تلاش تنسنت و بایدو در هوش مصنوعی با محدودیت تراشه

در چشم‌اندازی که به طور فزاینده‌ای تحت تأثیر تنش‌های ژئوپلیتیکی و محدودیت‌های فناوری شکل می‌گیرد، غول‌های فناوری چینی Tencent و Baidu به طور استراتژیک رویکردهای خود را نسبت به توسعه هوش مصنوعی (AI) تنظیم می‌کنند. این شرکت‌ها که با تشدید کنترل‌های صادراتی اعمال شده توسط ایالات متحده بر نیمه‌رساناهای پیشرفته روبرو هستند، مسیری را ترسیم می‌کنند که بر نوآوری، کارایی و اتکا به خود تأکید دارد.

مارتین لاو، رئیس Tencent، در جریان یک تماس تلفنی اخیر اعلام کرد که این شرکت به طور فعالانه یک انبار قابل توجه از واحدهای پردازش گرافیکی (GPUs) ایجاد کرده است که اجزای حیاتی برای آموزش هوش مصنوعی هستند. هدف این انبار استراتژیک، ایجاد یک مانع در برابر اختلالات احتمالی در زنجیره تأمین است و اطمینان می‌دهد که ابتکارات هوش مصنوعی Tencent می‌تواند بدون وقفه ادامه یابد.

با این حال، استراتژی Tencent فراتر از صرفاً جمع‌آوری سخت‌افزار است. لاو همچنین بر تعهد این شرکت به بهینه‌سازی نرم‌افزار خود و بررسی مدل‌های هوش مصنوعی کوچکتر تأکید کرد. این رویکرد به دنبال کاهش وابستگی Tencent به قدرت محاسباتی صرف است و به این شرکت امکان می‌دهد با استفاده کارآمدتر از منابع، به پیشرفت‌های چشمگیری در هوش مصنوعی دست یابد.

Baidu، بازیگر اصلی در بازار موتورهای جستجوی چین و ارائه دهنده خدمات ابری، رویکردی متفاوت اما مکمل را در پیش گرفته است. این شرکت در جریان تماس تلفنی خود، بر قابلیت‌های هوش مصنوعی “کامل” خود تأکید کرد و بر توانایی خود در کنترل و ادغام جنبه‌های مختلف فرآیند توسعه هوش مصنوعی تأکید کرد. این کنترل سرتاسری به عنوان یک مزیت کلیدی در دنیایی تلقی می‌شود که دسترسی به فناوری پیشرفته ممکن است محدود باشد.

استراتژی‌های Tencent و Baidu نشان دهنده یک روند گسترده‌تر در میان شرکت‌های فناوری چینی است: تمرکز بر کارایی و نوآوری داخلی برای غلبه بر چالش‌های ناشی از دسترسی محدود به فناوری پیشرفته ایالات متحده. این انطباق صرفاً یک اقدام واکنشی نیست، بلکه یک تلاش فعالانه برای ایجاد یک اکوسیستم هوش مصنوعی پایدارتر و انعطاف‌پذیرتر در داخل چین است.

وابستگی نیمه‌رسانای چین، محرک انطباق استراتژیک

صنعت فناوری چین مدت‌هاست که با یک آسیب‌پذیری قابل توجه دست و پنجه نرم می‌کند: وابستگی آن به منابع خارجی برای نیمه‌رساناهای پیشرفته. این وابستگی با کنترل‌های صادراتی ایالات متحده که توانایی شرکت‌های چینی را برای به دست آوردن تراشه‌های پیشرفته مورد نیاز برای هوش مصنوعی و سایر فناوری‌های پیشرفته محدود می‌کند، به شدت مورد توجه قرار گرفته است.

رویکرد دوگانه Tencent در انبار کردن GPU ها و توسعه مدل‌های هوش مصنوعی کارآمدتر، نمونه‌ای از نحوه تلاش شرکت‌های چینی برای عبور از این محیط چالش برانگیز است. انبار GPU یک حائل کوتاه مدت در برابر اختلالات عرضه فراهم می‌کند، در حالی که توسعه مدل‌های هوش مصنوعی کارآمدتر، نشان دهنده یک استراتژی بلند مدت برای کاهش وابستگی به فناوری‌های محدود شده است.

استراتژی بهینه‌سازی نرم‌افزار برای به حداکثر رساندن عملکرد از منابع سخت‌افزاری موجود، یک پاسخ عمل‌گرایانه به محدودیت‌های عرضه است. شرکت‌های چینی با استفاده حداکثری از سخت‌افزار موجود، می‌توانند به طور بالقوه نوآوری در توسعه هوش مصنوعی متمرکز بر کارایی را تسریع کنند. این رویکرد همچنین می‌تواند منجر به پیشرفت‌های جدید در الگوریتم‌ها و معماری‌های هوش مصنوعی شود که به طور خاص برای اجرا بر روی سخت‌افزار کم‌قدرت‌تر طراحی شده‌اند.

تأکید Baidu بر قابلیت‌های “کامل” با این روند گسترده‌تر همسو است. Baidu با توسعه پشته‌های فناوری یکپارچه که در آن اجزای بیشتری را کنترل می‌کند، قصد دارد آسیب‌پذیری خود را در برابر اختلالات تامین آینده کاهش دهد. این یکپارچگی عمودی به Baidu اجازه می‌دهد تا کنترل بیشتری بر نقشه راه فناوری خود داشته باشد و وابستگی خود را به تأمین کنندگان خارجی کاهش دهد.

انطباق با محدودیت‌ها: استراتژی‌های کلیدی

• ذخیره‌سازی استراتژیک: ایجاد ذخایر از اجزای حیاتی مانند GPU ها برای جلوگیری از اختلالات در عرضه.
• بهینه‌سازی نرم‌افزار: بهبود نرم‌افزار برای به حداکثر رساندن عملکرد از منابع سخت‌افزاری موجود.
• توسعه کامل: ایجاد پشته‌های فناوری یکپارچه برای کنترل اجزای بیشتر و کاهش وابستگی‌های خارجی.
• نوآوری داخلی: سرمایه‌گذاری در تحقیق و توسعه برای تقویت قابلیت‌های فناوری بومی.

بهینه‌سازی نرم‌افزار به عنوان یک تمایز رقابتی در شرایط محدودیت ظاهر می‌شود

تأکیدی که Tencent و Baidu بر بهینه‌سازی نرم‌افزار دارند، نشان می‌دهد که چگونه کنترل‌های صادراتی، چشم‌انداز مزایای رقابتی در توسعه هوش مصنوعی را تغییر می‌دهند. در دنیایی که دسترسی به سخت‌افزار پیشرفته محدود است، توانایی استفاده کارآمد از منابع موجود به یک تمایز حیاتی تبدیل می‌شود.

مارتین لاو از Tencent به طور مستقیم فرضیه غربی مبنی بر اینکه گسترش خوشه‌های GPU همیشه برای پیشرفت هوش مصنوعی ضروری است را به چالش کشید. او اظهار داشت که Tencent می‌تواند از طریق رویکردهای کارآمدتر، “نتایج آموزشی خوبی با گروه کوچکتری از این تراشه‌ها” به دست آورد. این اظهارات نشان می‌دهد که نوآوری نرم‌افزار و کارایی الگوریتمی می‌تواند به طور بالقوه محدودیت‌های موجود در سخت‌افزار را جبران کند.

Dou Shen از Baidu نیز این احساس را تکرار کرد و تأکید کرد که “توانایی ساخت و مدیریت خوشه‌های GPU در مقیاس بزرگ و استفاده مؤثر از GPU ها به مزیت‌های رقابتی کلیدی تبدیل شده است.” این نشان می‌دهد که تخصص در به حداکثر رساندن کارایی سخت‌افزار ممکن است به اندازه دسترسی به خود سخت‌افزار ارزشمند شود. شرکت‌هایی که می‌توانند بیشترین عملکرد را از منابع سخت‌افزاری موجود خود استخراج کنند، از یک مزیت رقابتی قابل توجه برخوردار خواهند بود.

این رویکردهای متمرکز بر کارایی در صورت موفقیت، می‌تواند در نهایت بر شیوه‌های توسعه جهانی هوش مصنوعی تأثیر بگذارد. شرکت‌های چینی ممکن است الگوریتم‌ها و معماری‌های جدید هوش مصنوعی را پیشگام شوند که به طور خاص برای اجرا بر روی سخت‌افزار کم‌قدرت‌تر طراحی شده‌اند. این امر به طور بالقوه می‌تواند منجر به ظهور مسیرهای فناوری واگرا بین سیستم‌های هوش مصنوعی چینی و غربی شود، به طوری که هر مسیر برای محدودیت‌ها و اولویت‌های منابع مختلف بهینه شده است.

مفاهیم برای توسعه جهانی هوش مصنوعی

• تغییر چشم‌انداز رقابتی: بهینه‌سازی نرم‌افزار و استفاده کارآمد از منابع به تمایزهای کلیدی تبدیل می‌شوند.
• واگرایی فناوری بالقوه: سیستم‌های هوش مصنوعی چینی و غربی ممکن است در امتداد مسیرهای مختلف تکامل یابند و برای محدودیت‌های منابع مختلف بهینه شوند.
• نوآوری در کارایی: تمرکز بر توسعه الگوریتم‌ها و معماری‌های هوش مصنوعی که به قدرت محاسباتی کمتری نیاز دارند.
• افزایش اهمیت تخصص: تخصص در کارایی سخت‌افزار و بهینه‌سازی نرم‌افزار ارزشمندتر می‌شود.

ظهور برتری الگوریتم

با محدود شدن دسترسی به سخت‌افزار، اهمیت نوآوری الگوریتمی افزایش می‌یابد. اکنون شرکت‌ها انگیزه دارند تا الگوریتم‌های هوشمندتر و کارآمدتری را توسعه دهند که بتوانند با منابع محاسباتی کمتر، نتایج قابل مقایسه‌ای به دست آورند. این تغییر می‌تواند منجر به پیشرفت‌هایی در زمینه‌هایی مانند:

• فشرده‌سازی مدل: تکنیک‌هایی برای کاهش اندازه و پیچیدگی مدل‌های هوش مصنوعی بدون قربانی کردن دقت.
• کمی‌سازی: نمایش پارامترهای مدل با دقت کمتر، کاهش ردپای حافظه و الزامات محاسباتی.
• تقطیر دانش: انتقال دانش از مدل‌های بزرگ و پیچیده به مدل‌های کوچکتر و کارآمدتر.
• شبکه‌های عصبی اسپایکینگ: نسل جدیدی از شبکه‌های عصبی که از محاسبات کم‌مصرف مغز تقلید می‌کنند.

این پیشرفت‌های الگوریتمی می‌تواند پیامدهای گسترده‌ای فراتر از حوزه هوش مصنوعی داشته باشد. آنها می‌توانند استقرار هوش مصنوعی را در دستگاه‌های محدود به منابع، مانند تلفن‌های هوشمند، دستگاه‌های IoT و سیستم‌های تعبیه‌شده، فعال کنند. این امر فرصت‌های جدیدی را برای برنامه‌های کاربردی مجهز به هوش مصنوعی در زمینه‌هایی مانند مراقبت‌های بهداشتی، کشاورزی و پایش محیط زیست باز می‌کند.

اهمیت داده و استعداد

در حالی که سخت‌افزار و الگوریتم‌ها بدون شک حیاتی هستند، موفقیت هر ابتکار هوش مصنوعی در نهایت به داده‌ها و استعدادها بستگی دارد. شرکت‌های چینی این را تشخیص می‌دهند و به شدت روی هر دو حوزه سرمایه‌گذاری می‌کنند.

چین دارای یک مخزن عظیم از داده‌ها است که توسط جمعیت زیاد و متصل به دیجیتال آن تولید می‌شود. این داده‌ها یک زمینه آموزشی غنی برای مدل‌های هوش مصنوعی فراهم می‌کند و به آنها اجازه می‌دهد با سرعت بیشتری یاد بگیرند و پیشرفت کنند. با این حال، دسترسی به داده‌ها کافی نیست. داشتن تخصص برای جمع‌آوری، پاکسازی و پردازش موثر داده‌ها به همان اندازه مهم است.

چین همچنین به شدت در توسعه نیروی کار متخصص هوش مصنوعی خود سرمایه‌گذاری می‌کند. دولت ابتکارات مختلفی را برای ترویج آموزش و تحقیقات هوش مصنوعی آغاز کرده است و دانشگاه‌ها در سراسر کشور برنامه‌های تخصصی در هوش مصنوعی و زمینه‌های مرتبط ارائه می‌دهند. هدف از این تلاش هماهنگ، اطمینان از این است که چین نیروی کار ماهری را در اختیار دارد که برای پیشبرد جاه‌طلبی‌های هوش مصنوعی خود نیاز دارد.

عوامل کلیدی برای موفقیت هوش مصنوعی

• فراوانی داده: استفاده از مقادیر زیادی از داده‌های تولید شده توسط اقتصاد دیجیتال چین.
• تخصص داده: توسعه مهارت‌های مورد نیاز برای جمع‌آوری، پاکسازی و پردازش موثر داده‌ها.
• توسعه استعداد: سرمایه‌گذاری در آموزش و تحقیقات هوش مصنوعی برای ایجاد یک نیروی کار ماهر.
• همکاری‌های استراتژیک: همکاری با دانشگاه‌ها و مؤسسات تحقیقاتی برای تسریع نوآوری.

مسیر رو به جلو: نوآوری و خوداتکایی

چالش‌های ناشی از کنترل‌های صادراتی ایالات متحده بدون شک قابل توجه است، اما آنها همچنین فرصتی را برای شرکت‌های فناوری چینی فراهم می‌کنند تا تلاش‌های نوآوری خود را تسریع کرده و یک اکوسیستم هوش مصنوعی خوداتکاتر ایجاد کنند.

با تمرکز بر بهینه‌سازی نرم‌افزار، نوآوری الگوریتمی و توسعه استعداد، شرکت‌های چینی می‌توانند به طور بالقوه بر محدودیت‌های ناشی از دسترسی محدود به سخت‌افزار پیشرفته غلبه کنند. این می‌تواند منجر به ظهور یک اکوسیستم هوش مصنوعی منحصر به فرد و رقابتی در داخل چین شود، اکوسیستمی که وابستگی کمتری به فناوری خارجی دارد و بیشتر با نیازها و فرصت‌های خاص بازار چین سازگار است.

سفر به سوی خوداتکایی هوش مصنوعی آسان نخواهد بود. این امر مستلزم سرمایه‌گذاری مستمر، تمایل به آزمایش و تعهد به اهداف بلندمدت است. با این حال، پاداش‌های بالقوه بسیار زیاد است. شرکت‌های فناوری چینی با موفقیت در عبور از چالش‌های کنونی، می‌توانند خود را به عنوان رهبر در مسابقه جهانی هوش مصنوعی قرار دهند و به توسعه یک آینده فناوری عادلانه‌تر و پایدارتر کمک کنند.