دیپ سیک و هواوی؛ رقابت چین با انویدیا در هوش مصنوعی

در یک نشست با سرمایه‌گذاران، لیانگ ون‌فنگ بی‌پرده سخن گفت. مدیرعامل دیپ‌سیک تصویری خام و تقریبا سینمایی ترسیم کرد: چین با تمام توان در حال دویدن است تا شکاف توان محاسباتی را که زمانی پرنشدنی به نظر می‌رسید کاهش دهد، و رهبر قدیمی این میدان شاید از سرعت تغییر بازی غافلگیر شود.

دیپ‌سیک در حال حاضر معادل حدود ۲۰ هزار تراشه انویدیا H100 را به کار گرفته است که بیشتر آن‌ها طی یک یا دو ماه گذشته وارد شده‌اند. این ظرفیت بسیار بزرگ به نظر می‌رسد. واقعا هم همین‌طور است. اما همچنان فقط به آن‌ها اجازه می‌دهد حدود ۱۰ میلیارد پارامتر را به‌طور هم‌زمان فعال کنند. این عدد را با مدل‌های رده‌بالای امروز مقایسه کنید که می‌توانند حدود ۸۰۰ میلیارد پارامتر را هم‌زمان زنده نگه دارند. این تفاوت کوچک نیست. یک شکاف ساختاری است.

هواوی چگونه وارد این معادله می‌شود

لیانگ به‌طور مشخص از نودهای Atlas 950 هواوی، مجهز به پردازنده‌های Ascend 950، به‌عنوان یک جایگزین واقعی نام برد. ادعای او جسورانه بود: هرچند یک تراشه Ascend 950 به‌تنهایی از نظر بهره‌وری به پای انویدیا H100 نمی‌رسد، اما در عمل یک کلاستر از این نودهای هواوی می‌تواند عملکرد سرتاسری رک‌های GB200 و GB300 انویدیا را هم‌سطح کند. به گفته او، محاسبه تقریبی چنین است که در برابر هر تراشه انویدیا به چهار تراشه Ascend نیاز است، اما توان عملیاتی کل و تأخیر می‌تواند آن‌قدر به هم نزدیک شود که این جایگزینی عملی باشد.

او هشدار داد که انویدیا در حال کندن گور خود است. لیانگ استدلال کرد که تفاوت قیمت اهمیت کمتری دارد، زیرا حتی اگر سخت‌افزار هواوی ۵۰، ۱۰۰ یا ۲۰۰ درصد گران‌تر باشد، قابلیت استقرار در مقیاس بزرگ و مزیت‌های سیاسی یک زنجیره تأمین داخلی می‌تواند بر مقایسه صرف هزینه‌ها غلبه کند.

اما یک نکته مهم وجود دارد. آموزش مدل‌های بزرگ و پیشرفته به‌شدت تشنه توان پردازشی است. لیانگ برآورد می‌کند برای آموزش مدلی در مقیاس غول‌های فعلی هوش مصنوعی، به حدود ۵۰ هزار پردازنده انویدیا در کلاس GB300 یا نزدیک به ۲۰۰ هزار تراشه Ascend 950 نیاز دارید. این اعداد فقط مربوط به آموزش هستند؛ پژوهش و آزمایش نیز نیازهای محاسباتی جداگانه‌ای را به آن اضافه می‌کنند. همین موضوع توضیح می‌دهد چرا شکاف منابع محاسباتی میان چین و ایالات متحده همچنان بزرگ‌ترین مانع منفرد باقی مانده است.

پس دیپ‌سیک برای مقابله با این وضعیت چه می‌کند؟ فعلا این شرکت با سرعت در حال گسترش زیرساخت‌های خود است. اما لیانگ بر میدان نبرد دیگری نیز تأکید کرد: داده. به گفته او، برچسب‌گذاری باکیفیت همان گلوگاه کند و تعیین‌کننده است. می‌توان برای یک مسئله تراشه‌های بیشتری به کار گرفت، اما اگر برچسب‌ها و مجموعه‌داده‌های پالایش‌شده عقب بمانند، پیشرفت متوقف می‌شود. شرکت‌هایی مانند OpenAI و Anthropic در این بخش جلوترند، زیرا زودتر حرکت کردند و منابع بیشتری را به حاشیه‌نویسی و برچسب‌گذاری باکیفیت اختصاص دادند.

نتیجه این بحث فقط به تراشه‌ها یا غرور ملی محدود نمی‌شود. مسئله درباره مجموعه‌ای از سخت‌افزار، نرم‌افزار، استعداد و زمان است. چین در حال ساخت ظرفیت محاسباتی هوش مصنوعی است. هم‌زمان روی کار زمان‌بر، کم‌زرق‌وبرق اما حیاتیِ پاک‌سازی داده و برچسب‌گذاری مجموعه‌داده‌ها نیز سرمایه‌گذاری می‌کند. اگر هر دو مسیر پیش بروند، نقشه رقابت‌پذیری هوش مصنوعی در چند سال آینده می‌تواند کاملا متفاوت شود.

پیام لیانگ صریح اما راهبردی بود: این نبرد فقط بر سر یک تراشه واحد نیست. یک کارزار طولانی است که در آن جایگزین‌هایی که زمانی درجه‌دو به نظر می‌رسیدند، پس از مقیاس‌پذیری و ادغام در یک پشته کامل فناوری می‌توانند تعیین‌کننده شوند. همین تغییر شاید همان لحظه‌ای باشد که انویدیا بعدها به آن نگاه کند و آن را نقطه عطف بنامد.