در ادامه محدودیت صادرات تراشه‌های انویدیا به چین، دیپ‌سیک سفارش دست‌کم ۱۶۰ هزار شتاب‌دهنده هوش مصنوعی هواوی را برای مرکز داده تازه‌ای در مغولستان داخلی نهایی کرده است — پروژه‌ای در مقیاس یک گیگاوات.
بر اساس گزارش بلومبرگ، آزمایشگاه هوش مصنوعی چینی دیپ‌سیک در حال نهایی‌کردن سفارش دست‌کم ۱۶۰ هزار شتاب‌دهنده هوش مصنوعی هواوی از مدل Ascend 950DT برای یک مرکز داده تازه در مغولستان داخلی است. مقیاس برق مورد نیاز این مرکز، معادل مصرف برق حدود ۷۵۰ هزار خانه برآورد شده که آن را در رده مراکز داده در مقیاس گیگاوات قرار می‌دهد.
نکته فنی قابل توجه این است که دیپ‌سیک، دست‌کم فعلاً، قصد ندارد از این تراشه‌ها برای آموزش (training) مدل‌های خود استفاده کند و همچنان برای این مرحله حساس به تراشه‌های انویدیا وابسته است؛ این چیپ‌های هواوی بیشتر برای اجرای استنتاج (inference) در مقیاس بزرگ در نظر گرفته شده‌اند.
طبق این گزارش، تحویل تراشه‌های Ascend 950DT از سه‌ماهه چهارم ۲۰۲۶ آغاز می‌شود، اما به‌دلیل محدودیت ظرفیت تولید هواوی — به‌ویژه کمبود حافظه‌های پیشرفته — تکمیل کامل این سفارش ممکن است بیش از یک سال طول بکشد. راه‌اندازی جزئی این مرکز داده نیز در اواخر ۲۰۲۷ یا اوایل ۲۰۲۸ پیش‌بینی شده است.
این خبر بازتاب روشنی از یک روند بزرگ‌تر است: با ادامه محدودیت‌های صادراتی آمریکا، اکوسیستم سخت‌افزار هوش مصنوعی به‌تدریج به دو زنجیره تأمین نسبتاً مجزا — یکی مبتنی بر انویدیا و دیگری مبتنی بر هواوی — تقسیم می‌شود. برای مدیران فناوری اطلاعاتی که در حال برنامه‌ریزی زیرساخت بلندمدت هستند، این روند یادآوری می‌کند که وابستگی به یک تأمین‌کننده سخت‌افزاری خاص، دیگر فقط یک ریسک فنی نیست، بلکه یک ریسک ژئوپلیتیک هم به‌حساب می‌آید.
این یادداشت خلاصه و بازنویسی‌شده بر پایه گزارش زیر است؛ برای مطالعه گزارش کامل به منبع اصلی مراجعه کنید.
Bloombergگزارش ۲۰۲۶ مرکز مالی جایگزین کمبریج (CCAF) با مشارکت BIS، IMF، WEF و نهادهای دیگر نشان می‌دهد ۸۱٪ شرکت‌های مالی هوش مصنوعی را به‌کار گرفته‌اند و مهندسی نرم‌افزار بالغ‌ترین کاربرد است؛ اما نگرانی از از‌دست‌رفتن نظارت انسانی و ضعف توضیح‌پذیری جدی است.
بر اساس گزارش SiliconANGLE در ۱۸ سپتامبر ۲۰۲۶، هفته‌ای که همزمان شاهد سرمایه‌گذاری‌های میلیاردی در زیرساخت هوش مصنوعی و عرضهٔ ابزارهای ایمنی برای مهار عامل‌های سرکش بود — پارادوکس صنعت عامل‌های هوشمند.
پژوهشی از مدرانو، ورما و چابرا نشان می‌دهد در یک سامانهٔ RAG شبیه محیط تولید، تکنیک RAG Fusion هرچند recall را بالا می‌برد، اما پس از re-ranking و برش زمینه بخش بزرگی از سود از بین می‌رود و دقت حتی اندکی افت می‌کند.
