قوانین تراشه در سراسر دنیا
در حومۀ شهر فینیکس[۱]، دو شرکت از بزرگ‌ترین تولیدکنندگان تراشۀ جهان، شرکت ساخت نیمه‌هادی تایوان[۲] و شرکت اینتل[۳]، در حال رقابت برای ساخت مکان‌هایی در بیابان هستند و امیدوارند که مراکز قدرتی برای تولید تراشه‌های آمریکایی شوند. یکی از مشترکات این تلاش‌ها تأمین منبع مالی آنهاست: در ماه مارس، رئیس‌جمهور جو بایدن[۴] اعلام کرد که ۸.۵ میلیارد دلار از بودجۀ مستقیم فدرال و ۱۱ میلیارد دلار تسهیلات تسهیمی برای توسعۀ شرکت اینتل در سراسر کشور تخصیص می‌یابد. چند هفته بعد ۶,۶ میلیارد دلار دیگر برای شرکت تی‌اس‌ام‌سی تخصیص داده شد.
این جوایز تنها بخشی از یارانه‌های ایالات متحده است که از طریق قانون تراشه و علم امضا شده در سال ۲۰۲۲ با ارزش ۲۸۰ میلیارد دلار به صنعت تراشه جاری شده‌اند. این پول به معنای این است که هر شرکتی که در اکوسیستم نیمه‌رسانا حضور دارد، در حال تجزیه‌وتحلیل چگونگی بازسازی زنجیره‌های تأمین خود برای بهره‌مندی از این پول نقد است. درحالی‌که هدف عمدۀ این پول تقویت تولید تراشه‌های آمریکایی است، اما فضا برای درخواست سایر بازیگران از سازندگان تجهیزات تا نوآوران مواد تخصصی وجود دارد.
اما ایالات متحده تنها کشوری نیست که سعی در داخلی کردن بخشی از زنجیرۀ تأمین تولید تراشه دارد. ژاپن به‌تنهایی در حال صرف هزینۀ ۱۳ میلیارد دلاری معادل با قانون تراشه است. اروپا بیش از ۴۷ میلیارد دلار هزینه خواهد کرد و در اوایل سال جاری هند ۱۵ میلیارد دلار برای ساخت کارخانه‌های تراشۀ محلی تخصیص داد. به گفتۀ کریس میلر[۵]، استاد دانشگاه تافتس[۶] و نویسندۀ کتاب «جنگ تراشه؛ نبرد بر سر مهم‌ترین تکنولوژی جهان»، ریشۀ این روند به سال ۲۰۱۴ برمی‌گردد، زمانی که چین شروع به ارائۀ یارانه‌های زیادی به سازندگان تراشه خود کرد.
در حال حاضر، بیشتر تعاملات ما با مدل‌های هوش مصنوعی مانند چت‌جی‌پی‌تی از طریق ابر انجام می‌شود. این به این معناست که زمانی که شما از جی‌پی‌تی می‌خواهید که یک لباس برایتان انتخاب کند یا به‌عنوان دوست شما عمل کند، درخواست شما به سرورهای شرکت اوپن‌ای‌آی انتقال داده می‌شود و مدل مستقر در آنجا را ترغیب می‌کند که پیش از ارسال پاسخی به شما آن را پردازش و نتیجه‌گیری کند که به آن استنتاج می‌گویند.
او می‌گوید: این امر پویایی ایجاد کرد که در آن سایر دولت‌ها به این نتیجه رسیدند که چاره‌ای جز ارائۀ مشوّق‌ها یا دیدن شرکت‌ها برای انتقال تولید به چین ندارند. این تهدید همراه با افزایش هوش مصنوعی، دولت‌های غربی را به سرمایه‌گذاری برای جایگزین‌ها سوق داده است. این اتفاق ممکن است در سال آینده اثر گلوله‌برفی داشته باشد و حتی کشورهای بیشتری برنامه‌های خود را از ترس عقب ماندن شروع کنند. میلر می‌گوید بعید است که این پول منجر به رقبای جدید برای تولید تراشه بشود یا اساساً ساختار اصلی بزرگ‌ترین بازیگران تراشه را تغییر دهد. در عوض، بیشتر بازیگران مسلط مانند شرکت تی‌اس‌ام‌سی را به تأسیس شاخص‌ها در کشورهای مختلف تشویق می‌کند؛ اما بودجه به‌تنهایی برای انجام سریع این کار کافی نخواهد بود. تلاش تی‌اس‌ام‌سی برای ساخت کارخانه در ایالت آریزونا در دیرکردها و دعاوی کارگری غرق شده است و شرکت اینتل نیز به همین ترتیب نتوانسته است به زمان‌بندی‌های وعده‌داده‌شدۀ خود تحقق ببخشد و معلوم نیست زمانی که کارخانه‌ها به‌صورت آنلاین آماده می‌شوند، تجهیزات و نیروی کار آنها قابلیت موازی‌سازی با تراشه‌سازی پیشرفته‌ای که شرکت‌ها در خارج حفظ می‌کنند را داشته باشند.
میلر می‌گوید: «زنجیرۀ تأمین تنها به‌آرامی در طول سال‌ها و دهه‌ها تغییر خواهد کرد، اما در حال تغییر است.»
هوش مصنوعی بیشتر در لبه
در حال حاضر، بیشتر تعاملات ما با مدل‌های هوش مصنوعی مانند چت‌جی‌پی‌تی از طریق ابر انجام می‌شود. این به این معناست که زمانی که شما از جی‌پی‌تی می‌خواهید که یک لباس برایتان انتخاب کند یا به‌عنوان دوست شما عمل کند، درخواست شما به سرورهای شرکت اوپن‌ای‌آی انتقال داده می‌شود و مدل مستقر در آنجا را ترغیب می‌کند که پیش از ارسال پاسخی به شما آن را پردازش و نتیجه‌گیری کند که به آن استنتاج می‌گویند. تکیه بر فضای ابری دارای اشکالاتی است؛ از یک سو نیاز به دسترسی به اینترنت دارد و از طرفی به این معناست که برخی از داده‌های شما با سازندۀ مدل به اشتراک گذاشته می‌شود.
به همین دلیل، توجه و سرمایه‌گذاری زیادی به محاسبات لبه برای هوش مصنوعی شده است، جایی که فرایند ارسال پیغام به مدل هوش مصنوعی مستقیماً روی دستگاه شما مانند لپ‌تاپ یا گوشی هوشمند اتفاق می‌افتد. با صنعت در حال پیشرفت به سمت آینده‌ای می‌رویم که در آن مدل‌های هوش مصنوعی همه‌چیز را دربارۀ ما می‌دانند. تقاضا برای تراشه‌های لبۀ سریع‌تری که بتوانند مدل‌ها را بدون اشتراک‌گذاری اطلاعات خصوصی اجرا کنند، وجود دارد. (سم آلتمن[۷] برنامۀ هوش مصنوعی قاتل خود را برای من توصیف کرد، به‌عنوان کسی که کاملاً هر چیزی را در مورد کل زندگی من، هر ایمیل و هر گفتگویی که تاکنون داشته‌ام می‌داند.) این تراشه‌ها با محدودیت‌های متفاوتی نسبت به تراشه‌های موجود در مراکز داده مواجه هستند. غالباً باید کوچک‌تر، ارزان‌تر و از نظر انرژی کارآمدتر باشند.09
