پایان هژمونی آمریکا در هوش مصنوعی متنباز؟
پایان هژمونی آمریکا در هوش مصنوعی متنباز؟ صدرنشینی مدلهای چینی و تغییر نقشهی قدرت در اکوسیستم جهانی
در سال ۲۰۲۶، اکوسیستم مدلهای متنباز هوش مصنوعی دستخوش دگرگونی بنیادینی شده است. مدلهای سری «چیون» (Qwen) از شرکت علیبابا با ثبت بیش از ۳ میلیارد دانلود جهانی در شش ماه و خلق بیش از ۱۵۱ هزار مدل مشتقشده در پلتفرم هاگینگفیس، از متا و گوگل پیشی گرفتهاند. در سوی دیگر، متا عملاً توسعهٔ سری «لاما» (Llama) را متوقف و به مدلهای اختصاصی روی آورده است.
این پژوهش نشان میدهد که «متنبازی» به عرصهای جدید برای رقابت ژئوپلیتیکی تبدیل شده و برای توسعهدهندگان در کشورهایی با محدودیتهای تحریمی، از جمله ایران، پنجرهای از فرصتهای بیسابقه گشوده است.
۱. وقتی نقشهٔ قدرت بازنویسی میشود
برای نزدیک به سه سال، متا با سری مدلهای لاما، پرچمدار جنبش مدلهای متنباز هوش مصنوعی بود. مارک زاکربرگ در سال ۲۰۲۴ آشکارا اعلام کرد که «هوش مصنوعی متنباز آینده است». لاما به کانون توجه توسعهدهندگان، استارتآپها و حتی شرکتهای بزرگ تبدیل شد و بسیاری آن را ستون فقرات اکوسیستم متنباز میدانستند.
اما در سال ۲۰۲۶، این روایت به چالش کشیده شده است. دادههای منتشرشده از سوی پلتفرم هاوینگفیس و گزارشهای تحلیلی اینترکانکتس ایآی نشان میدهد که مدلهای چینی، بهویژه سری چیون از علیبابا، نهتنها از لاما پیشی گرفتهاند، بلکه اکوسیستمی بزرگتر، پویاتر و فراگیرتر ساختهاند.
این تغییر، پرسشهای اساسی را پیش میکشد: آیا دوران هژمونی آمریکا در هوش مصنوعی متنباز به پایان رسیده است؟ آیا «متنبازی» به میدان جدید رقابت ژئوپلیتیکی میان آمریکا و چین تبدیل شده؟ و مهمتر از همه، این تحول برای توسعهدهندگان و کسبوکارها در سراسر جهان، بهویژه در کشورهایی مانند ایران که با محدودیتهای تحریمی دستوپنجه نرم میکنند، چه معنایی دارد؟
۲. تصویر رقابت: آمار و ارقامی که روایت را تغییر میدهند
۲.۱. سهم ۵۰ درصدی از دانلودهای جهانی
گزارش اینترکانکتس ایآی که به استناد دادههای هاگینگفیس منتشر شده، نشان میدهد که مدلهای سری چیون تا مارس ۲۰۲۶ بیش از ۵۰ درصد از کل دانلودهای مدلهای متنباز جهان را به خود اختصاص دادهاند. این سهم، رقبایی همچون لامای متا و دیپسیک را با فاصلهای قابلتوجه پشت سر گذاشته است.
تا آگوست ۲۰۲۶، چیون در شش ماه بیش از ۳ میلیارد دانلود جهانی ثبت کرده است. برای درک مقیاس این عدد، کافی است بدانیم که گوگل در همین بازه حدود ۴۱۸ میلیون دانلود و متا حدود ۲۲۷ میلیون دانلود در پلتفرم هاگینگفیس داشتهاند. یعنی چیون بهتنهایی بیش از مجموع دو رقیب اصلی آمریکایی خود دانلود داشته است.
۲.۲. اکوسیستم مشتقها: معیار واقعی نفوذ
دانلود معیاری مهم است، اما شاید مهمتر از آن، تعداد مدلهای مشتقشده باشد. یک مدل وقتی واقعاً تأثیرگذار است که توسعهدهندگان آن را پایهٔ کار خود قرار دهند، روی آن fine-tuning انجام دهند و محصولات جدید بسازند.
هاگینگفیس تا آگوست ۲۰۲۶ تعداد ۱۵۱,۴۴۸ مدل مشتقشده از چیون را ثبت کرده است. این رقم:
-
۲.۶ برابر تعداد کل مدلهای مشتقشده از متا است.
-
۴.۷ برابر تعداد مخازن مرتبط با سری لاما است.
- در مقایسه با ۸۲,۵۰۶ مدل مشتقشده از گوگل، بیش از ۸۳ درصد بیشتر است.
علیبابا خود اعلام کرده که مجموع مدلهای مشتقشده از چیون به بیش از ۳۰۰ هزار عدد رسیده است. اختلاف بین این رقم و آمار هاگینگفیس به این دلیل است که هاگینگفیس تنها مدلهای میزبانیشده در پلتفرم خود را شمارش میکند و دانلودها و مشتقها از پلتفرمهای دیگر مانند «مُدلاسکوپ» (ModelScope) چین را شامل نمیشود.
هاگینگفیس در گزارش خود بهصراحت نوشته است: «چیون به بخشی از جریان کاری پیشفرض برای توسعهدهندگانی تبدیل شده است که تصمیم میگیرند چه مدلهایی را fine-tuning و deploy کنند».
۲.۳. جدول مقایسهٔ کلیدی
| شاخص | چیون (علیبابا) | لاما (متا) | گوگل |
|---|---|---|---|
| دانلودهای شش ماهه (میلیارد) | ۳+ | ۰.۲۲۷ | ۰.۴۱۸ |
| مدلهای متنباز منتشرشده | ۴۶۰+ | نامشخص | نامشخص |
| مدلهای مشتقشده در هاگینگفیس | ۱۵۱,۴۴۸ | ~۵۸,۰۰۰ | ۸۲,۵۰۶ |
| سهم از دانلودهای جهانی | ۵۰%+ | ~۱۱% | ~۲۰% |
| مدلهای مشتقشده (ادعای شرکت) | ۳۰۰,۰۰۰+ | – | – |
۳. چرایی تغییر: مزیتهای سهگانهٔ مدلهای چینی
چه عواملی باعث شده مدلهای چینی با چنین شتابی از رقبای آمریکایی پیشی بگیرند؟ تحلیل دادهها و گزارشها، سه مزیت کلیدی را آشکار میکند.
۳.۱. تنوع و پوشش کامل طیف نیازها
گزارش هاگینگفیس بهصراحت به یکی از عوامل موفقیت چیون اشاره کرده است: «چیون همواره نظم منظمی در انتشار داشته و مدلهای خود را بهروز نگه داشته، نه اینکه صرفاً به انتشار نسخههای پرچمدار گاهوبیگاه متکی باشد».
علیبابا بیش از ۴۶۰ مدل متنباز در اندازهها و کاربردهای گوناگون منتشر کرده است. این تنوع به توسعهدهندگان امکان میدهد مدلی متناسب با نیاز خود انتخاب کنند: از مدلهای کوچک برای اجرا روی دستگاههای شخصی تا مدلهای عظیم برای استقرار در مراکز داده.
جالبتوجه اینکه ۸۳ درصد از دانلودهای تاریخی مدلهای متنباز مربوط به مدلهای زیر ۱ میلیارد پارامتر است و مدلهای بالای ۱۰۰ میلیارد پارامتر تنها ۱ درصد دانلودها را تشکیل میدهند. این داده نشان میدهد که «جنگ اصلی» در حاشیه و لبههاست، نه در ابر-مدلهای عظیم. چیون با ارائهٔ طیف کاملی از مدلهای سبک تا سنگین، دقیقاً این نیاز را پوشش داده است.
۳.۲. هزینه و دسترسی: مزیت پروانههای باز
شاید مهمترین مزیت مدلهای چینی، سیاست پروانهدهی (licensing) آنها باشد. از ۱۷۸ مدل چینی با بیش از ۲۰ میلیارد پارامتر که در گزارش هاگینگفیس ردیابی شدهاند:
-
۵۹ درصد از پروانهٔ آپاچی ۲.۰ استفاده میکنند.
-
۲۲ درصد از پروانهٔ امآیتی استفاده میکنند.
هیچکدام محدودیت استفادهٔ غیرتجاری ندارند.
در مقابل، مدلهای آمریکایی اغلب با محدودیتهای متعدد همراه هستند. لاما برای استفادهٔ تجاری نیاز به تأیید متا دارد و برخی مدلهای دیگر دارای محدودیتهای کاربردی یا جغرافیایی هستند.
پروانهٔ آپاچی ۲.۰ به توسعهدهندگان اجازه میدهد مدل را修改، توزیع مجدد و در محصولات تجاری خود استفاده کنند. این سیاست «هیچچیز را پنهان نکن» دقیقاً همان چیزی است که جامعهٔ متنباز به دنبال آن است.
۳.۳. مزیت پارامتری: ابعاد بزرگتر، عملکرد بهتر؟
گزارش هاگینگفیس فاش میکند که در سال ۲۰۲۶، در تقریباً هر ماه، بزرگترین مدلهای متنباز منتشرشده توسط آزمایشگاههای چینی از هر آنچه آزمایشگاههای آمریکایی منتشر کردهاند، بزرگتر بوده است.
دامنهٔ پارامتری مدلهای چینی بین ۷۵۴ میلیارد تا ۲.۷۸ تریلیون پارامتر در نوسان بوده، در حالی که مدلهای آمریکایی در پنج ماه از هفت ماه، زیر ۱۳۰ میلیارد پارامتر باقی ماندهاند. تنها استثنا، مدل «نمترون ۳ اولترا» از انویدیا بود که در مه و ژوئن به ۵۶۱ میلیارد پارامتر رسید.
البته باید توجه داشت که تعداد پارامتر بهتنهایی معیار هوش یا کارایی مدل نیست، بهویژه وقتی معماری «ترکیب خبرگان» (Mixture of Experts) میتواند صدها میلیارد یا تریلیونها پارامتر داشته باشد، در حالی که فقط کسری از آنها برای هر پرسش فعال میشوند. با این حال، این شکاف پارامتری نشاندهندهٔ سطح سرمایهگذاری و اولویتگذاری صنعت چین در حوزهٔ مدلهای بزرگ است.
۴. واکنش متا: چرایی توقف لاما و روی آوردن به مدلهای اختصاصی
در آوریل ۲۰۲۶، متا مدل «میوز اسپارک» (Muse Spark) را معرفی کرد؛ اولین مدل بزرگ متا که وزنهای آن بهصورت عمومی منتشر نشد. این مدل صرفاً از طریق ابر قابل دسترسی است و امکان دانلود وزنها یا خودمیزبانی وجود ندارد.
به گزارش منابع، متا عملاً توسعهٔ لاما را متوقف کرده است. اگرچه این شرکت اعلام کرده «مدلهای موجود لاما همچنان بهصورت متنباز در دسترس خواهند بود»، این بهمعنای ادامهٔ توسعه نیست.
۴.۱. چرا متا مسیر را عوض کرد؟
دلایل متا برای این تغییر استراتژیک چندگانه است:
نارضایتی از عملکرد لاما: به گزارشها، زاکربرگ از عقبماندن لاما از چتجیپیتی و کلود به شدت ناراضی بوده است. لاما ۴ با استقبال نسبتاً سردی مواجه شد و نتوانست فاصلهٔ عملکردی با مدلهای اختصاصی برتر را پر کند.
فشار رقابتی: با پیشرفت اوپنایآی، گوگل و آنتروپیک، متا بهسختی میتوانست در اکوسیستم متنباز مزیت رقابتی خود را حفظ کند.
چشمانداز درآمدی: مدلهای اختصاصی با APIهای پولی، مسیر درآمدزایی شفافتری دارند. میوز اسپارک با قیمتگذاری رقابتی، مستقیماً با اوپنایآی و آنتروپیک رقابت میکند.
۴.۲. پیامدهای این تغییر برای جامعهٔ متنباز
اندرو نگ (Andrew Ng)، از چهرههای شاخص هوش مصنوعی، در این باره نوشته است: «این انتشار اختصاصی نگرانی گستردهای را در میان توسعهدهندگان برانگیخته است، زیرا بسیاری پروژههای خود را بر پایهٔ مدلهای متنباز لاما بنا کردهاند. با این حال، کنارهگیری متا از رهبری مدلهای متنباز آمریکا، ضایعهای بزرگ برای جامعهٔ توسعهدهندگان است».
توسعهدهندگانی که به لاما متکی بودند، اکنون با چند گزینه روبرو هستند:
۱. ادامهٔ استفاده از مدلهای موجود لاما با آگاهی از شکاف عملکردی روزافزون
۲. مهاجرت به مدلهای متنباز رقیب مانند میسترال، دیپسیک یا چیون
۳. مهاجرت به APIهای اختصاصی
مهاجرت، بهویژه گزینهٔ دوم و سوم، هزینههای قابلتوجهی دارد؛ از بازنویسی کدهای خاص هر API تا تطبیق دادههای آموزشی و بازطراحی گردشهای کاری.
۵. پیامدها برای توسعهدهندگان ایرانی: فرصتها و تهدیدها
شاید هیچ گروهی به اندازهٔ توسعهدهندگان در کشورهای تحریمشده، از تغییر نقشهٔ قدرت در اکوسیستم متنباز متأثر نشده باشند. ایران یکی از بارزترین مصادیق این گروه است.
۵.۱. واقعیت تحریمها در حوزهٔ هوش مصنوعی
توسعهدهندگان ایرانی از دیرباز با محدودیتهای متعددی مواجه بودهاند:
-
گیتهاب در سال ۲۰۱۹ تحت فشار دولت آمریکا، دسترسی کاربران ایرانی را مسدود کرد.
-
سرویسهای آمریکایی مانند جیمینی، کلود و حتی برخی قابلیتهای اوپنایای بهروی آیپیهای ایران مسدود هستند.
-
هاگینگفیس نیز در ایران در سطح شبکه مسدود شده است.
با این حال، مدلهای متنباز چینی یک تفاوت اساسی دارند: آنها ایران را تحریم نکردهاند.
۵.۲. چیون: پنجرهای تازه به روی توسعهدهندگان ایرانی
گزارشها نشان میدهد که توسعهدهندگان ایرانی میتوانند به مدلهای چیون از طریق گیتهاب یا هاگینگفیس دسترسی پیدا کنند. علیبابا آشکارا اعلام کرده که چیون در اختیار «همهٔ توسعهدهندگان، مؤسسات تحقیقاتی و شرکتها» قرار دارد.
این دسترسی، فرصتهای بیسابقهای را ایجاد میکند:
-
توسعهٔ محصولات مبتنی بر هوش مصنوعی بدون نیاز به APIهای تحریمشده
-
fine-tuning مدلها برای زبان فارسی و نیازهای بومی
-
استقرار محلی (on-premise) با مدلهای سبک چیون که برای اجرا روی سختافزارهای معمولی مناسب هستند
-
مشارکت در اکوسیستم جهانی بدون واسطههای تحریمی
نکتهٔ جالبتوجه اینکه دیپسیک نیز در ایران نفوذ قابلتوجهی پیدا کرده و سهم بازار آن بین ۲۳ تا ۲۵ درصد گزارش شده است. این نشان میدهد که مدلهای چینی در حال پر کردن خلأیی هستند که تحریمهای آمریکایی ایجاد کردهاند.
۵.۳. چالشها و هشدارها
با وجود این فرصتها، چالشهایی نیز وجود دارد:
-
مسدود بودن هاگینگفیس در ایران، دسترسی به مدلها را با دشواری مواجه میکند.
-
نیاز به زیرساخت برای دانلود و اجرای مدلهای بزرگ.
-
وابستگی به اکوسیستم چینی ممکن است در بلندمدت چالشهای جدیدی ایجاد کند.
-
احتمال تغییر سیاست در آینده، هرچند علیبابا تاکنون سیاست باز خود را حفظ کرده است.
با این حال، برای توسعهدهندگان ایرانی، مدلهای متنباز چینی بهترین و در برخی موارد تنها گزینه برای دسترسی به فناوریهای روز هوش مصنوعی هستند.
۶. نگاه به آینده: آیا عصر «چندقطبی» در هوش مصنوعی آغاز شده است؟
۶.۱. نشانههای چندقطبی شدن
دادههای موجود نشانههای روشنی از چندقطبی شدن اکوسیستم هوش مصنوعی را آشکار میسازد:
اول، تغییر مرکز ثقل متنباز: آمریکا دیگر انحصار اکوسیستم متنباز را در اختیار ندارد. چین با مدلهای چیون، دیپسیک و سایرین، اکوسیستمی رقیب ساخته است.
دوم، واگرایی استراتژیک: متا به سمت مدلهای اختصاصی رفته، در حالی که شرکتهای چینی بر متنبازی تأکید دارند. این واگرایی نشان میدهد که «مدل کسبوکار برتر» هنوز مشخص نشده است.
سوم، نفوذ در بازارهای جهانی: استفاده از مدلهای متنباز چینی در سطح جهانی از ۱.۲ درصد در اواخر ۲۰۲۴ به نزدیک ۳۰ درصد در آگوست ۲۰۲۶ افزایش یافته است. این رشد سریع نشان میدهد که توسعهدهندگان، صرفنظر از ملاحظات ژئوپلیتیکی، به دنبال بهترین ابزارها هستند.
۶.۲. سناریوهای محتمل برای ۱۲ تا ۲۴ ماه آینده
سناریوی اول: تثبیت رهبری چین در متنباز
با توقف توسعهٔ لاما توسط متا و ادامهٔ سرمایهگذاری چین در مدلهای متنباز، چیون و سایر مدلهای چینی میتوانند سهم خود را از ۵۰ درصد فعلی به بالای ۶۰ تا ۷۰ درصد افزایش دهند. این سناریو بهویژه در صورتی محتمل است که شرکتهای آمریکایی دیگر نیز از متنبازی فاصله بگیرند.
سناریوی دوم: احیای متنباز آمریکا
انویدیا اخیراً مدلهای متنباز جدیدی منتشر کرده و بهصراحت اعلام کرده که در حال «تعقیب چین» در حوزهٔ مدلهای متنباز است. همچنین متا در اوت ۲۰۲۶ مدل «میوز گلیمر» را با وزنهای باز منتشر کرد. اگر این روند ادامه یابد، ممکن است شاهد بازگشت رقابت جدی آمریکا در حوزهٔ متنباز باشیم.
سناریوی سوم: مداخلهٔ دولتها
دولت چین در حال بررسی محدودیتهایی برای دسترسی خارجی به بهترین مدلهای خود است. از سوی دیگر، زاکربرگ از دولت آمریکا خواسته محدودیتهای صادراتی در حوزهٔ هوش مصنوعی را کاهش دهد. مداخلهٔ دولتها میتواند مسیر رقابت را بهطور اساسی تغییر دهد.
۶.۳. پیامدهای ژئوپلیتیکی «متنبازی»
اریک اشمیت، مدیرعامل پیشین گوگل، هشدار داده است که استراتژی «متنباز رایگان» چین ممکن است به استاندارد جهانی تبدیل شود و کشورهای بسیاری را به سمت استفاده از مدلهای چینی سوق دهد.
این هشدار نشان میدهد که «متنبازی» دیگر صرفاً یک بحث فنی نیست؛ به ابزاری ژئوپلیتیکی تبدیل شده است. کشوری که مدلهای متنباز آن به «جریان کاری پیشفرض» توسعهدهندگان جهانی تبدیل شود، نفوذی بیسابقه در اکوسیستم فناوری جهان خواهد داشت.
هژمونی آمریکا در هوش مصنوعی متنباز به پایان رسیده است. مدلهای چینی با ۵۰ درصد سهم از دانلودهای جهانی، ۱۵۱ هزار مدل مشتقشده و بیش از ۳ میلیارد دانلود، اکوسیستمی بزرگتر و پویاتر از رقبای آمریکایی خود ساختهاند. متا با توقف توسعهٔ لاما و روی آوردن به مدلهای اختصاصی، عملاً پرچم متنبازی را به زمین انداخته است. این تغییر، اکوسیستم هوش مصنوعی را به سمت «چندقطبی شدن» سوق داده است. آمریکا، چین و احتمالاً اروپا در آینده هرکدام نقشهای متفاوتی در این اکوسیستم ایفا خواهند کرد. برای کشورهایی مانند ایران که با محدودیتهای تحریمی مواجهاند، ظهور مدلهای متنباز چینی پنجرهای از فرصتهای بیسابقه گشوده است.
توصیههای عملی برای مخاطبان
برای توسعهدهندگان:
۱. چیون را جدی بگیرید. با بیش از ۴۶۰ مدل متنباز و اکوسیستم عظیم مشتقها، این پلتفرم به جریان کاری پیشفرض بسیاری از توسعهدهندگان تبدیل شده است.
۲. تنوع بخشید. به جای وابستگی به یک اکوسیستم، با چند مدل از چند منطقه جغرافیایی آشنا شوید.
۳. بر روی مدلهای سبک متمرکز شوید. ۸۳ درصد دانلودها مربوط به مدلهای زیر ۱ میلیارد پارامتر است. بازار بزرگی در انتظار برنامههای سبک و محلی است.
برای کارآفرینان فناوری:
۱. هزینههای دسترسی را بررسی کنید. مدلهای چینی با پروانههای باز (آپاچی ۲.۰، امآیتی) هزینهٔ ورود به بازار هوش مصنوعی را به شدت کاهش دادهاند.
۲. به بازارهای نوظهور توجه کنید. مدلهای چینی بهویژه در جنوب شرق آسیا، آفریقا و خاورمیانه در حال نفوذ هستند.
۳. ریسکهای ژئوپلیتیکی را مدیریت کنید. وابستگی به یک اکوسیستم واحد میتواند ریسکآفرین باشد.
برای تحلیلگران ژئوپلیتیک:
۱. «متنبازی» را بهعنوان ابزار نفوذ جدی بگیرید. اکوسیستم مدلهای متنباز، مسیری برای نفوذ فناوری و فرهنگی است.
۲. تحریمهای فناوری را بازنگری کنید. تجربه نشان داده که تحریمهای گسترده، جایگزینهای جدیدی ایجاد میکنند.
۳. به همکاریهای بینالمللی در حوزهٔ متنباز توجه کنید. استانداردهای جهانی هوش مصنوعی در حال شکلگیری است.
برای سیاستگذاران:
۱. دسترسی به مدلهای متنباز را تسهیل کنید. در شرایط تحریم، این مدلها میتوانند موتور توسعهٔ فناوری باشند.
۲. از اکوسیستم متنباز داخلی حمایت کنید. مدلهای متنباز خارجی در کنار توسعهٔ مدلهای بومی میتوانند راهگشا باشند.
۳. زیرساخت دسترسی را فراهم کنید. مسدود بودن پلتفرمهایی مانند هاگینگفیس، توسعهدهندگان را با مشکل مواجه میکند.