دیتاسنترهای متروک و تراشه‌های سرگردان؛ چین نبرد هوش مصنوعی را به غرب می‌بازد؟

چین، کشوری که سال‌ها رؤیای پیشگامی در فناوری‌های نوین را در سر می‌پروراند، میلیاردها دلار صرف زیرساخت‌های هوش مصنوعی کرده است؛ اما وضعیت صنعت هوش مصنوعی در چین اکنون به‌سمت فروپاشی پیش می‌رود. دیتاسنترهایی که زمانی قرار بود قلب تپنده‌ی اقتصاد جدید باشند، حالا با تقاضای ضعیف و تحولات ناگهانی ناشی از دیپ‌سیک دست‌وپنجه نرم می‌کنند. این مقاله، داستان پر فراز و نشیب صنعت هوش مصنوعی چین را روایت می‌کند: از سرمایه‌گذاری‌های عظیم و قاچاق تراشه‌های انویدیا تا موانعی که رؤیای جهانی این کشور را به چالش کشیده‌اند.

چین از سال ۲۰۱۷ با برنامه‌ی توسعه‌ی هوش مصنوعی نسل بعدی، خود را به‌عنوان پیشگام جهانی این فناوری معرفی کرده است. پس از همه‌گیری کرونا و رکود در بخش املاک و اینترنت، دولت مرکزی در سال ۲۰۲۰ طرح «زیرساخت‌های جدید» را مطرح کرد که هوش مصنوعی را به‌عنوان محرک کلیدی رشد اقتصادی قرار داد.

اوایل سال ۲۰۲۴، شیائو لی شاهد سیل معاملات تراشه‌های انویدیا در وی‌چت بود. او به‌عنوان یک پیمانکار املاک، به مدیر پروژه‌ی یک دیتاسنتر تبدیل شد. شیائو پیش‌تر و در سال ۲۰۲۳، به زیرساخت‌های هوش مصنوعی روی آورد و جذب وعده‌های تب هوش مصنوعی چین شد.

در آن زمان، تاجرانی که او می‌شناخت، همگی با تأمین محموله‌های GPUهای قدرتمند انویدیا که مشمول محدودیت‌های صادراتی آمریکا بودند، فخرفروشی می‌کردند. بسیاری از تراشه‌های ممنوعه، از طریق کانال‌های خارجی به شنژن قاچاق می‌شدند. در اوج تقاضا، یک تراشه‌ی انویدیا H100، که برای آموزش مدل‌های هوش مصنوعی ضروری است، می‌توانست تا ۲۰۰،۰۰۰ یوان (۲۸،۰۰۰ دلار) در بازار سیاه فروخته شود.

این روزها پیام‌های گروه وی‌چت او، داستانی متفاوت را روایت می‌کنند. تاجران در معاملات خود محتاط‌تر شده‌اند و قیمت‌ها کاهش یافته‌اند. درهمین‌حال، دو مدیر پروژه‌ی دیتاسنتر که شیائو با آن‌ها آشنا است، در تلاش برای تأمین مالی بیشتر از سرمایه‌گذارانی هستند که انتظار بازدهی ضعیفی از بازار دارند و این امر مدیران پروژه را مجبور به فروش GPUهای اضافی می‌کند. او می‌گوید: «به نظر می‌رسد همه در حال فروش هستند، اما خریداران کمی وجود دارند.»

چند ماه پیش، رونق ساخت‌وساز مراکز داده که توسط دولت و سرمایه‌گذاران خصوصی تغذیه می‌شد، در اوج خود قرار داشت. به گزارش کایشین، در اوج این تب، سرمایه‌گذاری سالانه‌ی چین در زیرساخت‌های هوش مصنوعی به بیش از ۴۰ میلیارد دلار رسید. برخلاف آمریکا که شرکت‌های بزرگ فناوری مانند آمازون پیشتاز هستند، در چین این دولت بود که با حمایت بی‌سابقه، رشد هوش مصنوعی را مدیریت کرد.

زمانی اجاره‌ی GPUها به شرکت‌هایی که برای آموزش مدل‌های هوش مصنوعی به آن‌ها نیاز دارند، به‌عنوان یک کسب‌وکار مطمئن تلقی می‌شد؛ اما با ظهور دیپ‌سیک و تغییر ناگهانی در اقتصاد پیرامون هوش مصنوعی، این کسب‌وکار در حال ریزش است. جیمی گودریچ، مشاور ارشد فناوری از شرکت RAND، می‌گوید:

مشکل رشد صنعت هوش مصنوعی چین عمدتاً ریشه در ورود بازیگران بی‌تجربه‌ای نظیر شرکت‌ها و دولت‌های محلی، به قطار تبلیغات دارد، که تأسیساتی را می‌سازند که برای نیازهای امروز بهینه نیستند.

- جیمی گودریچ، مشاور ارشد فناوری، شرکت RAND

درنتیجه، پروژه‌ها شکست می‌خورند، انرژی هدر می‌رود و مراکز داده به دارایی‌های بی‌استفاده تبدیل می‌شوند که سرمایه‌گذاران را مجبور به فروش آن‌ها به قیمت‌های پایین‌تر از بازار می‌کند. گودریچ ادامه می‌دهد که این وضعیت در نهایت مداخله‌ی دولت را به دنبال خواهد داشت: «دولت چین، احتمالاً وارد خواهد شد، کنترل را به دست خواهد گرفت و آن‌ها را به شرکت‌های توانمندتر واگذار خواهد کرد.»

رکود اقتصادی پس از همه‌گیری کرونا، روند اقتصاد مبتنی بر انتصابات دولتی را تشدید کرد. با افت بخش املاک چین، که برای دهه‌ها ستون اصلی اقتصاد محلی بود، مقامات به‌دنبال محرک‌های رشد جایگزین بودند. درعین‌حال، صنعت اینترنت چین که زمانی پررونق بود، وارد دوره‌‌ای از رکود شد.

دولت چین، تغییر در هدف‌گذاری را به‌منظور جبران کاهش رشد در بخش املاک و تحریک اقتصاد محلی طراحی کرد، زیرا فروش املاک در سال ۲۰۲۳ به کمترین میزان در دهه‌های اخیر رسیده بود؛ اما این تغییر تمرکز، فشار مالی بر مناطقی مانند مغولستان داخلی را افزایش داد که برای تأمین مالی پروژه‌ها به وام‌های سنگین روی آوردند. شیائو می‌گوید:

هوش مصنوعی مانند جرعه‌ای آدرنالین بود. بسیاری از سرمایه‌هایی که قبلاً به املاک سرازیر می‌شد، اکنون به مراکز داده‌ی هوش مصنوعی می‌رود.

وقتی ChatGPT در اواخر سال ۲۰۲۲ به صحنه آمد، چین واکنش سریعی نشان داد. دولت مرکزی زیرساخت‌های هوش مصنوعی را به‌عنوان یک اولویت ملی تعیین کرد و از دولت‌های محلی خواست تا توسعه‌ی دیتاسنترهای متمرکز بر هوش مصنوعی (یا مراکز محاسباتی هوشمند) را تسریع ببخشند.

تا سال ۲۰۲۳، شرکت‌های بزرگ چینی که بسیاری از آن‌ها تجربه‌ی کمی در هوش مصنوعی داشتند، شروع به همکاری با دولت‌های محلی برای بهره‌برداری از این روند کردند. کار تا جایی پیش رفت که برخی، ایجاد زیرساخت‌های هوش مصنوعی را به‌عنوان راهی برای توجیه گسترش کسب‌وکار یا افزایش قیمت ارزش سهام خود می‌دیدند.

فانگ کُنبائو، مدیر یک پروژه‌ی دیتاسنتر مستقر در پکن می‌گوید که میان شرکت‌هایی که دیتاسنترها را راه‌اندازی کرده‌اند، نام‌هایی که با فناوری پیشرفته‌ی هوش مصنوعی مرتبط هستند، به‌سختی دیده می‌شود. از جمله‌ی این شرکت‌ها می‌توان نام‌هایی همچون شرکت نساجی جینلون تکنولوژی را (Jinlun Technology) دید.

براساس گزارش شرکت تحقیقات بازار KZ Consulting، در طول سال‌های ۲۰۲۳ و ۲۰۲۴، بیش از ۵۰۰ پروژه‌ی جدید دیتاسنتر در سراسر کشور، از استان مغولستان داخلی تا گوانگدونگ، ساخته شد و به بهره‌برداری رسید. براساس انجمن صنعت ارتباطات چین، که یک انجمن صنعتی وابسته به دولت است، حداقل ۱۵۰ دیتاسنتر تا پایان سال ۲۰۲۴ تکمیل و راه‌اندازی شده بودند.

در بسیاری از پروژه‌ها، مدیران و سرمایه‌گذارها، بدون تخصص لازم در زیرساخت‌های هوش مصنوعی به هدایت پروژه‌ها مشغول می‌شدند. در رقابتی بی‌سابقه برای جلو افتادن از سایرین، بسیاری از مراکز به‌سرعت ساخته و تجهیز شدند و از استانداردهای صنعت عقب ماندند. گودریچ می‌گوید:

جمع‌آوری و راه‌اندازی این تعداد زیاد از تراشه‌های هوش مصنوعی، تلاش بسیار دشواری است و شرکت‌ها یا افراد بسیار کمی هستند که بدانند چگونه این کار را در مقیاس بزرگ انجام دهند. من تعجب می‌کنم اگر بیشتر این بازیگران کوچک بدانند که چگونه آن را انجام دهند. بسیاری از مراکز داده‌ی نوساز به‌سرعت سرهم‌بندی شده‌اند و ثباتی را که شرکتی مانند دیپ‌سیک می‌خواهد، ارائه نمی‌دهند.

اوضاع برای برخی دیتاسنترهای هوش مصنوعی حتی از «سرهم‌بندی‌شده» هم بدتر است، رهبران پروژه‌ها اغلب به واسطه‌ها و دلالان تکیه می‌کردند. دلالانی که برای سود بیشتر، پیش‌بینی‌های انجام‌شده از تقاضای بازار را اغراق‌آمیز جلوه می‌دادند یا گزارش‌های لازم را برای به‌جیب‌زدن یارانه‌های دولتی، دستکاری می‌کردند.

به‌عنوان مثال، پروژه‌ی دیتاسنتر هوهوت در مغولستان داخلی، پس از اتهامات سوءاستفاده از یارانه‌ها در سال ۲۰۲۴ متوقف شد. این مراکز، اغلب به سیستم‌های خنک‌کننده‌ی قدیمی و تراشه‌های قاچاقی H100 مجهز شده‌اند که برای استنتاج لحظه‌ای بهینه نیستند.

در سال ۲۰۲۴، تنها بیش از ۱۴۴ شرکت در اداره‌ی فضای سایبری چین (نهاد مرکزی تنظیم‌کننده‌ی اینترنت کشور) ثبت‌نام کردند تا مدل‌های زبانی بزرگ خود را توسعه دهند. بااین‌حال، براساس گزارش نشریه‌ی چینی Economic Observer، حدود ۱۰ درصد از این شرکت‌ها تا پایان سال همچنان به‌طور فعال در آموزش مدل‌های بزرگ سرمایه‌گذاری می‌کردند.

سیستم سیاسی چین بسیار متمرکز است و مقامات دولت محلی معمولاً از طریق انتصابات منطقه‌ای در رتبه‌ها ارتقاء می‌یابند. در نتیجه، بسیاری از رهبران محلی، پروژه‌های اقتصادی کوتاه‌مدت را به‌دلیل رسیدن به نتایج سریع‌تر، بر توسعه‌ی بلندمدت ترجیح می‌دهند. پروژه‌های زیرساختی بزرگ و پرمخاطب برای مدت‌ها، ابزاری جهت تقویت حرفه‌ی سیاسی مقامات محلی بوده‌اند.

مدل کسب‌وکار دیتاسنترها، در تئوری ساده به‌نظر می‌رسد: سرمایه‌گذاران با اجاره دادن خوشه‌های GPU به شرکت‌هایی که برای آموزش مدل‌های هوش مصنوعی به ظرفیت محاسباتی نیاز دارند، درآمد کسب می‌کنند. بااین‌حال، در عمل، جذب مشتری چالش‌برانگیز است.

درحال‌حاضر، تنها چند شرکت برتر فناوری در چین به‌طور گسترده از قدرت محاسباتی برای آموزش مدل‌های هوش مصنوعی خود بهره می‌برند. بسیاری از شرکت‌های کوچک‌تر از آموزش اولیه‌ی مدل‌های خود دست کشیده‌اند، یا از زمان ظهور دیپ‌سیک استراتژی خود را تغییر داده‌اند. دیپ‌سیک با مدل استدلال متن‌باز R1 خود، که عملکردی مشابه چت‌جی‌پی‌تی o1 دارد، با هزینه‌ای بسیار کمتر ساخته شده است. این مدل با قابلیت استدلال پیشرفته، نیاز به آموزش مدل‌های بزرگ را کاهش و کاربردهای عملی هوش مصنوعی را در اولویت قرار می‌دهد.

مرجان شیخی

زلزله در دنیای هوش مصنوعی؛ چطور چینی‌ها با دیپ‌سیک دنیا را غافلگیر کردند

مطالعه '12

دیپ‌سیک، که در سال ۲۰۲۳ از سوی پژوهشگران سابق بایدو تأسیس شد، با مدل R1 خود که تا ۱۰ برابر ارزان‌تر از GPT-4 عمل می‌کند، رویکرد متن‌باز را پیش گرفت. این تحول، غول‌هایی مانند علی‌بابا و تنسنت را به تمرکز بر استنتاج سوق داد.

هانچنگ کائو، استادیار سیستم‌های اطلاعاتی در دانشگاه اموری، می‌گوید: «دیپ‌سیک لحظه‌ای سرنوشت‌ساز برای صنعت هوش مصنوعی چین است. پرسش اصلی از «چه کسی می‌تواند بهترین مدل زبان بزرگ را بسازد؟» به «چه کسی می‌تواند از آن‌ها به بهترین شکل استفاده کند؟» تغییر کرده است.»

درنتیجه، سخت‌افزارهایی با تأخیر کم (یعنی زمانی که داده‌ها برای انتقال از یک نقطه در شبکه، به نقطه‌ی دیگر نیاز دارند) اهمیت حیاتی پیدا می‌کند. دیتاسنتر باید در نزدیکی قطب‌های بزرگ فناوری قرار بگیرند تا تأخیر انتقال را کاهش دهند و دسترسی به کارکنان ماهر برای عملیات و نگهداری را تضمین کنند.

این تحول باعث می‌شود که بسیاری از دیتاسنترهای ساخته‌شده در مناطق مرکزی، غربی و روستایی چین (با برق و زمین ارزان‌تر) جذابیت خود را برای شرکت‌های هوش مصنوعی از دست بدهند. در شهر ژنگژو، واقع در استان هنان، یک مرکز داده‌ی تازه‌تأسیس حتی یارانه‌های محاسباتی رایگان به شرکت‌های فناوری محلی عرضه می‌کند، اما همچنان در جذب مشتری ناکام مانده است.

علاوه‌براین، بسیاری از دیتاسنترهای جدیدی که در سال‌های اخیر پدید آمده‌اند، برای آموزش مداوم روی مجموعه‌ی داده‌های عظیم و نه برای استنتاج و پاسخگویی لحظه‌ای به ورودی‌های کاربران، بهینه‌سازی شده‌اند. زیرا سخت‌افزارهای مناسب برای استنتاج، با آنچه به‌طور برای آموزش هوش مصنوعی در مقیاس بزرگ نیاز است، تفاوت دارد.

پردازنده‌های گرافیکی مانند انویدیا H100 و A100 برای پردازش حجم عظیمی از داده‌ها طراحی شده‌اند و سرعت و ظرفیت حافظه را در اولویت قرار می‌دهند؛ اما با حرکت هوش مصنوعی به سمت استدلال لحظه‌ای، صنعت به‌دنبال تراشه‌هایی است که کارایی بالاتر، پاسخگویی بیشتر و هزینه‌ی کمتری داشته باشند. حتی یک خطای کوچک در برآورد نیازهای زیرساختی می‌تواند یک مرکز داده را برای انجام وظایف مورد نیاز مشتریان، ناکارآمد کند.

در این شرایط، قیمت اجاره‌ی GPU به پایین‌ترین سطح تاریخی خود رسیده است. براساس گزارشی از رسانه‌ی چینی ژینِنگ یونگشیان (Zhineng Yongxian)، یک سرور انویدیا H100 مجهز به هشت GPU اکنون با قیمت ۷۵،۰۰۰ یوان (معادل ۱۰٬۳۰۰ دلار) در ماه اجاره داده می‌شود، درحالی‌که پیش‌تر این عدد به حدود ۱۸۰،۰۰۰ یوان (معادل ۲۵٬۰۰۰ دلار) می‌رسید. فان می‌گوید برخی دیتاسنترها، ترجیح می‌دهند تأسیسات خود را خالی نگه دارند تا اینکه با هزینه‌های بالای عملیاتی، ریسک ضرر بیشتری را بپذیرند: «درآمد حاصل از فعال کردن بخش کوچکی از مرکز داده به‌سادگی هزینه‌های برق و نگهداری را جبران نمی‌کند.»

شیائو می‌گوید: «این یک پارادوکس را نشان می‌دهد؛ اگرچه چین با بالاترین هزینه، تراشه‌های انویدیا را می‌خرد، قیمت اجاره‌ی همان GPUها به‌شدت پایین است.» در مناطق مرکزی و غربی چین عرضه‌ی قدرت محاسباتی از نیاز فراتر می‌رود، اما همزمان کمبود تراشه‌های پیشرفته نیز احساس می‌شود.

بااین‌حال، بسیاری از واسطه‌ها در ابتدا به‌دنبال سود مستقیم از مراکز داده نبودند، بلکه هدف بهره‌مندی از مزایای دولتی را در ذهن داشتند. به گفته‌ی فانگ و برخی گزارش‌های رسانه‌ای چینی، بعضی از شرکت‌ها از این یارانه، برای دسترسی به برق سبز یارانه‌ای سوءاستفاده می‌کنند و مجوزهایی برای تولید و فروش برق به دست می‌آورند. آن‌ها به‌جای استفاده از این انرژی برای کارهای هوش مصنوعی، آن را دوباره با قیمتی بالاتر به شبکه‌ی برق می‌فروشند.

در مواردی دیگر، چنان‌ که رسانه‌ی محلی ژیازی گوانجیان گزارش داده است، شرکت‌ها زمین را برای ساخت مراکز داده خریداری می‌کنند تا واجد شرایط دریافت وام‌ها و اعتبارات دولتی شوند، اما تأسیسات را بدون بهره‌برداری رها می‌کنند. فانگ می‌گوید:

تا پایان سال ۲۰۲۴، هیچ پیمانکار یا واسطه‌ای با ذهن روشن دیگر وارد این کسب‌وکار نمی‌شود و انتظار سود مستقیم دارد. همه‌ی افرادی که من دیده‌ام، از معامله‌ی مراکز داده برای دسترسی به دیگر پیشنهادهای دولتی استفاده می‌کنند.

با وجود استفاده‌ی ناکافی از مراکز داده، دولت مرکزی چین همچنان با قدرت از تلاش برای توسعه‌ی زیرساخت‌های هوش مصنوعی حمایت می‌کند. در اوایل سال ۲۰۲۵، دولت چین با برگزاری یک همایش صنعت هوش مصنوعی، بر اهمیت خودکفایی در این فناوری تأکید کرد.

در سال ۲۰۲۵، وزارت صنعت و فناوری اطلاعات طرحی برای واگذاری مراکز بی‌استفاده به شرکت‌های دولتی مانند چاینا تلکام اعلام کرد. کارشناسان پیش‌بینی می‌کنند تا سال ۲۰۲۶، چین بتواند تعادلی بین عرضه‌ی اضافی و تقاضای روبه‌رشد مدل‌های استنتاجی، ایجاد کند.

درهمین‌حال، شرکت‌های آمریکایی نیز اقدامات مشابهی انجام می‌دهند. شرکت‌های بزرگ فناوری از جمله اوپن‌ای‌آی، سافت‌بانک و اوراکل برای تعهد به ابتکار استارگیت متحد شده‌اند، که قصد دارد طی چهار سال آینده، تا ۵۰۰ میلیارد دلار برای ساخت مراکز داده‌ی پیشرفته و زیرساخت‌های محاسباتی سرمایه‌گذاری کند.

میلاد میرکانی

چگونه سافت بانک به بزرگ‌ترین سرمایه‌گذار فناوری دنیا تبدیل شد

مطالعه '11

باتوجه به رقابت هوش مصنوعی بین دو کشور، کارشناسان معتقدند که چین تلاش‌های خود را کاهش نمی‌دهد. گودریچ، مشاور سیاست فناوری در RAND، می‌گوید که اگر هوش مصنوعی مولد قرار است فناوری کلیدی باشد، پس زیرساخت تعیین‌کننده‌ی موفقیت خواهد بود.

تقاضا برای تراشه‌های انویدیا، به‌ویژه تراشه‌ی H20، همچنان در جایگاه پرفروشی قرار دارد. یک منبع صنعتی، که به‌دلیل سیاست شرکت خود خواست نامش فاش نشود، تأیید کرد که H20، به‌عنوان محبوب‌ترین تراشه‌ی انویدیا، باوجود محدودیت‌های رسمی تحریم‌های آمریکا، همچنان به‌طور پیوسته به چین وارد می‌شود. بخشی از تقاضای واردات جدید، توسط شرکت‌هایی ایجاد شده است که نسخه‌های خود از مدل‌های متن‌باز دیپ‌سیک را پیاده‌سازی می‌کنند.

در‌حال‌حاضر، بسیاری از دیتاسنترها در چین در وضعیت بلاتکلیفی قرار دارند؛ زیرا برای آینده‌ای ساخته‌ شده‌اند که هنوز فرا نرسیده است. اینکه آیا آن‌ها کاربردی پیدا خواهند کرد یا خیر، هنوز مشخص نیست. موفقیت دیپ‌سیک برای فانگ کونبائو، لحظه‌ای برای بازنگری در تصمیم بود. فانگ سرانجام متوجه شد که استفاده‌ی سودآور از زیرساخت‌هایش، فقط یک آرزوی محال بود.

بازار بیش‌ازحد آشوبناک است. پیشگامان سود بردند، اما اکنون فقط افرادی را می‌بینیم که به‌دنبال سوءاستفاده از خلأهای موجود در قوانین هستند.

- فانگ کونبائو، مدیر یک مرکز داده‌ی مستقر در پکن

این بحران می‌تواند در کوتاه‌مدت رقابت چین با آمریکا را تضعیف کند، اما در بلندمدت نوآوری در کاربردهای هوش مصنوعی را تقویت می‌کند. آینده‌ی چین در گرو توسعه‌ی برنامه‌های کاربردی است، نه انباشت زیرساخت‌ها.

در ابتدای سال ۲۰۲۵، فانگ تصمیم گرفت صنعت دیتاسنترها را به‌طور کامل ترک کند و در گام بعد به سرمایه‌گذاری در حوزه‌ی آموزش هوش مصنوعی روی بیاورد. او این روزها اعتقاد دارد که آنچه اکنون بین ما و آینده‌ای که هوش مصنوعی قرار دارد، دیگر زیرساخت نیست، بلکه برنامه‌های محکمی برای استقرار این فناوری است.

درنهایت، سؤالی اساسی باقی می‌ماند: آیا چین می‌تواند از این بحران زیرساختی، آینده‌ای نو برای هوش مصنوعی بسازد؟ یا این میلیاردها دلار، تنها خاطره‌ای از یک تب زودگذر خواهند بود؟