تصور کنید یک شرکت تصمیم بگیرد ۷۰۰ میلیارد دلار روی آینده‌ی سخت‌افزاری شرط‌بندی کند. این رقم چنان عظیم است که می‌تواند سرنوشت دسترسی به قدرت محاسباتی جهان را تغییر دهد.
به نقل از گزارش وب‌سایت dev.to در ۱ اوت ۲۰۲۶، متا (Meta) این تعهد مالی کلان را برای گسترش مراکز داده، خدمات ابری و سخت‌افزارهای شبکه ایجاد کرده است. صنعت اکنون از مرحله‌ی آزمایش مدل‌ها عبور کرده و وارد فاز مقیاس‌بندی فیزیکی شده است. برای اکثر کسب‌وکارهای کوچک، این تغییر شبیه جابه‌جایی از یک دفتر کوچک اجاره‌ای به ساخت یک شهرک صنعتی عظیم است. این رویکرد توسعه‌ای در ادامه استراتژی‌های گسترده‌تر متا برای مدیریت منابع است، همان‌طور که پیش‌تر در توافق ۱۰ میلیارد دلاری این شرکت برای اجاره زیرساخت‌های محاسباتی به آنتروپیک مشاهده کردیم. همان‌طور که در تحلیل قبلی ما درباره‌ی پروتکل زمینه مدل (MCP) و استانداردسازی دسترسی به داده‌ها در آنتروپیک (Anthropic) اشاره کردیم، حالا تمرکز بازیگران اصلی از نرم‌افزار به سمت توان محاسباتی (Compute) — یا همان قدرت پردازش خامی که مدل‌ها برای اجرا به آن نیاز دارند — تغییر یافته است.
بر اساس مستندات مالی، جزئیات این سرمایه‌گذاری شامل موارد زیر است:
- ۳۴۹ میلیارد دلار قراردادهای غیرقابل فسخ برای سرورها و تجهیزات شبکه
- ۳۴۷ میلیارد دلار تعهدات اجاره‌ای اجرا نشده
- ۶۸ میلیارد دلار سرمایه‌گذاری اضافه شده تنها در ژوئیه ۲۰۲۶
در همین حال، شرکت نکسوس دیتا سنترز (Nexus Data Centers) در حال مذاکره برای جذب ۱۵ میلیارد دلار سرمایه جهت ساخت مرکزی در تگزاس برای آنتروپیک است. این تلاش برای بهینه‌ترین حالت بهره‌وری از سخت‌افزار، در راستای تغییر دیدگاه این شرکت‌ها به هزینه‌هاست؛ موضوعی که در مذاکرات متا و آنتروپیک پیرامون تغییر معیار هزینه از توکن به وظیفه موفق مورد بررسی قرار گرفت. گوگل (Google) با ارائه ضمانت‌های مالی و تأمین تراشه‌های TPU (واحد پردازش عصبی) که با همکاری Broadcom طراحی شده‌اند، در ازای ۲۰٪ مالکیت این پروژه، نقش تسهیل‌کننده را ایفا می‌کند.
در بخش خودروها نیز تسلا در حال تنوع‌بخشی به پشته‌ی هوش مصنوعی خود در چین است. طبق گزارش‌ها، مدل دوبائو (Doubao) متعلق به بایت‌دنس (ByteDance) در برخی خودروهای جدید تسلا ادغام شده و مدل کیوئن (Qwen) شرکت علی‌بابا نیز در مراحل پیشرفته‌ای از آزمایش برای سیستم‌های سرگرمی داخلی است تا فراتر از یک دستیار صوتی ساده عمل کند.
این تحولات نشان می‌دهد نبرد برای برتری در هوش مصنوعی دیگر تنها بر سر بهترین الگوریتم نیست، بلکه بر سر مالکیت سیلیسیم و برق است. هرچه هزینه آموزش مدل‌های نسل بعد بیشتر شود، تنها غول‌های ثروتمند جهان می‌توانند در این رقابت باقی بمانند.
گام بعدی شما
- اگر مدیر محصول هستید، هزینه‌های استنتاج (Inference) — همان لحظه‌ی تولید جواب توسط مدل — را در استراتژی سال آینده بازنگری کنید؛ چرا که مالکیت سخت‌افزار قیمت‌ها را دیکته می‌کند.
- گزارش عرضه سهام اولیه (IPO) آنتروپیک در پاییز امسال را دنبال کنید تا بفهمید آیا درآمد این شرکت از OpenAI پیشی گرفته یا خیر.
- مدل‌های کوچک‌تر و بهینه‌تر را جایگزین مدل‌های غول‌پیکر کنید تا وابستگی به زیرساخت‌های گران‌قیمت کاهش یابد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو