سرمایهگذاری در هوش مصنوعی میتواند بهرهوری سرمایهگذاری در صنعت، کشاورزی و خدمات را چند برابر کند، اما هر هزینهای که برچسب هوش مصنوعی داشته باشد سرمایهگذاری مولد نیست. مقاله با مرور رقابت جهانی و برنامههای چندده یا چندصد میلیارد دلاری آمریکا، چین، امارات، عربستان و هند نشان میدهد که هوش مصنوعی به یکی از پیشرانهای اقتصادی قرن تبدیل شده است؛ با این حال نسخه هر کشور باید از مسئلهها، زیرساخت، نیروی انسانی و محدودیتهای همان کشور آغاز شود. برای ایران، تقلید از الگوی کشورهای ثروتمند و بدون تحریم میتواند به خریدهای نمایشی و داراییهای کماستفاده منجر شود.
نخستین حوزه، زیرساخت پردازشی است؛ ظرفیتی که کشور واقعاً به آن نیاز دارد، اما نباید به انباشت کارتهای بسیار گران H100 و H200 تقلیل یابد. بسیاری از کاربردهای صنعتی با تجهیزات ارزانتر اجرا میشوند و وابستگی کامل به یک نسل و سازنده، علاوه بر هزینه، خطر تحریم و ازکاراندازی را افزایش میدهد. پیشنهاد مقاله حرکت از GPU Farm یکدست به GPU Lake متنوع، استفاده از GPU Sharing و طراحی زیرساختی است که هم آموزش و هم استنتاج را با بهرهوری بالاتر پوشش دهد. لایه دوم، زیرساخت مهندسی و MLOps است؛ زیرا نبود جایگزینهایی برای AWS، GCP و Databricks باعث میشود بسیاری از مدلهای ایرانی در آزمایشگاه بمانند و هرگز به محصول پایدار تبدیل نشوند.
دو پایه دیگر، داده و انساناند. بدون حکمرانی و امنیت داده، آزادسازی دادههای ملی یا صنعتی میتواند به نشت و بیاعتمادی منجر شود؛ بنابراین معماری بدون اعتماد، سطوح دسترسی و سازوکارهای امن تبادل داده باید بخشی از سرمایهگذاری باشند. در سوی دیگر، مهمترین مزیت ایران سرمایه انسانی است، اما آموزش صرف الگوریتم کافی نیست. آموزش حل مسئله، مهندسی هوش مصنوعی، مدیران آگاه، مشوقهای ماندگاری متخصصان و اصلاح موانع بیمه و مالیات، بازدهی بیشتری از بعضی خریدهای سختافزاری دارند. مقاله در نهایت سرمایهگذاری را مجموعهای هماهنگ از پردازش، مهندسی، داده، نیروی انسانی، حسگرها، ارتباطات و نقشآفرینی بخش خصوصی میبیند؛ نه مسابقهای برای خرید بزرگترین خوشه پردازشی.
در سطح ارزیابی یک کسبوکار نیز همین پیوند میان فناوری، محصول و شواهد مالی اهمیت دارد؛ تجربهٔ طراحی عیار هومص برای استارتاپها و سرمایهگذاران به این بخش از مسئله میپردازد.
مطالعه نسخه کامل در پیوست ↗