تصور کنید در دنیایی زندگی می‌کنید که تنها سه یا چهار سازمان، کلید دسترسی به پیشرفته‌ترین ابزار تفکر بشر را در اختیار دارند. داریو آمودئی، مدیرعامل Anthropic، معتقد است این سناریو نه یک اتفاق تصادفی، بلکه نتیجهٔ اجتناب‌ناپذیر ساختار فعلی هوش مصنوعی است. این پرسش مرکزی در یک تقابل علنی میان آمودئی و ائتلافی از حامیان متن‌باز است: آیا جنبش متن‌باز واقعاً هوش مصنوعی را دموکراتیزه می‌کند یا صرفاً اهرم‌های کنترل را جابه‌جا می‌کند؟
او استدلال می‌کند که هوش مصنوعی به دلیل ساختار ذاتی‌اش در حال متمرکز شدن است. آمودئی معتقد است حتی مدل‌های وزن‌های باز (Open Weights) — که شبیه به انتشار دستور پخت یک غذاست تا هر کسی بتواند آن را بپزد — نمی‌توانند دموکراتیزه کردن قدرت را تضمین کنند؛ زیرا در نهایت، قدرت تنها به کسی منتقل می‌شود که صاحب بیشترین تعداد تراشه‌های پردازشی باشد و بتواند از این مدل‌ها برای استنتاج در مقیاس واقعی استفاده کند. این دیدگاه در تضاد با مواضع پیشین اوست، چرا که او پیش‌تر تأکید کرده بود که آنتروپیک لزوماً با ممنوعیت مدل‌های وزن‌باز مخالف نیست.
این تقابل در حالی رخ می‌دهد که صنعت با آنچه آمودئی «بحران اعتماد» می‌نامد دست‌وپنجه نرم می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی چالش‌های بهره‌وری مدل‌های زبانی اشاره کردیم، Anthropic با هزینه‌های استنتاج بالایی روبروست (هزینه هر توکن در این شرکت ۴.۴ برابر میانگین صنعت است)، اما اکنون بحث از هزینه‌ها فراتر رفته و به کنترلِ خودِ «هوش» رسیده است. در واقع، بحث اصلی بر سر این است که آیا مسیر رسیدن به ایمنی از طریق نظارت متمرکز می‌گذرد یا توزیع گسترده. این وضعیت یادآور تحلیل‌های اخیر آمودئی است که در آن ریشهٔ بحران اعتماد عمومی را در شکست وعده‌های صنعت AI می‌دید.
زمینه و جزئیات درگیری
طبق گزارش‌ها، این تنش در ۱۸ اوت ۲۰۲۶ در شبکه X به اوج رسید. گاوین بیکر (سرمایه‌گذار) و دیوید ساکس (مشاور سابق کاخ سفید) آمودئی را متهم کردند که از ایجاد فضای ترس برای کسب مزیت رگولاتوری استفاده می‌کند. بیکر مدعی شد آمودئی در جلسات داخلی پیشنهاد داده است که Anthropic در نهایت می‌تواند تنها شرکت خصوصی باقی‌مانده در کنار دولت‌ها باشد.
در مقابل، شولتو داگلاس، پژوهشگر Anthropic، این ادعاها را «کاملاً نادرست» خواند. او استدلال کرد که تمرکز اقتصادی قدرت دقیقاً همان چیزی است که Anthropic بیش از همه از آن می‌هراسد. داگلاس خاطرنشان کرد که بازار فعلی هوش مصنوعی رقابتی‌ترین بازار جهان است، زیرا هر شرکت بزرگی در رقابتی تنگاتنگ برای ساخت مدل‌هایی هوشمندتر و ارزان‌تر است.
استدلال‌های محوری
در این میدان نبرد، دو دیدگاه متضاد وجود دارد:
- دیدگاه بازمتن: یان لکون از Meta معتقد است هوش مصنوعی باید مانند ماشین چاپ یا اینترنت عمل کند و از طریق سیستم‌های متنوع، هوش را تکثیر کند. او استدلال می‌کند که وجود طیفی از ارزش‌های مختلف در AI ضروری است تا یک نهاد واحد، تعریف «خوب بودن» را دیکته نکند. گاوین بیکر نیز می‌افزاید که در تاریخ بشر، شرط‌بندی روی این موضوع که قدرت مطلق به طور خیرخواهانه از بشریت مراقبت کند، به ندرت پایان خوشی داشته است.
- دیدگاه رگولاتوری: آمودئی استدلال می‌کند که قانون‌گذاری لزوماً به معنای «تسخیر رگولاتوری» (Regulatory Capture) نیست؛ وضعیتی که در آن یک صنعت قوانین را به نفع خود می‌نویسد. او به قانون SB53 کالیفرنیا به عنوان یک الگو اشاره می‌کند. این قانون شرکت‌هایی را که درآمد یا هزینه‌های آموزش آن‌ها پایین‌تر از آستانه‌های خاصی است، معاف می‌کند تا آزمایشگاه‌های کوچک‌تر و نوپا حذف نشوند.
اما واقعیت سخت‌افزاری داستان را تغییر می‌دهد. آمودئی تأکید دارد که قوانین مقیاس‌پذیری (Scaling Laws) — همان قاعده‌ای که می‌گوید هرچه داده و پردازش بیشتر شود، مدل هوشمندتر می‌شود — تمرکز قدرت را اجباری می‌کند. از نظر او، قابلیت‌های واقعی پشت خوشه‌های عظیم محاسباتی پنهان است و دسترسی به کد، به معنای دسترسی به قدرت نیست.
مکانیسم‌های قدرت
دیوید ساکس این استدلال‌ها را «مغالطه» (Straw Man) خواند و مدعی شد Anthropic صرفاً در حال ساخت یک دستگاه دولتی است تا سرعت رقبا را کاهش دهد. ساکس به تعریف جورج استیگلر (برنده جایزه نوبل) از تسخیر رگولاتوری اشاره کرد؛ جایی که یک صنعت قوانینی را برای نفع خود به دست می‌آورد، در حالی که منافع عمومی پراکنده می‌ماند.
ساکس به استخدام چندین مقام سابق هوش مصنوعی از دولت بایدن توسط Anthropic به عنوان مدرکی برای این استراتژی اشاره کرد. او به طور خاص پیشنهاد آمودئی برای ایجاد یک آژانس فدرال جهت بررسی مدل‌های برتر پیش از انتشار را به باد تمسخر گرفت و آن را یک «دفتر تأیید» نامید. به گفته ساکس، این دفتر تنها باعث ایجاد صف‌های طولانی انتظار می‌شود و آمریکا را در برابر چین تضعیف می‌کند، زیرا چین هرگز چنین الزاماتی را نمی‌پذیرد.
برای یک رهبر کسب‌وکار، این معناست که بحث «باز در برابر بسته» دیگر دربارهٔ کد نیست، بلکه دربارهٔ مالکیت فیزیکی واحد پردازش گرافیکی (GPU) است. اگر حق با آمودئی باشد، خندق رقابتی شرکت‌های AI دیگر معماری مدل نیست، بلکه زنجیره تأمین سخت‌افزار است.
این چرخش نشان می‌دهد که تسلط بر بازار در آینده نه با پیشرفت‌های الگوریتمی، بلکه با دسترسی به انرژی و خرید تراشه تعیین می‌شود. برنده کسی نیست که بهترین وزن‌ها را دارد، بلکه کسی است که برق بیشتری در اختیار دارد.
بیکر معتقد است این بحث پیش‌تر فیصله یافته است، زیرا تقریباً تمام شرکت‌های بزرگ به جز Anthropic، نامه ینسن هوانگ در حمایت از مدل‌های باز را امضا کرده‌اند. اکنون باید منتظر ماند و دید دولت آمریکا به پیشنهاد ایجاد آژانس بررسی فدرال چه پاسخی می‌دهد؛ زیرا این پاسخ تعیین می‌کند که آیا «دفتر تأیید» به واقعیت تبدیل می‌شود یا صرفاً یک بحث در شبکه X باقی می‌ماند.
گام بعدی شما
- اگر مدیر محصول هستید، استراتژی سخت‌افزاری خود را فراتر از انتخاب مدل قرار دهید و بر روی بهینه‌سازی استنتاج تمرکز کنید.
- تحولات قانون SB53 در کالیفرنیا را دنبال کنید تا بفهمید چه استانداردهایی ممکن است به مدل‌های کوچک‌تر تحمیل شود.
- توازن بین استفاده از مدل‌های بسته (برای امنیت) و باز (برای انعطاف) را در معماری سیستم خود بازنگری کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو