در طول تاریخ، قدرت‌های بزرگ همواره برای دستیابی به برتری رقابت کرده‌اند. در نیمه نخست قرن بیستم، دو جنگ جهانی نشان دادند که قدرت نظامی، ظرفیت صنعتی و پیشرفت فناوری تا چه اندازه در تعیین سرنوشت کشورها نقش دارند. پس از جنگ جهانی دوم، رقابت آمریکا و اتحاد جماهیر شوروی شکل تازه‌ای به خود گرفت. در دوران جنگ سرد، مسابقه تسلیحاتی و فضایی به نماد رقابت دو ابرقدرت تبدیل شد؛ از پرتاب نخستین ماهواره به فضا توسط شوروی تا فرود انسان بر ماه به دست آمریکا از فرازهای مهم این تقابل بودند.

با فروپاشی شوروی در سال ۱۹۹۱، جنگ سرد پایان یافت، اما رقابت قدرت‌های بزرگ متوقف نشد. در دهه‌های بعد، گسترش تجارت جهانی و پیشرفت فناوری، نقش اقتصاد را در موازنه قدرت پررنگ‌تر کرد. هم‌زمان، چین با رشد سریع صنعتی و تجاری به مهم‌ترین رقیب اقتصادی آمریکا تبدیل شد.

بیل گیتس، بنیان‌گذار مایکروسافت، در مارس ۲۰۲۳ مقاله‌ای با عنوان «عصر هوش مصنوعی آغاز شده است» منتشر کرد. اکنون، سه سال بعد، به نظر می‌رسد هوش مصنوعی به یکی از اصلی‌ترین میدان‌های رقابت آمریکا و چین تبدیل شده است؛ رقابتی که در آن، برتری تنها به تولید پیشرفته‌ترین فناوری وابسته نیست، بلکه توانایی کاهش هزینه‌ها، گسترش دسترسی و تبدیل فناوری به قدرت اقتصادی نیز اهمیت تعیین‌کننده‌ای دارد.

آمریکا و چین؛ دو راهبرد متفاوت

آمریکا همچنان در توسعه پیشرفته‌ترین مدل‌های هوش مصنوعی پیشتاز است. شرکت‌هایی مانند اوپن‌ای‌آی، آنتروپیک و گوگل میلیاردها دلار صرف آموزش مدل‌هایی می‌کنند که توانایی بیشتری در استدلال، برنامه‌نویسی و انجام وظایف پیچیده داشته باشند. در مقابل، شرکت‌های چینی مانند دیپ‌سیک، علی‌بابا و مون‌شات بیشتر بر کاهش هزینه، افزایش بهره‌وری و دسترسی گسترده‌تر تمرکز کرده‌اند.

بخشی از این تفاوت به محدودیت‌های فناورانه بازمی‌گردد. در حالی که شرکت‌های آمریکایی به تراشه‌های پیشرفته‌تری دسترسی دارند، محدودیت‌های صادراتی واشنگتن شرکت‌های چینی را به استفاده بهینه‌تر از توان پردازشی سوق داده است. یکی از روش‌ها، ساختار «ترکیب متخصصان» است که در آن برای هر درخواست تنها بخشی از مدل فعال می‌شود و هزینه پردازش کاهش می‌یابد. البته این فناوری مختص چین نیست و شرکت‌های آمریکایی نیز از آن استفاده می‌کنند.

با وجود این محدودیت‌ها، چین توانسته فاصله عملکردی خود را به‌سرعت کاهش دهد. بر اساس برآورد Bloomberg Intelligence در اکتبر ۲۰۲۶، فاصله بهترین مدل‌های چینی با رقبای آمریکایی در مجموعه‌ای از آزمون‌های تخصصی به حدود ۳ درصد رسیده، در حالی که این رقم در ماه می ۹ درصد و ابتدای سال حدود ۱۵ درصد بود.

تفاوت قیمت میان مدل‌ها نیز قابل توجه است. بر اساس تعرفه‌های اکتبر ۲۰۲۶، بر اساس تعرفه‌های API در زمان نگارش، هزینه هر یک میلیون توکن خروجی برای GPT‑5.6 Sol حدود ۲۰ دلار و برای DeepSeek V4 Pro در ساعات اوج مصرف ۳٫۹۶ دلار است. هزینه ورودی جداگانه محاسبه می‌شود و تعرفه‌ها ممکن است تغییر کنند. در یک آزمون موردی Bloomberg برای ساخت وب‌سایت کافه، هزینه اجرای Claude حدود ۵۰ دلار و Kimi حدود ۱۲ دلار گزارش شد؛ این نتیجه به همان آزمون محدود است و مقایسه جامع همه کاربردها نیست. البته این تفاوت به معنای برابری توانایی مدل‌ها در تمام زمینه‌ها نیست؛ مدل‌های پیشرفته آمریکایی همچنان در برخی وظایف پیچیده برتری دارند، اما برای بسیاری از کسب‌وکارها هزینه دستیابی به نتیجه مطلوب می‌تواند مهم‌تر از برتری فنی محدود باشد. مقاله ترس از هوش مصنوعی در بیستی‌پی.

مدل‌های باز؛ ابزار تازه رقابت چین

یکی از مهم‌ترین تفاوت‌های دو رویکرد به شیوه عرضه مدل‌های هوش مصنوعی مربوط می‌شود. پیشرفته‌ترین مدل‌های اوپن‌ای‌آی، آنتروپیک و گوگل عمدتاً بسته هستند؛ به این معنا که شرکت‌ها برای استفاده از آن‌ها باید از خدمات ارائه‌دهنده استفاده کرده و معمولاً امکان دریافت و تغییر مستقیم مدل را ندارند.

در مقابل، بسیاری از شرکت‌های چینی مدل‌هایی با وزن‌های قابل دریافت عرضه می‌کنند. این ویژگی به توسعه‌دهندگان اجازه می‌دهد مدل را روی زیرساخت اختصاصی خود اجرا کرده و متناسب با نیازهایشان تغییر دهند. برای مثال، یک بانک می‌تواند مدل چینی را برای تحلیل اسناد مالی یا پاسخ‌گویی به مشتریان تنظیم کند، بدون آنکه برای هر درخواست به خدمات ابری شرکت سازنده وابسته باشد.

البته انتشار وزن‌ها الزاماً به معنای متن‌باز بودن کامل نیست و هزینه اجرای مدل نیز از میان نمی‌رود. با این حال، این رویکرد می‌تواند نفوذ فناوری چین را در بازارهای جهانی افزایش دهد. همان‌طور که در صنایع تولیدی، محصولات ارزان و رقابتی چینی توانسته‌اند سهم قابل توجهی از بازار به دست آورند، اکنون شرکت‌های فناوری این کشور نیز امیدوارند با مدل‌های قدرتمند و کم‌هزینه، جایگاه مشابهی در صنعت هوش مصنوعی پیدا کنند.

هزینه؛ مهم‌تر از قدرت

تفاوت میان دو رویکرد زمانی اهمیت بیشتری پیدا می‌کند که هوش مصنوعی از مرحله آزمایش خارج شده و به بخشی از فعالیت روزانه شرکت‌ها تبدیل شود. یک شرکت حقوقی که روزانه هزاران سند بررسی می‌کند یا مؤسسه مالی که میلیون‌ها درخواست را پردازش می‌کند، الزاماً به قدرتمندترین مدل جهان نیاز ندارد. برای چنین کسب‌وکاری، هزینه هر پردازش می‌تواند به‌اندازه دقت مدل اهمیت داشته باشد.

نمونه این مسئله شرکت آمریکایی «هاروی» است که خدمات هوش مصنوعی تخصصی برای مؤسسات حقوقی ارائه می‌کند. طبق گزارش بلومبرگ، افزایش استفاده مشتریان از خدمات این شرکت باعث شد هزینه پردازش به‌شدت افزایش یافته و حاشیه سود ناخالص آن از حدود مثبت ۵۰ درصد در ابتدای سال ۲۰۲۶ به منفی ۵۰ درصد در ماه ژوئن برسد. هاروی در ادامه به توسعه مدلی اختصاصی بر پایه مدل چینی کیمی روی آورد تا وابستگی خود را به خدمات گران‌قیمت کاهش دهد.

این تجربه نشان می‌دهد که در اقتصاد هوش مصنوعی، برتری فنی الزاماً به معنای برتری تجاری نیست. اگر یک مدل چینی بتواند بسیاری از وظایف را با کیفیتی نزدیک به رقیب آمریکایی و هزینه‌ای به‌مراتب کمتر انجام دهد، ممکن است برای شمار زیادی از شرکت‌ها انتخاب اقتصادی مناسب‌تری باشد.

برنده نبرد جدید ابرقدرت‌ها

مقایسه رقابت امروز با جنگ سرد از یک جهت مهم است: در هر دو دوره، برتری فناورانه به یکی از ابزارهای اصلی قدرت تبدیل شده است. با این حال، تفاوت بزرگی در این دو دوره وجود دارد. آمریکا و شوروی در دوران جنگ سرد، دو بلوک نسبتاً جداگانه را رهبری می‌کردند، اما اقتصادهای آمریکا و چین امروز از طریق تجارت، سرمایه‌گذاری و زنجیره‌های تأمین جهانی به یکدیگر وابسته‌اند. همین وابستگی باعث می‌شود رقابت کنونی پیچیده‌تر باشد. آمریکا می‌تواند در توسعه قدرتمندترین مدل‌ها پیشتاز بماند، در حالی که چین سهم بیشتری از بازار مدل‌های ارزان و قابل تنظیم را به دست آورد.

حتی ممکن است بسیاری از شرکت‌ها به‌طور هم‌زمان از مدل‌های هر دو کشور استفاده کنند؛ مدل‌های آمریکایی برای وظایف پیچیده و مدل‌های ارزان‌تر چینی برای پردازش‌های روزمره. بنابراین پیروزی در این رقابت الزاماً به معنای تصاحب رتبه نخست در آزمون‌های فنی نیست.

در دوران جنگ سرد، پرتاب نخستین ماهواره یا فرود انسان بر ماه نمادی از برتری فناورانه بود. در عصر هوش مصنوعی، معیار قدرت می‌تواند متفاوت باشد: اینکه فناوری کدام کشور در تعداد بیشتری از کارخانه‌ها، بانک‌ها، شرکت‌ها و زندگی روزمره مردم به کار گرفته می‌شود.

منابع قیمت و گزارش‌ها: قیمت GPT‑5.6 Sol، اعلام تعرفه DeepSeek V4 Pro، گزارش Bloomberg Intelligence درباره فاصله مدل‌ها و گزارش Bloomberg درباره Harvey.