هوش مصنوعی فقط داستان مدل‌ها و نرم‌افزارها نیست. پشت پاسخ چندثانیه‌ای یک ابزار هوشمند، شبکه‌ای عظیم از مراکز داده، پردازنده‌های پیشرفته، انرژی، سرمایه و دانش مهندسی قرار دارد. بدون این زیرساخت، مدل‌های زبانی بزرگ، ابزارهای تولید تصویر و بسیاری از محصولاتی که امروز با نام هوش مصنوعی می‌شناسیم، امکان آموزش و فعالیت در چنین مقیاسی را نداشتند.
در مرکز بخش بزرگی از این زیرساخت، شرکتی قرار گرفته که فعالیتش را با ساخت تجهیزات گرافیکی بازی‌های ویدئویی آغاز کرد. انویدیا زمانی یکی از چندین شرکت فعال در بازاری پررقابت بود؛ بازاری که بسیاری از بازیگرانش از میان رفتند. امروز اما پردازنده‌ها، نرم‌افزارها و شبکه‌های این شرکت در مراکز داده‌ای استفاده می‌شوند که پیشرفته‌ترین مدل‌های هوش مصنوعی جهان را آموزش می‌دهند و اجرا می‌کنند.
این تغییر نه در چند سال اخیر آغاز شده و نه حاصل یک تصمیم ناگهانی بوده است. ریشه‌های موقعیت امروز انویدیا را باید در مجموعه‌ای از انتخاب‌های فنی و مدیریتی جست‌وجو کرد که بعضی از آن‌ها سال‌ها هزینه داشتند، بدون آنکه بازار مشخصی برایشان وجود داشته باشد. شرکت بارها محصول ناموفق ساخت، تا مرز ورشکستگی پیش رفت و ناچار شد مسیرش را تغییر دهد؛ اما هم‌زمان بر ایده‌ای پافشاری کرد که در نهایت معماری رایانش را دگرگون ساخت: انجام تعداد زیادی محاسبه به‌صورت موازی.
کتاب «ماشین تفکر؛ جنسن هوانگ، انویدیا و خواستنی‌ترین ریزتراشهٔ جهان» نوشتهٔ استیون ویت، روایت شکل‌گیری این قدرت است. کتاب نشان می‌دهد چگونه پیوند میان پردازنده‌های گرافیکی، پلتفرم نرم‌افزاری کودا، پژوهش‌های دانشگاهی در زمینهٔ شبکه‌های عصبی و سبک رهبری جنسن هوانگ، انویدیا را در موقعیتی قرار داد که بتواند از موج هوش مصنوعی نه‌فقط بهره ببرد، بلکه در ممکن‌شدن آن نیز نقش داشته باشد.
«ماشین تفکر» در ظاهر داستان یک شرکت و مدیرعامل آن است، اما موضوعی گسترده‌تر را دنبال می‌کند: مزیت‌های تعیین‌کنندهٔ فناوری چگونه ساخته می‌شوند؟ چه چیزی به یک شرکت امکان می‌دهد سال‌ها پیش از شکل‌گیری بازار، روی زیرساخت موردنیاز آن سرمایه‌گذاری کند؟ و وقتی بخش بزرگی از یک صنعت به فناوری یک شرکت وابسته می‌شود، این تمرکز قدرت چه پیامدهایی خواهد داشت؟
این پرسش‌ها امروز فقط برای تراشه‌سازان یا پژوهشگران هوش مصنوعی مطرح نیستند. هر مدیری که دربارهٔ ورود هوش مصنوعی به کسب‌وکار خود تصمیم می‌گیرد، ناگزیر با مسئله‌هایی مانند دسترسی به زیرساخت، هزینهٔ پردازش، وابستگی فناورانه، داده، نیروی انسانی و بازده اقتصادی روبه‌رو می‌شود. در ایران، با محدودیت‌های جدی‌تر در دسترسی به سخت‌افزار، خدمات ابری و سرمایه، شناخت این لایهٔ زیرساختی اهمیتی دوچندان دارد.
نسخهٔ فارسی «ماشین تفکر» با ترجمهٔ بهار سرلک، به‌زودی از سوی انتشارات راه پرداخت منتشر می‌شود. این کتاب بیش از آنکه دربارهٔ موفقیت امروز انویدیا باشد، دربارهٔ مسیری است که آن موفقیت را ممکن کرد؛ مسیری متشکل از شکست، تغییر جهت، سرمایه‌گذاری بلندمدت و تصمیم‌هایی که در زمان خود چندان بدیهی به نظر نمی‌رسیدند.
انویدیا؛ فراتر از یک تراشه‌ساز
اهمیت انویدیا فقط در سرعت یا قدرت پردازنده‌هایش خلاصه نمی‌شود. این شرکت طی چند دهه مجموعه‌ای به‌هم‌پیوسته از سخت‌افزار، نرم‌افزار، شبکه و ابزارهای توسعه ایجاد کرده است. همین مجموعه به پژوهشگران و شرکت‌ها امکان می‌دهد مدل‌های هوش مصنوعی را آموزش دهند، میان هزاران پردازنده ارتباط برقرار کنند و توان محاسباتی موردنیازشان را در مقیاس بزرگ به کار بگیرند.
کودا در شکل‌گیری این موقعیت نقشی اساسی داشت. این پلتفرم نرم‌افزاری به برنامه‌نویسان اجازه داد از پردازنده‌های گرافیکی برای کارهایی بسیار فراتر از نمایش تصاویر استفاده کنند. به‌تدریج پژوهشگران هواشناسی، تصویربرداری پزشکی، اکتشاف نفت، محاسبات علمی و یادگیری ماشین به این معماری روی آوردند. هرچه تعداد کاربران و کتابخانه‌های نرم‌افزاری افزایش یافت، ارزش اکوسیستم انویدیا نیز بیشتر شد.
به همین دلیل، مزیت انویدیا را نمی‌توان فقط با مقایسهٔ مشخصات فنی تراشه‌ها سنجید. رقیب ممکن است پردازنده‌ای سریع یا ارزان تولید کند، اما باید هم‌زمان با سال‌ها نرم‌افزار، ابزار توسعه، تجربهٔ برنامه‌نویسان و شبکه‌ای از شرکای تجاری رقابت کند. انویدیا محصولی ساخته که پیرامون آن یک اکوسیستم شکل گرفته است.
این موقعیت در سال‌های اخیر ابعاد تازه‌ای پیدا کرده است. انویدیا فقط تجهیزات موردنیاز شرکت‌های هوش مصنوعی را نمی‌فروشد؛ با سرمایه‌گذاری در استارتاپ‌ها، حمایت از سازندگان مراکز داده و قراردادهای بلندمدت، در شکل‌دادن به اقتصاد این صنعت نیز نقش دارد. گزارش انویدیا بانک مرکزی هوش مصنوعی است اما آیا وام‌هایش بازپرداخت خواهند شد؟ نشان می‌دهد چگونه این شرکت از جایگاه یک تأمین‌کننده فراتر رفته و به یکی از مهم‌ترین بازیگران مالی اکوسیستم هوش مصنوعی تبدیل شده است.
بخوانید: انویدیا بانک مرکزی هوش مصنوعی است اما آیا وام‌هایش بازپرداخت خواهند شد؟
در یادداشتی دربارهٔ ورود انویدیا به حوزهٔ فین‌تک نیز توضیح داده‌ام که چگونه پردازنده‌ها و ظرفیت مراکز داده می‌توانند به دارایی‌هایی درآمدزا، قابل‌تأمین مالی و حتی قابل‌استفاده به‌عنوان وثیقه تبدیل شوند. در این چارچوب، توان محاسباتی دیگر فقط یک امکان فنی نیست؛ به منبعی اقتصادی تبدیل می‌شود که مالکیت و دسترسی به آن می‌تواند موقعیت شرکت‌ها را تعیین کند.
از بازی‌های ویدئویی تا قلب هوش مصنوعی
مسیر انویدیا، برخلاف بسیاری از روایت‌های ساده‌شده دربارهٔ شرکت‌های فناوری، حرکتی مستقیم و بی‌وقفه به‌سوی موفقیت نبود. شرکت چند بار در انتخاب محصول و معماری اشتباه کرد و در مقاطعی تا مرز نابودی پیش رفت.
۱۹۹۳؛ آغاز کار در بازاری نامطمئن
جنسن هوانگ، کریس مالاکوفسکی و کرتیس پریم در سال ۱۹۹۳ انویدیا را تأسیس کردند. تمرکز اولیهٔ آن‌ها بر بازار رو‌به‌رشد گرافیک بازی‌های کامپیوتری بود. این بازار ظرفیت زیادی داشت، اما تعداد شرکت‌های فعال در آن بالا بود و هنوز استاندارد فنی مسلطی شکل نگرفته بود.
انویدیا نه نخستین شرکت این بازار بود و نه از منابع نامحدود برخوردار بود. مزیت اولیهٔ شرکت بیش از هر چیز در سرعت طراحی و عرضهٔ محصول قرار داشت؛ سرعتی که بعدها به یکی از مؤلفه‌های اصلی فرهنگ آن تبدیل شد.
۱۹۹۵؛ NV1 و خطر شکست
نخستین محصول مهم شرکت، NV1، بر نوعی معماری گرافیکی استوار بود که با جهت حرکت صنعت سازگار نشد. همکاری با سگا نیز نتوانست محصول را نجات دهد. انویدیا با کمبود منابع مواجه شد و بخش بزرگی از کارکنانش را تعدیل کرد.
این شکست یکی از مهم‌ترین صحنه‌های کتاب است، چون نشان می‌دهد موفقیت بعدی شرکت صرفاً نتیجهٔ پافشاری نبود. انویدیا در این مقطع پذیرفت که انتخاب فنی اولیه‌اش اشتباه بوده است و پیش از آنکه دفاع از تصمیم گذشته تمام منابع شرکت را از بین ببرد، مسیرش را تغییر داد.
۱۹۹۷؛ بازگشت با RIVA 128
RIVA 128 انویدیا را به رقابت بازگرداند. شرکت این‌بار معماری خود را با استانداردهای در حال ظهور بازار هماهنگ کرد و توانست محصولی با عملکرد مناسب و زمان عرضهٔ کوتاه تولید کند.
این تجربه یک اصل مهم را در شرکت تثبیت کرد: برای زنده‌ماندن باید سریع‌تر از چرخهٔ تغییر فناوری حرکت کرد. تیم‌ها نمی‌توانستند منتظر کامل‌شدن همه‌چیز بمانند؛ محصول باید طراحی، آزمایش و عرضه می‌شد و نسخهٔ بعدی پیش از آرام‌گرفتن بازار آماده می‌بود.
۱۹۹۹؛ تولد GPU
انویدیا با معرفی GeForce 256 از اصطلاح «واحد پردازش گرافیکی» یا GPU استفاده کرد. پردازندهٔ گرافیکی به‌تدریج از قطعه‌ای جانبی برای نمایش بهتر تصاویر به نوع متفاوتی از موتور محاسباتی تبدیل شد؛ موتوری که می‌توانست شمار زیادی عملیات مشابه را به‌صورت هم‌زمان انجام دهد.
پردازنده‌های مرکزی برای اجرای دستورها به‌شکل متوالی طراحی شده بودند. پردازنده‌های گرافیکی، در مقابل، باید میلیون‌ها پیکسل را هم‌زمان پردازش می‌کردند. همین ویژگی بعدها آن‌ها را برای شبکه‌های عصبی مناسب ساخت؛ الگوریتم‌هایی که آن‌ها نیز به تعداد بسیار زیادی محاسبهٔ مشابه نیاز دارند.
۲۰۰۶؛ قماری به نام کودا
کودا نقطه‌ای است که داستان انویدیا از بازار بازی فراتر می‌رود. این پلتفرم به برنامه‌نویسان اجازه داد از GPU برای محاسبات عمومی استفاده کنند. انویدیا برای توسعهٔ آن هزینهٔ زیادی پرداخت، درحالی‌که بازار بزرگ و روشنی برایش وجود نداشت.
در سال‌های نخست، کودا تأثیر مالی چشمگیری بر شرکت نداشت. سرمایه‌گذاران نیز لزوماً ارزشی در این پروژه نمی‌دیدند. اما هوانگ معتقد بود رایانش موازی باید از محدودهٔ گرافیک خارج شود. اگر برنامه‌نویسی GPU آسان‌تر می‌شد، صنایع و حوزه‌های علمی مختلف می‌توانستند از قدرت آن استفاده کنند.
این تصمیم یکی از مهم‌ترین بینش‌های کتاب را آشکار می‌کند: بعضی مزیت‌ها زمانی ساخته می‌شوند که هنوز امکان اندازه‌گیری دقیق بازده آن‌ها وجود ندارد. اگر انویدیا منتظر می‌ماند تا بازار هوش مصنوعی شکل بگیرد و بعد سراغ ساخت نرم‌افزار و جامعهٔ توسعه‌دهندگان می‌رفت، احتمالاً برای به‌دست‌آوردن موقعیت امروز دیر شده بود.
۲۰۱۲؛ الکس‌نت و آشکارشدن بازار
الکس کریژفسکی، ایلیا سوتسکور و جفری هینتون برای آموزش شبکهٔ عصبی الکس‌نت از پردازنده‌های گرافیکی انویدیا استفاده کردند. عملکرد این شبکه در رقابت ایمیج‌نت توجه جامعهٔ علمی را جلب کرد و نشان داد GPUها می‌توانند آموزش شبکه‌های عصبی را به‌شدت سرعت ببخشند.
معمولاً این لحظه یکی از نقاط آغاز انقلاب یادگیری عمیق در نظر گرفته می‌شود. برای انویدیا، الکس‌نت تأیید فرضیه‌ای بود که شرکت سال‌ها روی آن سرمایه‌گذاری کرده بود: رایانش موازی می‌تواند بازارهایی بسیار بزرگ‌تر از گرافیک بازی ایجاد کند.
دههٔ ۲۰۱۰؛ عبور از محصول به پلتفرم
انویدیا در ادامه سرمایه‌گذاری بر مراکز داده، ابرکامپیوترها، خودروهای خودران، رباتیک و ابزارهای یادگیری عمیق را افزایش داد. شرکت دیگر فقط پردازنده نمی‌فروخت؛ مجموعه‌ای کامل از سخت‌افزار، نرم‌افزار و ابزار توسعه عرضه می‌کرد.
همین تغییر باعث شد موقعیت آن در برابر رقبا مستحکم‌تر شود. مشتری انویدیا فقط یک تراشه نمی‌خرید؛ وارد محیطی می‌شد که آموزش نیرو، توسعهٔ نرم‌افزار و فرایندهای عملیاتی‌اش به آن وابسته بود.
از ۲۰۲۲ به بعد؛ انفجار تقاضا
رشد مدل‌های زبانی بزرگ و ابزارهای هوش مصنوعی مولد، تقاضا برای محصولات انویدیا را به سطحی تازه رساند. شرکت‌هایی که می‌خواستند مدل‌های بزرگ را آموزش دهند یا خدمات هوش مصنوعی عرضه کنند، به هزاران پردازنده و شبکه‌ای پیچیده برای اتصال آن‌ها نیاز داشتند.
انویدیا سال‌ها پیش از شکل‌گیری این تقاضا، بخش بزرگی از اجزای لازم را آماده کرده بود. موفقیت امروز شرکت را نمی‌توان فقط به خوش‌شانسی نسبت داد؛ اما بدون هم‌زمانی تحول شبکه‌های عصبی، افزایش داده و تقاضای کم‌سابقه برای توان محاسباتی نیز چنین رشدی ممکن نبود.
از بازی‌های رایانه‌ای تا قلب انقلاب هوش مصنوعی
مهم‌ترین نقاط عطف انویدیا از زمان تأسیس تا ظهور معماری بلک‌ول
-
تأسیس انویدیا
جنسن هوانگ، کریس مالاکوفسکی و کرتیس پریم انویدیا را با تمرکز بر بازار نوظهور گرافیک بازی‌های رایانه‌ای تأسیس کردند.
-
نخستین محصول و نخستین شکست
تراشهٔ NV1 وارد بازار شد، اما معماری متفاوت آن با استانداردهای صنعت سازگار نبود و انویدیا را تا آستانهٔ شکست پیش برد.
-
نجات با RIVA 128
موفقیت RIVA 128، تنها چند ماه پس از بحرانی‌ترین روزهای شرکت، انویدیا را به یکی از بازیگران اصلی بازار گرافیک تبدیل کرد.
-
تولد GPU
انویدیا هم‌زمان با ورود به بورس، GeForce 256 را عرضه کرد و اصطلاح «پردازندهٔ گرافیکی» یا GPU را رواج داد.
-
آغاز دوران CUDA
انویدیا با CUDA امکان استفاده از توان پردازنده‌های گرافیکی برای محاسبات عمومی را فراهم کرد؛ قماری پرهزینه که سال‌ها بعد نتیجه داد.
-
جهش AlexNet
پیروزی AlexNet در رقابت ImageNet ظرفیت پردازنده‌های گرافیکی انویدیا برای یادگیری عمیق را به نمایش گذاشت.
-
نخستین ابررایانهٔ هوش مصنوعی
انویدیا نخستین دستگاه DGX-1 را به OpenAI تحویل داد و از فروش تراشه به عرضهٔ زیرساخت کامل هوش مصنوعی نزدیک‌تر شد.
-
آغاز موج هوش مصنوعی مولد
عرضهٔ H100 و ظهور ChatGPT، تقاضا برای زیرساخت محاسباتی انویدیا را افزایش داد و این شرکت را در مرکز رونق هوش مصنوعی قرار داد.
-
ورود به عصر بلک‌ول
انویدیا معماری Blackwell را معرفی کرد و با عبور ارزش بازارش از سه تریلیون دلار، به یکی از ارزشمندترین شرکت‌های جهان تبدیل شد.
منبع: کتاب «ماشین تفکر» و منابع رسمی انویدیا
فراتر از روایت یک موفقیت
یکی از ویژگی‌های کتاب «ماشین تفکر» این است که تاریخ انویدیا را به مجموعه‌ای از تصمیم‌های درست تقلیل نمی‌دهد. وقتی نتیجهٔ یک مسیر را می‌دانیم، انتخاب‌های گذشته منظم‌تر و بدیهی‌تر از آنچه واقعاً بوده‌اند به نظر می‌رسند. موفقیت، تردیدها و امکان‌های شکست را از حافظه پاک می‌کند.
استیون ویت این عدم قطعیت را به روایت بازمی‌گرداند. مدیران انویدیا در زمان توسعهٔ کودا نمی‌دانستند هوش مصنوعی مولد چه زمانی ظهور خواهد کرد. هنگام ساخت نخستین تراشه‌ها نیز مشخص نبود کدام معماری به استاندارد صنعت تبدیل می‌شود. حتی شرط‌بندی بر رایانش موازی برای مدتی طولانی از نظر بازار تصمیمی نامطمئن و پرهزینه بود.
به همین دلیل، «ماشین تفکر» بیش از آنکه دربارهٔ پیش‌بینی آینده باشد، دربارهٔ ساختن موقعیتی برای مواجهه با آینده است. انویدیا دقیقاً نمی‌دانست بازار بعدی چه شکلی خواهد داشت؛ اما معماری، نرم‌افزار و جامعه‌ای از توسعه‌دهندگان ساخت که امکان بهره‌گرفتن از آن بازار را فراهم می‌کرد.
این تمایز برای مدیران مهم است. تصمیم راهبردی همیشه به معنای دانستن آینده نیست. گاهی به معنای انتخاب فرضیه‌ای است که یک سازمان حاضر است برای آزمودنش زمان، سرمایه و اعتبار صرف کند؛ درحالی‌که هم‌زمان باید توان کنارگذاشتن فرضیه‌های نادرست را نیز حفظ کند.
تجربهٔ انویدیا دو رفتار به‌ظاهر متضاد را کنار هم قرار می‌دهد: پافشاری طولانی بر یک جهت راهبردی و تغییر سریع تصمیم‌های اشتباه. شرکت در برابر رایانش موازی صبور بود، اما وقتی فهمید معماری نخستین محصولش با جهت بازار سازگار نیست، آن را کنار گذاشت. تشخیص تفاوت میان این دو موقعیت، یکی از دشوارترین وظایف مدیریت است.
جنسن هوانگ؛ رهبری در مرز الهام و هراس
نمی‌توان داستان انویدیا را از شخصیت جنسن هوانگ جدا کرد. او از زمان تأسیس شرکت در سال ۱۹۹۳ مدیرعامل انویدیا بوده و یکی از طولانی‌ترین دوره‌های مدیریت را در میان مدیران شرکت‌های بزرگ فناوری دارد.
هوانگ در «ماشین تفکر» شخصیتی یک‌دست و قهرمانانه ندارد. او هم مدیری آینده‌نگر و الهام‌بخش است و هم رهبری که می‌تواند کارکنانش را در برابر دیگران با شدتی کم‌سابقه بازخواست کند. هم شوخ‌طبع و خانواده‌دوست توصیف می‌شود و هم چنان با اضطراب شکست زندگی می‌کند که موفقیت‌های بزرگ نیز آرامش چندانی برایش ایجاد نمی‌کنند.
هوانگ همچون یک مهندس برای حل مسائل، به‌جای تکیه بر فرض‌های رایج بازار، از پایه‌ای‌ترین واقعیت‌های فنی شروع می‌کند: محدودیت اصلی فناوری کجاست، کدام بخش را می‌توان با مهندسی تغییر داد و با افزایش توان محاسباتی چه امکان‌های تازه‌ای پدید می‌آید؟ این شیوهٔ فکرکردن به انویدیا کمک کرده است پیش از شکل‌گیری تقاضای عمومی، روی زیرساخت موردنیاز آن سرمایه‌گذاری کند.
ساختار مدیریتی شرکت نیز بازتابی از همین نگاه است. انویدیا نسبتاً تخت اداره می‌شود و هوانگ با شمار زیادی از مدیران ارتباط مستقیم دارد. اطلاعات نباید در سلسله‌مراتب سازمانی متوقف شود و مسئله‌ها باید آشکار و بدون ملاحظه مطرح شوند. این ساختار می‌تواند سرعت یادگیری و واکنش شرکت را افزایش دهد؛ اما فشار زیادی نیز بر کارکنان وارد می‌کند.
کتابْ از خشم هوانگ، بازخواست‌های علنی و صراحت افراطی او می‌گوید. بااین‌حال، بسیاری از نیروهای قدیمی دهه‌ها در انویدیا مانده‌اند و وفاداری بالایی به شرکت دارند. هوانگ به‌ندرت افراد را اخراج می‌کند و به نظر می‌رسد میان فشار شدید و حفظ نیروها رابطه‌ای ساخته که از بیرون به‌سادگی قابل‌قضاوت نیست.
ترس از شکست بخش دیگری از شخصیت اوست. هوانگ حتی در دورهٔ موفقیت دربارهٔ نابودی شرکت و ظهور رقیبی تازه حرف می‌زند. این اضطراب به بخشی از فرهنگ انویدیا تبدیل شده است: شرکت باید همواره طوری عمل کند که گویی فاصلهٔ زیادی با بحران بعدی ندارد.
همین ترکیب اعتمادبه‌نفس و ناامنی، کاریزما و تندی، وفاداری و فشار، هوانگ را از الگوی سادهٔ «مدیر نابغه» جدا می‌کند. مقالهٔ جنسن هوانگ چگونه به تیلور سوئیفت هوش مصنوعی تبدیل شد؟ وجه دیگری از این شخصیت را نشان می‌دهد: مدیری که از چهره‌ای نسبتاً ناشناخته در صنعت نیمه‌رسانا به ستاره‌ای عمومی تبدیل شده و کت چرمی‌اش به بخشی از هویت رسانه‌ای او بدل شده است.
اما بخش مهم‌تر ماجرا شهرت هوانگ نیست. پرسش این است که آیا ویژگی‌هایی که شرکتی کوچک را در دورهٔ مبارزه برای بقا موفق کردند، در زمانی که همان شرکت از قدرتی کم‌سابقه برخوردار شده نیز به همان اندازه مفید خواهند بود؟ سرسختی در برابر بازار می‌تواند به نوآوری منجر شود؛ اما بی‌اعتنایی به نقد، به‌ویژه دربارهٔ پیامدهای اجتماعی هوش مصنوعی، ممکن است نقطه‌ضعف همان شیوهٔ رهبری باشد.
هوانگ هوش مصنوعی را نیرویی برای پیشرفت می‌داند و بسیاری از نگرانی‌های مربوط به پیامدهای آن را اغراق‌شده تلقی می‌کند. وقتی شرکتی چنین سهم بزرگی در سرعت توسعهٔ فناوری دارد، خوش‌بینی مدیرعامل دیگر صرفاً یک باور شخصی نیست؛ می‌تواند بر جهت حرکت کل صنعت اثر بگذارد.
ارزش امروز انویدیا بر چه فرضی استوار است؟
رشد انویدیا بر این انتظار استوار است که هوش مصنوعی در صنایع مختلف به زیرساختی عمومی و مولد تبدیل شود. برنامه‌نویسی تاکنون یکی از موفق‌ترین زمینه‌های استفاده از هوش مصنوعی مولد بوده است؛ زیرا فرایند کار دیجیتال است، خروجی را می‌توان سریع آزمایش کرد و خطا تا حد زیادی قابل‌اندازه‌گیری است.
هنوز روشن نیست همین سطح از استفاده در مشاغل و صنایع دیگر نیز تکرار شود. گزارش آیا کسی به‌اندازهٔ برنامه‌نویسان از هوش مصنوعی استفاده خواهد کرد؟ نشان می‌دهد گسترش این فناوری در بخش‌های مختلف اقتصاد با سرعت یکسانی پیش نمی‌رود.
بخوانید: آیا کسی به‌اندازهٔ برنامه‌نویسان از هوش مصنوعی استفاده خواهد کرد؟
اگر شرکت‌ها نتوانند از هوش مصنوعی ارزش اقتصادی متناسب با هزینهٔ زیرساخت استخراج کنند، بخشی از فرض‌های خوش‌بینانهٔ بازار با تردید روبه‌رو خواهد شد. از سوی دیگر، بسیاری از فناوری‌های عمومی زمانی گسترش یافته‌اند که سرمایه‌گذاران و شرکت‌ها پیش از روشن‌شدن همهٔ کاربردها، ظرفیت موردنیاز را ساخته‌اند.
سرمقالهٔ اکونومیست با عنوان «انویدیا موتور محرک رونق هوش مصنوعی است؛ چه خوب» از همین منظر به ریسک‌پذیری شرکت نگاه می‌کند. در این روایت، تأمین مالی گستردهٔ زیرساخت هوش مصنوعی الزاماً نشانهٔ شکل‌گیری حباب نیست؛ می‌تواند همان سرمایه‌گذاری پرخطری باشد که امکان ساخته‌شدن یک فناوری عمومی تازه را فراهم می‌کند.
«ماشین تفکر» دربارهٔ پایان این مسیر پیش‌گویی نمی‌کند. کتاب نشان می‌دهد انویدیا چگونه خود را در موقعیتی قرار داده است که اگر قمار هوش مصنوعی موفق شود، یکی از بزرگ‌ترین برندگان آن باشد. هم‌زمان، تمرکز چنین قدرتی در دست یک شرکت، وابستگی صنعت و ریسک‌های تازه‌ای ایجاد می‌کند که هنوز پاسخ روشنی برای آن‌ها وجود ندارد.
این روایت برای فضای فناوری ایران چه معنایی دارد؟
تجربهٔ انویدیا را نمی‌توان به‌صورت مستقیم به محیط کسب‌وکار ایران منتقل کرد. تفاوت در اندازهٔ بازار، دسترسی به سرمایه، ارتباط با زنجیرهٔ جهانی فناوری، زیرساخت ابری و محیط تنظیم‌گری بسیار جدی است. بااین‌حال، پرسش‌هایی که کتاب مطرح می‌کند برای مدیران و فعالان فناوری کشور ناآشنا نیستند.
ورود به حوزهٔ هوش مصنوعی فقط با خرید اشتراک چند ابزار یا افزودن یک قابلیت تازه به محصول اتفاق نمی‌افتد. سازمان باید بداند مسئلهٔ واقعی‌اش چیست، چه داده‌ای در اختیار دارد، پردازش را از کجا تأمین خواهد کرد، چه میزان وابستگی به ارائه‌دهندگان خارجی ایجاد می‌شود و آیا مدل اقتصادی محصول می‌تواند هزینهٔ استفاده از زیرساخت را پوشش دهد.
محدودیت دسترسی به پردازنده‌های پیشرفته و خدمات ابری بین‌المللی نیز باعث می‌شود تصمیم فنی هم‌زمان تصمیمی اقتصادی و راهبردی باشد. انتخاب مدل، معماری و تأمین‌کننده بر هزینه، امکان توسعه، امنیت داده و تداوم خدمت اثر می‌گذارد. در چنین محیطی، شناخت اقتصاد زیرساخت به‌اندازهٔ شناخت توانایی مدل‌ها اهمیت دارد.
«ماشین تفکر» برای این مسائل نسخهٔ آماده ارائه نمی‌کند؛ ارزش آن در نشان‌دادن رابطهٔ میان تصمیم فنی و پیامد اقتصادی است. کودا در ابتدا پروژه‌ای نرم‌افزاری به نظر می‌رسید، اما در نهایت به یکی از مهم‌ترین موانع ورود رقبا تبدیل شد. انتخاب معماری پردازنده تصمیمی مهندسی بود، اما مسیر درآمد و بازار شرکت را تعیین کرد. سرمایه‌گذاری روی جامعهٔ توسعه‌دهندگان هزینه‌ای بلندمدت بود، اما اکوسیستمی ساخت که ارزش آن از یک محصول منفرد بیشتر شد.
برای مدیرانی که هوش مصنوعی را تحولی پایدار می‌دانند، مسئله دیگر فقط انتخاب بهترین ابزار موجود نیست. پرسش مهم‌تر این است که چه قابلیت‌هایی باید درون سازمان ساخته شوند، چه وابستگی‌هایی پذیرفتنی‌اند و کدام تصمیم‌های امروز امکان حرکت در سال‌های بعد را حفظ می‌کنند.
استیون ویت؛ روایت فناوری از مسیر آدم‌ها
استیون ویت، روزنامه‌نگار و نویسندهٔ آمریکایی، پیش‌تر با کتاب «How Music Got Free» شناخته شده بود؛ روایتی دربارهٔ دگرگونی صنعت موسیقی بر اثر فایل‌های دیجیتال، سرقت آثار و شبکه‌های همتابه‌همتا. آن کتاب نامزد نهایی چند جایزه، از جمله جایزهٔ کتاب کسب‌وکار سال فایننشال تایمز و مک‌کینزی شد.
نوشته‌های ویت در رسانه‌هایی مانند نیویورکر، فایننشال تایمز، وال‌استریت ژورنال، رولینگ استون و GQ منتشر شده‌اند. پروژهٔ «ماشین تفکر» نیز از گزارشی دربارهٔ جنسن هوانگ برای نیویورکر آغاز شد و سپس به پژوهشی گسترده دربارهٔ تاریخ انویدیا تبدیل شد.
ویت برای نگارش کتاب با نزدیک به دویست نفر گفت‌وگو کرده است؛ از مدیران و کارکنان سابق گرفته تا هم‌بنیان‌گذاران، رقبا، دوستان قدیمی و خود هوانگ. این دسترسی به او اجازه داده تاریخ فنی شرکت را با جزئیات انسانی، اختلاف‌های مدیریتی، شکست محصولات و شخصیت پیچیدهٔ هوانگ درهم بیامیزد.
یکی از امتیازهای اصلی کتاب، توانایی ویت در توضیح فناوری بدون تبدیل‌کردن متن به درس‌نامه‌ای تخصصی است. او دربارهٔ رایانش موازی، معماری تراشه، کودا، شبکه‌های عصبی و ترنسفورمرها می‌نویسد، اما این مفاهیم را جایی وارد روایت می‌کند که تصمیم آدم‌ها و آیندهٔ شرکت را تغییر می‌دهند.
کتابی که فراتر از صنعت فناوری دیده شد
«ماشین تفکر» در آوریل ۲۰۲۵ منتشر شد و در دسامبر همان سال جایزهٔ کتاب کسب‌وکار سال فایننشال تایمز و شرودرز را به دست آورد. این کتاب در فهرست آثار برتر سال اکونومیست و فایننشال تایمز نیز قرار گرفت.
اهمیت این استقبال فقط در اعتبار جایزه‌ها نیست. کتاب در مقطعی منتشر شد که انویدیا دیگر موضوعی محدود به متخصصان نیمه‌رسانا نبود. سرمایه‌گذاران، مدیران و سیاست‌گذاران می‌خواستند بدانند چگونه یک شرکت سازندهٔ تجهیزات بازی به یکی از تعیین‌کننده‌ترین بازیگران اقتصاد جهان تبدیل شده و چرا رقبا نمی‌توانند به‌سادگی موقعیت آن را تصاحب کنند.
جیمز سوروویکی در نقد خود در آتلانتیک تأکید می‌کند که موفقیت انویدیا را نمی‌توان صرفاً نتیجهٔ نبوغ هوانگ دانست. فرهنگ ریسک‌پذیری سیلیکون‌ولی، بازار کار، پژوهش دانشگاهی، سرمایه‌گذاری عمومی و حضور مهاجران متخصص، بخش‌هایی از اکوسیستمی بودند که چنین موفقیتی را ممکن کردند.
جان ناتن نیز در نقد گاردین/آبزرور، در کنار توجه به دستاوردهای هوانگ، از سنت قهرمان‌سازی بنیان‌گذاران سیلیکون‌ولی فاصله می‌گیرد. «ماشین تفکر» نیز زمانی خواندنی‌تر می‌شود که آن را نه داستان پیروزی یک نابغه، بلکه روایتی از برخورد شخصیت، فناوری، سرمایه و شرایط تاریخی بخوانیم.
روایتی برای فهم لایهٔ زیرین هوش مصنوعی
چهار گزارش پروندهٔ راه پرداخت نشان می‌دهند انویدیا اکنون با قدرت خود چه می‌کند؛ چگونه سرمایه‌گذاری می‌کند، به استارتاپ‌ها و مراکز داده شکل می‌دهد، تقاضا برای زیرساخت را تأمین مالی می‌کند و در مرکز بحث‌های مربوط به حباب یا رونق پایدار هوش مصنوعی قرار گرفته است. «ماشین تفکر» یک گام به عقب برمی‌دارد و توضیح می‌دهد این قدرت چگونه ساخته شد.
کتاب یادآوری می‌کند آنچه امروز به‌صورت یک محصول یا موج فناورانه دیده می‌شود، معمولاً بر مجموعه‌ای از تصمیم‌های قدیمی، سرمایه‌گذاری‌های نامطمئن و زیرساخت‌های کمتر دیده‌شده استوار است. هوش مصنوعی نیز از این قاعده مستثنا نیست. فهم قابلیت‌های مدل‌ها بدون شناخت اقتصاد پردازش، معماری سخت‌افزار، جریان سرمایه و بازیگران مسلط، تصویری ناقص از این تحول به دست می‌دهد.
«ماشین تفکر» نه دستورالعمل مدیریت است و نه ستایش‌نامهٔ جنسن هوانگ. روایت شرکتی است که چند بار تا مرز شکست رفت و در نهایت توانست مجموعه‌ای از تصمیم‌های فنی و مدیریتی را به مزیتی تبدیل کند که بخش بزرگی از صنعت هوش مصنوعی امروز بر آن استوار است.
برای کسانی که هوش مصنوعی را نه مجموعه‌ای از ابزارهای جذاب، بلکه تغییری جدی در آیندهٔ فناوری و کسب‌وکار می‌دانند، شناخت این مسیر بخشی از فهم مسئله است. آیندهٔ هوش مصنوعی فقط در پاسخ‌هایی که مدل‌ها تولید می‌کنند ساخته نمی‌شود؛ در تراشه‌ها، مراکز داده، شبکه‌ها، جریان‌های سرمایه و تصمیم‌هایی شکل می‌گیرد که گاهی سال‌ها پیش از دیده‌شدن نتیجهٔ آن‌ها گرفته می‌شوند.
مشخصات کتاب «ماشین تفکر»
| نام کتاب | ماشین تفکر: جنسن هوانگ، انویدیا و خواستنی‌ترین ریزتراشهٔ جهان |
| نویسنده | استیون ویت |
| مترجم | بهار سرلک |
| تعداد صفحات | ۳۵۰ صفحه |
| ناشر | انتشارات راه پرداخت |
