اگر امروز به دنبال تحلیل جریان سرمایههای جهانی در بازار هوش مصنوعی هستید، باید نگاهتان را از سیلیکونولی به سمت شبکههای برق و زمینهای هند ببرید. طبق بیانیه مشترکی که در ۱۷ ژوئن ۲۰۲۶ منتشر شد، شرکت CPP Investments با شرطبندی روی ۷۴۱ میلیون دلار، قصد دارد هند را به ستون فقرات زیرساختی هوش مصنوعی جهان تبدیل کند.
این سرمایهگذاری در حالی رخ میدهد که هند با تغییرات سیاستگذاری تهاجمی، از جمله معافیتهای مالیاتی برای ارائهدهندگان ابری تا سال ۲۰۴۷، خود را به عنوان یک قطب دیجیتال معرفی میکند. در واقع، در حالی که آمریکا بر توسعه مدلهای پیشرو تمرکز دارد، لایهی فیزیکی — یعنی جایی که تراشهها قرار میگیرند — شاهد هجوم سرمایههای خارجی است. این رویکرد یادآور استراتژیهای تهاجمی غولهای فناوری است، همانطور که آمازون نیز اخیراً با استقراض مبلغی کلان برای تقویت لایهی فیزیکی AI اقدام کرد. این وضعیت شبیه به ساخت نیروگاههای عظیم و انبارهای غولپیکر است، درست پیش از آنکه کارخانههای هوش مصنوعی رسماً باز شوند.
همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، کنترل لایهی زیرساختی به معنای قدرت در تعیین استانداردهای آینده است. طبق گزارش منتشر شده، CPP Investments یک استراتژی دوگانه را اجرا میکند:
- سرمایهگذاری ۴۰ میلیارد روپیه (حدود ۴۲۳ میلیون دلار) برای تصاحب ۸.۲٪ از سهام شرکت CtrlS.
- اختصاص تا ۳۰ میلیارد روپیه (حدود ۳۱۷ میلیون دلار) برای یک سرمایهگذاری مشترک با مالکیت ۴۸٪ جهت توسعه پردیسهای مقیاسبزرگ (Hyperscale).
شرکت CtrlS که در سال ۲۰۰۷ تأسیس شد، هماکنون بیش از ۱۵ مرکز داده (Data Center) — که شبیه به هتلهای مجللی برای سرورهاست تا در محیطی خنک و امن پردازش کنند — را اداره میکند. این اقدام بخشی از موج سرمایهگذاریهاست؛ از جمله تعهد ۳۰ میلیارد دلاری AirTrunk برای تامین ۵ گیگاوات ظرفیت تا سال ۲۰۳۰ و همکاری اخیر Meta و Reliance Industries در گجرات.
از سوی دیگر، در لایه نرمافزاری نیز شاهد رشد هستیم؛ جایی که Sarvam با جذب ۲۳۴ میلیون دلار سرمایه به یک تکشاخ تبدیل شد. این تغییر یعنی هند دیگر فقط تامینکننده نیروی ارزان برای برچسبگذاری دادهها نیست، بلکه میزبان اصلی محاسبات است. با این حال، این توسعه سریع یک بهای سنگین دارد: فشار شدید بر منابع آب و برق هند. برای کسبوکارها، این یعنی تأخیر (Latency) — یا همان فاصله زمانی بین پرسش و پاسخ مدل — در آسیا کاهش مییابد، اما هزینهی انرژی به گلوگاه اصلی تبدیل خواهد شد.
گام بعدی شما
- تحلیل کنید که آیا کاهش تأخیر در آسیا، استقرار مدلهای لبه را برای کاربران منطقه توجیه میکند یا خیر.
- تغییرات قیمت انرژی در هند را دنبال کنید تا ریسکهای عملیاتی مراکز داده جدید را بسنجید.
- بررسی کنید که کدام استارتاپهای نرمافزاری भारतीय از این زیرساختهای جدید برای کاهش هزینه استنتاج بهره میبرند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک اینکه چرا تراشههای جدید به این حجم از برق نیاز دارند، به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو