فقط یک هفته پس از آن که شرکت تحقیقاتی SemiAnalysis ادعا کرد آزمایشگاههای چینی «از نظر محاسباتی بسیار ضعیف هستند که بتوانند به مرزهای دانش هوش مصنوعی دست یابند»، استارتآپ مونشات ایآی (Moonshot AI) با تنها ۳۰۰ کارمند، مدل جدید خود یعنی کیمی کی۳ (Kimi K3) را منتشر کرد. این مدل در ارزیابیهای اولیه، نهتنها با مدل قدرتمند Opus 4.8 شرکت آنتروپیک (Anthropic) برابری میکند، بلکه بحثهای داغی را درباره کارایی کنترلهای صادراتی ایالات متحده برانگیخته است.
شکاف محاسباتی؛ مانع یا محرک نوآوری؟
آنیکا سومایا، محقق دیپمایند (DeepMind)، با اشاره به این رویداد میگوید: «تمام اجماع غرب، از کنترلهای صادراتی گرفته تا سرمایهگذاری صدها میلیارد دلاری شرکتهای ابرمقیاس، بر یک فرض اشتباه استوار است: اینکه قدرت محاسباتی تعیینکننده توانایی نهایی است.» او تأکید میکند که کمبود منابع، مونشات ایآی را مجبور به نوآوری کرده است. پشته اختصاصی Mooncake برای آموزش هوش مصنوعی دقیقاً به دلیل نبود GPU کافی ساخته شد.
دیلان پاتل، بنیانگذار SemiAnalysis، نیز تأیید میکند: «کاری که آنها با یک تیم کوچک اما فوقالعاده بااستعداد و تحقیقات قوی در حوزه یادگیری تقویتی (RL)، معماری و داده انجام دادند، تا حد زیادی کمبود محاسبات را جبران میکند.» با این حال، پاتل اشاره میکند که شرکتهای چینی به راحتی میتوانند GPU را در خارج از چین اجاره کنند، که بخشی از محدودیتهای صادراتی را بیاثر میسازد.
کیمی کی۳؛ فراتر از تقلید صرف
آزمایشگاههای غربی معمولاً شرکتهای چینی را به «تقطیر» (distillation) مدلهای بزرگ متهم میکنند؛ فرآیندی که در آن یک مدل کوچک از خروجی مدل بزرگتر یاد میگیرد و عملاً بدون هزینه، از دانش آن بهرهبرداری میکند. اما میشل باکر، محقق MIT و گوگل دیپمایند، میگوید: «نتایج کیمی کی۳ را نمیتوان تنها با تقطیر توضیح داد. این مدل فوقالعاده خوب است.»
این در حالی است که مدل پرچمدار خود گوگل یعنی جمینای ۳.۵ پرو (Gemini 3.5 Pro) ماههاست با تأخیر مواجه شده و به اهداف عملکردی خود، بهویژه در کدنویسی، نرسیده است. این وضعیت انتقادها از استراتژی هوش مصنوعی گوگل را افزایش داده است.
نگاه استراتژیک از دریچه اوپنایآی
دین دبلیو. بال، رئیس استراتژیهای آینده در OpenAI و مشاور سابق دولت، کیمی کی۳ را «مدلی بسیار خوب» توصیف میکند که در جلسات کدنویسی عاملمحور با بهترین مدلهای عمومی از سهماهه اول ۲۰۲۶ برابری میکند. اما او هشدار میدهد که این مدل «بسیار توکنخور» است و هزینه اجرای آن لزوماً پایین نیست.
بر اساس گزارش Artificial Analysis، هزینه هر وظیفه با کیمی کی۳ به طور متوسط ۰.۹۴ دلار است. این رقم نزدیک به هزینه GPT 5.6 Sol با ۱.۰۴ دلار و تقریباً نصف هزینه Opus 4.8 با ۱.۸۰ دلار است. هرچند این مدل همچنان ارزانتر از رقبای غربی است، اما شکاف هزینه نسبت به نسخه قبلی کاهش یافته و بسیار گرانتر از مدلهای متنباز قدیمی چینی است.
آیا غرب باید نگران باشد؟
بال از این شگفتزده است که دولت چین اجازه انتشار این مدل قدرتمند را به صورت متنباز (open-weight) داده است. او ۷۵ درصد این تصمیم را ناشی از «کوری استراتژیک» حزب کمونیست چین میداند که خطرات وجودی هوش مصنوعی را نادیده میگیرد. ۲۵ درصد دیگر به کمبود ظرفیت محاسباتی برای استنتاج سمت مشتری برمیگردد که استراتژی وزنباز را به محصول جانبی کنترلهای صادراتی تبدیل کرده است. بال هشدار میدهد که مدلهای متنباز ذاتاً «کُندکننده» هستند و میتوانند به مدل «کمونیسم کامل هوش مصنوعی» منجر شوند.
این بحث در حالی داغ میشود که بلومبرگ گزارش داده که عرضه Gemini 3.5 Pro به دلیل عدم دستیابی به اهداف عملکردی، ماهها به تأخیر افتاده است. گوگل همچنین با موانع نظارتی در جستجوی هوش مصنوعی، به ویژه از آلمان، روبرو است.
«کمبود باعث نوآوری میشود. یک آزمایشگاه کوچک با سلیقه میتواند محاسبات مورد نیاز برای ساخت یک مدل مرزی را فشرده کند، حتی اگر نتواند از آن پشتیبانی کند.» - آنیکا سومایا، محقق دیپمایند
با ظهور کیمی کی۳، معادله قدرت در عرصه هوش مصنوعی بار دیگر به چالش کشیده شد. غرب که تا دیروز برتری خود را مدیون قدرت محاسباتی میدانست، اکنون باید به نوآوریهای ناشی از کمبود نیز توجه کند. سوال این است: آیا این رقابت به سود مصرفکنندگان نهایی تمام خواهد شد یا مرزهای جدیدی از تنش ژئوپلیتیکی را رقم خواهد زد؟
