تظهر مسيرة الذكاء الاصطناعي في هونغ كونغ لعام 2026 نمطًا من “الانفجار الكثيف”. فإذا كانت خطة دعم الحوسبة بقيمة 3 مليارات دولار هونج كونج التي أُشارت إليها في موازنة الشهر الماضي بمثابة حقنة من الثقة للصناعة، فإن الاختراقات العلمية الكبرى والحوارات الصناعية عالية المستوى التي حدثت على التوالي في الأيام الأخيرة تشير إلى أن الذكاء الاصطناعي في هونغ كونغ يتسارع من مرحلة “البنية التحتية” نحو منطقة “تطبيقات التنفيذ العميق”.
بالأمس (3 مارس)، بينما كانت أنظار معظم المراقبين تركز على تضخم قدرات وحدة معالجة الرسوميات (GPU) من NVIDIA، أو على إصدار OpenAI لنموذج عام ضخم يثير الدهشة، ألقى فريق بقيادة الأستاذ الدكتور Guo Yike، نائب رئيس جامعة هونغ كونغ للعلوم والتكنولوجيا، قنبلة ثقيلة في الأوساط الأكاديمية والصناعية – وهي GrainBot.
هذا ليس مجرد أداة جديدة لذكاء الاصطناعي، بل هو نموذج نموذجي لتحول “الذكاء الاصطناعي للعلوم” (AI4S) من المفهوم إلى التطبيق الصناعي. كمتابع طويل الأمد لقطاعات التكنولوجيا الكمية والتكنولوجيا العميقة، أعتقد أن ظهور GrainBot يرمز إلى تحول مركز تطوير الذكاء الاصطناعي في هونغ كونغ من “الدردشة العامة” إلى “الاكتشاف العمودي”. بالنسبة للمختصين في التمويل، فهم المنطق وراء GrainBot هو فهم الـ"ألفا" للاستثمار في التكنولوجيا الصلبة خلال السنوات الخمس القادمة.
(مصدر الصورة: analyticalscience.wiley.com)
لفهم قيمة GrainBot، نحتاج أولاً إلى فهم “نقطة الألم” في علم المواد.
في القطاعات العليا من التصنيع مثل أشباه الموصلات، البطاريات الجديدة، والألواح الشمسية، غالبًا ما تحدد خصائص المواد نجاح المنتج أو فشله. وتُعتمد أداء المادة — سواء كانت موصلية، قوة، أو مقاومة للتآكل — بشكل كبير على بنيتها الدقيقة، أي حجم وشكل وتوزيع “الحبيبات” (Grains). لطالما كان علماء المواد كحرفيين يحملون عدسات مكبرة، يستخدمون مجهر المسح الإلكتروني (SEM) أو المجهر الذري (AFM) لالتقاط آلاف الصور، ثم يضطرون لعمل ساعات طويلة يدوياً لتحديد، ورسم، وتوسيم حدود كل حبة بشكل يدوي. هذه العملية ليست فقط بطيئة جدًا، بل مليئة أيضًا بأخطاء بشرية ذات طابع ذاتي.
ظهور GrainBot هو في جوهره بمثابة تركيب “دماغ قيادة ذاتي من المستوى L4” على المجهر.
وفقًا لأحدث نتائج الأبحاث المنشورة في مجلة “Matter” التابعة لمجلة Cell Press، يستخدم GrainBot تقنيات متقدمة في الرؤية الحاسوبية (CV) والتعلم العميق (Deep Learning) ليقوم تلقائيًا بعملية تقسيم الصور، واستخراج الميزات، والتحليل الكمي. لم يعد بحاجة إلى تدخل بشري، بل يمكنه بدقة عالية تحديد حدود الحبيبات وحساب المساحات السطحية، والأشكال الهندسية للشقوق، والأحجام النسبية للأجسام المتقعرة.
الأهم من ذلك، أن GrainBot ليس مجرد “عداد”. بل يمتلك قدرة على التحليل الترابطي، بحيث يمكنه ربط البيانات الدقيقة للبنى المجهرية مع الأداء الماكروي للمواد. في تجارب على أغشية “Perovskite” — وهي مادة تعتبر المفتاح للجيل القادم من الخلايا الشمسية عالية الكفاءة — نجح GrainBot في بناء قاعدة بيانات تحتوي على آلاف الحبيبات الموسومة، وكشف عن علاقات بين البنية والأداء كانت سابقًا صعبة القياس. قال الأستاذ Guo Yike خلال المؤتمر: “مع تزايد أتمتة سير العمل العلمي وتركزه على البيانات، ستصبح أدوات كهذه محركات رئيسية لـ’المختبرات الذاتية’ في المستقبل.”
بالنسبة لرأس المال المالي، ظهور نتائج مثل GrainBot يعني أننا بحاجة إلى إعادة تقييم نماذج تقييم مشاريع الذكاء الاصطناعي. خلال العامين الماضيين (2024-2025)، ركز السوق على “النماذج العامة الضخمة” و"برمجيات SaaS التطبيقية". كانت التقييمات تعتمد بشكل رئيسي على عدد المستخدمين النشطين الشهريين (MAU)، والإيرادات السنوية المتكررة (ARR)، واستهلاك الرموز (Tokens). ومع تراجع العائدات الحدية للنماذج العامة، بدأ رأس المال يبحث عن نقاط نمو جديدة. يوفر الذكاء الاصطناعي للعلوم (AI4S) منطقًا مختلفًا تمامًا: فقيمته لا تكمن في “عدد الأشخاص الذين يخدمهم”، بل في “تقليل مدة البحث والتطوير” و"اكتشاف مواد جديدة".
على سبيل المثال، إذا استطاع GrainBot تقصير دورة تطوير خلايا “Perovskite” من 3 سنوات إلى 6 أشهر، أو مساعدة شركة CATL على اكتشاف مادة كاثود جديدة تزيد كثافتها للطاقة بنسبة 10%، فإن القيمة الاقتصادية الناتجة ستكون هائلة جدًا.
هذه هي منطق “الملكية الفكرية الصناعية”. في المستقبل، قد لا يكون “اليونيكورن” في الذكاء الاصطناعي شركة تطور روبوتات الدردشة، بل تلك التي تمتلك بيانات وخوارزميات متخصصة في مجالات عمودية مثل المواد، والأدوية، والكيمياء، وتنتج براءات اختراع بشكل جماعي عبر “مختبرات رقمية”.
وفي ظل هذا المنطق، تتعزز ميزة الجامعات والمؤسسات البحثية في هونغ كونغ بشكل كبير. فبعكس وادي السيليكون الذي يهيمن عليه مهندسو البرمجيات، تمتلك هونغ كونغ كثافة عالية من خبراء المواد والكيمياء والطب الحيوي. إن إنجاز جامعة هونغ كونغ للعلوم والتكنولوجيا هو نتيجة تداخل عميق بين علوم الحاسوب (فريق Guo Yike) والهندسة الكيميائية (فريق الأستاذة Zhou Yuanyuan). هذا الجمع بين “الذكاء الاصطناعي والمعرفة الميدانية” يمثل حاجز حماية يصعب على شركات الإنترنت التقليدية تكراره.
ليست GrainBot الحالة الوحيدة. إذا رفعنا نظرتنا، سنكتشف أن هونغ كونغ تبني نموذجًا جديدًا للبحث العلمي يعتمد على “المختبرات الذاتية”. المقصود بالمختبرات الذاتية هو استخدام الروبوتات والذكاء الاصطناعي لتحقيق أتمتة كاملة لعملية تصميم التجارب، وتنفيذها، وتحليل البيانات، وتحسينها بشكل دوري. في هذا الحلقة المغلقة، يتولى الذكاء الاصطناعي (مثل GrainBot) مهمة “المراقبة والتفكير”، بينما تتولى الروبوتات مهمة “العمل”. هذا الاتجاه يحمل دلالات عميقة لتحول الهيكل الاقتصادي في هونغ كونغ. لطالما كانت تُعتبر مركزًا ماليًا وميناء تجاري، لكن في مجال البحث والتطوير في التكنولوجيا الصلبة، كانت تُعتبر “عاجزة”. ومع ذلك، مع قدوم عصر AI4S، تتغير طبيعة البحث والتطوير — فهي تصبح أكثر رقمية وذكاءً. لم تعد هونغ كونغ بحاجة إلى أراضٍ واسعة لبناء المصانع، بل يمكنها أن تصبح مصدرًا عالميًا لمختلف تركيبات المواد الجديدة، مستفيدة من بنيتها التحتية الحاسوبية وعباقرتها في البحث العلمي.
تخيل أن حديقة العلوم في هونغ كونغ في المستقبل لن تقتصر على المكاتب، بل ستحتوي على مئات أو آلاف “المختبرات غير البشرية” التي تعمل على مدار الساعة. تستهلك البيانات باستمرار، وتحلل النتائج باستخدام أدوات مثل GrainBot، ثم تعدل معلمات التجارب تلقائيًا، وتنتج في النهاية براءات اختراع عالية القيمة. يمكن ترخيص هذه التركيبات لمصانع المنطقة الكبرى (GBA) لإنتاجها بكميات كبيرة. هذا هو الإصدار 2.0 من “البحث والتطوير في هونغ كونغ والتصنيع في المنطقة”.
بالطبع، كمراقب عقلاني، لا يمكننا إغفال التحديات والمخاطر.
أكبر عائق أمام AI للعلوم هو البيانات. فبالاختلاف عن تدريب ChatGPT على كميات هائلة من النصوص على الإنترنت، فإن البيانات العلمية عالية الجودة (مثل الصور المجهرية الموسومة بشكل مثالي) نادرة جدًا. نجاح GrainBot يرجع إلى أن الفريق بذل جهودًا كبيرة لبناء مجموعة بيانات أولية عالية الجودة. علاوة على ذلك، فإن ظاهرة “جزيرة البيانات” في العلوم أشد من الإنترنت. فكل شركة مواد، وكل مختبر، يحتفظ بسرية بياناته. كيف يمكن بناء آلية آمنة لمشاركة البيانات (ربما باستخدام تقنيات Web3 أو الحوسبة الخصوصية) بحيث يمكن لنماذج الذكاء الاصطناعي أن “تأكل من كل بيت” وتنمو، هو المفتاح القادم للتجارية.
في ربيع عام 2026، عندما نقف على حرم جامعة هونغ كونغ للعلوم والتكنولوجيا، وننظر إلى خليج Clear Water، فإن ما نراه ليس فقط المناظر الطبيعية، بل هو تجديد في نمط البحث العلمي وتغيير للأجيال.
إطلاق GrainBot يرمز إلى التقاء “روح الهاكر” (التكرار السريع، الخوارزميات) و"روح الحرفي" (الملاحظة الدقيقة، وصقل المواد). بالنسبة للمستثمرين، لم يعد التركيز ينحصر في من يمتلك أكبر عدد من بطاقات NVIDIA، بل في من يستطيع استخدام الذكاء الاصطناعي لحل أصعب المشكلات الفيزيائية في العالم الحقيقي.
في هذا المسار الجديد، لقد أحرزت هونغ كونغ بداية جيدة. ربما يكون GrainBot مجرد بداية، فبعيدًا عن مجال المجهر، يتشكل سوق ضخم بقيمة تريليونات من الدولارات لاكتشاف المواد باستخدام الذكاء الاصطناعي، وهو يتوسع تدريجيًا.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
