ظهور DeepSeek در ابتدای سال ۲۰۲۵ را نمی‌توان صرفاً یک موفقیت فناورانه برای یک شرکت چینی یا حتی یک نقطه عطف در رقابت مدل‌های زبانی بزرگ دانست. از منظر اندیشکده دیپلماسی فناوری، اهمیت راهبردی DeepSeek در تغییری است که در ادراک رهبران چین از موقعیت فناورانه کشور ایجاد کرد. برای چند سال پس از ظهور ChatGPT، سیاست‌گذاران چینی با این پرسش مواجه بودند که آیا چین در موج جدید هوش مصنوعی مولد از ایالات متحده عقب افتاده است یا خیر. ظهور DeepSeek-R1 بخشی از این تردید را برطرف کرد و نشان داد که فاصله فناورانه میان دو اکوسیستم، دست‌کم در سطح مدل‌های بنیادین، بسیار کمتر از آن چیزی است که در سال‌های ۲۰۲۳ و ۲۰۲۴ تصور می‌شد. حتی در ارزیابی ۲۰۲۶ Stanford AI Index، مدل‌های آمریکایی و چینی چندین بار جایگاه خود را نسبت به یکدیگر تغییر داده‌اند و در مارس ۲۰۲۶ فاصله مدل پیشتاز Anthropic با بهترین مدل چینی تنها حدود ۲.۷ درصد گزارش شده است.
اما DeepSeek تنها یک مسئله فناورانه نیست؛ بلکه یک آزمون جدید برای مدل حکمرانی چین است. سیاست هوش مصنوعی چین از سال ۲۰۱۷ تاکنون مسیری خطی نداشته است. همان‌گونه که مطالعه Carnegie نشان می‌دهد، این سیاست را می‌توان در چهار مرحله عمده مشاهده کرد. دوره توسعه شتابان و مقررات‌گذاری محدود از ۲۰۱۷ تا اوایل ۲۰۲۰، دوره تشدید کنترل و تنظیم‌گری از ۲۰۲۰ تا اواخر ۲۰۲۲، دوره تعدیل و تلاش برای جبران عقب‌ماندگی پس از ظهور ChatGPT از اواخر ۲۰۲۲ تا اوایل ۲۰۲۵ و مرحله‌ای که پس از DeepSeek شکل گرفته و در آن توسعه فناوری و کنترل راهبردی بیش از گذشته هم‌زمان دنبال می‌شوند.
حکمرانی هوش مصنوعی میان کنترل و توسعه
این تحول را باید در چارچوب یک مسئله بزرگ‌تر فهمید. حکمرانی هوش مصنوعی در چین همواره میان دو ضرورت در نوسان بوده است، «کنترل» و «توسعه». هنگامی که رهبران چین احساس کرده‌اند فاصله فناورانه با رقبا زیاد است، سیاست‌ها به سمت آزادسازی ظرفیت‌های نوآوری، کاهش موانع مقرراتی و بسیج منابع برای رشد حرکت کرده‌اند. هنگامی که احساس کرده‌اند توانمندی فناورانه به سطحی رسیده که می‌تواند پیامدهای سیاسی و اجتماعی ایجاد کند، اولویت به کنترل اطلاعات، مدیریت پلتفرم‌ها و تنظیم رفتار شرکت‌های فناوری تغییر کرده است. Carnegie این الگو را یکی از ویژگی‌های پایدار تحول سیاست هوش مصنوعی چین می‌داند.
DeepSeek این چرخه را پیچیده‌تر کرده است؛ زیرا این بار «اعتماد فناورانه» و «سلامت اقتصادی» چین در یک جهت حرکت نمی‌کنند. از یک سو، چین توانسته است در برخی ابعاد هوش مصنوعی به مرز جهانی نزدیک شود؛ از سوی دیگر، اقتصاد با فشارهای ساختاری، ضعف تقاضا و کاهش تمایل سرمایه خصوصی مواجه است. در نتیجه، پکن اکنون نمی‌تواند صرفاً با افزایش کنترل، هزینه‌های اقتصادی آن را نادیده بگیرد.
این مسئله در سیاست «AI+» نیز قابل مشاهده است. دولت چین از سال ۲۰۲۵ به‌طور جدی‌تر تلاش کرده هوش مصنوعی را از یک صنعت فناوری به یک لایه عمومی برای بازآرایی اقتصاد تبدیل کند. در سند رسمی شورای دولتی درباره تعمیق اجرای «AI+»، هدف صرفاً توسعه مدل‌های بزرگ نیست؛ بلکه ادغام هوش مصنوعی با صنعت، مصرف، خدمات عمومی، حکمرانی، سلامت، آموزش و همکاری بین‌المللی است.
وقتی هوش مصنوعی از فناوری به اقتصاد می‌رسد
این تغییر از منظر سیاست‌گذاری بسیار مهم است. اگر مرحله نخست توسعه هوش مصنوعی در چین عمدتاً به «ساخت فناوری» مربوط بود، مرحله جدید به «نفوذ فناوری در اقتصاد واقعی» مربوط می‌شود. بنابراین معیار موفقیت دیگر صرفاً تعداد مدل‌ها، پارامترها یا بنچمارک‌های فنی نخواهد بود؛ بلکه میزان توانایی چین برای تبدیل هوش مصنوعی به بهره‌وری صنعتی، اتوماسیون، خدمات عمومی و مزیت رقابتی بنگاه‌ها خواهد بود. این همان جایی است که سیاست صنعتی چین با حکمرانی هوش مصنوعی پیوند می‌خورد. چین در سال ۲۰۲۵ حدود ۳.۹۳ تریلیون یوان در تحقیق و توسعه هزینه کرده که معادل ۲.۸ درصد تولید ناخالص داخلی این کشور است. هزینه R&D پایه نیز ۲۷۷.۸ میلیارد یوان بوده است. چنین مقیاسی از سرمایه‌گذاری به دولت امکان می‌دهد هوش مصنوعی را نه یک بازار منفرد، بلکه بخشی از یک معماری بزرگ‌تر توسعه فناورانه ببیند.
در همین حال، چین در عرصه تولید دانش نیز جایگاه قابل توجهی دارد. در سال ۲۰۲۵، شرکت‌ها و پژوهشگران چینی ۷۳٬۷۱۸ درخواست ثبت اختراع بین‌المللی تحت سیستم PCT ثبت کردند؛ رقمی که چین را در جایگاه نخست قرار داده است. Stanford نیز در گزارش ۲۰۲۶ خود نشان می‌دهد که چین از نظر حجم انتشار مقالات هوش مصنوعی، استنادها و تعداد پتنت‌ها در موقعیت بسیار قدرتمندی قرار دارد، اگرچه ایالات متحده همچنان در تولید مدل‌های برجسته و پتنت‌های با اثرگذاری بالا مزیت‌هایی دارد. بنابراین حکمرانی هوش مصنوعی در چین را نباید صرفاً با مفهوم «محدودسازی» توضیح داد. مدل در حال شکل‌گیری چین پیچیده‌تر است. دولت می‌کوشد هم‌زمان مالکیت و کنترل داده را حفظ کند، توسعه شرکت‌های فناوری را تحریک نماید، زیرساخت محاسباتی را گسترش دهد، کاربردهای صنعتی هوش مصنوعی را افزایش دهد، ریسک‌های اجتماعی و سیاسی را مدیریت کند و در عین حال در تدوین قواعد بین‌المللی هوش مصنوعی نیز حضور داشته باشد.
مقررات‌گذاری محتوای تولیدشده توسط هوش مصنوعی نمونه‌ای از این رویکرد است. مقررات جدید چین درباره برچسب‌گذاری محتوای مصنوعی، ارائه‌دهندگان خدمات را ملزم به استفاده از برچسب‌های آشکار و همچنین metadata برای شناسایی محتوای تولیدشده توسط هوش مصنوعی می‌کند. این سیاست را می‌توان بخشی از تلاش گسترده‌تر برای حفظ قابلیت ردیابی و کنترل جریان اطلاعات در محیطی دانست که تولید محتوا دیگر به تولیدکنندگان انسانی محدود نیست. مقررات مربوط به برچسب‌گذاری محتوای تولیدشده و ترکیبی از اول سپتامبر ۲۰۲۵ اجرایی شده‌اند و شامل الزامات مربوط به برچسب‌گذاری آشکار و پنهان در فراداده هستند. در سطح نهادی نیز نشانه‌های جالبی دیده می‌شود. در دوره پس از ChatGPT، نقش نهادهای اقتصادی مانند NDRC در کنار نهادهای تنظیم‌گر اطلاعاتی افزایش یافت. این تغییر نشان‌دهنده یک تحول مهم است. هوش مصنوعی دیگر صرفاً موضوع «امنیت اطلاعات» نیست؛ به موضوع سیاست صنعتی، رشد اقتصادی و رقابت ملی تبدیل شده است.
از این منظر، چین پس از DeepSeek وارد مرحله‌ای از حکمرانی هوش مصنوعی شده که می‌توان آن را «حکمرانی توسعه‌محور تحت کنترل راهبردی» نامید. در این مدل، دولت نه می‌خواهد هوش مصنوعی را آزادانه و بدون قید رشد دهد و نه می‌تواند آن را صرفاً از منظر ریسک و کنترل مدیریت کند. هدف، ساختن یک اکوسیستم است که در آن نوآوری تا جایی که به قدرت اقتصادی و فناورانه کشور کمک می‌کند تسریع شود، اما زیرساخت‌های اطلاعاتی، داده‌ای و سیاسی همچنان تحت کنترل دولت باقی بمانند. پیامد این تحول فراتر از چین است. اگر چین بتواند این مدل را به‌طور موفقیت‌آمیز اجرا کند، در حال شکل‌دادن به یک آلترناتیو برای الگوهای غربی حکمرانی هوش مصنوعی خواهد بود؛ الگویی که در آن دولت نقش بسیار فعال‌تری در جهت‌دهی سرمایه، داده، زیرساخت و کاربردهای هوش مصنوعی دارد. چنین مدلی می‌تواند برای سایر اقتصادهای نوظهور نیز جذاب باشد؛ به‌ویژه کشورهایی که به دنبال افزایش ظرفیت فناورانه خود هستند اما نمی‌خواهند تمام مسیر توسعه را بر مبنای مدل‌های نهادی غربی طراحی کنند.
برای ایران، درس اصلی این نیست که مدل چین باید تقلید شود. درس مهم‌تر این است که حکمرانی هوش مصنوعی نمی‌تواند از سیاست صنعتی، زیرساخت محاسباتی، داده، توسعه شرکت‌ها، پژوهش و دیپلماسی فناوری جدا باشد. تجربه چین نشان می‌دهد که زمانی که هوش مصنوعی به فناوری عمومی و زیرساختی تبدیل می‌شود، سیاست‌گذاری آن نیز باید از یک تنظیم‌گری بخشی به یک معماری حکمرانی چندلایه ارتقا پیدا کند.
در نهایت، پرسش مهم درباره چین پس از DeepSeek این نیست که آیا پکن هوش مصنوعی را بیشتر کنترل خواهد کرد یا کمتر؛ بلکه این است که آیا می‌تواند میان کنترل سیاسی، آزادی نوآوری، سرمایه‌گذاری صنعتی و رقابت بین‌المللی تعادل جدیدی ایجاد کند؟ پاسخ به این پرسش نه‌تنها آینده هوش مصنوعی چین، بلکه بخشی از آینده حکمرانی جهانی هوش مصنوعی را نیز شکل خواهد داد.