چرخش بزرگ در جنگ هوش مصنوعی؛ وقتی مدل های ارزان چینی سلطه آمریکا را به چالش می‌کشند!

چرخش بزرگ در جنگ هوش مصنوعی؛ وقتی مدل های ارزان چینی سلطه آمریکا را به چالش می‌کشند! بازار جهانی هوش مصنوعی طی یک سال گذشته دستخوش تغییری کم‌سابقه شده است. مدل‌های آمریکایی که تا همین اواخر نبض بازار توسعه‌دهندگان را در دست داشتند، حالا بخشی از میدان را به رقبای چینی واگذار کرده‌اند؛ رقبایی که با قیمت پایین‌تر، دسترسی ساده‌تر و انعطاف بیشتر، در حال جا باز کردن میان استارتاپ‌ها و شرکت‌های فناوری هستند. پراپکو | ترید با سرمایه بیشتر با ۱۰ دلار، ۱۰۰۰ دلار اعتبار معاملاتی دریافت کن ثبت‌نام و کد تخفیف اما ماجرا فقط به جابه‌جایی سهم چند شرکت خلاصه نمی‌شود. محدودیت‌هایی که آمریکا با هدف کند کردن پیشرفت هوش مصنوعی چین وضع کرد، حالا ممکن است ورق را به شکلی ناخواسته به نفع پکن برگردانده باشد؛ چراکه شرکت‌های چینی زیر فشار همین محدودیت‌ها، به سمت ساخت مدل‌هایی ارزان‌تر و بهینه‌تر رفتند. برای دیدن ابعاد این تغییر، باید سراغ بازاری رفت که انتخاب‌های واقعی توسعه‌دهندگان را بهتر از هر جای دیگری نشان می‌دهد. سقوط سهم آمریکا در بزرگ‌ترین بازار مدل‌های هوش مصنوعی تا همین یک سال پیش، مدل‌های هوش مصنوعی آمریکایی حدود ۷۲ درصد از ترافیک اوپن‌روتر (OpenRouter)، یکی از بزرگ‌ترین بازارهای اتصال توسعه‌دهندگان به مدل‌های هوش مصنوعی، را در اختیار داشتند. اکنون این سهم به حدود ۳۳ درصد کاهش یافته و مدل‌های چینی با سرعت زیادی جای رقبای آمریکایی را گرفته‌اند. برآوردها نشان می‌دهد مدل‌های چینی در حال حاضر بیش از نیمی از ترافیک این پلتفرم را پردازش می‌کنند. تنها در هفته منتهی به ۲۱ ژوئن، حجم پردازش این مدل‌ها در اوپن‌روتر به ۲۱.۳۷ تریلیون توکن رسید؛ در حالی که مجموع مدل‌های آمریکایی در همین مدت تنها ۵.۷۶ تریلیون توکن پردازش کردند. دیپ‌ سیک (DeepSeek) نیز به‌تنهایی ترافیکی بیشتر از مجموع گوگل و اوپن‌ای‌آی به خود اختصاص داده است. چرخش بزرگ در جنگ سرد هوش مصنوعی؛ فرار پنهان به شرق در این میان واقعیت طنزآمیز و ناگفته‌ای وجود دارد که کمتر کسی تمایل دارد آن را با صدای بلند بازگو کند؛ محدودیت‌های صادراتی ایالات متحده عملا پکن را به سمت مزیتی سوق داد که در بازار انبوه اهمیت زیادی دارد: قیمت پایین‌تر! فشار ناشی از محدودیت دسترسی به سخت‌افزارهای پیشرفته، آزمایشگاه‌های چینی را وادار کرد مدل‌هایی کم‌هزینه‌تر و بهینه‌تر توسعه دهند؛ مدل‌هایی که اکنون بخش بزرگی از تقاضای جدید توسعه‌دهندگان را جذب کرده‌اند. در واقع، تحریم‌های تکنولوژیک که با هدف محدود کردن چین طراحی شده بودند، در عمل بازار جهانی توسعه‌دهندگان را در سینی نقره‌ای تقدیم پکن کردند. در ابتدای سال ۲۰۲۵، سهم مدل‌های چینی از بازار اوپن‌روتر هنوز چندان چشمگیر نبود. سهم دیپ‌ سیک کمتر از ۲ درصد و مجموع سهم تمام مدل‌های چینی کمتر از ۲۰ درصد بود. در آن مقطع، بازار تقریباً به‌طور کامل در اختیار شرکت‌های آمریکایی قرار داشت. نقطه عطفی که موازنه بازار را تغییر داد ورق در هفته ۹ تا ۱۵ فوریه برگشت؛ زمانی که مدل‌های چینی برای نخستین‌بار از نظر حجم پردازش از رقبای آمریکایی پیش افتادند. در آن هفته، مدل‌های چینی ۴.۱۲ تریلیون توکن و مدل‌های آمریکایی ۲.۹۴ تریلیون توکن پردازش کردند. از آن زمان تاکنون، این موازنه دیگر به وضعیت قبلی بازنگشته است. کل حجم فعالیت اوپن‌روتر نیز در مقایسه با سال گذشته حدود ۱۱ تا ۱۲ برابر شده است. بخش بزرگی از این رشد به تقاضای تازه‌ای مربوط می‌شود که به‌دنبال مدل‌های ارزان‌تر شکل گرفته و شرکت‌های چینی بیشترین سهم را از آن به دست آورده‌اند. دیپ‌ سیک اکنون به‌تنهایی حدود ۱۶ تا ۱۸ درصد از کل ترافیک این پلتفرم را در اختیار دارد؛ سهمی که از هر یک از شرکت‌های گوگل و اوپن‌ای‌آی بیشتر است. افزایش سریع استفاده از مدل‌های چینی، سرمایه‌گذاران را نیز به این صنعت کشانده و میلیاردها دلار سرمایه را روانه آزمایشگاه‌های هوش مصنوعی چین کرده است. میلیاردها دلار سرمایه پشت درهای بسته آزمایشگاه‌های هوش مصنوعی چین با افزایش سهم مدل‌های چینی در بازار جهانی، سرمایه‌گذاران نیز توجه بیشتری به این صنعت نشان داده‌اند. در اواسط ژوئن، شرکت دیپ‌ سیک یک دور تأمین مالی حدود ۷.۴۴ میلیارد دلاری را با ارزش‌گذاری بیش از ۵۰ میلیارد دلار به پایان رساند. در این سرمایه‌گذاری، تنسنت (Tencent) حدود ۱.۵ میلیارد دلار و غول باتری‌سازی کَتِل (CATL) نیز حدود ۷۳۵ میلیون دلار سرمایه وارد کردند. اما نکته قابل‌توجه در این معامله، تنها حجم سرمایه جذب‌شده نبود؛ بلکه ساختار آن نشان می‌دهد سرمایه‌گذاران تا چه اندازه به آینده این صنعت امیدوارند. لانگ ون‌فانگ (Lang Wenfang)، بنیان‌گذار دیپ‌ سیک، نزدیک به ۲.۷۵ میلیارد دلار از سرمایه شخصی خود را وارد این پروژه کرد و ساختار توافق را به‌گونه‌ای تنظیم کرد که بیشتر سرمایه‌گذاران حق رأی نداشته باشند و سرمایه آن‌ها تا پنج سال امکان خروج نداشته باشد. این شرایط نشان می‌دهد سرمایه‌گذاران حاضرند برای ورود به بازار هوش مصنوعی چین، حتی بدون داشتن نقش مستقیم در تصمیم‌گیری‌ها، میلیاردها دلار هزینه کنند؛ موضوعی که نشان‌دهنده افزایش اعتماد سرمایه‌گذاران به آینده این حوزه است. وقتی شرکت‌های آمریکایی موتورهای هوش مصنوعی خود را تغییر می‌دهند با تغییر موازنه بازار، این پرسش مطرح می‌شود که چه شرکت‌هایی واقعاً در حال استفاده از مدل‌های چینی هستند؟ پاسخ، تنها به کاربران عادی محدود نمی‌شود؛ بلکه شرکت‌های فناوری نیز به‌دنبال کاهش هزینه‌ها و افزایش بهره‌وری، در حال تغییر زیرساخت‌های هوش مصنوعی خود هستند. برای نمونه، استارتاپ آمریکایی لیندزی (Lindsay) پس از آنکه هزینه پردازش مدل‌های هوش مصنوعی از کل هزینه حقوق کارکنانش بیشتر شد، تمام ترافیک خود را از مدل کلاود (Claude) شرکت آنتروپیک (Anthropic) به مدل V۴ Flash دیپ‌سی منتقل کرد. نتیجه این تغییر، کاهش حدود ۹۰ درصدی هزینه‌های پردازش بود. این تغییر البته بدون بررسی انجام نشد. تیم لیندزی برای اطمینان از عملکرد و امنیت مدل جدید، بین ۶ تا ۹ ماه آزمایش انجام داد. برای کاهش نگرانی‌های امنیتی نیز مدل‌های چینی را روی سرورهای داخل آمریکا و از طریق شرکت اطلس کلاود (Atlas Cloud) اجرا کردند تا داده‌ها مستقیماً به چین منتقل نشود. شرکت کوین‌بیس (Coinbase) نیز رویکرد مشابهی در پیش گرفته است. برای استفاده داخلی مهندسان، این شرکت یک سیستم هدایت‌کننده طراحی کرده که به‌صورت پیش‌فرض، مدل‌های متن‌باز چینی مانند GLM ۵.۲ از زیپو (Zhipu) و کیمی (Kimi) از مون‌شات (Moonshot) را پیشنهاد می‌دهد. برایان آرمسترانگ، مدیرعامل کوین‌بیس، گفت: این تغییر باعث شد هزینه‌های هوش مصنوعی شرکت تقریباً نصف شود، نرخ استفاده مجدد از داده‌های ذخیره‌شده (Cache Hit Rate) از ۵ درصد به ۶۰ درصد افزایش پیدا کند و ۹۱ درصد از مهندسان دیگر با محدودیت‌های مصرف مواجه نشوند. چرا شرکت‌ها به سمت مدل‌های چینی می‌روند؟ کاهش هزینه تنها دلیل استقبال شرکت‌ها از مدل‌های هوش مصنوعی چینی نیست. بسیاری از توسعه‌دهندگان معتقدند مدل‌هایی مانند کوئن (Qwen) از علی‌بابا و دیپ‌ سیک، به آن‌ها امکان می‌دهند مدل‌های پایه را دریافت کرده و متناسب با نیاز خود تغییر دهند؛ قابلیتی که در بسیاری از مدل‌های بسته آمریکایی در دسترس نیست. شرکت پینترست (Pinterest) یکی از نمونه‌های این تغییر رویکرد است. مدیر فناوری این شرکت اعلام کرده که پینترست با استفاده از مدل متن‌باز کوئن، لایه بینایی آن را حذف کرده و سپس مدل را با داده‌های اختصاصی مربوط به سلیقه کاربران خود تنظیم کرده است. نتیجه این تغییر، کاهش ۹۰ درصدی هزینه‌ها و افزایش ۳۰ درصدی دقت مدل در وظایف موردنظر این شرکت بوده است. این تغییرات نشان می‌دهد مدل‌های چینی دیگر صرفاً جایگزینی ارزان‌تر برای مدل‌های آمریکایی نیستند؛ بلکه به زیرساخت‌هایی تبدیل شده‌اند که شرکت‌ها می‌توانند روی آن‌ها محصولات و خدمات اختصاصی خود را بسازند. دروازه توسعه‌دهندگان وِرسیل (Vercel) نیز نشانه‌های مشابهی را ثبت کرده است. سهم دیپ‌سی از ترافیک این پلتفرم در یک ماه از کمتر از یک درصد به ۱۷ درصد افزایش یافته است. بر اساس برآوردهای صنعتی، بخش بزرگی از استارتاپ‌های جدید هوش مصنوعی در آمریکا، در لایه زیرین محصولات خود از مدل‌های پایه چینی استفاده می‌کنند؛ به بیان ساده‌تر، بسیاری از شرکت‌های آمریکایی در حال ساخت محصولات خود روی موتورهای هوش مصنوعی چینی هستند. مزیت اصلی چین؛ هوش مصنوعی ارزان‌تر! دلیل اصلی این استقبال، فاصله چشمگیر هزینه‌هاست. هزینه استفاده از مدل V۴ Flash دیپ‌ سیک حدود ۰.۱۴ دلار به ازای هر میلیون توکن ورودی اعلام شده، در حالی که هزینه مدل پیشرفته GPT-5.5 حدود ۵ دلار برای همین میزان استفاده است؛ یعنی مدل چینی تقریباً ۳۶ برابر ارزان‌تر تمام می‌شود. یکی از عوامل اصلی این کاهش هزینه، معماری «ترکیب متخصصان» (MoE) است. در این روش، مدل هوش مصنوعی برای پاسخ به هر درخواست، تمام ظرفیت خود را فعال نمی‌کند و تنها بخش‌های موردنیاز را به کار می‌گیرد. برای نمونه، مدل V۳ دیپ‌سی در مجموع ۶۷۱ میلیارد پارامتر دارد، اما در هر درخواست تنها حدود ۳۷ میلیارد پارامتر آن فعال می‌شود. این یعنی تنها حدود ۵.۵ درصد از ظرفیت مدل در هر پاسخ مورد استفاده قرار می‌گیرد؛ رویکردی که نیاز پردازشی را به شکل چشمگیری کاهش می‌دهد. مدل V۴ Flash نیز همین مسیر را ادامه داده است. این مدل دارای ۲۸۴ میلیارد پارامتر است، اما تنها ۱۳ میلیارد پارامتر در هر درخواست فعال می‌شود. همچنین گزارش‌ها حاکی از آن است که هزینه مستقیم پردازش برای آموزش مدل پایه V۳ حدود ۵.۶ میلیون دلار بوده، هرچند هزینه کلی زیرساخت و توسعه آن به میلیاردها دلار می‌رسد. اما نکته مهم اینجاست که چین از ابتدا با هدف ساخت مدل‌های ارزان‌تر وارد این مسیر نشد؛ بلکه محدودیت‌های خارجی، این کشور را به سمت استفاده بهینه‌تر از منابع موجود سوق داد. وقتی تحریم‌های آمریکا نتیجه معکوس می‌دهد! رشد سریع مدل‌های هوش مصنوعی چینی در شرایطی اتفاق افتاد که پکن با محدودیت‌های گسترده آمریکا برای دسترسی به تراشه‌های پیشرفته مواجه بود. این محدودیت‌ها قرار بود سرعت توسعه هوش مصنوعی چین را کاهش دهند، اما در عمل شرکت‌های چینی را به سمت راهکارهایی سوق دادند که وابستگی کمتری به قدرت پردازشی بالا دارند. محدود شدن دسترسی چین به تراشه‌های پیشرفته انویدیا، آزمایشگاه‌هایی مانند دیپ‌سیک را مجبور کرد به جای رقابت صرف بر سر قدرت سخت‌افزاری، روی افزایش بهره‌وری مدل‌ها و استفاده بهینه‌تر از منابع موجود تمرکز کنند. نتیجه این رویکرد، توسعه مدل‌هایی بود که با هزینه کمتر می‌توانند عملکرد قابل‌توجهی ارائه دهند. مدیرعامل پرپلکسیتی (Perplexity) نیز معتقد است فشارهای آمریکا ممکن است نتیجه‌ای برخلاف هدف اولیه داشته باشد. وی گفت: وادار کردن شرکت‌های چینی به مهندسی راه‌حل‌های جایگزین برای محدودیت‌های سخت‌افزاری، در نهایت سرعت نوآوری آن‌ها را افزایش داده است. واشنگتن دامنه محدودیت‌ها را از تراشه‌ها به مدل‌های هوش مصنوعی گسترش داد آمریکا در ادامه سیاست‌های محدودکننده خود، تنها به کنترل صادرات تراشه‌ها بسنده نکرد و در ماه ژوئن، محدودیت‌هایی را برای برخی مدل‌های پیشرفته هوش مصنوعی نیز اعمال کرد. بر اساس یک فرمان اجرایی و دستورالعمل تجاری جدید، شرکت‌هایی مانند آنتروپیک و اوپن‌ای‌آی با محدودیت‌های تازه‌ای برای ارائه برخی از پیشرفته‌ترین مدل‌های خود روبه‌رو شدند. آنتروپیک برای رعایت این مقررات، دسترسی جهانی به برخی مدل‌های پیشرفته خود را متوقف کرد و اوپن‌ای‌آی نیز اعلام کرد جدیدترین مدل‌هایش را تنها در اختیار تعداد محدودی از سازمان‌های تأییدشده دولتی قرار می‌دهد. این نخستین بار است که ابزارهای کنترل صادرات آمریکا، به جای تمرکز صرف بر سخت‌افزار، مستقیماً مدل‌های هوش مصنوعی فعال و قابل استفاده را هدف قرار می‌دهد. مدل‌های چینی در مسیر تبدیل شدن به زیرساخت جهانی این محدودیت‌ها می‌تواند پیامد مهمی برای توسعه‌دهندگان خارج از فهرست‌های تأییدشده آمریکا داشته باشد. شرکت‌ها، استارتاپ‌ها و حتی برخی دولت‌ها ممکن است برای دسترسی آزادتر، به سمت مدل‌های چینی متن‌باز و قابل نصب روی زیرساخت‌های شخصی حرکت کنند. در داخل چین نیز استفاده از هوش مصنوعی با سرعت زیادی در حال افزایش است. مصرف روزانه توکن در این کشور از حدود ۱۰۰ میلیارد توکن در ابتدای سال ۲۰۲۴ به حدود ۱۴۰ تریلیون توکن تا ماه مارس امسال رسیده است؛ رشدی که نشان می‌دهد هوش مصنوعی در حال تبدیل شدن به بخشی از زیرساخت دیجیتال این کشور است. با این حال، برتری چین در حجم استفاده به معنای برتری کامل در تمام بخش‌های بازار نیست. بازار هوش مصنوعی اکنون به دو مسیر متفاوت تقسیم شده است: شرکت‌های چینی که روی هوش مصنوعی ارزان، گسترده و در دسترس تمرکز دارند و شرکت‌های آمریکایی که همچنان در توسعه مدل‌های پیشرفته با توانایی استدلال پیچیده جایگاه قدرتمندی دارند. چین در حجم استفاده پیشتاز است، اما آمریکا هنوز در درآمد دست بالا را دارد با این حال، اگر تنها به میزان استفاده از مدل‌های هوش مصنوعی نگاه کنیم، ممکن است به نتیجه‌ای اشتباه برسیم. چین توانسته است سهم بزرگی از حجم پردازش بازار را به خود اختصاص دهد، اما این به معنای برتری کامل در ارزش اقتصادی ایجادشده نیست. تفاوت میان حجم استفاده و درآمدزایی ، مهم‌ترین نکته در تحلیل وضعیت فعلی بازار هوش مصنوعی است. داده‌های پلتفرم اوپن‌روتر نشان می‌دهد شرکت آنتروپیک با وجود در اختیار داشتن تنها حدود ۱۲ درصد از توکن‌های پردازش‌شده، نزدیک به ۴۶ درصد از درآمد این پلتفرم را به خود اختصاص داده است. این موضوع نشان می‌دهد مدل‌های آمریکایی همچنان در حوزه‌هایی مانند استدلال پیچیده، پردازش‌های حساس و وظایف پیشرفته جایگاه قدرتمندی دارند؛ بخش‌هایی که کاربران حاضرند برای آن‌ها هزینه بیشتری پرداخت کنند. تحلیلگران معتقدند آمریکا همچنان در توسعه مدل‌هایی با توانایی استدلال عمیق و عملکرد بهتر در وظایف پیچیده پیشتاز است. برآوردها نشان می‌دهد این برتری در برخی حوزه‌ها بین سه تا هشت ماه و از دید برخی کارشناسان نزدیک به یک سال است. چالش پنهان مدل‌های چینی؛ امنیت داده و وابستگی زیرساختی در کنار مزیت قیمتی مدل‌های چینی، یک نگرانی مهم نیز وجود دارد که بسیاری از کاربران به آن توجه کمتری می‌کنند: نحوه مدیریت داده‌ها. زمانی که کاربران مستقیماً از رابط‌های برنامه‌نویسی مدل‌های چینی استفاده می‌کنند، درخواست‌های آن‌ها از سرورهای مستقر در چین عبور می‌کند. این موضوع با توجه به قوانین اطلاعاتی چین، نگرانی‌هایی درباره دسترسی احتمالی دولت به داده‌ها ایجاد کرده است. به همین دلیل، برخی شرکت‌ها ترجیح می‌دهند مدل‌های چینی را روی سرورهای داخلی خود یا زیرساخت‌های مستقر در کشورهای دیگر اجرا کنند. همین مسئله باعث شد شرکت‌هایی مانند لیندزی مدل‌های چینی را روی سرورهای داخل آمریکا اجرا کنند تا داده‌ها مستقیماً به چین منتقل نشود. این رویکرد نشان می‌دهد مزیت هزینه‌ای مدل‌های چینی باید در کنار ملاحظات امنیتی و حریم خصوصی ارزیابی شود. رقابت بر سر مالکیت مدل‌ها وارد مرحله تازه‌ای شد رقابت میان شرکت‌های هوش مصنوعی تنها به هزینه و عملکرد محدود نیست؛ بلکه به مالکیت فناوری نیز کشیده شده است. آنتروپیک در گزارشی به سنای آمریکا اعلام کرده که آزمایشگاه کوئن از علی‌بابا یکی از بزرگ‌ترین حملات تقطیر مدل را انجام داده است. طبق این ادعا، حدود ۲۵ هزار حساب جعلی برای استخراج ۲۸.۸ میلیون تعامل از مدل کلاود استفاده کرده‌اند تا توانایی‌های استدلالی آن شبیه‌سازی شود. البته شرکت‌های آمریکایی نیز با انتقادهایی روبه‌رو هستند. آنتروپیک خود با شکایت شرکت‌های موسیقی درباره استفاده از اشعار دارای حق نشر در آموزش مدل‌های هوش مصنوعی مواجه شده است؛ موضوعی که نشان می‌دهد رقابت اخلاقی و حقوقی در این صنعت برای هر دو طرف پیچیده است سقف سخت‌افزاری چین و ریسک بزرگ سرمایه‌گذاران آمریکایی با وجود رشد سریع مدل‌های چینی، این کشور همچنان با یک محدودیت اساسی روبه‌رو است: دسترسی محدود به تراشه‌های پیشرفته هوش مصنوعی. بر اساس برآورد تحلیلگران، چین امسال تنها به حدود ۳۰۰ هزار تراشه پیشرفته هوش مصنوعی دسترسی خواهد داشت؛ در حالی که پردازنده‌های پیشرفته هواوی (Huawei) نیز از نظر توان پردازشی حدود ۶۰ درصد عملکرد تراشه H۱۰۰ انویدیا (Nvidia) را ارائه می‌کنند. در مقابل، آمریکا همچنان حدود ۷۴ درصد از ظرفیت پردازشی پیشرفته هوش مصنوعی جهان را در اختیار دارد. این اختلاف نشان می‌دهد رقابت هوش مصنوعی هنوز به‌طور کامل به نفع چین تغییر نکرده است. در شرایط فعلی، بازار به دو مسیر متفاوت تقسیم شده است؛ شرکت‌های چینی روی ارائه هوش مصنوعی ارزان، گسترده و قابل دسترس تمرکز کرده‌اند، در حالی که شرکت‌های آمریکایی همچنان مدل‌های پیشرفته‌تر و پردرآمدتر را هدف گرفته‌اند. شرط‌بندی تریلیون دلاری آمریکا روی آینده هوش مصنوعی این شکاف برای سرمایه‌گذاران اهمیت زیادی دارد، زیرا آمریکا بخش بزرگی از آینده هوش مصنوعی را بر پایه مدل‌های گران‌قیمت و زیرساخت‌های عظیم بنا کرده است. ابرشرکت‌های فناوری آمریکا (Hyperscalers) قرار است تنها در سال جاری بیش از ۷۲۵ میلیارد دلار برای توسعه زیرساخت‌های هوش مصنوعی هزینه کنند؛ رقمی که حدود ۷۷ درصد بیشتر از سال گذشته است. گلدمن ساکس (Goldman Sachs) نیز پیش‌بینی کرده که هزینه‌های سرمایه‌ای این شرکت‌ها تا سال ۲۰۲۷ از مرز یک تریلیون دلار در سال عبور کند. با این حال، شرکت سکویا (Sequoia) پیش‌تر به شکافی حدود ۶۰۰ میلیارد دلاری میان هزینه‌های انجام‌شده و درآمد واقعی ایجادشده توسط هوش مصنوعی اشاره کرده است. این موضوع یک پرسش مهم برای بازار ایجاد می‌کند: اگر برتری مدل‌های آمریکایی تنها چند ماه جلوتر باشد و هم‌زمان بخش بزرگی از جهان به سمت زیرساخت‌های ارزان‌تر چینی حرکت کند، چه کسی هزینه این سرمایه‌گذاری عظیم را جبران خواهد کرد؟ برندگان و بازندگان جنگ هوش مصنوعی چه کسانی هستند؟ در نگاه نویسنده، برندگان اصلی این رقابت تا حد زیادی مشخص شده‌اند. آزمایشگاه‌های چینی با تمرکز بر مدل‌های ارزان و قابل استفاده گسترده، در حال ساخت لایه زیرساختی هستند که ممکن است بسیاری از محصولات هوش مصنوعی آینده روی آن توسعه پیدا کنند. در مقابل، آزمایشگاه‌های پیشرفته آمریکایی همچنان جایگاه خود را در بخش مدل‌های قدرتمند و پردازش‌های پیچیده حفظ کرده‌اند؛ بازاری که حاشیه سود بالاتری دارد و مشتریان حاضرند برای آن هزینه بیشتری پرداخت کنند. اما ریسک اصلی متوجه سرمایه‌گذارانی است که میلیاردها دلار برای توسعه این زیرساخت‌ها هزینه می‌کنند؛ به‌ویژه اگر فاصله تکنولوژیک آمریکا با رقبا کاهش یابد و مزیت فعلی آن‌ها به اندازه‌ای که تصور می‌شود پایدار نباشد. در نهایت، دوران فرض کردن برتری دائمی آمریکا در هوش مصنوعی به پایان نزدیک شده است. رقابت آینده شاید نه میان یک برنده مطلق، بلکه میان دو مدل متفاوت باشد: هوش مصنوعی پریمیوم و گران‌قیمت آمریکایی در برابر هوش مصنوعی ارزان و فراگیر چینی