هواوی سیستم محاسباتی AI رقیب Nvidia را معرفی کرد

هواوی در کنفرانس WAIC، سیستم CloudMatrix 384 را رونمایی کرد که با محصول سطح بالا Nvidia یعنی GB200 NVL72 رقابت می‌کند. این نسخه در ماه آوریل معرفی شده بود و متخصصان نیمه‌شناسی آن را قابل رقابت با سیستم‌های Nvidia دانستند.

تحلیل:

• هواوی گامی مهم در جهت کاهش وابستگی چین به GPUهای غربی برداشته است.
• توسعه سیستم‌های پیشرفته AI با تراشه‌های داخلی، فرصتی استراتژیک برای بازار چین ایجاد می‌کند.
• اگر عملکرد و مقیاس‌پذیری CloudMatrix تایید شود، احتمالا تأثیر قابل توجهی بر ساختار بازار جهانی GPUها خواهد داشت.

در ادامه، تحلیل جامع و دقیق از پیشنهاد چین برای تأسیس «سازمان جهانی همکاری هوش مصنوعی» ارائه می‌شود، همراه با بررسی تأثیر این پیشنهاد بر سیاست‌های ایران، مشارکت احتمالی کشور و پیشنهاد مدل حکمرانی متناظر برای ایران.

جزئیات پیشنهاد چین

در مراسم افتتاحیه اجلاس World AI Conference 2025 در شانگهای، لی چیانگ (نخست‌وزیر چین) پیشنهاد ایجاد یک سازمان بین‌المللی همکاری هوش مصنوعی را مطرح کرد که هدف آن:

• هماهنگی جهانی در قواعد حاکمیت، ایمنی و توسعه مسئولانه AI
• افزایش همکاری بین دولتها، شرکت‌ها و محققان
• تمرکز ویژه بر مشارکت کشورهای جهان جنوب (Global South) و بهبود دسترسی به AI برای همه

وزارت خارجه چین نیز یک «برنامه عملیاتی حکمرانی جهانی هوش مصنوعی» با ۱۳ بند منتشر کرد که شامل پیشنهادهایی برای چارچوب‌های گفتگو تحت UN، استانداردهای ایمنی، و مشارکت فناوری باز است.

این پیشنهاد به شفاف‌سازی تحریم‌ها بر تراشه‌های پیشرفته و نگرانی چین از کنترل فناوری AI توسط چند کشور یا شرکت محدود اشاره دارد و هدف از آن ایجاد سازمانی با حضور گسترده و اجماع بین‌المللی است.

تأثیر بر سیاست‌های ایران: فرصت‌ها و چالش‌ها

✔️ فرصت‌ها

1. ورود به یک نهاد جهانی از مراحل اولیه:
   ایران می‌تواند با مشارکت در این سازمان، نقش فعالی در تدوین استانداردها داشته باشد و ارتباط خود را با کشورهای دیگر توسعه دهد.
2. دستیابی به فناوری‌های باز (Open-source):
   چین تمایل دارد فناوری‌هایی مانند LLMهای DeepSeek و Alibaba را برای کشورهای جهان جنوب در دسترس قرار دهد. ایران می‌تواند از این اکوسیستم بهره‌مند شود.
3. کاهش ریسک تحت تحریم تکنولوژیک:
   عضو شدن در چنین ساختاری می‌تواند تعامل فناوری ایران با چین، روسیه و هند را تسهیل کند و از تحریم‌های تک‌جانبه فناوری بگریزد.

⚠️ چالش‌ها

• نابرابری قدرت مذاکرات:
  ایران در برابر قدرت‌های فناوری چون چین و آمریکا کمتر نفوذ دارد و ممکن است نقش تعیین‌کننده‌ای نداشته باشد.
• تناقض با پایگاه‌های فنی داخلی:
  فناوری ایرانی ممکن است تفاوت سطح داشته باشد و ادغام استانداردها نیازمند تطبیق فنی جدی است.

مدل حکمرانی پیشنهادی برای مشارکت ایران

۱. تدوین چشم‌انداز ملی

• تعیین اهداف شفاف: توسعه AI برای رفاه عمومی، حاکمیت آنلاین، آموزش و سلامت.
• پیشنهاد ایران برای نمایندگی کشورهای منطقه در GAIC (Global AI Cooperation Organization).

۲. تشکیل کمیته‌های تخصصی مشترک:

• حوزه‌هایی چون امنیت AI، استانداردهای اثربخشی زبان فارسی، و اخلاق AI با حضور دانشگاه‌ها، صنعت و دولت.

۳. ساختار قرارداد و تعهداتی:

• امضای مفاد همکاری با چین و کشورهای همسو برای انتقال فناوری و داده تحت چارچوب‌های قانونی

۴. ایجاد نهاد نظارت داخلی:

• نظارت ملی بر استانداردهای جهانی و انطباق آن با سیاست‌های فرهنگی، قانونی ایران.

۵. توسعه ظرفیت‌های تحقیقاتی همسو:

• برنامه مشترک ارائه پروژه‌های AI فارسی، آموزش نیروی متخصص، و ایجاد همکاری پژوهشی منطقه‌ای.

۶. مکانیسم تضمین تعهد:

• تامین وابستگی متقابل با بازبینی دوره‌ای سیاست‌ها و انتشار گزارش سالانه عملکرد.

جمع‌بندی تحلیلی

• پیشنهاد چین نشانه‌ای از تغییر حیاتی در حکمرانی جهانی AI است که فرصتی برای ایران به منظور مشارکت استراتژیک فراهم می‌کند.
• ایران می‌تواند با طراحی حکمرانی متناظر، نفوذ منطقه‌ای، تبادل فناوری و استقلال نسبی در حکمرانی دیجیتال را تقویت کند.
• ادامه مشارکت موثر نیازمند تدوین ساختار رسمی داخلی، برنامه‌های پژوهشی مستحکم و ایجاد ارتباطی مستقیم با کشورهای هم‌تراز است.

شرکت Huawei در اجلاس جهانی هوش مصنوعی (WAIC 2025) در شانگهای، سیستم محاسباتی CloudMatrix ۳۸۴ را رونمایی کرد که در بسیاری معیارها با سیستم Nvidia GB200 NVL72 رقابت می‌کند.

این سیستم شامل ۳۸۴ تراشه Ascend 910C است، در حالی که سیستم Nvidia شامل فقط ۷۲ تراشه B200 است. اگرچه تراشه‌های Huawei توان هر واحد پایین‌تر دارند، طراحی سطح سیستم آن‌ها را قادر می‌سازد عملکرد کلی بهتری ارائه دهند.

مشخصات کلیدی و عملکرد فنی

▶️ ۱. قدرت محاسباتی

• CloudMatrix 384 توان محاسباتی ۳۰۰ PFLOP BF16 ارائه می‌دهد، در مقابل ~۱۸۰ PFLOP در NVL72 Nvidia.

• این اختلاف ناشی از تعداد بیشتر تراشه‌ها (۵ برابر) و طراحی شبکه ارتباطی با پهنای باند بالا است.

حافظه و پهنای باند

• ظرفیت حافظه مجموع ۳.۶ برابر بیشتر از Nvidia و پهنای باند حافظه تقریباً ۲.۱ برابر آن است.

مصرف انرژی و کارایی

• مصرف کل سیستم حدود ۵۵۹ کیلووات است، تقریباً ۴ برابر مصرف NVL72.

• بهره‌وری مصرف برق تقریباً ۲.۳ برابر کمتر است؛ با این وجود در چین که برق ارزان و به‌وفور است، این موضوع چندان بحرانی نیست.

معماری ارتباطات

• معماری طراحی «supernode» با اتصال all-to-all نوری بین تراشه‌ها از طریق ۶,۹۱۲ ماژول نوری ۴۰۰G SiPh LPO در شبکه‌ای گسترده استفاده می‌کند.

قیمت و پیاده‌سازی

• هر سیستم CloudMatrix 384 قیمتی معادل ۸ میلیون دلار دارد (۳ برابر بیشتر از سیستم NVL72).

• این سیستم در مرکز داده‌های Huawei در شهر Wuhu و سایر مناطق چین مستقر شده و چند شرکت بزرگ چینی آن را راه‌اندازی کرده‌اند.

جدول مقایسه‌ای CloudMatrix 384 و Nvidia GB200 NVL72

تحلیل استراتژیک و فناوری

• بازتاب استراتژیک: Huawei با رونمایی این سیستم، گامی اساسی برای کاهش وابستگی به فناوری غربی برداشته است، به‌ویژه پس از تحریم‌های سخت‌افزاری امریکا علیه این شرکت.

• تحلیل عملکرد: اگرچه تراشه‌های Ascend ضعیف‌تر از Nvidia هستند، استفاده از معماری scale-up و شبکه اپتیکی باعث شده تا در برخی معیارها کل سیستم بتواند برتری داشته باشد.

• موانع: مصرف بالا، نیاز به خنک‌سازی پیشرفته، قیمت بزرگ، وابستگی به زنجیره تأمین جهانی برای برخی قطعات (مثلاً حافظه HBM و waferها) که از طریق تامین‌کننده‌های ثالث مدیریت می‌شود.

• رقابت آینده: شرکت‌های دیگر چینی مثل Cambricon و حتی آمریکا تلاش دارند معماری مشابهی عرضه کنند؛ البته Nvidia همچنان در اکوسیستم توسعه AI و نرم‌افزار (CUDA، ابزار ML) با مزیت رقابتی باقی می‌ماند.

جمع‌بندی

• Huawei با سیستم CloudMatrix ۳۸۴ به‌عنوان یک زیرساخت scale-up AI، توانسته در برخی معیارها رقیب Nvidia باشد.

• مدل فناوری آن بر اساس مقیاس‌افزایی تراشه‌ها و ارتباطات نوری با پهنای باند بالا استوار است.

• در حالی که مصرف انرژی بالاتر و کارایی پایین‌تر نسبت به برق قابل توجه است، جایگزینی بومی برای Nvidia در بازار چین محسوب می‌شود.

• این توسعه نشان‌دهنده قدرت چین در طراحی سیستم کلی (system-level engineering) برای مقابله با محدودیت‌های سخت‌افزاری است و گامی برداشته در خودکفایی فناوری AI.