تصور کنید به‌جای باز کردن پنج برنامه مختلف برای تنظیم یک جلسه کاری، تنها هدف خود را به کامپیوتر بگویید و سیستم‌عامل به‌طور خودکار تمام مراحل را مدیریت کند. این رویای «رایانش قصد-محور» اکنون به یک پروژه مهندسی تبدیل شده است تا هوش مصنوعی را از لایه برنامه‌ها به قلب تپنده سخت‌افزار منتقل کند. یک مدل ۲۶ میلیارد پارامتری که به‌صورت محلی روی NPU یک رایانه شخصی اجرا می‌شود، محور اصلی تلاش جدیدی است تا هوش مصنوعی را از لایه اپلیکیشن به لایه هسته (Kernel) منتقل کند.
به نقل از اعلامیه مشترک شرکت HUMAIN (شرکتی تحت حمایت صندوق سرمایه‌گذاری عمومی عربستان یا PIF) و KORA Systems Inc در ۳۱ اوت ۲۰۲۶ در جریان رویداد LEAP 2026 در ریاض، این دو مجموعه برای ساخت HUMAIN OS وارد یک شراکت استراتژیک مهندسی شده‌اند. در حالی که در پوشش پیشین ما درباره اینکه چگونه شرکت Stripe در حال ساخت زیرساخت‌های اقتصادی برای عامل‌های هوش مصنوعی است اشاره کردیم، این پروژه روی لایه نرم‌افزاری بنیادینی تمرکز دارد که به این عامل‌ها اجازه می‌دهد واقعاً کنترل یک دستگاه را در دست بگیرند.
اکثر ابزارهای فعلی هوش مصنوعی زاینده (Generative AI) — شبیه لایه‌های رنگی هستند که روی یک دیوار قدیمی کشیده شده‌اند و ساختار دیوار را تغییر نمی‌دهند — اما HUMAIN OS قصد دارد این مدل را با یک معماری «AI-native» جایگزین کند.
زمینه و پیشینه شراکت
شرکت HUMAIN یک شرکت جهانی هوش مصنوعی است که قابلیت‌های Full-stack را در چهار حوزه اصلی ارائه می‌دهد: مراکز داده نسل جدید، زیرساخت‌های با عملکرد فوق‌بالا و پلتفرم‌های ابری، مدل‌های پیشرفته هوش مصنوعی و راهکارهای کاربردی AI.
در سوی دیگر، شرکت KORA Systems Inc که در سیلیکون‌ولی مستقر است، در حال ساخت سیستم‌عاملی است که حول محور یک موتور استنتاج ترکیبی (Hybrid Inference Engine) به نام Cortex می‌چرخد. تیم KORA سابقه درخشانی در عرضه سیستم‌عامل دارد و پیش از این سه سیستم‌عامل Cyanogen, Android و GameOS را برای بیش از یک میلیارد دستگاه در سراسر جهان روانه بازار کرده است.
طبق بیانیه مطبوعاتی این شرکت‌ها، برنامه مشترک آن‌ها، تخصص KORA در زمینه هوش مصنوعی لبه (Edge AI) را با زیرساخت‌های جامع HUMAIN ادغام می‌کند. دامنه توسعه این پروژه چندین لایه حیاتی را پوشش می‌دهد:
- معماری سیستم‌عامل: زیرساختی مبتنی بر لینوکس که برای امنیت سازمانی و حاکمیت داده‌ها طراحی شده است. لینوکس یک اکوسیستم باز و اثبات‌شده برای مهندسی ارکستراسیون هوش مصنوعی و قابلیت‌های چرخه حیات فراهم می‌کند.
- یکپارچگی سخت‌افزاری: یک لایه هوشمند که به‌طور خاص برای پلتفرم‌های محاسباتی Qualcomm بهینه‌سازی شده است.
- زمان اجرای هوش مصنوعی (AI Runtime): سیستمی برای ارکستراسیون که تصمیم می‌گیرد یک حجم کاری (Workload) روی دستگاه، در یک محیط خصوصی سازمانی یا در ابر اجرا شود.
- مدیریت و امنیت: پشتیبانی از هویت سازمانی، مدیریت دستگاه، اجرای سیاست‌های کنترلی و استقرار کنترل‌شده هوش مصنوعی.
- تجربه کاربری: بازطراحی کامل محیط برنامه‌ها و سیستم مدیریت دستگاه.
مدل مبتنی بر قصد (Intent-Based Model)
طارق امین، مدیرعامل HUMAIN، استدلال می‌کند که هوش باید به بخشی از خودِ سیستم‌عامل تبدیل شود. او صراحتاً بیان کرد: «هوش مصنوعی نمی‌تواند صرفاً برنامه دیگری باشد که روی دسکتاپ قرار می‌گیرد.»
این شرکت‌ها در حال طراحی تغییری به سمت مدل «قصد، هوش، سپس عمل» هستند. در این رویکرد، به‌جای اینکه کاربر یک برنامه خاص را انتخاب کند، سیستم‌عامل هدف (Objective) را درک می‌کند، زمینه‌های مجاز (Authorized Context) را جمع‌آوری می‌کند و بهترین مدل را برای اجرای آن وظیفه انتخاب می‌نماید. این رویکردی است که در مقیاس سازمانی نیز دنبال می‌شود؛ برای مثال، تلاش‌های IBM برای ادغام مدل‌های پیشرفته در گردش کار مشاوران خود نشان‌دهنده تمایل شرکت‌های بزرگ به تبدیل AI از یک ابزار جانبی به بخشی از جریان کاری است.
کیرت مک‌مستر، مدیرعامل KORA Systems، خاطرنشان کرد که مدل‌های سنتی سیستم‌عامل از کاربر می‌خواهند هر مرحله از یک فرآیند را دیکته کند. HUMAIN OS قصد دارد با ایفای نقش به عنوان یک لایه ارکستراسیون بین انسان و هوش مورد نیاز، این زنجیره را خودکار کند.
هوش محلی و سازمانی
برای تضمین حریم خصوصی و کاهش تأخیر (Latency) — همان فاصله زمانی بین پرسش شما و پاسخ مدل — این سیستم روی یک مدل ۲۶ میلیارد پارامتری تمرکز دارد که به‌صورت محلی روی واحد پردازش عصبی (NPU) کوالکام اجرا می‌شود. این امر اجازه می‌دهد داده‌های حساس سازمانی روی دستگاه باقی بمانند و در عین حال قابلیت‌های استدلال سطح بالا فراهم شود.
سیستم بر اساس عوامل خاصی تصمیم می‌گیرد که بارهای کاری هوش مصنوعی کجا اجرا شوند:
۱. حریم خصوصی و سیاست‌های سازمانی
۲. توانایی مدل و میزان تأخیر
۳. وضعیت اتصال به شبکه و هزینه‌ها
فراتر از هسته سیستم، این تیم در حال ساخت یک محیط بهره‌وری است که اسناد و صفحات گسترده (Spreadsheets) را در بر می‌گیرد. این محیط شامل بازیابی معنایی اطلاعات (Semantic Information Retrieval) و قابلیت‌های «استفاده عامل‌محور از کامپیوتر» (Agentic Computer-use) است که به سیستم‌عامل اجازه می‌دهد اقدامات مجاز را از طرف کاربر انجام دهد. این نوع یکپارچگی عمیق با محیط‌های کاری، مشابه نتایجی است که در ادغام GPT-5.6 در محیط Kiro برای کاهش هزینه‌های کدنویسی مشاهده شد و بهره‌وری را به‌طور چشمگیری افزایش داد.
این تغییر نشان می‌دهد که آینده رایانه‌های شخصی، مجموعه‌ای از اپلیکیشن‌های پراکنده نیست، بلکه یک رابط هوشمند واحد است. اگر این پروژه موفق شود، سیستم‌عامل تبدیل به دروازه‌بان امنیت و اجرای سیاست‌ها می‌شود تا اطمینان حاصل کند عامل‌های هوش مصنوعی از مجوزهای تعیین‌شده خود فراتر نمی‌روند.
برای سازمان‌ها، این به معنای گذار از پلاگین‌های پراکنده هوش مصنوعی به یک مدل حاکمیتی یکپارچه است. توانایی ارکستراسیون بارهای کاری بر اساس هزینه، اتصال و حریم خصوصی می‌تواند مانع ورود برای استقرار عامل‌های خودمختار در مقیاس بزرگ را به‌طور قابل‌توجهی کاهش دهد.
عرضه تجاری این سیستم برای سال ۲۰۲۷ برنامه‌ریزی شده است، هرچند یک نسخه اولیه در نمایشگاه LEAP 2026 برای نشان دادن مسیر پلتفرم به نمایش درآمد.
گام بعدی شما
- اگر مدیر زیرساخت هستید، روی قابلیت‌های NPU در پردازنده‌های نسل جدید کوالکام نظارت کنید.
- تفاوت بین «برنامه‌های AI» و «سیستم‌عامل AI-native» را در استراتژی نرم‌افزاری خود لحاظ کنید.
- منتظر بنچمارک‌های مدل ۲۶ میلیارد پارامتری محلی باشید تا ببینید آیا واقعاً می‌تواند جایگزین مدل‌های ابری (Cloud-based LLMs) برای بهره‌وری سازمانی شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک لایه‌های پایین‌تر، به تحلیل ما درباره تراشه‌های تخصصی استنتاج مراجعه کنید.
گفتگو