به گزارش مشرق، از سال‌ها پیش که بحث تراشه‌ها و اهمیت آن به دلیل رونق فناوری هوش مصنوعی در دنیا مطرح شد، آمریکا به عنوان پیشگام در این عرصه فعالیت‌های خود را با جدیت تمام آغاز کرد و به قدرت بلامنازع صنعت تراشه‌ها تبدیل شد. با توسعه روزافزون فناوری‌های نوظهور و گستردگی مدل‌های مختلف هوش مصنوعی و وابستگی بسیاری از آن‌ها به تراشه‌ها، آمریکا تلاش می‌کند اقتدار و جایگاه خود را در این بازار حفظ کند.

اما چینی‌ها که چند سالی است گوی سبقت را در حوزه علم از آمریکا ربوده‌اند، به یکی از رقبای سرسخت برای آن‌ها تبدیل شده و با برنامه‌ریزی‌های جدی و سرمایه‌گذاری‌های هنگفتی که برای دستیابی هرچه بیشتر به فناوری‌های تراشه و هوش مصنوعی انجام داده‌اند، در حال پیشی گرفتن از آمریکا هستند به طوری که دولت ترامپ محدودیت‌های صادراتی سنگینی را پیش روی چین قرار داده تا بتواند تا حدی مانع از تداوم پیشرفت آن‌ها در هوش مصنوعی و تراشه شود.

رصدخانه فناوری چین (CTO) که متعلق به مؤسسه مطالعات چین «مرکاتور» (مریکس) است، از سوی وزارت فدرال آموزش و پژوهش آلمان (BMFTR) تأمین مالی می‌شود. محققان این رصدخانه، طی یک پروژه سه‌ساله، پیشرفت چین را در توسعه و بهره‌مندی از فناوری‌های حیاتی جهانی بررسی می‌کنند.

این پروژه، داده‌ها و تجزیه و تحلیل‌هایی را ارائه می‌دهد که به تصمیم‌گیرندگان در دولت، کسب‌وکارها و سایر حوزه‌ها کمک می‌کند تا درک بهتری از اهداف و تلاش‌های چین در دستیابی به فناوری‌های آینده داشته باشند.

این گزارش، پیشرفت چین در لایه‌های مختلف فناوری هوش مصنوعی مورد ارزیابی قرار گرفته و به روش‌هایی اشاره شده است که دولت در قالب آن رشد می‌کند که در هر لایه به طور قابل توجهی متفاوت است. همچنین ورودی‌های کلیدی که هوش مصنوعی چین به آن‌ها متکی است، یعنی سرمایه، استعداد و داده‌ها و چشم‌انداز پکن برای دستیابی به اهداف، مورد بررسی قرار گرفته است.

چرا هوش مصنوعی اولویت گرفت؟

رقابت بر سر برتری در فناوری هوش مصنوعی در حال حاضر، به یکی از رقابت‌های اصلی ژئوپلیتیکی بین چین و آمریکا تبدیل شده است. نه‌تنها انتظار می‌رود هوش مصنوعی بتواند مسیر زندگی و کار بشر را شکلی دوباره ببخشد، بلکه استفاده بالقوه آن در کاربردهای نظامی می‌تواند تعادل جهانی قدرت را نیز دگرگون کند.

همچنین برخی بر این باورند که دستیابی به هوش مصنوعی عمومی (AGI) که در آن هوش مصنوعی در قابلیت‌هایی که دارد از انسان پیشی می‌گیرد، به رقابت برای ساخت بمب اتم شباهت دارد؛ به گونه‌ای که هر کشوری بتواند اول به هوش مصنوعی عمومی دست پیدا کند، برنده این رقابت ژئوپلیتیکی خواهد شد.

انتشار ChatGPT توسط OpenAI در سال ۲۰۲۲ به عنوان نخستین ابزار هوش مصنوعی مولد که به طور عمومی در دسترس قرار گرفت، رقابت هوش مصنوعی را به اوج خود رساند.

خوداتکایی فناورانه در دستور کار چین

در جلسه مطالعاتی «دفتر سیاسی» چین که در ‌آوریل ۲۰۲۵ با تمرکز روی موضوع هوش مصنوعی برگزار شد، رئیس‌جمهور و حزب کمونیست چین، ساخت یک اکوسیستم مستقل و قابل کنترل از نظر سخت‌افزاری و نرم‌افزاری و اقدامی سراسری برای دستیابی به خواتکایی و قدرت برتر شدن در حوزه فناوری را کلید زدند. تأکید روی حاکمیت هوش مصنوعی، چرخش نسبتاً جدیدی را در استراتژی هوش مصنوعی چین و تصمیم‌گیری‌ها در این حوزه ایجاد می‌کند.

در اسناد رسمی پیشین هم درخواست‌هایی برای همکاری‌های بین‌المللی مطرح شده بود. اما از زمان اعمال سیاست فشار دولت آمریکا بر توسعه هوش مصنوعی در چین، بسیاری در این کشور خواستار ضد تحریم کردن اکوسیستم هوش مصنوعی شدند.

چین برای خودکفایی، نیاز به تولید مدل‌های هوش مصنوعی دارد؛ چهارچوب‌های نرم‌افزاری مستلزم خلق مدل‌های هوش مصنوعی و نیز تراشه‌هایی که آموزش و آرایش این فناوری‌ها را تأمین می‌کنند، همگی پیشرفت فناوری هوش مصنوعی را به دنبال دارند.

نخستین استراتژی هوش مصنوعی پکن در ۲۰۱۷

آمریکا هوش مصنوعی و فناوری‌های نیمه‌رسانایی را شناسایی کرده است که پیشرفت‌های آن را به عنوان یکی از اهداف کلی چندگانه و رهبری آمریکا را به عنوان یک «ضرورت امنیت ملی» امکان‌پذیر می‌کند.

به این ترتیب، واشنگتن سیاست‌هایی را با هدف کاهش سرعت توسعه هوش مصنوعی چین تدوین کرده است که از آن میان می‌توان به اعمال محدودیت‌های صادراتی روی نیمه‌رساناهای پیشرفته موردنیاز برای آموزش مدل‌های هوش مصنوعی و نیز اعمال محدودیت روی تجهیزات و نرم‌افزارهای مورد استفاده در تولید تراشه‌ها اشاره کرد.

رهبران چین نیز به عنوان کلید امنیت ملی و رقابت، پیشرفت‌هایی را در حوزه هوش مصنوعی مشاهده کرده و ویژگی‌های آن‌ها را در قالب میدان استراتژیک در حال ظهوری مشخص می‌کنند که فرصتی تاریخی را برای جهش اقتصادی و نظامی آمریکا فراهم می‌کند. پکن، نخستین استراتژی هوش مصنوعی خود را در سال ۲۰۱۷ منتشر کرد که در آن، گام‌هایی را برای تبدیل شدن به یک مرکز بزرگ نوآوری‌های هوش مصنوعی در دنیا عنوان کرد.

اعمال محدودیت‌های صادراتی از سوی آمریکا، این باور پکن را تقویت کرده که وابستگی چین به کشورهای خارجی به ویژه آمریکا برای آینده هوش مصنوعی این کشور، یک خطر امنیت ملی محسوب می‌شود.

چین نخستین کشوری است که تلاش می‌کند مجموعه‌ای ملی از هوش مصنوعی را توسعه دهد اما برخی کشورها در اروپا نیز به تازگی این هدف را در پیش گرفته‌اند. درک پیشرفت هوش مصنوعی چین برای تصمیم‌گیران اروپایی که به دنبال رقابت فناورانه هستند، حیاتی است؛ به عنوان مثال برای پیش‌بینی محدودیت‌های صادراتی آمریکا که ممکن است شرکت‌های اروپایی را تحت تأثیر قرار دهد.

علاوه براین، آزمودن خودکفایی چین در این حوزه از فناوری، به اروپایی‌ها کمک می‌کند تا بتوانند چالش‌های احتمالی را در توسعه یک مجموعه اروپایی پیش‌بینی کنند. در این بین اروپا با در خود جای دادن شماری از تأمین‌کنندگان کلیدی تجهیزات تولیدی نیمه‌رسانا و معدودی از استارتاپ‌های LLM، حضوری استراتژیک دارد.

اما باوجوداین، اروپا در توسعه و به کارگیری از پیشرفته‌ترین سیستم‌های هوش مصنوعی عقب افتاده است. رشد تنش‌های فرااقیانوس اطلس، به ویژه در دوران دولت جدید دونالد ترامپ، درخواست‌ها برای راه‌حل‌های «هوش مصنوعی مستقل» را از سر گرفته است.

هوش مصنوعی چین: لایه‌های مختلف، رویکردهای متفاوت

یک مجموعه هوش مصنوعی ساده‌شده از سه‌ لایه تشکیل شده است؛ یکی تراشه‌هایی که محاسبات را تغذیه می‌کنند، چهارچوب‌های یادگیری ماشینی که برای ساخت مدل‌های هوش مصنوعی به کار ‌می‌روند و برنامه‌های کاربردی مانند مدل‌های زبان بزرگ (LLM). پکن در حالت ایدئال، خودکفایی در همه زمینه‌ها را ترجیح می‌دهد، اما یک سلسله‌مراتب واضح در حال ظهور است.

حمایت دولتی بر لایه‌های پایین‌تر مجموعه مانند تراشه‌ها و چهارچوب‌ها متمرکز است، درحالی‌که لایه‌های بالاتر یعنی مدل‌ها و برنامه‌های هوش مصنوعی، از یک محیط توانمند بهره‌مند می‌شوند؛ اما حمایت مستقیم دولت بسیار محدود است.

محدودیت‌های صادراتی آمریکا و متحدان آن، اکنون فروش واحدهای پردازش گرافیکی (GPU) پیشرفته به چین، مانند آن‌هایی که توسط انویدیا طراحی شده‌اند، حافظه پهنای باند بالایی که در ارتباط با آن‌ها استفاده می‌شوند و نیز سخت‌افزار و نرم‌افزار موردنیاز برای تولید این نیمه‌رساناها را محدود می‌کند.

در نتیجه، این مهم‌ترین لایه برای توسعه فناوری داخلی محسوب می‌شود. چهارچوب‌های یادگیری ماشینی متن باز هستند و بنابراین در حال حاضر نمی‌توانند هدف کنترل‌های صادراتی قرار گیرند. LLM ‌ها و برنامه‌های کاربردی آن‌ها به‌سرعت درحال‌توسعه بوده و شرکت‌ها به‌طور دائم از یکدیگر پیشی می‌گیرند و توسط یک اکوسیستم نرم‌افزاری فعال و دسترسی به پیشرفت‌های جهانی متن باز تقویت می‌شوند.

لایۀ پایین: هوآوی پیشتاز است

تمام هوش مصنوعی روی تراشه‌ها سوار شده و این تراشه‌ها برای اجرای حجم کاری محاسباتی هوش مصنوعی الزامی‌اند. دولت چین، تراشه‌سازی هوش مصنوعی را به‌عنوان یک قابلیت اساسی می‌بیند که در آن از آمریکا عقب مانده و تلاش می‌کند از آمریکا پیش بیفتد. چین در سال ۲۰۱۴، سرمایه بزرگی کلانی را برای تجمیع برنامه‌های قدیمی غیرمرتبط در زمینه توسعه و تولید تراشه‌ها راه‌اندازی کرد.

مرحله نخست که تا سال ۲۰۱۹ هم ادامه داشت شامل حدود ۱۹ میلیارد و ۳۵۶ میلیون دلار بود که به‌طور گسترده در سراسر زنجیره تأمین سرمایه‌گذاری می‌شد، درحالی‌که مرحله دوم با حدود ۲۸ میلیارد و ۴۰۷ میلیون دلار به طور خاص برای تمرکز بر مراحل زنجیره تأمین با نقاط ضعف چین طراحی شده بود. باوجود این، عملاً بخش قابل‌توجهی از هر دو سرمایه‌گذاری صرف تولید اولیه شد.

فاز سوم با بودجه حدود ۴۷ میلیارد و ۳۴۴ میلیون‌دلاری در سال ۲۰۲۴ اعلام شد. این سرمایه‌گذاری کلان به‌عنوان‌مثال با فروپاشی شرکت تراشه‌ساز مشهور Tsinghua Unigroup، نتایج متفاوتی به همراه داشت.

اما برندگان بزرگ این طرح، بر صنعت تراشه‌سازی چین تسلط دارند: شرکت بین‌المللی تولید نیمه‌رساناها (SMIC) به‌عنوان پیشرفته‌ترین کارخانه ریخته‌گری و شرکت فناوری‌های حافظه‌ای یانگ تسه (YMTC) به‌عنوان برترین سازنده تراشه حافظه. SMIC تنها شرکت چینی است که امروزه می‌تواند تراشه‌های پیشرفته ۷ نانومتری تولید کند.

حمایت دولت مرکزی با حمایت دولت محلی تکمیل می‌شود، به‌طوری‌که بسیاری از استان‌ها یا شهرها از ابزارهای سرمایه‌گذاری خود برای تأمین مالی شرکت‌های نیمه‌رسانا استفاده می‌کنند. غول فناوری هوآوی، به‌عنوان بازیگر اصلی در هماهنگی تراشه‌سازی ظهور کرده و با SMIC همکاری نزدیکی دارد.

به‌عنوان‌مثال، بازوی سرمایه‌گذاری «هابل» هوآوی اکنون در سراسر زنجیره تأمین سرمایه‌گذاری کرده و مهم‌تر از همه، در بسیاری از شرکت‌ها به همراه گروه سرمایه‌گذاری صنعتی بزرگ «شنژن»، یک صندوق سرمایه‌گذاری دولتی در شهر شنژن، سرمایه‌گذاری مشترک انجام می‌دهد.

مانع داخلی پیشرفت قابلیت‌های طراحی در چین

هوآوی در تلاش برای رقابت با شرکت‌های بزرگ فناوری آمریکایی مانند اپل، اولین تراشه موبایل هوش مصنوعی خود را در سال ۲۰۱۷ طراحی کرد و در سال ۲۰۱۸ یک تراشه سرور را برای رقابت با انویدیا به آن افزود. باوجوداین، تمام این تراشه‌ها در شرکت تایوانی TSMC تولید شده‌اند.

قرار گرفتن هوآوی در فهرست سیاه وزارت بازرگانی آمریکا در سال ۲۰۱۹ و به دنبال آن اعمال «قانون محصول مستقیم خارجی»، این شرکت چینی را از ساخت تراشه در TSMC منع کرد.

از سال ۲۰۱۶ چند شرکت تولید بدون ساخت یا «فب‌لس» دیگر در چین ظهور کرده‌اند. شرکت‌های «فب‌لس» در صنعت نیمه‌رسانا، به شرکتی اطلاق می‌شود که طراحی و فروش قطعات و تراشه‌ها را انجام می‌دهد اما تولید آن‌ها را به شرکت‌های دیگر برون‌سپاری می‌کند.

و درواقع، تمرکز این شرکت‌ها روی تحقیق و توسعه و طراحی محصولات است. طراحی، بخشی با ارزش افزوده بالا از زنجیره تأمین نیمه‌رساناهاست که نسبت به تولید، سرمایه‌بری کمتری دارد. بنابراین، موانع برای ورود محدود است، به‌ویژه اگر شرکت‌ها بتوانند از نرم‌افزار اتوماسیون طراحی الکترونیکی (EDA) و سایر ابزارها برای توسعه استفاده کنند.

چین اکنون میزبان چند شرکت طراحی تراشه هوش مصنوعی است. به‌عنوان مثال، یک نسخه کامل از LLM شرکت DeepSeek می‌تواند روی تراشه‌های هواوری، کامبریکون، موور تریدز و کنلون اجرا شود. نکته مهم این است که این شرکت‌ها هنوز به ریزمعماری ARM که توسط شرکت انگلیسی ژاپنی با همین نام طراحی شده و نیز به نرم‌افزار EDA از غرب وابسته‌اند، اگرچه هوآوی همچنین در تلاش برای بومی‌سازی نرم‌افزار EDA است.

تنگنا در مرحلۀ تولید تراشه

تمام شرکت‌های طراحی تراشه در چین برای همان ظرفیت تولید محدود ۷ نانومتری در SMIC و نیز برای حافظه با پهنای باند بالا و بسته‌بندی پیشرفته در حال رقابت هستند. درحالی‌که SMIC و سایر شرکت‌ها روی گسترش تولید کار می‌کنند، هوآوی به‌عنوان رهبر تولید نیمه‌رساناها، از مزیت بزرگی برخوردار است و به حداکثر ۷۰ درصدی از ظرفیت SMIC دسترسی دارد. هوآوی همچنین در سال ۲۰۲۲ تغییراتی را در تراشه ۹۱۰ خود که توسط شرکت TSMC تولید می‌شد و نیز به تراشه جدیدتر B۹۱۰ خود اعمال کرد که برای تولید در SMIC طراحی شده بود و این به برخی محدودیت‌های تولید اشاره دارد.

این تراشه جدید از تراشه قبلی عملکرد بهتری دارد، اما با وجود اندازه بزرگ‌تر قالب، هسته‌های کمتری دارد که می‌تواند عملکرد را محدود کند. علاوه بر این، در پایان سال ۲۰۲۴، شایعاتی مبنی بر این منتشر شد که هوآوی تراشه‌هایی را در TSMC با نقض کنترل‌های صادراتی آمریکا تولید کرده است که نشان می‌دهد قابلیت‌های SMIC محدودتر و از نظر کیفیت پایین‌تر از آن چیزی است که تصور می‌شد.

یکی دیگر از تنگناهای کلیدی، حافظه با پهنای باند بالا (HBM) است. بسیاری از وظایف هوش مصنوعی، به‌ویژه وظایفی که در آموزش و اجرای مدل‌های زبانی بزرگ دخیل هستند، به‌شدت به حافظه وابسته‌اند. هوآوی در حال همکاری با شرکت سازنده تراشه حافظه Tongfu Microelectronics برای توسعه HBM است، اما طبق گزارش‌ها، این شرکت قبل از اعمال محدودیت‌های صادراتی، حافظه قابل‌توجهی را از کره‌جنوبی نیز ذخیره کرده است.

به دلیل محدودیت‌های تولید، تراشه جدیدتر C۹۱۰ هوآوی تنها از دو قطعه B۹۱۰ تشکیل شده است که برای عملکرد بهتر در کنار هم قرار گرفته‌اند. این امر، بسته‌بندی پیشرفته را بااهمیت‌تر جلوه می‌دهد. چین در سال‌های اخیر در زمینه مونتاژ و آزمایش برون‌سپاری‌شده در جهان پیشرو است و بنابراین ظرفیت بسته‌بندی قابل‌توجهی در داخل کشور دارد.

اما این کارخانه‌ها بر بسته‌بندی غیرپیشرفته متمرکز بوده و اکنون باید برای ایجاد ظرفیت بسته‌بندی پیشرفته تطبیق داده شوند. شرکت «فناوری‌های زینگسن» تنها یکی از شرکت‌هایی است که با پشتیبانی هوآوی این کار را انجام می‌دهد.

مشکلات نرم‌افزاری؛ مانعی برای کاربرد تراشه‌ها

عملکرد ۹۱۰B، روی کاغذ، تقریباً با تراشه A۱۰۰ انویدیا، تراشه‌ای که در سال ۲۰۱۹ عرضه شد، برابری می‌کند. باوجوداین، در عمل، تراشه‌های هوآوی با مشکلاتی مواجهند که آن‌ها را از آنچه آمار عملکرد نشان می‌دهد، کم‌فایده‌تر می‌کند. قدرت تراشه‌ها مهم‌ترین عامل نیست. بیشتر حجم کاری هوش مصنوعی روی چند تراشه اعمال می‌شود.

انویدیا رهبر بلامنازع در طراحی تراشه‌های هوش مصنوعی در سطح جهان است، به‌ویژه به این دلیل که تراشه‌های آن حتی بین سرورها نیز به‌راحتی به یکدیگر متصل می‌شوند. بخشی از مزیت رقابتی انویدیا در CUDA (معماری دستگاه یکپارچه محاسباتی)، یک رابط برنامه‌نویسی و پلتفرم محاسبات موازی، نهفته است. CUDA به توسعه‌دهندگان اجازه می‌دهد تا کد را به‌راحتی بین تراشه‌های انویدیا منتقل کرده و راه‌حل‌هایی را برای مشکلاتی ارائه می‌دهد که از قبل در کد وجود دارند.

تاکنون بیشتر مدل‌های هوش مصنوعی با استفاده از CUDA نوشته شده‌اند، بنابراین تغییر به تراشه‌های غیر انویدیا پرهزینه است.

شرکت‌های چینی از دو طریق تلاش می‌کنند تسلط انویدیا را در حوزه ساخت تراشه به چالش بکشند. شرکت‌های کوچک‌تری چون «موور تیرید»، یک لایه سازگاری برای معماری دستگاه یکپارچه محاسباتی ارائه می‌دهند، به‌طوری‌که توسعه‌دهندگانی که به تراشه‌های آن‌ها روی می‌آورند نیازی به تغییر کد CUDA خود ندارند. اما معماری دستگاه یکپارچه محاسباتی برای تراشه‌های انویدیا بهینه شده و به طور مرتب به‌روزرسانی می‌شود، بنابراین لایه‌های سازگاری نیاز به پشتیبانی مداوم دارند و هرگز به‌اندازه یک چهارچوب با عملکرد بالای مشابه که به‌صورت بومی توسعه داده شده است، کارآمد نخواهند بود.

در مقابل، هوآوی تصمیم گرفت جایگزین خود برای معماری دستگاه یکپارچه محاسباتی (CUDA) یعنی CANN را توسعه دهد. اما CANN به آن اندازه بالغ و قابل‌استفاده نیست. تراشه‌های هوآوی هنوز دچار خرابی‌های تصادفی و مکرر بدون امکان بازیابی شده و توسعه‌دهندگان در انتقال مدل‌های خود به CANN مردد هستند. با ایجاد تغییرات در CANN، مدل‌های بعدی ممکن است سازگار نباشند، بنابراین مدلی که روی تراشه Ascend ۹۱۰B اجرا می‌شود برای اجرا روی تراشه مبتنی بر Ascend در آینده به تغییرات قابل‌توجهی نیاز خواهد داشت. این امر نوآوری و استقرار مدل را کند می‌کند.

ادامۀ وابستگی چین به تراشه‌های خارجی هوش مصنوعی

تراشه‌های هوآوی به‌ویژه برای دوره‌های آموزشی بزرگ LLM نامناسب هستند. چند ماه پیش، شرکت DeepSeek به‌عنوان پیشرفته‌ترین تراشه هوش مصنوعی هوآوی در آن زمان، اعلام کرد که تراشه Ascend ۹۱۰C برای آموزش کفایت نمی‌کند. انویدیا همچنان در بازار تراشه‌های هوش مصنوعی در چین پیشتاز است و بیش از یک میلیون تراشه H۲۰ خود را در سال ۲۰۲۴ به فروش رسانده است.

از سوی دیگر، هوآوی با وجود قیمت پایین‌تری که ارائه داده، تنها ۲۰۰ هزار تراشه هوش مصنوعی فروخته است. تا همین اواخر، انویدیا هنوز مجاز به فروش H۲۰ به عنوان پیشرفته‌ترین تراشه هوش مصنوعی خود به مشتریان چینی بود. درآوریل ۲۰۲۵، دولت ترامپ الزام صدور مجوز را برای صادرات H۲۰ به چین وضع کرد که احتمالاً شرایط را برای صنعت هوش مصنوعی چین سخت‌تر هم خواهد کرد.

علاوه بر نوآوری در تولید، توسعه‌دهندگان چینی در تلاشند تا از تراشه‌های محدود موجود خود بهتر استفاده کنند. به‌عنوان‌مثال، علی‌بابا روشی را برای آموزش همان مدل با استفاده از ترکیبی از تراشه‌های خارجی و داخلی توسعه داده است.

علاوه بر این، سازندگان سخت‌افزار چینی در حال ارائه ماشین‌هایی در مقیاس سرور هستند که با استفاده از تراشه‌ها و توان بسیار بالاتر، در عملکرد، با انویدیا رقابت می‌کنند. چین در حال حاضر از انرژی فراوان و قیمت‌های انرژی یارانه‌ای برخوردار است، بنابراین در مقایسه با غرب، موقعیت بهتری برای تأمین تقاضای انرژی هوش مصنوعی دارد.

لایۀ میانی: تسلط غول‌های فناوری چین بر مدل‌های داخلی یادگیری ماشینی

در لایه بعدی، از چهارچوب‌های یادگیری ماشینی برای ساده کردن فرایند توسعه و تسهیل آن استفاده می‌شود. آن‌ها رابط‌های استاندارد، کتابخانه‌ها و ابزارهایی برای طراحی، آموزش و تأیید الگوریتم‌های هوش مصنوعی هستند.

در حالی که توسعه‌دهندگان قادرند کد را از ابتدا بنویسند تا مدل‌ها را آموزش داده و مستقر کنند، استفاده از یک چهارچوب بسیار سریع‌تر و آسان‌تر است و امکان انتقال و تکرار به تراشه‌های جدید را فراهم می‌کند. چهارچوب‌ها را می‌توان به‌عنوان زبان مشترک توسعه هوش مصنوعی در نظر گرفت.

چهارچوب‌های پیش‌روی هوش مصنوعی در سطح دنیا، PyTorch و TensorFlow هستند که هر دو متن‌باز بوده و در اصل توسط شرکت‌های آمریکایی توسعه یافته‌اند. به دلیل پذیرش گسترده جهانی آن‌ها، توسعه‌دهندگان چینی مانند هوآوی در حال کمک به این چهارچوب‌ها برای پشتیبانی از پردازنده‌های گرافیکی داخلی هستند، در حالی که جایگزین‌های داخلی را نیز توسعه می‌دهند.

نخستین چهارچوب اصلی منتشرشده توسط یک شرکت چینی، PaddlePaddle شرکت Baidu بود که در سال ۲۰۱۶ منتشر شد. PaddlePaddle به‌طور نسبتاً گسترده‌ای در چین، به‌ویژه در صنعت، مورد استفاده قرار گرفته و شامل بسیاری از مدل‌های از پیش آموزش‌دیده برای حجم کار معمول هوش مصنوعی صنعتی است.

MindSpore به‌عنوان چهارچوب یادگیری ماشینی هوآوی، هم برای تراشه‌های هوش مصنوعی پرچمدار این شرکت، یعنی پردازنده‌های گرافیکی Ascend و هم برای یادگیری ماشینی مبتنی بر CPU در دسترس است.

این چهارچوب در سال ۲۰۲۰ به‌عنوان یک چهارچوب محاسباتی هوش مصنوعی با سناریوی کامل، متن‌باز شد. با این حال، فراتر از استفاده از آن برای مدل‌های از پیش آموزش‌دیده خود هوآوی و برخی از کشش‌های اولیه در هوش مصنوعی صنعتی، به نظر می‌رسد که پذیرش آن محدود است.

در مخزن کد منبع چینی Gitee، جست‌وجوی MindSpore حدود ۶۸۴ نتیجه را نشان می‌دهد، در حالی که TensorFlow و PyTorch هرکدام بیش از ۱۰ هزار نتیجه را نشان می‌دهند. با توجه به این‌که هوآوی توسعه MindSpore را به پلتفرم میزبان Gitee منتقل کرده است، این امر بیانگر آن است که پذیرش آن به‌طور قابل‌توجهی عقب مانده است. در نتیجه، هوآوی هنوز به‌طور فعال در حال توسعه افزونه‌هایی برای PyTorch و TensorFlow است تا پشتیبانی از پردازنده‌های گرافیکی Ascend را فعال کند.

هوآوی در سال ۲۰۲۳ به‌عنوان عضو برتر به بنیاد PyTorch پیوست. این شرکت همچنین در مشارکت در پروژه‌های متن‌باز در Github فعال است. از آن‌جایی که چهارچوب‌های PyTorch و TensorFlow هر دو متن‌باز بوده و مجوزهای بسیار سهل‌گیرانه‌ای دارند، بعید است که دولت آمریکا بتواند چین را در دسترسی به آن‌ها محدود کند.

لایۀ بالایی: رقابت شدید بر سر مدل‌ها و کاربردهای مدل‌های زبانی بزرگ

در صدر لایه فوقانی، کاربردهای هوش مصنوعی قرار گرفته است. با توجه به تمرکز اخیر برLLM‌ها، این گزارش بر ‌LLM‌ها و کاربردهای متعدد آن‌ها تأکید دارد. آن‌ها از زمان راه‌اندازی ChatGPT در اواخر سال ۲۰۲۲ به نقطه کانونی رقابت جهانی فناوری تبدیل شده‌اند. در چین اقداماتی برای مقابله با این چالش وجود دارد و دانشگاه‌ها و همچنین شرکت‌های خصوصی به‌طور گسترده برای توسعه ‌LLM‌ها وارد رقابت شده‌اند.

بودجه خصوصی فراوان و دسترسی به مدل‌های منبع‌باز جهانی، پیشرفت سریع چین را ممکن ساخته است. اگرچه چین در سال‌های نخست پس از انتشار ChatGPT از گردونه رقابت عقب ماند، اما مدل‌های داخلی با مدل‌های پیشروی غربی رقابت نکردند، زیرا این مدل‌ها پس از انتشار به‌سرعت ممنوع شدند.

با انتشار مدل‌های DeepSeek در اواخر سال ۲۰۲۴، چین به یکی از مشارکت‌کنندگان در توسعه LLM جهانی تبدیل شد.

توسعه نرم‌افزار فضای گسترده‌تری دارد، بنابراین حمایت مستقیم دولت از این لایه از فناوری، ارتباط کم‌تری دارد. یکی از اشکال قابل‌توجه، کوپن‌های دولتی استانی برای استارتاپ‌ها به‌منظور خرید یا اجاره قدرت محاسباتی برای آموزش مدل‌ها بوده است. این کوپن‌ها معمولاً از ۲۰ تا ۵۰ درصد هزینه‌های محاسباتی و تا مجموع سالانه ۶۹ میلیون و ۶۲۴ هزار دلار برای همه شرکت‌ها در سخاوتمندترین منطقه یعنی «شنژن» متغیر است.

گذشته از این مکانیسم، نقش دولت را می‌توان به بهترین شکل به‌عنوان ایجاد انگیزه در اکوسیستم به‌جای یارانه مستقیم توصیف کرد. صحنه LLM چین از بازیگران بزرگ و کوچک تشکیل شده است. غول‌های فناوری مستقر همگی روی مدل‌های خود کار می‌کنند. آزمایشگاه‌های پژوهشی دانشگاهی و تحت حمایت دولت نیز که بخش عمده‌ای از استعدادهای برتر هوش مصنوعی و شرکت‌های نوپای چین را تولید می‌کنند، همین‌گونه هستند.

در کنار شرکت‌های فناوری موجود که سعی در جذب این روند دارند، مجموعه‌ای از استارتاپ‌ها ظهور کرده‌اند. در نهایت، DeepSeek به‌عنوان یک شرکت نوظهور و تحول‌آفرین حضور دارد که از هانگژو، قطب نوظهور نوآوری هوش مصنوعی، برخاسته است.

در حالی که مدل‌های زبانی بزرگ در چین هنوز از پیشرفته‌ترین رقبای غربی عقب هستند، اکنون در معیارهای مختلف ارزیابی عملکرد خوبی دارند. چت‌بات Arena دانشگاه برکلی یک رتبه‌بندی محبوب به‌شمار می‌رود. امتیازهای آن با مقایسه جفت چت‌بات‌هایی به دست می‌آید که به‌صورت کورکورانه آزمایش شده و توسط داوطلبان رأی داده شده‌اند.

در مارس ۲۰۲۵، حدود ۲۰ امتیاز برتر شامل پنج ورودی چینی است که در صدر آن‌ها DeepSeek-R۱ در رتبه ششم قرار دارد. چت‌بات Qwen۲.۵-Max در رتبه دهم و GLM-۴-Plus-۰۱۱۱ شرکت Zhipu در رتبه چهاردهم قرار دارد. سایر مدل‌های جدول امتیازات از شرکت‌های پیشروی غربی از جمله xAI، OpenAI و گوگل هستند.

معیار مدل زبانی بزرگ SuperCLUE کامل‌ترین نگاه را به طیف گسترده‌ای ازLLM‌های چینی ارائه می‌دهد. این معیار عملکرد LLM را در وظایفی ارزیابی می‌کند که با استفاده از زبان چینی انجام می‌شوند. در مارس ۲۰۲۵، مدل o۳-mini از OpenAI با بالاترین امتیاز و پس از آن R۱ از DeepSeek قرار گرفت. سایر ‌LLM‌های چینی، از جمله جدیدترین مدل‌های Qwen، Hunyuan و ۳۶۰zhinao، با فاصله کمی از مدل‌های برتر گوگل و Anthropic قرار دارند.

حمایت دولت از اکوسیستم متن‌باز

مدل‌های زبانی بزرگ در مقایسه با لایه‌های سخت‌افزاری هوش مصنوعی، مسیر توسعه نسبتاً آسانی را در چین طی کرده‌اند که بخشی از آن به لطف رویه دیرینه توسعه نرم‌افزار متن‌باز است. بخش عمده‌ای از تحقیقات بنیادی LLM به شکل مقالات عمومی و مخازن کد بوده است که برای توسعه‌دهندگان در سراسر جهان برای تنظیم دقیق یا ساخت براساس آن‌ها رایگان است.

در نتیجه، بیشتر مدل‌های برتر از نظر معماری بسیار مشابه بوده و در عوض، خود را در مجموعه داده‌های آموزشی و تنظیم دقیق برای دستیابی به نتایج رقابتی در برابر معیارها متمایز می‌کنند. «متا» به ویژه در منبع‌باز کردن مدل زبانی سری LLaMA پیشرفته خود تأثیرگذار بوده است.

بسیاری ازLLM‌های پیشرو چینی از معماری زیربنایی برای مدل‌های خود، از جمله سری Baichuan شرکت Baichuan و سری Yi شرکت ۰۱. AI، استفاده می‌کنند.

منبع باز برای مدل‌های زبانی بزرگ اغلب به مفهوم کمی متفاوت از پروژه‌های نرم‌افزاری سنتی اشاره دارد. در آنچه که به طور دقیق‌تر به عنوان «وزن باز» توصیف می‌شود، وزن‌های مدل، که پارامترهای حاصل از یک مدل آموزش‌دیده مانند LLaMA یا DeepSeek هستند، به اشتراک گذاشته می‌شوند، در حالی که کد آموزشی و مجموعه داده‌ها اینگونه نیستند. توسعه‌دهندگان می‌توانند روی این مدل‌های باز، کدسازی کنند اما نمی‌توانند آن‌ها را از نو بسازند.

این امر پیامدهایی برای نهادهایی دارد که می‌خواهند مدل‌های وزن‌باز را مستقر کنند، زیرا دقت، مدیریت صحیح داده‌های حساس و IP و سوگیری بالقوه در داده‌های آموزشی قابل تأیید نیست. دولت چین مدت‌هاست که هم برای کاهش وابستگی به شرکت‌های فناوری خارجی و هم برای افزایش پیشرفت به سمت خودکفایی، جنبش متن‌باز را پذیرفته است. این کشور از کاربرد استانداردهای متن‌باز در بسیاری از فناوری‌ها، مانند RISC-V برای معماری طراحی تراشه و Kylin Linux برای سیستم عامل‌ها، حمایت کرده است.

در پاسخ به جهت‌گیری سیاست‌ها، کنسرسیومی از شرکت‌های فناوری چینی، بنیاد OpenAtom در سال ۲۰۲۰ راه‌اندازی کرد تا توسعه متن‌باز را در پروژه‌های فناوری پیشرفته ترویج دهد. این بنیاد یک نهاد حقوقی غیرانتفاعی ثبت شده در چین است که اولین بنیاد برای نرم‌افزارهای متن‌باز در چین به شمار می‌رود. این پلتفرم توسط پروژه‌هایی از غول‌های فناوری، مانند سیستم عامل OpenHarmony هوآوی، توسعه داده شده است.

شرکت‌ها و توسعه‌دهندگان نرم‌افزار چینی در جوامع متن‌باز عملکرد بسیار فعالی دارند. در سال ۲۰۲۴، توسعه‌دهندگان چینی حدود ۹ درصد از کل توسعه‌دهندگان GitHub را تشکیل می‌دادند، که بزرگ‌ترین مخزن کد منبع در جهان و یکی از معدود پلتفرم‌های اینترنتی بزرگ غربی باقی مانده است که هنوز در داخل چین فعالیت می‌کند.

وزارت صنعت و فناوری اطلاعات چین (MIIT) برای ایجاد یک جایگزین داخلی، برای تضمین دسترسی مداوم و نیز برای کنترل بهتر فعالیت‌ها در این پلتفرم، در سال ۲۰۲۰ از پلتفرم میزبان محلی Gitee حمایت کرد. این پلتفرم تا حدودی مورد توجه کاربران چینی قرار گرفته و به دلیل سرعت دسترسی سریع‌تری که در داخل چین دارد و نیز بومی‌سازی بهتر، مورد ستایش قرار گرفته است، اما بسیاری هنوز GitHub را برای تعامل با جامعه بین‌المللی ترجیح می‌دهند.

سیستم ابری علی بابا یا Aliyun، یکی از پیشگامان در حوزه پلتفرم‌های متن‌باز هوش مصنوعی چین به شمار می‌رود. سری Qwen آن به طور مرتب در صدر جدول‌های منبع‌باز قرار دارد. علی بابا، همچنین پلتفرم ModelScope را اداره می‌کند؛ پلتفرمی برای مدل‌های هوش مصنوعی متن‌باز که از پلتفرم Hugging Face الهام گرفته است که به مقصد پیش فرض پروژه‌های LLM متن‌باز در سطح جهان تبدیل شده است.

استفاده از پلتفرم Hugging Face در چین ممنوع شده که بیانگر حساسیت سیاسی پیرامون هوش مصنوعی مولد است. بسیاری از شرکت‌های چینی، در حالی که پیشرفته‌ترین مدل‌های تجاری خود را به صورت متن‌باز نگه می‌دارند، با متن‌باز کردن مدل‌های کمی قدیمی‌تر در جمع پلتفرم‌های منبع‌باز شرکت می‌کنند.

DeepSeek و چالش گسترش

عرضه مدل R۱ شرکت DeepSeek در ژانویه امسال، ورود این استارت‌آپ کمتر شناخته‌شده را به عرصه مدل‌های زبانی بزرگ رقم زد و آگاهی گسترده‌تری ازLLM‌های چینی در خارج از چین به ارمغان آورد. استفاده بسیار کارآمد DeepSeek از منابع محاسباتی برای دستیابی به عملکردی مشابه مدل‌های بسیار گران‌تر، بحث‌هایی را از رقابت‌پذیری هوش مصنوعی چینی گرفته تا اثربخشی محدودیت‌های صادرات تراشه برانگیخته و حتی باعث کاهش شدید قیمت سهام Nvidia شد.

پیشرفت شرکت DeepSeek در ترکیب راه حل‌های فنی موجود برای کاهش اساسی منابع محاسباتی موردنیاز برای آموزش و اجرای یک مدل در سطح جهانی نهفته است. طرح‌های ارتباطی سفارشی بین GPU‌ها (واحد پردازنده گرافیکی) نیز به کاهش زمان آموزش کمک کرد. مدل‌های DeepSeek وزن‌باز بوده و مقالات تحقیقاتی این شرکت که به توصیف این نوآوری‌ها می‌پردازد، به پیشرفت در توسعه LLM کمک کرده‌اند.

شرکت DeepSeek در خارج از جامعه فناوری، به دلیل عملکرد بالای خود که با قیمتی بسیار پایین‌تر ارائه می‌شود، توجه‌ها را به خود جلب کرده است، اگرچه در مورد هزینه‌های واقعی آموزش و دسترسی مدل‌های آن اختلاف‌نظرهایی وجود دارد. نکته مهم اینجاست که این امر بحث‌هایی را در مورد ورود مدل‌های بزرگ زبانی چین به رقابت در بازار جهانی ایجاد کرد و سؤالاتی را در مورد سانسور و جمع‌آوری داده‌ها توسط دولت چین مطرح کرد.

باوجوداین، DeepSeek به عنوان یک استارتاپ، زیرساخت لازم را برای ارائه محصولات خود در مقیاس بزرگ در اختیار ندارد. نتایج یک آزمایش روی پلتفرم‌های چینی که توسط DeepSeek ارائه می‌شود، چالش‌هایی را نشان می‌دهد که شرکت‌ها در پشتیبانی از مدل‌های برتر با آن مواجه هستند. این آزمایش توسط SuperCLUE روی ۱۸ پلتفرم چینی از جمله نسخه‌های رایگان و پولی انجام شد که DeepSeek-R۱ را در فوریه ۲۰۲۵ ارائه می‌دادند.

نتایج ضعیف بود و زمان پاسخگویی برای سؤالات طولانی بود و تعداد پاسخ‌های ناقص یا عدم پاسخ نیز بالا بود. بهترین عملکرد مربوط به شرکت‌های آمریکایی «پرپلکسیتی» و «توگدر ای. آی» بود که گواهی بر اهمیت دسترسی به تراشه‌های پیشرفته در استقرار مؤثر LLMهاست.

بهترین میزبان چینی DeepSeek، مدل VolcEngine به عنوان سرویس ابری ByteDance است. این سرویس که پس از سه شرکت بزرگ علی‌بابا، هوآوی و تنسنت، تقریباً تازه‌وارد محسوب می‌شود، سعی دارد با دو برابر کردن پیشنهادهای هوش مصنوعی، به این جایگاه برسد.

در مجموع، بازار ابری چین بسیار کوچک‌تر از بازار آمریکاست که بخشی از آن به دلیل پذیرش کمتر راه حل‌های ابری عمومی توسط شرکت‌هاست. در حالی که ارائه‌دهندگان خدمات ابری به دنبال گسترش سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی هستند، شرکت‌ها نیز از راه‌حل‌های خصوصی استقبال می‌کنند که به آن‌ها دسترسی سریع می‌دهد.

محبوبیت دستگاه‌های «همه‌کاره» که مدل‌های DeepSeek را ارائه می‌دهند، این موضوع را نشان می‌دهد. در نهایت، پذیرش گسترده و دسترسی آسان به مدل‌های زبانی بزرگ، همان چیزی است که انتشار فناوری هوش مصنوعی را به نوآوری در زمینه‌های مختلف سوق می‌دهد.

محدودیت‌های خارجی و اولویت‌های دولت و الزام در چرخش به سمت کاربردها

ورود DeepSeek به نوعی پایان دوران «نبرد صدها مدل» را رقم می‌زند که در آن بسیاری از شرکت‌ها توسعه مدل‌های زبانی بزرگ را دنبال می‌کردند. شرکت ۰۱. AI، اعلام کرده است که آموزش مدل‌های جدید را متوقف و در عوض بر ارائه راه حل‌های مبتنی بر DeepSeek تمرکز خواهد کرد؛ در این بین، شرکت «بایچوان» به هوش مصنوعی پزشکی روی آورده است و Kimi نیز در حال بررسی فرصت‌ها در کاربردهای خاص‌تر است.

برخی شرکت‌ها در جامعه هوش مصنوعی از تغییر در تمرکز از قابلیت‌های جدید مدل‌های زبانی بزرگ به سمت کاربردی‌سازی مدل‌های موجود دفاع می‌کنند. فراتر از قدرت سنتی چین در بهره‌مندی از نوآوری‌های موجود و استفاده از نمونه‌های جدید در حال توسعه، دلایل مختلفی برای این رویکرد عملگرایانه وجود دارد. نخستین دلیل، کمبود تراشه‌های جدید هوش مصنوعی در چین به دلیل محدودیت‌های صادراتی آمریکاست.

در حالی که توسعه‌دهندگان مدل‌های هوش مصنوعی برای استفاده از تراشه‌های هوش مصنوعی ساخت چین تلاش می‌کنند، وابستگی به تراشه‌های انویدیا به طور گسترده مورد تأیید قرار گرفته است. بسیاری از شرکت‌ها و مؤسسات به ذخایری تکیه داشتند که پیش از اعمال محدودیت‌های صادراتی به دست آورده و از راه دور و از طریق ارائه‌دهندگان خدمات ابری یا در برخی موارد به تراشه‌های قاچاق دسترسی داشتند.

دولت هانگژو نمونه موفقی از فضای استارتاپی را با حمایت‌های مالی و سایر انگیزه‌ها تقویت می‌کند. در این فضا، ۶ استارتاپ هوش مصنوعی از جمله DeepSeek حضور دارند که موج تازه‌ای از فناوری‌های نوآورانه را نشان می‌دهد که از دل اکوسیستم فناوری چین برخاسته‌اند.

یک چهارم دانشمندان هوش مصنوعی در چین فارغ‌التحصیل شده‌اند

دستیابی به خوداتکایی در هوش مصنوعی به عوامل داخلی و خارجی مرتبط است. لایه‌های هوش مصنوعی به چند ورودی متکی است که دسترسی به آن‌ها برای هر کشور یا منطقه‌ای جهت رقابت در سیستم‌های پیشرفته هوش مصنوعی بسیار اهمیت دارد. این ورودی‌ها عبارتند از سرمایه، استعداد، داده‌ها و زیرساخت‌ها. درک دسترسی و نقش این ورودی‌های هوش مصنوعی در چین در ارزیابی قابلیت‌های آن و نیز پیشرفت بالقوه فناوری در سال‌های آینده بسیار مهم است.

از نظر سرمایه، نقش سرمایه‌گذاری آمریکا، که زمانی سهم قابل توجهی در اکوسیستم هوش مصنوعی چین داشت، به شدت کاهش یافته است. پیش از آن که دولت بایدن چهارچوبی را معرفی کند که به وزارت خزانه‌داری اجازه دهد سرمایه‌گذاری آمریکا در صنایع فناوری چین از جمله هوش مصنوعی را بررسی و در برخی موارد ممنوع کند، سرمایه‌گذاری خطرپذیر آمریکا شروع به کاهش کرده بود و در سال ۲۰۲۲ به پایین‌ترین سطح ۱۰ ساله خود، یعنی یک میلیارد و ۳۰۰ میلیون دلار رسید که نسبت به ۱۴ میلیارد و ۴۰۰ میلیون دلار در سال ۲۰۱۸ کاهش یافته بود.

این امر باعث می‌شود شرکت‌های هوش مصنوعی چینی برای تأمین مالی رشد خود به منابع جایگزین سرمایه، یعنی صندوق‌های مالی و نیز سرمایه‌گذاران ثروتمند در مکان‌هایی مانند کشورهای خلیج فارس، روی آورند. اگرچه بازار سرمایه‌گذاری خطرپذیر این کشور از سال ۲۰۲۱ رو به کاهش بوده، اما چین در سال ۲۰۲۴ شاهد ۷۱۵ معامله در بخش هوش مصنوعی به ارزش ۷ میلیارد و ۳۰۰ میلیون دلار بوده است که بالاتر از هر کشور دیگری در آسیاست.

چین در ژانویه ۲۰۲۵، سرمایه‌گذاری جدیدی بالغ بر ۸ میلیارد و ۲۰۰ میلیون دلار روی هوش مصنوعی انجام داد که قرار است صرف بخش‌های حیاتی فناوری شود که کمیسیون توسعه و اصلاحات ملی (NDRC) طی دو جلسه مقرر کرده بود. سرمایه‌گذاران فصلی در اکوسیستم فناوری چین هشدار داده‌اند که سرمایه ایالتی می‌تواند منجر به کاهش روند نوآوری در کشور شود.

تجربه DeepSeek نشان می‌دهد که جوانان باانگیزه و باهوشی که اغلب مهندسان و کارآفرینانی هستند که در داخل تحصیل کرده‌اند، می‌توانند نوآوری‌های جدیدی را در چین توسعه داده و تجاری‌سازی کنند. آمارها در سال ۲۰۲۲ نشان داد که یک‌چهارم دانشمندان برجسته هوش مصنوعی دنیا مدارک کارشناسی خود را از یکی از دانشگاه‌های چین دریافت کرده‌اند. بیشتر این استعدادهای برتر انتخاب می‌کنند که در کشور خود زندگی و کار کنند که نسبت آن‌ها ۲۸ درصد گزارش شده است.

به عبارتی، در حالی که آمریکا بزرگ‌ترین دربردارنده استعدادهای برجسته هوش مصنوعی در دنیاست، اما چین به سرعت این شکاف را پر کرده و به آمریکا نزدیک می‌شود. اما با وجود این هنوز هم کمبود کارگران هوش مصنوعی مشاهده می‌شود. پژوهش‌ها بیانگر آن است که چین حدود ۴۰ درصد از مقالات پر استناد هوش مصنوعی را در سال ۲۰۲۱ از آن خود کرد و در سال ۲۰۱۶ از سد آمریکا هم گذشت.

«مرکز فناوری‌های امن و نوظهور» (CSET) نشان می‌دهد که سهم قابل توجه چین از پژوهش‌های پر استناد هوش مصنوعی با مشارکت محققان آمریکایی محقق شده است؛ اگرچه، بسیاری از حجم بالای مقالات چین در ارتباط با آمریکا می‌تواند منجر به تولید مقالات غیرمشارکتی شود.

مشارکت تحقیقاتی هوش مصنوعی بین چین و آمریکا به‌رغم تنش‌های ژئوپلیتیکی، انعطاف‌پذیر باقی مانده است اگرچه پیش از سال ۲۰۲۰ چنین رشدی وجود نداشت. «داده» یکی دیگر از ترکیبات حیاتی در توسعه هوش مصنوعی است.

در دسترس بودن داده‌هایی در مقیاس وسیع مزیتی برای شرکت‌های چینی در بخش‌هایی چون دید کامپیوتری و کاربردهای مرتبطی چون تشخیص بیومتریک به شمار می‌رود و به عبارتی، سیاست صنعتی پیشگیرانه برای اقتصاد داده می‌تواند به حل برخی چالش‌های صنعت هوش مصنوعی این کشور کمک کند.

چین در رقابت برای ایجاد زیرساخت هوش مصنوعی، هم ضعف دارد و هم قدرت. ترکیب قیمت پایین برق و استراتژی انرژی رو به جلو شامل طرح‌هایی برای ساخت نخستین راکتور هیبریدی همجوشی – شکافت هسته‌ای دنیا تا سال ۲۰۳۱ و نمونه نوآوری سخت‌افزاری هوش مصنوعی که شرکت DeepSeek در آن پیشرو است، می‌تواند به چین در برقراری تعادل بین امنیت انرژی و توسعه فناورانه کمک کند.

از سوی دیگر، تبلیغات حول محور مدل‌های زبانی بزرگ در میان بازیگران تجاری و دولت‌های محلی، منجر به سرمایه‌گذاری‌های بی‌فایده تا ۸۰ درصد از منابع محاسباتی تازه ساز و بلااستفاده شده است.

تأثیر محدودیت‌های صادراتی سخت‌افزاری بر مسیر چین

وقتی از چشم‌انداز بومی‌سازی هوش مصنوعی چین صحبت می‌شود، باید عوامل خارجی به ویژه محدودیت‌های صادراتی دولت‌های خارجی و نیز تأثیر احتمالی آن‌ها را بر اکوسیستم هوش مصنوعی این کشور هم مدنظر قرار داد. آمریکا در اکتبر ۲۰۲۲، محدودیت‌های صادراتی یک جانبه‌ای را بر نیمه‌رساناها، نرم‌افزار طراحی تراشه، و تجهیزات ساخت تراشه اعمال کرد. این محدودیت‌ها در سال ۲۰۲۳ و ۲۰۲۴ تقویت و تمدید شد.

توسعه‌دهندگان مدل‌های زبانی بزرگ در چین، برای دستیابی به GPU‌های طرح آمریکا برنامه‌ریزی کردند تا به مدل‌های آن‌ها برای آموزش و به‌کارگیری از آن‌ها دسترسی پیدا کنند. DeepSeek مدعی شده است که برای آموزش مدل R۱ از حدود ۲۰۴۸ نمونه H۸۰۰ GPU ساخت شرکت انویدیا استفاده کرده است که واشنگتن در اکتبر ۲۰۲۳ آن را ممنوع اعلام کرده است. این شرکت پیش از این به ۱۰ هزار نمونه از A۱۰۰ GPU با قدرت کمتر دسترسی داشت. دولت ترامپ چهارچوب انتشار هوش مصنوعی را که توسط بایدن به منظور کنترل گسترش قابلیت‌های توسعه یافته هوش مصنوعی اعمال شده بود، لغو کرد.

این اقدام به واسطه سیستم لایه‌بندی مرتبط با ترکیبی از شکاف‌های صادراتی و الزامات امنیتی برای آموزش و به کارگیری مدل‌های هوش مصنوعی انجام می‌شود. دولت قبلی آمریکا براین باور بود که کشورهایی چون امارات و مالزی به عنوان مراکز حمل و نقل GPU‌های محدودشده در چین عمل خواهند کرد.

اساساً آمریکا با جدایی چین از شکل‌دهی تصمیمات فناورانه به دنبال تثبیت رهبری شرکت‌های خود در اکوسیستم جهانی هوش مصنوعی و مدیریت ریسک امنیتی بوده است. در این میان، ترامپ به دنبال شکل‌دهی دوباره چهارچوب‌های خود است.

تغییر مسیر رشد لایه‌های هوش مصنوعی تحت‌تأثیر عوامل خارجی

دولت چین، هوش مصنوعی را به عنوان یک فناوری حیاتی نگاه می‌کند که تمام تلاش خود را برای تقویت خوداتکایی به این فناوری به ویژه تولید تراشه‌های هوش مصنوعی تولید داخل انجام می‌دهد. در حالی که شرکت‌های چینی طراحی خوبی برای تراشه‌ها انجام می‌دهند، باز هم تحت تأثیر توانمندی‌های داخلی ساخت تراشه هستند. این فرایند با اعمال محدودیت‌های صادراتی اعمال شده از سوی آمریکا، ژاپن و هلند در زمین تجهیزات تولیدی تحت تأثیر قرار می‌گیرد.

علاوه براین، مزیت انویدیا نه تنها در بخش سخت‌افزاری بلکه در نرم‌افزار و قابلیت‌های تراشه‌ای مشاهده می‌شود که تکثیر آن را دشوار کرده است. در حالی که معدودی از طراحان تراشه در چین در حوزه هوش مصنوعی فعال هستند، هوآوی به عنوان سردمدار تراشه‌های هوش مصنوعی ظهور کرده است.

این شرکت اکوسیستم کاملی از تراشه‌ها، چهارچوب‌های محاسباتی و چهارچوبه‌های هوش مصنوعی ایجاد کرده است. این امر در کنار حمایت‌های دولتی، رقابت را برای شرکت‌های هوش مصنوعی تراشه‌ساز چینی دشوار می‌کند؛ در حالی که چند طراح تراشه چینی قادرند در حوزه تراشه‌های هوش مصنوعی با ظرفیت نهایی شرکت SMIC رقابت کنند. هوآوی در این میان، از مزیت بالایی برخوردار است.

در چهارچوب‌های یادگیری ماشینی که برای ساخت مدل‌های زبانی بزرگ و سایر مدل‌های هوش مصنوعی مورد استفاده قرار می‌گیرند، غول‌های فناوری مانند «بایدو» و هوآوی تلاشی طولانی برای جایگزینی چهارچوب‌های جهانی با جایگزین‌های محلی در دستور کار خود قرار می‌دهند که اولویت توسعه‌دهندگان چینی هوش مصنوعی به شمار می‌رود. شرکت‌های کوچک‌تر تلاش می‌کنند حمایت از تراشه‌ها را به چهارچوب‌های جهانی اضافه کنند.

در این میان، دولت چین از تلاش‌ها برای پذیرش چهارچوب‌های محلی به ویژه در توسعه کاربردها حمایت می‌کند. چین کاملاً در توسعه و پذیرش مدل‌های رقابتی LLM به خودکفایی رسیده و شرکت‌های متعددی را در این فضای رقابتی در اختیار دارد.

۷ درس سیاستی برای اروپایی‌ها و شاید ایران

تجربه‌ای که چینی‌ها در حوزه فناوری هوش مصنوعی طی سال‌ها به دست آورده‌اند، می‌تواند دانسته‌ها و درس‌های زیادی را برای سایر کشورها به همراه داشته باشد و از آن به عنوان یک نقشه راه برای طی مسیر خود استفاده کنند. به عنوان مثال، در انتهای این گزارش، نکاتی به سیاستمداران اروپایی پیشنهاد شده که علاوه بر کاربردی بودن برای کشورهای قاره سبز، در داخل ایران هم می‌تواند کاربرد داشته و از اهمیت بالایی برخوردار باشد.

بهره‌مندی اروپا از فناوری هوش مصنوعی چین در مسیر توسعه

شرکت چینی DeepSeek بسیاری از کاربران اروپایی را به خود جذب کرده و همین امر منجر به بررسی دقیق داده و شیوه‌های تعدیل محتوا شده است. قانون‌گذاران و تنظیم گران، مسئول اجرای «قانون حفاظت از داده‌های عمومی» (GDPR) هستند و قانون هوش مصنوعی باید در نظر داشته باشد که توسعه‌دهندگان مدل زبانی بزرگ چین به امنیت ملی «حزب کمونیست چین» (CCP) و تقاضا برای سانسور مقید هستند.

پیروی از اولویت‌های استراتژیک برای بومی‌سازی هوش مصنوعی

مدل نوآوری چین، به ناکارآمدی در دستیابی به اهداف استراتژیک بها می‌دهد. اروپا به جای صرف منابع عظیم برای ایجاد یک مسیر مستقل، اگر براساس اولویت‌های روشن، بر مزیت نسبی و منافع استراتژیک خود تمرکز کند، ممکن است شانس بهتری داشته باشد.

رفع عقب‌ماندگی زیرساخت اروپا در پذیرش راه حل‌های هوش مصنوعی

این عقب‌افتادگی اروپا باید مورد توجه قرار گیرد. چین با ترکیبی از پروژه‌های زیرساخت ابری، پذیرش را ایجاد می‌کند، در حالی که ابرمقیاس‌سازان خدمات ابری آمریکا می‌توانند روی تعدد تراشه‌ها و کاربران حساب کنند. اروپا باید مسیر خود را پیدا کند. اصلاحاتی نیز لازم است تا اتحادیه اروپا بتواند استعدادهای برتر را جذب و حفظ کند.

بهره‌مندی اروپا از قدرت صنعتی برای ساخت کاربردهای هوش مصنوعی

فرصت‌هایی که به واسطه مدل‌های محاسباتی DeepSeek فراهم شده، باید مورد ارزیابی قرار گیرند. «هایپراسکیل‌ها» (قابلیت یک سیستم برای مقیاس‌پذیری بسیار بالا) نسبت به تراشه‌ها، بهترین مدل‌های عمومی مورد هدف را منتشر می‌کنند. داده صنعتی اروپا می‌تواند به عنوان پایه‌ای برای مدل‌های کوچک‌تر عمل کند که اغلب مناسب وظایف ویژه است.

رقابت در لایه‌های پایین‌تر هوش مصنوعی

حتی چین با استراتژی دولتی و سرمایه‌گذاری واضحی که دارد، برای توسعه تراشه‌های رقابتی هوش مصنوعی می‌جنگد. اروپا به جای تمرکز روی حوزه‌های غیررقابتی، باید از جایگاه ویژه‌ای که دارد در زمینه تأمین زنجیره‌های نیمه‌رساناها بهره ببرد.

استفاده از تجربه چین در حرکت به سمت اقدامات ملی‌گرایانه فناوری

شرکت‌های خصوصی مانند DeepSeek که از ابتدا با ارتباطات و حمایت‌های محدودی روبه‌رو بوده‌اند، اغلب می‌توانند مخرب‌تر باشند. در مقابل، تلاش‌ها برای سوق دادن انتخاب‌های شرکت‌ها و توسعه‌دهندگان هوش مصنوعی به سمت دستور کارهای ملی‌گرایانه فناوری به ندرت نتیجه بخش خواهد بود.

تداوم رقابت ژئوپلیتیکی برای شکل‌دهی به انتخاب‌های اروپا

آمریکا و چین هر دو تسلط بر هوش مصنوعی را دنبال می‌کنند و اکوسیستم آن‌ها در حال تقسیم شدن در همین راستاست. اتکا به سخت‌افزار آمریکا، می‌تواند اروپا را در معرض محدودیت‌های تأمین یا حتی اجبار قرار دهد. اما جایگزین‌هایی چون تراشه‌های هوش مصنوعی هوآوری در کنار دشواری‌های فنی، ممکن است خطرات امنیتی یا حتی نقض محدودیت‌های صادراتی آمریکا را نشان دهد.