جنسن هوانگ، مدیر عامل انویدیا، به طور علنی با کاخ سفید بر سر یکی از پرمصرف‌ترین سؤالات رقابت هوش مصنوعی آمریکا و چین صحبت کرده است: اینکه آیا مدل‌های آموزش آزمایشگاه‌های چینی بر روی خروجی‌های مدل‌های آمریکایی معادل رقابت مشروع یا دزدی است. هوانگ در پاسخ به سوالی در روز دوشنبه در CNBC's Squawk Box که آیا تقطیر "سرقت نیست" پاسخ داد: "به این می گویند رقابت."

اظهارات او رئیس با ارزش ترین تراشه ساز جهان را در تضاد با چارچوب رسمی دولت قرار داد. به گزارش سی ان بی سی، اسکات بسنت، وزیر خزانه داری آمریکا، در ماه ژوئیه این عمل را «دزدی» توصیف کرد و شرکت های خارج از کشور را که از آن برای استخراج توانایی از مدل های ساخت آمریکا استفاده می کنند، تهدید کرد.

تقطیر چیست - و چرا به نقطه اشتعال تبدیل شد

تقطیر، در صنعت هوش مصنوعی، به آموزش یک مدل بر روی خروجی های مدل دیگر اشاره دارد - معمولاً یک مدل دانشجویی کوچکتر و ارزانتر که برای تقلید از یک معلم بزرگتر و توانمندتر یاد می گیرد. این یک تکنیک استاندارد و پرکاربرد است و شرکت‌های هوش مصنوعی ایالات متحده به طور گسترده از آن در مدل‌های خود استفاده می‌کنند.

بحث از این است که چه کسی تقطیر را انجام می دهد. به گزارش سی ان بی سی، مقامات آمریکایی شرکت های چینی هوش مصنوعی را متهم کرده اند که از این تکنیک برای بیرون کشیدن قابلیت های پیشرفته از مدل های مرزی آمریکا استفاده می کنند و تقطیر به نقطه عطف کلیدی در رقابت بین واشنگتن و پکن برای برتری هوش مصنوعی تبدیل شده است.

این اتهامات در هفته های اخیر شدیدتر شده است. در اوایل ماه جاری، آژانس امنیت سایبری و امنیت زیرساخت ایالات متحده، شرکت های هوش مصنوعی چین را به انجام "کمپین های تقطیر دانش در مقیاس صنعتی" متهم کرد که شرایط استفاده شرکت های آمریکایی را نقض می کند. آنتروپیک به طور جداگانه در این ماه اعلام کرد که علی بابا، شرکتی که پشت سر خانواده مدل‌های Qwen قرار دارد، و DeepSeek هر دو در آنچه تقطیر غیرقانونی نامیده می‌شود، درگیر شده‌اند.

تقطیر چگونه کار می کند و چرا برای پلیس سخت است

خود تکنیک ساده است. یک توسعه‌دهنده میلیون‌ها بار یک مدل قدرتمند را درخواست می‌کند، پاسخ‌های آن را جمع‌آوری می‌کند، و مدل کوچک‌تری را برای بازتولید آن‌ها آموزش می‌دهد - توانایی معلم را به چیزی ارزان‌تر برای اجرا در مقیاس فشرده می‌کند. از آنجایی که داده های آموزشی به جای کد یا وزن، متن هستند، معمولا اثر انگشت فنی وجود ندارد که ثابت کند کدام معلم آن را تولید کرده است.

این همان چیزی است که اجرای آن را تا این حد بحث برانگیز می کند. "نقض" ادعایی در اکثر مناقشات تقطیر به جای فنی، قراردادی است: شرایط استفاده عموماً استفاده از خروجی های یک مدل را برای آموزش یک مدل رقیب ممنوع می کند، اما شرکتی که خروجی ها را از طریق اشتراک API معمولی به دست می آورد، به سختی از هر مشتری دیگری متمایز می شود. تشخیص معمولاً به شواهد آماری - عبارات متمایز، خطاها یا الگوهای رفتاری معیار - بستگی دارد تا تفنگ سیگار کشیدن.

نظر هوانگ "مشتریان خود را بشناسید و خدمات را غیرفعال کنید" مستقیماً با این واقعیت صحبت می کند: در چارچوب بندی او، طرفی که بهترین موقعیت را برای جلوگیری از شبیه سازی ناخواسته دارد، شرکتی است که دسترسی را می فروشد، نه تنظیم کننده ای که داده های آموزشی را بعد از این واقعیت بررسی می کند.

هوانگ: "رقابت همه چیز را بهتر می کند"

هوانگ مخالفت نکرد که این رویه برای محصولات خود انویدیا اتفاق می افتد. او به CNBC گفت: «شما مجاز هستید محصولات دیگران را هرچه می خواهید آزمایش کنید.

او گفت: «من واقعاً ترجیح می‌دهم این کار را نکنند. "من واقعاً ترجیح می دهم که هیچ کس از محصولات ما یاد نگیرد، و ما فقط از این مزیت برخورداریم. اما، صادقانه بگویم، رقابت همه چیز را بهتر می کند."

او همچنین پیشنهاد کرد که راه حل برای شرکت هایی که نگران مطالعه هستند تجاری است، نه قانونی: "اگر شما آن را دوست ندارید، اگر دوست ندارید مردم از محصولات شما استفاده کنند، تنها کاری که [باید انجام دهید این است] این است که مشتریان خود را بشناسید و خدمات را غیرفعال کنید."

کاخ سفید بلافاصله به درخواست CNBC برای اظهار نظر پاسخ نداد.

چرا تمایز مهم است

شکاف بین «رقابت» و «سرقت» صرفاً شعاری نیست. اگر تقطیر به عنوان رقابت معمولی در بازار تلقی شود، پاسخ استراتژی محصول است - شرایط خدمات سخت‌تر، تشخیص استفاده، محدود کردن دسترسی به خروجی‌های مرزی. اگر به عنوان دزدی تلقی شود، پاسخ تحریم ها، کنترل صادرات و قرار گرفتن در معرض قانونی برای شرکت های خارج از کشور است، مسیری که تهدید جولای Bessent به آن اشاره کرد.

این تمایز پیامدهای مستقیمی برای زنجیره تامین هوش مصنوعی دارد. انویدیا شتاب‌دهنده‌هایی را می‌فروشد که مدل‌های مرزی در هر دو طرف اقیانوس آرام در آن آموزش داده می‌شوند، و هر رژیم تحریمی علیه شرکت‌هایی که از مدل‌های آمریکایی تقطیر می‌کنند، می‌تواند تغییر شکل دهد که چه کسی مجاز به خرید چه چیزی است. چارچوب هوانگ - که خریداران آنچه را که می خرند مطالعه می کنند و فروشندگان باید آن را حساب کنند - در واقع استدلالی علیه تلقی شبیه سازی مدل به عنوان یک مشکل اجرایی است.

همچنین در میانه یک شکاف عمومی گسترده در مورد نحوه رقابت ایالات متحده با هوش مصنوعی چینی قرار می گیرد. سازمان‌های دولتی یک ماه را صرف تشدید اتهامات کرده‌اند، در حالی که یکی از برجسته‌ترین چهره‌های این صنعت به تازگی در مقابل دوربین استدلال کرده است که رفتار متهم نحوه عملکرد بازارها است.

در حال حاضر، این دو موضع با ناراحتی همزیستی دارند: اتهامات Anthropic علیه علی‌بابا و DeepSeek حل‌نشده باقی مانده است، اتهامات CISA به تحریم‌های اعلام‌شده منتهی نشده است، و Huang - که تراشه‌هایش در همه جا مورد تقاضا هستند - باعث شده است که باز بودن صنعت از سرعت آن جدا نیست.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →