رقابت میان سه غول پیشرو هوش مصنوعی — OpenAI، گوگل و آنتروپیک — از مسابقه بر سر مدل‌های بهتر فراتر رفته و به نبردی برای دستیابی به «هوش مصنوعی فوق‌جامع» (Artificial Superintelligence – ASI) تبدیل شده است. هستهٔ این رقابت، مکانیسم «خودبهبودی بازگشتی» (Recursive Self-Improvement) است: پارادایمی که در آن سیستم‌های هوش مصنوعی، خود به پژوهشگرانی تبدیل می‌شوند که کد می‌نویسند، معماری طراحی می‌کنند و مدل‌های نسل بعد را می‌سازند. این چرخش راهبردی، مرز میان «ابزار» و «خالق» را محو می‌کند و در صورت تداوم، شکافی پرناشدنی میان این سه بازیگر و رقبایی مانند متا و xAI ایجاد خواهد کرد.

---

۱. مکانیزم خودبهبودی بازگشتی: فراتر از یادگیری تقویتی

راهبرد دستیابی به ASI بر خودکارسازی کامل چرخهٔ تحقیق و توسعه (R&D) استوار است. رویکرد جدید، یک جهش پارادایمی نسبت به روش‌های پیشین محسوب می‌شود:

• از RLHF به RLAIF: مدل‌ها دیگر صرفاً از بازخورد انسانی (RLHF) نمی‌آموزند، بلکه با «یادگیری تقویت‌شده از بازخورد هوش مصنوعی» (RLAIF) و سنتز هدفمند داده‌های آموزشی، نقاط ضعف شناختی خود (مانند توهم در استدلال زنجیره‌ای) را شناسایی و برطرف می‌کنند.
• طراحی خودکار معماری: سیستم‌ها نه‌تنها کد می‌نویسند، بلکه هایپرپارامترها را بهینه‌سازی کرده و معماری‌های عصبی جدیدی ابداع می‌کنند که ممکن است برای ذهن انسان شهودی نباشد.
• حلقه‌های ایزولهٔ ایمن: برای جلوگیری از «فروپاشی مدل» (Model Collapse) ناشی از بازخوردهای مثبت، کدهای تولیدشده در محیط‌های قرنطینهٔ Sandbox تست و پیش از ادغام در چرخهٔ اصلی، توسط کامپایلرهای تخصصی اعتبارسنجی می‌شوند. این لایهٔ حفاظتی، مهار ناپایداری‌های ذاتی خودبهبودی نمایی را ممکن می‌سازد.

۲. زیرساخت محاسباتی: سه مسیر به سوی اگزا-مقیاس

اجرای چرخه‌های خودبهبودی بازگشتی، توان پردازشی‌ای فراتر از کلاسترهای استنتاج مرسوم طلب می‌کند و هر یک از سه بازیگر اصلی، مسیر سخت‌افزاری متفاوتی را برگزیده‌اند:

• OpenAI + مایکروسافت (Azure): با دسترسی اولویت‌دار به جدیدترین پردازنده‌های گرافیکی NVIDIA (H100، Blackwell B200 و برنامهٔ آیندهٔ Rubin)، در حال پیاده‌سازی مدل‌های آموزشی با مقیاس اگزا-فلاپس (ExaFLOPS) است. این مسیر، وابستگی عمیق به اکوسیستم CUDA را حفظ می‌کند.
• گوگل (TPUv5p): با واحدهای پردازش تانسوری اختصاصی خود که برای «مسیریابی نوری» (Optical Switching) بهینه شده‌اند، تأخیر میان‌تراشه‌ای را در مدل‌های عظیم Mixture-of-Experts به حداقل می‌رساند. مزیت گوگل در یکپارچگی عمودی میان سخت‌افزار، نرم‌افزار و کلان‌داده‌هاست.
• آنتروپیک + AWS: با پشتیبانی آمازون، از تراشه‌های Trainium2 برای کاهش هزینهٔ هر چرخهٔ آموزش و افزایش پایداری گرمایی بهره می‌برد. آنتروپیک تلاش می‌کند مسیر خود را از انحصار NVIDIA جدا کرده و بر روی زیرساخت اختصاصی AWS بنا کند.

محدودیت اصلی در هر سه مسیر، دیگر صرفاً تعداد هسته‌های پردازشی نیست، بلکه «پهنای باند حافظه» (HBM3e) و سیستم‌های خنک‌کنندهٔ مایع در سطح رک (Liquid Cooling at Rack Scale) برای دفع چگالی حرارتی ناشی از محاسبات پیوسته به گلوگاه اصلی بدل شده است.

۳. داده‌های عملیاتی: نقشهٔ فنی مسابقهٔ ASI

شاخص کلیدی	وضعیت (۲۰۲۶)
مقیاس خوشه‌های آموزشی	۲۰۰,۰۰۰+ شتاب‌دهنده (H100/TPUv5p) با پهنای باند چندصد ترابیت‌برثانیه
مصرف برق هر خوشه	۱۵۰-۲۵۰ مگاوات (پیش‌بینی عبور از ۱ گیگاوات)
حافظهٔ مورد نیاز (HBM)	۲۰+ ترابایت به ازای هر نمونه مدل
نرخ بهبود کارایی کد توسط AI	۵-۱۵٪ بهینه‌سازی در زمان اجرا
تأخیر مجاز در حلقهٔ بازخورد	زیر ۱۰۰ میلی‌ثانیه برای جستجوی معماری عصبی خودکار (NAS)
سهم داده‌های ترکیبی	بیش از ۴۰٪ از چرخهٔ آموزشی نسل بعد

۴. تحلیل موقعیت رقبا: شکاف در حال تعمیق

• OpenAI: با مدل‌های سری GPT و پروژهٔ آزمایشی Q*، بنیان‌های استدلال ریاضی و حل مسئله را برای خودبهبودی نهاده است. دسترسی اولویت‌دار به سخت‌افزار NVIDIA و سرمایهٔ ۱۲۲ میلیارد دلاری، آن را در موقعیت پیشتاز قرار می‌دهد.
• گوگل: با Gemini و معماری مالتی‌مودال بومی، از دو مزیت انحصاری بهره می‌برد: کلان‌داده‌های جستجو و زیرساخت عمودی TPU که وابستگی به زنجیرهٔ تأمین خارجی را کاهش می‌دهد.
• آنتروپیک: با مدل‌های Claude و دکترین «هوش مصنوعی مبتنی بر قانون» (Constitutional AI)، تلاش می‌کند فرآیند خودبهبودی را در چارچوب‌های ایمنی مهار کند — رویکردی که ممکن است سرعت را فدای امنیت کند.
• متا و xAI (در تعقیب): مدل‌های منبع‌باز متا (Llama) به دلیل نیاز به ادغام دستی بهبودها، سرعت کمتری در فاز بحرانی خودبهبودی بازگشتی دارند. xAI نیز با وجود ساخت ابرخوشهٔ Colossus، هنوز به تراکم الگوریتمی رقبا دست نیافته و در مرحلهٔ تکمیل زیرساخت باقی مانده است.

۵. نتیجه‌گیری: تولد «کارخانهٔ شناختی خودتکامل‌گر»

پیامد این رقابت، قطبی‌شدن شدید دسترسی به فناوری ASI است. هزینهٔ ورود به چرخهٔ خودبهبودی — که نیازمند هم‌زمانی سخت‌افزار عظیم، داده‌های ترکیبی فوق‌دقیق، و الگوریتم‌های خودتصحیح‌گر است — به‌طور نمایی افزایش می‌یابد و آستانه‌ای ایجاد می‌کند که بازیگران کوچک‌تر را به حاشیه می‌راند یا وادار به ادغام می‌کند. مسیر پیشرو، دیگر رقابت برای «مدل بهتر» نیست، بلکه نبردی برای ایجاد نخستین «کارخانهٔ شناختی خودتکامل‌گر» (Self-evolving Cognitive Factory) است: سیستمی که نه‌تنها پاسخ‌ها، که پرسش‌ها را نیز خود می‌سازد، و نه‌تنها کد، که معماری اندیشیدن را نیز بازطراحی می‌کند. در این میدان، برنده نه لزوماً سریع‌ترین، بلکه کسی خواهد بود که بتواند حلقهٔ بی‌پایان خودبهبودی را بدون فروپاشی مهار کند.