رهاسازی اژدها

شش ماه پیش، بنگاه هوش مصنوعی چینی دیپ‌سیک دنیا را با مدل V3 و جانشینان آن شگفت‌زده کرد. برای اولین‌بار کشوری غیر از آمریکا توانست الگو‌های منبع بازی بسازد که رقیب آنهایی است که در سیلیکون‌ولی تولید می‌شوند. این در حالی است که آمریکا چین را از دسترسی به تراشه‌های فوق‌پیشرفته نیمه‌رسانا محروم کرده بود.

بنگاه‌‌های چینی با وجود محدودیت‌ها همچنان به آموزش مدل‌های کلاس جهانی هوش مصنوعی ادامه دادند. شرکت هوش مصنوعی مون شات که مجموعه‌ای از متخصصان گوگل و متا آن را در پکن تاسیس کرده‌اند در ماه جولای از Kimi K2 پرده‌برداری کرد. این مدل به‌سرعت به صدر جداول جهانی راه یافت. ارتباطات بین عصب‌های مدل پارامتر نام دارند. مدل Kimi K2 از دیگر همتایان منبع باز خود پارامترهای بیشتری دارد و توانست رقبای غربی خود از جمله چت جی‌پی‌تی 1.4 را در آزمون کدسازی و کلود 4 اوپوس را در آزمون دانش علمی پشت سر بگذارد. 

اما مدل‌‌ها باید مورد استفاده قرار گیرند تا واقعاً تاثیرگذار باشند. در اینجاست که آسیب تحریم تراشه‌ها بیش از همه نمایان می‌شود. کمبودها بر مراکز داده‌‌هایی تاثیرگذارند که آزمایشگاه‌‌های هوش مصنوعی برای راه‌اندازی سامانه‌هایشان پس از آموزش به آنها نیاز دارند. کندی سرعت، محدودیت کاربرد و قطع ارتباطات اموری رایج هستند. شرکت مون شات چند روز پس از معرفی Kimi K2 در شبکه ایکس نوشت، «ما بازخوردتان را شنیده‌ایم، KIMI K2 بسیار آهسته است». همزمان و طبق تازه‌ترین گزارش‌ها شرکت دیپ‌سیک معرفی تازه‌ترین الگوی هوش مصنوعی خود را به تاخیر انداخته است تا از مشکلات عملکردی مشابه اجتناب کند. بنابراین وقتی کاخ سفید تازه‌‌ترین کنترل‌های صادرات را سه هفته پیش برداشت و یک‌بار دیگر به ان‌ویدیا اجازه داد که تراشه‌های H20 را در چین به فروش رساند هر دو شرکت چینی خوشحال شدند. عرضه این تراشه‌ها به شرکت‌های فناوری چین موانعی را برمی‌دارد که هم‌اکنون سرعت رشد آنها را پایین آورده‌اند. چین زمین حاصلخیزی برای رشد هوش مصنوعی است. این کشور میلیون‌ها فارغ‌التحصیل علوم و مهندسی، ظرفیت اضافی در شبکه برق، توانایی بالقوه ساخت سریع مراکز و دسترسی کامل به تمامی مراکز داده‌های عمومی غرب و داده‌های خودش دارد. اما از یک منبع داخلی توان رایانشی برخوردار نیست و همین محدودیت‌ بنیادی تاکنون روند توسعه صنعت آن را شکل داده است. 

بنگاه‌های چینی در ماه‌های گذشته راه‌های زیادی برای دور زدن محدودیت‌های آمریکایی پیدا کرده‌اند. از ماه آوریل تراشه‌های ممنوعه‌ای به ارزش یک میلیارد دلار به کشور وارد شده‌اند و شرکت‌های داخلی از قبیل هوآوی تراشه‌هایی ساخته‌اند که از برخی جهات با نمونه‌های پیشرفته ساخت ان‌ویدیا رقابت می‌کنند. تمرکز خستگی‌ناپذیر آنها بر کارایی به دستاوردهایی چشمگیر منجر شد. 

دسترسی محدود به تراشه‌ها عامل یکی دیگر از ویژگی‌های شگفت‌آور بخش هوش مصنوعی چین یعنی علاقه شدید به منابع باز به‌شمار می‌رود. مدل‌های V3 و Kimi K2 شرکت دیپ‌سیک از طریق خدمات میزبانی شخص ثالث در دسترس‌اند و می‌‌توان آنها را در سخت‌افزارهای خود کاربران بارگذاری و اجرا کرد. این ویژگی به کاربران امکان می‌دهد که اطمینان یابند به‌رغم فقدان توان رایانش در خود شرکت، ارائه پشتیبانی از مدل‌ها از دیگر مکان‌ها امکان‌پذیر است. ویژگی منبع باز روش دیگری برای دور زدن ممنوعیت‌های سخت‌افزاری به‌شمار می‌رود، چراکه اگر دیپ‌سیک نتواند به سادگی به تراشه‌‌های ان‌ویدیا دست یابد اشخاص ثالث امکان دسترسی دارند.  اثرات محدودیت‌ها بر تمامی شرکت‌های چینی به یک اندازه نیست. شرکت علی‌بابا در جمعه گذشته تازه‌ترین مدل خانواده Qwen3 را عرضه کرد که یک الگوی منطقی منبع باز است و Qwen3-235B-A22B-Thinking-2507 نام دارد. این عرضه خانواده Qwen و به‌طور کلی، هوش مصنوعی چین را در سطح بهترین الگوهای منبع باز هوش مصنوعی یا حتی بهترین الگوهای هوش مصنوعی قرار می‌دهد.

اندازه سامانه علی‌بابا یک‌چهارم اندازه K2 است، به توان رایانش کمتری برای راه‌اندازی نیاز دارد و برخلاف دیپ‌سیک و مون شات از زیرساختار ابری بزرگی برخوردار است که امکان ادامه کار را برای مدل‌ها فراهم می‌کند. افزایش سرعت و کارایی مدل‌‌ها بازی جدیدی در بخش هوش مصنوعی چین است. آزمایشگاه هوش مصنوعی زد (Z.ai) در دوشنبه قبل دو مدل به نام‌های GLM-4.5 و Air 4.5 را عرضه کرد که سرعت و کارایی فوق‌العاده‌ای را به نمایش می‌گذارند.  اما این دور زدن‌های هوشمندانه و الگو‌های تاثیرگذار فقط تا حدی می‌توانند محدودیت‌های منابع را خنثی کنند. علاوه بر این، یک محدودیت بزرگ یعنی فقدان تراشه‌های H20 ان‌ویدیا از ماه مارس بیشترین آسیب را در مقایسه با دیگر محدودیت‌ها ایجاد کرده است. 

شرکت‌های موفق هوش مصنوعی باید بتوانند دو کار را انجام دهند: آموزش مدل‌ها و سپس راه‌اندازی آنها. این فرآیند با عنوان استنتاج (inference) شناخته می‌شود. آن دسته از آزمایشگاه‌های چینی که بهترین منابع مالی را دارند تاکنون موفق شده‌اند که آموزش و راه‌اندازی را به همان مقیاس همتایان غربی خود ادامه دهند. اما فرآیند استنتاج دشوارتر شده است. مراکز داده‌‌های آموزشی به خوشه‌هایی یکپارچه از تراشه‌های پیشرفته نیاز دارند، اما بهترین استنتاج به وسیله تراشه‌هایی انجام می‌شود که بین توان، کارایی انرژی و توانایی جابه‌جایی سریع داده‌ها توازن برقرار می‌کنند. تراشه H20 تا ماه آوریل تنها تراشه‌ای بود که چنین ویژگی داشت.  از آن بدتر، هزینه آموزش و راه‌اندازی یک هزینه اولیه است که با درآمدهای حاصل در طول حیات مدل جبران می‌شود، بنابراین شرکتی که در جریان استنتاج متضرر شود فرصتی برای جبران آن نخواهد داشت. به این ترتیب، دسترسی به تراشه برای استنتاج تنگنایی است که رشد صنعت هوش مصنوعی چین را محدود می‌کند. دولت ترامپ سیگنال‌هایی متناقض می‌فرستد. برنامه اقدام هوش مصنوعی که در اوایل جولای انتشار یافت کنترل برخی تراشه‌ها را دو برابر کرده و تاکید دارد که عدم دسترسی دشمنان به رایانش پیشرفته هوش مصنوعی هم موضوعی ژئواستراتژیک و هم موضوع امنیت ملی است. این برنامه خواستار آن است که رویکردهای جدیدی برای اعمال کنترل صادرات پیدا شود. از سوی دیگر، دولت آمریکا ممنوعیت صادرات H2O را برداشت و استدلال می‌کند که بهتر است هوش مصنوعی چینی برای رفع تمام نیازهای فنی از جمله استنتاج به شرکت‌های آمریکایی وابسته باشد تا اینکه بخواهد ظرفیت‌های داخلی خودش را توسعه دهد.

در کوتاه‌مدت، رفع محدودیت‌ها می‌‌تواند آرامش‌خاطر اندکی به چین بدهد اما اگر صادرات آمریکایی یک‌بار دیگر اوج بگیرند بخش هوش مصنوعی چین می‌تواند سال 2026 را با محدودیت‌های کمتری آغاز کند.