۳.۸۷ میلیون کارت اعتباری دزدیده شده. ۱.۹ میلیارد دلار خسارت. و ابزار اصلی؟ ⁦Gemini⁩ — هوش مصنوعی خود گوگل.

گوگل چند روز پیش از یه شبکه جرایم سایبری مستقر در چین به اسم ⁦Outsider Enterprise⁩ شکایت کرد. اینا یه سرویس کامل برای فیشینگ ساخته بودن — یعنی به هکرهای دیگه می‌فروختن که بتونن صفحات جعلی بسازن و آدم‌ها رو گول بزنن.

فیشینگ یعنی چی؟ یعنی یه سایت تقلبی که عین سایت اصلی بانکت یا پست یا گوگله، ولی اگه اطلاعاتت رو وارد کنی، می‌ره دست کلاهبردار.

نکته جالبش اینجاست — اینا از ⁦Gemini⁩ استفاده می‌کردن تا کد این صفحه‌های جعلی رو بنویسه. چطور؟ با ⁦Prompt⁩ های به‌ظاهر بی‌خطر. مثلاً می‌گفتن «یه صفحه برای دریافت جایزه بساز» یا «یه فرم پشتیبانی مشتری درست کن» — و ⁦Gemini⁩ هم می‌ساخت. بعد خروجی رو مستقیم می‌ریختن توی زیرساخت کلاهبرداریشون.

در واقع فیلترهای امنیتی ⁦AI⁩ رو دور نزدن — فقط درخواستشون رو طوری بیان کردن که بی‌گناه به نظر برسه. ⁦Gemini⁩ نمی‌تونست بفهمه این صفحه قراره برای چی استفاده بشه. 🤖

فقط تو دو هفته از ماه می ۲۰۲۶، این گروه ۲.۵ میلیون پیام فیشینگ به کاربرای اندروید در آمریکا فرستاد. گوگل بیش از ۹۰۰۰ سایت جعلی و نزدیک به یه میلیون لینک تقلبی مرتبط با این شبکه شناسایی کرده — از جمله سایت‌هایی که جای گوگل، یوتیوب، سرویس پستی آمریکا و بانک‌های مختلف رو گرفته بودن.

گوگل به جای شکایت کیفری، دادگاه مدنی رو انتخاب کرد — چون از این طریق می‌شه سریع‌تر دستور گرفت که هاست‌ها و ثبت‌کننده‌های دامنه زیرساخت این گروه رو خاموش کنن، بدون اینکه منتظر سال‌ها تحقیقات کیفری بمونی.

این اولین باره که گوگل از کسی شکایت می‌کنه به خاطر سوءاستفاده از ⁦AI⁩ خودشون. یه نشونه جدی که دیگه کیفیت ظاهری یه سایت یا پیام، دلیل معتبری برای اعتماد نیست — ⁦AI⁩ می‌تونه صفحه‌های جعلی رو از اصلیشون غیرقابل‌تشخیص کنه. ⚡

جزئیات کامل رو از دکمه پایین بخون 👇

۲۰۲۴ قرار بود انسان دوباره روی ماه پا بذاره. الان ۲۰۲۶ ایم و هنوز حتی یه نفر از کپسول آرتمیس رد نشده.

برنامه آرتمیس ناسا از همون اول با تایم‌لاین‌های خوش‌بینانه شروع کرد. آرتمیس ۱ — که بدون سرنشین بود — نوامبر ۲۰۲۲ پرتاب شد و واقعاً خوب کار کرد. کپسول اوریون تا ۴۳۲ هزار کیلومتر از زمین رفت، سپر حرارتیش با سرعت ۳۹ هزار کیلومتر در ساعت از جو رد شد و سالم موند. اون مرحله خوب پیش رفت.

ولی بعدش همه چیز کند شد.

آرتمیس ۲ — که فقط یه دور پرواز دور ماه با ۴ فضانورده، بدون فرود — قرار بود اواخر ۲۰۲۴ پرتاب بشه. بعد موکول شد به ۲۰۲۵، بعد به اواخر ۲۰۲۵. الان بهترین حالت سپتامبر ۲۰۲۶ه. مشکل اصلی اینه که بعد از آرتمیس ۱، یه رفتار غیرمنتظره تو سپر حرارتی پیدا شد — بخش‌هایی ازش به شکل نامتقارن می‌سوختن. مهندسا دو سال روش کار کردن و ظاهراً حلش کردن، ولی تست‌ها وقت می‌بره.

آرتمیس ۳، که اولین فرود انسان روی ماه از ۱۹۷۲ تا الانه، زودترین موعدش ۲۰۲۷ هست.

یه مشکل موازی هم وجود داره: موشک اصلی این برنامه — یعنی ⁦SLS⁩ — هر بار پرتاب ۴.۱ میلیارد دلار هزینه داره. مقایسه کن با فالکون ۹ اسپیس‌ایکس که حدود ۶۷ میلیون دلاره. ضمناً هیچ بخشی از ⁦SLS⁩ قابل استفاده مجدد نیست.

برای آرتمیس ۳، قراره استارشیپ اسپیس‌ایکس نقش فرودگر ماه رو بازی کنه. اوریون فضانوردا رو به مدار ماه می‌بره، استارشیپ اونا رو به سطح ماه می‌رسونه. ولی استارشیپ هنوز تأییدیه لازم برای حمل انسان رو از ناسا نگرفته، و انتقال سوخت در فضا — که برای این مأموریت حیاتیه — در مقیاس کامل آزمایش نشده.

یه خبر خوب هم هست: برنامه ⁦CLPS⁩ ناسا که به شرکت‌های خصوصی پول می‌ده تا محموله‌های علمی رو به ماه ببرن، داره نتیجه می‌ده. شرکت اینتوئیتیو ماشینز در فوریه ۲۰۲۴ نزدیک قطب جنوب ماه فرود اومد — اول بار بعد از ۵۲ ساله که یه دستگاه آمریکایی روی ماه نشسته.

خلاصه‌ش اینه که آرتمیس نه شکست خورده، نه طبق برنامه پیش رفته. ناسا دو تا سه سال از تایم‌لاین اولیه عقبه و وابستگی به استارشیپ هنوز بزرگ‌ترین مجهول مسیره.

جزئیات کامل رو از دکمه پایین بخون 👇

یه هفته پیش، شرکت ⁦Anthropic⁩ با سروصدا اعلام کرد که با غول فناوری هندی ⁦TCS⁩ شراکت بسته تا ⁦AI⁩ پیشرفته‌اش رو به بازار هند بیاره. تقریباً همون هفته، دولت آمریکا زد رو ترمز.

از جمعه ۱۳ ژوئن ۲۰۲۶، دسترسی به ⁦Fable 5⁩ و ⁦Mythos 5⁩ — دو تا از پیشرفته‌ترین مدل‌های شرکت ⁦Anthropic⁩ — برای تمام اتباع خارجی قطع شد. نه فقط مشتری‌های بیرون از آمریکا، بلکه کارمندان خودِ شرکت که شهروند آمریکا یا گرین‌کارت نداشتن هم از دسترسی محروم شدن. 🔒

دلیل؟ دولت آمریکا نگرانی امنیت ملی داشت — می‌گفتن این مدل‌ها آسیب‌پذیری‌هایی دارن که می‌شه دورشون زد. گفته می‌شه اندی جسی، مدیرعامل آمازون، نقش اولیه‌ای در مطرح کردن این نگرانی‌ها با مقامات فدرال داشته.

اون تیم‌های هندی که تازه داشتن برنامه‌ریزی می‌کردن روی همین مدل‌ها سرویس بسازن، یه‌شبه قفل خوردن.

واکنش هند هم جالب بود. یه سرمایه‌گذار بزرگ هندی پیشنهاد داد دولت هند سالی ۵۰۰ میلیارد روپیه (حدود ۶ میلیارد دلار) برای ساخت ⁦AI⁩ بومی هزینه کنه — تقریباً ۵ برابر چیزی که الان برای کل برنامه ⁦AI⁩ هند در ۵ سال گذاشتن. پیام ساده بود: «مدل‌های ⁦AI⁩ آمریکایی به سیاست خارجی آمریکا وابسته‌ان.» ⚡

این ماجرا یه چیز مهم نشون می‌ده که تا همین دیروز خیلی‌ها بهش فکر نمی‌کردن: همه فکر می‌کردیم مدل‌های پیشرفته از طریق ⁦API⁩ برای همه در دسترسه. دیگه این‌طور نیست.

اگه استارتاپ داری یا با تیم بین‌المللی کار می‌کنی، حالا باید یه سوال جدی بپرسی: آیا همه آدم‌های تیمم می‌تونن به ابزارهای ⁦AI⁩ که روشون حساب باز کردیم دسترسی داشته باشن؟

جزئیات کامل رو از دکمه پایین بخون 👇

چند سال پیش هر ۶ ماه یه کمپانی بزرگ یه ویدیوی جذاب از تحویل با پهپاد منتشر می‌کرد — با تاریخ راه‌اندازی که هیچ‌وقت نمی‌رسید. حالا انگار قصه عوض شده.

حالا غول‌هایی مثل ⁦Zipline⁩، ⁦Wing⁩ (بازوی پهپادی گوگل) و آمازون، میلیون‌ها تحویل پهپادی رو به یه واقعیت روزمره، تجاری و کاملاً واقعی تبدیل کردن.

وینگ از مرز ۱ میلیون تحویل تجمعی رد شده. توی تگزاس و استرالیا کار می‌کنه و بسته‌های زیر ۲.۳ کیلو رو در کمتر از ۱۲ دقیقه از لحظه سفارش تحویل می‌ده. این عدد حتی سریع‌ترین پیک موتوری رو هم به چالش می‌کشه.

آمازون در سال ۲۰۲۵ بیش از ۵۰۰ هزار تحویل فقط تو آمریکا داشته و می‌خواد تا آخر دهه به ۵۰۰ میلیون تحویل در سال برسه.

زیپ‌لاین هم که اول با تحویل خون و واکسن به بیمارستان‌های روستایی آفریقا شروع کرد، از مرز ۱ میلیون تحویل پزشکی رد شده و حالا توی آمریکا هم بسته‌های معمولی تحویل می‌ده — از ارتفاع ۱۰۰ متری با یه سیم بسته رو پایین میاره.

خب، چی عوض شده؟ سه چیز:

اول، باتری‌ها بهتر شدن. باتری‌های جدید حدود ۲۰٪ انرژی بیشتری ذخیره می‌کنن که یعنی برد پهپاد از ۱۲ کیلومتر به ۲۲ کیلومتر رسیده.

دوم، پهپادها یاد گرفتن خودشون موانع رو شناسایی کنن و دور بزنن — بدون اینکه کسی پشت دسته‌ی کنترل باشه. این یعنی می‌شه اون‌ها رو خارج از محدوده دید انسانی پرواز داد.

سوم و مهم‌ترین، نهاد هوانوردی آمریکا (⁦FAA⁩) در ۲۰۲۳ یه چارچوب قانونی واضح منتشر کرد. قبلش هر شهر جدید نیاز به مجوز جداگانه داشت که ۱۸ تا ۳۶ ماه طول می‌کشید. حالا شرکت‌هایی که سابقه ایمنی دارن می‌تونن برای کل یه منطقه مجوز بگیرن — و همین بود که همه چیز رو باز کرد.

اقتصادش هم جالبه: تحویل زمینی در حومه شهر آمریکا هر بار ۸ تا ۱۲ دلار خرج برمی‌داره. تحویل پهپادی وقتی هاب پر ظرفیت کار کنه زیر ۳ دلار می‌شه.

۳۰ میلیارد دلار به استارتاپ‌هایی رفت که ربات‌های جنگی می‌سازن.

بین ۲۰۲۴ تا ۲۰۲۵، داغ‌ترین معامله سیلیکون‌ولی نه یه اپ جدید بود، نه یه ⁦LLM⁩ جدید — یه قرارداد با ارتش آمریکا بود. استارتاپ‌های فناوری دفاعی تو این بازه بیش از ۳۰ میلیارد دلار جذب سرمایه کردن و یه صنعتی که تا دیروز در انحصار غول‌های پیمانکاری قدیمی بود، یهو به داغ‌ترین گوشه سرمایه‌گذاری خطرپذیر تبدیل شد.

یه شرکت از بقیه جلوتره: ⁦Anduril Industries.⁩ این استارتاپ که پهپادهای خودمختار و سیستم‌های دفاعی هوشمند می‌سازه، اواسط ۲۰۲۴ یه دور ۱.۵ میلیارد دلاری جذب کرد — ارزشش اون موقع ۱۴ میلیارد بود و الان به ۲۸ میلیارد رسیده. شرکت ⁦Shield AI⁩ هم که نرم‌افزار خلبان هوشمند برای جنگنده‌های بدون سرنشین می‌سازه، ۵۰۰ میلیون دلار جذب سرمایه کرده.

چرا الان؟ جنگ اوکراین یه چیز عجیب ثابت کرد: یه پهپاد ۴۰۰ دلاری می‌تونه یه تانک چند میلیون دلاری رو از کار بندازه. ارتش آمریکا این درس رو جدی گرفت و یه برنامه راه انداخت به اسم ⁦Replicator⁩ با هدف تولید هزاران سیستم خودمختار ارزون‌قیمت ظرف ۱۸ تا ۲۴ ماه — و اولویتش با استارتاپ‌هاست، نه پیمانکارهای سنتی.

جذاب‌ترین ایده‌ای که اینا دارن اینه که «دوگانه» می‌سازن: یه محصول که هم برای بازار غیرنظامی کار می‌کنه، هم برای ارتش. شرکت ⁦Skydio⁩ پهپاد می‌سازه و هم قرارداد ارتش داره، هم ۳۰ دولت متحد ازش خرید می‌کنن. شرکت ⁦Applied Intuition⁩ نرم‌افزار خودروی خودران می‌ساخت، الان همون تکنولوژی رو برای خودروهای زمینی نظامی ارتش آمریکا پیاده می‌کنه. این مدل باعث شده سرمایه‌گذارهای بزرگی مثل ⁦Andreessen Horowitz⁩ و ⁦Founders Fund⁩ که قبلاً از پروژه‌های نظامی فرار می‌کردن، الان مستقیم وارد این حوزه بشن.

البته همه راضی نیستن. یه جنگ اخلاقی هم داخل سیلیکون‌ولی در جریانه. بعضیا می‌گن اگه ما این سیستم‌ها رو نسازیم، کشورهای اقتدارگرا می‌سازن. منتقدان می‌گن استارتاپ‌ها برخلاف پیمانکارهای سنتی هیچ مکانیزم پاسخگویی ندارن و همین سرعت توسعه‌شون که یه مزیته، می‌تونه خطرناک هم باشه.

سرمایه‌ها روانه بازار شده، استارتاپ‌ها دارن رشد می‌کنن، و سیلیکون‌ولی داره با این سوال دست‌وپنجه نرم می‌کنه: مرز ساخت فناوری برای جنگ کجاست؟

یه عدد هست که وقتی می‌بینیش می‌مونی: تا سال ۲۰۲۶، مراکز داده دنیا (که رشد مصرفشون عمدتاً به‌خاطر ⁦AI⁩ هست) بیشتر از تمام برق آلمان در یه سال مصرف می‌کنن.

این یه مقایسه تخیلی نیست — آژانس بین‌المللی انرژی این رو پیش‌بینی کرده. در ۲۰۲۳، مصرف مراکز داده در دنیا ۲٪ از کل برق جهان بود. تا ۲۰۲۶ این عدد دو برابر می‌شه. دلیل اصلی؟ ⁦AI⁩ — هم آموزش مدل‌ها و هم جواب‌دادن به سوالات میلیون‌ها کاربر روزانه.

شبکه‌های برق دارن زانو می‌زنن

در ویرجینیای شمالی، که بزرگ‌ترین تجمع مراکز داده دنیا رو داره، دیگه ظرفیت ندارن اتصال جدید بدن. ایرلند، که سرورهای ⁦Google⁩، ⁦Meta⁩ و ⁦Amazon⁩ اونجاست، ۲۱٪ از کل برق کشورش رو فقط صرف همین مراکز می‌کنه — و گفته تا ۲۰۲۸ اتصال جدید نمی‌ده. سنگاپور هم یه بار سه سال ساخت مراکز داده جدید رو کامل متوقف کرد، فقط به خاطر همین فشار.

اینجاست که داستان جالب می‌شه: شرکت‌های بزرگ تکنولوژی دارن مستقیم با تولیدکننده‌های برق قرارداد می‌بندن — بدون اینکه از شبکه عمومی رد بشن.

مایکروسافت یه قرارداد ۲۰ ساله بست تا نیروگاه هسته‌ای ⁦Three Mile Island⁩ — که چند سال پیش به خاطر ضرردهی خاموش شده بود — دوباره راه بیفته و فقط برقش رو به مراکز داده مایکروسافت بده. آمازون رفته کنار یه نیروگاه هسته‌ای در پنسیلوانیا مرکز داده ساخته و یه خط انتقال اختصاصی داره — کلاً از شبکه عمومی جداست. گوگل هم داره از نیروگاه‌های هسته‌ای نسل بعدی برق می‌خره که قراره بین ۲۰۳۰ تا ۲۰۳۵ آماده بشن.

انرژی هسته‌ای داره دوباره زنده می‌شه

دلیلش ساده‌ست: ⁦AI⁩ به برقی نیاز داره که ۲۴ ساعت شبانه‌روز پایدار باشه. برق خورشیدی و بادی متناوبن — یه لحظه هست، یه لحظه نیست. هسته‌ای اما همیشه روشنه، و همین مزیت اصلیشه.

یه نکته آخر هم هست که خیلی‌ها باهاش سعی می‌کنن مشکل رو کم‌اهمیت نشون بدن: می‌گن ⁦GPU⁩ های جدید خیلی بهینه‌تر شدن، پس نگران نباش. ولی نه. وقتی هزینه استفاده از ⁦AI⁩ پایین میاد، تعداد کاربرا انفجاری رشد می‌کنه. مصرف کل همچنان داره بالا می‌ره — بهینگی فقط داره سرعت رشد رو تغذیه می‌کنه، نه کاهش می‌ده.

یه جفت ایرپاد معمولی داره صنعت پرهزینه سمعک رو تکون می‌ده.

سمعک‌های سنتی توی آمریکا بین ۳۰۰۰ تا ۷۰۰۰ دلار قیمت دارن — یعنی خیلی از آدم‌هایی که مشکل شنوایی دارن اصلاً توانایی خریدشون رو ندارن. پنج شرکت بزرگ سال‌هاست این بازار رو قبضه کردن و قیمت‌ها هم همینطور بالا مونده.

اپل اومد و درِ این بازار رو باز کرد.

ایرپادز پرو ۳ در سال ۲۰۲۵ با تأییدیه رسمی ⁦FDA⁩ عرضه شد — یعنی اپل مجاز شده ایرپادز رو به عنوان یه «سمعک بدون نسخه» بفروشه. این برای بزرگسالانیه که کاهش شنوایی خفیف تا متوسط دارن؛ حدود ۳۸ میلیون آمریکایی — تقریباً ۸۰٪ از کل کسایی که مشکل شنوایی دارن.

چطور کار می‌کنه؟ کاربر با گوشیش یه تست شنوایی می‌ده، ایرپادز یه پروفایل شخصی می‌سازه و فرکانس‌هایی که اون آدم ضعف داره رو تقویت می‌کنه — دقیقاً همون کاری که قبلاً فقط یه متخصص شنوایی توی مطب انجام می‌داد، با اون همه هزینه و نوبت‌گیری.

یه مطالعه‌ای که توی مجله پزشکی لنست منتشر شد تأیید کرد که عملکرد ایرپادز پرو ۳ در محیط‌های پر سروصدا، قابل مقایسه با سمعک‌های تجویزی ابتداییه.

محدودیت‌هایی هم هست — برای کاهش شنوایی شدید همچنان باید پیش متخصص بری و باتری توی حالت سمعک سریع‌تر تموم می‌شه.

ولی کل ماجرا اینه: اپل یه گجت مصرفی معمولی رو تبدیل کرده به جایگزین سمعک‌های چند هزار دلاری — و این اتفاق کمیه که تکنولوژی مصرفی مستقیماً وارد حوزه پزشکی بشه و واقعاً کار کنه.

۷۵ میلیارد دلار. این عددی نیست که آدم راحت بتونه تصورش کنه — ولی این دقیقاً همونیه که شرکت ⁦SpaceX⁩ همین چند روز پیش تو بزرگ‌ترین ⁦IPO⁩ تاریخ جمع کرد.

این ⁦IPO⁩ (یعنی همون لحظه‌ای که یه شرکت خصوصی برای اولین بار سهامش رو به عموم می‌فروشه) ایلان ماسک و شرکتش رو با ارزش‌گذاری ۱.۷۷ تریلیون دلار وارد بازار بورس کرد. نماد بورسی ⁦SPCX⁩ از ۱۲ ژوئن ۲۰۲۶ رو بازار ⁦Nasdaq⁩ قابل خریده.

رکورد قبلی دست شرکت ⁦Saudi Aramco⁩ بود — ۲۹.۴ میلیارد دلار در ۲۰۱۹. حالا اون عدد با ۷۵ میلیارد دلار کاملاً له شد. تقریباً ۲.۵ برابر.

نکته جالب اینجاست که ⁦SpaceX⁩ سال ۲۰۲۵ با ۱۸.۷ میلیارد دلار درآمد، در عین حال ۴.۹ میلیارد دلار ضرر هم داشته. پس چرا ارزش‌گذاریش اینقدره؟

جواب یه کلمه‌ست: سرویس اینترنت ماهواره‌ای ⁦Starlink.⁩

این سرویس الان بیشتر از ۹ میلیون مشترک داره و سودده. ولی سرمایه‌گذارا دارن برای آینده پول می‌دن — نه فقط برای الان.

اون آینده اسمش ⁦Starship⁩ ه. موشکی عظیم که قراره کاملاً قابل استفاده مجدد باشه، هزینه رفت به فضا رو به شدت بیاره پایین، و در نهایت مسیر رسیدن بشر به مریخ رو باز کنه. پول این ⁦IPO⁩ قراره صرف سرعت‌بخشیدن به همین پروژه و گسترش ماهواره‌های ⁦Starlink⁩ بشه.

نسبت ارزش‌گذاری به درآمد شرکت حدود ۹۲ برابره — که برای هر شرکتی عدد سنگینیه. حتی شرکت ⁦NVIDIA⁩ هم این نسبت رو نداره. یعنی بازار داره می‌گه اعتقاد داره ⁦SpaceX⁩ می‌تونه بزرگ‌ترین پروژه زیرساختی قرن رو بسازه — و این ریسک رو قبول کرده.

حالا ⁦SpaceX⁩ هفتمین شرکت بزرگ بورسی آمریکاست — جلوتر از ⁦Tesla⁩ که ارزشش حدود ۱.۶ تریلیون دلاره.

رمز عبورها دارن می‌میرن — و این دفعه جدیه.

از می ۲۰۲۲ که اپل، گوگل و مایکروسافت با هم از یه استاندارد جدید به اسم ⁦Passkey⁩ حمایت کردن، همه چیز خیلی سریع‌تر از اونچه فکر می‌کردیم پیش رفته. تا ۲۰۲۴، گوگل بیش از ۸۰۰ میلیون حساب رو منتقل کرده بود، اپل ⁦iCloud⁩ رو به‌صورت پیش‌فرض روی ⁦Passkey⁩ برده و مایکروسافت داره رمز عبور رو کامل از حساب‌های جدید حذف می‌کنه.

ولی بیشتر آدم‌ها فکر می‌کنن این فقط یه نوع تأیید دو مرحله‌ایه — نه، قضیه خیلی عمیق‌تره.

این تکنولوژی کلاً مدل احراز هویت رو عوض می‌کنه. وقتی یه ⁦Passkey⁩ می‌سازی، دستگاهت دو کلید رمزنگاری تولید می‌کنه: کلید خصوصی که توی یه تراشه امن (مثل ⁦Secure Enclave⁩ اپل، ⁦StrongBox⁩ اندروید یا ⁦TPM⁩ ویندوز) قفل می‌مونه و هرگز از دستگاه خارج نمی‌شه، و کلید عمومی که به سرویس ارسال می‌شه. موقع ورود، سایت یه چالش رمزنگاری می‌فرسته، دستگاهت اون رو با کلید خصوصی امضا می‌کنه و جواب می‌فرسته — هیچ رمزی جابه‌جا نمی‌شه.

نتیجه عملیش خیلی مهمه: فیشینگ ساختاراً غیرممکن می‌شه. کلید خصوصی به دامنه دقیق سایت گره خورده — اگه روی یه سایت جعلی باشی، حتی اگه اسمش شبیه سایت اصلی باشه، امضا به درد نمی‌خوره و ورود ناموفق می‌مونه. این مشکل آموزش کاربر نیست که بخوایم حلش کنیم — از نظر فنی ممکن نیست.

یه نکته مهم: ⁦Passkey⁩‌های ⁦sync⁩‌شونده (همون چیزی که اپل، گوگل و مایکروسافت ارائه می‌دن) کلید رو رمزنگاری‌شده بین دستگاه‌هات همگام می‌کنن. اپل از ⁦iCloud Keychain⁩ با رمزنگاری سرتاسری استفاده می‌کنه، گوگل هم از ⁦Google Password Manager.⁩ از هر رمز عبوری امن‌تره، ولی تهدید تغییر می‌کنه: از «لو دادن رمز» به «هک شدن حساب ابری به علاوه ⁦PIN⁩ دستگاه». برای اکثر آدم‌ها این معامله کاملاً ارزشمنده.

برای اونایی که امنیت خیلی بالاتری لازم دارن، ⁦Passkey⁩‌های محدود به سخت‌افزار روی کلیدهای فیزیکی ⁦FIDO2⁩ هنوز قوی‌ترین گزینه‌ان — ولی برای اکثریت، همین نسخه ⁦sync⁩‌شونده خیلی بهتر از هر رمز عبوریه.

۹ نفر از هر ۱۰ پدر و مادر بریتانیایی خواستن بچه‌هاشون از شبکه‌های اجتماعی دور باشن — و دولت بریتانیا داره این خواسته رو جدی می‌گیره.

فردا (۱۶ ژوئن ۲۰۲۶) کیر استارمر، نخست‌وزیر بریتانیا، قراره رسماً اعلام کنه که کودکان زیر ۱۶ سال نباید از شبکه‌های اجتماعی استفاده کنن. پلتفرم‌هایی مثل ⁦TikTok⁩، ⁦Instagram⁩، ⁦YouTube⁩، ⁦Facebook⁩، ⁦X⁩، ⁦Snapchat⁩ و چند تای دیگه همه تو تیررس این قانونن.

دو مسیر روی میزه:
یا ممنوعیت کامل — یعنی هیچ بچه‌ای زیر ۱۶ اکانت نمی‌تونه داشته باشه، مثل کاری که استرالیا از اواخر ۲۰۲۴ کرد
یا محدودیت ویژگی‌های اعتیادآور — اسکرول بی‌پایان، پخش خودکار ویدیو، الگوریتم‌های پیشنهاد محتوا. این روش دردسر کمتری برای پلتفرم‌هاست ولی سخت‌تر میشه کنترل و بررسیش کرد

علاوه بر اینا، دولت داره روی دو چیز دیگه هم فکر می‌کنه: ممنوعیت دسترسی زیر ۱۸ ساله‌ها به ربات‌های چت عاشقانه یا جنسی مبتنی بر ⁦AI⁩، و محدودیت اسکرول دیروقت شبانه — که البته بعضی پلتفرم‌ها پیش از این این کار رو داوطلبانه انجام داده بودن. اپ‌های بازی هم از ممنوعیت کلی معاف میشن، ولی باید امکان ارتباط با غریبه‌ها رو برای کاربرهای خردسال بردارن.

بزرگ‌ترین چالش اینجاست: چطور ثابت کنی کی واقعاً زیر ۱۶ سالشه؟ چهار روش روی میزه — تحلیل رفتار کاربر، تخمین سن از عکس سلفی، آپلود مدرک هویتی مثل پاسپورت، یا لینک به حساب بانکی — و هر کدوم مشکل‌های جدی دارن. آپلود پاسپورت مثلاً یعنی پلتفرم‌ها یه گنجینه از اطلاعات حساس میلیون‌ها نفر رو نگه می‌دارن که اگه نشت کنه، فاجعه‌ست.

مخالفا هم بی‌صدا نیستن. فعالان حریم خصوصی می‌گن این سیستم‌های تأیید سن خودشون یه تهدید امنیتی جدی هستن. یه سری محقق هم می‌گن که اثبات قطعی ارتباط مستقیم بین شبکه‌های اجتماعی و آسیب روانی هنوز وجود نداره، و این ممنوعیت گسترده ابزار خیلی درشتیه برای یه مشکل ظریف.

استرالیا این راه رو زودتر رفت و گزارش‌های اولیه نشون میده پلتفرم‌ها با اجرای یکنواخت دارن کشتی می‌گیرن — خیلی از نوجوانا هم از ⁦VPN⁩ یا اکانت قرضی استفاده می‌کنن تا محدودیت رو دور بزنن.

برای اجرا، بخشی از این قانون شاید زیر اختیارات قانون ایمنی آنلاین ۲۰۲۳ پیاده بشه، ولی ممنوعیت کامل احتمالاً به تصویب قانون جدید در پارلمان نیاز داره — یعنی تا ۲۰۲۷ چیزی اجرایی نمیشه.

۱.۹ میلیارد دلار. اینقدر ضررِ مالی که یه پلتفرم چینی به اسم ⁦Outsider Enterprise⁩ با ارسال پیامک‌های جعلی به آدم‌ها وارد کرده.

اف‌بی‌آی، گوگل، و شرکت امنیتی ⁦Black Lotus Labs⁩ یه عملیات مشترک انجام دادن و این سیستم رو از کار انداختن. بذار ماجرا رو ساده توضیح بدم.

این سرویس به مجرمان سایبری اجازه می‌داد بدون هیچ دانش فنی، کمپین فیشینگ راه بندازن. فیشینگ یعنی فریب دادن آدم‌ها با سایت‌های جعلی تا اطلاعات کارت بانکی یا رمزشون رو وارد کنن. این پلتفرم یه قدم جلوتر رفته بود — از ⁦AI⁩ استفاده می‌کرد تا صفحات جعلی بانک‌ها، فروشگاه‌های آنلاین، و سرویس‌های پستی رو به‌قدری دقیق کپی کنه که تشخیصشون سخت بود.

روش کار اینجوری بود: مجرم یه کیت آماده از پلتفرم می‌خرید — از طریق ⁦Shopify⁩! — بعد میلیون‌ها پیامک جعلی می‌فرستاد که آدم‌ها کلیک کنن و اطلاعاتشون رو بدن. این پیامک‌ها از شبکه‌های معتبر مثل ⁦AT&T⁩ و ⁦T-Mobile⁩ رد می‌شدن، یعنی فیلترهای اسپم رو هم دور می‌زدن.

ابعاد ماجرا وحشتناکه: فقط در ماه می ۲۰۲۶، این پلتفرم ۲.۵ میلیون پیامک ارسال کرد. در مجموع ۹ هزار سایت جعلی، بیش از یه میلیون لینک تقلبی، و ۳.۸ میلیون رکورد کارت اعتباری دزدیده شده که به ضرر ۱.۹ میلیارد دلاری تبدیل شده.

این پلتفرم از تلگرام به عنوان کانال عملیاتی استفاده می‌کرد — چون تلگرام رمزنگاری داره و با پلیس کمتر همکاری می‌کنه. حالا سرورهای اصلی توقیف شدن و کسی که آدرس سایت‌های جعلی رو باز کنه، با صفحه توقیف اف‌بی‌آی روبرو می‌شه.

درس اینجاست: وقتی ⁦AI⁩ می‌تونه صفحات جعلی رو به‌صورت خودکار بسازه و آپدیت کنه، دیگه تشخیص فیشینگ با چشم خیلی سخت‌تر از قبل شده. هر پیامک که ازت اطلاعات کارت یا رمز می‌خواد، با شک زیاد نگاهش کن — حتی اگه سایتش حرفه‌ای به نظر برسه.

۱۳ مارس ۲۰۲۴، یه اتفاق عجیب توی دنیای کریپتو افتاد. کارمزد تراکنش روی ⁦Arbitrum⁩ از نصف دلار رسید به کمتر از یه سنت. روی ⁦Base⁩ از ۰.۲ دلار افتاد به ۰.۰۰۱ دلار. این یه باگ نبود — یه ارتقاء به اسم ⁦Dencun⁩ توی شبکه اتریوم فعال شده بود و یه شبه همه معادلات رو عوض کرد.

ماجرا از کجا شروع شد؟

قبلاً شبکه‌های لایه ۲ — که روی اتریوم کار می‌کنن تا تراکنش‌ها رو سریع‌تر و ارزون‌تر کنن — مجبور بودن اطلاعات تراکنش‌هاشون رو به‌عنوان «⁦calldata⁩» روی اتریوم ذخیره کنن. مشکل اینجا بود که ⁦calldata⁩ برای همیشه روی شبکه می‌مونه و جا می‌گیره، پس گرون هست.

ارتقاء ⁦Dencun⁩ یه نوع تراکنش کاملاً جدید آورد به اسم ⁦blob.⁩ بلاب یه بسته داده ۱۲۸ کیلوبایتیه که به جای اینکه تا ابد ذخیره بشه، بعد از حدود ۱۸ روز حذف می‌شه. چرا ۱۸ روز کافیه؟ چون شبکه‌های لایه ۲ فقط همین مدت وقت نیاز دارن که اثبات کنن تراکنش‌هاشون درسته — بعدش دیگه نیازی به اون داده خام نیست.

مهم‌تر از این، برای بلاب‌ها یه بازار هزینه کاملاً مستقل درست شد که با تراکنش‌های عادی اتریوم رقابت نمی‌کنه. وقتی تقاضا کمه، هزینه تقریباً صفر هست.

کاهش هزینه‌ها واقعاً این‌قدر بود:

روی ⁦Arbitrum⁩ از ۰.۴۸ دلار به ۰.۰۰۴ دلار — کاهش ۹۹٪
روی ⁦Base⁩ از ۰.۱۹ دلار به ۰.۰۰۰۸ دلار — کاهش ۹۹.۶٪
روی ⁦Optimism⁩ از ۰.۲ دلار به ۰.۰۰۳ دلار — کاهش ۹۸.۵٪
روی ⁦zkSync⁩ از ۰.۱۵ دلار به ۰.۰۰۵ دلار — کاهش ۹۷٪

اینا موقتی نیستن. تا اواسط ۲۰۲۵ هنوزم هزینه‌ها ۱۰ تا ۵۰ برابر از قبل از این ارتقاء ارزون‌ترن.

این تغییر در عمل یعنی چی؟

پروژه‌هایی مثل بازی‌های بلاکچینی یا پرداخت‌های خرد که با کارمزد نصف دلاری اصلاً به‌صرفه نبودن، حالا جواب می‌دن. شبکه ⁦Base⁩ رشد انفجاری داشت و چندبار تعداد کاربران فعالش از خود اتریوم ⁦mainnet⁩ بیشتر شد. ایده ⁦Superchain⁩ — یعنی چند شبکه مجزا که امنیت و داده رو باهم به اشتراک می‌ذارن — حالا از نظر اقتصادی منطقی شده.

آینده چیه؟

این ارتقاء فقط اول راهه. یه فناوری به اسم ⁦PeerDAS⁩ داره توسعه پیدا می‌کنه که ظرفیت بلاب رو بازهم بیشتر می‌کنه — بدون اینکه همه ⁦node⁩‌ها (کامپیوترهایی که شبکه رو نگه می‌دارن) مجبور باشن کل داده رو دانلود کنن. هدف نهایی، دنکشاردینگ کامله که اتریوم رو به یه زیرساخت داده مقیاس‌پذیر برای هر نوع اپلیکیشن تبدیل می‌کنه.

همه‌مون تجربه داریم که وقتی از ⁦ChatGPT⁩ یا ⁦Claude⁩ می‌پرسیم، جواب کلمه‌کلمه ظاهر می‌شه. این یه محدودیت اساسیه، نه یه عیب طراحی: این مدل‌ها مجبورن هر ⁦Token⁩ رو (هر کلمه یا تکه‌کلمه) یه‌به‌یه تولید کنن. تا ⁦Token⁩ شماره ۱۰ نباشه، ⁦Token⁩ شماره ۱۱ نمی‌شه ساخت. حتی سریع‌ترین ⁦GPU⁩ ها هم نمی‌تونن این ترتیب رو بشکنن.

یه تکنیک جالب داره این ماجرا رو عوض می‌کنه: ⁦Speculative Decoding.⁩

ایده‌ش هوشمندانه‌ست: یه مدل کوچیک و سریع چند ⁦Token⁩ بعدی رو حدس می‌زنه. بعد مدل بزرگ اصلی همه این حدس‌ها رو به‌صورت موازی و یه‌جا بررسی می‌کنه — تقریباً به‌اندازه وقتی که فقط یه ⁦Token⁩ تولید می‌کرد. اگه حدس‌ها درست باشن، همه‌شون با هم پذیرفته می‌شن. اگه جایی اشتباه باشه، از همون نقطه مدل بزرگ خودش ادامه می‌ده.

مهم‌ترین نکته اینه: خروجی نهایی دقیقاً همونیه که مدل بزرگ تنها می‌داد. هیچ کیفیتی از دست نمیره — این یه بهینه‌سازی «بی‌ضرر» هست.

چقدر سریع‌تر؟ بستگی داره به اینکه مدل کوچیک چقدر خوب حدس بزنه. وقتی نرخ پذیرش ⁦Token⁩ یا ⁦TAR⁩ به ۸۰٪ برسه، سرعت ۳ تا ۴ برابر می‌شه. با ⁦TAR⁩ حدود ۶۰٪ هم ۱.۵ تا ۲ برابر بهتره. تولید کد و خروجی‌های ساختاریافته معمولاً بالاترین ⁦TAR⁩ رو دارن چون مدل کوچیک بهتر می‌تونه حدس بزنه؛ متن خلاقانه و آزاد، ⁦TAR⁩ پایین‌تری داره.

سه رویکرد اصلی وجود داره:

روش اول: یه مدل کوچیک مستقل — مثلاً یه مدل ۷ میلیاردی پیش‌نویس‌نویس برای یه مدل ۷۰ میلیاردی. اینجا مدل اصلی نیازی به آموزش مجدد نداره.

روش دوم: معماری ⁦Medusa⁩ که گوگل طراحی کرده — چند «سر» سبک مستقیماً به لایه آخر مدل اضافه می‌شه. این سرها نیاز به ⁦Fine-tuning⁩ دارن و نسخه ⁦Medusa-2⁩ حتی به‌صورت مشترک با مدل اصلی آموزش می‌بینه.

روش سوم: ⁦Self-speculative⁩ — بعضی لایه‌های مدل در مرحله پیش‌نویس جا انداخته می‌شن و مدل کامل فقط برای تأیید استفاده می‌شه.

در دنیای واقعی چی؟ شرکت ⁦Meta⁩ یه نسخه درختی ساخته که چند مسیر رو همزمان حدس می‌زنه. شرکت ⁦Apple⁩ هم برای ⁦Apple Intelligence⁩ ازش استفاده می‌کنه — مدل کوچیک روی ⁦Neural Engine⁩، مدل بزرگ روی ⁦GPU.⁩ ابزارهایی مثل ⁦vLLM⁩ و ⁦TensorRT-LLM⁩ هم این قابلیت رو به‌صورت استاندارد دارن.

یه نکته عملی: دو تا مدل رو باید همزمان تو حافظه ⁦GPU⁩ نگه داری. برای یه مدل ۷۰ میلیاردی، اضافه‌کردن یه پیش‌نویس‌نویس ۷ میلیاردی حدود ۱۰٪ حافظه بیشتر لازم داره.

یه قالب ⁦Prompt⁩ که با تغییر چند متغیر ساده، تصویر ایزومتریک ۳بعدی حرفه‌ای از هر نوع فضای کاری می‌سازه — بدون نیاز به طراح، بدون نرم‌افزار طراحی، و بدون اشتراک عکس استوک.

خروجیش مناسب هدر بلاگ، اسلاید ارائه و گرافیک شبکه‌های اجتماعی هست. پرامپت با ⁦DALL-E 3⁩، ⁦Midjourney⁩ و ⁦Stable Diffusion XL⁩ کار می‌کنه.

سه متغیر اصلی داری: نوع فضای کاری (مثل استیشن ⁦developer⁩ یا آزمایشگاه ⁦AI⁩)، پالت رنگی، و جزئیات صحنه. همین‌ها رو عوض کن و در عرض چند ثانیه یه تصویر آماده‌ی انتشار داری.

برای مثال‌های کامل و نحوه استفاده با هر ابزار، لینک مقاله رو باز کن.

📋 پرامپت کامل (لمس کن تا کپی بشه):

Isometric 3D illustration of a [SUBJECT] workspace, clean vector art style, vibrant [COLOR_PALETTE] colors on white background, soft drop shadows, [DETAILS], no text or labels, high detail, product render aesthetic, centered composition, slight top-down angle, crisp edges

‏توضیحات بیشتر و مثال‌ها توی مقاله 👇

۸۰۰ میلیون بار در ماه — این آمار آخرین گزارش ⁦Google⁩ از تعداد ورودهای با ⁦passkey⁩ هست. اگه هنوز فکر می‌کنی ⁦passkey⁩ یه چیز آزمایشگاهیه، وقتشه نظرت رو عوض کنی.

این ⁦passkey⁩ دقیقاً چیه؟ یه کلید رمزنگاری‌شده‌ست که روی دستگاهته. موقع ثبت‌نام، گوشی یا لپ‌تاپت یه جفت کلید می‌سازه — یکی عمومی، یکی خصوصی. کلید خصوصی هرگز از دستگاهت خارج نمی‌شه و سرور فقط کلید عمومی رو نگه می‌داره.

نکته مهم امنیتیش اینه: ⁦passkey⁩ به یه دامنه مشخص گره خورده. یعنی اگه یه سایت تقلبی مثل ⁦paypa1.com⁩ وانمود کنه ⁦PayPal⁩ هست، ⁦passkey⁩ اصلاً کار نمی‌کنه — چون برای ⁦paypal.com⁩ ساخته شده، نه اون آدرس جعلی. به این می‌گن «مصونیت در برابر فیشینگ» و این بزرگ‌ترین برتری ⁦passkey⁩ نسبت به رمز عبور و کدهای ⁦SMS⁩ هست.

وضعیت پذیرش الان چطوره؟ شرکت ⁦Google⁩ بیشتر از ۴۰۰ میلیون حساب رو به ⁦passkey⁩ منتقل کرده. بیشتر از ۳۰۰ پلتفرم اصلی پشتیبانی می‌کنن از جمله ⁦Apple⁩، ⁦Microsoft⁩، ⁦GitHub⁩، ⁦PayPal⁩، ⁦WhatsApp⁩ و ⁦Shopify.⁩ شرکت ⁦Microsoft⁩ هم می‌گه بیشتر از ۹۹٪ از ورودهای کاربران عادیش دیگه بدون رمز عبور انجام می‌شه.

همگام‌سازی بین دستگاه‌ها هم حل شده. سرویس ⁦Apple Keychain⁩، ⁦passkey⁩‌ها رو بین ⁦iPhone⁩، ⁦iPad⁩ و ⁦Mac⁩ رمزنگاری‌شده سینک می‌کنه. سرویس ⁦Google Password Manager⁩ هم همین کار رو برای ⁦Android⁩ و ⁦Chrome⁩ می‌کنه. ابزارهایی مثل 1⁦Password⁩ و ⁦Dashlane⁩ هم گزینه‌های ⁦cross-platform⁩ هستن.

یه چالش هنوز هست: اگه ⁦passkey⁩ توی ⁦Apple Keychain⁩ ذخیره باشه و بخوای روی ویندوز وارد بشی، باید یه ⁦QR code⁩ رو با گوشیت اسکن کنی و از ⁦Bluetooth⁩ برای تایید استفاده بشه. کار می‌کنه ولی کمی گیج‌کننده‌ست و خیلی‌ها ترجیح می‌دن برگردن به رمز عبور. خبر خوب اینکه اتحادیه ⁦FIDO⁩ یه پروتکل جدید به اسم ⁦CXP⁩ رو در ۲۰۲۵ نهایی کرده که می‌شه ⁦passkey⁩‌ها رو بین مدیریت‌کننده‌های مختلف جابه‌جا کرد و دیگه گیر یه اکوسیستم نمی‌مونی.

اگه گوشیت رو گم کنی چی؟ ⁦passkey⁩‌های سینک‌شده به بازیابی حساب ابری گره خوردن — مثل بازیابی ⁦Apple ID⁩ یا حساب ⁦Google.⁩ به همین خاطر راه‌اندازی روش‌های بازیابی حساب همچنان مهمه.

رمز عبور هنوز نمرده — ۳۰۰ پلتفرم از میلیون‌ها سرویس موجود یعنی هنوز راه داریم. ولی زیرساخت آماده‌ست، تجربه کاربری داره بهتر می‌شه، و سوال دیگه «آیا ⁦passkey⁩ جای رمز عبور رو می‌گیره؟» نیست — سوال اینه که «چقدر طول می‌کشه؟»

یه کارخانه با ۵۰۰ سنسور روزانه ۲ ترابایت داده تولید می‌کنه. فرستادن همه‌شون به ابر؟ ماهی ۱۵۰ تا ۳۰۰ دلار فقط هزینه انتقال داده — و بعدش تازه نوبت هزینه محاسبه می‌رسه.

مدل «همه چیز رو بفرست به ابر» داره تموم می‌شه. محاسبات داره برمی‌گرده به دنیای فیزیکی — و دلیلش فقط هزینه نیست.

ماشین‌های خودران باید تصمیم فرمان رو زیر ۲ میلی‌ثانیه بگیرن. رفت‌وبرگشت یه درخواست از مونیخ به سرورهای ویرجینیا ۱۸۰ تا ۲۲۰ میلی‌ثانیه طول می‌کشه — تا جواب برسه، ماشین چند متر رفته. ربات‌های جراحی نیاز دارن جراح حس لمس رو زیر ۱۰ میلی‌ثانیه دریافت کنه؛ با تأخیر ۲۰۰ میلی‌ثانیه، جراح عملاً کور عمل می‌کنه. فیزیک محدودیت ایجاد می‌کنه، نه شبکه.

اینجاست که «محاسبات لبه» وارد می‌شه — یعنی پردازش داده نزدیک به جایی که تولید می‌شه، نه توی سرورهای هزار کیلومتر آون‌طرف‌تر.

همون کارخانه با سرور لبه‌ای محلی، به‌جای ۲ ترابایت، فقط ۵ تا ۱۵ گیگابایت داده فشرده‌شده می‌فرسته به ابر. مصرف پهنای باند ۹۰ تا ۹۵ درصد کم می‌شه و سرور محلی معمولاً ظرف شش ماه به صرفه می‌شه.

این فقط حرف نیست. سیستم‌های مراقبت از بیمار در ⁦ICU⁩ بیمارستان‌ها روی ⁦AWS Outposts⁩ محلی اجرا می‌شن — داده بیمار از بیمارستان بیرون نمی‌ره. شرکت ⁦Siemens⁩ دستگاه‌های لبه‌ای رو مستقیم کنار خط تولید کارخانه‌ها نصب کرده. فروشگاه‌های زنجیره‌ای بزرگ پردازش تراکنش‌ها رو توی لبه منطقه‌ای اجرا می‌کنن — حتی وقتی ابر مرکزی قطع می‌شه، صندوق‌ها کار می‌کنن.

بخش ⁦AI⁩ هم همین مسیر رو می‌ره. ماژول‌های ⁦NVIDIA Jetson Orin⁩ با مصرف ۱۵ وات، تا ۲۷۵ تریلیون عملیات در ثانیه انجام می‌دن — کافیه برای تشخیص تصویر، کنترل کیفیت، و مدل‌های زبانی کوچیک، همه به‌صورت آفلاین. بیمارستانی که ⁦AI⁩ روی عکس‌های رادیولوژی اجرا می‌کنه، نمی‌تونه اون عکس‌ها رو به ⁦API⁩ یه شرکت ثالث بفرسته. یه کارخانه نمی‌تونه پارامترهای خط تولیدش رو برای سرویس یه فروشنده بفرسته.

معماری نرم‌افزار داره از «ابر اول» می‌ره به «لبه اول» — و این برای هر صنعتی که با دنیای فیزیکی سروکار داره، یه تغییر ساختاری واقعیه.

سه سال پیش ربات‌های انسان‌نما فقط توی ویدیوهای تبلیغاتی بودن. الان ⁦Figure 02⁩ داره روی خط تولید ⁦BMW⁩ کار می‌کنه — و این فاصله خیلی سریع‌تر از چیزی که همه انتظار داشتن بسته شد.

شرکت ⁦Figure AI⁩ در اوایل ۲۰۲۴ موفق شد ۶۷۵ میلیون دلار جذب سرمایه کنه — با پشتیبانی ⁦Microsoft⁩، ⁦OpenAI⁩، ⁦Nvidia⁩، ⁦Intel Capital⁩ و جف بزوس. ربات ⁦Figure 02⁩ الان توی کارخانه ⁦BMW⁩ در کارولینای جنوبی داره قطعات رو از جعبه‌ها برمی‌داره و سر جاشون روی خط مونتاژ می‌ذاره. می‌تونه ۲۰ کیلو حمل کنه، دست‌هاش ۱۶ درجه آزادی دارن — یعنی گرفتن چیزهای ظریف هم براش ممکنه. قیمت هر واحد الان حدود ۷۰ هزار دلار هست.

تسلا با ⁦Optimus⁩ رویکرد متفاوتی داره: اول توی کارخانه‌های خودش ازش استفاده می‌کنه — مرتب‌سازی باتری و جابجایی قطعات. نسل دومش سریع‌تره و دست‌هایی با حس لامسه داره. هدف ایلان ماسک یه میلیون ربات تا ۲۰۳۰ هست که خیلی بلندپروازانه به نظر می‌رسه.

یه بازیگر جالب دیگه، ⁦Neo⁩ از شرکت 1⁦X Technologies⁩ هست — که با حمایت ⁦Amazon⁩ کار می‌کنه. برعکس بقیه، اینا روی کار کردن کنار انسان‌ها تمرکز دارن، نه حداکثر قدرت. ⁦Neo⁩ داخل انبارهای لجستیکی کنار کارگرها کار می‌کنه، بدون نرده‌های ایمنی که معمولاً دور ربات‌های صنعتی می‌کشن. این یه انتخاب طراحی عمدیه، نه محدودیت — چون باعث می‌شه مشتری مجبور نباشه انبارش رو از صفر بازطراحی کنه.

شرکت ⁦Agility Robotics⁩ هم با ربات ⁦Digit⁩ توی انبارها خوب عمل کرده — نرخ موفقیت بالای ۹۰ درصد روی جابجایی جعبه‌ها. طراحی کوچیک‌ترش با زیرساخت انبارهای موجود سازگاره. شرکت ⁦Boston Dynamics⁩ هم اتلس هیدرولیکی رو کنار گذاشته و نسخه برقی‌تر و سریع‌تری معرفی کرده، ولی استقرار تجاریش هنوز محدوده.

خلاصه‌ش اینه: ربات‌های انسان‌نما وارد کارخانه‌ها شدن — ولی هنوز گرون، تخصصی و محدود به کارهای ساختاریافته هستن. ورود اتفاق افتاده؛ تسخیر نه.

۳۰۰ هزار مشاور خبره تا آخر سال — ⁦OpenAI⁩ امروز یه قدم خیلی بزرگ برداشت.

شرکت ⁦OpenAI⁩ رسماً شبکه شرکای خودش (⁦OpenAI Partner Network⁩) رو با بودجه ۱۵۰ میلیون دلاری راه‌اندازی کرد. هدف اینه که تا پایان ۲۰۲۶ حدود ۳۰۰ هزار مشاور و متخصص گواهی‌شده داشته باشه — که اگه محقق بشه، یکی از بزرگ‌ترین برنامه‌های گواهی‌دهی در تاریخ نرم‌افزارهای سازمانی خواهد بود.

این برنامه سه سطح داره: ⁦Select⁩، ⁦Advanced⁩ و ⁦Elite.⁩ هرچی بالاتر بری، یعنی فروش بیشتر، توانایی فنی بالاتر، و تجربه واقعی در پیاده‌سازی. سطح ⁦Elite⁩ یه امتیاز ویژه داره به اسم «⁦Forward Deployed Experts⁩» — یعنی مهندسای خود ⁦OpenAI⁩ میان کنار شریک تجاری و روی پروژه‌های مشتری کار می‌کنن. این مدل نشون می‌ده ⁦OpenAI⁩ فقط دنبال تعداد شریک نیست، کیفیت پیاده‌سازی هم براش مهمه.

شرکت‌های ⁦Accenture⁩، ⁦BCG⁩، ⁦Capgemini⁩ و ⁦McKinsey⁩ — چهار تا از بزرگ‌ترین مشاوره‌های دنیا — از همون اول عضو شدن. این یعنی ⁦OpenAI⁩ داره با شرکت‌های ⁦Fortune 500⁩ کار می‌کنه؛ همون‌هایی که صدها میلیارد دلار قراردادهای مشاوره‌ای دارن.

اون ۱۵۰ میلیون دلار هم صرف آموزش شرکا، کاهش هزینه‌های اجرایی، و صندوق توسعه بازار می‌شه. به زبان ساده: ⁦OpenAI⁩ داره ریسک مالی شرکت‌هایی رو که می‌خوان تخصص روی محصولاتش بسازن کم می‌کنه، قبل از اینکه این تخصص درآمد قابل اتکایی داشته باشه.

نکته جالب مقایسه‌ست — مایکروسافت اکوسیستم شرکای ⁦Azure⁩ رو در حدود هشت سال ساخت، با بیش از ۴۰۰ هزار شریک. ⁦OpenAI⁩ می‌خواد این مسیر رو خیلی سریع‌تر طی کنه. رقبایی مثل ⁦Google Cloud⁩ و ⁦AWS⁩ هم برنامه‌های شرکای بالغ خودشون رو دارن — پس ⁦OpenAI⁩ با این سرمایه اولیه داره از روز اول جدی وارد بازی می‌شه.

برای مشاورای کوچیک‌تری که تا حالا غیررسمی با ⁦OpenAI⁩ کار می‌کردن، این تیربندی هم فرصته هم تهدید — می‌تونن رسمی بشن و مدرک بگیرن، ولی همین مدرک برای ⁦Accenture⁩ هم در دسترسه. برنده کسیه که تخصص عمیق‌تری در یه حوزه خاص داشته باشه.

۳.۶ میلیارد دلار برای یه شرکتی که از سال ۲۰۱۱ شروع کرد — این خلاصه بزرگ‌ترین خبر هوش مصنوعی این هفته هست.

شرکت ⁦Salesforce⁩ امروز اعلام کرد که ⁦Fin⁩ رو به قیمت ۳.۶ میلیارد دلار نقدی می‌خره. شرکت ⁦Fin⁩ همون ⁦Intercom⁩ سابقه — که در سال ۲۰۱۱ به عنوان یه پلتفرم پیام‌رسانی ساده راه‌اندازی شد، ولی تا ۲۰۲۵ کل هویتش رو عوض کرد و به یه ایجنت ⁦AI⁩ تبدیل شد. ایجنت یعنی سیستمی که کارها رو خودکار از اول تا آخر انجام می‌ده — نه فقط جواب می‌ده، بلکه مشکل رو کامل حل می‌کنه.

عدد کلیدی اینه: این پلتفرم ادعا می‌کنه ۷۶٪ از تیکت‌های پشتیبانی رو بدون دخالت هیچ آدمی حل می‌کنه. از هر ۱۰۰ درخواست مشتری، ۷۶ تا رو ⁦AI⁩ کامل می‌بنده. بقیه رو با تمام اطلاعات تحویل اپراتور انسانی می‌ده. الان بیشتر از ۳۰ هزار شرکت ازش استفاده می‌کنن.

نکته مهمی که این شرکت رو از بقیه جدا می‌کنه اینه که یه مدل ⁦AI⁩ اختصاصی ساخته به اسم ⁦Apex.⁩ یعنی صرفاً ⁦ChatGPT⁩ رو توی یه رابط کاربری نپیچوندن — این مدل مخصوص پشتیبانی مشتریه و روی داده‌های همین حوزه آموزش دیده. نتیجه؟ کمتر جواب اشتباه می‌ده. چون یه جواب غلط درباره صورت‌حساب می‌تونه برای یه شرکت یه بحران بزرگ بشه.

چرا ⁦Salesforce⁩ این قدر پول داد؟ چون داره ⁦Agentforce⁩ رو می‌سازه — پلتفرم ایجنت‌های ⁦AI⁩ برای کسب‌وکارهای بزرگ. پشتیبانی مشتری حساس‌ترین جاییه که این تکنولوژی باید درست کار کنه. با این معامله، یه محصول آماده با ۳۰ هزار مشتری سازمانی یک‌جا وارد اکوسیستم ⁦Salesforce⁩ می‌شه.

۲۲ میلیارد دلار — این قیمتیه که شرکت ⁦Fox Corporation⁩ حاضر شد برای خرید ⁦Roku⁩ بپرده. یه معامله تاریخی که می‌تونه چهره استریمینگ رو عوض کنه.

شرایط معامله اینه که هر سهام ⁦Roku⁩ به ارزش ۱۶۰ دلار می‌شه — ۹۶ دلار نقد به علاوه حدود ۰.۹۷ سهم از ⁦Fox.⁩ سهامداران فاکس بعد از ادغام حدود ۷۳ درصد شرکت جدید رو در دست دارن. بسته شدن معامله هم به نیمه اول ۲۰۲۷ موکول شده و منوط به تأیید نهادهای نظارتی هست.

حالا چرا فاکس این کار رو کرد؟

چون ⁦Roku⁩ یه شرکت محتوا نیست — یه پلتفرم توزیع هست. سیستم‌عامل ⁦Roku⁩ روی بیش از ۱۰۰ میلیون خانوار آمریکایی اجرا می‌شه و محبوب‌ترین پلتفرم استریمینگ ایالات متحده به حساب میاد. وقتی آدم‌ها تلویزیون رو روشن می‌کنن، اول صفحه ⁦Roku⁩ رو می‌بینن — یعنی ⁦Roku⁩ کنترل می‌کنه چی اول به چشم مخاطب میاد.

شرط فاکس اینه که محتوای زنده — بازی‌های ⁦NFL⁩، پلی‌آف ⁦MLB⁩، ⁦Fox News⁩ و جام جهانی ⁦FIFA⁩ — نوعی تماشای اجباریِ لحظه‌ایه: محتوایی که مردم باید سر یه ساعت خاص ببیننش، نه هر وقت که دلشون خواست. این چیزیه که استریم‌های معمولی نمی‌تونن ارائه بدن.

یه بخش مهم دیگه: فاکس قبلاً ⁦Tubi⁩ رو خریده بود — سرویس استریم رایگان با تبلیغ که الان بیش از ۸۰ میلیون کاربر ماهانه داره. حالا ⁦Tubi⁩ مستقیم داخل پلتفرمی میشینه که صاحب سیستم‌عاملشه.

از نظر تبلیغاتی هم ماجرا جذابه: پلتفرم تبلیغاتی ⁦Roku⁩ یعنی ⁦OneView⁩ در سال ۲۰۲۵ حدود ۳.۶ میلیارد دلار درآمد داشت — با متصل کردن داده‌های تماشا به رفتار خرید کاربران. با ترکیب این با بینندگان ورزش زنده فاکس، یه دیتاست تبلیغاتی درجه یک به وجود میاد.

پول معامله از کجا میاد؟ شرکت ⁦Fox⁩ از ⁦Morgan Stanley⁩ ۱۲ میلیارد دلار تأمین مالی پل جذب کرده، به علاوه پول نقد موجود. انتظار دارن سالانه ۴۰۰ میلیون دلار هم از ادغام صرفه‌جویی بشه.

یه ریسک جدی هم وجود داره: نهادهای نظارتی ⁦DOJ⁩ و ⁦FCC⁩ باید این معامله رو تأیید کنن. ترکیب شبکه‌های پخش فاکس، ⁦Fox News⁩، حقوق ورزشی ملی و کنترل سیستم‌عامل ⁦Roku⁩ می‌تونه نگرانی‌های انحصاری ایجاد کنه. محتمل‌ترین سناریو اینه که فاکس مجبور بشه رقبا رو هم روی ⁦Roku⁩ با شرایط برابر حمل کنه — شبیه شرایطی که در ۲۰۱۱ روی ⁦Comcast⁩ بعد از خرید ⁦NBCUniversal⁩ گذاشتن.

برنامه‌نویس‌ها، این یکی مهمه

یه دهه بود که انتخاب ابزار مشاهده‌پذیری (یعنی ⁦monitoring⁩ و ⁦tracing⁩ سرویس‌هات) عملاً یعنی قفل شدن به یه ⁦vendor⁩ خاص. می‌خواستی از ⁦Datadog⁩ بری؟ باید تمام سرویس‌هات رو از صفر ابزارگذاری می‌کردی. این مشکل الان حل شده.

پروژه ⁦OpenTelemetry⁩ که زیر چتر ⁦CNCF⁩ هست و سال ۲۰۲۱ به مرحله ⁦graduated⁩ رسید، حالا استاندارد بلامنازع برای ⁦distributed tracing⁩، متریک و لاگه. از ⁦AWS⁩، ⁦GCP⁩ و ⁦Azure⁩ گرفته تا ⁦Datadog⁩، ⁦Honeycomb⁩، ⁦Grafana⁩، ⁦New Relic⁩ و ⁦Dynatrace⁩ — همه باهاش کار می‌کنن. یه بار ابزارگذاری کن، هر جایی که خواستی ارسال کن.

این پروژه از ادغام دو استاندارد رقیب به دنیا اومد: ⁦OpenCensus⁩ که گوگل ساخته بود و ⁦OpenTracing⁩ که زیر نظر ⁦CNCF⁩ بود. این ادغام مهمه چون پراکندگی قبلی رو تموم کرد — قبلش باید یه طرف رو انتخاب می‌کردی، الان فقط یه استاندارده.

معماریش دو بخش اصلی داره: ⁦SDK⁩ که داخل اپلیکیشنت میاد و کار ابزارگذاری رو انجام میده، و ⁦Collector⁩ که یه ⁦binary⁩ مستقله و بین اپ‌هات و ⁦backend⁩هات میشینه.

یه نکته فنی جالب: ⁦API⁩ و ⁦SDK⁩ از هم جدا هستن. کتابخونه‌ها می‌تونن در برابر ⁦API⁩ ابزارگذاری بشن بدون وابستگی سخت به ⁦SDK.⁩ اگه ⁦SDK⁩ پیکربندی نشده باشه، اون ⁦call⁩ها ⁦no-op⁩ میشن — هیچ ⁦overhead⁩ی ندارن.

برای ابزارگذاری خودکار هم هر زبون گزینه داره. جاوا با یه ⁦Java agent⁩ بدون تغییر کد همه چیز رو می‌بینه. پایتون با یه دستور ساده فریمورک‌هایی مثل ⁦Django⁩ و ⁦FastAPI⁩ رو ⁦cover⁩ می‌کنه. ⁦Node.js⁩ هم با یه ⁦package⁩، ⁦Express⁩ و بقیه رو ⁦hook⁩ می‌کنه.

ولی این ابزارگذاری خودکار معنی کد شما رو نمی‌فهمه — منطق بیزینس رو نمی‌بینه. برای اون باید ⁦manual span⁩ بزنی: هر جایی که ممکنه خطا بده یا ⁦latency⁩ داشته باشه رو ⁦wrap⁩ کن، ⁦attribute⁩هایی مثل ⁦user ID⁩ یا ⁦feature flag⁩ اضافه کن، و خطاها رو صریح ثبت کن.

قلب معماری اما ⁦Collector⁩ هست. این ⁦proxy⁩ بدون وابستگی به ⁦vendor⁩ بین اپ‌هات و ⁦backend⁩هات میشینه و چند کار حیاتی می‌کنه:

ارسال همزمان به چند ⁦backend⁩ — مثلاً هم به ⁦Honeycomb⁩ و هم به ⁦Grafana Tempo⁩ — بدون هیچ تغییری تو کد اپلیکیشن.
پاک‌سازی اطلاعات حساس مثل ایمیل، ⁦IP⁩ و ⁦session token⁩ قبل از اینکه داده به هر ⁦vendor⁩ برسه.
مهاجرت به ⁦backend⁩ دیگه با تغییر ⁦config⁩ فایل ⁦Collector⁩ — بدون دست زدن به کد اپلیکیشن.

توی ⁦Kubernetes⁩ هم می‌تونی بهش به شکل ⁦sidecar⁩ یا ⁦DaemonSet⁩ اضافه کنی.