مدل‌های علی‌بابا و بایت‌دنس با اجاره دیتاسنتر تحریم‌های آمریکا را دور می‌زنند_دلچسب

غول‌های فناوری چین همانند علی‌بابا و بایت‌دنس راهکاری برای دسترسی به قدرتمندترین تراشه‌های انویدیا اشکار کرده‌اند. با وجود تحریم‌های سخت‌گیرانه ایالات متحده که فروش مستقیم پردازشگرهای گرافیکی پیشرفته به چین را ممنوع کرده، این شرکت‌ها با اجاره دیتاسنترهایی در سنگاپور و مالزی مدل‌های هوش مصنوعی خود را با قوت چیپ‌های آمریکایی آموزش خواهند داد.

مدل‌های زبانی بزرگ چینی همانند Qwen (متعلق به علی‌بابا) و Doubao (متعلق به بایت‌دنس) اخیراً در بنچمارک‌های جهانی درخشیده‌اند و رقیب جدی مدل‌های غربی شده‌اند. مطابق گزارش‌ فایننشال تایمز، قسمت مهمی از آموزش این مدل‌ها در کلاسترهای واقع در جنوب شرق آسیا انجام شده است؛ جایی که دیتاسنترها به تازه ترین سخت‌افزارها تجهیزمی باشند. علت مهم این کار این است که آمریکا صادرات تراشه‌های قدرتمندی همانند H100 و A100 انویدیا به چین را ممنوع کرده است.

اجاره دیتاسنترهای سنگاپور و مالزی توسط شرکت‌های چینی

شرکت‌های چینی فعلاً دارند از این حفره قانونی منفعت گیری می‌کنند. اگرچه صادرات تراشه به چین ممنوع است، اما اجاره قوت پردازشی از دیتاسنترهای خارجی (حتی اگر کاربر نهایی چینی باشد) تحت قوانین جاری آزاد است. در ماه مه ۲۰۲۵ قانونی موسوم به «قانون انتشار کردن هوش مصنوعی» که تصمیم داشت جلوی این کار را بگیرد، لغو شد. این یعنی تا وقتی که سخت‌افزار فیزیکی داخل خاک چین نشود و مالکیت آن در دست شرکت‌های غیرچینی باشد، منفعت گیری از آن مانعی ندارد.

اگرچه آموزش مدل پایه در خارج از چین انجام می‌شود، اما یک قضیه بزرگ وجود دارد: قوانین سخت‌گیرانه خود چین. دولت چین اجازه خروج داده‌های خصوصی کاربران و اطلاعات حساس را نمی‌دهد. به این علت، شرکت‌ها مجبورند مدل اولیه را در خارج آموزش دهند، اما فرایند «تنظیم دقیق» (Fine-tuning) با داده‌های داخلی در سرورهای داخل چین و با منفعت گیری از تراشه‌های ضعیف‌تر (ازجمله از هواوی) انجام می‌گیرد.

در بین غول‌های چینی، شرکت دیپ‌سیک مسیر متغیری را طی کرده است. این شرکت مستقر در شانگهای، قبل از اغاز تحریم‌ها انبار بزرگی از تراشه‌های انویدیا را ذخیره کرده می بود و هم چنان مدل‌هایش را در داخل چین آموزش می‌دهد. این چنین حرف های می‌شود که دیپ‌سیک با همکاری هواوی درحال بهینه‌سازی مدل‌های خود برای اجرا روی تراشه‌های بومی است تا در آینده به سخت‌افزار خارجی وابسته نباشد.