«دسترسی به توان تجاری»؛ هدف جدید سازمان‌های اطلاعاتی آمریکا در محیط‌های امن

تصور کنید یک سازمان اطلاعاتی بخواهد از قدرتمندترین مدل‌های هوش مصنوعی استفاده کند، اما مجبور باشد سال‌ها منتظر تاییدیه امنیتی برای خرید یک سرور ساده بماند. این شکاف میان سرعت خیره‌کننده نوآوری در دنیای تجاری و کندی بوروکراسی امنیتی، اکنون با یک شراکت استراتژیک در حال پر شدن است.

به نقل از اعلام رسمی در ۳۰ ژوئیه ۲۰۲۶، شرکت CoreWeave و Leidos قراردادی برای استقرار مستقیم پشته‌های ابری هوش مصنوعی تجاری در مراکز داده طبقه‌بندی‌شده (Classified) منعقد کردند. این تغییر رویکرد در حالی رخ می‌دهد که آژانس‌های امنیت ملی با شکافی حیاتی بین سرعت تکرار نوآوری‌های AI در آزمایشگاه‌های تجاری و صلبیت پروتکل‌های امنیتی دولتی مواجه‌اند. در حالی که آزمایشگاه‌های تجاری هر روز مدل‌های خود را به‌روز می‌کنند، محیط‌های طبقه‌بندی‌شده نیازمند جداسازی سخت‌گیرانه از اینترنت عمومی و قابلیت حسابرسی بسیار دقیق هستند. این وضعیت باعث ایجاد یک «محدودیت سیلیکونی» شده است؛ به این معنا که سخت‌افزار لازم وجود دارد، اما اعتبارنامه‌ها و مجوزهای قانونی برای استفاده از آن صادر نشده است.

زمینه و محدودیت‌های عملیاتی

در این بحران، گلوگاه اصلی نه خودِ سیلیکون و سخت‌افزار، بلکه فرآیند اعطای اعتبارنامه (Accreditation) است. ظرفیت‌های هوش مصنوعی طبقه‌بندی‌شده باید در تاسیساتی مستقر شوند که مجوز پذیرش آن سطح از داده‌ها را دارند و توسط کارکنانی اداره شوند که دارای سطح دسترسی امنیتی (Cleared Personnel) هستند. برخلاف ابرهای تجاری هوش مصنوعی که برای مناطق چندمستأجری بزرگ و تخصیص منعطف منابع از طریق شبکه‌های باز مهندسی شده‌اند، این محیط‌های دولتی نیازمند آن هستند که حاکمیت مدل و قابلیت حسابرسی، نه به صورت الحاقی، بلکه به طورErst-integrated در تاروپود سیستم تعبیه شده باشد.

به همین دلیل است که چنین ظرفیتی را نمی‌توان صرفاً با جدا کردن بخشی از یک منطقه ابری تجاری موجود به دست آورد. این امر مستلزم یک تلاش یکپارچه‌سازی تخصصی است تا شکاف بین انعطاف‌پذیری ابرهای باز و قوانین سخت‌گیرانه عملیاتی در کارهای امنیت ملی پر شود.

برای پل زدن بر این شکاف، دو شرکت مذکور تقسیم کار را بر اساس نقاط قوت اصلی خود تعریف کرده‌اند. CoreWeave زیرساخت‌های هدفمند را فراهم می‌کند؛ این زیرساخت‌ها شامل شبکه‌های پرسرعت، ذخیره‌سازهای بهینه شده برای AI و ارکستراسیون ابری-بومی (Cloud-native) برای هر دو نوع عملیات «آموزش» (Training) و «استنتاج» (Inference) است. تمام این پشته سخت‌افزاری و نرم‌افزاری در محیط‌های فوق‌امنیتی موسوم به SCIFها (تاسیسات اطلاعاتی بخش‌بندی‌شده حساس) مستقر خواهد شد که فضاهای بسیار امنی هستند که برای اطلاعات طبقه‌بندی شده به کار می‌روند.

در مقابل، Leidos مسئولیت یکپارچه‌سازی ماموریتی و معماری امن را بر عهده خواهد گرفت. نقش این شرکت شامل پشتیبانی از اعتبارنامه معماری امن، عملیات سایبری و مهندسی داده برای جامعه اطلاعاتی و وزارت جنگ است. طبق اعلام شرکت‌ها، هدف نهایی فراهم کردن «ظرفیت هوش مصنوعی حاکمیتی» است؛ یعنی قدرت محاسباتی که به طور اختصاصی برای بارهای کاری دولت اختصاص یافته است.

جیسون اوکانر، رئیس بخش اطلاعات Leidos، این پروژه را «تکامل بعدی فناوری‌های ماموریتی» توصیف کرد: «محاسبات AI حاکمیتی در مقیاس بزرگ، که از نظر طراحی امن است، با ماموریت یکپارچه شده، از نظر عملیاتی تاب‌آور است و برای واقعیت‌های سختِ کارهای امنیت ملی آماده شده است.»

جزئیات پشته هوش مصنوعی حاکمیتی

این شراکت پنج دامنه فنی خاص را هدف قرار داده است:

• سرویس‌های ابری طبقه‌بندی‌شده: مورد استفاده برای آموزش مدل، تنظیم دقیق (Fine-tuning) — مثل وقتی به یک پزشک عمومی، تخصص پوست می‌دهیم تا روی یک حوزه خاص خبره شود — ارزیابی، استقرار و نظارت مستمر.
• تقویت تحلیلگران: شامل ادغام اطلاعاتی از منابع متعدد (Multi-source fusion)، بهره‌برداری از تصاویر و پشتیبانی از تصمیم‌گیری.
• محیط‌های سایبری AI: تمرکز بر شبیه‌سازی، آزمایش دفاع خودکار، مدل‌سازی تهدیدات و ارزیابی AI در برابر حملات خصمانه. این نیاز به متخصصانی اشاره دارد که تخصص‌های گواهینامه‌دار در امنیت هوش مصنوعی را در صنایع پیشرو دنبال می‌کنند تا بتوانند در برابر تهدیدات پیچیده مقابله کنند.
• داده‌های مصنوعی (Synthetic Data) و شبیه‌سازی: پوشش تولید داده‌های مرتبط با ماموریت و ایجاد دوقلوهای دیجیتال.
• ارکستراسیون لبه به ابر: متصل کردن یک پلتفرم مرکزی AI به محیط‌های استقرار یافته در خط مقدم یا محیط‌های قطع‌شده از شبکه.

در میان این موارد، ارکستراسیون «لبه به ابر» دشوارترین چالش مهندسی است. محیط‌های تاکتیکی اغلب دارای پهنای باند متناوب هستند و نمی‌توانند تأخیر ناشی از یک رفت و برگشت سیگنال به یک مرکز داده دوردست را تحمل کنند. این محدودیت باعث می‌شود که «استنتاج» (Inference) — همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی نه دوره‌ی آموزش آشپزی — حتماً روی سخت‌افزار محلی رخ دهد. در این حالت، نقش ابر مرکزی تغییر کرده و به جای اینکه یک نقطه ارائه خدمات باشد، تبدیل به خط لوله‌ای برای آموزش و به‌روزرسانی مدل‌ها می‌شود.

مخاطرات و تحلیل مالی

برای CoreWeave، این یک حرکت استراتژیک برای متنوع‌سازی درآمدهای خود است. در کوارتال اول ۲۰۲۶ (به پایان رسیده در ۳۱ مارس)، این شرکت درآمد ۲.۰۸ میلیارد دلاری را گزارش کرد که نشان‌دهنده رشد ۱۱۲ درصدی نسبت به سال قبل است. با این حال، backlog یا سفارشات معوقه ۹۹.۴ میلیارد دلاری این شرکت به شدت متمرکز است؛ از جمله تعهدی ۲۱ میلیارد دلاری از سوی Meta که در مارس ۲۰۲۶ امضا شد و یک قرارداد چندساله با Anthropic.

کارهای فدرال در چرخه متفاوتی نسبت به قراردادهای تجاری عمل می‌کنند. در حالی که آزمایشگاه‌های تجاری ظرفیت‌ها را در بسته‌های حجیم چندساله می‌خرند، گسترش مقیاس در دولت به اولویت‌های تخصیص بودجه فدرال و سرعت پایین صدور اعتبارنامه‌ها بستگی دارد. شرکت‌ها اعلام کردند که استقرار محاسبات و معماری نهایی، توسط همین الزامات ماموریتی و اولویت‌های بودجه‌ای تعیین خواهد شد.

با این وجود، CoreWeave به شدت در حال گسترش است. این شرکت در کوارتال اول ۲۰۲۶ از مرز ۱ گیگاوات توان فعال گذشت و توان قراردادی خود را به بیش از ۳.۵ گیگاوات رساند. مایکل اینتراتور، مدیرعامل شرکت، به سرمایه‌گذاران گفت که هدف آن‌ها رسیدن به بیش از ۸ گیگاوات تا سال ۲۰۳۰ است. ظرفیت طبقه‌بندی‌شده بخش کوچکی از این مجموع خواهد بود و محدودیت آن بیشتر به جای مگاوات، به مکان‌های قانونی استقرار رک‌های دارای اعتبارنامه برمی‌گردد. این تلاش برای گسترش سریع ظرفیت، در راستای مدل‌های جدیدی است که شرکتی مانند انویدیا برای شکستن گلوگاه‌های سخت‌افزاری AI از طریق تأمین مالی چرخه‌ای به کار گرفته است.

این شراکت نشان‌دهنده حرکت CoreWeave به سمت «لایه‌های بالاتر پشته» (Up the stack) است، مشابه اقدام سایر ابرهای نوظهور (neoclouds) مانند خرید Anyscale توسط Nscale. با ادغام با غولی مانند Leidos — که برای سال مالی منتهی به ۲ ژانویه ۲۰۲۶ درآمد ۱۷.۲ میلیارد دلاری گزارش کرده و بیش از ۵۰,۰۰۰ کارکن دارد — شرکت CoreWeave از یک سرویس اجاره GPU به یک تامین‌کننده زیرساخت حاکمیتی تبدیل می‌شود. गौरतलब است که Leidos پیش از این نیز یک پلتفرم AI محلی (On-premises) را برای آژانس‌هایی که الزامات امنیتی‌شان مانع استقرار در ابرهای سنتی می‌شود، عرضه می‌کرد.

روندهای گسترده‌تر بازار

تلاش‌های فدرال زودتر از این آغاز شد؛ CoreWeave در ۲۸ اکتبر ۲۰۲۵ کسب‌وکار فدرال خود را برای همسویی با مجوزهای FedRAMP اعلام کرد. آژانس‌ها همچنین از طریق شرایط تهاجمی، مانند قرارداد ۱ دلاری ChatGPT، در حال تصاحب AI تجاری بوده‌اند. همزمان تامین‌کنندگانی مانند Nvidia با ابرکامپیوتر Blackwell Ultra مستقیماً وارد حوزه دفاعی (به ویژه نیروی دریایی) شده‌اند. اهداف مشابه برای ظرفیت حاکمیتی در سطح جهانی نیز دیده می‌شود که بارزترین آن‌ها در استراتژی ملی AI کانادا است.

برای کاربر نهایی در جامعه اطلاعاتی، مزیت این اتفاق دسترسی فوری به محاسبات تراز اول (Frontier-grade) است. به جای اینکه منتظر مهندسی سخت‌افزارهای خاص دولتی از صفر بمانند، نسخه‌ای از همان پشته‌ای را دریافت می‌کنند که Anthropic از آن استفاده می‌کند، اما با تطبیق کامل برای قوانین امنیت ملی.

در ادامه باید منتظر توافقنامه‌های قطعی بین این دو شرکت بود، زیرا استقرار فعلی به امضاهای نهایی و تاییدیه بودجه‌های فدرال بستگی دارد.

گام بعدی شما

• بررسی استانداردهای FedRAMP برای درک نحوه ورود سرویس‌های ابری به بازار دولتی.
• تحلیل مدل‌های استقرار «لبه به ابر» برای کاربردهایی با پهنای باند محدود.
• رصد توافقنامه‌های نهایی بودجه فدرال آمریکا برای تخمین سرعت استقرار این زیرساخت‌ها.

اما این تغییر در دسترسی به سخت‌افزار تنها بخشی از داستان است؛ اثر این حجم از محاسبات بر مصرف انرژی مراکز داده را در تحلیل ما درباره تراشه‌های نسل جدید بررسی کنید.