گُو جیا-شی
دکترای اقتصاد، تحلیلگر ارشد اقتصادی
منتشر شده در گوانچا چین
ترجمه مجله جنوب جهانی
خرید مانوس به طور ناگهانی متوقف شد، زیرا هوش مصنوعی از یک ابزار جهانی به یک دارایی استراتژیک تبدیل میشود.
در پی فراز و نشیبهای آغاز سال، پروندهی خرید و تملک «Manus» که مدتی به خاموشی گراییده بود، بار دیگر بر سر زبانها افتاد: در تاریخ ۲۷ آوریل، «کمیسیون ملی توسعه و اصلاحات چین» رسماً اعلام کرد که «دفتر مکانیسم بازنگری امنیت سرمایهگذاری خارجی»، مطابق قوانین و مقررات، تصمیم به ممنوعیت سرمایهگذاری خارجی در پروژهی خرید «Manus» گرفته و از طرفین معامله خواسته است تا این دادوستد را لغو نمایند.
این نخستین مورد از توقف علنی یک خرید خارجی در حوزهی هوش مصنوعی، از زمان اجرای «روشنامهی بازنگری امنیت سرمایهگذاری خارجی» در سال ۲۰۲۰ تاکنون است؛ و در چارچوب همین روشنامه، سختگیرانهترین حکم ممکن صادر شده است، چرا که متن قانون صراحت دارد: «در موارد ممنوعیت سرمایهگذاری، هیچگونه اقدامی برای اجرای آن مجاز نیست».
علت اصلی لرزهای که این رخداد در پیکرهی کل صنعت انداخته، شکستن تصوری است که بسیاری پیشتر دربارهی صنعت هوش مصنوعی در سر میپروراندند: اینکه فناوری هوش مصنوعی صرفاً ابزاری همگانی و اینترنتمحور است. اما این رویداد هشداری است جدی که هوش مصنوعی، بهویژه «ایجنتهای هوش مصنوعی عمومی»، دیگر کالایی تجاریِ معمولی نیست؛ چرا که با تبدیلشدن به دروازهی اجرای وظایف، همزمان با توانایی مدل، دادههای کاربران، فرآیندهای کسبوکار، اکوسیستم صنعتی و کنترل فناوری گره میخورد.
در دو سال اخیر، روایت «برابریخواهی و همگانیسازی هوش مصنوعی» محبوبترین گفتمان فناوری بود؛ اما از انحصار مدلهای برتر و کاهش خدمات اشتراکی گرفته تا کمبود عرضهی توان پردازشی و بروز بازنگری امنیتی در خریدهای فرامرزی، هوش مصنوعی اکنون ساختاری لایهلایه یافته است: برای افراد، لایهبندی بر مبنای قیمت و تجربهی کاربری؛ برای بنگاهها، لایهبندی بر پایهی بهرهوری و توان سازمانی؛ و برای کشورها، لایهبندی در کنترل توان پردازشی، مدل، داده و دروازههای ایجنت. هوش مصنوعی در حال تبدیلشدن به دارایی استراتژیک ملی است و همگانیسازی واقعی آن، هرگز بر بنیاد وابستگی به تواناییهای کلیدیِ در دست دیگران استوار نخواهد شد.
با توقف خرید «Manus»، هوش مصنوعی دیگر کالایی معمولی نیست
در ۲۷ آوریل، «کمیسیون ملی توسعه و اصلاحات چین» خبر داد که «دفتر مکانیسم بازنگری امنیت سرمایهگذاری خارجی»، مطابق قوانین، خرید خارجی پروژهی «Manus» را ممنوع اعلام کرده و از طرفین خواسته است معامله را لغو کنند.
صفحهی اصلی وبسایت «Manus» نشان میدهد که «اکنون بخشی از «Meta» شده است».
این خبر تنها از آنرو جلب توجه کرد که «Manus» یکی از پروژههای ایجنت هوش مصنوعی بود که در سال گذشته بیشترین بازتاب را داشت؛ بلکه از آنجهت که ایجنت با رباتهای گفتوگومحور معمولی تفاوت دارد. ایجنت تنها به پرسشها پاسخ نمیدهد، بلکه میتواند حول یک هدف، وظایف را خرد کند، ابزارها را فراخواند، در وب جستوجو نماید، پروندهها را پردازش کند، کد اجرا نماید و نتیجه تحویل دهد. در گذشته میگفتیم هوش مصنوعی «به شما کمک میکند بگویید»؛ اما ایجنت اکنون آغاز به «انجام دادن به جای شما» کرده است.
وقتی چنین محصولی وارد جریان کاری شود، آنچه انباشته میشود تنها سوابق پرسش کاربران نیست، بلکه زنجیرهی وظایف، فرآیندهای کسبوکار، دادههای صنعتی، ساختار دانش و عادتهای اجرایی سازمان است. از اینرو، توقف «Manus» را نمیتوان صرفاً به مانعتراشی برای یک ادغام فرامرزی تقلیل داد. پیامی که این رویداد مخابره میکند آن است که وقتی هوش مصنوعی از ابزار به دروازه، و از کاربرد به زیرساخت تبدیل میشود، وارد حوزهای میگردد که در آن فناوریهای کلیدی، امنیت داده، کنترل صنعتی و امنیت ملی با یکدیگر همپوشانی دارند.
در دو سال گذشته، مردم عادت کرده بودند هوش مصنوعی را ابزاری برای پردازش اطلاعات ببینند: نوشتن مقاله، ساخت ارائه، کدنویسی، پژوهش، یا تنظیم صورتجلسات. اما پرسش کلیدیتر اینجاست: تواناییهای برتر هوش مصنوعی در دست چه کسی است؟ چه کسی توان پردازشی را کنترل میکند؟ چه کسی بر دادهها سلطه دارد؟ و چه کسی تعیین میکند که دروازهی دسترسی به چه کسی باز یا بسته شود؟
دقیقاً به همین دلیل است که هوش مصنوعی نهتنها در حال گرانتر، کمیابتر و لایهلایهتر شدن است، بلکه دارد به یک دارایی استراتژیک تبدیل میشود.
شکاف در روایت همگانیسازی هوش مصنوعی
در دو سال اخیر، پرطرفدارترین روایت صنعت هوش مصنوعی، «برابری و دسترسی همگانی» بود: هر کس با گشودن پنجرهی یک چتبات هوش مصنوعی، میتوانست به تواناییهایی نزدیک به دستیار متخصص دست یابد؛ افراد عادی نیز قادر به کدنویسی، پژوهش، تولید تصویر و تحلیل داده باشند؛ و بنگاههای کوچک و متوسط بدون نیاز به تیمهای بزرگ فناوری اطلاعات، بتوانند با اتصال به مدلها بهرهوری خود را ارتقا دهند.
این روایت کاملاً نادرست نیست. هوش مصنوعی مولد با سرعتی حیرتانگیز گسترش یافته است. پژوهش «فدرال رزرو سنت لوئیس» دربارهی کاربرد هوش مصنوعی مولد در آمریکا نشان میدهد که تا اوت ۲۰۲۵، ۵۴.۶ درصد از بزرگسالان ۱۸ تا ۶۴ سالهی آمریکا حداقل یکبار از هوش مصنوعی مولد استفاده کردهاند؛ نرخ استفاده در محیط کار ۳۷.۴ درصد و در خارج از کار ۴۸.۷ درصد بوده است. این سرعت گسترش، بهوضوح از سرعت فراگیر شدن رایانههای شخصی و اینترنت در مراحل اولیهی خود پیشی گرفته است.
اما مسئله اینجاست که «استفاده از هوش مصنوعی» با «در اختیار داشتن واقعی توانایی هوش مصنوعی» یکسان نیست. گشودن یک پنجرهی چت رایگان، بهمعنای دسترسی به قویترین مدل نیست؛ و آزمایش یک ابزار، تضمینکنندهی دریافت پایدار خدمات هوش مصنوعی با کیفیت بالا، زمینهی متنی طولانی، توان پردازش همزمان و سطح امنیتی برتر نیست.
در مدتی اخیر، کاربران آغاز به درک چند تغییر کردهاند:
نخست، تواناییهای برتر هوش مصنوعی هرچه بیشتر از دسترس عموم مردم دور میشوند. هرچه قابلیتها به امنیت سایبری، اجرای خودکار کد، زیرساختهای حیاتی، استدلال پیچیده و زنجیرهی وظایف ایجنت نزدیکتر باشند، احتمال قرارگیری آنها در چارچوبهای سازمانی، فهرستهای سفید، شرکای تجاری یا نظامهای بازنگری امنیتی بیشتر است.
دوم، احراز هویت و بازنگری انطباق در حال سختگیرانهتر شدن است. پلتفرمهای هوش مصنوعی بیش از پیش بر هویت کاربر، منطقهی جغرافیایی، نوع کاربرد و طبقهبندی ریسک تمرکز میکنند. در حالی که محصولات اینترنتی گذشته بر «ثبتنام و استفادهی فوری» تأکید داشتند، تواناییهای پیشرفتهی هوش مصنوعی امروز بیش از پیش به «استفاده پس از بازنگری» نزدیک شدهاند.
سوم، خدمات اشتراکی در حال کوچکشدن هستند. تجربهی رایج در محصولات اولیهی هوش مصنوعی این بود که با پرداخت حق اشتراک ماهانهای ثابت، میتوان با فراخی نسبی از طیف وسیعی از قابلیتها بهره برد. اما با افزایش هزینهی استدلال، رشد حجم فراخوانیها و گسترش پنجرهی زمینهی متنی، محصولات بیشماری اکنون محدودیت سهمیه، نرخ فراخوانی و تعداد دفعات استفاده اعمال میکنند؛ و حتی برای مدلها، کارکردها و سناریوهای مختلف، تعرفههای لایهبندیشده در نظر میگیرند.
چهارم، عرضهی توان پردازشی همواره کافی نیست. برخی برنامههای اشتراک مدلهای پیشرفتهی داخلی بهمحض باز شدن، به سرعت تمام میشوند؛ و برخی مدلهای پیشرفتهی خارجی در اوج مصرف، با کاهش سرعت، صف انتظار و محدودیت فراخوانی مواجه میگردند. کاربر گمان میکند سرویس هوشمندی کامل خریداری کرده، اما پلتفرم در عمل، خدماتی محدود ارائه میدهد که تحت قیود چندگانهی توان پردازشی، هزینه، پهنای باند و سیستم زمانبندی قرار دارد.
پنجم، پدیدهی «کاهش هوش مدل» که کاربران احساس میکنند، بیش از پیش فراگیر شده است. بسیاری درمییابند که یک محصول واحد، در زمانها، حسابهای کاربری و وظایف مختلف، عملکردی ناپایدار دارد. گاهی پاسخدهی کند میشود، گاهی عمق استدلال کاهش مییابد و گاهی پردازش وظایف پیچیده بهوضوح سطحیتر انجام میگیرد. پشت این نوسانات ممکن است دلایل چندگانهای مانند زمانبندی مدل، کنترل هزینه، توازن بار و راهبردهای امنیتی نهفته باشد؛ اما برای کاربر عادی، تجربه این است: «هزینه پرداختهام، اما مطمئن نیستم دقیقاً به چه تواناییای دسترسی دارم».
انحصار، احراز هویت، افزایش قیمت، سهمیهبندی و کاهش هوش — همهی این تغییرات در یک جهت همسو شدهاند: هوش مصنوعی در حال گذار از «ابزاری که همه بهطور برابر فراخوانیاش کنند» به «سامانهای از تواناییهای سلسلهمراتبی» است.
چرا خدمات هوش مصنوعی ناگزیر به سوی لایهبندی پیش میرود؟
لایهبندی خدمات هوش مصنوعی، صرفاً بهدلیل «بدتر شدن» شرکتهای مدل بزرگ نیست؛ بلکه به این دلیل است که ساختار هزینهی این کسبوکار، ذاتاً با صنعت فناوری اطلاعات سنتی متفاوت است.
ویژگی محوری شرکتهای نرمافزاری سنتی و ارائهدهندگان خدمات نرمافزاری (SaaS)، هزینهی نهایی تحویل نسبتاً پایین است. پس از تکمیل توسعهی نرمافزار، خدمترسانی به یک کاربر اضافی، هزینه را بهتناسب افزایش نمیدهد. از اینرو، دستیابی به حاشیهی سود ناخالص ۷۰ تا ۹۰ درصد برای شرکتهای بالغ فعال در این حوزه، امری نادر نیست.
اما هوش مصنوعی از این منطق پیروی نمیکند. از آنرو که محتوای پرسش کاربران و سناریوهای کاربردشان متفاوت است، هر پاسخ مدل نیازمند پردازش بلادرنگ مستقل است؛ و هرچه زمینهی متنی طولانیتر، مدل قویتر و فراخوانی ابزارها پیچیدهتر باشد، مصرف منابع توان پردازشی و حافظهی گرافیکی بیشتر خواهد بود. گزارش هوش مصنوعی ۲۰۲۶ «آیکونیک کپیتال» پیشبینی میکند که حاشیهی سود ناخالص متوسط محصولات هوش مصنوعی در سال ۲۰۲۶ به حدود ۵۲ درصد خواهد رسید که اگرچه از ۴۱ درصد در سال ۲۰۲۴ بالاتر است، اما همچنان بهوضوح پایینتر از سطح رایج در شرکتهای بالغ ارائهدهندهی خدمات نرمافزاری باقی میماند.
به بیان دیگر، هوش مصنوعی «یکبار توسعه، تکثیر نامحدود» نیست. این فناوری بیشتر شبیه خدمتی است که بهطور مستمر توان پردازشی مصرف میکند. پشت هر پاسخ، هزینههایی برای تراشه، برق، مرکز داده، شبکه، زمانبندی، بهینهسازی استدلال و نگهداری مهندسی نهفته است.
مهمتر آنکه، سختافزار هوش مصنوعی خود نیز پرهزینه است. قیمت تراشههای گرافیکی پیشرفته و شتابدهندههای هوش مصنوعی بالا، چرخهی بهروزرسانی آنها سریع و فشار استهلاک قابلتوجه است. تراشههای پیشرفتهی امروز، ممکن است چند سال دیگر دیگر برای آموزش مدلهای پیشرو مناسب نباشند. برای شرکتهای هوش مصنوعی، پژوهش در مدل و چیدمان توان پردازشی، سرمایهگذاری یکباره نیست؛ بلکه زیرساختی سرمایهبر است که نیازمند تزریق مداوم سرمایه در بلندمدت میباشد.
این واقعیت تعیین میکند که پلتفرمها نمیتوانند بهطور بلندمدت، با یک قیمت، یک دروازهی دسترسی و یک تجربهی کاربری یکسان، بالاترین توانایی را در اختیار تمام کاربران قرار دهند. آنها ناگزیر به لایهبندی خواهند کرد: نسخهی رایگان برای جذب مشتری، اشتراک پایه برای پوشش بخشی از هزینههای نهایی، نسخهی سازمانی و رابط برنامهنویسی برای ایجاد درآمد؛ و تواناییهای پیشرفته در سامانههای دسترسی گرانتر، محدودتر و کنترلشدهتر جای خواهند گرفت.
تبدیل تقاضا به درآمد نیز چندان آسان نیست. اگرچه هوش مصنوعی مولد با سرعتی فوقالعاده گسترش یافته، اما تمایل کاربران نهایی به پرداخت هزینه چندان قوی نیست. در اینترنت، برای سالها الگوی «رایگان + تبلیغات» در ذهن کاربران نهادینه شده و بسیاری به خدمات اطلاعاتی ارزان یا حتی رایگان عادت کردهاند. هوش مصنوعی اگرچه قدرتمندتر است، اما کاربران لزوماً حاضر نیستند قیمتی بپردازند که هزینههای واقعی آن را پوشش دهد.
بدینترتیب، یک تضاد ساختاری پدیدار شده است: از سویی، هزینههای سمت عرضه بهسختی کاهش مییابند؛ و از سوی دیگر، درآمد سمت تقاضا بهسختی محقق میشود. پیامد این وضعیت آن است که شرکتهای هوش مصنوعی تنها از طریق لایهبندی میتوانند مدل کسبوکار خود را حفظ کنند. هوش مصنوعی قطعاً میتواند دسترسی به ابزارهای هوشمند را برای افراد بیشتری فراهم آورد؛ اما تواناییهای واقعی با کیفیت بالا، پایداری زیاد، دسترسی ممتاز و سطح امنیتی برتر، هرچه کمتر ممکن است بهطور یکسان و بدون تمایز در دسترس همگان قرار گیرند.
رقابت بنگاهها: ایجنت در حال تبدیلشدن به دروازهی بهرهوری سازمانی است
اگر کاربران عادی لایهبندی قیمت و تجربه را احساس میکنند، بنگاهها لایهبندی در توان سازمانی را لمس مینمایند.
با ورود ایجنت هوش مصنوعی به محیط سازمان، کارکرد آن دیگر صرفاً «افزایش اندکی در بهرهوری اداری فردی» نیست؛ بلکه ممکن است ایمیل، اسناد، پایگاه داده، مرورگر، مخزن کد، سیستم مالی، سیستم مشتریان و زنجیرهی تأمین را به هم متصل سازد؛ و به بنگاه در بازیابی اطلاعات، تولید طرح، توسعهی کد، پیگیری مشتری، تحلیل داده، بررسی ریسک و اجرای فرآیند یاری رساند. به بیان دیگر، وقتی ایجنت وارد سیستمهای داخلی یک بنگاه شود، دیگر تنها ابزاری خارجی نیست، بلکه بخشی از جریان کاری سازمان میگردد.
دقیقاً به همین دلیل است که محصولاتی مانند «Manus» شایستهی توجه ویژه هستند. رباتهای گفتوگومحور عمدتاً به پردازش پرسشها میپردازند؛ اما ایجنتها به اجرای وظایف نزدیکترند. اولی بیش از آنکه شیوهی کسب اطلاعات را دگرگون کند، دومی ممکن است شیوهی اجرای سازمان را تغییر دهد. اگر بنگاهی صرفاً هوش مصنوعی را ابزاری بداند که کارکنان گهگاه به کار میبرند، به بهبود بهرهوری موضعی دست مییابد؛ اما اگر هوش مصنوعی را در فرآیندهای کسبوکار، سیستمهای داده و زنجیرهی تصمیمگیری ادغام کند، ممکن است به بازآرایی توان سازمانی نائل آید و فاصلهی توسعهای بنگاهها را بیش از پیش افزایش دهد.
بنگاههای پیشرو معمولاً دارای داراییهای دادهای کاملتر، تیمهای مهندسی قویتر، بودجهی فناوری اطلاعات بالاتر و نظامهای انطباق بالغتری هستند؛ و از اینرو، سهولت بیشتری در ادغام ایجنت با فرآیندهای کلیدی دارند. بنگاههای معمولی، حتی اگر بتوانند حساب کاربری خریداری کنند، غالباً در حد استفادههای سطحی مانند نگارش متن، خلاصهسازی، تولید تصویر یا برنامهنویسی کمکی باقی میمانند. در ظاهر، همه از هوش مصنوعی استفاده میکنند؛ اما شکاف واقعی در آنجاست که برخی بنگاهها صرفاً «ابزاری را فراخوانی میکنند»، در حالی که برخی دیگر در حال «بازآفرینی فرآیند» هستند.
در بلندمدت، هوش مصنوعی برابریخواهی به ارمغان نمیآورد، بلکه قویترها را قویتر میسازد. از اینرو، پرسش کلیدی در رقابت بنگاهها دیگر صرفاً «استفاده یا عدم استفاده از هوش مصنوعی» نیست، بلکه این است که «آیا هوش مصنوعی وارد جریان کاری کلیدی شده است یا خیر». این همان دلیلی است که ایجنت هوش مصنوعی را نمیتوان صرفاً یک کاربرد معمولی دانست: چرا که با تبدیلشدن به دروازهی بهرهوری سازمانی، بهطور طبیعی با انباشت داده، کنترل فرآیند و نفوذ صنعتی پیوند میخورد.
رقابت میان کشورها: لایهبندی هوش مصنوعی به ابزاری برای بازی ژئوپلیتیک تبدیل شده است
اگر لایهبندی هوش مصنوعی میان بنگاهها، رقابت تجاری را بازنویسی کرده باشد، لایهبندی میان کشورها وارد بعدی والاتر شده است: توان پردازشی، مدل، داده، نیروی انسانی و دروازههای دسترسی، هماکنون با یکدیگر داراییهای استراتژیک جدیدی را شکل میدهند.
نخستین حصار، تراشه است. تواناییهای کلیدی تولید تراشههای پیشرفتهی هوش مصنوعی، ابزارهای طراحی الکترونیک، بستهبندی پیشرفته، مواد و تجهیزات و زنجیرهی تأمین، بهشدت متمرکز هستند. آمریکا با اعمال محدودیتهای صادراتی، جریان تراشههای پیشرفتهی هوش مصنوعی به کشورهای و مناطق خاص را محدود میسازد و مستقیماً بر این تأثیر میگذارد که چه کسی میتواند مدلهای برتر را آموزش دهد و اجرا کند. بدون توان پردازشی بهاندازهی کافی پیشرفته، تعقیب مدلهای پیشرو بهطور مستمر دشوار خواهد بود.
دومین حصار، مدل است. هرچه مدل قدرتمندتر باشد، کمتر احتمال دارد مطابق منطق کالاهای مصرفی معمولی، بهطور کامل در دسترس قرار گیرد. بهویژه قابلیتهایی که با امنیت سایبری، اجرای خودکار کد، کشف آسیبپذیری، زیرساختهای حیاتی، تحلیل اطلاعات و پشتیبانی از تصمیمگیری نظامی مرتبط هستند، ناگزیر بیش از پیش تحت کنترل دسترسی قرار خواهند گرفت. خودِ دسترسیپذیری به مدل، در حال تبدیلشدن به ابزاری ژئوپلیتیک است.
سومین حصار، اکوسیستم است. هوش مصنوعی تنها یک مدل منفرد نیست، بلکه مجموعهای کامل از ابزارهای توسعهدهنده، خدمات ابری، معماری تراشه، چارچوبهای استدلال، خطوط داده، استانداردهای امنیتی، بازارهای کاربرد و پلتفرمهای ایجنت را در بر میگیرد. کشوری که برای مدت طولانی از مدلهای اصلی هوش مصنوعی، تراشهها، ابرهای توان پردازشی و اکوسیستم توسعهدهندگان محروم بماند، نهتنها یک نرمافزار خاص، بلکه صلاحیت مشارکت در دور بعدی ارتقای بهرهوری و تقسیم کار در تجارت دیجیتال را از دست خواهد داد.
رویداد «Manus» دقیقاً نشان میدهد که رقابت هوش مصنوعی وارد مرحلهی یکپارچهی «فناوری — سرمایه — داده — امنیت» شده است. در گذشته، وقتی دربارهی رقابت هوش مصنوعی بحث میکردیم، بیشتر بر پارامترهای مدل، رتبهبندی عملکرد، تجربهی کاربری و حجم جذب سرمایه تمرکز داشتیم؛ اما اکنون باید به پرسشی عمیقتر بنگریم: آیا کنترل داراییهای کلیدی هوش مصنوعی ممکن است مستقیماً توسط سرمایهی فرامرزی تصاحب شود؟
«روشنامهی بازنگری امنیت سرمایهگذاری خارجی» چین بهوضوح مقرر میدارد که سرمایهگذاریهای خارجی که بر امنیت ملی تأثیر میگذارند یا احتمال تأثیرگذاری دارند، مورد بازنگری امنیتی قرار گیرند؛ و از جمله، سرمایهگذاریهای خارجی که حوزههای کلیدی مانند محصولات و خدمات مهم فناوری اطلاعات و اینترنت یا فناوریهای کلیدی را در بر میگیرند و منجر به کسب کنترل واقعی شوند، باید مطابق قانون اعلام گردند. این بدان معناست که در سناریوهایی که ایجنت هوش مصنوعی، توانایی مدل، الگوریتمهای کلیدی، دادههای حیاتی و دروازههای صنعتی همپوشانی بالایی دارند، ادغامهای فرامرزی نمیتوانند صرفاً بهعنوان یک معاملهی سرمایهای معمولی نگریسته شوند.
مسئلهی داده نیز از همین قاعده پیروی میکند. «مقررات مدیریت امنیت دادههای شبکه» از اول ژانویهی ۲۰۲۵ لازمالاجرا شده و چارچوب نهادی کاملتری حول پردازش دادههای شبکه، دادههای مهم، حفاظت از اطلاعات شخصی و خروج دادهها از مرزها ایجاد نموده است. برای بنگاههای هوش مصنوعی، داده مادهی اولیهی معمولی نیست، بلکه منبعی مهم برای توانایی مدل، تصویرسازی کاربر، درک صنعت و موانع محصول است. هنگامی که داده بهطور عمیق در جریان کاری ایجنت ادغام شود، دانش صنعتی اختصاصی با ارزش بالا و دادههای هستهای کسبوکار را انباشته و شکل خواهد داد.
از اینرو، مهمترین پیام توقف «Manus»، مخالفت ساده با جهانیسازی بنگاهها یا رد همکاری بینالمللی نیست؛ بلکه ترسیم مرزی است روشن: تواناییهای کلیدی هوش مصنوعی، دادههای حیاتی، دروازههای ایجنت و کنترل صنعتی، نباید از طریق عملیات سرمایهای بهآسانی منتقل شوند.
در این معنا، هوش مصنوعی دیگر محصول اینترنتی به معنای متعارف نیست، بلکه همانند تراشه، سیستمعامل، زیرساخت ابری و نرمافزار صنعتی، به زیرساختی استراتژیک تبدیل شده است.
همگانیسازی واقعی هوش مصنوعی، باید بر بنیاد خوداتکایی و کنترلپذیری استوار باشد
پس از رویداد «Manus»، نیازمند بازتعریف مفهوم «همگانیسازی هوش مصنوعی» هستیم.
در گذشته، وقتی از همگانیسازی هوش مصنوعی سخن میگفتیم، بیشتر دربارهی قیمت بحث میکردیم: آیا مدل میتواند ارزانتر شود؟ آیا ابزارها میتوانند رایگان باشند؟ آیا افراد عادی میتوانند پنجرهی یک چت را بگشایند؟ این پرسش البته مهم است، اما تمام ماجرا نیست. پرسش بنیادینتر آن است که: این تواناییها را چه کسی فراهم میکند؟ زیرساختها در کنترل چه کسی است؟ و چه کسی تصمیم میگیرد که دروازههای کلیدی به چه کسی باز یا بسته شوند؟
اگر همگانیسازی هوش مصنوعی در یک کشور بر پایهی کنترل تراشه، مدل، خدمات ابری و دروازههای ایجنت توسط دیگران استوار باشد، این همگانیسازی استوار نخواهد بود. امروز ممکن است دسترسی باز باشد، فردا ممکن است جریان محدود شود؛ امروز ممکن است قیمت کاهش یابد، فردا ممکن است افزایش یابد؛ امروز ممکن است استفاده ممکن باشد، فردا ممکن است بهدلیل ژئوپلیتیک، محدودیت صادراتی، سیاستهای پلتفرم یا بازنگری امنیتی قطع گردد.
تعیین مرزهای امنیتی، بهمعنای انزوا و در بسته ماندن نیست. بازنگری امنیتی داراییهای کلیدی هوش مصنوعی، نه مخالفت با گشودگی است و نه رد همکاری؛ بلکه هدف آن جلوگیری از خروج بیضابطهی فناوریهای کلیدی، دادههای حیاتی و کنترل دروازهها در معاملات سرمایهای است. گشودگی باید بر پایهی مرزهای روشن، قواعد شفاف و خوداتکایی در تواناییها استوار باشد.
البته، صرف حفظ مرزها کافی نیست؛ همگانیسازی واقعی هوش مصنوعی، در نهایت مستلزم شکلگیری عرضهی پایدار از طریق مدلهای بومی، توان پردازشی بومی و اکوسیستم بومی است. تنها زمانی که توانایی مدل، سازگاری تراشه، هزینهی استدلال، قیمت رابط برنامهنویسی و اکوسیستم کاربرد حلقهای بسته تشکیل دهند، هوش مصنوعی میتواند از خدمتی پیشرفته در اختیار عدهای اندک، به ابزاری بهرهور برای اکثریت تبدیل شود.
از این منظر، سازگاری اخیر «DeepSeek V4» با سامانهی تراشهی «هوآوی آسند» شایستهی توجه است. در توضیحات قیمتگذاری «DeepSeek» آمده که بهدلیل محدودیت در توان پردازشی پیشرفته، ظرفیت پردازش سرویس «V4-Pro» همچنان محدود است؛ و پیشبینی میشود با عرضهی انبوه «ابرگرههای آسند ۹۵۰» در نیمهی دوم سال، قیمت نسخهی «Pro» بهطور چشمگیری کاهش یابد.
اهمیت این رویداد صرفاً در کاهش قیمت یک مدل خاص نیست، بلکه در آن است که نشان میدهد حلقهی بستهی میان مدلهای بومی و توان پردازشی بومی در حال شکلگیری است: ارتقای توانایی مدل، نیازمند پشتیبانی توان پردازشی است؛ استقرار مقیاسپذیر توان پردازشی، ممکن است هزینهی استدلال را کاهش دهد؛ کاهش هزینهی استدلال، امکان گسترش دامنهی کاربرد هوش مصنوعی را فراهم میآورد؛ و گسترش کاربرد، بهنوبهی خود بلوغ اکوسیستم را پیش میراند.
فناوری بهخودیخود جهتگیری اخلاقی ذاتی ندارد؛ نکتهی کلیدی آن است که چه کسی آن را در اختیار دارد، چگونه از آن استفاده میکند و چه کسی مرزهای گشودگی آن را تعیین مینماید. هوش مصنوعی نیز از این قاعده مستثنی نیست. این فناوری میتواند ابزاری پیشرفته در دست عدهای اندک، بنگاههایی محدود یا کشورهایی خاص باقی بماند؛ یا میتواند، با پشتیبانی زیرساختهای خوداتکا و کنترلپذیر، به نیروی بهرهوری اجتماعی گستردهتری تبدیل شود.