دوران هیجان اولیه برای چتباتها تمام شده و حالا در فاز «قدرتنماییِ بیرحمانه» هستیم. امروز هوش مصنوعی دیگر فقط یک دستیار برای نوشتن ایمیل نیست؛ بلکه یک میدان جنگ نیمتریلیون دلاری است که توسعهدهندگان را شیفتهی خود کرده، محیط زیست را به خطر انداخته و حتی بر علم پزشکی تاثیر میگذارد. اگر میخواهید بدانید دقیقاً توان پردازشی در سراسر جهان چقدر است و چرا قدرتمندترین هوشهای مصنوعی هنوز سوتیهای کودکانه میدهند، این ۹ نمودار که توسط دانشگاه استنفورد گردآوری شدهاند را ببینید.
۱. شرکتهای آمریکایی، پیشتاز در عرضه مدلهای AI
آمریکا در یک دهه گذشته پیشگام عرضهی مدلهای هوش مصنوعی بوده و این موضوع در سال ۲۰۲۵ نیز مانند سالهای گذشته تکرار شده. طبق گزارش موسسه تحقیقاتی Epoch AI، سازمانهای آمریکایی در سال ۲۰۲۵ بالغ بر ۵۰ مدل «برجسته» منتشر کردهاند. چینیها هم به مرور در حال کم کردن اختلاف هستند.
۲. برتری بلامنازع چین در حوزه رباتیک
در حالی که شرکتهای آمریکایی بیشترین مدلهای برجستهی هوش مصنوعی را منتشر کردهاند، چین در پیادهسازی و استقرار رباتیک پیشتاز است. طبق دادههای فدراسیون بینالمللی رباتیک، چین تنها در سال ۲۰۲۴ بالغ بر ۲۹۵,۰۰۰ ربات صنعتی نصب کرده است. این در حالیست که ژاپن تقریباً ۴۴,۵۰۰ و ایالات متحده ۳۴,۲۰۰ ربات صنعتی نصب کردهاند.
۳. ظرفیت پردازشی هوش مصنوعی از سال ۲۰۲۲ سالانه ۳.۳ برابر شده
آمار و ارقام هیجانانگیز راجع به هوش مصنوعی کم نیست، اما احتمالاً هیچکدام به اندازهی معیار موسسه Epoch AI برای اندازهگیری «کل توان پردازشی هوش مصنوعی» جذاب نباشند.
محاسبات نشان میدهد که اگر قدرت پردازشی تراشه H100e شرکت انویدیا را معیار قرار دهیم، ظرفیت پردازشی هوش مصنوعی در جهان از سال ۲۰۲۲ به بعد، هر سال بیش از «سه برابر» شده است. انویدیا بزرگترین برندهی این ماجرا بوده و پردازندههای گرافیکیاش اکنون ۶۰ درصد از کل ظرفیت پردازشی هوش مصنوعی را در جهان به خود اختصاص دادهاند. آمازون و گوگل هم که سختافزارهای اختصاصی هوش مصنوعی میسازند، در رتبههای دوم و سوم قرار میگیرند.
۴. انتشار عظیم کربن، پیامد تعلیم مدلهای هوش مصنوعی
گزارش هوش مصنوعی دانشگاه استنفورد نشان میدهد که نشرِ کربنِ ناشی از تعلیمِ هوش مصنوعی، به شکل نگرانکنندهای در حال افزایش است. در این گزارش تخمین زده شده که آموزش جدیدترین مدلهای زبانی بزرگ (مثل Grok 4) میتواند به انتشار ۷۲ هزار تُن کربن منتهی شود. برای مقایسه، نشر کربن مدل GPT-4 شرکت OpenAI حدود ۵۱۰۰ تُن برآورد شده بود. موسسه Epoch AI هم در برآوردی جداگانه و بسیار نگرانکنندهتر، انتشار کربن مدل Grok 4 را نزدیک به ۱۴۰ هزار تُن تخمین زده است!
انتشار کربنِ ناشی از پردازش استنتاجی (Inference) مدلها هم در حال افزایش است، هرچند نتایج بسته به هر مدل متفاوت است. گزارش نشان میدهد مدلهایی که کمترین بهرهوری استنتاجی را به نمایش میگذارند، تا ۱۰ برابر بیشتر از کارآمدترین مدلها کربن تولید میکنند.
برای مثال تخمین زده میشود مدلهای V3 شرکت DeepSeek هنگام پاسخ به یک دستور متنی متوسط، حدود ۲۳ وات برق مصرف کنند؛ در حالی که این رقم برای Claude 4 Opus حدود ۵ وات است.
۵. مدلهای زبانی، در حال در هم شکستن بنچمارکها
توانمندیهای هوش مصنوعی طی دهه گذشته با سرعتی باورنکردنی بهبود یافته و همچنان در حال شتاب گرفتن است. مدلهای زبانیِ چندوجهی (Multimodal LLMs) با سرعتی همگام با اختراع بنچمارکهای جدید، آنها را فتح میکنند!
هوش مصنوعی عاملمحور (Agentic AI) بیشترین جهش را داشته و مدلهای گوناگون در بنچمارکهای چندوجهی (OSWorld) و مهندسی نرمافزار خودکار (SWE-Bench Verified) رکوردهای خیرهکننده ثبت کردهاند.
همین مدلها در آزمون «آخرین امتحان بشریت» (Humanity’s Last Exam) – که شامل سختترین سوالات طراحیشده توسط متخصصان حوزههای مختلف میشود – پیشرفت چشمگیری به نمایش گذاشتهاند.
سال گذشته مدل o1 شرکت OpenAI تنها به ۸.۸ درصد از سوالات پاسخ درست داد. از آن زمان این دقت به ۳۸.۳ درصد رسیده و حتی این عدد هم کمی قدیمی است؛ چرا که برترین مدلها تا آپریل ۲۰۲۶ (مانند Claude Opus 4.6 و Gemini 3.1 Pro) از مرز ۵۰ درصد نیز عبور کردهاند.
با این وجود پژوهشگران هشدار میدهند که موفقیت در بنچمارکها لزوماً به معنای عملکرد بینقص در دنیای واقعی نیست.
۶. رشد چشمگیر تحقیقات هوش مصنوعی در علم پزشکی
دستاوردهای هوش مصنوعی در علم پزشکی هم بازتاب داشته. تعداد مقالات منتشرشده با موضوع استفاده از هوش مصنوعی در کشف دارو، طی دو سال گذشته بیش از دو برابر شده است. همچنین تعداد مقالات مربوط به هوش مصنوعی چندوجهیِ زیستپزشکی (که برای بررسی همزمان تصاویر و متنهای پزشکی استفاده میشود) ۲.۷ برابرِ دو سال پیش شده است.
۷. مدلهای زبانی هنوز نمیتوانند ساعت بخوانند!
با وجود پیشرفتهای سریع در بسیاری از حوزهها، مدلهای هوش مصنوعی از انجام برخی وظایف روزمره و ساده مانند خواندن ساعت و درک تقویم عاجزند. بنچمارک ClockBench که «توانایی خواندن ساعت آنالوگ» را میسنجد، نشان داده حتی GPT-5.4 (که بهترین عملکرد را نسبت به تمام مدلها دارد)، تنها ۵۰ درصد مواقع ساعت را درست تشخیص میدهد!
عملکرد بیشتر مدلها بسیار بدتر از این بوده. برای مثال، Claude Opus 4.6 زمان را تنها با دقت ۸.۹ درصد درست میخواند؛ اتفاقی که بسیار غافلگیرکننده است، زیرا این مدل در سایر بنچمارکهای پیچیده (مثل آخرین امتحان بشریت) نمرات بینظیری کسب کرده بود. مشکل اصلی ظاهراً این است که وقتی مدلها اطلاعات تصویری و متنی را با هم پردازش میکنند، بیشازحد روی بخش زبانی متمرکز میشوند و گاهی اطلاعات غیرکلامی را بهکل نادیده میگیرند.
۸. رکوردشکنی سرمایهگذاری در سال ۲۰۲۵
رشد عملکرد مدلهای هوش مصنوعی عمدتاً بهخاطر افزایش سرمایهگذاری در شرکتهای سازنده بوده. دادهها نشان میدهند طی سال ۲۰۲۵ با صرف هزینهی بیش از ۵۸۱ میلیارد دلار، رکورد جدیدی در سرمایهگذاری روی هوش مصنوعی به ثبت رسیده است.
این رقم بیش از دو برابرِ ۲۵۳ میلیارد دلاری است که در سال ۲۰۲۴ هزینه شد و بهراحتی رکورد پیشین (۳۶۰ میلیارد دلار در سال ۲۰۲۱) را کنار زد. بیشتر این پولها به سمت ایالات متحده سرازیر شده؛ کشوری که سال گذشته میزبان بیش از ۳۴۴ میلیارد دلار سرمایهگذاری روی هوش مصنوعی بود.
۹. مهندسان نرمافزار پای هوش مصنوعی ایستادهاند
انقلابی عظیم در پلتفرم گیتهاب در جریان است و تعداد پروژههای مرتبط با هوش مصنوعی تا پایان سال ۲۰۲۵ به رقم ۵.۵۸ میلیون پروژه رسیده. این به معنای افزایش پنجبرابری از سال ۲۰۲۰ و رشد ۲۳.۷ درصدی نسبت به سال ۲۰۲۴ است.
این پروژهها صرفاً کدهای تولیدشده توسط رباتها نیستند. پروژههای محبوب و باکیفیتی که لایک و ستاره دریافت کردهاند هم همین نرخ رشد را به نمایش گذاشتهاند که نشان میدهد بسیاری از توسعهدهندگان، هوش مصنوعی را در آغوش کشیدهاند.
اشتیاق نسبت به AI راهش را به محیط آکادمیک هم باز کرده است. مقالات علوم کامپیوترِ مرتبط با هوش مصنوعی از ۱۰۲,۰۰۰ مورد به ۲۵۸,۰۰۰ عنوان رسیده و این رشد عمدتاً به خاطر تمرکز مقالات جدید بر یادگیری ماشین، بینایی ماشین و هوش مصنوعی مولد بوده است.
برداشت شما از این نمودارها چیست؟ آیا دسترسی به یک هوش مصنوعی باهوشتر و سریعتر، ارزش انتشار ۷۲ هزار تن کربن را دارد؟ یا باید تا دیر نشده ترمز شرکتهای بزرگ تکنولوژی را کشید؟
