GlobalFoundries جایزه ۳۰۰ میلیون دلاری CHIPS گرفت؛ نور به‌جای برق در هوش مصنوعی

دسته · هوش مصنوعی

دولت آمریکا با اختصاص ۳۰۰ میلیون دلار از قانون CHIPS به GlobalFoundries، شرط‌بندی بزرگی روی فوتونیک سیلیکون کرده — فناوری‌ای که داده را با پالس‌های نوری منتقل می‌کند و می‌تواند گلوگاه اصلی زیرساخت هوش مصنوعی را برای همیشه از سر راه بردارد.

۱. کشف گلوگاه: وقتی سیم‌های مسی دیگر کافی نیستند

در دنیایی که مدل‌های زبانی هوش مصنوعی هر چند ماه یک‌بار اندازه‌شان چند برابر می‌شود، یک مشکل کمتر دیده‌شده ولی بسیار اساسی در حال بحرانی شدن است: داده‌ها باید بین هزاران پردازنده در یک کلاستر جریان یابند — و سیم‌های مسی که دهه‌هاست این کار را می‌کنند، دیگر به اندازه کافی سریع، کارآمد و مقیاس‌پذیر نیستند.

کلاسترهای هوش مصنوعی مدرن — از آنچه در پشت ChatGPT و OpenAI قرار دارد تا Claude و Gemini — از هزاران GPU و NPU تشکیل شده‌اند که باید به‌صورت هم‌زمان داده رد و بدل کنند. این «پهنای باند ارتباطی» بین چیپ‌ها، امروز تبدیل به اصلی‌ترین تنگنای عملکردی شده — نه خود قدرت محاسباتی چیپ‌ها. مقیاس‌پذیری آینده هوش مصنوعی به حل این مشکل بستگی دارد.

شرکت‌های بزرگ مثل NVIDIA سال‌هاست می‌دانند که وقتی تعداد GPU در یک کلاستر از هزار به ده‌هزار و صدهزار می‌رسد، بزرگ‌ترین مانع دیگر سرعت خود چیپ نیست — بلکه سرعتی است که داده می‌تواند بین آن‌ها جا‌به‌جا شود. در آخرین اخبار حوزه هوش مصنوعی این روند مرتباً بازتاب پیدا می‌کند.

۲. فوتونیک سیلیکون چیست و چرا انقلابی است؟

فوتونیک سیلیکون (Silicon Photonics) فناوری‌ای است که اطلاعات را به‌جای جریان الکتریکی، به‌صورت پالس‌های نوری در موج‌برهای بسیار کوچک سیلیکونی منتقل می‌کند. این فناوری سه مزیت کلیدی نسبت به سیم‌های مسی دارد:

نخست، پهنای باند بسیار بالاتر: نور می‌تواند چندین رشته داده را هم‌زمان روی طول‌موج‌های مختلف حمل کند — تکنیکی به نام DWDM (Wavelength Division Multiplexing). دوم، مصرف انرژی کمتر: سیگنال نوری نسبت به جریان الکتریکی گرمای بسیار کمتری تولید می‌کند و انرژی کمتری هدر می‌دهد. سوم، مقیاس‌پذیری بهتر: با بزرگ‌تر شدن کلاستر، مشکل افت سیگنال به‌مراتب کمتر از مس است.

این فناوری برای دهه‌ها در ارتباطات مخابراتی و فیبر نوری استفاده شده، اما ادغام آن مستقیماً در چیپ‌های هوش مصنوعی و بسته‌بندی پیشرفته نیازمند سرمایه‌گذاری عظیم بود — دقیقاً همین کاری که GlobalFoundries با پول CHIPS انجام می‌دهد. برای درک بهتر توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی این مقاله را بخوانید.

۳. جزئیات قرارداد ۳۰۰ میلیون دلاری

روز ۲۹ ژوئیه ۲۰۲۶، وزارت بازرگانی آمریکا از طریق «دفتر تحقیق و توسعه CHIPS» یک نامه قصد (Letter of Intent) با GlobalFoundries امضا کرد. نکات کلیدی این توافق اینهاست:

مبلغ اعلام‌شده ۳۰۰ میلیون دلار کمک تحقیقاتی است. در ازای این سرمایه‌گذاری، دولت آمریکا حدود یک درصد سهام GlobalFoundries را دریافت می‌کند تا «مردم آمریکا در رشد شرکت سهیم باشند». این توافق هنوز الزام‌آور نیست و انتظار می‌رود بر اساس سابقه قبلی، نهایی شدن آن حدود ۹ ماه طول بکشد.

تمرکز فنی پروژه روی توسعه مواد نوری جدید، بسته‌بندی پیشرفته سه‌بعدی هایبریدی، و اپتیک‌های بسته‌شده در کنار چیپ (Co-Packaged Optics) است. این سومین جایزه بزرگ CHIPS برای GlobalFoundries است و نشان‌دهنده تمرکز استراتژیک آمریکا بر لایه ارتباطی زیرساخت هوش مصنوعی — نه فقط خود چیپ‌های محاسباتی — است. درک اهمیت هوش مصنوعی برای کسب‌وکار به درک این سرمایه‌گذاری‌ها کمک می‌کند.

۴. پلتفرم SCALE™ و هدف‌گذاری ۴۰۰ گیگابیت بر ثانیه

قلب پروژه، پلتفرمی به نام SCALE™ است که GlobalFoundries در حال ساخت آن است. هدف سرعتی این پلتفرم رسیدن به ۴۰۰ گیگابیت بر ثانیه برای هر اتصال است — در حالی که اتصال‌های مسی معمولی امروز به ۱۰۰ گیگابیت بر ثانیه می‌رسند.

مهم‌تر از سرعت، هدف انرژی است: پلتفرم SCALE قرار است ۵ برابر کارآمدتر از ماژول‌های نوری قابل اتصال (Pluggable) فعلی باشد. رویکرد فنی ترکیبی از Near-Packaged Optics (NPO) و Co-Packaged Optics (CPO) است — یعنی به‌جای اینکه کابل‌های فیبر نوری را از بیرون به سرور وصل کنید، اپتیک مستقیماً در پکیج چیپ ادغام می‌شود.

تفاوت NPO و CPO چیست؟

در Near-Packaged Optics، ماژول نوری بسیار نزدیک به چیپ اما نه داخل آن قرار می‌گیرد. در Co-Packaged Optics، ماژول نوری مستقیماً درون پکیج چیپ ادغام می‌شود. CPO تأخیر و مصرف انرژی کمتری دارد اما پیچیدگی تولید بیشتری می‌خواهد. GlobalFoundries هر دو مسیر را توسعه می‌دهد.

۵. حمایت ده‌ها غول فناوری

یکی از نشانه‌های جدی بودن این پروژه، فهرست شرکت‌هایی است که رسماً از آن حمایت کرده‌اند: AMD، Broadcom، Cisco، Corning، Lumentum، Marvell، Meta، Microsoft، NVIDIA و Qualcomm. این فهرست عملاً نشان می‌دهد که تمام بازیگران اصلی زنجیره تأمین هوش مصنوعی این نیاز را می‌پذیرند.

NVIDIA به‌ویژه بر این نکته تأکید کرده که با افزایش تعداد GPU در کلاسترهای نسل بعد — که می‌تواند به صدها هزار واحد برسد — پهنای باند ارتباطی بین‌چیپی به محدودیت اساسی تبدیل خواهد شد. Meta هم در پروژه‌های داخلی خود در حال سرمایه‌گذاری روی زیرساخت اپتیکی برای مراکز داده هوش مصنوعی است. در مقاله رقابت مدل‌های هوش مصنوعی، این نقش زیرساخت را می‌توانید بهتر درک کنید.

۶. مراکز تولید کاملاً آمریکایی

GlobalFoundries تولید را در دو مکان آمریکایی متمرکز می‌کند: مالتا در ایالت نیویورک که کارخانه اصلی و بزرگ‌ترین سایت تولید است، و برلینگتون در ایالت ورمونت که تخصص آن در فرآیندهای بسته‌بندی پیشرفته است.

این جغرافیای کاملاً آمریکایی برای دولت اهمیت استراتژیک دارد. یعنی زنجیره تأمین کامل از تحقیق تا تولید روی خاک آمریکا انجام می‌شود و وابستگی به تامین‌کنندگان آسیایی وجود ندارد. از این منظر، این پروژه نه‌فقط یک قرارداد فناوری، بلکه بخشی از استراتژی امنیت اقتصادی آمریکا در برابر چین است.

۷. رقابت آمریکا-چین در لایه‌های پنهان زیرساخت

در حالی که رسانه‌ها بیشتر روی رقابت مدل‌های زبانی (مثل GPT در برابر Kimi یا DeepSeek) یا چیپ‌های محاسباتی (NVIDIA در برابر Huawei) تمرکز می‌کنند، لایه ارتباطی زیرساخت — یعنی همین حوزه فوتونیک سیلیکون — کمتر دیده می‌شود ولی به همان اندازه حیاتی است.

چین در این حوزه نیز سرمایه‌گذاری‌های جدی کرده. شرکت‌هایی مثل Innolight در بازار ماژول‌های نوری رقیب جدی هستند، اما ادغام فوتونیک سیلیکون مستقیماً در چیپ‌های هوش مصنوعی نیازمند کارخانه‌های پیشرفته‌ای است که چین هنوز از دسترسی به برخی از آن‌ها محروم است. این سرمایه‌گذاری آمریکایی می‌تواند این شکاف را حفظ و حتی بزرگ‌تر کند. برای دیدن تصویر کامل‌تر این رقابت، مقاله توهم توسعه‌دهنده منفرد در برابر مهندس واقعی جالب است.

۸. چشم‌انداز مالی: یک میلیارد دلار تا ۲۰۲۸

GlobalFoundries اهداف مالی مشخصی برای این حوزه تعیین کرده. در سال ۲۰۲۶ شرکت هدف دارد درآمد فوتونیک سیلیکون را بیش از دوبرابر کند. تا پایان ۲۰۲۸ نیز هدف رسیدن به یک میلیارد دلار درآمد سالانه از این حوزه است.

این ارقام نشان می‌دهد که بازار فوتونیک سیلیکون برای هوش مصنوعی — که چند سال پیش تقریباً وجود نداشت — در حال تبدیل شدن به یک صنعت میلیارد دلاری است. برای کسانی که می‌خواهند بفهمند این تحولات چطور بر نحوه استفاده از ChatGPT و سایر ابزارهای هوش مصنوعی تأثیر می‌گذارد، این زیرساخت همان لایه‌ای است که سرعت پاسخ‌ها، کیفیت مدل‌ها و هزینه دسترسی به هوش مصنوعی را مستقیماً تعیین می‌کند.

۹. پرسش و پاسخ (FAQ)

فوتونیک سیلیکون دقیقاً چطور کار می‌کند؟
داده به‌صورت پالس‌های نوری از طریق موج‌برهای باریک سیلیکونی — شبیه فیبر نوری اما روی یک چیپ — منتقل می‌شود. هر موج‌بر می‌تواند چندین جریان داده را روی طول‌موج‌های مختلف نور هم‌زمان حمل کند.

آیا این فناوری روی ChatGPT یا سایر هوش مصنوعی‌ها تأثیر مستقیم دارد؟
بله، اما به‌صورت غیرمستقیم. این فناوری مراکز داده را سریع‌تر و کارآمدتر می‌کند، یعنی پاسخ‌های سریع‌تر، هزینه سرویس‌دهی کمتر، و توانایی ساخت مدل‌های بزرگ‌تر. برای یادگیری بهتر استفاده از این مدل‌ها، آموزش نوشتن پرامپت پیشنهاد می‌شود.

GlobalFoundries چه شرکتی است؟
یکی از بزرگ‌ترین تولیدکنندگان مستقل چیپ در جهان که در نیویورک مستقر است. مشتریانی مثل AMD، Qualcomm و سازمان‌های دفاعی آمریکا دارد. برخلاف TSMC یا Samsung، GlobalFoundries کاملاً در اختیار سرمایه‌گذاران آمریکایی و امارات است.

این قرارداد چه زمانی نهایی می‌شود؟
نامه قصد امضا شده اما هنوز الزام‌آور نیست. بر اساس سابقه قرارداد قبلی GlobalFoundries با CHIPS، نهایی شدن احتمالاً ۹ ماه دیگر — اواخر ۲۰۲۶ یا اوایل ۲۰۲۷ — طول خواهد کشید.

آیا چین هم فوتونیک سیلیکون دارد؟
چین در بخش ماژول‌های نوری مخابراتی رقیب جدی است، اما ادغام این فناوری مستقیماً در چیپ‌های هوش مصنوعی نیازمند دسترسی به فرآیندهای تولید پیشرفته‌ای است که آمریکا سعی می‌کند آن را محدود نگه دارد.