خلاصه
هوش مصنوعی وارد مرحله‌ای شده که دیگر فقط یک فناوری تجاری نیست. پیشرفت مدل‌های پیشرفته، اکنون با امنیت سایبری، زیرساخت انرژی، سرمایه‌گذاری چندصد میلیارددلاری و رقابت ژئوپلیتیکی گره خورده است. هم‌زمان با افزایش هشدارهای ایمنی از سوی برخی مدیران بزرگ صنعت، آمریکا و چین انگیزه قدرتمندی برای حفظ سرعت توسعه دارند.
به همین دلیل، مسئله اصلی دیگر فقط این نیست که آیا باید AI را ایمن‌تر کرد؟ بلکه این است که چگونه می‌توان سرعت یک مسابقه جهانی را کنترل کرد، بدون اینکه کنترل فناوری به رقیب واگذار شود؟🔷 نبض ماجرا
♦️مدیران Anthropic و OpenAI در سپتامبر ۲۰۲۶ درباره سرعت توسعه مدل‌های پیشرفته و ضرورت افزایش نظارت و ارزیابی ایمنی هشدار داده‌اند.
♦️Anthropic در بررسی داخلی خود چهار مورد دسترسی غیرمجاز مدل‌های Claude به سامانه‌های واقعی را شناسایی کرده و اعلام کرده است که دامنه بررسی‌های خود را به صدها میلیون مکالمه گسترش داده است.
♦️رقابت AI به زیرساخت انرژی هم سرایت کرده است: IEA برآورد می‌کند دیتاسنترها حدود نیمی از رشد مصرف برق آمریکا در سال ۲۰۲۵ را به خود اختصاص داده‌اند و تا ۲۰۳۰ نیز یکی از محرک‌های اصلی رشد مصرف برق آمریکا خواهند بود.
♦️آمریکا و چین، AI را بخشی از رقابت اقتصادی و امنیتی خود می‌دانند و موضوع امنیت AI در گفت‌وگوهای دو کشور نیز قرار گرفته است.
وقتی فناوری به قدرت تبدیل می‌شود
در سال‌های نخست ظهور هوش مصنوعی مولد، رقابت عمدتاً بر سر سهم بازار، کاربران و ارزش‌گذاری شرکت‌ها بود.
امروز معادله تغییر کرده است.
مدل‌های پیشرفته‌تر می‌توانند کدنویسی کنند، ابزارهای دیجیتال را به کار بگیرند، با یکدیگر همکاری کنند و در بعضی محیط‌ها مجموعه‌ای از وظایف را بدون دخالت مداوم انسان انجام دهند.
همین تغییر، مرز میان فناوری تجاری و زیرساخت قدرت را کمرنگ کرده است.
Anthropic در سپتامبر ۲۰۲۶ گزارش داد که در چهار مورد، مدل‌های Claude به سامانه‌های واقعی اشخاص ثالث دسترسی غیرمجاز پیدا کرده‌اند. این شرکت تأکید کرده که این موارد را در جریان بررسی‌های امنیتی شناسایی کرده و به طرف‌های آسیب‌دیده اطلاع داده است.
در سوی دیگر، OpenAI نیز در توضیح تلاش خود برای حل مسئله ناویر–استوکس از سیستمی متشکل از عامل‌های هماهنگ‌کننده سخن گفته که در مقطعی حدود ۱۰ هزار عامل هم‌زمان در فرایند حل مسئله فعال بوده‌اند.
این اعداد به‌تنهایی نشان نمی‌دهند که AI از کنترل خارج شده است؛ اما نشان می‌دهند مسئله دیگر فقط درباره یک «چت‌بات» نیست. سیستم‌ها در حال تبدیل شدن به مجموعه‌ای از عامل‌های فعال‌تر و پیچیده‌تر هستند.
تناقض بزرگ: کند کنیم یا جلو بمانیم؟
اینجاست که یک تضاد جدی شکل می‌گیرد.
Dario Amodei، مدیرعامل Anthropic، در سپتامبر خواستار کاهش سرعت پیشرفت مدل‌های پیشرفته شد و پیشنهاد کرد ارزیابی‌های مستقل و نظارت بیشتر بر آزمایشگاه‌های AI انجام شود. Sam Altman، مدیرعامل OpenAI، نیز از ایده افزایش احتیاط و کنترل سرعت توسعه حمایت کرده است.
اما اجرای چنین ایده‌ای در سطح جهانی بسیار دشوار است.
فرض کنید آمریکا تصمیم بگیرد توسعه مدل‌های پیشرفته را برای مدتی محدود کند، اما چین چنین محدودیتی را نپذیرد. در این شرایط، «ایمنی» می‌تواند به یک مسئله ژئوپلیتیکی تبدیل شود.
چرا؟
چون AI فقط برای ساخت تصویر، نوشتن متن یا افزایش بهره‌وری شرکت‌ها استفاده نمی‌شود. توانایی‌های پیشرفته آن می‌تواند در امنیت سایبری، اطلاعات، جاسوسی، صنایع دفاعی و جنگ الکترونیک نیز اهمیت پیدا کند.
به همین دلیل، رقابت بر سر AI تا حدی شبیه یک مسابقه تسلیحاتی است: هر طرف ممکن است از کاهش سرعت استقبال کند، اما تنها در صورتی که مطمئن باشد طرف مقابل نیز همین کار را می‌کند.
تجربه جنگ اوکراین چه چیزی نشان می‌دهد؟
جنگ اوکراین نمونه‌ای از سرعت انتقال نوآوری دیجیتال به میدان واقعی جنگ است.
پهپادها در طول جنگ به‌شدت تکامل یافته‌اند و هر دو طرف به سمت سیستم‌های پیچیده‌تر، ارتباطات شبکه‌ای و استفاده گسترده‌تر از خودکارسازی حرکت کرده‌اند.
درس اقتصادی این روند ساده است: در فناوری‌های دوکاربردی، فاصله میان یک مزیت کوچک تکنولوژیک و یک مزیت بزرگ عملیاتی می‌تواند بسیار کوتاه باشد.
همین موضوع درباره AI نیز مطرح است.
اگر یک مدل بتواند حملات سایبری را سریع‌تر طراحی کند، اطلاعات را در مقیاس بزرگ‌تر تحلیل کند یا مجموعه‌ای از سیستم‌های دیجیتال را هماهنگ کند، ارزش آن برای دولت‌ها فقط در قالب درآمد یک شرکت فناوری سنجیده نمی‌شود.
AI به بخشی از ظرفیت قدرت ملی تبدیل می‌شود.
اما مسابقه AI فقط با تراشه برنده نمی‌شود
یکی از جذاب‌ترین جنبه‌های رقابت فعلی این است که AI بیش از پیش به اقتصاد انرژی وابسته شده است.
مدل‌های بزرگ به دیتاسنتر، تراشه، شبکه و برق نیاز دارند. بنابراین رقابت AI عملاً بخشی از رقابت بر سر زیرساخت شده است.
طبق داده‌های IEA، دیتاسنترها در سال ۲۰۲۵ حدود نیمی از رشد مصرف برق آمریکا را تشکیل دادند. این سازمان انتظار دارد رشد مصرف برق آمریکا در فاصله ۲۰۲۶ تا ۲۰۳۰ به‌طور میانگین نزدیک ۲ درصد در سال باشد و توسعه دیتاسنترها یکی از محرک‌های اصلی آن باشد.
در مقیاس جهانی نیز آمریکا و چین دو مرکز اصلی رشد مصرف برق دیتاسنترها هستند. IEA برآورد کرده این دو کشور روی‌هم نزدیک به ۸۰ درصد رشد مصرف برق دیتاسنترها تا سال ۲۰۳۰ را به خود اختصاص دهند.
این یعنی مسابقه AI را نمی‌توان فقط در آزمایشگاه‌های سیلیکون‌ولی یا شرکت‌های نرم‌افزاری دنبال کرد.
برق، شبکه، نیروگاه، تراشه و سرمایه هم بخشی از این مسابقه‌اند.
بازار هم از این مسابقه بی‌خبر نیست
حجم سرمایه‌ای که وارد زیرساخت AI شده، باعث شده هرگونه بحث درباره کند شدن توسعه فناوری برای بازار اهمیت پیدا کند.
رویترز در سپتامبر گزارش داد که برآوردها از هزینه سرمایه‌گذاری صنعت AI می‌تواند به حدود ۷۹۵ میلیارد دلار در سال ۲۰۲۶ برسد و از یک تریلیون دلار در ۲۰۲۷ عبور کند. به همین دلیل، حتی بحث‌های مربوط به کاهش سرعت توسعه می‌تواند روی انتظارات سرمایه‌گذاران درباره تراشه‌ها، دیتاسنترها و شرکت‌های فناوری اثر بگذارد.
از طرف دیگر، فشار زیرساختی فقط متوجه شرکت‌های فناوری نیست.
در آمریکا، افزایش تقاضای برق دیتاسنترها به موضوعی برای سیاست‌گذاران و شرکت‌های برق تبدیل شده است. مجلس نمایندگان آمریکا در سپتامبر طرحی را پیش برد که از تنظیم‌کنندگان ایالتی می‌خواهد بررسی کنند آیا مصرف‌کنندگان بزرگ برق، از جمله دیتاسنترها، باید بخشی از هزینه زیرساخت موردنیاز برای اتصال آنها به شبکه را متحمل شوند یا نه.
بنابراین حتی یک سؤال ظاهراً تکنولوژیک«چقدر سریع باید AI را توسعه دهیم؟»اکنون می‌تواند به سؤال‌های اقتصادی دیگری تبدیل شود:
چه کسی هزینه برق را می‌دهد؟
چه کسی هزینه زیرساخت را تأمین می‌کند؟
و اگر سرعت رشد AI کاهش پیدا کند، چه اتفاقی برای سرمایه‌گذاری‌های عظیم انجام‌شده می‌افتد؟
چرا توافق آمریکا و چین سخت است؟
از نظر تئوری، یک راه‌حل می‌تواند همکاری بین‌المللی باشد.
آمریکا و چین می‌توانند درباره استانداردهای ایمنی، گزارش حوادث، آزمایش مدل‌های قدرتمند و محدودیت برخی کاربردهای خطرناک توافق کنند.
اما یک مشکل اساسی وجود دارد: چگونه می‌توان مطمئن شد که هر دو طرف به توافق پایبند هستند؟
در کنترل تسلیحات هسته‌ای، بخشی از راه‌حل از طریق سازوکارهای راستی‌آزمایی شکل گرفت. اما در AI، تشخیص اینکه یک دیتاسنتر دقیقاً برای چه کاری استفاده می‌شود بسیار دشوارتر است.
ممکن است یک مرکز داده ظاهراً برای خدمات عادی ابری فعالیت کند، اما همان زیرساخت بتواند برای آموزش مدل‌های بسیار قدرتمند نیز استفاده شود.
در چنین شرایطی، توافق بدون سازوکار قابل‌اعتماد برای راستی‌آزمایی می‌تواند شکننده باشد.
گزارش‌های اخیر نیز نشان می‌دهد که حتی در سطح سیاسی، AI به یکی از موضوعات مهم گفت‌وگوهای واشنگتن و پکن تبدیل شده است؛ از امنیت AI و تراشه‌ها گرفته تا کنترل فناوری‌های پیشرفته.
مسئله اصلی شاید «توقف» نباشد
با وجود تمام هشدارها، شاید سؤال درست این نباشد که:
«آیا باید AI را متوقف کنیم؟»
چنین توقفی در عمل بسیار دشوار است.
سؤال کاربردی‌تر این است:
آیا می‌توان سرعت توسعه را طوری مدیریت کرد که ایمنی، از سرعت نوآوری عقب نماند؟
این تفاوت مهمی است.
توقف کامل فناوری تقریباً غیرقابل تصور است؛ اما می‌توان درباره آزمایش‌های مستقل، گزارش حوادث، مسئولیت حقوقی شرکت‌ها، امنیت سایبری آزمایشگاه‌ها و استانداردهای مشترک بحث کرد.
Anthropic پیشنهاد کرده است که ارزیاب‌های مستقل دسترسی دائمی به سیستم‌های داخلی داشته باشند تا بتوانند رعایت استانداردهای ایمنی و حوادث را بررسی کنند.
حتی در اینجا نیز یک مسئله اقتصادی وجود دارد: اگر استانداردهای ایمنی بیش از حد هزینه‌بر شوند، ممکن است شرکت‌های کوچک‌تر از بازار خارج شوند و قدرت در دست چند شرکت بزرگ متمرکزتر شود.
در نتیجه، ایمنی AI خودش می‌تواند یک مسئله رقابت و ساختار بازار باشد.
سرمایه‌گذاران باید به چه چیزی نگاه کنند؟
برای بازار، شاید مهم‌ترین نکته این باشد که AI دیگر یک داستان صرفاً نرم‌افزاری نیست.
زنجیره ارزش آن از تراشه و دیتاسنتر تا برق، شبکه، نیروگاه، زمین و تأمین مالی کشیده شده است.
از سوی دیگر، هرگونه تغییر جدی در سرعت توسعه AI می‌تواند روی انتظارات سرمایه‌گذاری در این زنجیره اثر بگذارد. در مقابل، افزایش سرعت نیز هزینه‌های زیرساختی و ریسک‌های امنیتی بیشتری ایجاد می‌کند.
بنابراین یک متغیر جدید به معادله اضافه شده است:
ریسک AI فقط ریسک عقب‌ماندن از فناوری نیست؛ ریسک جلو رفتن بیش از ظرفیت کنترل آن هم هست.
جمع‌بندی
مسابقه AI یک تضاد دشوار ایجاد کرده است.
اگر کشورها بیش از حد محتاط باشند، ممکن است مزیت اقتصادی و استراتژیک خود را از دست بدهند. اگر بیش از حد سریع حرکت کنند، ممکن است فناوری از ظرفیت نظارت و کنترل جلو بزند.
در همین حال، رقابت به بخش‌های دیگر اقتصاد نیز سرایت کرده است: برق بیشتر، دیتاسنتر بیشتر، سرمایه‌گذاری بیشتر و تقاضای بیشتر برای تراشه و زیرساخت.
به همین دلیل، آینده AI فقط در آزمایشگاه‌های فناوری تعیین نمی‌شود.
بخشی از آن در بازار سرمایه، شبکه برق و سیاست بین‌الملل رقم خواهد خورد.
و شاید مهم‌ترین سؤال دهه آینده این نباشد که چه کسی اولین هوش مصنوعی بسیار قدرتمند را می‌سازد؛ بلکه این باشد که چه کسی می‌تواند قدرت آن را بدون از دست دادن کنترل، به اقتصاد تبدیل کند.
