وابستگی هوش‌مصنوعی به برق

 تا همین چند سال پیش به نظر می‌رسید که سرنوشت این رقابت را کیفیت مدل‌ها، تعداد پارامترها و قدرت تراشه‌ها مشخص می‌کند. هر بار که نام یک مدل جدید در آمریکا شنیده می‌شد، تصور عمومی این بود که یک «اختراع بزرگ» دیگر فاصله واشنگتن و پکن را افزایش داده است. اما با جهش‌های اخیر چین در حوزه انرژی‌های پاک و مدل‌های متن‌باز، تصویر بزرگ‌تر در حال تغییر است.

نقطه تعیین‌کننده دیگر در کد و الگوریتم نیست؛ در ظرفیت برق است. برق نه به‌عنوان یک ورودی ساده، بلکه به‌عنوان زیربنایی که سقف توان محاسباتی یک کشور را تعیین می‌کند. این گزارش تلاش می‌کند نشان دهد چگونه چین با ترکیب انرژی ارزان، مدل‌های باز و شبکه فوق‌ولتاژ، در حال ساختن یک مزیت پایدار است و چرا غرب، به‌رغم برتری فناورانه، با گلوگاه انرژی مواجه شده است.

درحالی‌که بحث‌ها پیرامون رقابت جهانی هوش مصنوعی همچنان بر جزئیات فنی مدل‌ها و پیشرفت‌های الگوریتمی متمرکز است، واقعیت میدانی نشان می‌دهد که اکنون «برق» به عامل اصلی تعیین‌کننده توان رقابتی ملت‌ها تبدیل شده است. هرچند تراشه‌ها، مراکز داده و مدل‌های چندصد‌میلیاردپارامتری هنوز ستون‌های اصلی زیست‌بوم AI محسوب می‌شوند، اما ظرفیت الکتریکی است که سرعت، مقیاس و برد کاربردهای این فناوری را مشخص می‌کند. توسعه مدل‌های بزرگ دیگر مساله دانش محض نیست؛ مساله انرژی است. از آموزش یک مدل تا اجرای روزمره آن در شبکه‌های خدمات‌رسانی، همه‌چیز به میزان دسترسی به برق پایدار، ارزان و قابل‌گسترش بستگی دارد.

در این نقطه، کشورهایی که زیرساخت انرژی خود را نوسازی کرده‌اند و تولید برق پاک را در اولویت قرار داده‌اند، مزیتی ساختاری به دست آورده‌اند. چین با افزایش بی‌سابقه ظرفیت خورشیدی و بادی و ایجاد شبکه‌های فوق‌ولتاژ، در حال تقویت همین مزیت است؛ مزیتی که نه‌فقط هزینه محاسبه را کاهش می‌دهد، بلکه امکان استفاده گسترده از مدل‌های باز و مقرون‌به‌صرفه را نیز فراهم می‌کند. به بیان دیگر، در عصر هوش مصنوعی، قدرت محاسباتی کشورها همان‌قدر به توانایی تولید دانش وابسته است که به توانایی تولید برق متکی ا‌ست.

هزینه «فکر کردن» کاهش پیدا می‌کند؟

یکی از تغییرات بنیادین در اقتصاد هوش مصنوعی، کاهش شدید هزینه اجرای مدل‌هاست؛ تغییری که برخلاف تصور رایج، نه از دل نوآوری الگوریتمی بلکه از دل سیاست صنعتی و ساختار انرژی بیرون آمده است. مدل‌های چینی نظیر DeepSeek، Qwen و Kimi در یک بازه کوتاه توانسته‌اند هزینه استنتاج را تا یک‌دهم نمونه‌های مشابه آمریکایی کاهش دهند؛ اتفاقی که آثار اقتصادی آن شاید حتی از خودِ پیشرفت مدل‌ها مهم‌تر باشد. کاهش هزینه باعث می‌شود مصرف به شکل انفجاری افزایش یابد.

وقتی فکر کردن یا اجرای یک مدل تقریبا مجانی می‌شود، هزاران نهاد از دانشگاه‌های کوچک تا کارخانه‌های متوسط برای اولین‌بار می‌توانند از هوش مصنوعی در مقیاس گسترده استفاده کنند. این اتفاق چیزی شبیه انقلاب صنعتی است: همان‌گونه که ارزان‌شدن نیروی بخار یا برق زمینه‌ساز موج‌های جدید تولید شد، اکنون ارزان‌شدن فکر ماشینی زمینه‌ساز موج‌های جدید تحلیل، تصمیم‌گیری و اتوماسیون است.

چین این فرآیند را نه به‌عنوان پدیده‌ای ناخواسته بلکه به‌عنوان یک استراتژی دنبال می‌کند. دولت، شرکت‌ها و پژوهشگران چینی از ابتدا مدل‌ها را با هدف تولید انبوه و استفاده عمومی طراحی کرده‌اند. متن‌باز بودن بسیاری از مدل‌ها بخشی از همین رویکرد است. در مقابل، غرب همچنان بر مدل‌های بسته و گران‌قیمت متکی است؛ ساختاری که شاید از لحاظ امنیتی قابل دفاع باشد اما از نظر اقتصادی محدودکننده است. وقتی مصرف محاسباتی افزایش یابد، نیاز به انرژی نیز بالا می‌رود؛ و این‌جاست که چین با ظرفیت عظیم انرژی پاک وارد صحنه می‌شود.

برق تعیین‌کننده‌تر از الگوریتم می‌شود

برای نخستین‌بار در تاریخ فناوری‌های دیجیتال، انرژی به مهم‌ترین محدودیت تبدیل شده است. آموزش مدل‌هایی در مقیاس GPT-۴ یا DeepSeek نیازمند‌ میلیون‌ها کیلووات‌ساعت برق است؛ رقمی که تا چند سال قبل حتی تصورش هم در حوزه فناوری اطلاعات مطرح نبود. حتی اجرای روزمره این مدل‌ها از چت‌ربات‌ها تا سامانه‌های صنعتی به زیرساخت برق پایدار و ارزان نیاز دارد. آژانس بین‌المللی انرژی نیز تخمین می‌زند که تا سال ۲۰۳۰ مصرف برق مراکز داده نسبت به سال ۲۰۲۴ دو برابر خواهد شد.

این افزایش به خاطر هوش مصنوعی است، نه ذخیره‌سازی ابری یا سرویس‌های قدیمی‌تر دیجیتال؛ در چنین شرایطی، کشورهایی پیروز می‌شوند که بتوانند برق فراوان و پاک تولید کنند. چین در سال ۲۰۲۴ با اضافه کردن ۳۵۶ گیگاوات ظرفیت انرژی پاک، بی‌رقیب ظاهر شد. ۹۱درصد این ظرفیت از انرژی خورشیدی، بادی و آبی بود؛ و مهم‌تر از همه، چین شبکه‌ای از خطوط فوق‌ولتاژ ایجاد کرده که قادر است برق را از مناطق دورافتاده خورشیدی و بادی به مراکز داده منتقل کند. این شبکه، بزرگ‌ترین نمونه موجود در جهان است و امکان می‌دهد برق پاک با حداقل اتلاف به نقاطی برسد که بیشترین نیاز محاسباتی را دارند.

در مقابل، غرب با چالش‌هایی جدی روبه‌روست. در بسیاری از ایالت‌های آمریکا پروژه‌های مراکز داده به دلیل کمبود ظرفیت شبکه برق معلق مانده‌اند. اتحادیه اروپا نیز با وجود رشد انرژی‌های تجدیدپذیر، به دلیل ضعف در شبکه انتقال و ذخیره‌سازی، قادر نیست نیازهای روبه‌افزایش هوش مصنوعی را تامین کند. نتیجه این شده که حتی اگر مدل‌های آمریکایی پیشرفته‌تر باشند، اجرای آنها گران‌تر و محدودتر است. این همان نقطه‌ای است که رقابت از سطح الگوریتم به سطح کیلووات منتقل می‌شود.

موتور قدرت دیجیتال چین

ترکیب انرژی پاک ارزان، شبکه قوی و مدل‌های باز، نوعی چرخه خودتقویت‌کننده در چین ایجاد کرده که می‌توان آن را «فلای‌ویل انرژی- محاسبه» نامید. در این چرخه، انرژی فراوان باعث می‌شود هزینه محاسبه کاهش یابد. کاهش هزینه محاسبه خود موجب افزایش تقاضا برای استفاده از مدل‌ها می‌شود؛ از دولت‌های محلی گرفته تا صنایع سنگین و شرکت‌های کوچک. افزایش تقاضا موجب می‌شود هوش مصنوعی برای مدیریت شبکه انرژی، پیش‌بینی بار، بهینه‌سازی تولید و تحلیل مصرف به کار گرفته شود. هوش مصنوعی نیز بازده شبکه را افزایش می‌دهد، اتلاف را کاهش می‌دهد و امکان تولید انرژی بیشتری با همان زیرساخت فراهم می‌کند. این یعنی چرخه دوباره از نقطه ابتدایی قوی‌تر ادامه می‌یابد. 

این سازوکار یک مزیت ساختاری است که رقبای غربی به‌سادگی نمی‌توانند بازتولیدش کنند. برای ایجاد چنین چرخه‌ای باید ظرفیت عظیم انرژی پاک، سیاستگذاری هماهنگ، سیستم انتقال قدرتمند و مدل‌های ارزان وجود داشته باشد. چین همه این عناصر را یک‌جا دارد. آمریکا و اروپا هرکدام بخشی از این پازل را دارند، اما نه همه آن را، آمریکا مدل‌های سطح‌بالا و تراشه‌های پیشرفته دارد، اما شبکه برق آن فرسوده و توسعه انرژی پاک کند است. اروپا انرژی پاک دارد، اما شبکه انتقال و سیاست‌های یکپارچه ندارد.

نتیجه این است که فلای‌ویل در چین می‌چرخد و در غرب اغلب در نقطه شروع گیر می‌کند. این چرخه پیامدهای ژئوپلیتیک مهمی دارد. هرچه کشورهای بیشتری از مدل‌های چینی استفاده کنند، وابستگی آنها به زیرساخت محاسباتی و حتی استانداردهای فناورانه چین افزایش می‌یابد. همان‌گونه که دهه‌ها قبل خطوط تولید ارزان چین جهان را تسخیر کرد، اکنون مدل‌های ارزان چینی می‌توانند نقش مشابهی در «تولید فکر» ایفا کنند.

آیا چین در آستانه رهبری هوش مصنوعی جهان است؟

پرسش بزرگ همین است که آیا چین با این ساختار انرژی‌محور می‌تواند رهبر آینده AI شود؟ پاسخ ساده‌ای ندارد؛ زیرا برتری فناورانه همچنان در بسیاری از زمینه‌ها در دست آمریکا است. تراشه‌های پیشرفته، سیستم‌عامل‌های زیربنایی، و شبکه پژوهشی جهانی همچنان به نفع غرب است. اما مساله اینجاست که مسیر رشد آینده هوش مصنوعی دیگر مثل گذشته به نوآوری الگوریتمی وابسته نیست. وقتی الگوریتم‌ها استاندارد می‌شوند و وقتی مدل‌های بسیاری عملکردی مشابه ارائه می‌دهند، عامل تعیین‌کننده نه نوآوری بلکه مقیاس و هزینه می‌شود. چین در این مقیاس‌پذیری برتری دارد. اگر یک کشور بتواند «فکر ماشینی» را ارزان‌تر تولید کند، می‌تواند آن را بیشتر در اقتصاد تزریق کند.

این یعنی بهبود بهره‌وری، تسریع صنعتی‌سازی دیجیتال، و افزایش رقابت‌پذیری جهانی. بنابراین حتی اگر آمریکا در مرزهای علمی همچنان پیشتاز بماند، مزیت کاربردی و اقتصادی احتمالا به چین منتقل می‌شود. در این میان چالش‌هایی نیز وجود دارد؛ از محدودیت‌های دسترسی به تراشه‌های پیشرفته گرفته تا نگرانی‌های امنیتی برخی کشورها درباره فناوری‌های چینی. اما وزن این چالش‌ها در برابر برتری‌های ساختاری چین کمتر به نظر می‌رسد. آنچه اکنون مشاهده می‌شود، انتقال آرام اما عمیق قدرت از الگوریتم به انرژی است و در این انتقال، چین با سرعتی پایدار جلو می‌رود.

رقابت جهانی هوش مصنوعی دیگر رقابت مدل‌ها نیست. رقابت برق است. کشوری که بتواند انرژی پاک، ارزان و پایدار تولید کند، آینده هوش مصنوعی را تصاحب خواهد کرد. چین با سیاستگذاری منسجم، زیرساخت عظیم و مدل‌های متن‌باز، این مسیر را زودتر از جهان آغاز کرده است. در مقابل، غرب با وجود پیشرفت‌های علمی، در گلوگاه انرژی گرفتار شده است. آینده رقابت دیجیتال بیش از هر زمان دیگر به ظرفیت تولید برق وابسته است و فعلا چین یک گام بزرگ جلوتر است.