Four people collaborating around a glowing AI
هوش مصنوعی

رهبری آمریکا در AI در حال از دست رفتن است

دواردریک مک‌نیل استدلال می‌کند که مزیت چین کاهش اصطکاک در سراسر زنجیره برای افزایش پذیرش جهانی است، نه فقط پیروزی در معیارها.

نوشته Elliot Marsh7 دقیقه مطالعه

یک مقاله تحلیلی CNBC نوشته دیواردریک مک‌نیل ادعا می‌کند که برتری ایالات متحده بر چین در زمینه هوش مصنوعی پیشرفته "تقریباً از بین رفته است" و اینکه رقابت اکنون به پذیرش در سطح اکوسیستم بستگی دارد نه مقایسه مدل به مدل. این چارچوب خطر روایتی برای بازارها به همراه دارد: تسلط بر پلتفرم ممکن است به این بستگی داشته باشد که کدام تکنولوژی را توسعه‌دهندگان و شرکت‌ها به‌طور جهانی انتخاب می‌کنند، نه اینکه چه کسی در جدول معیار بعدی در صدر قرار دارد.

نکات کلیدی

  • یک مقاله تحلیلی CNBC ادعا می‌کند که برتری ایالات متحده بر چین در زمینه هوش مصنوعی "تقریباً از بین رفته است" و سوال اصلی به این سمت تغییر کرده است که آیا واشنگتن می‌تواند به اندازه کافی سریع خود را با اکوسیستم نوآوری چین سازگار کند.
  • این مقاله به یک خوشه از بازیگران هوش مصنوعی چینی—DeepSeek، Moonshot AI (Kimi K3)، Alibaba (Qwen)، Tencent (Hunyuan)، Zhipu AI و MiniMax—به عنوان شواهدی از قابلیت‌های مکرر در سطح پیشرفته در چندین شرکت اشاره می‌کند.
  • مک‌نیل این رقابت را به‌عنوان اکوسیستم در برابر اکوسیستم چارچوب‌بندی می‌کند، جایی که هزینه، استقرار، سفارشی‌سازی، تأمین مالی، استانداردها، پذیرش توسعه‌دهندگان و دسترسی جهانی به اندازه عملکرد معیار اهمیت دارد.
  • این مقاله رویکرد پکن را "دولت‌داری اکوسیستم" می‌نامد، استراتژی‌ای که سیاست صنعتی، مالی، استانداردها، آموزش، دیپلماسی و گسترش تجاری را به یک موتور پذیرش واحد متصل می‌کند.

CNBC: برتری ایالات متحده در هوش مصنوعی "تقریباً از بین رفته است" زیرا رقابت به اکوسیستم در برابر اکوسیستم تبدیل می‌شود.

دیواردریک مک‌نیل، مدیر اجرایی و تحلیلگر ارشد سیاست در Longview Global، نوشت که برتری ایالات متحده بر چین در هوش مصنوعی "تقریباً از بین رفته است" و استدلال کرد که سوال مرتبط از "آیا چین می‌تواند در مرز رقابت کند" به این سمت تغییر کرده است که آیا ایالات متحده می‌تواند به اندازه کافی سریع خود را با اکوسیستم نوآوری چین سازگار کند. چارچوب‌بندی او به‌طور صریح درباره یک انتشار مدل واحد یا یک اجرای معیار واحد نیست. این درباره این است که آیا مسیر جهانی پیش‌فرض برای ساخت و استقرار هوش مصنوعی از تکنولوژی آمریکایی دور می‌شود.

از نظر مکانیکی، ادعای مک‌نیل این است که سطح رقابت گسترش یافته است. هوش مصنوعی پیشرفته، به معنای پیشرفته‌ترین مدل‌ها در مرز قابلیت، هنوز هم اهمیت دارد، اما این مقاله ادعا می‌کند که رقابت به طور فزاینده‌ای توسط سیستم اطراف تعیین می‌شود: هزینه اجرا، چقدر مدل‌ها به راحتی مستقر می‌شوند، چقدر سفارشی‌سازی در دسترس است، چگونه پروژه‌ها تأمین مالی می‌شوند، کدام استانداردها پیروز می‌شوند و توسعه‌دهندگان کجا انتخاب می‌کنند که بسازند.

برای معامله‌گران، این موضوع به عنوان یک کاتالیزور داده‌ای در کوتاه‌مدت کمتر اهمیت دارد و بیشتر به عنوان یک تغییر رژیم روایتی اهمیت دارد. اگر بازار شروع به قیمت‌گذاری رهبری هوش مصنوعی به عنوان "تسخیر اکوسیستم" به جای "بهترین مدل این فصل" کند، این موضوع تغییر می‌کند که کدام سیگنال‌ها به عنوان پایدار تلقی می‌شوند و کدام به عنوان نویز سرخط محو می‌شوند.

چرا انتشارهای مکرر مرزی چین بیشتر از یک پیروزی معیار اهمیت دارد

شواهد مقاله یک استدلال گسترده است. این مقاله چندین بازیگر هوش مصنوعی چینی—DeepSeek، Kimi K3 از Moonshot AI، خانواده Qwen از Alibaba، Hunyuan از Tencent، Zhipu AI و MiniMax—را فهرست می‌کند و می‌گوید که نباید به عنوان داستان‌های جداگانه خوانده شوند. "آنها نشان می‌دهند که چین یک اکوسیستم هوش مصنوعی مرزی را پرورش داده است که قادر به تولید مکرر قابلیت‌های جهانی در چندین شرکت است،" مک‌نیل نوشت.

آن "مکرر" کار را انجام می‌دهد. یک مدل یک‌باره که به نظر رقابتی می‌رسد می‌تواند به عنوان یک لحظه جبران، یک اثر تقطیر، یا یک پیروزی خاص معیار رد شود. یک خط لوله از انتشارهای سطح مرزی در چندین شرکت سخت‌تر است که نادیده گرفته شود، زیرا این به این معنی است که ورودی‌ها در سراسر سیستم وجود دارند: استعداد، دسترسی به محاسبات، کانال‌های استقرار، و یک پایگاه توسعه‌دهنده که می‌تواند مدل‌ها را به محصولات تبدیل کند.

مک‌نیل همچنین سعی می‌کند بحث در مورد منشأ را کم‌اهمیت کند. "اینکه آیا آن پیشرفت‌ها از طریق نوآوری اصلی، بهینه‌سازی مهندسی، همکاری با وزن باز، یا از تقطیر مدل‌های آمریکایی به وجود می‌آیند، به طور فزاینده‌ای بی‌اهمیت است،" او نوشت. وزن باز به این معنی است که پارامترهای آموزش‌دیده به اشتراک گذاشته می‌شوند تا دیگران بتوانند مدل را اجرا یا تنظیم کنند، در حالی که تقطیر تکنیک آموزش یک مدل کوچکتر برای تقلید از خروجی‌های یک مدل بزرگتر است.

ادعای استراتژیک او این است که حتی اگر مسیر مختلط باشد، نتیجه می‌تواند همچنان نیروی اکوسیستم باشد که پذیرش را به جلو می‌برد.

مقاله آن نیروی محرکه را به یک نشان‌گر زمانی متصل می‌کند: اعلامیه DeepSeek در ژانویه 2025، که مک‌نیل آن را به گونه‌ای توصیف می‌کند که بسیاری از ناظران را مجبور به پذیرش یک مسیر سیاست صنعتی طولانی‌مدت می‌کند. نکته این نیست که یک اعلامیه "مسابقه را برد". بلکه این است که به عنوان شواهدی عمل کرد که استراتژی نتایج قابل اندازه‌گیری تولید می‌کند.

‘دولت‌داری اکوسیستم’: کتاب بازی که مک‌نیل می‌گوید پکن در حال اجراست

مفهوم اصلی مک‌نیل "دولت‌داری اکوسیستم" است که او آن را به عنوان شکل‌دهی به محیطی که در آن فناوری‌ها توسعه، تأمین مالی، استانداردسازی، استقرار و پذیرش می‌شوند، تعریف می‌کند. به گفته او، این یک استراتژی محصول نیست. این یک استراتژی ملی است که سیاست صنعتی، تأمین مالی، استانداردها، جهت‌گیری برنامه درسی دانشگاه، اکوسیستم‌های توسعه‌دهنده تحت حمایت دولت، دیپلماسی و گسترش تجاری را ادغام می‌کند.

او این را با آنچه که به عنوان نظریه پیروزی ایالات متحده توصیف می‌کند، مقایسه می‌کند: نوآوری مرزی به علاوه محدودیت‌هایی که برای کند کردن پیشرفت چین طراحی شده‌اند.

مقاله نام کنترل‌های صادراتی (قوانینی که فروش فناوری‌های پیشرفته مانند تراشه‌های هوش مصنوعی را محدود می‌کنند)، بررسی سرمایه‌گذاری (بازبینی دولتی که می‌تواند سرمایه‌گذاری‌های فرامرزی را مسدود یا محدود کند) و محدودیت‌های دسترسی به محاسبات پیشرفته را به عنوان ابزارهای مرکزی ایالات متحده نام می‌برد.

تفاوت مکانیزم اصطکاک است. مک‌نیل استدلال می‌کند که شرکت‌های هوش مصنوعی چینی فناوری‌های خود را آسان‌تر برای استقرار، سفارشی‌سازی و یکپارچه‌سازی در چندین محیط محاسباتی می‌کنند که هزینه پذیرش را برای توسعه‌دهندگان و شرکت‌ها کاهش می‌دهد. ادعای او این است که کاهش اصطکاک در سراسر پشته فناوری، به معنای سخت‌افزار، نرم‌افزار، ابزارها و پلتفرم‌های ترکیبی که توسعه‌دهندگان بر روی آن‌ها می‌سازند، ممکن است به اندازه بهبود عملکرد معیار اهمیت داشته باشد.

او همچنین یک ناهماهنگی در حکمرانی را پرچم‌گذاری می‌کند: "بازارها برای مزیت رقابتی بهینه می‌شوند. دولت‌ها باید برای مزیت ملی بهینه شوند." مقاله استدلال می‌کند که بحث‌های ایالات متحده اغلب از طریق مشوق‌های شرکت‌های فردی فیلتر می‌شود، در حالی که رقابت اکوسیستم در سطح استراتژی ملی در حال اجراست.

جمع‌آوری استک و پذیرش از پایین به بالا: چرا "اعتیادآور" کردن جهان به یک استک فناوری جایزه است

دلالت آینده‌نگر در این مقاله این است که مرحله بعدی کمتر درباره متوقف کردن یک مدل و بیشتر درباره هدایت پیش‌فرض‌ها است. مک‌نیل به اظهارات "اخیر" رئیس‌جمهور شی جین‌پینگ در کنفرانس جهانی هوش مصنوعی اشاره می‌کند که بر همکاری بین‌المللی در زمینه هوش مصنوعی، حکمرانی، توسعه متن‌باز و مشارکت بیشتر کشورهای در حال توسعه تأکید دارد و چین را به عنوان معمار یک اکوسیستم فناوری جهانی جایگزین معرفی می‌کند.

او این را با یک هدف پذیرش صریح از طرف ایالات متحده ترکیب می‌کند. مقاله به نقل از وزیر بازرگانی هوارد لوتنیک، نقطه‌نظر سخنرانی مدیرعامل انویدیا، جنسن هوانگ، را بازگو می‌کند و هدف را به عنوان "اعتیادآور" کردن بقیه جهان به یک استک فناوری توصیف می‌کند. هشدار مک‌نیل این است که دیگر واضح نیست که استک آمریکایی استکی است که در این قفل پیروز می‌شود.

محدودیتی که مک‌نیل به آن اشاره می‌کند، قابلیت اجرایی است. او استدلال می‌کند که واشنگتن سخت‌تر می‌تواند کتابچه‌ راهنمای هوآوی و ZTE را تکرار کند زیرا زیرساخت‌های مخابراتی به صورت از بالا به پایین تنظیم می‌شوند، در حالی که پذیرش هوش مصنوعی به طور فزاینده‌ای از پایین به بالا است.

دولت‌ها می‌توانند بر تأمین و زیرساخت تأثیر بگذارند، اما توانایی کمتری برای تحمیل این که کدام مدل‌ها، کتابخانه‌ها و ابزارهای توسعه‌دهنده میلیون‌ها توسعه‌دهنده انتخاب می‌کنند و در نرم‌افزارهای تجاری گنجانده می‌شوند، دارند.

آنچه که فرضیه را تأیید یا نقض می‌کند، اساسی اما در مقاله غایب است: پذیرش و اقتصاد ملموس. معامله‌گران باید انتظار داشته باشند که این روایت تا زمانی که معیارهای پذیرش شرکت یا توسعه‌دهنده برای خانواده‌های مدل چینی ذکر شده افشا نشود، مبهم باقی بماند، یا داده‌های قیمت‌گذاری و استقرار معتبر که مزیت هزینه و ادغام پایدار را نشان می‌دهد.

در سمت سیاست، سیگنال می‌تواند اقداماتی از ایالات متحده باشد که فراتر از کنترل‌های صادراتی و غربالگری سرمایه‌گذاری به ابزارهای ساخت اکوسیستم مانند تعیین استانداردها، مکانیزم‌های تأمین مالی و خطوط استعداد برود، که با چارچوب "دیپلماسی اکوسیستم" سازگار است.

نظر من: برای بازارها، معامله روایت پذیرش است—اما این مقاله هنوز اعداد را ارائه نمی‌دهد

بخشی که در اینجا به آن پرداخته می‌شود، بازتعریف است. اگر مسابقه هوش مصنوعی به عنوان "چه کسی مالک پیش‌فرض توسعه‌دهنده است" قیمت‌گذاری شود، آنگاه بازار کمتر به یک چاپ معیار واحد اهمیت می‌دهد و بیشتر به توزیع، استانداردها و اصطکاک استقرار در یک استک توجه می‌کند.

آستانه‌ای که اهمیت دارد این است که آیا این استدلال اکوسیستم شروع به حمایت از داده‌های سخت پذیرش و اقتصاد واحد می‌کند یا خیر، نه یک دنباله از حکایت‌های قابل قبول. اگر معیارهای معتبر نشان دهند که کشش جهانی توسعه‌دهندگان به سمت خانواده‌های مدل و ابزار چینی پایدار است، چارچوب اکوسیستم در برابر اکوسیستم دیگر به یک روایت مقاله‌ای تبدیل نمی‌شود و شروع به تبدیل شدن به ورودی تسلط بر پلتفرم می‌کند که بازارها می‌توانند واقعاً قیمت‌گذاری کنند.

منابع