چگونه چین با هزینه‌ای بسیار کمتر از آمریکا، بازده بیشتری از هوش مصنوعی می‌گیرد

شرکت‌ها باید چه میزان پول برای هوش مصنوعی هزینه کنند؟ غول‌های فناوری آمریکا تصور می‌کنند پاسخ این است: خیلی زیاد.

بر اساس برآورد مؤسسه پژوهشی بلومبرگ اینتلیجنس، هزینه سرمایه‌ای شرکت‌های آمریکایی برای مراکز داده ممکن است امسال از ۷۴۰ میلیارد دلار فراتر رود. سرمایه‌گذارانی که پیش‌تر آن‌ها نیز بر این باور بودند که «هرچه بیشتر، بهتر»، اکنون در این دیدگاه تجدیدنظر می‌کنند. هنگامی که در ۲۶ ژوئیه مشخص شد انویدیا در حال مذاکره برای تأمین مالی یک ابردیتاستر با هزینه‌ای بیش از ۵۰۰ میلیارد دلار و ظرفیت حدود ۲۵۰ میلیارد دلار سرمایه‌گذاری تحت ضمانت خود است؛ قیمت سهامش سقوط کرد. مرکزی که مملو از تراشه‌های این شرکت خواهد بود و توسط OpenAI اداره می‌شود،. چند روز پیش از آن نیز زمانی که آلفابت، شرکت مادر گوگل، اعلام کرد هزینه‌کرد خود در حوزه هوش مصنوعی را در سال جاری به ۲۰۵ میلیارد دلار افزایش خواهد داد، سرمایه‌گذاران با نگرانی نسبت به آن واکنش نشان دادند. در ۵ اوت نیز پس از آنکه اسپیس‌ایکس از سرمایه‌گذاری‌های عظیم خود در هوش مصنوعی خبر داد، سهام این شرکت با افت مواجه شد.

ولخرجی آمریکا در حوزه هوش مصنوعی در مقایسه با صرفه‌جویی چینی‌ها، بیش‌ازپیش افراطی به نظر می‌رسد. پیش‌بینی می‌شود غول‌های فناوری چین در سال ۲۰۲۶ کمتر از یک‌دهم میزان سرمایه‌ای را که همتایان آمریکایی آنها برای مراکز داده هزینه می‌کنند، سرمایه‌گذاری کنند (نمودار را ببینید). با وجود این صرفه‌جویی، مدل‌های هوش مصنوعی چین در حال حاضر ظاهراً تنها اندکی ضعیف‌تر از رقبای آمریکایی هستند.

مدل Kimi K3 که ماه گذشته توسط شرکت نوپای Moonshot AI در پکن عرضه شد، بر اساس نتایج برخی از مهم‌ترین بنچمارک‌ها، ۹۵ درصد توانمندی مدل Fable 5 را دارد. در ۳ اوت نیز علی‌بابا مدل Qwen 3.8-Max را عرضه کرد که بنا بر گزارش‌ها، در برخی معیارها در میان بهترین مدل‌های جهان قرار گرفته است.

چرا آمریکا نگران Kimi K3 است؟

هزینه زمین برای احداث مراکز داده، برخی تجهیزات موردنیاز برای تجهیز آن‌ها به سرورهای هوش مصنوعی و نیروی انسانی، از کارگران ساختمانی گرفته تا متخصصان نخبه هوش مصنوعی، در چین پایین‌تر از آمریکاست. همچنین شرکت‌های چینی متهم هستند که مدل‌های خود را با استفاده از خروجی مدل‌های گران‌قیمت آمریکایی آموزش می‌دهند. این فرایند که به «تقطیر» (Distillation) معروف است، به توسعه‌دهندگان هوش مصنوعی در چین اجازه می‌دهد از بخشی از هزینه‌هایی که شرکت‌های آمریکایی متحمل شده‌اند، بدون پرداخت هزینه متناظر بهره ببرند.

چرا این روزها بحث تقطیر مدل‌های هوش مصنوعی این‌قدر داغ شده است؟

علاوه بر این، ممکن است بخشی از هزینه‌های هوش مصنوعی چین در ارقام رسمی هزینه‌های سرمایه‌ای منعکس نشود. بخشی از مبالغی که شرکت‌های چینی هوش مصنوعی به‌ویژه شرکت‌های کوچک‌تر، احتمالاً در شرایط عادی برای خرید بهترین تراشه‌های انویدیا هزینه می‌کردند، ممکن است به‌جای آن صرف دستیابی به نتایج بهتر با استفاده از نیمه‌رساناهای ضعیف‌تر شده باشد. شرکت DeepSeek که با عرضه مدلی به طرز شگفت‌آوری قدرتمند و کارآمد در اوایل سال ۲۰۲۵، شرکت‌های محبوب هوش مصنوعی آمریکا و سرمایه‌گذاران آنها را غافلگیر کرد، احتمالاً بخش قابل‌توجهی از منابع خود را صرف توسعه تکنیک‌هایی می‌کند که نیاز به توان محاسباتی را کاهش می‌دهند.

بااین‌حال، این عوامل به‌تنهایی نمی‌توانند توضیح دهند که چرا چین برای دستیابی به نتایجی ظاهراً مشابه در حوزه هوش مصنوعی، بسیار کمتر از آمریکا سرمایه‌گذاری می‌کند. پس دلیل چیست؟

یک پاسخ بدیهی برای سرمایه‌گذاری کمتر می‌تواند کمبود سرمایه باشد. اما شرکت‌های چینی از سرمایه فراوانی برخوردارند. محدودیت اصلی‌تر برای هزینه‌کرد شرکت‌ها در حوزه هوش مصنوعی، کمبود چیزهایی بوده که بتوان پول را صرف آن‌ها کرد. محدودیت‌های آمریکا بر صادرات فناوری به چین باعث شده شرکت‌های چینی نتوانند بهترین و گران‌ترین تراشه‌های هوش مصنوعی را خریداری کنند؛ تراشه‌هایی که توسط انویدیا امریکایی، طراحی و توسط TSMC تایوانی ساخته می‌شوند.

در عمل، نهادهای نظارتی پکن حتی تا جایی پیش رفته‌اند که استفاده از تراشه‌های درجه‌دو انویدیا را نیز (که شرکت‌های چینی فعلاً همچنان می‌توانند تهیه کنند) منع یا محدود کنند. آنها در برخی مقاطع واردات این تراشه‌ها را نیز متوقف کرده‌اند تا هم زیرساخت هوش مصنوعی چین را در برابر تحریم‌ها مقاوم کنند و هم جایگزین‌های داخلی را ترویج دهند.

علی‌بابا را در نظر بگیرید. این شرکت سال گذشته اعلام کرد که بین سال‌های ۲۰۲۶ تا ۲۰۲۸، ۵۳ میلیارد دلار در حوزه هوش مصنوعی سرمایه‌گذاری خواهد کرد. این میزان هزینه در مقایسه با آمازون یا آلفابت ناچیز است. بااین‌حال، حتی تأمین همین مبلغ نیز ممکن است فراتر از توان این شرکت باشد. علی‌بابا که یکی از پیشرفته‌ترین برنامه‌های طراحی تراشه در چین را در اختیار دارد، پیش‌تر تولید تراشه‌های خود را به TSMC برون‌سپاری می‌کرد. تحریم‌های آمریکا این شرکت را مجبور کرده است در عوض به تأمین‌کنندگان داخلی روی بیاورد.

تنها تولیدکنندگان چینی که توانایی ساخت تراشه‌هایی با قدرتی قابل‌مقایسه را دارند، هواوی، غول فناوری‌ای که از سال ۲۰۱۹ در فهرست سیاه آمریکا قرار دارد و SMIC، یک فاندری تحت کنترل دولت چین هستند که تراشه‌های طراحی‌شده توسط هواوی را تولید می‌کند. بااین‌حال، محدودیت‌های آمریکا شامل تجهیزات پیشرفته تولید تراشه نیز می‌شود که هواوی و SMIC را مجبور کرده است راهکارهای جایگزین پرهزینه‌ای پیدا کنند؛ راهکارهایی که تعداد تراشه‌های به‌اندازه کافی قدرتمندی را که این دو شرکت می‌توانند تولید کنند، محدود می‌کند. افزون بر این، SMIC نمی‌تواند با افزایش هزینه‌های سرمایه‌ای این ناکارآمدی را جبران کند، زیرا همان تحریم‌ها میزان تجهیزات تولید تراشه با فناوری پایین‌تر را نیز که این شرکت می‌تواند تهیه کند، محدود کرده‌اند.

تحریم‌های آمریکا تنها عاملی نیستند که هزینه‌کرد سرمایه‌ای چین در حوزه هوش مصنوعی را محدود می‌کنند. تقاضای چین برای خدمات هوش مصنوعی نیز چنین نقشی دارد. شرکت‌های چینی به خساست در اختصاص بودجه به فناوری اطلاعات مشهور هستند. مجموع هزینه آنها برای نرم‌افزار، باوجودآنکه تولید ناخالص داخلی چین حدود دوسوم آمریکا است و با تعدیل بر اساس قدرت خرید، یک‌سوم بیشتر از آمریکاست؛ کمتر از یک‌دهم هزینه شرکت‌های آمریکایی است. این صرفه‌جویی افراطی احتمالاً بازده سرمایه‌گذاری شرکت‌های هوش مصنوعی را کاهش می‌دهد و در نتیجه، تمایل آنها برای سرمایه‌گذاری اولیه را نیز کم می‌کند.

علاوه بر این، اهداف حزب کمونیست چین در حوزه هوش مصنوعی بیش از آنکه بر ساخت سیستم‌هایی هرچه هوشمندتر که به نیمه‌رساناهای هرچه قدرتمندتر در مراکز داده هرچه بیشتر نیاز دارند متمرکز باشد، بر گسترش و نفوذ این فناوری در سراسر اقتصاد استوار است.

گمان می‌رود ده‌ها شرکت هوش مصنوعی آمریکایی در تلاش برای توسعه هوش جامع مصنوعی (AGI) باشند؛ هوشی که بتواند در بیشتر وظایف فکری از انسان‌ها بهتر عمل کند. در مقابل، به گفته «ژو چی» (Xu Qi)، رئیس کمیته حزب کمونیست در انجمن هوش مصنوعی شانگهای، کمتر از ۱۰ شرکت در چین روی AGI کار می‌کنند.

سرمایه‌گذاران چینی که با تمام این محدودیت‌ها آشنا هستند نیز نشانه دیگری از ضرورت مهار هزینه‌کرد در حوزه هوش مصنوعی ارائه می‌کنند. سرمایه‌گذاران چینی مدت‌هاست به همان اندازه‌ای که سرمایه‌گذاران آمریکایی ظاهراً اکنون نسبت به هزینه‌کرد بیش از حد در هوش مصنوعی محتاط شده‌اند، نسبت به ولخرجی در این حوزه بدبین بوده‌اند. درحالی‌که تا همین اواخر، غول‌های فناوری آمریکا به دلیل برنامه‌های تهاجمی برای هزینه‌کرد در هوش مصنوعی با افزایش قیمت سهام پاداش می‌گرفتند، شرکت‌های چینی بیشتر با مجازات بازار برای ولخرجی در حوزه هوش مصنوعی مواجه می‌شدند.

ممکن است سرمایه‌گذاران اکنون به این نتیجه برسند که آمریکا بیش از حد نیازش دیتاسنتر دارد. اما چین، با وجود خویشتن‌داری قابل‌توجهش، شاید مراکز داده کافی برای بهره‌گیری کامل از نوآوری‌های ستاره‌های هوش مصنوعی خود یا برای‌آنکه این شرکت‌ها بتوانند از نوآوری‌هایشان درآمد کسب کنند را نداشته باشد.

ByteDance، خالق هوش مصنوعی مولد ویدئو Seedance و مالک TikTok، با گلوگاه‌های شدید محاسباتی مواجه است؛ به‌گونه‌ای که پردازش برخی کلیپ‌ها ۱۰ ساعت طول می‌کشد. برخی خدمات آزمایشگاه هوش مصنوعی Zhipu AI و واحد رایانش ابری علی‌بابا نیز باید به‌شدت سهمیه‌بندی شوند و ظرفیت آنها ظرف چند دقیقه به فروش می‌رسد.  K3نیز فهرست انتظار طولانی‌ای از کاربران امیدوار به استفاده از آن دارد.

گسترش و فراگیرشدن هوش مصنوعی کاربردی، به توان محاسباتی بسیار کمتری نسبت به تلاش برای دستیابی به ابرهوش نیاز دارد. اما رژیم بیش از حد محدودکننده همچنان می‌تواند رشد را متوقف کند.

گزارش حاضر در نسخه August 7th 2026 نشریه The Economist منتشر شده است.