«جنوب جهانی» به چه نوع هوش مصنوعی چینی نیاز دارد؟

مؤسسه پژوهشی دونگ‌بویاچیائو

منتشر شده در گوانچی چین

ترجمه مجله جنوب جهانی

چندی پیش، در «تالار گفتگوی مالی و فناوری جاده ابریشم» در ازبکستان، لوئیز لوکاس (Louise Lucas)، خبرنگار فایننشال تایمز که مدتی طولانی است فناوری چین را دنبال می‌کند، از بابُر خواجه‌یف (Bobur Khodjaev)، معاون دفتر ریاست‌جمهوری ازبکستان و مسئول اداره فین‌تک، دیجیتال‌سازی و هوش مصنوعی، پرسشی مطرح کرد:

«اروپا اهمیت بسیار زیادی برای حاکمیت دیجیتال قائل است. ازبکستان در مواجهه با فناوری‌های هوش مصنوعی مانند مدل‌های بزرگ، آیا در قبال منشاء فناوری بی‌طرف می‌ماند و بهترین گزینه را انتخاب می‌کند، یا نگران وابستگی و متصل کردن خود به “کشور A” یا “کشور B” است؟»

هدف این پرسش کاملاً روشن بود؛ منظور از «کشور A» و «کشور B» چیزی جز ایالات متحده و چین نیست.

پاسخ خواجه‌یف نیز بسیار صریح بود. او گفت که ازبکستان به عنوان یک کشور در حال توسعه، خواهان دسترسی به تمام فناوری‌های موجود در بازار است. اگر بخواهیم مشخصاً درباره آمریکا و چین صحبت کنیم، شرکت‌های آمریکایی تراشه‌های پیشرفته و مدل‌های بزرگ برتر را ارائه می‌دهند و چین مدل‌هایی با وزن باز (Open-weight) و با هزینه‌ای بسیار پایین‌تر عرضه می‌کند؛ ازبکستان مایل است از هر دو نوع فناوری استفاده کند. هم‌زمان، ازبکستان در حال ساخت زیرساخت‌های بومی و مستقل هوش مصنوعی خود است. نخستین ابررایانه بزرگ در مرکز داده‌های دولت دیجیتال ماه گذشته به بهره‌برداری رسید و قرار است ظرف ۱۲ ماه آینده، مقیاس توان محاسباتی آن به سه برابر میزان فعلی افزایش یابد. طرف ازبکستانی همچنین در حال توسعه مدل‌های بومی هوش مصنوعی است و قصد دارد از آن‌ها در بخش‌های آموزش، بهداشت و درمان، خدمات عمومی و امور مالی بهره گیرد.

این پرسش و پاسخ بسیار نمادین است و طرز فکر واقعی کشورهای «جنوب جهانی» را در مواجهه با شرکت‌های هوش مصنوعی چین و آمریکا بازمی‌تاباند: آن‌ها هم می‌خواهند از پیشرفته‌ترین و ارزان‌ترین فناوری‌ها استفاده کنند و هم مایل نیستند خود را کاملاً به یک کشور یا تأمین‌کننده خاص وابسته سازند؛ هم به همکاری‌های بیرونی نیاز دارند و هم می‌خواهند به تدریج توانمندی‌های محاسباتی، مدل‌ها و کاربردهای تحت کنترل خود را پایه‌گذاری کنند.

دو هفته پیش، به «گفتگوی هوش مصنوعی و جنوب جهانی» (AIFOD) در کاخ ملل سازمان ملل در ژنو دعوت شدم. شرکت‌کنندگان شامل مقامات دولتی و سیاست‌گذاران کشورهای جنوب جهانی و همچنین کارشناسانی از شرکت‌های هوش مصنوعی، سازمان‌های بین‌المللی، دانشگاه‌ها و موسسات پژوهشی بودند. محور اصلی گفتگوها این بود که کشورهای در حال توسعه چگونه به هوش مصنوعی می‌نگرند و از آن استفاده می‌کنند.

بسیاری از این کشورها از آفریقا، کشورهای جزیره‌ای کوچک و جنوب شرق آسیا بودند. آن‌ها فاقد تراشه‌های پیشرفته و زیرساخت‌های ابری بومیِ پخته بوده و با کمبود داده‌های زبان‌های محلی مواجهند. اگرچه صنعت هوش مصنوعی چین و آمریکا و رقابت تکنو-ژئوپلیتیک میان آن‌ها پیش‌زمینه مهمی محسوب می‌شد، اما دغدغه اصلی اجلاس این نبود که چه کسی برنده می‌شود، بلکه این بود که کشورهای جنوب جهانی چگونه می‌توانند از فناوری‌های بیرونی برای ایجاد ظرفیت‌های هوش مصنوعیِ متناسب با زبان، منابع و اهداف توسعه‌ای خود بهره ببرند.

به طور کلی، برداشت‌های برجسته من از این نشست بدین شرح است:

نخست: بسیاری از کشورهای جنوب جهانی نسبت به کنترل کل زنجیره ارزش هوش مصنوعی توسط چند شرکت غول‌پیکر ابراز نگرانی کردند؛ آن‌ها از این می‌ترسند که وابستگی بیش از حد، تعویض تأمین‌کننده را دشوار کند یا با خروج تامین‌کننده، سیستم‌های هوش مصنوعی آن‌ها از کار بیفتد. برخی کارشناسان صراحتاً گفتند که در برابر این نگرانی‌ها، عملکرد عالی مدل یا وزن باز بودن آن که شرکت‌های بزرگ مدام بر آن تأکید می‌کنند، در عمل اهمیت نسبی خود را از دست می‌دهد.

دوم: در مجموع، بزرگ‌ترین انتظاری که جنوب جهانی از شرکت‌های هوش مصنوعی چین دارد این است که چین گزینه‌ای جایگزین برای غول‌های آمریکایی ارائه دهد، اما بزرگ‌ترین نگرانی آن‌ها نیز این است که مبادا با رهایی از یک نوع وابستگی، گرفتار وابستگی جدید دیگری شوند. در نشست، کارشناسانی اشاره کردند که مدل‌های متن‌باز چین در جنوب جهانی واقعاً از مزیت قیمتی و عملکردی مشخصی برخوردارند، اما این مزیت به خودی خود به اعتماد سیاسی تبدیل نمی‌شود. اگر صرفاً غول‌های چینی جایگزین غول‌های آمریکایی شوند، مسأله وابستگی مفرط در عمل حل نشده است. به عنوان نمونه، یکی از وزرای آنتیگوآ و باربودا اشاره کرد که آموزش و نگهداری یک مدل نیازمند سرمایه‌گذاری مداوم است و خود خدمات پردازش (Inference) نیز هزینه دارد؛ شرکت‌های چینی اگر برای طولانی‌مدت به قیمت‌های پایین یا حتی رایگان متکی باشند، چگونه مدل تجاری پایدار خواهند ساخت؟ آیا شرکت‌های چینی که فعلاً وزن‌های مدل را باز گذاشته‌اند، در نهایت به سمت بسته کردن APIها نخواهند رفت؟ اگر ما وابستگی خود را به شرکت‌های آمریکایی کاهش دهیم، آیا پس از آن وابسته به شرکت‌های چینی نخواهیم شد؟

سوم: قیمت مدل و توکن تنها یکی از عوامل مورد توجه این کشورهاست و غالباً مهم‌ترین آن‌ها نیست. آن‌ها بیشتر به این اهمیت می‌دهند که آیا شرکت‌های چینی و آمریکایی صرفاً از طریق تجارت بربرون‌مرزی خدمات به فروش مدل می‌پردازند، یا حاضرند به ایجاد توانمندی‌های بومی هوش مصنوعی مانند بومی‌سازی زبان، استقرار در بخش‌های مرزی (Edge) و آفلاین، کنترل داده‌ها و تربیت نیروی انسانی کمک کنند و موجب رشد شرکت‌ها و توسعه‌دهندگان محلی شوند. سال گذشته در گفتگوی میان مؤسسه مطالعات جنوب شرق آسیا در سنگاپور و پژوهشگاه مطالعات بین‌الملل چین، نمایندگان آسیان نیز خواسته مشابهی مطرح کردند. جنوب شرق آسیا زبان‌های متعددی دارد و فرهنگ، ساختار و محیط اجتماعی کشورهای آن بسیار متفاوت است. انتقال مستقیم یک مدل عمومی که در آمریکا یا چین آموزش دیده، اغلب نمی‌تواند زمینه‌های محلی را به‌درستی درک کند و وارد ساختار خدمات عمومی و تولید روزمره شود.

چهارم: مدل‌های کوچک و هوش مصنوعی سمت کاربر (On-device AI) ارزش کاربردی بسیار بالایی در جنوب جهانی دارند. در بسیاری از مناطق، زیرساخت‌های برق و اینترنت محدود است و فراخوانی مداوم مدل‌های بزرگ ابری امکان‌پذیر نیست. مدل‌هایی که می‌توانند روی دستگاه‌های معمولی اجرا شوند، با پهنای باند کم کار کنند، داده‌ها را در محل پردازش کرده و پس از قطعی اینترنت به کار خود ادامه دهند، اغلب حیاتی‌تر از برتری در جدول رده‌بندی‌ها هستند. امکان جایگزینی انعطاف‌پذیر مدل نیز مستقیماً بر تمایل مشتریان به اتخاذ طولانی‌مدت آن تأثیر می‌گذارد.

پنجم: بسیاری از کارشناسان، به‌ویژه صاحبان کسب‌وکارهای کوچک و متوسط در کشورهای جنوب جهانی، اشاره کردند که خریدهای دولتی می‌تواند به ابزاری مهم برای شکل‌دهی به بازار هوش مصنوعی در این مناطق تبدیل شود. کسب‌وکارهای بومی عموماً انتظار دارند که در خریدهای دولتی نباید تنها قیمت و عملکرد مقایسه شود، بلکه باید الزامات مربوط به استقرار بومی، حفظ داده‌ها در داخل، پشتیبانی از زبان محلی و آموزش نیروی انسانی نیز گنجانده شود. در برخی پروژه‌ها می‌توان انتقال فناوری، قابلیت انتقال سیستم و ترتیبات خروج تأمین‌کننده را نیز درج کرد تا در صورت توقف خدمات شرکت خارجی، کل سیستم از کار نیفتد.

ششم: بازار جنوب جهانی اهمیت زیادی برای «قابلیت جابه‌جایی مدل» (Model Portability) و «معماری چندمدلی» قائل است. کارشناسان حاضر در نشست اشاره کردند که در کوتاه‌مدت، قابلیت جابه‌جایی مدل و معماری چندمدلی وابستگی مشتری به یک مدل واحد را کاهش می‌دهد، اما در بلندمدت جلب اعتماد را آسان‌تر کرده و نگرانی دولت‌ها و افکار عمومی محلی را از قفل شدن روی یک تامین‌کننده (Vendor Lock-in) فرومی‌نشاند. برای شرکت‌های چینی، اگر بخواهند در کشورهای در حال توسعه پیشرفت خوبی داشته باشند، جایگاه مناسب این نیست که مشتری را کاملاً وابسته به مدل خود کنند، بلکه این است که به تأمین‌کننده‌ای حیاتی در زیست‌بوم باز و قابل تعویضِ هوش مصنوعیِ محلی تبدیل شوند.

هفتم: مسائلی مانند توان محاسباتی، مصرف انرژی و مصرف آب ممکن است در آینده روزبه‌روز اهمیت بیشتری پیدا کنند. چندین کارشناس از جنوب جهانی تأکید کردند که مباحث مربوط به «هوش مصنوعی سبز» در کشورهایشان از یک مسأله اصولیِ حفظ محیط‌زیست، به تدریج در حال تبدیل شدن به الزامات عملیِ خرید و مقررات‌گذاری است. در آینده، دولت‌ها و مشتریان بزرگ به این جنبه‌ها توجه خواهند داشت؛ مثلاً برای انجام یک مأموریت چقدر توان محاسباتی نیاز است، انرژی از کجا تأمین می‌شود، چقدر آب مصرف شده و چه اقدامات کاهش آلایندگی صورت گرفته است. از این رو، مدل‌های کوچک و معماری‌های کارآمد نه تنها مزیت هزینه‌ای دارند، بلکه می‌توانند رقابت‌پذیری محیط‌زیستی ایجاد کنند. برای کشورهایی که با مضایق برق و آب مواجهند، کارایی مدل خود شرطی تعیین‌کننده برای عملیاتی شدن پروژه است.

هشتم: جنوب جهانی اذعان دارد که هوش مصنوعی می‌تواند بهره‌وری را افزایش دهد و فرسودگی‌های شغلی را با فرصت‌های جدید فناوری و کارآفرینی جبران کند، اما حاضر نیست الگوی توسعه‌ای را بپذیرد که محور آن تعدیل نیرو و کاهش نیروی کار باشد. مسلکی که آن‌ها بیشتر با منافع جنوب جهانی هم‌راستا می‌دانند، تقویت توانمندی کارگران با هوش مصنوعی، حمایت از کسب‌وکارهای کوچک و متوسط، حمایت از کارگران داده، تربیت جوانان به عنوان آفرینندگان فناوری و تضمین ماندن مهارت‌ها، شرکت‌ها و درآمدهای حاصل از هوش مصنوعی در بوم محلی است.

از منظر ساختار بین‌المللی کنونی، ورود مدل‌های چینی به بازار آمریکا با مخاطرات ژئوپلیتیکی آشکاری روبروست. پس از آمریکا، اتحادیه اروپا یکی از مهم‌ترین بازارهای با ارزش بالاست، اما روابط چین و اروپا همچنان با عدم قطعیت‌های زیادی مواجه است و هزینه‌های ورود به بازار و انطباق با قوانین در آن بالاست. از این رو، جنوب جهانی به منطقه‌ای کلیدی در رقابت هوش مصنوعی میان چین و آمریکا و شکل‌دهی به زیست‌بوم جهانی هوش مصنوعی تبدیل شده است. شنیدن صادقانه خواسته‌های این کشورها و طراحی طرح‌های همکاری بر اساس مرحله توسعه، زیرساخت‌ها و نیازهای حکمرانی محلی، معنای واقعی «صدور توکن به خارج» است.

در مجموع، صدایی که من در این نشست سازمان ملل شنیدم، با مواضع مقام عالی‌رتبه ازبکستانی کاملاً هم‌راستا بود: بسیاری از کشورها قصد ندارند مدل‌های چینی را کاملاً جایگزین مدل‌های آمریکایی کنند، بلکه می‌خواهند گزینه‌ای دیگر در کنار تأمین‌کنندگان آمریکایی داشته باشند. آن‌ها مایل نیستند تمام نیازهای هوش مصنوعی خود را به یک کشور بسپارند و بیش از آن، تمایلی ندارند به یک شرکت واحد وابسته شوند. برای این کشورها، وارد کردن مدل‌های چینی هم یک انتخاب فن‌شناختی و اقتصادی است و هم برنامه‌ای برای تقسیم ریسک، حفظ قدرت چانه‌زنی و پاسداشت استقلال خود.

قیمت پایین‌تر مدل‌های چینی در حال حاضر، مزیت مهمی برای جلب بازار جنوب جهانی است، اما لزوماً برای بلندمدت پایدار نخواهد بود. شرکت‌های آمریکایی نیز مدام در حال کاهش هزینه‌های فراخوانی و عرضه مدل‌های کوچک‌تر و ارزان‌تر هستند؛ ان‌ویدیا نیز از طریق مدل‌های باز مانند Nemotron در حال گسترش زیست‌بوم خود است. هم‌زمان، دیپ‌سیک (DeepSeek) اخیراً قیمت برخی APIهای خود را افزایش داده است. این امر نشان می‌دهد که قیمت مدل‌ها همواره در تغییر است: شرکت‌های آمریکایی هم دست به آزادسازی و کاهش قیمت می‌زنند و شرکت‌های چینی نیز باید میان رقابت قیمتی و بازگشت سرمایه تجاری تعادل ایجاد کنند.

در آینده ممکن است الگوهای استفاده چندلایه به تدریج در جنوب جهانی شکل گیرد. پیچیده‌ترین مأموریت‌ها که نیازمند بالاترین توانمندی و قابلیت اطمینان هستند، از قوی‌ترین مدل‌های پیشتاز وقت استفاده خواهند کرد؛ کارهای روزمره اداری، زبان‌های محلی و امور حساس به هزینه، بیشتر از مدل‌های مقرون‌به‌صرفه یا با وزن باز بهره خواهند برد؛ و سناریوهای حساس مانند دولت، امور مالی و زیرساخت‌های حیاتی، بر استقرار بومی، عدم خروج داده‌ها از کشور و حتی اجرای کاملاً آفلاین تأکید خواهند داشت. البته این تقسیم کار لزوماً بر اساس ملیت مدل صورت نخواهد گرفت؛ شرکت‌های آمریکایی نیز مدل‌های باز ارزان ارائه خواهند داد و مدل‌های چینی نیز ممکن است در برنامه‌نویسی، استدلال و صنایع خاص به پیشتازان بازار تبدیل شوند.

روند توجه کشورهای جنوب جهانی به ساخت «هوش مصنوعی حاکمیتی» کاملاً مشخص شده و منطق درونی خود را دارد؛ چرا که هوش مصنوعی پدیده‌ای بسیار بزرگ و حیاتی است و واقعاً نمی‌توان آن را کاملاً به دست کشور دیگری سپرد. نمایندگان برخی کشورها همچنین اشاره کردند که پیش‌تر، کشورهای در حال توسعه در عصر اینترنت متضرر شده و وابستگی شدیدی به سخت‌افزار، نرم‌افزار و زیست‌بوم پلتفرمی چین و آمریکا پیدا کردند، لذا نباید اجازه داد این سناریو در عصر هوش مصنوعی تکرار شود.

البته هوش مصنوعی حاکمیتی به این معنا نیست که هر کشوری باید یک مدل بزرگ را از صفر آموزش دهد. اکثر کشورها نه توان محاسباتی کافی برای این کار دارند و نه چنین نیازی احساس می‌شود. هدف واقع‌بینانه‌تر برای این کشورها باید تسلط بر داده‌های بومی و محیط استقرار، قابلیت تنظیم مدل بر اساس زبان و قوانین محلی، و حفظ توانایی تعویض مدل و تأمین‌کننده باشد.

این امر مستلزم بازاندیشی در نحوه ورود مدل‌های چینی به بازارهای خارجی است. فروش مستقیم توانمندی مدل به مشتریان خارجی از طریق API هزینه‌های اولیه کمی دارد و به سرعت مقیاس‌پذیر می‌شود، اما با چالش‌هایی در زمینه اعتماد، امنیت داده‌ها و رقابت قیمتی روبروست. هزینه تعویض مدل‌های خام در حال کاهش است و به محض ظهور محصولی با عملکرد بهتر یا قیمت پایین‌تر، مشتری ممکن است تأمین‌کننده خود را تغییر دهد.

البته مهاجرت کامل یک سیستم هوش مصنوعی آسان نیست. پس از ورود مدل به محیط عملیاتی، مشتری باید دستورها (Prompts)، فراخوانی ابزارها، پایگاه دانش، تست‌های امنیتی و گردش‌های کاری را مجدداً تنظیم کند. از این رو، آنچه در آینده ایجاد چسبندگی می‌کند، سیستم‌ها و کاربردهای شکل‌گرفته در اطراف مدل است و خود API اهمیت به مراتب کمتری پیدا خواهد کرد.

شرکت‌های چینی باید هوشیار یک خطر باشند: اگر مدل‌های چینی برای طولانی‌مدت تنها عهده‌دار وظایف ارزان و معمولی شوند، ممکن است در بازار کم‌ارزش تثبیت شوند. میزان استفاده می‌تواند بسیار بالا باشد، اما حاشیه سود و تأثیرگذاری برند به‌سختی رشد خواهد کرد. مسیر واقعاً پایدار این است که با مدل‌های مقرون‌به‌صرفه و باز وارد بازار شوند و سپس از طریق استقرار، به‌روزرسانی، امنیت، کاربردهای صنعتی و خدمات طولانی‌مدت، درآمدزایی کنند. برای نمونه، مشارکت در ساخت زبان‌های محلی، سیستم‌های دولتی و کاربردهای صنعتی می‌تواند به شرکت‌ها کمک کند تا از رقابت صرفاً قیمتی رهایی یابند؛ چرا که در این حالت، آنچه فروخته می‌شود صرفاً توکن یا یک مدل خاص نیست، بلکه توانمندسازی مشتری برای بهره‌برداری و توسعه طولانی‌مدت هوش مصنوعی است.

مشارکت در ساخت «هوش مصنوعی حاکمیتی» در کشورهای جنوب جهانی می‌تواند درآمدهایی بسیار گسترده‌تر از هزینه فراخوانی مدل برای شرکت‌های چینی به همراه داشته باشد. وزن مدل می‌تواند باز باشد، اما شرکت همچنان می‌تواند از طریق استقرار بومی، خدمات پردازش و نگهداری طولانی‌مدت هزینه دریافت کند. دولت‌ها و شرکت‌های بزرگ همچنین خدمات ضمانت امنیت، به‌روزرسانی سیستم و بومی‌سازی زبانی را خواهند خرید. هزینه‌های اولیه این پروژه‌ها بالاتر است و نیازمند تربیت تیم‌های محلی است، اما قراردادها معمولاً چندساله بوده و رابطه با مشتری پایدارتر خواهد بود. شاید درآمد حاصل از هر توکن کمتر باشد، اما کل درآمد پروژه و ارزش طولانی‌مدت مشتری (LTV) در واقع می‌تواند بسیار بالاتر باشد.

ان‌ویدیا با باز ساختن Nemotron، درآمد اصلی خود را از خود مدل به دست نمی‌آورد، بلکه از طریق مدل، تقاضا برای تراشه‌ها، نرم‌افزارها و زیرساخت‌های خود را تحریک می‌کند. مایکروسافت رایانش ابری حاکمیتی ارائه می‌دهد که می‌تواند به صورت بومی و حتی کاملاً قطع از اینترنت اجرا شود؛ مشتری کنترل بیشتری به دست می‌آورد و مایکروسافت همچنان از مجوزهای نرم‌افزاری، ابزارهای حکمرانی و خدمات طولانی‌مدت درآمد کسب می‌کند. این الگوها می‌توانند الهام‌بخش شرکت‌های چینی باشند.

اما این مدل برای همه شرکت‌های توسعه‌دهنده مدل در چین قابل نسخه‌برداری مستقیم نیست. شرکت‌هایی که از توانمندی‌های ابری، تراشه و مرکز داده برخوردارند، آسان‌تر می‌توانند از طریق مدل، تقاضا برای کل زیرساخت را هدایت کنند. شرکت‌هایی که مشتریان صنعتی و سناریوهای کاربردی را در اختیار دارند، می‌توانند از طریق گردش‌های کاری چسبندگی ایجاد نمایند. شرکت‌های صرفاً مدل‌ساز اما نیازمند توسعه خدمات استقرار فروشگاهی، به‌روزرسانی مداوم و خدمات امنیتی، یا همکاری با تامین‌کنندگان ابری، اپراتورهای مخابراتی و مجریان سیستم‌های محلی هستند؛ در غیر این صورت پس از باز کردن وزن‌های مدل، بخش اعظم سود ممکن است نصیب شرکای تجاری شود.

پروژه‌های هوش مصنوعی حاکمیتی نیز لزوماً به خودی خود دارای حاشیه سود بالا نیستند. این پروژه‌ها معمولاً نیازمند سرمایه‌گذاری بزرگ و چرخه خرید طولانی بوده و ممکن است شامل سهام‌داری محلی، انتقال فناوری و آموزش پرسنل باشند. اگر با ورود به هر کشور، یک سیستم کاملاً جدید از نو سفارشی‌سازی شود، شرکت‌های چینی به راحتی به مجریان سیستم با سود ناخالص پایین تبدیل خواهند شد. از این رو، پلتفرم اصلی باید تا حد امکان استانداردسازی شود و وظایف مربوط به زبان، داده‌ها و کارکردهای صنعتی محلی به صورت ماژول‌های قابل ترکیب طراحی گردند.

لازم به یادآوری است که شرکت‌های چینی نیازی ندارند میان API و هوش مصنوعی حاکمیتی دست به انتخابی یک‌طرفه بزنند. شرکت‌ها می‌توانند ابتدا بازار را از طریق API و خدمات مدیریت‌شده بسنجند و سپس برای مشتریان بزرگ، زون‌های ابری محلی یا نمونه‌های اختصاصی ارائه دهند؛ و برای دولت‌ها و مشتریان زیرساخت‌های حیاتی، گام را فراتر نهاده و با ارائه وزن‌های باز، استقرار بومی و همکاری‌های طولانی‌مدت، عمیقاً در ساخت هوش مصنوعی حاکمیتی محلی مشارکت ورزند.

(این مقاله بازنشر از حساب کاربری «مؤسسه پژوهشی دونگ‌بویاچیائو» است.)