درحالیکه تقاضا برای GPU در ایران بالا رفته، بحث مهمی در جامعه فناوری شکل گرفته: آیا خرید انبوه این سختافزارها واقعاً به توسعه هوش مصنوعی کشور کمک میکند یا صرفاً راهی برای معافیت مالیاتی و افزایش درآمدهای شرکتهای خارجی مانند انویدیاست؟ در پنل AI Summit 2025 در دانشگاه تهران، فعالان و ناظران اکوسیستم هوش مصنوعی این پرسشها را با زبانی صریح مطرح کردند.
چه اتفاقی افتاده و چرا موضوع مهم است؟
در نشست پنل هوش مصنوعی AI Summit 2025، سیدمحمد محمدزاده ضیابری، رئیس کمیسیون هوش مصنوعی سازمان نظام صنفی رایانهای (نصر)، خرید انبوه GPU توسط برخی هلدینگها و شرکتهای بزرگ را بهعنوان تلاشی برای بهرهبرداری از معافیتها و امتیازات مالیاتی توصیف کرد. او هشدار داد که مالیاتی که باید وارد خزانه شود، عملاً به جیب انویدیا و عرضهکنندگان خارجی میرود و در عوض سختافزارها در انبارها یا دیتاسنترهای غیرفعال خاک میخورند.
این موضوع دو بُعد مهم دارد: یکی نیاز واقعی زیرساختی برای توسعه مدلها و محصولات مبتنی بر یادگیری ماشین و مدلهای زبانی بزرگ (LLM)، و دیگری ساختار حکمرانی و سیاستگذاری که تعیین میکند این زیرساختها چگونه و توسط چه نهادهایی مدیریت شوند. بررسی دقیق این دو بُعد نشان میدهد که فقدان یک نهاد متولی مشخص و سیاستگذاری هماهنگ، باعث شده فرصتها از دست بروند و سرمایهها بهطور اثربخش به کار گرفته نشوند.
آسیبهای حکمرانی و خلأ نهاد متولی
محمدزاده در این جلسه به عقبماندگیِ امروز هوش مصنوعی در ایران اشاره کرد و وضعیت فعلی را با لحظه ورود ChatGPT در سال 2022 مقایسه نمود؛ همان نقطهای که دنیا بین قبل و بعد از ChatGPT تقسیم شد. او تأکید کرد که در سه تا چهار سال اخیر بخش خصوصی آسیب دید، زیرا مشخص نبود «قبله» سیاستگذاری کجاست: معاونت علمی؟ وزارت ارتباطات؟ یا نهادی دیگر؟
او افزود که هرچند پیش از ظهور LLMها نیاز به زیرساخت بهشدت کمتر بود، اما با ورود مدلهای بزرگ، تقاضا برای GPU، فضای ذخیرهسازی، و سکوهای محاسباتی بهشدت افزایش یافت. در عین حال، تعدد مداخلات حکمرانی — از طرح «سکوی ملی هوش مصنوعی» توسط معاونت علمی تا ورود وزارت ارتباطات با مفهوم اپراتور هوش مصنوعی — منجر به اقدامات پراکنده، ایذایی و در نهایت ناکارآمد شد. نتیجه این شد که بخش خصوصی نتوانست بهشکل مؤثر وارد پروداکشن لایر شود و صرفاً به صادرات نیروی انسانی و مغزافزار بسنده کرد.
نقطهضعف دیگر به توزیع ناعادلانه تسهیلات و مشوقهای مالیاتی بازمیگردد: قوانین و آییننامهها (از جمله قانون جهش دانشبنیان و برنامههای حمایتی) مشوقهایی برای خرید سختافزار پیشبینی کردهاند، اما مکانیزمهایی که تضمین کند این سختافزارها برای توسعه محصول داخلی بهکار گرفته شوند، وجود نداشته یا ناکافی است. در نتیجه برخی مجموعهها صرفاً برای کاهش بار مالیاتی اقدام به خرید GPU میکنند بدون اینکه به بهرهبرداری مهندسی و عملی آن توجه کنند.
پیامدها برای اکوسیستم و بازار کار
یکی از پیامدهای ملموس این روند، توقف شکلگیری کسبوکارها و خروج استارتاپها به بیرون از کشور است. محمدزاده اشاره کرد که شمار استارتاپهایی که در ایران باقی مانده و سرویس خود را از داخل ارائه میدهند محدود است؛ بسیاری از تیمها یا با هویت ایرانی و یا با هویت غیرایرانی بازارهای خارجی را هدف گرفتهاند. در نتیجه، کشور نهتنها از منافع اقتصادی مستقیم توسعه محصولات هوشمند محروم میشود، بلکه از انتقال دانش مهندسی، شکلگیری زنجیره تأمین و ایجاد فرصتهای شغلی نیز بازمیماند.
او در عین حال هشدار داد که هوش مصنوعی شغلها را از بین نمیبرد، بلکه ماهیت بسیاری از مشاغل را تغییر میدهد؛ بنابراین تمرکز بر مهارتآموزی، تغییر نقشها و ارتقای لایههای مهندسی اهمیت دارد. این همان نقطهای است که سرمایهگذاری مؤثر در زیرساخت میتواند تفاوتآفرین باشد: نه خرید انبوه سختافزار برای معافیت مالیاتی، بلکه ایجاد مراکز توسعه، دیتاسنترهای اشتراکی، و سکوهای محاسباتی که به شرکتها، استارتاپها و دانشگاهها خدمات دهند.
چرا خرید GPU بهتنهایی کافی نیست؟
- GPU صرفاً یک ابزار است: بدون تیم مهندسی، نرمافزار مناسب، دادههای باکیفیت و فرایندهای پروداکشن، GPUها بلااستفاده خواهند ماند.
- هزینههای عملیاتی و نگهداری: راهاندازی و بهرهبرداری از دیتاسنتر یا کلاستر محاسباتی نیازمند نیروی انسانی متخصص، برق پایدار، خنکسازی و مدیریت امنیتی است؛ صرف خرید سختافزار مشکل را حل نمیکند.
- اثر اقتصادی محدود: اگر سختافزارها در انبارها ذخیره شوند، خروج سرمایه صورت گرفته و درآمد مالیاتی از کشور خارج میشود بدون اینکه ارزشافزوده ایجاد شود.
- رقابت نامتقارن: وقتی گروهی از شرکتها از معافیتها برای انباشت سختافزار استفاده میکنند، اکوسیستم کوچکترها و استارتاپها زیان میبیند چون دسترسی منصفانه به منابع محاسباتی فراهم نیست.
پیشنهادها برای تغییر جهت بهسوی توسعه موثر
محمدزاده و سایر کارشناسان نکاتی عملیاتی و راهبردی مطرح کردند که میتوانند به اصلاح وضع کمک کنند:
- تمرکز بر نهاد متولی چابک: ایجاد سازمان ملی هوش مصنوعی با اختیارات پاسخگو و توان توزیع وظایف بین نهادها. این نهاد باید بودجه و منابع را طوری تخصیص دهد که از ایجاد زیرساختهای مشترک حمایت شود نه انباشت سختافزار در انبارها.
- ایجاد سکوها و دیتاسنترهای اشتراکی: بهجای خریدهای جزیرهای، تشویق مشارکت بخش خصوصی در ایجاد مراکز محاسباتی اشتراکی که بهصورت اجارهای در اختیار استارتاپها و مراکز تحقیقاتی قرار گیرد.
- تخصیص مشروط امتیازات مالیاتی: اگر معافیت مالیاتی یا تسهیلاتی برای خرید GPU در نظر گرفته میشود، باید مشروط به بهرهبرداری مشخص، گزارشدهی عملکرد و در دسترسگذاری بخشی از ظرفیت برای اکوسیستم شود.
- سرمایهگذاری در نیروی انسانی و مهندسی پروداکشن: تقویت آموزشهای مهندسی ML Ops، معماری داده، و مدیریت زیرساخت تا شرکتها بتوانند از GPUها در چارچوب تولید محصول استفاده کنند.
- شفافیت و پیگیری: تدوین مکانیزمهای ممیزی و گزارشدهی برای اطمینان از اینکه GPUهای خریداریشده در پروژههای بومی مورد استفاده قرار میگیرند و تنها بهعنوان کالای مالیاتی عمل نمیکنند.
نقش قانون و پارلمان
مجلس و قانونگذار میتوانند نقش تعیینکنندهای ایفا کنند. محمدزاده به تصویب قانونی اشاره کرد که ساختار نهادی جدیدی را برای هوش مصنوعی پیشنهاد میدهد و امیدوار است دولت همراهی کند تا این نهاد بهعنوان یک مرجع چابک و پاسخگو عمل نماید. نکته مهم این است که وجود یک ساختمان چندطبقه یا بنر اجارهای ملاک موفقیت نیست؛ آنچه اهمیت دارد، توان نهاد در تخصیص وظایف، پاسخخواهی و تضمین اجرای سیاستهاست.
در متنی که اخیراً بین نهادها مطرح شده، تأکید شده که بخشی از بودجه وزارتخانهها و سازمانها باید به پروژههای هوش مصنوعی اختصاص یابد؛ اگر این تخصیص بهدرستی مدیریت شود، میتواند زمینهساز اجرای پروژههای زیرساختی و اشتراک منابع محاسباتی شود و جلوی هدررفت امتیازات مالیاتی را بگیرد.
جمعبندی میانی: چه باید کرد؟
خلاصه اینکه ایران به GPU نیاز دارد، اما نه بهصورت انبوه و پراکنده که تنها برای معافیت مالیاتی خریداری شوند. راهحل در ایجاد زیرساختهای اشتراکی، توزیع عادلانه منابع، تقویت مهندسی پروداکشن و وجود نهاد متولی چابک است. این رویکردها تضمین میکنند که سرمایهگذاری در سختافزار تبدیل به ارزشافزوده، اشتغال و درآمد داخلی شود، نه اینکه بهصورت خام به شرکتهای خارجی منتقل گردد.
اگر سیاستگذاران، نهادهای اجرایی و بخش خصوصی بتوانند همکاری کنند و قواعدی شفاف و مبتنی بر عملکرد تعریف کنند، میتوان از GPUها برای توسعه واقعی هوش مصنوعی در داخل کشور استفاده کرد: ایجاد محصولات بومی، رشد استارتاپها، صادرات خدمات و دانش، و ایجاد فرصتهای شغلی پایدار. اگر نه، خطر این وجود دارد که صرفاً شاهد خروج سرمایه و از دست رفتن فرصتهای ارزشآفرین باشیم.
در نهایت پرسشی که باید همواره در تصمیمگیریها مطرح شود این است: هدف از خرید هر قطعه سختافزار چیست؟ آیا هدف تقویت اکوسیستم، تولید محصول و خدمترسانی به شهروندان است یا صرفاً کاهش مالیات؟ پاسخ به این پرسش، معیار مناسبی برای ارزیابی سیاستها و تصمیمات سرمایهگذاری خواهد بود.
