دورانی که زادگاه موفقیتهای بزرگ فناوری، گاراژ خانههای کوچک سیلیکونولی بود، گذشته است. روزگاری که چند برنامهنویس جوان میتوانستند با چند رایانه شخصی و یک ایده خلاقانه، کسبوکاری بسازند که جهان را تغییر دهد. حالا اما زادگاه نوآوری کارخانههایی هستند که تراشه میسازند، مراکز دادهای که هزاران پردازنده دارند و تأسیساتی که مصرف برق آنها با یک شهر برابری میکند.
در دو سال گذشته تقریباً تمام توجهها در حوزه هوش مصنوعی به مدلهای زبانی بزرگ، عاملهای هوشمند و رقابت شرکتهای فناوری برای توسعه مدلهای قدرتمندتر معطوف بوده است. هر هفته خبر تازهای از عرضه یک مدل جدید، افزایش تعداد پارامترها یا رکوردشکنی در بنچمارکهای هوش مصنوعی منتشر میشود.
اما پشت این رقابت پرسرعت، واقعیتی پنهان شده است. واقعیتی که میتواند آینده کل صنعت هوش مصنوعی را تعیین کند. بزرگترین چالش پیش روی هوش مصنوعی دیگر الگوریتم نیست. داده نیز نیست. حتی کمبود سرمایه هم نیست. گلوگاه اصلی به زیرساخت بازمیگردد.
در واقع، جهان به دورهای وارد شده است که در آن موفقیت در هوش مصنوعی بیش از هر زمان دیگری به دسترسی به تراشههای پیشرفته، حافظههای پرسرعت، ظرفیت مراکز داده و زنجیره تأمین نیمههادیها وابسته شده است.
گزارشهای اخیر Deloitte، IDC و مؤسسات مالی بینالمللی تصویری روشن از این وضعیت ارائه میکنند؛ تصویری که نشان میدهد رقابت اصلی عصر هوش مصنوعی در کارخانههای تولید تراشه، خطوط ساخت حافظه و مراکز داده در جریان است.
از انقلاب نرمافزار به انقلاب زیرساخت
در دهههای گذشته، نوآوری دیجیتال عمدتاً یک مسئله نرمافزاری بود. یک تیم کوچک میتوانست با چند سرور محدود، محصولی تولید کند که میلیونها کاربر را جذب کند. بسیاری از غولهای فناوری جهان در گاراژها یا دفاتر کوچک متولد شدند.
اما هوش مصنوعی مولد قواعد بازی را تغییر داده است. آموزش یک مدل پیشرفته امروزی ممکن است به دهها هزار پردازنده گرافیکی نیاز داشته باشد. هزینه آموزش برخی مدلهای بزرگ به صدها میلیون دلار رسیده است. حتی استقرار و بهرهبرداری روزمره از این مدلها نیز به زیرساختی عظیم نیاز دارد.
به همین دلیل، هوش مصنوعی برخلاف بسیاری از موجهای فناوری پیشین، یک صنعت «زیرساختمحور» است. هر پیشرفت نرمافزاری جدید به سرمایهگذاری فیزیکی گستردهتری در سختافزار نیاز دارد.
جهش تاریخی صنعت نیمههادی
برای درک ابعاد این تحول کافی است به روند بازار نیمههادیها نگاه کنیم. بر اساس پیشبینی Deloitte، درآمد جهانی صنعت نیمههادی از حدود ۶۲۷ میلیارد دلار در سال ۲۰۲۴ به نزدیک یک تریلیون دلار در سال ۲۰۲۶ خواهد رسید.
IDC حتی برآورد بلندپروازانهتری ارائه میکند و پیشبینی میکند ارزش این بازار در سال ۲۰۲۶ از مرز ۱.۲ تریلیون دلار عبور کند. این ارقام صرفاً نشانه رشد یک صنعت نیستند؛ بلکه نشاندهنده تغییر ساختار اقتصاد دیجیتال جهان هستند.
برای مقایسه، صنعت نیمههادی طی دهههای گذشته معمولاً با نرخهای رشد تکرقمی یا نهایتاً دو رقمی شناخته میشد. اکنون در برخی بخشهای مرتبط با هوش مصنوعی، نرخ رشد سالانه به چند ده درصد رسیده است.
دلیل این رشد نیز روشن است. هر مدل هوش مصنوعی جدید به هزاران تراشه پیشرفته نیاز دارد. هر مرکز داده جدید به صدها هزار ماژول حافظه نیاز دارد. هر سرویس مبتنی بر AI به توان پردازشی بسیار بیشتری نسبت به نرمافزارهای سنتی احتیاج دارد.در نتیجه، تقاضا برای زیرساخت با سرعتی بیسابقه در حال افزایش است.
چرا GPU به تنهایی کافی نیست؟
در بسیاری از تحلیلها، تمرکز اصلی بر پردازندههای گرافیکی یا GPU است. بدون تردید، GPU قلب تپنده زیرساختهای هوش مصنوعی محسوب میشود. این پردازندهها به دلیل توان پردازش موازی بالا برای آموزش و اجرای مدلهای یادگیری عمیق ایدهآل هستند.
اما یک تصور اشتباه رایج وجود دارد. بسیاری از افراد گمان میکنند چالش اصلی تنها تولید GPU است. در حالی که در عمل، عملکرد پردازنده بدون دسترسی سریع به دادهها بیمعنا خواهد بود. در یک سامانه هوش مصنوعی، داده باید با سرعت بسیار بالا میان حافظه و پردازنده جابهجا شود. هرچه مدلها بزرگتر میشوند، این نیاز شدیدتر میشود.
به همین دلیل، امروزه بسیاری از متخصصان معتقدند گلوگاه اصلی صنعت AI نه توان پردازشی، بلکه توان حافظه است. به بیان ساده، موتور قدرتمندی ساخته شده است اما جادهای که باید دادهها را به آن برساند هنوز به اندازه کافی توسعه نیافتهاند.
HBM؛ مهمترین فناوری کمتر شناختهشده عصر AI
اگر بخواهیم یک فناوری را به عنوان قهرمان پنهان انقلاب هوش مصنوعی معرفی کنیم، احتمالاً آن فناوری HBM یا High Bandwidth Memory خواهد بود. HBM نوعی حافظه پیشرفته است که با معماری سهبعدی طراحی میشود و میتواند حجم عظیمی از داده را با سرعت بسیار بالا در اختیار پردازنده قرار دهد.
تقریباً تمام شتابدهندههای پیشرفته هوش مصنوعی به این نوع حافظه وابستهاند. مشکل اینجاست که تولید HBM بسیار پیچیدهتر از حافظههای معمولی است. فرآیند تولید آن به فناوریهای پیشرفته بستهبندی تراشه، تجهیزات گرانقیمت و ظرفیت تولید محدود نیاز دارد. همین مسئله باعث شده ظرفیت جهانی تولید HBM به یکی از حساسترین نقاط زنجیره تأمین AI تبدیل شود.
برخی گزارشهای بازار نشان میدهند بخش قابل توجهی از ظرفیت تولید این حافظهها برای سالهای آینده از قبل رزرو شده است. این یعنی حتی اگر یک سازمان بودجه کافی برای خرید پردازندههای پیشرفته داشته باشد، ممکن است به دلیل محدودیت عرضه حافظه نتواند زیرساخت مورد نیاز خود را تأمین کند.
بحران حافظه؛ چالشی فراتر از سال ۲۰۲۸
برخی تحلیلهای مالی از جمله ارزیابیهای منتشرشده توسط مؤسسات سرمایهگذاری بزرگ نشان میدهند که کمبود حافظههای پیشرفته ممکن است تا سال ۲۰۲۸ ادامه پیدا کند.
این مسئله صرفاً ناشی از افزایش تقاضا نیست. عرضه نیز با محدودیتهای جدی مواجه است. احداث یک کارخانه پیشرفته تولید نیمههادی معمولاً بین ۱۰ تا ۳۰ میلیارد دلار سرمایهگذاری نیاز دارد. راهاندازی چنین تأسیساتی ممکن است چندین سال زمان ببرد.
علاوه بر آن، تجهیزات تولید تراشه خود محصول زنجیرهای پیچیده از تأمینکنندگان تخصصی هستند. به همین دلیل، افزایش ظرفیت تولید نمیتواند همگام با رشد تقاضا حرکت کند. این همان وضعیتی است که اقتصاددانان از آن با عنوان «گلوگاه ساختاری» یاد میکنند.
مراکز داده؛ کارخانههای مصرف برق
در گذشته، مراکز داده صرفاً محل نگهداری سرورها بودند. امروز اما به کارخانههای اصلی اقتصاد دیجیتال تبدیل شدهاند. هوش مصنوعی مقیاس جدیدی از نیازهای زیرساختی را ایجاد کرده است.
یک مرکز داده AI نه تنها به هزاران پردازنده و ماژول حافظه نیاز دارد، بلکه به شبکههای فوق سریع، سیستمهای ذخیرهسازی گسترده، سامانههای خنککننده پیشرفته و ظرفیت عظیم تأمین برق نیز وابسته است.
در بسیاری از پروژههای جدید، تأمین انرژی به یکی از بزرگترین چالشها تبدیل شده است. برخی مراکز داده نسل جدید به اندازه یک شهر متوسط برق مصرف میکنند. به همین دلیل، بحث انرژی اکنون به بخشی جداییناپذیر از استراتژی هوش مصنوعی تبدیل شده است.
در واقع، آینده AI تنها در صنعت نیمههادی رقم نمیخورد؛ بلکه به وضعیت شبکههای برق، منابع آب و زیرساختهای انرژی نیز وابسته است.
تمرکز قدرت در اکوسیستم هوش مصنوعی
یکی از پیامدهای مهم این تحولات، افزایش تمرکز قدرت است. هرچه زیرساخت گرانتر و کمیابتر شود، بازیگران کمتری توان رقابت خواهند داشت. در نتیجه، مزیت رقابتی از «داشتن ایده بهتر» به سمت «دسترسی بهتر به زیرساخت» حرکت میکند.
شرکتهایی که قراردادهای بلندمدت تأمین تراشه دارند، مراکز داده اختصاصی ساختهاند یا به شبکههای ابری بزرگ متصل هستند، شانس بیشتری برای توسعه محصولات هوش مصنوعی خواهند داشت. این روند میتواند شکاف میان کشورهای توسعهیافته و در حال توسعه را نیز عمیقتر کند.
این تحولات برای ایران چه معنایی دارد؟
اگرچه بخش عمده رقابت جهانی بر سر تراشههای پیشرفته، حافظههای HBM و مراکز داده در آمریکا، چین، اروپا و شرق آسیا جریان دارد، اما پیامدهای این تحولات محدود به این کشورها نخواهد ماند. هر سازمانی که قصد دارد در سالهای آینده از هوش مصنوعی بهصورت عملیاتی و در مقیاس گسترده استفاده کند، دیر یا زود با آثار این تحولات روبهرو خواهد شد.
در ایران نیز چالش اصلی توسعه هوش مصنوعی احتمالاً کمبود ایده، الگوریتم یا نیروی متخصص نخواهد بود؛ بلکه دسترسی به زیرساخت و مدیریت بهینه منابع محاسباتی خواهد بود.
در سالهای گذشته بسیاری از پروژههای هوش مصنوعی در سازمانها در حد نمونههای اولیه، آزمایشهای محدود یا کاربردهای کوچک باقی ماندهاند. اما با ورود مدلهای زبانی بزرگ، عاملهای هوشمند و سامانههای تصمیمیار مبتنی بر AI به فرایندهای عملیاتی، نیاز به توان پردازشی به شکل چشمگیری افزایش پیدا میکند. در این مرحله، مسئله اصلی دیگر طراحی یک مدل یا توسعه یک چتبات نیست؛ بلکه توانایی اجرای پایدار، سریع و اقتصادی این سامانهها در مقیاس سازمانی است.
از سوی دیگر، روندهای جهانی نشان میدهد که مزیت رقابتی در هوش مصنوعی بهتدریج از «داشتن مدل بهتر» به سمت «دسترسی بهتر به زیرساخت» حرکت میکند. نکته مهم دیگر آن است که برای بسیاری از سازمانهای ایرانی، راهحل صرفاً خرید سختافزار بیشتر نخواهد بود. محدودیت منابع، هزینه تجهیزات و سرعت تغییر فناوری باعث میشود بهرهوری زیرساخت اهمیت بیشتری از اندازه آن پیدا کند. به همین دلیل، استفاده از معماریهای بهینه، مدلهای متنباز، راهکارهای مبتنی بر RAG، عاملهای تخصصی و پلتفرمهای مدیریت مدل میتواند در بسیاری از موارد ارزش بیشتری نسبت به افزایش صرف توان سختافزاری ایجاد کند.
در واقع، همانگونه که تحول دیجیتال تنها با خرید سرور و تجهیزات شبکه محقق نشد، موفقیت در هوش مصنوعی نیز صرفاً با تهیه پردازندههای قدرتمند حاصل نخواهد شد. سازمانهای موفق آنهایی خواهند بود که بتوانند میان داده، مدل، فرایندهای کسبوکار و زیرساخت تعادل برقرار کنند.
جمعبندی؛ عصر جدید رقابت بر سر ظرفیت
در سالهای گذشته، رقابت در فناوری بر سر نرمافزار بود. امروز رقابت بر سر ظرفیت است. ظرفیت پردازش، ظرفیت حافظه، ظرفیت تولید نیمههادی و ظرفیت مراکز داده. هوش مصنوعی با سرعتی فراتر از انتظار در حال پیشرفت است، اما این پیشرفت دیگر تنها به کیفیت مدلها وابسته نیست.
موفقیت نسل بعدی محصولات و خدمات هوشمند به این بستگی دارد که آیا جهان میتواند زیرساخت لازم برای پشتیبانی از این رشد را فراهم کند یا نه. شاید مهمترین درس انقلاب هوش مصنوعی این باشد که در عصر جدید، قدرت واقعی نه فقط در الگوریتمها، بلکه در زنجیره تأمین زیرساختی نهفته است که این الگوریتمها را ممکن میکند.
