أكثر فائدة بشكل ملحوظ بعد النشر قد يولّد المزيد من الطلب على الاستدلال، والأنشطة الوكيلة، والمحاكاة، وتوليد البيانات، وأعباء عمل التعلّم المعزّز.
قد يتغيّر هيكل القدرة الحاسوبية، لكن السوق الكلي ليس بالضرورة أن ينكمش.
عدد رموز التدريب يجب أن يُعتبر بيانات استرشادية، وليس معياراً حرفياً
كرّرت المقالة المصدر مقارنة رقمية لافتة من نقاش بيكر: النماذج المبكرة كانت حوالي عشرات المليارات من الرموز، بينما وصل حجم التدريب الحديث إلى مئات التريليونات.
لا ينبغي اعتبار هذه المقارنة بيانات تاريخية موثّقة لتدريب Llama.
تشير الوثائق الرسمية من Meta إلى:
- تم تدريب LLaMA 7B باستخدام حوالي 1 تريليون رمز.
- تم تدريب LLaMA 33B و65B باستخدام حوالي 1.4 تريليون رمز.
بيكر نفسه عبّر عن الأرقام الأصغر كمعلومات مسموعة، وليس كإحصاءات رسمية من بطاقات النماذج.
وبالمثل، لم تكشف المختبرات المتقدمة عن العدد الكامل لرموز التدريب لكل نموذج ملكي حالي.
حتى دون الاعتماد على المقارنة الدقيقة "20 مليار مقابل 300 تريليون"، تظل الفكرة الأساسية قائمة:
يعتمد تطوير النماذج المتقدمة بشكل متزايد على مجموعات بيانات ضخمة وقدرة حاسوبية هائلة، لذا فإن أي اختراق يسمح للأنظمة بعد نشرها بالتعلّم بكفاءة من قدر أقل من الخبرات الجديدة قد يغيّر جوهرياً المشهد الاقتصادي للبنية التحتية للذكاء الاصطناعي.
ماذا يعني هذا بالنسبة إلى NVIDIA
تستفيد NVIDIA من أعباء عمل متعددة ومتنوعة في الذكاء الاصطناعي:
- التدريب المسبق
- التدريب اللاحق
- التعلّم المعزز
- توليد البيانات الاصطناعية
- الاستدلال
- تنفيذ الوكلاء
- الاستدلال طويل السياق
- المحاكاة
- التضمين والاسترجاع
- توليد الفيديو والمحتوى متعدد الوسائط
انخفاض فئة واحدة لا يعني تلقائياً انخفاضاً في إجمالي الطلب على المسرعات.
لهذا السبب وصف بيكر التعلّم المستمر بأنه سيناريو يستحق اختبار الضغط، وليس توقعاً يعتبره مؤكداً.
تراجع أسهم الذكاء الاصطناعي هو خلفية النقاش
سجّل بيكر هذه المحادثة في فترة ضعف كبير لأسهم الذكاء الاصطناعي.
في منشوره على وسائل التواصل الاجتماعي للترويج للمقابلة، قال إن "قطاع الذكاء الاصطناعي" انخفض بنحو 35% إلى 40% عن قمم يونيو وقت التسجيل.
شبّه مصدر من BAAI سرعة هذا التصحيح بضغط سوق 2022 الهبوطي في فترة زمنية أقصر.
كان هدف بيكر في الحوار هو البحث عن أدلة لتقييم ما إذا كانت المنطق الاستثماري الأساسي للذكاء الاصطناعي قد تدهور.
ناقش المؤشرات التالية:
- تسعير وحدات معالجة الرسوميات
- الطلب على الاستدلال
- تقدم النماذج مفتوحة المصدر
- الطلب على أشباه الموصلات
- الإنفاق الرأسمالي
- التقدم التكنولوجي المستمر
حجته ليست أن السوق لا يمكن أن ينخفض أكثر.
بل إن الفجوات التكنولوجية الحقيقية — مثل التعلّم المستمر الفعّال — قد تكون أكثر أهمية للمنطق الحاسوبي الطويل الأجل من تقلبات أسعار الأسهم على المدى القصير.
غافن بيكر يتابع NVIDIA وصناعة أشباه الموصلات منذ عقود
أمضى المصدر وقتاً طويلاً في شرح سبب لفت تعليقات بيكر حول SSI الانتباه.
بيكر ليس موظفاً أو متحدثاً رسمياً باسم SSI.
إنه مستثمر في الأسواق العامة.
يشغل حالياً منصب الشريك الإداري وكبير مسؤولي الاستثمار في Atreides Management، الشركة التي أسسها في عام 2019.
سابقاً، عمل في Fidelity Investments من عام 1999 إلى عام 2017.
شملت مناصبه هناك:
- محلل لأشباه الموصلات
- مدير محفظة
- مدير محفظة Fidelity OTC
- رأس مال استثماري
خلفيته الطويلة في قطاع أشباه الموصلات ذات صلة خاصة بهذا النقاش، لأن بيكر تابع NVIDIA عبر عصور حاسوبية متعددة.
تشمل هذه العصور:
- رسومات الحواسيب الشخصية
- وحدات معالجة الرسوميات للألعاب
- CUDA
- العملات المشفرة
- تدريب التعلّم العميق
- استدلال الذكاء الاصطناعي
- أنظمة مراكز البيانات
- مصانع الذكاء الاصطناعي
في مؤتمر NVIDIA GTC لعام 2026، قدّم جنسن هوانغ بيكر علناً باعتباره أول مستثمر مؤسسي رئيسي في NVIDIA.
يمكن التحقق من هذا الادعاء بشكل مستقل من خلال سجلات الكلمة الرئيسية لمؤتمر GTC الخاص بـ NVIDIA.
لماذا تعتبر شبكة العلاقات مهمة
أشار المصدر أيضاً إلى شبكة علاقات بيكر الواسعة في شركات التكنولوجيا والمؤسسين والمستثمرين والنظام البيئي لأشباه الموصلات.
قد تفسر هذه الشبكة سبب تعامل المشاركين في السوق بجدية مع تعليق عابر حول SSI.
لكن هذا لا يزال لا يعني أن التصريح يعادل إعلاناً رسمياً من الشركة.
مستوى الأدلة الصحيح هو:
| المصدر | الموثوقية بشأن موعد إطلاق SSI |
|---|---|
| الإعلان الرسمي من SSI | الأعلى |
| تصريحات مباشرة من إيليا سوتسكيفر أو قيادة SSI | عالية جداً |
| إعلان مشترك من NVIDIA يذكر الإطلاق | 较高 إذا كان محدداً |
| وصف غافن بيكر لما قالته SSI | تصريح ثانوي موثوق |
| إعادة نشر تعليقات بيكر على وسائل التواصل | ثانوي |
| تكهنات مجهولة | منخفضة |
حتى 7 أغسطس، تبقى الأدلة في مستوى "تصريح ثانوي موثوق".
SSI جمعت مليارات الدولارات لكنها لم تُطلق نموذجاً عاماً
سرية SSI هي أحد أسباب التوقعات المرتفعة بشكل غير طبيعي من الخارج.
تأسست الشركة في يونيو 2024 على يد:
- إيليا سوتسكيفر
- دانييل غروس
- دانييل ليفي
سوتسكيفر كان سابقاً شريكاً مؤسساً لـ OpenAI وكبير علمائها.
جمعت SSI في البداية حوالي مليار دولار.
وفقاً للتقارير، جمعت جولة لاحقة في أواخر 2025 حوالي 2 مليار دولار، بقيمة تقديرية للشركة تبلغ حوالي 32 مليار دولار.
في يوليو 2026، أعلنت NVIDIA وSSI عن شراكة استراتيجية جديدة.
ثم نقلت رويترز عن مصادر أن استثمار NVIDIA يبلغ حوالي 5 مليارات دولار، رغم أن الشركتين اكتفتا بالقول إن الاستثمار كبير دون الكشف عن المبلغ المحدد في الإعلان الرسمي.
هذا المزيج غير معتاد في القطاع:
- تمويل بمليارات الدولارات
- تقييم خاص مرتفع للغاية
- فريق بحثي صغير نسبياً
- لا توجد سلسلة نماذج معلنة
- أبحاث منشورة قليلة جداً
- لا يوجد خارطة طريق منتجات تقليدية
النتيجة هي أن القيمة المتصورة للشركة تعتمد إلى حد كبير على الثقة في فريقها البحثي، واحتمال أن يكون منهجها مختلفاً جوهرياً عن المسار السائد لنماذج الحدود المتقدمة.
NVIDIA اطّلعت الآن على أبحاث SSI شديدة السرية
قدّم إعلان NVIDIA–SSI الصادر في 27 يوليو أحد أقوى الإشارات العامة على أن SSI تعتقد أنها دخلت مرحلة جديدة.
قالت NVIDIA إنها دخلت في هذه الشراكة بعد حصولها على وصول نادر إلى أبحاث SSI شديدة السرية.
أعلنت الشركتان:
- قيام NVIDIA باستثمار واسع النطاق في SSI.
- حصول SSI على حق الوصول إلى منصة NVIDIA Vera Rubin.
- توسيع القدرة الحاسوبية لـ SSI بحوالي عشرة أضعاف.
- تعاون SSI وNVIDIA على منصات حوسبة مستقبلية.
قال سوتسكيفر إن SSI تمتلك أبحاثاً "تستحق التوسع".
لا يزال الإعلان لا يكشف عن:
- بنية النموذج
- منهجية التدريب
- تقنيات السلامة
- المعايير
- موعد الإصدار
- اسم النموذج
لكنه يؤكد بالفعل أن معهد السلامة والذكاء الاصطناعي (SSI) انتقل من الاستكشاف البحت إلى توسيع نطاق اتجاه بحثي يراه واعدًا.
Vera Rubin تمنح SSI بنية حاسوبية أكبر
منصة Vera Rubin من NVIDIA هي بنية الحوسبة الذكاء الاصطناعي من الجيل التالي للشركة.
قالت NVIDIA إن Rubin حسّنت:
- أداء التدريب
- إنتاجية استدلال الوكلاء
- كفاءة الطاقة
- تكلفة الرموز
- الشبكات واسعة النطاق
بالتحديد بالنسبة لـ SSI، ذكر الإعلان الرسمي للشراكة أن الجمع بين الاستثمار والوصول إلى Vera Rubin سيزيد القدرة الحاسوبية للشركة بمقدار مرتبة من الحجم (عشرة أضعاف).
هذا هو مصدر الادعاء المنتشر على نطاق واسع حول "10 أضعاف الحوسبة".
الصياغة مهمة.
لم تُشر NVIDIA إلى أن SSI ستحصل على عدد وحدات معالجة رسومية (GPU) أكبر بعشر مرات بالضبط.
بل قالت إن الشراكة سترفع القدرة الحاسوبية الإجمالية لـ SSI بمقدار مرتبة من الحجم.
هل يمكن لشراكة NVIDIA دعم إصدار أغسطس؟
التوقيت يثير التكهنات بشكل طبيعي.
الجدول الزمني كما يلي:
| التاريخ | الحدث |
|---|---|
| يونيو 2024 | تأسيس SSI |
| 2024–2025 | SSI يجمع مليارات الدولارات |
| 27 يوليو 2026 | SSI وNVIDIA تعلنان عن شراكة استراتيجية طويلة الأمد |
| 27 يوليو 2026 | NVIDIA تقول إن SSI ستحصل على الوصول إلى Vera Rubin وحوالي 10 أضعاف القدرة الحاسوبية |
| 4 أغسطس 2026 | تعليقات Gavin Baker حول نموذج أغسطس تبدأ بالانتشار على نطاق واسع |
| 7 أغسطس 2026 | لا يوجد حتى الآن إعلان عام من SSI عن إصدار نموذج |
قد تدعم شراكة NVIDIA إصدار نموذج قادم أو مرحلة توسع مستقبلية.
لا توجد حاليًا أدلة عامة تشير إلى أن اتفاقية الأجهزة هذه تم توقيعها خصيصًا لدعم إصدار أغسطس.
الاستنتاج الأكثر منطقية هو:
قدمت هذه الشراكة لـ SSI بنية تحتية موسعة بشكل كبير في الوقت الذي صرح فيه مستثمر مؤثر بأن الشركة قد تصدر نموذجًا، لكن العلاقة بين هذه الأحداث لم يتم تفسيرها رسميًا بعد.
ملاحظة "Claude كوالتر كرونكايت وول ستريت"
بعد ذلك، انتقل المصدر من SSI إلى ملاحظة أوسع من Baker حول الذكاء الاصطناعي والأسواق المالية.
قارن Claude بـ والتر كرونكايت - الصحفي التلفزيوني الأمريكي المؤثر المرتبط بثقة عامة عالية خلال عصر البث الإذاعي والتلفزيوني.
رأي Baker ليس أن Claude يحدد حقيقة السوق فعليًا.
بل يصف فقدانًا محتملاً للتنوع في التحليل المالي.
قبل الذكاء الاصطناعي التوليدي
يمكن لتقرير أرباح معقد، أو وثيقة سياسة أشباه الموصلات، أو إعلان تنظيمي أن يتم تفسيره بشكل مستقل من قبل:
- آلاف المحللين
- مديري المحافظ
- المتداولين
- خبراء الصناعة
- الصحفيين
- الاقتصاديين
كان هؤلاء الأشخاص يختلفون.
الافتراضات المختلفة كانت تنتج وجهات نظر سوقية مختلفة.
بعد الذكاء الاصطناعي التوليدي
الآن، قد يرسل العديد من المشاركين في السوق نفس الوثيقة إلى نفس المجموعة الصغيرة من النماذج المتطورة.
يطرحون أسئلة مماثلة:
ماذا يعني هذا؟
هل هو صعودي أم هبوطي؟
أي الشركات تستفيد؟
ما هي التأثيرات من الدرجة الثانية؟
ما الذي تغير مقارنة بالتوقعات؟
إذا اعتمد الكثيرون بشكل كبير على نفس النموذج، فقد يحصلون على أطر تحليلية متشابهة واستنتاجات متشابهة.
هذا قد يخلق إجماعًا بوساطة النماذج.
لماذا يهم التحليل المتجانس
الأسواق المالية تعتمد على الاختلاف.
المشترون والبائعون لديهم:
- آفاق زمنية مختلفة
- معلومات مختلفة
- نماذج مختلفة
- افتراضات مختلفة
- درجات تحمل مخاطر مختلفة
- طرق تفسير مختلفة
إذا أصبح جزء كبير من التحليل موحدًا من خلال نفس نظام الذكاء الاصطناعي، فقد تحدث عدة أمور:
- تسارع سرعة ردود الفعل.
- يتشكل الإجماع مبكرًا.
- تُنفذ صفقات متشابهة في نفس الوقت.
- يصبح تقلب الأسعار أكثر حدة.
- قد تظهر الفرص المعاكسة في وقت أبكر.
- قد تنتشر الأخطاء في تفسير نموذج واحد على نطاق واسع.
وصف Baker هذا بأنه تراجع في التنوع التحليلي.
هذه فرضية مثيرة للاهتمام، وليست قاعدة تجريبية مثبتة عن الأسواق الحديثة.
الذكاء الاصطناعي يمكن أن يزيد التنوع أيضًا
هناك احتمال آخر.
أدوات الذكاء الاصطناعي يمكن أن تسمح لمحلل واحد باختبار سيناريوهات أكثر، ومراجعة مستندات أكثر، وترجمة مصادر أكثر، وتحدي الإجماع بشكل أسرع.
يمكن للمستخدمين أيضًا مقارنة مخرجات النماذج أو الأدوات التالية:
- Claude
- ChatGPT
- Gemini
- النماذج مفتوحة الأوزان
- النماذج المالية المتخصصة
- وكلاء البحث الداخليين المخصصين
ما إذا كان الذكاء الاصطناعي سيزيد أو يقلل من تنوع السوق يعتمد على كيفية استخدامه.
الخطر يكمن في تفويض الحكم إلى نفس النموذج دون تحقق مستقل.
ما قد يكشفه نموذج SSI
إذا أصدرت SSI نموذجًا في أغسطس بالفعل، فقد لا تكون الأسئلة الأكثر إثارة للاهتمام هي أسئلة لوحات التصنيف القياسية.
سيقارن الناس بشكل طبيعي من حيث:
- القدرة الاستدلالية
- القدرة البرمجية
- القدرة الرياضية
- المهام الوكيلة
- الأداء في السياقات الطويلة
- الفهم متعدد الوسائط
لكن المهمة المُعلنة لـ SSI تجعل عدة أسئلة أعمق أكثر أهمية.
1. هل يمكنه التعلم المستمر؟
ظهرت تعليقات Baker في مناقشة حول التعلم المستمر.
هذا لا يثبت أن نموذج SSI سيُظهر التعلم المستمر.
إذا حدث ذلك بالفعل، سيرغب الباحثون في معرفة:
- ماذا يتغير بعد النشر؟
- هل يتم تحديث الأوزان عبر الإنترنت؟
- هل التعلم مرحلي أم مستمر؟
- كيف يتم التحكم في النسيان؟
- كيف يتم تصفية التغذية الراجعة الخبيثة؟
- كيف يتم تقييم التحديثات؟
2. هل هو أكثر كفاءة في استخدام العينات؟
إذا وجدت SSI طريقة للتعلم أكثر من أمثلة أقل، فقد يؤثر ذلك على اقتصاديات التدريب.
الأدلة القوية تتطلب تقييمات شفافة، وليس حكايات.
3. ماذا تعني "السلامة" تقنيًا؟
قالت SSI إن السلامة والقدرة يجب أن تتقدما معًا.
الإصدار سيخلق فرصة لإظهار ما يعنيه هذا في الممارسة.
المجالات المحتملة تشمل:
- المواءمة
- قابلية التفسير
- المتانة
- الإشراف القابل للتوسع
- المقاومة للخصوم
- تحسين الذات المتحكم به
- استخدام الأدوات الآمن
لم تكشف SSI علنًا عن أي من هذه الآليات يحدد منهجها.
4. هل هو منتج أم معلم بحثي؟
واجهة برمجة تطبيقات عامة ستشير إلى اتجاه منتج.
ورقة بحثية، أو عرض توضيحي، أو معايير تقييم، أو إصدار بحثي محدود تعني شيئًا مختلفًا.
قبل أن تتحدث SSI بنفسها، فإن عبارة "إصدار نموذج" غامضة للغاية للإجابة على هذا السؤال.
لماذا يهم هذا الشائعات حتى قبل الإصدار
SSI هي واحدة من المختبرات الرائدة القليلة التي فرضية تأسيسها واضحة: تجنب المنافسة على المنتجات العادية قبل أن تكون أهدافها البحثية الأساسية جاهزة.
هذا يجعل الإصدار اختبارًا أكثر من مجرد جودة النموذج.
سيختبر عدة معتقدات حول الشركة منذ عام 2024:
- فريق نخبة صغير ومركّز يمكنه منافسة المختبرات الأكبر
- منظمة تركز على البحث يمكنها تجنب دورات المنتجات السريعة
- السلامة والقدرة يمكن أن تتطورا معًا
- اتجاهات بحثية مختلفة يمكن أن تبرر تمويلًا بمليارات الدولارات
- التقدم المتطور قد لا يتطلب مجرد السير في نفس مسار التوسع بشكل أسرع
شراكة NVIDIA رفعت التوقعات لأن NVIDIA قالت إنها رأت نتائج أبحاث SSI قبل استثمار رأس مال كبير وقدرة حاسوبية من الجيل التالي.
تعليقات Baker أضافت توقيتًا محتملاً.
كلاهما لا يخبرنا ما هو هذا النموذج بالضبط.
ما هو مؤكد، وما هو مُبلغ عنه، وما يظل غير معروف
مؤكد
- تأسست SSI بواسطة Ilya Sutskever وDaniel Gross وDaniel Levy في عام 2024.
- صرحت SSI علنًا أن هدفها الوحيد ومنتجها هو الذكاء الفائق الآمن.
- أعلنت NVIDIA وSSI عن شراكة استراتيجية طويلة الأمد في 27 يوليو 2026.
- قالت NVIDIA إن الشراكة سترفع القدرة الحاسوبية لـ SSI بحوالي مرتبة من الحجم.
- قالت NVIDIA إنها حصلت على وصول نادر إلى البحث شديد السرية لـ SSI قبل إنشاء الشراكة.
- Gavin Baker هو الشريك الإداري وكبير مسؤولي الاستثمار في Atreides Management.
- وصف Jensen Huang Baker في GTC 2026 بأنه أول مستثمر مؤسسي رئيسي لـ NVIDIA.
كما أفاد Gavin Baker
- قالت SSI إنها تخطط لإصدار نموذج في أغسطس.
لم يتم تأكيده علنًا من قبل SSI
- تاريخ الإصدار الدقيق
- اسم النموذج
- البنية
- عدد المعلمات
- عدد رموز التدريب
- نتائج المعايير
- نمط الوصول
- التسعير
- الترخيص
- قدرات التعلم المستمر
- ادعاءات كفاءة العينات
- ما إذا كان الإصدار نفسه جزءًا من نظام الذكاء الفائق
الأسئلة الشائعة
هل ستقوم شركة الذكاء الفائق الآمن بإصدار نموذج في أغسطس 2026؟
صرح غافين بيكر في مقابلة حديثة بأن SSI ذكرت أنها ستطلق نموذجًا في أغسطس. حتى 7 أغسطس 2026، لم تصدر SSI إعلانًا رسميًا على موقعها الإلكتروني يؤكد هذا الموعد.
هل سيكون هذا أول نموذج علني لـ SSI؟
إذا تم إصدار النموذج، فسيكون هذا أول ظهور علني لنموذج أو نظام منتج لـ SSI. تعمل الشركة منذ تأسيسها بشكل سري إلى حد كبير، ولم تصدر سلسلة نماذج تقليدية.
هل نموذج أغسطس من SSI مؤكد كذكاء فائق؟
لا. المهمة الرسمية لـ SSI هي بناء ذكاء فائق آمن، لكن لا توجد معلومات عامة تؤكد أن النموذج المزمع إصداره في أغسطس قد وصل إلى هذا المستوى. قدرات النموذج وبنيته ومعاييره وشكل إصداره لا تزال غير معروفة.
ما هو التعلم المستمر في الذكاء الاصطناعي؟
التعلم المستمر هو قدرة النظام على مواصلة التعلم من التجارب الجديدة بمرور الوقت، دون الحاجة إلى إعادة التدريب من الصفر بشكل متكرر، ودون نسيان القدرات السابقة. لا يزال التعلم المستمر الموثوق به موضوعًا بحثيًا نشطًا، خاصة بالنسبة للنماذج الكبيرة المنتشرة.
لماذا قد يؤثر التعلم المستمر على الطلب على وحدات معالجة الرسوميات؟
إذا تمكنت النماذج من التعلم بكفاءة بعد النشر، فقد ينتقل جزء من الحوسبة من التدريب المسبق الدوري واسع النطاق إلى الاستدلال والتعلم عبر الإنترنت والمحاكاة والتدريب اللاحق. سيغير هذا تكوين الطلب على المسرعات، لكنه لن يقلل بالضرورة من إجمالي الطلب على الحوسبة في الذكاء الاصطناعي.
هل استثمرت NVIDIA في شركة الذكاء الفائق الآمن؟
نعم. أعلنت NVIDIA وSSI رسميًا في يوليو 2026 عن استثمار كبير وشراكة استراتيجية طويلة الأمد. أفادت رويترز أن مبلغ الاستثمار يبلغ حوالي 5 مليارات دولار، لكن الشركتين لم تكشفا عن المبلغ المالي في الإعلان الرسمي.
ماذا تمنح شراكة Vera Rubin من NVIDIA لـ SSI؟
صرحت NVIDIA أن SSI ستحصل على حق الوصول إلى منصة Vera Rubin من الجيل التالي، وأن هذه الشراكة ستعزز قدرة SSI الحاسوبية بمقدار عشرة أضعاف تقريبًا. كما ستعمل الشركتان معًا على تطوير منصات حوسبة مستقبلية.
من هو غافين بيكر؟
غافين بيكر هو الشريك الإداري ورئيس قسم الاستثمار في Atreides Management.
وقد عمل سابقًا في Fidelity Investments لما يقرب من عقدين. في مؤتمر NVIDIA GTC لعام 2026، وصفه جنسن هوانغ بأنه أول مستثمر مؤسسي مهم لـ NVIDIA.
الأدوات ذات الصلة
- Safe Superintelligence Inc.: الموقع الرسمي لـ SSI، وهو المصدر الرئيسي لمهمتها ووصف الشركة والتصريحات العامة المستقبلية.
- NVIDIA Vera Rubin: منصة الحوسبة للذكاء الاصطناعي من الجيل التالي من NVIDIA، والتي ستدعم البنية التحتية الحاسوبية الموسعة لـ SSI.
- Atreides Management: شركة غافين بيكر الاستثمارية، حيث يشرح ملفه الرسمي بالتفصيل خلفيته في الاستثمار في قطاعي أشباه الموصلات والتكنولوجيا.
- NVIDIA On-Demand: الأرشيف الرسمي للخطابات الرئيسية والمؤتمرات التقنية والنصوص في مؤتمر GTC.
- Meta Llama: الموقع الرسمي لسلسلة نماذج Meta،可用于在比较历史模型规模主张时查阅公开的训练和架构信息。
الروابط ذات الصلة
- الموقع الرسمي لـ Safe Superintelligence: التصريحات الرسمية لـ SSI، فالشركة لديها هدف واحد ومنتج واحد: الذكاء الفائق الآمن.
- الشراكة الاستراتيجية بين NVIDIA وSSI: الإعلان الرسمي لـ NVIDIA بتاريخ 27 يوليو 2026، ويغطي استثمارها في SSI وحق الوصول إلى Vera Rubin والتوسع الحاسوبي.
- البيان الصحفي لـ NVIDIA للمستثمرين حول شراكة SSI: نسخة علاقات المستثمرين من نفس الإعلان الرسمي للشراكة.
- غافين بيكر — Atreides Management: الملف الرسمي لبيكر، ويغطي منصبه في Atreides ومسيرته السابقة في Fidelity.
- نص الخطاب الرئيسي لمؤتمر NVIDIA GTC 2026: النص الرسمي للخطاب الرئيسي، حيث وصف فيه جنسن هوانغ بيكر بأنه أول مستثمر مؤسسي مهم لـ NVIDIA.
- OfficeChai: غافين بيكر يقول إن SSI قد تصدر نموذجًا في أغسطس: تقرير ثانوي يحتفظ بالأجزاء ذات الصلة من مناقشة بيكر حول التعلم المستمر.
- Meta: إطلاق LLaMA: السجلات الرسمية لـ Meta تُظهر أن نموذج LLaMA الأصلي تم تدريبه على حوالي 1 إلى 1.4 تريليون رمز، مما يساعد في فهم سياق مناقشة عدد الرموز.
الملخص
قدم غافين بيكر أول تلميح عام موثوق حول توقيت إصدار Safe Superintelligence، مدعيًا أن SSI تخطط لإطلاق نموذج في أغسطس 2026. حتى 7 أغسطس، لم تؤكد SSI نفسها هذا الجدول الزمني علنًا، لذلك يجب اعتبار هذا التاريخ كتصريح إعلامي وليس إعلانًا رسميًا.
تكتسب هذه التصريحات أهميتها جزئيًا بسبب سياقها. كان بيكر يتحدث عن التعلم المستمر والتعلم الفعال من حيث العينات — وهي اتجاهات بحثية قد تحول حوسبة الذكاء الاصطناعي من التدريب المسبق واسع النطاق
إلى أنظمة قادرة على مواصلة التعلم بعد النشر.
كما أبرمت SSI للتو شراكة استراتيجية كبرى مع NVIDIA. تمنح هذه الاتفاقية الرسمية الشركة حق الوصول إلى أنظمة Vera Rubin، ومن المتوقع أن تعزز قدرتها الحاسوبية بمقدار عشرة أضعاف تقريبًا، حيث صرحت NVIDIA أنها قررت إبرام هذه الشراكة بعد حصولها على وصول خاص لأبحاث SSI الخاصة.
الحقيقة الأساسية اليوم ليست أن SSI قد أكدت إطلاق ذكاء فائق، بل أن مستثمرًا يتمتع بعلاقات واسعة بشكل استثنائي أشار إلى أن نموذجها الأول قد يقترب أخيرًا من الظهور — وأن الشركة تمتلك الآن موارد حاسوبية متزايدة بشكل كبير تكفي لتوسيع نطاق ما كانت تعمل على بنائه.