تیر
اخبار
بحران توان محاسباتی هوش مصنوعی در ۲۰۲۶؛ چرا حتی غولها هم تراشه کم میآورند؟
کمیابترین کالای دنیای هوش مصنوعی دیگر داده یا مدل نیست؛ خودِ «قدرت محاسبه» است و حتی بزرگترین شرکتهای جهان هم برای رسیدن به آن در صف ایستادهاند.
لیست مطالب
۱. وقتی گوگل به متا هم «نه» گفت
ماجرا از جایی جدی شد که خبر رسید گوگل نتوانسته تمام ظرفیت پردازشی موردنیاز متا را در فضای ابری خود تأمین کند. متا یکی از بزرگترین مشتریان بالقوهٔ سرویسهای ابری است و بودجهای تقریباً نامحدود برای خرید محاسبه دارد؛ با این حال، بنا بر گزارشها، درخواست این شرکت برای ظرفیت بیشتر با پاسخ منفی روبهرو شد. متا در میان چند مشتری بزرگ گوگل، بیش از همه ضربه خورد.
پیامد فوری این محدودیت جالب بود: متا به کارکنانش توصیه کرد در مصرف «توکن» صرفهجویی کنند و بعضی پروژههای داخلی هوش مصنوعی به تأخیر افتادند. وقتی شرکتی با این وسعت مجبور میشود مصرف پردازش را جیرهبندی کند، پیام روشن است: منبع کمیاب دیگر پول نیست، بلکه دسترسی فیزیکی به تراشه و مرکز داده است. ما این تحول را از ماهها پیش در بخش اخبار هوش مصنوعی دنبال کردهایم و حالا به نقطهٔ اوج خود رسیده است.
نکتهٔ کلیدی این است که ماجرای گوگل و متا استثنا نیست؛ نمادِ یک وضعیت فراگیر است. تقاضا برای محاسبه با سرعتی رشد کرده که زنجیرهٔ تأمین جهانی — از کارخانههای تراشه گرفته تا برق مراکز داده — نمیتواند پابهپای آن پیش برود.
۲. کمیابترین کالای ۲۰۲۶ دیگر داده نیست
سالها به ما گفته بودند «داده نفت جدید است». اما در ۲۰۲۶ معادله عوض شده است. مدلهای زبانی بزرگ به بلوغ رسیدهاند، دادههای آموزشی فراواناند و الگوریتمها هم در دسترس همه قرار دارند. چیزی که کم است، توان محاسباتی خام برای آموزش و — مهمتر از آن — برای پاسخگویی لحظهای به میلیونها کاربر است. اگر میخواهید بدانید این شرکتها اساساً چه میسازند و چرا اینقدر به پردازنده وابستهاند، مرور مطلب اوپناِیآی چیست نقطهٔ شروع خوبی است.
ابعاد این تقاضا را با یک عدد میتوان درک کرد: بر پایهٔ گزارشها، مصرف توکن در سرویسهای اوپناِیآی از حدود ۶ میلیارد توکن در دقیقه در ماه اکتبر، تا پایان ماه مارس به حدود ۱۵ میلیارد توکن در دقیقه رسید. یعنی تنها در چند ماه، بار پردازشی بیش از دو برابر شد. هر پاسخی که یک مدل به شما میدهد، پشت پرده یک محاسبهٔ سنگین روی سختافزار گرانقیمت است و وقتی تعداد کاربران انفجاری رشد میکند، سختافزار زودتر از بودجه ته میکشد.
به همین دلیل است که امروز «دسترسی تضمینشده به تراشه» به یک مزیت راهبردی تبدیل شده؛ چیزی که تا دیروز صرفاً یک ردیف در صورتحساب بود.
۳. انفجار قیمتها؛ هر ساعت کارت گرافیک چند؟
وقتی تقاضا از عرضه پیشی میگیرد، قیمتها بالا میروند و بازار محاسبه از این قاعده مستثنا نیست. بر اساس شاخصهای اجارهٔ سختافزار، نرخ ساعتی جدیدترین نسل کارتهای گرافیک انویدیا (بلکول) به حدود ۴٫۰۸ دلار در ساعت رسیده است؛ رقمی که تنها دو ماه پیشتر حدود ۲٫۷۵ دلار بود. این یعنی جهشی نزدیک به ۴۸ درصد در یک بازهٔ بسیار کوتاه.
فشار قیمت فقط به نرخ ساعتی محدود نمیشود. برخی ارائهدهندگان زیرساخت ابری در اواخر ۲۰۲۵ قیمتها را بیش از ۲۰ درصد افزایش دادند و اکنون مشتریان کوچکتر را وادار میکنند قراردادهای سهساله امضا کنند. به بیان دیگر، دسترسی به ظرفیت دیگر «هر وقت خواستی، هر قدر خواستی» نیست؛ باید از پیش رزرو و تعهد بلندمدت داد.
این وضعیت برای استارتاپها و توسعهدهندگان مستقل سختترین است. غولها میتوانند با قراردادهای چندمیلیارد دلاری ظرفیت را قفل کنند، اما بازیگران کوچک در انتهای صف میمانند و هزینهٔ گرانتری میپردازند. شکاف میان کسانی که «محاسبه دارند» و کسانی که «محاسبه ندارند» عمیقتر میشود.
۴. سهمیهبندی به کاربر نهایی هم رسید
تا اینجا از شرکتها گفتیم، اما اثر کمبود محاسبه به دست کاربر نهایی هم رسیده است. چند نمونهٔ واقعی از ماههای اخیر: گیتهاب برای کوپایلت محدودیتهای تازهٔ مصرف تعریف کرد، آنتروپیک و ابزارهای برنامهنویسی مثل ویندسرف سقف جلسات و سهمیهبندی معرفی کردند، و مهمتر از همه، اوپناِیآی تصمیم گرفت اپلیکیشن ویدیوی «سورا» را کنار بگذارد تا پردازندهها را به سمت محصولات پرمخاطبتر و پولیتر مثل ابزارهای برنامهنویسی و سازمانی هدایت کند.
این جابهجایی اولویتها معنادار است. تولید ویدیو یکی از سنگینترین بارهای محاسباتی است و وقتی ظرفیت محدود میشود، شرکتها آن را جایی خرج میکنند که بیشترین درآمد یا بیشترین وابستگی کاربر را بسازد. برنامهنویسی با کمک هوش مصنوعی دقیقاً یکی از همان حوزههاست؛ هرچند باید مراقب توهمِ «توسعهدهندهٔ تنها با ابزار جادویی» بود، موضوعی که در مطلب توهم هوش مصنوعی؛ برنامهنویس تنها در برابر مهندس واقعی به آن پرداختهایم.
برای کاربر عادی، درس عملی روشن است: در دوران کمبود محاسبه، «پرامپتنویسی دقیق» فقط یک مهارت لوکس نیست، بلکه راهی برای گرفتن نتیجهٔ بهتر با مصرف کمتر است. اگر میخواهید از هر درخواست بیشترین بهره را ببرید، راهنمای پرامپتنویسی برای مبتدیها کمک میکند کمتر توکن هدر بدهید و سریعتر به پاسخ درست برسید.
۵. قراردادهای نجومی؛ محاسبه به ارز تازه تبدیل شد
برای درک عمق ماجرا کافی است به اندازهٔ قراردادهایی که این روزها بسته میشود نگاه کنید. بر پایهٔ گزارشها، گوگل پذیرفته ماهانه حدود ۹۲۰ میلیون دلار — یعنی چیزی نزدیک به ۳۰ میلیارد دلار در طول قرارداد — به اسپیسایکس بپردازد تا به حدود ۱۱۰ هزار کارت گرافیک انویدیا در مراکز دادهٔ این شرکت دسترسی پیدا کند. در سوی دیگر، آنتروپیک نیز قراردادی حدوداً ۱٫۲۵ میلیارد دلار در ماه با اسپیسایکس برای تأمین محاسبه امضا کرده است.
این ارقام وقتی معنادارتر میشوند که بدانیم بکلاگ (سفارشهای امضاشده اما تحویلنشدهٔ) بخش ابری گوگل تا سهماههٔ نخست ۲۰۲۶ تقریباً دو برابر شد و به حدود ۴۶۰ میلیارد دلار رسید؛ در همان دوره درآمد فصلی این بخش برای نخستین بار از مرز ۲۰ میلیارد دلار گذشت و رشدی حدود ۶۳ درصدی نسبت به سال قبل ثبت کرد. متا هم بودجهٔ سرمایهای ۲۰۲۶ خود را به حدود ۱۲۵ تا ۱۴۵ میلیارد دلار افزایش داده که تقریباً دو برابر هزینهٔ سال گذشته است.
پیام این اعداد ساده است: بزرگترین شرکتهای فناوری جهان حاضرند مبالغی در حد بودجهٔ یک کشور را صرف کنند تا فقط از قافلهٔ محاسبه عقب نمانند. وقتی سرمایه به این شکل به سمت زیرساخت سرازیر میشود، محاسبه عملاً به یک «ارز» راهبردی بدل شده است.
۶. گلوگاه واقعی فقط تراشه نیست؛ برق است
یک تصور رایج این است که اگر انویدیا فقط تراشهٔ بیشتری بسازد، بحران حل میشود. واقعیت پیچیدهتر است. گزارشها نشان میدهند بخشی از تراشههای هوش مصنوعی خریداریشده توسط شرکتهای بزرگ عملاً در انبار ماندهاند، چون برق و ظرفیت مرکز داده برای نصب و راهاندازی آنها کافی نیست. به بیان دیگر، حتی اگر پول و تراشه هم باشد، بدون برق و خنککننده و فضای فیزیکی، آن سختافزار بیاستفاده است.
این یعنی گلوگاه از یک نقطه به یک زنجیره تبدیل شده: تراشه، مرکز داده، برق و حتی آب برای خنکسازی. ساخت نیروگاه و مرکز داده سالها زمان میبرد و همین است که کمبود محاسبه را به مشکلی «ساختاری» بدل میکند، نه چیزی که با یک فصل تولید بیشتر برطرف شود.
نقش کلیدی و انحصاری ASML
در بالادست همین زنجیره، شرکت هلندی ASML قرار دارد؛ تنها سازندهٔ ماشینهای لیتوگرافی فرابنفش (EUV) که ساخت پیشرفتهترین تراشهها بدون آنها ممکن نیست. تازهترین خبرها حاکی است که ASML در حال مذاکره برای افزایش قیمت این ماشینها با تیاسامسی است و قصد دارد قیمت نسلهای قدیمیتر (DUV) را حدود ۱۰ درصد بالا ببرد. وقتی انحصار در یک نقطهٔ حیاتی زنجیره وجود دارد، افزایش قیمت در همان نقطه، هزینهٔ کل صنعت را بالا میبرد.
۷. راههای فرار: مدلهای کوچکتر، ارزانتر و محلی
صنعت بیکار ننشسته و چند مسیر برای عبور از بحران در حال شکلگیری است. مسیر نخست، مدلهای کوچک و کارآمد است؛ مدلهایی که با پارامتر کمتر نتیجهای نزدیک به مدلهای غولپیکر میدهند و میتوانند حتی روی گوشی یا لپتاپ اجرا شوند. اجرای محلی، هم فشار را از روی سرورهای ابری برمیدارد و هم به حریم خصوصی کاربر کمک میکند.
مسیر دوم، رقابت مدلهای ارزانتر — بهویژه مدلهای چینی — است که با قیمت بسیار پایینتر عرضه میشوند و بازار را از حالت انحصاری خارج میکنند. نمونهٔ این رقابت را در تحلیل نبرد چتجیپیتی و دیپسیک بررسی کردهایم؛ جایی که فشار قیمتی میتواند در بلندمدت هزینهٔ محاسبه را برای همه پایین بیاورد.
با این حال باید واقعبین بود. تحلیلگران بانک آو آمریکا پیشبینی کردهاند تقاضا برای پردازنده دستکم تا سال ۲۰۲۹ از عرضه پیشی خواهد گرفت. یعنی این کمبود یکشبه تمام نمیشود. برای درک بهتر اینکه هوش مصنوعی واقعاً چه کارهایی میتواند بکند و کجا به محدودیت میخورد، مطلب توان و محدودیتهای واقعی هوش مصنوعی دید متعادلی به شما میدهد.
۸. برای کاربر ایرانی و کسبوکارها چه معنایی دارد؟
ممکن است بپرسید این جنگ غولها چه ربطی به من دارد. پاسخ این است: خیلی زیاد. کمبود محاسبه مستقیماً روی قیمت اشتراکها، سرعت پاسخگویی مدلها، سقف مصرف رایگان و حتی در دسترس بودن سرویسها اثر میگذارد. وقتی ظرفیت گران و کمیاب میشود، سرویسهای رایگان محدودتر و امکانات پیشرفته گرانتر میشوند.
برای کسبوکارها این یک زنگ هشدار راهبردی است: اتکای صددرصدی به یک ارائهدهنده ریسک دارد و بهتر است سبد ابزارها متنوع باشد. کسانی که زودتر یاد بگیرند کارها را با مصرف بهینهٔ محاسبه پیش ببرند، برندهٔ این دوران خواهند بود. در مطلب چرا هوش مصنوعی در کسبوکار مهم است به این موضوع مفصلتر پرداختهایم.
و برای کاربر روزمره، بهترین سرمایهگذاری، ارتقای مهارت است. هرچه بهتر بلد باشید با مدلها کار کنید، از همان ظرفیت محدود نتیجهٔ بیشتری میگیرید. مجموعهٔ آموزشهای چتجیپیتی برای همین هدف کنار هم چیده شدهاند تا استفادهٔ شما هوشمندانهتر و کمهزینهتر شود.
پرسشوپاسخ کوتاه (FAQ)
چرا در سال ۲۰۲۶ کمبود توان محاسباتی هوش مصنوعی به وجود آمد؟
رشد انفجاری تعداد کاربران و حجم درخواستها از سرعت ساخت تراشه، مرکز داده و تأمین برق پیشی گرفت. نتیجه، کمبود ظرفیت، افزایش قیمت و سهمیهبندی شد.
آیا این کمبود روی قیمت اشتراکها اثر میگذارد؟
بله. گران شدن اجارهٔ سختافزار معمولاً به شکل محدودتر شدن پلنهای رایگان، سقف مصرف تازه و گرانتر شدن امکانات پیشرفته به کاربر منتقل میشود.
چه زمانی بحران محاسبه تمام میشود؟
بر اساس پیشبینی تحلیلگران، تقاضا دستکم تا سال ۲۰۲۹ از عرضه بیشتر میماند. مدلهای کوچک و کارآمد و اجرای محلی میتوانند فشار را کم کنند، اما پایان کامل بحران نزدیک نیست.
کاربر عادی چه کاری میتواند بکند؟
یادگیری پرامپتنویسی دقیق، استفاده از ابزار مناسبِ هر کار و در صورت امکان بهرهگیری از مدلهای سبک و محلی، بهترین راه برای گرفتن نتیجهٔ بیشتر با مصرف کمتر است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
