در یک مرکز داده در کالیفرنیا، جایی میان هزاران سرو، مهندسی دستش را بر یکی از شاسی‌های خاکستری می‌گذارد. چراغ سبز کوچکی روی تراشه‌ای می‌درخشد که در هر ثانیه تریلیون‌ها محاسبه انجام می‌دهد. همان تراشه‌ای که به هوش مصنوعی قدرت تفکر، خلق تصویر و نوشتن می‌دهد. هم‌زمان در آن‌سوی اقیانوس آرام، در شانگهای، گروهی دیگر از مهندسان با اضطراب به نسخه‌ای ابتدایی از همان تراشه نگاه می‌کنند؛ تراشه‌ای که فناوری ساخت آن برایشان ممنوع است.

در این سکوت فلزی، جنگی جریان دارد که هیچ انفجاری ندارد، اما مسیر تمدن دیجیتال را تعیین می‌کند: جنگ تراشه‌ها.

امروز نبرد برای سلطه بر تراشه‌های هوش مصنوعی (AI Chips) به مهم‌ترین رقابت اقتصادی و ژئوپولیتیکی جهان بدل شده است. هر کشوری که کنترل این سیلیکون‌های ظریف را به‌دست آورد، عملاً کنترل مغزهای دیجیتال آینده را نیز به چنگ می‌آورد. این تراشه‌ها دیگر صرفاً ابزار پردازش نیستند، بلکه نماد قدرت ملی، استقلال فناورانه و حتی امنیت جهانی‌اند.

۱. معماری تراشه‌های سطح بالا؛ جایی که سیلیکون به ذهن تبدیل می‌شود

تراشه‌های پیشرفته‌ای که امروزه در سرورهای هوش مصنوعی به کار می‌روند، بر پایهٔ معماری‌های ترکیبی طراحی شده‌اند. در هستهٔ آن‌ها مجموعه‌ای از میلیاردها ترانزیستور وجود دارد که در قالب واحدهای محاسباتی موازی سازمان یافته‌اند. برخلاف پردازنده‌های مرکزی (CPU) که برای اجرای متوالی دستورها ساخته شده‌اند، تراشه‌های سطح بالا مانند واحدهای پردازش گرافیکی (GPU) یا واحدهای پردازش تانسور (TPU) به‌صورت انبوه و هم‌زمان محاسبه می‌کنند.

این تراشه‌ها بر اساس معماری‌هایی مانند CUDA از انویدیا یا Tensor Architecture از گوگل طراحی شده‌اند که برای یادگیری عمیق بهینه‌سازی شده‌اند. هر GPU شامل هزاران هستهٔ محاسباتی است که می‌تواند به‌طور موازی ماتریس‌ها و بردارهای بزرگ را ضرب کند؛ کاری که اساس الگوریتم‌های یادگیری عمیق است.

در معماری تراشه‌های هوش مصنوعی 3 اصل رعایت شده: موازی‌سازی شدید، حافظهٔ پهن‌باند (High Bandwidth Memory) و مصرف انرژی بهینه. در این سطح، هر میلی‌متر مربع سیلیکون مانند یک میدان نبرد است که در آن سرعت، حرارت و هزینه باید در تعادلی شکننده بمانند.

۲. نقش GPU، TPU و NPU در یادگیری عمیق

وقتی مدلی مانند GPT یا Gemini اجرا می‌شود، پشت‌صحنهٔ آن هزاران تراشه در حال پردازش هم‌زمان میلیاردها پارامتر است. این عملیات توسط سه نوع اصلی از تراشه‌ها انجام می‌شود: GPU، TPU و NPU.

GPUها توسط شرکت‌هایی مانند انویدیا و AMD توسعه یافته‌اند و توانایی خارق‌العاده‌ای در انجام محاسبات موازی دارند.

TPUها (تراشه‌های اختصاصی گوگل) برای پردازش شبکه‌های عصبی طراحی شده‌اند و برخلاف GPU، به‌جای قابلیت عمومی، برای عملیات خاص یادگیری عمیق تنظیم شده‌اند.

NPUها یا Neural Processing Units نسل تازه‌ای از تراشه‌ها هستند که برای دستگاه‌های لبه‌ای (Edge Devices) مانند گوشی‌های هوشمند طراحی شده‌اند و وظیفهٔ اجرای مدل‌های فشردهٔ هوش مصنوعی را در محل دارند.

در کنار این سه، نوع چهارمی از تراشه‌ها با نام ASIC (Application-Specific Integrated Circuit) نیز وجود دارد که برای یک وظیفهٔ خاص مثل تشخیص تصویر یا ترجمهٔ گفتار طراحی می‌شود. این روند نشان می‌دهد که مسیر توسعهٔ هوش مصنوعی از تراشه‌های عمومی به سمت تراشه‌های اختصاصی در حرکت است؛ همان‌گونه که ذهن انسان نیز برای وظایف خاص نواحی متفاوتی دارد.

۳. تراشه‌های نسل کنونی در سرورهای هوش مصنوعی

در حال حاضر، پنج تراشهٔ اصلی بازار محاسبات هوش مصنوعی را در دست دارند. در صدر آن‌ها Nvidia H100 Hopper GPU قرار دارد که قلب بسیاری از مراکز داده در OpenAI، Microsoft Azure و Google Cloud است. این تراشه بر پایهٔ فناوری ساخت ۴ نانومتری شرکت TSMC ساخته شده و شامل ۸۰ میلیارد ترانزیستور است. H100 قادر است بیش از ۳۰ ترافلاپ (TFLOPS) محاسبهٔ ممیز شناور را در هر ثانیه انجام دهد.

در کنار آن، AMD MI300X با حافظهٔ عظیم ۱۹۲ گیگابایتی HBM3 در حال تبدیل شدن به رقیب جدی انویدیاست. گوگل نیز با TPU v5 نشان داده که در ساخت تراشه‌های سفارشی به بلوغ رسیده است. در فضای ابری آمازون، تراشه‌های Trainium2 و Inferentia2 در حال جایگزینی GPUهای کلاسیک‌اند تا وابستگی این شرکت به انویدیا کاهش یابد.

تفاوت کلیدی میان این تراشه‌ها در توازن میان توان پردازشی، پهنای باند حافظه و مصرف انرژی نهفته است. هرچه تعداد ترانزیستور بیشتر می‌شود، مسئلهٔ گرما و انتقال داده بحرانی‌تر می‌شود؛ چالشی که طراحی سیستم‌های خنک‌کنندهٔ مایع را به بخش جدایی‌ناپذیر مراکز داده تبدیل کرده است.

۴. نسل آیندهٔ تراشه‌های هوش مصنوعی (۲۰۲۵–۲۰۲۶)

افق دو سال آینده دگرگونی عمیقی در دنیای تراشه‌ها رقم خواهد زد. انویدیا با معرفی معماری Blackwell (B100/B200) وعده داده قدرت پردازش را تا پنج برابر H100 افزایش دهد. این تراشه‌ها از فناوری chiplet بهره می‌برند؛ روشی که در آن چند تراشهٔ کوچک‌تر با ارتباط پرسرعت به‌صورت یک پردازندهٔ واحد عمل می‌کنند.

در سوی دیگر، AMD نسل بعدی MI400 را در دست توسعه دارد که با استفاده از طراحی سه‌بعدی و حافظهٔ انباشته، به رقابتی مستقیم با Blackwell می‌رود. اینتل نیز با Gaudi3 می‌کوشد دوباره وارد بازار یادگیری عمیق شود.

اما شاید مهم‌ترین تحول در شرق آسیا رقم بخورد، جایی که شرکت‌های چینی مانند Huawei و Biren با وجود محدودیت‌های صادراتی، در تلاش‌اند تراشه‌های اختصاصی خود مانند Ascend 910C را بر پایهٔ لیتوگرافی ۷ نانومتری داخلی توسعه دهند. هرچند این تراشه‌ها هنوز از رقبای غربی عقب‌اند، اما نشانه‌ای از آغاز رقابت سیلیکونی مستقل چین هستند.

در مجموع، نسل آیندهٔ تراشه‌ها نه فقط سریع‌تر، بلکه هوشمندتر خواهند بود؛ یعنی می‌توانند خود، فرایند یادگیری مدل را تطبیق دهند و منابع را بهینه مصرف کنند.

۵. تراشه به‌عنوان سلاح ژئوپولیتیکی

در دهه‌های گذشته، نفت و گاز مهم‌ترین ابزار نفوذ ژئوپولیتیک بودند، اما در قرن بیست‌ویکم، تراشه‌ها به جای آن نشسته‌اند. کشوری که کنترل فناوری ساخت تراشه‌های زیر ۵ نانومتر را در اختیار دارد، در واقع کل زنجیرهٔ قدرت محاسباتی جهان را کنترل می‌کند.

امروز تقریباً تمام تراشه‌های پیشرفته در کارخانه‌های TSMC (Taiwan Semiconductor Manufacturing Company) در تایوان ساخته می‌شوند. این تمرکز جغرافیایی نوعی «نقطهٔ آسیب جهانی» ایجاد کرده است. ایالات متحده با اجرای قانون CHIPS Act میلیاردها دلار سرمایه برای بازگشت تولید به خاک خود اختصاص داده و اروپا نیز برنامهٔ مشابهی را آغاز کرده است.

در مقابل، چین به‌دنبال خودکفایی در زنجیرهٔ تأمین نیمه‌هادی است تا در صورت تشدید تحریم‌ها، صنعت فناوری‌اش فلج نشود. به همین دلیل، نبرد تراشه‌ها دیگر فقط رقابت صنعتی نیست؛ بلکه معادل دیجیتال جنگ سرد جدید است.

۶. چرا ساخت تراشه‌های پیشرفته این‌قدر دشوار است؟

ساخت تراشه‌های هوش مصنوعی در مقیاس نانومتری یکی از پیچیده‌ترین فرآیندهای مهندسی در تاریخ بشر است. هر تراشه از میلیاردها ترانزیستور تشکیل شده که فاصلهٔ میان آن‌ها گاه کمتر از یک‌صدهزارم قطر موی انسان است. برای تولید چنین ساختارهایی، فناوری لیتوگرافی فرابنفش بسیار دقیق (EUV Lithography) به کار می‌رود؛ سیستمی که پرتوهایی با طول موج ۱۳٫۵ نانومتر را برای ترسیم الگو روی ویفر سیلیکونی استفاده می‌کند.

در حال حاضر، تنها یک شرکت در جهان توانایی تولید ماشین‌های EUV را دارد: ASML از هلند. هر دستگاه بیش از ۲۰۰ میلیون دلار قیمت دارد و از بیش از ۴۵۰ هزار قطعه تشکیل شده است. این سیستم‌ها با دقتی در حد اتم کار می‌کنند و کوچک‌ترین نوسان دمایی یا ارتعاش می‌تواند یک ویفر چندمیلیون‌دلاری را از بین ببرد.

چالش فقط در طراحی نیست، بلکه در فیزیک مواد نیز نهفته است. رسانایی، اتلاف حرارت، ناپایداری کوانتومی و استحکام لایه‌های اتمی، همه باید در تعادلی کامل باشند. در حقیقت، هر تراشهٔ موفق نتیجهٔ زنجیره‌ای از نوآوری‌های موازی است که اگر یکی از آن‌ها شکست بخورد، کل پروژه از کار می‌افتد.

۷. فناوری‌های محدودکننده و دلیل عقب‌ماندگی چین

محدودیت چین در ساخت تراشه‌های پیشرفته تنها مسئلهٔ اقتصادی نیست، بلکه به دسترسی محدود به فناوری‌های کلیدی بازمی‌گردد. چین توانسته است با شرکت SMIC به لیتوگرافی ۷ نانومتری برسد، اما هنوز در فناوری‌های زیر ۵ نانومتر عقب است. علت این شکاف، نبود ماشین‌های EUV است که صادرات آن‌ها به چین از سوی دولت‌های غربی ممنوع شده است.

اما محدودیت فقط در ابزار نیست. زنجیرهٔ جهانی تولید تراشه از صدها فناوری انحصاری تشکیل شده است: نرم‌افزارهای طراحی مانند Cadence و Synopsys در آمریکا، مواد شیمیایی ژاپنی مانند فوتورزیست‌ها، و تجهیزات تست و بسته‌بندی کره‌ای. چین ممکن است بخش‌هایی از این زنجیره را بازتولید کند، اما هماهنگی کامل میان آن‌ها سال‌ها زمان می‌برد.

در نتیجه، شرکت‌های چینی مجبورند با نسل قدیمی‌تر فناوری کار کنند. آن‌ها می‌توانند تراشه‌های کاربردی تولید کنند، اما از نظر توان محاسباتی و بهره‌وری انرژی هنوز چند نسل عقب‌ترند. بنابراین شکاف میان شرق و غرب بیشتر ناشی از محدودیت فناوری است تا نبود سرمایه یا اراده.

۸. همکاری و تقسیم کار در زنجیرهٔ جهانی نیمه‌هادی‌ها

هیچ کشوری به‌تنهایی قادر به تولید کامل تراشه نیست. زنجیرهٔ تولید نیمه‌هادی‌ها به چهار بخش تقسیم می‌شود: طراحی (Design)، ساخت (Foundry)، بسته‌بندی (Packaging) و آزمون (Testing).

ایالات متحده و بریتانیا در طراحی پیشتازند؛ شرکت‌هایی مانند NVIDIA، AMD و ARM مغز تراشه‌ها را می‌سازند. تایوان و کرهٔ جنوبی تخصص تولید در مقیاس نانومتری را دارند. ژاپن مواد خام و ابزارهای نوری فراهم می‌کند و هلند با ASML مرکز فناوری لیتوگرافی جهان است.

این تقسیم کار جهانی نوعی وابستگی متقابل ایجاد کرده است که هم مزیت دارد و هم آسیب‌پذیری. از یک‌سو، هر کشور مجبور است با دیگری همکاری کند و از سوی دیگر، تمرکز بیش از حد تولید در شرق آسیا ریسک ژئوپولیتیکی ایجاد کرده است.

به همین دلیل، کشورها اکنون در حال بازتعریف زنجیره‌اند: آمریکا با قانون CHIPS Act، اتحادیهٔ اروپا با EU Chips Initiative و ژاپن با طرح سرمایه‌گذاری مشترک در کارخانه‌های جدید TSMC Kumamoto. آیندهٔ تراشه‌ها به‌سوی چندمرکزی‌شدن (Multinodal Supply Chain) پیش می‌رود تا وابستگی به یک منطقه کاهش یابد.

۹. جاسوسی صنعتی و رقابت سایه‌ای میان قدرت‌ها

رقابت تراشه‌ای مدت‌هاست از مرز بازار فراتر رفته و به عرصهٔ جاسوسی صنعتی وارد شده است. گزارش‌ها نشان می‌دهند که سرقت داده‌های طراحی تراشه، الگوریتم‌های کنترل تولید و حتی کدهای میکروفریم‌ورک به شکل مکرر هدف حملات سایبری قرار می‌گیرند.

در سال‌های اخیر، چندین پرونده مربوط به انتقال غیرقانونی فناوری از شرکت‌های آمریکایی و هلندی به مؤسسات چینی مطرح شده است. در مقابل، دولت چین نیز شرکت‌های غربی را به جاسوسی فناوری‌های داخلی متهم کرده است. این وضعیت باعث شده مرز میان رقابت اقتصادی و عملیات اطلاعاتی از بین برود.

در سطح سیاسی، ایالات متحده «اتحاد نیمه‌هادی» میان خود، ژاپن، کره و تایوان تشکیل داده تا از تبادل فناوری با چین جلوگیری کند. چین نیز با برنامهٔ Made in China 2025 می‌کوشد با سرمایه‌گذاری عظیم در پژوهش داخلی از این محاصرهٔ فناورانه خارج شود.

در واقع، تراشه‌ها به ابزاری در بازی بزرگ قدرت تبدیل شده‌اند؛ همان‌طور که در قرن گذشته سلاح هسته‌ای توازن قدرت را تعیین می‌کرد، امروز بیت‌ها و ترانزیستورها چنین نقشی دارند.

۱۰. آیندهٔ رقابت جهانی تراشه‌های هوش مصنوعی

آیندهٔ جنگ تراشه‌ها ترکیبی از رقابت فناورانه و استراتژی اقتصادی خواهد بود. شرکت‌ها در تلاش‌اند تراشه‌هایی بسازند که هم توان بالاتری داشته باشند و هم انرژی کمتری مصرف کنند، زیرا بحران انرژی مراکز داده به مسئله‌ای جهانی تبدیل شده است.

در افق ۲۰۲۶ به بعد، فناوری‌های تراشه‌های سه‌بعدی (3D Stacked Chips) و اتصال نوری درون تراشه‌ای (Optical Interconnect) می‌توانند مسیر را عوض کنند. این فناوری‌ها با استفاده از نور به‌جای الکترون، سرعت انتقال داده را چند برابر می‌کنند. در کنار آن، ترکیب تراشه‌های کلاسیک با شتاب‌دهنده‌های کوانتومی (Quantum Accelerators) مسیر تازه‌ای در محاسبات باز می‌کند.

در سطح ژئوپولیتیک، بعید است ایالات متحده و چین در آیندهٔ نزدیک به تعادلی پایدار برسند. به‌احتمال زیاد، جهان وارد دو اکوسیستم موازی تراشه‌ای خواهد شد: یکی با محوریت آمریکا، تایوان و ژاپن، و دیگری با محوریت چین و روسیه.
این دو نظام، نه‌تنها از نظر فنی، بلکه از نظر ایدئولوژیک نیز متفاوت خواهند بود. نتیجه، جهانی چندقطبی است که در آن «هوش مصنوعی» تنها ابزاری برای رقابت نیست، بلکه خود میدان رقابت است.

هشدار ژئوپولیتیکی و اخلاقی

در این جنگ خاموش، هر نوآوری فناورانه می‌تواند به بی‌ثباتی جهانی دامن بزند. تمرکز تولید در شرق آسیا، از تایوان تا سواحل کره، جهان را در برابر خطرات طبیعی یا درگیری‌های نظامی آسیب‌پذیر کرده است.
از سوی دیگر، کشورهای درحال‌توسعه تقریباً هیچ نقشی در این زنجیره ندارند و ممکن است در آینده، وابستگی فناورانه به اندازهٔ وابستگی نفتی قرن بیستم خطرناک شود.

اگر رقابت تراشه‌ها به جای همکاری علمی، به مسیر تسلیحاتی شدن فناوری برود، ممکن است ما در حال ساخت زیرساختی برای بحران‌های آینده باشیم. فناوری باید برای حل مسئلهٔ بشر به‌کار رود، نه برای ساخت مرزهای دیجیتال جدید.

این نوشته را هم بخوانید:

همکاری‌های تاریخی شرکت‌های بزرگ فناوری که مسیر جهان دیجیتال را تغییر دادند

خلاصه

جنگ پنهان تراشه‌ها رقابتی است میان قدرت‌های جهانی برای کنترل مغز دیجیتال تمدن آینده. از تراشه‌های H100 انویدیا تا Blackwell و MI400، این قطعات سیلیکونی زیربنای هوش مصنوعی مدرن‌اند. ساخت آن‌ها به فناوری‌هایی چون لیتوگرافی EUV و طراحی چندلایه وابسته است که تنها در دست چند شرکت محدود است.
ایالات متحده، ژاپن و تایوان با تشکیل زنجیرهٔ مشترک نیمه‌هادی در برابر جاه‌طلبی چین صف‌آرایی کرده‌اند، درحالی‌که چین با پروژه‌های داخلی و مهندسی معکوس در پی شکستن محاصره است.
در آینده، دو اکوسیستم تراشه‌ای موازی جهان را تقسیم خواهند کرد، و نتیجهٔ آن تعیین‌کنندهٔ مسیر علم، اقتصاد و حتی آزادی اطلاعات خواهد بود.

❓ سؤالات پرتکرار (FAQ)

۱. چرا تراشه‌های هوش مصنوعی این‌قدر مهم‌اند؟
زیرا تمام محاسبات مدل‌های زبانی، بینایی ماشین و سیستم‌های خودران بر پایهٔ این تراشه‌ها انجام می‌شود. بدون آن‌ها، هیچ زیرساختی برای هوش مصنوعی وجود ندارد.

۲. چه شرکت‌هایی پیشتاز ساخت تراشه‌های پیشرفته‌اند؟
انویدیا، AMD، گوگل، آمازون و TSMC در خط مقدم طراحی و تولید قرار دارند، درحالی‌که ASML تنها تأمین‌کنندهٔ ماشین‌های EUV است.

۳. چرا چین نمی‌تواند تراشه‌هایی مانند H100 بسازد؟
به‌دلیل تحریم‌های صادراتی تجهیزات EUV و نرم‌افزارهای طراحی آمریکایی. چین هنوز در لیتوگرافی زیر ۵ نانومتر به فناوری لازم دست نیافته است.

۴. آیا این رقابت می‌تواند به جنگ سرد دیجیتال منجر شود؟
بله. تراشه‌ها اکنون نماد استقلال فناورانه‌اند و هر کشور تلاش می‌کند زنجیرهٔ تأمین خود را از دیگران جدا کند، که می‌تواند به دو قطبی شدن جهان دیجیتال بینجامد.

۵. نسل بعدی تراشه‌ها چه ویژگی‌هایی دارند؟
آن‌ها از طراحی سه‌بعدی، حافظه‌های انباشته و ارتباطات نوری بهره می‌برند که توان محاسباتی را چند برابر و مصرف انرژی را به حداقل می‌رساند.

دکتر علیرضا مجیدی

پزشک، نویسنده و بنیان‌گذار وبلاگ «یک پزشک»

دکتر علیرضا مجیدی، نویسنده و بنیان‌گذار وبلاگ «یک پزشک».
با بیش از ۲۰ سال نویسندگی «ترکیبی» مستمر در زمینهٔ پزشکی، فناوری، سینما، کتاب و فرهنگ.
باشد که با هم متفاوت بیاندیشیم!