- چین در حال بررسی ساخت یک شبکه ملی برای فروش زیرساختهای محاسباتی مازاد ناشی از انفجار بیت مراکز داده دولتی در سه سال گذشته است.
- هدف همکاری با سه اپراتور بزرگ مخابراتی برای اتصال و یکپارچهسازی دیتاسنترها تا سال ۲۰۲۸.
تحلیل عمیق:
- حرکت به سمت اقتصاد منابع محاسباتی مانند بازار برق یا نفت دیده میشود.
- چین با کاهش مازاد ظرفیت و مدیریت مرکزی استفاده از منابع، امکان ارائه سرویس AI محلی و صادرات محاسباتی را فراهم میآورد.
- این تحول نشاندهنده جهشی در استفاده از AI برای مدیریت منابع و افزایش کارایی کل اقتصاد دیجیتال است.
- نکته مهم برای ایران: هدفگذاری به سمت بهرهبرداری از مازاد محاسبات در مراکز داده و صادرات آن میتواند آیندهای با بازگشت اقتصادی مناسب پیشبینی کند.
اشباع مراکز داده و ظرفیت مازاد
- در سه سال اخیر، مقامات چین یک رشد انفجاری در ساخت مراکز داده دولتی و محلی را تشویق کردهاند؛ پروژه برجسته آنها، «دادههای شرقی، محاسبات غربی»، به توسعه عمده در استانهای غربی با انرژی ارزان اختصاص دارد.
- با وجود تکمیل بیش از ۷,۰۰۰ دیتاسنتر، نرخ استفاده عملی از ظرفیت کامپیوتری تنها حدود ۲۰–۳۰٪ برآورد میشود، یعنی اکثر مراکز عملاً بیکارند.
طرح چین برای شبکه ملی فروش محاسبات مازاد
- دولت چین و وزارت صنعت و اطلاعات فناوری (MIIT) طراحی طرحی را آغاز کردهاند برای ایجاد شبکهای یکپارچه برای فروش ظرفیت محاسباتی مازاد مراکز داده.
- این شبکه قرار است بستههای کامپیوتری را از دیتاسنترهای مختلف بهصورت سرویس ملی ابری به بازار عرضه کند، با هدف استانداردسازی و به اشتراکگذاری منابع تا سال ۲۰۲۸.
- شرکتهای دولتملی مثل China Mobile, Unicom, Telecom به همراه MIIT نقش توسعه زیرساخت و اتصال دیتاسنترها را بر عهده دارند.
رشد محاسبات: اعداد و گزارشها
- بر اساس گزارش CAICT، قدرت محاسباتی چین تا پایان سال ۲۰۲۴ به حدود ۲۸۰ EFLOPS رسیده است، و این عدد تا پایان ۲۰۲۵ به ۳۰۰ EFLOPS هدفگذاری شده است.
- سهم محاسبات مختص AI در این قدرت کلی تاکنون حدود ۳۰٪ بوده و هدف افزایش به ۳۵٪ تا ۲۰۲۵ است.
- بررسی مرکز پژوهش CAICT نشان میدهد که رشد سالانه محاسبات هوشمند حدود ۴۵٪ بوده است و هر یوان سرمایهگذاری در محاسبات، ۳ تا ۴ یوان به GDP افزوده است.
اهداف کلان این طرح برای چین
مطابقت با تحریمها: استفاده از فناوری بومی، مدیریت تراشهها و شبکه ساختاری تا حد امکان برای مقابله با محدودیتهای صادرات تراشههای پیشرفته آمریکا.
بهرهبرداری اقتصادی از مازاد زیرساخت: تبدیل مراکز بلااستفاده به منابع در دسترس تجاری برای شرکتهای خصوصی و دولتی.
رقابت با آمریکا: افزایش نقش چین در زنجیره جهانی AI و کاهش فاصله از ایالات متحده در محاسبات عظیم.
موانع و چالشهای کلیدی
| چالش | توضیح |
|---|---|
| ناهماهنگی سختافزاری | دیتاسنترها از تراشههای متنوعی استفاده میکنند (Nvidia H100, Huawei Ascend)، که هماهنگسازی را پیچیده میکند. |
| تاخیر شبکه و latency بالا | بسیاری مراکز کمجمعیت هنوز موفق به دستیابی به تأخیر زیر ۵ میلیثانیه نشدهاند که برای کاربردهای real‑time حیاتی است. |
| ظرفیت مازاد بلااستفاده | منابع گزارش میدهند تا ۸۰٪ مراکز هنوز استفاده نشده یا بدهکار هستند – مشابه «شهرهای رهاشده» اقتصادی چین. |
| هشدار رهبران سیاسی | رئیسجمهور Xi در هشدار اخیر خود نسبت به سرمایهگذاری بیشازحد در AI اعلام کرده است که ممکن است موجب حباب و ناکارآمدی اقتصادی شود. |
چشمانداز آینده و فرصتها
- تبدیل «محاسبه بهعنوان سرویس عمومی» به مشابه برق و آب؛ بنابراین دسترسی به قدرت محاسباتی عادیسازی میشود تا دهه آینده.
- برخی مراکز مانند China Telecom با قابلیت ۳۱۲ پتاFLOPS در پکن پایهگذاری شدهاند که خدمات AI را در سطح سازمانی فراهم میکنند.
- همکاری با بازیگرانی مثل Merit Interactive و SiliconFlow برای توسعه تخصصی تراشه و پردازش ابری تأیید شده است.
نتیجهگیری تحلیلی
چین با تجربه سرمایهگذاری هنگفت در مراکز داده و اکنون با راهاندازی شبکه فروش ظرفیت محاسباتی مازاد، در حال خلق یک بازار محاسباتی غیرمتمرکز اما یکپارچه است؛ این تحول در خدمت توسعه هوش مصنوعی و اقتصاد دیجیتال قرار دارد. باوجود خطرات ناشی از ظرفیت اضافی و چالشهای هماهنگسازی، برنامهریزی هوشمند ملی بر تولید اقتصادی و استفاده عملی از زیرساخت تأکید دارد. اگر این استراتژی موفق شود، چین ممکن است نقش مهمی در صادرات خدمات محاسباتی AI پیدا کند.
منابع کلیدی
- شبکه فروش محاسبات مازاد چین و اهداف سیاستگذاری MIIT و NDRC
- رشد قدرت محاسبات چین تا ۳۰۰ EFLOPS و سهم AI
- پروژه ساخت ۳۹ دیتاسنتر AI و تهیه هزاران GPU H100/H200
- هشدار Xi نسبت به سرمایهگذاری بیشازحد در AI و EV
بازار محاسباتی غیرمتمرکز یکپارچه (Integrated Decentralized Compute Market)
بازار محاسباتی غیرمتمرکز یکپارچه، یک زیرساخت توزیعشده و مبتنی بر بلاکچین یا سایر فناوریهای همتابههمتا (P2P) است که در آن منابع محاسباتی مانند CPU، GPU، حافظه، فضای ذخیرهسازی و حتی پهنای باند شبکه، از سوی افراد یا شرکتها ارائه شده و به صورت بازار آزاد و خودکار بین مصرفکنندگان و ارائهدهندگان معامله میشود.
ویژگی “یکپارچه بودن” به معنای وجود استانداردها و رابطهایی است که اجازه تعامل آسان، مقیاسپذیری، امنیت بالا و تعامل با سایر زیرساختهای ابری یا هوش مصنوعی را میدهد.
نقشه راه مرحلهبهمرحله راهاندازی بازار محاسباتی غیرمتمرکز یکپارچه
مرحله 1: طراحی مدل مفهومی و اکوسیستم
هدف: تدوین مدل اقتصادی، فنی و کاربری
| جزئیات | توضیح |
|---|---|
| تحلیل نیاز بازار | شناسایی مصرفکنندگان (AI، گیمینگ، رندرینگ، تحقیقات علمی) و ارائهدهندگان (افراد، دیتاسنترها، ماینرها) |
| تعریف نقشها | مصرفکننده، ارائهدهنده، نود تأییدگر، اپراتور قرارداد هوشمند |
| طراحی اقتصاد توکن | توکن بومی جهت پرداخت، تشویق به مشارکت و مدیریت سیستم |
| طراحی معماری | شامل اجزای: توزیع منابع، مدیریت امنیت، نظارت و SLA |
مرحله 2: توسعه MVP (نسخه اولیه قابل استفاده)
| جزئیات | توضیح |
|---|---|
| انتخاب فناوری | اتریوم / IPFS / Filecoin / Golem / Akash / WASM |
| پیادهسازی قرارداد هوشمند | قراردادهای اجاره، پرداخت، رأیگیری و داوری |
| پنل مصرفکننده | رابط گرافیکی برای درخواست منابع (مثلاً GPU برای رندر یا آموزش مدل) |
| پنل ارائهدهنده | داشبورد برای ثبت منابع، وضعیت، درآمد و گزارشها |
| مانیتورینگ اولیه | بررسی صحت اجرای تسکها با روشهای چکپوینت یا اثبات انجام کار (Proof of Execution) |
مرحله 3: زیرساخت امنیتی و مقیاسپذیری
| بخش | اقدام |
|---|---|
| امنیت اجرا | استفاده از محیطهای Secure Enclave، کانتینر، VM ایزوله |
| جلوگیری از تقلب | الگوریتمهای اجماع، اعتبارسنجی متقابل تسکها |
| توزیع منابع | الگوریتمهای تطبیقدهی پیشرفته برای انتخاب بهترین ارائهدهنده براساس Latency، قیمت، توان |
| شفافیت | استفاده از زنجیره بلوکی عمومی برای سوابق درخواست، پرداخت و شکایت |
مرحله 4: تست در محیط واقعی + توسعه جامعه
| اقدام | توضیح |
|---|---|
| همکاری آزمایشی با دانشگاهها / استارتاپها | ارائه منابع رایگان در فاز تست |
| ارائه API و SDK | جذب توسعهدهندگان برای اتصال اپها و سیستمها |
| لانچ عمومی تستنت | کاربران واقعی با توکن آزمایشی برای استفاده |
| گزارشگیری بازخورد | اصلاح بر مبنای مشکلات واقعی بازار (مثلاً نوسان منابع، قطعی نودها) |
مرحله 5: ورود رسمی به بازار و مقیاسپذیری
| حوزه | فعالیت |
|---|---|
| جذب ارائهدهنده | مشوقهای مالی، ابزار محلیسازی (مثلاً برای ایران یا کشورهای دیگر) |
| بازاریابی مصرفکننده | ارائه ارزانترین GPU-as-a-Service برای AI یا Web3 |
| اتصال به شبکههای سنتی | اتصال به Google Cloud / AWS با gateway های میانی |
| افزودن قابلیت رزرو بلندمدت | برای پروژههای سنگین تحقیقاتی یا آموزشی |
| راهاندازی بازار فرعی | مانند بازار فضای ذخیرهسازی، GPU فقط برای inference، و غیره |
مرحله 6: توسعه اکوسیستم جانبی و ماژولهای هوشمند
| ابزار | قابلیت |
|---|---|
| مدلهای AI داخلی | به اشتراکگذاری مدلهای آموزشدیده، inference-as-a-service |
| DAO حاکمیتی | تصمیمگیری شفاف درباره ارتقاءها، قیمتگذاری و تغییرات |
| Market analytics | داشبورد شفاف از منابع در دسترس، قیمت بازار، مصرفکنندگان فعال |
| راهکارهای SLA و داوری | حل اختلاف با سیستم رأیگیری یا آربیتراژ غیرمتمرکز |
مرحله 7: صادرات به بازارهای منطقهای
| کشورها | ایران، هند، ترکیه، کشورهای عربی |
| مزیت رقابتی | پلتفرم بومی با هزینه کمتر، عدم نیاز به زیرساخت دولتی، بدون تحریم، هماهنگ با ارز دیجیتال بومی |
| بومیسازی | داشبورد فارسی/عربی، درگاه پرداخت ریالی یا رمزارزی، قراردادهای بومی (تضمین کارکرد) |
کاربردهای کلیدی در ایران
| حوزه | استفاده |
|---|---|
| استارتاپهای AI | آموزش مدلها روی GPU با هزینه پایین |
| گیماستودیوها | رندرینگ انیمیشن یا صحنهها |
| مراکز علمی | پردازش دادههای تحقیقاتی، فیزیکی و ژنتیکی |
| سازمانهای دولتی | اجاره منابع داخلی برای خودشان یا شرکتهای دولتی |