Tag: نوآوری فناوری

نوردسون راه‌حل‌های الکترونیک از پلتفرم جدید ASYMTEK Vantage XL رونمایی کرد؛ گامی بلند در بسته‌بندی نیمه‌هادی‌ها

شرکت نوردسون راه‌حل‌های الکترونیک (Nordson Electronics Solutions) در نمایشگاه SEMICON Taiwan 2026 از جدیدترین سخت‌افزار خود در حوزه تولید نیمه‌هادی‌ها پرده برداشت. این محصول که ASYMTEK Vantage XL نام دارد، یک پلتفرم پیشرفته برای توزیع دقیق سیالات است که به طور خاص برای بسته‌بندی در سطح پنل (Panel-Level Packaging – PLP) طراحی شده است؛ تکنیکی که به طور فزاینده‌ای جایگزین فرآیندهای سنتی در سطح ویفر (Wafer-Level Packaging) می‌شود. این نوآوری در دنیایی که تقاضا برای تراشه‌های بزرگ‌تر، سریع‌تر و کارآمدتر همچنان رو به افزایش است، پاسخی حیاتی به شمار می‌رود.

زمان‌بندی استراتژیک

انتخاب زمان رونمایی از این محصول تصادفی نیست. شرکت نوردسون (Nordson – NDSN) به تازگی نتایج مالی سه ماهه سوم سال مالی ۲۰۲۶ خود را منتشر کرده که فراتر از انتظارات وال استریت بوده است. سود تعدیل شده هر سهم این شرکت با رقم ۲.۳۵ دلار، از پیش‌بینی‌های اجماع فراتر رفت. در ادامه این موفقیت، شرکت پیش‌بینی فروش سالانه خود را به محدوده ۳۰۳۵ تا ۳۰۷۵ میلیون دلار افزایش داد.

قابلیت‌های پیشرفته برای مقیاس بزرگ

Vantage XL قادر به پشتیبانی از پنل‌هایی تا ابعاد ۵۱۰ در ۵۱۵ میلی‌متر است و ابزارهای سفارشی برای اندازه‌های مختلف نیز در دسترس خواهد بود. این قابلیت، گامی قابل توجه نسبت به سری فعلی Vantage محسوب می‌شود و نشان‌دهنده مسیر آینده صنعت است؛ جایی که شتاب‌دهنده‌های هوش مصنوعی و تراشه‌های محاسباتی با کارایی بالا، به فرمت‌های بسته‌بندی بزرگ‌تر و بزرگ‌تری نیاز دارند.

غلبه بر چالش‌های مقیاس پنل

نوردسون این پلتفرم را با ویژگی‌هایی مجهز کرده است که به طور خاص برای رفع چالش‌های کار در مقیاس پنل طراحی شده‌اند. سیستم‌های مدیریت حرارتی، پایداری دما را در سطح وسیع‌تر حفظ می‌کنند. مکانیزم‌های کاهش تاب‌خوردگی (Warpage Mitigation) تمایل پنل‌های بزرگ به خم شدن در طول فرآیند را مدیریت می‌کنند. همچنین، سیستم هم‌ترازی چند نشانگر (Multi-fiducial Alignment) دقت را در سراسر پنل تضمین می‌کند، در حالی که قابلیت‌های سنجش ارتفاع هم‌کانونی (Confocal Height Sensing) و بازرسی پس از توزیع (Post-dispense Inspection) کنترل کیفیت را در هر مرحله فراهم می‌آورند.

اثبات عملی با همکاری Powertech Technology

نوردسون تنها به وعده‌ها اکتفا نکرده است. این شرکت به همکاری خود با Powertech Technology, Inc. (PTI)، یکی از ارائه‌دهندگان اصلی خدمات مونتاژ و تست نیمه‌هادی‌های برون‌سپاری شده، اشاره کرد. در طول نمایش‌های PLP که از اواخر سال ۲۰۲۴ تا ۲۰۲۵ انجام شد، این همکاری با استفاده از فناوری جتینگ IntelliJet نوردسون، به بازدهی بیش از ۹۹ درصد در فرآیند زیرپوشش (Underfill) دست یافت. زمان‌های چرخه (Cycle Times) نیز در طول این نمایش‌ها حدود ۳۰ درصد کاهش یافت.

تکمیل زنجیره ارزش با سیستم پلاسما

علاوه بر Vantage XL، نوردسون سیستم تصفیه پلاسما MARCH ExoSPHERE خود را نیز در SEMICON Taiwan به نمایش گذاشت. این سیستم، آماده‌سازی یکنواخت سطح پنل‌ها و ویفرها را بر عهده دارد و گامی حیاتی دیگر در فرآیند بسته‌بندی پیشرفته محسوب می‌شود.

بلوم انرژی طرحی نو برای بازنگری در نحوه تأمین برق مراکز داده هوش مصنوعی ارائه کرده است. گزارش جدید این شرکت با عنوان «قوانین جدید قدرت هوش مصنوعی» (The New Rules of AI Power)، معماری برق بومی ۸۰۰ ولت جریان مستقیم (DC) را تشریح می‌کند که با استفاده از سلول‌های سوختی اکسید جامد، برق را در محل تولید کرده و از زیرساخت سنتی شبکه جریان متناوب (AC) که اکثر تأسیسات همچنان به آن متکی هستند، عبور می‌کند.

بلوم تخمین می‌زند که این رویکرد برای یک مرکز داده هوش مصنوعی با ظرفیت پیش‌بینی شده ۱ گیگاوات، می‌تواند ۳.۶ میلیارد دلار از هزینه‌های سرمایه‌ای غیر محاسباتی را کاهش دهد که معادل ۲۷ درصد کاهش است. در طول پنج سال، صرفه‌جویی در کل هزینه مالکیت می‌تواند به ۵.۵ میلیارد دلار یا حدود ۹ درصد در مقایسه با سیستم‌های متعارف مبتنی بر AC برسد.

این سلول‌های سوختی خود واحدهای اکسید جامد هستند. آن‌ها می‌توانند با گاز طبیعی، بیوگاز یا هیدروژن کار کنند، که به اپراتورها انعطاف‌پذیری در تأمین سوخت را بسته به در دسترس بودن محلی و اهداف پایداری می‌دهد. خروجی پیوسته جریان مستقیم با آنچه شتاب‌دهنده‌های مدرن هوش مصنوعی در واقع مصرف می‌کنند، مطابقت دارد و واسطه‌های الکتریکی را حذف می‌کند.

NVIDIA قصد دارد استانداردهای ۸۰۰ ولت جریان مستقیم را برای نسل بعدی طرح‌های رک خود، به ویژه معماری‌های Rubin Ultra و Kyber، از سال ۲۰۲۷ به کار گیرد.

بلوم انرژی به طور پنهانی در حال عقد قرارداد با اپراتورهای بزرگ مراکز داده است. Nebius با این شرکت برای یک پروژه اولیه شامل ۳۲۸ مگاوات تأمین برق قرارداد بسته است. Oracle و Equinix، دو نام بزرگ در صنعت مراکز داده، نیز در میان شرکای فعلی بلوم قرار دارند. Brookfield نیز حمایت مالی خود را ارائه کرده است.

پیش‌بینی‌های صنعتی این روند را تقویت می‌کنند. نظرسنجی‌ها نشان می‌دهند که معماری‌های مبتنی بر جریان مستقیم می‌توانند تا سال ۲۰۳۰، ۵۸ درصد از کل استقرار مراکز داده جدید را به خود اختصاص دهند.

آبتوس در حال توسعه مجموعه‌ای از ابزارها با تمرکز ویژه بر تجارت خودکار عاملان هوش مصنوعی است. این اکوسیستم با پروتکل پرداخت x402 و همکاری با io.net که به عاملان هوش مصنوعی امکان اجاره ظرفیت پردازش GPU بیکار را در صورت نیاز می‌دهد، تقویت شده است. تسویه‌ها با استفاده از USDC انجام می‌شود، تراکنش‌ها در کمتر از ۵۰ میلی‌ثانیه نهایی می‌شوند و هزینه‌ها کمتر از ۰.۰۰۰۵ دلار است.

پروتکل پرداخت x402: ستون فقرات تجارت عاملان هوش مصنوعی

در قلب استراتژی آبتوس برای عاملان هوش مصنوعی، پروتکل پرداخت x402 قرار دارد؛ پروتکلی که به طور خاص برای پرداخت‌های خرد بین ماشین‌ها طراحی شده است. عاملان می‌توانند به ازای هر فراخوانی API، هر درخواست داده یا هر چرخه پردازش، هزینه پرداخت کنند.

از زمان راه‌اندازی در ماه مه ۲۰۲۵، اکوسیستم x402 بیش از ۱۰۰ میلیون پرداخت را پردازش کرده است. USDC با بیش از ۹۹ درصد از کل تسویه‌ها، سهم غالب را در اختیار دارد.

چشم‌انداز آوری چینگ: پرداخت‌های سریع، ارزان و قابل برنامه‌ریزی

آوری چینگ، مدیرعامل و هم‌بنیان‌گذار آبتوس، این فرصت را به سادگی توصیف کرده است: عاملان به پرداخت‌های سریع، ارزان و قابل برنامه‌ریزی با محدودیت‌های هزینه و سوابق حسابرسی نیاز دارند. چینگ تاکید کرده است که استیبل‌کوین‌ها، به ویژه USDC، بهترین گزینه برای تراکنش‌های عامل به عامل هستند، زیرا کنترل‌های هزینه قابل برنامه‌ریزی را با قابلیت حسابرسی که استقرار در سطح سازمانی ایجاب می‌کند، ترکیب می‌کنند.

ارزش بازار استیبل‌کوین‌ها در آبتوس در حال حاضر حدود ۱.۹ میلیارد دلار است.

Agent Cloud: پلتفرم اجاره منابع GPU

از طریق همکاری با io.net، آبتوس در حدود مارس ۲۰۲۶ پلتفرم Agent Cloud را راه‌اندازی کرد. این پلتفرم به عاملان هوش مصنوعی اجازه می‌دهد تا منابع GPU را به طور مستقل کشف، مذاکره و اجاره کنند. قراردادهای هوشمند مسئولیت مدیریت شرایط را بر عهده دارند و USDC نیز امور مالی را مدیریت می‌کند.

سرمایه‌گذاری ۵۰ میلیون دلاری برای توسعه ابزارها و زیرساخت‌های عاملان هوش مصنوعی

در ماه مه ۲۰۲۶، بنیاد آبتوس به همراه Aptos Labs متعهد شد ۵۰ میلیون دلار برای تامین مالی توسعه ابزارها و زیرساخت‌های عاملان هوش مصنوعی اختصاص دهد. دو محصول که از این حمایت بهره‌مند می‌شوند، برجسته هستند: Decibel بر روی دفترهای سفارشات آن‌چین و معاملات پرپچوال تمرکز دارد و Shelby راه‌حل‌های ذخیره‌سازی غیرمتمرکز را برای بارهای کاری عاملان هوش مصنوعی ارائه می‌دهد.

هواوی هرگز از بازی بلندمدت ابایی نداشته است. در رویداد HUAWEI CONNECT 2026 که در تاریخ ۱۷ سپتامبر در شانگهای برگزار شد، این شرکت از ابرخوشه محاسباتی Atlas 960E رونمایی کرد؛ سیستمی که برای رقابت مستقیم با انویدیا در بازار زیرساخت هوش مصنوعی طراحی شده است.

Atlas 960E: رقیبی قدرتمند در حوزه هوش مصنوعی

Atlas 960E قادر است تا ۴۰۹۶ واحد پردازش عصبی Ascend هواوی را در یک طرح آدرس‌دهی حافظه یکپارچه جای دهد. این بدان معناست که هر تراشه به یک استخر حافظه مشترک دسترسی دارد و نیازی به انتقال داده بین اتصالات کند نیست.

ارقام عملکرد چشمگیر

هواوی مدعی است که این سیستم در محاسبات FP8 به عملکرد ۸ اِفلاپس (EFLOPS) و در محاسبات FP4 به ۱۶ اِفلاپس دست می‌یابد و در پیکربندی کامل، تا ۱ پتابایت حافظه با پهنای باند بالا (High Bandwidth Memory) را ارائه می‌دهد.

در مقایسه با ابرخوشه Atlas 950 SuperPoD قبلی، هواوی اعلام کرده است که Atlas 960E در وظایف آموزش و استنتاج مدل‌هایی با نزدیک به ۱۰ تریلیون پارامتر، ۲.۳ تا ۴ برابر عملکرد بهتری دارد.

بهبودهای چشمگیر در بهره‌وری انرژی و قابلیت اطمینان

Atlas 960E حدود ۴۸,۰۰۰ ماژول اپتیکال متعارف ۸۰۰G را با تقریباً ۵,۵۰۰ واحد اپتیک نزدیک به بسته‌بندی شده Hi-ONE جایگزین می‌کند. این رویکرد جدید، مصرف برق هر خوشه را بیش از ۵۵۰ کیلووات کاهش می‌دهد. دسترسی به سیستم به ۹۹.۸ درصد می‌رسد و میانگین زمان بین خرابی‌ها در مقایسه با مدل‌های پیشین دو برابر شده است.

جاه‌طلبی‌های بزرگتر هواوی

هواوی جاه‌طلبی‌های بزرگتری را نیز نشان داده است. این شرکت در حال هدف‌گذاری یک چارچوب محاسباتی هوش مصنوعی واحد است که تا ۲۵۶,۰۰۰ گره (node) قابل مقیاس‌بندی باشد و پیکربندی‌های SuperCluster در نهایت از یک میلیون واحد پردازش عصبی فراتر روند. انتظار می‌رود نسخه‌های بزرگتر پلتفرم Atlas 960 در سه ماهه چهارم سال ۲۰۲۷ عرضه شوند.

گزارش‌ها حاکی از آن است که برنامه توسعه Ascend 960 زودتر از برنامه اصلی خود پیش می‌رود.

کاهش ۵۵۰ کیلووات مصرف در هر خوشه، نکته کوچکی نیست. با افزایش حجم کاری آموزش هوش مصنوعی و مواجهه مراکز داده با محدودیت‌های انرژی، بهبود بهره‌وری مستقیماً به مزایای هزینه کل مالکیت (Total Cost of Ownership) منجر می‌شود که می‌تواند تصمیمات خرید را حتی در صورت نزدیک بودن عملکرد خام، تغییر دهد.

متا درها را به روی توسعه‌دهندگان شخص ثالث برای عامل هوش مصنوعی شخصی خود، Muse، گشود

متا، غول فناوری، در تاریخ ۸ سپتامبر ۲۰۲۶ عامل هوش مصنوعی شخصی خود به نام Muse را راه‌اندازی کرد و تنها ده روز پس از آن، مارک زاکربرگ، مدیرعامل این شرکت، کنترل آن را به توسعه‌دهندگان خارجی سپرد. این اقدام با افتتاح یک پورتال جدید برای ارسال پروژه‌های توسعه‌دهندگان در muse.ai/platform همراه شد، جایی که شرکت‌های ثالث می‌توانند کانکتورهای سفارشی خود را برای بررسی بسازند و ارسال کنند. کانکتورهای جدید همزمان با اعلام زاکربرگ در دسترس قرار گرفتند.

ماهیت Muse

Muse را می‌توان به عنوان یک دستیار شخصی در نظر گرفت که بر زندگی دیجیتال کاربران نظارت دارد. این عامل هوش مصنوعی به برنامه‌هایی مانند Gmail، Google Calendar و Spotify متصل شده و سپس به نمایندگی از کاربر در میان آن‌ها عمل می‌کند. نکته کلیدی در طراحی Muse، مجوزدهی فردی است؛ به این معنی که کاربران هر اتصال را به صورت جداگانه تأیید می‌کنند، به جای اعطای دسترسی کلی به همه برنامه‌ها به یکباره.

دسترسی و قیمت‌گذاری

Muse بر روی سیستم‌عامل‌های iOS و Android و همچنین از طریق وب در muse.ai قابل دسترسی است. پشتیبانی از WhatsApp در حال حاضر فعال است و عینک‌های هوشمند مجهز به هوش مصنوعی نیز در نقشه راه این شرکت قرار دارند. متا این سرویس را در سطوح قیمتی مختلف عرضه می‌کند: طرح “Power” با هزینه ماهانه ۲۰ دلار و طرح “Maximum” با هزینه ماهانه ۱۰۰ دلار، که هر کدام محدودیت‌های استفاده بالاتری را ارائه می‌دهند.

الزامات و ابهامات برای توسعه‌دهندگان

توسعه‌دهندگانی که قصد ارسال کانکتور برای Muse را دارند، باید الزامات عملکردی، امنیتی و قانونی متا را پیش از انتشار عمومی رعایت کنند. با این حال، جزئیات مهمی همچنان نامشخص باقی مانده است؛ از جمله شرایط توافق‌نامه، هزینه‌ها، نحوه تقسیم درآمد و مدت زمان فرآیند بررسی.

پتانسیل‌های آینده

تحقیقات نشان می‌دهد که Stripe به عنوان لایه تسهیل‌کننده پرداخت در این پروژه دخیل است. این موضوع به آینده‌ای اشاره دارد که در آن کانکتورهای Muse قادر به انجام تراکنش‌های مالی خواهند بود و صرفاً به خواندن و خلاصه‌سازی اطلاعات محدود نخواهند شد.

دونالد ترامپ، رئیس‌جمهور سابق آمریکا، اعلام کرد که قصد دارد «نیروی هوش مصنوعی» (AI Force) راه‌اندازی کرده و یک «مسئول ویژه هوش مصنوعی» (AI Czar) منصوب کند.

تشکیل «نیروی هوش مصنوعی»

ترامپ روز شنبه در پلتفرم Truth Social نوشت که پروژه جدیدش با هدف مدیریت بخش رو به رشد هوش مصنوعی بدون وضع مقرراتی که نوآوری را کند کند، شکل خواهد گرفت. او در این باره اظهار داشت: «بدین منظور، من نیروی هوش مصنوعی را تشکیل می‌دهم، همان‌طور که نیروی فضایی را تشکیل دادم که در دوره اول ریاست جمهوری من موفقیت چشمگیری داشت.» وی افزود: «به همین منظور، در آینده نزدیک، «مسئول ویژه هوش مصنوعی» را معرفی خواهم کرد – فقط افراد با ضریب هوشی بالا می‌توانند درخواست دهند!»

ابهامات طرح ترامپ

روزنامه نیویورک تایمز اشاره کرد که ترامپ مشخص نکرده است که آیا «نیروی هوش مصنوعی» یک فرماندهی نظامی، یک سازمان غیرنظامی یا یک وزارتخانه خواهد بود. این روزنامه همچنین افزود که مقامات کاخ سفید به ایمیلی که برای روشن شدن این موضوع ارسال شده بود، پاسخی نداده‌اند.

هشدارها درباره هوش مصنوعی

بی‌بی‌سی گزارش داد که ترامپ جزئیات یا جدول زمانی بیشتری برای این طرح ارائه نکرده است. این رسانه همچنین خاطرنشان کرد که پست ترامپ در بحبوحه هشدارهایی درباره خطرات بالقوه هوش مصنوعی منتشر شده است.

پیشنهاد برای کنترل سرعت توسعه هوش مصنوعی

روز ۱۲ سپتامبر، کوین‌تلگراف گزارش داد که داریو آمودی، مدیرعامل شرکت Anthropic، طرحی سه مرحله‌ای برای کنترل سرعت توسعه هوش مصنوعی ارائه کرده است. او هشدار داده بود که اگر این روند بدون کنترل باقی بماند، ممکن است «از توانایی ما برای درک و کنترل این سیستم‌ها پیشی بگیرد».

روز یکشنبه، Anthropic اعلام کرد که شرکت Accenture را به عنوان اولین ارزیاب داخلی خود برای کمک به تعدیل سرعت توسعه هوش مصنوعی انتخاب کرده است و بدین ترتیب اولین گام از طرح آمودی را پیش برده است.

واکنش‌ها به طرح آمودی

سم آلتمن، مدیرعامل OpenAI، و ایلان ماسک، مدیرعامل SpaceX، با مثبت به طرح آمودی واکنش نشان دادند. در مقابل، جنسن هوانگ، مدیرعامل Nvidia، با این طرح مخالفت کرد و استدلال نمود که چنین مقرراتی ضروری نیست.

اعلام ورود نسل پنجم فناوری حافظه به مرحله تولید انبوه توسط چانگ‌شین مموری

شرکت چانگ‌شین مموری تکنالوجیز (ChangXin Memory Technologies – CXMT) در نمایشگاه جهانی تولید ۲۰۲۶ در شهر هفئی اعلام کرد که پلتفرم فناوری نسل پنجم این شرکت وارد مرحله تولید انبوه شده است. این پلتفرم شامل دو محصول جدید حافظه موبایل ۲۴ گیگابایتی LPDDR5X است که برای گوشی‌های هوشمند میان‌رده تا رده‌بالا و دستگاه‌های الکترونیکی قابل حمل طراحی شده‌اند.

مشخصات فنی و مزایای نسل جدید تراشه‌ها

تراشه‌های جدید نسل پنجم CXMT در دو پیکربندی بسته ۴۹۶ پین و ۲۴۵ پین عرضه می‌شوند. هر دو مدل نسبت به نسل‌های قبلی خود، ۵۰ درصد افزایش در ظرفیت داده را ارائه می‌دهند. این پلتفرم از فناوری چهارگانه لیتوگرافی (quadruple patterning) برای دستیابی به نیم‌قطر ناحیه فعال ۱۱.۹۵ نانومتر استفاده می‌کند. نسبت ابعاد خازن نیز به ۴۵:۱ می‌رسد. این انتخاب‌های مهندسی مستقیماً به مزایای اقتصادی منجر می‌شوند؛ CXMT اعلام کرده است که نسل پنجم حداقل ۵۰ درصد تراشه خام بیشتری در هر ویفر نسبت به نسل قبلی تولید می‌کند.

رشد تولید و اهداف آینده

شرکت CXMT از تولید حدود ۴۰ هزار ویفر در ماه در سال ۲۰۲۰، به تولید تقریبی ۳۰۰ هزار ویفر در ماه در کارخانه‌های ۱۲ اینچی خود در هفئی و پکن رسیده است. این شرکت تا پایان سال ۲۰۲۶ قصد دارد این رقم را به ۳۵۰ تا ۳۷۵ هزار ویفر در ماه افزایش دهد.

جایگاه در بازار و قراردادهای مهم

این شرکت در ژوئیه ۲۰۲۶، عرضه اولیه سهام خود را در بازار STAR شانگهای با موفقیت به پایان رساند و حدود ۸.۶ میلیارد دلار سرمایه جذب کرد. CXMT اکنون مدعی عنوان بزرگترین تأمین‌کننده حافظه DRAM در چین و چهارمین تأمین‌کننده بزرگ جهان از نظر سهم بازار است. همچنین، CXMT یک قرارداد تأمین حافظه DRAM چندساله با شرکت تنسنت (Tencent) به ارزش تقریبی ۳ میلیارد دلار منعقد کرده است.

OpenAI درهای بسته را برای کاربران قدیمی باز کرد؛ ثبت‌نام طرح گران‌قیمت همچنان متوقف است

سانفرانسیسکو – شرکت OpenAI که در تاریخ ۱۰ سپتامبر (۱۹ شهریور) ثبت‌نام برای طرح ماهانه ۲۰۰ دلاری Pro 20x خود را متوقف کرده بود، اخیراً دریچه‌ای کوچک برای کاربران قدیمی باز کرده است. بر اساس آخرین به‌روزرسانی‌ها، کاربران فعالی که اخیراً از این طرح استفاده کرده‌اند، می‌توانند ظرف ۳۰ روز مجدداً نسبت به ثبت‌نام اقدام کنند، اما کاربران جدید همچنان در انتظار خواهند ماند.

جزئیات طرح ویژه برای کاربران قدیمی

این شرکت در صفحه راهنمای به‌روزرسانی شده خود اعلام کرده است که کاربران واجد شرایط می‌توانند در طول دوره توقف، یک بار دیگر نسبت به ثبت‌نام اقدام کنند. این اقدام، بازگشایی کامل نیست، بلکه یک عفو موقت و یک‌باره محسوب می‌شود.

این فرصت محدود فقط برای دو دسته از کاربران در نظر گرفته شده است: اول، کاربرانی که در تاریخ ۱۰ سپتامبر همچنان واجد شرایط طرح Pro 20x بوده‌اند؛ و دوم، کاربرانی که دسترسی آن‌ها ظرف ۳۰ روز قبل از این تاریخ منقضی شده است، چه به دلیل لغو اشتراک، عدم موفقیت در پرداخت هزینه تمدید، یا تنزل سطح اشتراک. شرط اصلی این است که کاربر قبلاً از این فرصت ویژه استفاده نکرده باشد و مهلت بازگشت به طرح، حداکثر ۳۰ روز پس از پایان دسترسی قبلی است و فقط یک بار قابل استفاده است.

برای استفاده از این فرصت، کاربران باید با همان حساب کاربری خود وارد وب‌سایت chatgpt.com/pricing شوند. در صورت واجد شرایط بودن، گزینه خرید Pro 20x نمایش داده خواهد شد و پس از خرید، اشتراک ماهانه ۲۰۰ دلاری فعال می‌شود. برای سایر کاربران، از جمله کسانی که هرگز از طرح Pro 20x استفاده نکرده‌اند یا قصد ارتقاء از طرح‌های دیگر را دارند، صفحه راهنما به صراحت اعلام می‌کند که تا زمان رفع توقف، امکان خرید وجود نخواهد داشت.

طرح ماهانه ۱۰۰ دلاری همچنان در دسترس است

در همین حال، طرح ماهانه ۱۰۰ دلاری Pro بدون هیچ تغییری ادامه دارد و کاربران می‌توانند در هر زمان نسبت به ارتقاء آن اقدام کنند.

دلیل توقف ثبت‌نام: فشار بر زیرساخت‌ها

دلیل اصلی این تصمیم، فشار شدید بر منابع محاسباتی است. تیبو سوتیو، مسئول بخش Codex و ChatGPT در OpenAI، در پستی در تاریخ ۹ سپتامبر (۱۸ شهریور) اعلام کرد: «تقاضا برای Astra واقعاً بی‌سابقه است. ما تمام تلاش خود را برای حفظ عملکرد سیستم انجام می‌دهیم، اما حتی با وجود رشد سریع، هرگز با چنین وضعیتی روبرو نشده بودیم.»

روز بعد، با اجرایی شدن توقف ثبت‌نام، سوتیو توضیح داد: «برای اطمینان از تجربه عالی کاربران فعلی و دسترسی مداوم آن‌ها به Astra، تصمیم گرفتیم ثبت‌نام طرح ۲۰۰ دلاری Pro را متوقف کنیم. این طرح بیشترین فشار را بر سیستم‌های ما وارد می‌کند و ما می‌خواهیم با کمترین مداخله، بیشترین دسترسی را حفظ کنیم. سایر طرح‌ها و APIها همچنان در دسترس هستند و حساب‌های کاربری موجود تحت تأثیر قرار نخواهند گرفت.»

سابقه توقف‌ها در OpenAI

این اولین بار نیست که OpenAI به دلیل افزایش ناگهانی تقاضا، مجبور به محدودیت می‌شود. در نوامبر ۲۰۲۳ (آبان ۱۴۰۲)، پس از رویداد DevDay و افزایش چشمگیر استفاده، OpenAI ثبت‌نام کاربران جدید ChatGPT Plus را متوقف کرد. سم آلتمن، مدیرعامل این شرکت، در آن زمان در پلتفرم X (توییتر سابق) اعلام کرد که حجم استفاده از ظرفیت فراتر رفته است. اکنون، پس از نزدیک به سه سال، این سناریو تکرار شده است، اما این بار طرح گران‌قیمت‌تر هدف قرار گرفته است.

چالش‌های تأمین منابع محاسباتی

منابع محاسباتی OpenAI در حال افزایش است، اما این رشد با دشواری همراه است. آمارهای گردآوری شده توسط فورچون نشان می‌دهد که ظرفیت محاسباتی قابل استفاده OpenAI از ۰.۲ گیگاوات در سال ۲۰۲۳ به حدود ۱.۹ گیگاوات در سال ۲۰۲۵ افزایش یافته است که نشان‌دهنده رشد ۹.۵ برابری در دو سال است. پروژه Stargate نیز قرار است در چهار سال آینده ۵۰۰ میلیارد دلار سرمایه‌گذاری شود.

با این حال، گزارش‌های داخلی OpenAI که توسط فایننشال تایمز به دست آمده است، نشان می‌دهد که جریان نقدی آزاد تجمعی از سال ۲۰۲۶ تا ۲۰۳۰ ممکن است منفی ۲۷۸ میلیارد دلار باشد. در همین دوره، هزینه‌های مربوط به منابع محاسباتی و زیرساخت‌ها حدود ۸۵۶ میلیارد دلار پیش‌بینی شده است که بیشتر از درآمد تجمعی ۸۴۰ میلیارد دلاری است. با وجود گسترش ظرفیت محاسباتی، این رشد همچنان از سرعت افزایش هزینه‌ها عقب است.

وقتی صحبت از سخت‌افزار هوش مصنوعی به میان می‌آید، نام انویدیا (Nvidia) در ذهن اکثر افراد نقش می‌بندد. اما در گوشه‌های آرام‌تر زنجیره تأمین نیمه‌هادی‌ها، شرکت میکرون تکنولوژی (Micron Technology) در حال ثبت ارقامی از رشد است که دستاوردهای سه رقمی انویدیا را در مقایسه، تقریباً معمولی جلوه می‌دهد.

رشد انفجاری میکرون در سایه حافظه‌های پرسرعت

در سه‌ماهه سوم سال مالی ۲۰۲۶، میکرون درآمدی حدود ۴۱.۵ میلیارد دلار را گزارش کرد که نشان‌دهنده افزایشی ۳۴۶ درصدی نسبت به سال گذشته است. برای مقایسه، درآمد انویدیا در سه‌ماهه دوم سال مالی ۲۰۲۷ حدود ۹۶.۲ میلیارد دلار بوده که رشد ۱۰۶ درصدی سالانه را نشان می‌دهد. اگرچه انویدیا همچنان از نظر درآمد مطلق پیشتاز است، اما سرعت شتاب‌گیری میکرون توجه کامل وال استریت را به خود جلب کرده است.

رشد انفجاری میکرون به یک دسته محصول خاص بازمی‌گردد: حافظه‌های با پهنای باند بالا (High-Bandwidth Memory) یا HBM. این‌ها تراشه‌های حافظه تخصصی هستند که مستقیماً روی یا در مجاورت شتاب‌دهنده‌های هوش مصنوعی در سرورهای مراکز داده قرار می‌گیرند. بدون این حافظه‌ها، پردازنده‌های گرافیکی انویدیا قادر به جابجایی سریع داده‌ها برای آموزش و اجرای مدل‌های زبان بزرگ که شرکت‌ها میلیاردها دلار برای استقرار آن‌ها هزینه می‌کنند، نخواهند بود.

این عدم توازن عرضه و تقاضا، حاشیه سود ناخالص میکرون را به حدود ۸۴.۶ درصد رسانده است؛ رقمی که اکثر شرکت‌های نیمه‌هادی را به وجد می‌آورد. سود تعدیل‌شده هر سهم این شرکت در همان سه‌ماهه به ۲۵.۱۱ دلار رسید که نشان‌دهنده کسب‌وکاری است که نه تنها به سرعت در حال رشد است، بلکه سودآور نیز هست.

قراردادهای بلندمدت و تضمین قیمت

برای تثبیت این مزیت، میکرون قراردادهای چندساله با مشتریان به ارزش تقریبی ۱۰۰ میلیارد دلار منعقد کرده است که تا سال ۲۰۳۰ ادامه خواهد داشت. این قراردادها شامل شرایط قیمت‌گذاری کف (floor pricing) است که اساساً حداقل قیمتی را برای محصولات میکرون، صرف‌نظر از نوسانات بازار، تضمین می‌کند.

بر اساس برآوردهای اجماع تحلیلگران، پیش‌بینی می‌شود رشد درآمد میکرون در سال مالی ۲۰۲۷ حدود ۸۴ درصد باشد، در حالی که این رقم برای انویدیا حدود ۴۲ درصد تخمین زده می‌شود.

سهام میکرون در ۱۲ ماه گذشته به طور قابل توجهی از سهام انویدیا پیشی گرفته و صدها درصد رشد را برای میکرون در مقابل بازدهی دو رقمی پایین‌تر برای انویدیا به ارمغان آورده است.

پیش‌بینی می‌شود صنعت گسترده‌تر نیمه‌هادی‌ها در سال ۲۰۲۷ سود تقریبی ۷۰۰ میلیارد دلاری را به خود اختصاص دهد و انتظار می‌رود میکرون و انویدیا از بزرگترین مشارکت‌کنندگان در این رقم باشند.

هر نسل جدید از شتاب‌دهنده‌های هوش مصنوعی، چه از سوی انویدیا، AMD، یا تلاش‌های تراشه‌های سفارشی در شرکت‌های بزرگ مانند گوگل و آمازون، به HBM بیشتری در هر واحد نیاز دارد. میکرون در کنار SK Hynix و سامسونگ، تنها سه شرکتی در جهان هستند که قادر به تولید HBM در مقیاس بزرگ می‌باشند. این ساختار انحصاری، همراه با تقاضای فزاینده، قدرت قیمت‌گذاری را ایجاد کرده است که صنعت حافظه به طور سنتی از آن بهره‌مند نبوده است. قراردادهای ۱۰۰ میلیارد دلاری چندساله با قیمت‌گذاری کف، نتیجه مستقیم تلاش مشتریان برای تضمین عرضه است.

چالش‌های چرخه بازار

یک نکته مهم در اینجا وجود دارد. بازارهای حافظه چرخه‌ای هستند و این صنعت سابقه طولانی در افزایش ظرفیت در دوران رونق و سپس سقوط در زمان کاهش تقاضا دارد. شرایط قیمت‌گذاری کف در قراردادهای میکرون تا حدی این ریسک را کاهش می‌دهد، اما آن را به طور کامل از بین نمی‌برد.

انقلاب خاموش در ریاضیات: هوش مصنوعی، سرعت تحول را شتاب می‌بخشد

در ماه مارس، کمتر از ۵ درصد از مقالات ریاضی منتشر شده در آرشیو arXiv به استفاده از هوش مصنوعی اشاره داشتند. اما تا ۲۰ اوت، این رقم از ۲۴ درصد عبور کرد. این یک روند صعودی ملایم نیست؛ بلکه خطی عمودی بر نموداری است که هر استارتاپ در مرحله رشد را به حسادت وامی‌دارد.

این داده‌ها از یک پیش‌چاپ با عنوان «تب طلا در AI4Math: اکنون در کجا هستیم؟» (The Gold Rush in AI4Math: Where Are We Now?) که توسط جی‌اشون جین، ژنگ تریسی کی و بینگ‌چنگ سوی تهیه شده، به دست آمده است. این مطالعه ۳۲,۹۴۴ مقاله ریاضی ارسال شده به arXiv را بین ۱ مارس و ۲۰ اوت ۲۰۲۶ تحلیل کرده است. یافته‌ها تصویری از رشته‌ای در میانه تحولی سریع و عمدتاً داوطلبانه را ترسیم می‌کنند.

آمار کلیدی، یعنی ۲۴.۱۴ درصد از پیش‌چاپ‌های ریاضی که تا ماه اوت به هوش مصنوعی اذعان کرده‌اند، به خودی خود چشمگیر است. اما معیار قابل‌توجه‌تر، آنچه محققان «مشارکت‌های ماهوی هوش مصنوعی» می‌نامند، است؛ یعنی مواردی که هوش مصنوعی نه تنها در غلط‌گیری یا قالب‌بندی نقش داشته، بلکه واقعاً در کار ریاضی مشارکت کرده است.

این رقم از ۱.۳۹ درصد در ماه مارس به ۱۴.۰۹ درصد تا ۲۰ اوت جهش یافته است. به عبارت دیگر، تقریباً از هر هفت مقاله ریاضی، یکی اکنون هوش مصنوعی را در حال انجام کارهای فکری سنگین واقعی به نمایش می‌گذارد.

از میان ۳۲,۹۴۴ مقاله تحلیل شده، ۳,۵۷۵ مورد شکلی از استفاده از هوش مصنوعی را تأیید کرده‌اند. از این تعداد، ۱,۷۱۲ مورد شامل آنچه محققان مشارکت‌های ماهوی طبقه‌بندی کرده‌اند، بوده است. بخش عمده‌ای از این کارهای ماهوی بر ساخت اثبات متمرکز بوده است.

این مطالعه همچنین ابزارهای هوش مصنوعی را که محققان به کار می‌برند، ردیابی کرده است. محصولات OpenAI در بیش از ۶۰ درصد مقالات با استفاده تأیید شده از هوش مصنوعی ظاهر شده‌اند. ابزارهای Anthropic در جایگاه دوم قرار گرفتند.

پذیرش هوش مصنوعی به طور یکنواخت در سراسر این رشته در حال گسترش نیست. ترکیبیات (Combinatorics) از نظر حجم محض استفاده ماهوی از هوش مصنوعی پیشتاز است. در همین حال، هندسه متریک (Metric Geometry) بالاترین نرخ پذیرش هوش مصنوعی را نسبت به اندازه خود ثبت کرده است.

از نظر جغرافیایی، ایالات متحده و چین سلطه دارند. این دو کشور با هم تقریباً دو سوم وزن تعداد نویسندگان در مقالات ریاضی با کمک هوش مصنوعی را به خود اختصاص می‌دهند.

شاید تحریک‌آمیزترین یافته این مطالعه مربوط به مسائل باز (open problems) باشد. محققان ۷۱۷ رکورد مسئله باز را که با مقالاتی با مشارکت‌های ماهوی هوش مصنوعی مرتبط بودند، شناسایی کردند. از این تعداد، ۷۱ درصد توسط نویسندگانشان به عنوان کاملاً حل شده گزارش شده‌اند.

پیش‌چاپ‌ها در arXiv داوری همتا (peer-reviewed) نمی‌شوند و تاریخ ریاضیات مملو از اثبات‌های ادعا شده‌ای است که در برابر بررسی مقاومت نکرده‌اند. اما حتی با در نظر گرفتن درصدی از پیروزی‌های زودهنگام، حجم راه‌حل‌های ادعا شده نشان می‌دهد که هوش مصنوعی ریاضیدانان را قادر می‌سازد تا مسائلی را که در غیر این صورت ممکن بود به آن‌ها نپردازند، حل کنند.

حالت غالب مشارکت، ساخت اثبات است. هوش مصنوعی شهود ریاضیدان در مورد اهمیت مسائل یا استراتژی‌های احتمالی را جایگزین نمی‌کند. بلکه بیشتر شبیه یک همکار فوق‌العاده سریع و خستگی‌ناپذیر عمل می‌کند که می‌تواند مسیرهای اثبات را کاوش کرده و مراحل منطقی را در مقیاسی که هیچ انسانی قادر به تطبیق آن نیست، تأیید کند.

نویسندگان این مطالعه طرفدار افشای شفاف استفاده از هوش مصنوعی هستند، که قابل توجه است زیرا رقم فعلی ۲۴ درصد تنها مقالاتی را شامل می‌شود که داوطلبانه به آن اذعان کرده‌اند. تعداد واقعی مقالات با کمک هوش مصنوعی تقریباً به طور قطع بالاتر است.

با تسلط ابزارهای OpenAI بر بیش از ۶۰ درصد مقالات تأیید شده با کمک هوش مصنوعی، انتخاب پلتفرم هوش مصنوعی به یک تصمیم استراتژیک برای محققان تبدیل می‌شود. Anthropic در جایگاه دوم قرار دارد، اما شکاف قابل توجه به نظر می‌رسد. برای شرکت‌های هوش مصنوعی، تبدیل شدن به ابزار پیش‌فرض برای تحقیقات ریاضی صرفاً یک بازی اعتبار نیست؛ بلکه یک حلقه بازخورد است: هرچه محققان بیشتر از سیستم شما استفاده کنند، سیگنال آموزشی بیشتری در مورد وظایف استدلال دشوار دریافت می‌کنید، که سیستم شما را در انجام وظایف استدلال دشوار بهتر می‌کند.

تمرکز خروجی در ایالات متحده و چین نیز پیامدهایی برای تحقیقات ریاضی جهانی دارد. کشورها و مؤسساتی که به مدل‌های پیشرفته هوش مصنوعی دسترسی ندارند، در معرض عقب افتادن هستند، نه به دلیل اینکه ریاضیدانانشان کمتر با استعداد هستند، بلکه به این دلیل که بدون ابزارهای مشابه کار می‌کنند.