سقوط آزاد ایران از رتبه ۵ جهان به ۱۳ در سرعت پذیرش هوش مصنوعی در ۳ ماه

«مؤسسه اقتصاد هوش مصنوعی مایکروسافت» (Microsoft AI Economy Institute) در دو گزارش متوالی خود در سه‌ماهه اول و سه‌ماهه دوم سال ۲۰۲۶، شاخص «نفوذ هوش مصنوعی» (AI Diffusion Rate) را به‌عنوان سهمی از جمعیت سن کار (بین ۱۵ تا ۶۴ سال) که در بازه زمانی مورد بررسی حداقل یک بار از محصولات هوش مصنوعی مولد استفاده کرده‌اند، اندازه‌گیری و پایش کرده است.

چارچوب مفهومی سنجش نفوذ هوش مصنوعی

این شاخص بر پایه داده‌های ناشناس‌سازی و مجتمع‌شده از تله‌متری مایکروسافت استخراج شده و با اعمال تعدیل‌های دقیق آماری نسبت به میزان نفوذ اینترنت، سهم بازار سیستم‌عامل‌ها و دستگاه‌های مختلف و جمعیت کل کشورها به‌دست‌آمده است.

داده‌های به‌دست‌آمده نشان می‌دهند که میانگین نفوذ هوش مصنوعی در سطح جهان از ۱۵.۱ درصد در نیمه اول سال ۲۰۲۵ به ۱۶.۳ درصد در نیمه دوم ۲۰۲۵، ۱۷.۸ درصد در سه‌ماهه اول ۲۰۲۶ و ۱۸.۸ درصد در ژوئن ۲۰۲۶ (سه‌ماهه دوم) رسیده است. این رشد جهان‌شمول، روندهای ناهمگونی را در سطح منطقه‌ای و در میان کشورهای درحال‌توسعه از جمله ایران به نمایش می‌گذارد.

موقعیت کلان ایران در نقشه جهانی: شتاب اولیه و سقوط آزاد

بررسی داده‌های مستند مایکروسافت طی چهار بازه زمانی متوالی، تصویر روشنی از روند پذیرش هوش مصنوعی در ایران ارائه می‌دهد

• نیمه اول سال ۲۰۲۵: نرخ نفوذ هوش مصنوعی در ایران برابر با ۹.۶ درصد بود.
• نیمه دوم سال ۲۰۲۵: این شاخص با ۱.۱ واحد درصد افزایش به ۱۰.۷ درصد رسید.
• سه‌ماهه اول سال ۲۰۲۶ (مارس): ایران تجربه یک جهش ملموس را به ثبت رساند و نرخ نفوذ به ۱۲.۶ درصد افزایش یافت.
• سه‌ماهه دوم سال ۲۰۲۶ (ژوئن): روند رشد ایران تا حد زیادی متوقف شد و با افزایش ناچیز ۰.۲ واحد درصدی به ۱۲.۸ درصد رسید.

میانگین نرخ نفوذ هوش مصنوعی در ایران در این دوره چهارگانه ۱۱.۴ درصد و میانگین رتبه جهانی آن ۸۷ در میان ۱۴۷ کشور مورد ارزیابی بوده است. اگرچه ایران در اواخر سال ۲۰۲۵ و اوایل ۲۰۲۶ جهش قابل‌توجهی را به‌عنوان یکی از اقتصادهای نوظهور آسیایی تجربه کرد، اما داده‌های سه‌ماهه دوم ۲۰۲۶ حاکی از کندشدن شدید آهنگ رشد نفوذ هوش مصنوعی در کشور و بروز یک ایستایی نسبی در مقایسه با رقبا است.

کالبدشکافی رفتار زمانی رشد در ایران

از منظر تحلیلی، نقطه عطف کارنامه ایران مربوط به بازه زمانی ژوئن ۲۰۲۵ تا مارس ۲۰۲۶ است. در این بازه، سهم کاربران هوش مصنوعی در ایران ۳۱.۴ درصد رشد نسبی را تجربه کرد. این میزان رشد، ایران را در میان ۱۵ اقتصاد دارای سریع‌ترین رشد پذیرش هوش مصنوعی در قاره آسیا قرار داد ایران در فاصله نیمه دوم ۲۰۲۵ تا سه‌ماهه اول ۲۰۲۶، شاهد افزایش ۱.۹ واحد درصدی در نرخ نفوذ خود بود (از ۱۰.۷ درصد به ۱۲.۶ درصد). این جهش معادل رشد نسبی ۳۱.۴ درصدی که رتبه ۵ جهانی در شاخص سرعت رشد نفوذ هوش مصنوعی در سطح جهان را برای ایران به همراه داشت؛ موجب شد مایکروسافت نام ایران را در کنار کشورهایی چون کره جنوبی (۴۳.۲٪)، تایلند (۳۶.۴٪) و ژاپن (۳۴.۱٪)، به‌عنوان یکی از بازیگران اصلی«موج جدید رشد هوش مصنوعی در آسیا» معرفی کند.

عارف: هدف‌گذاری ایران دستیابی به جایگاه تک‌رقمی جهان در هوش مصنوعی است

با ورود به سه‌ماهه دوم ۲۰۲۶، سرعت رشد ایران به‌شدت افت کرد؛ به‌طوری که نرخ نفوذ تنها ۰.۲ واحد درصد افزایش یافت (از ۱۲.۶٪ به ۱۲.۸٪). این کندی رشد در شرایطی رخ داد که سایر کشورهای منطقه (مانند عربستان سعودی با ۲.۰ واحد درصد رشد و اردن با ۱.۵ واحد درصد رشد) به‌سرعت در حال پیشرفت بودند. این عقب‌گرد ایران که عمده‌ترین دلیل آن را می‌توان قطعی گسترده اینترنت در همین بازه زمانی دانست، منجر به افت ۸ پله‌ای ایران در شاخص رشد نسبی (از ۵ جهانی به ۱۳) و افت دو پله‌ای رتبه از ۸۵ به ۸۷ در جدول جهانی جایگاه کلی نفوذ هوش مصنوعی شد. این کندی ناگهانی نشان‌دهنده اشباع لایه اولیه کاربران مشتاق و مواجهه جدی با چالش‌های ساختاری، محدودیت‌های زیرساخت ارتباطی، تحریم‌های بین‌المللی و محدودیت دسترسی مستقیم به سرویس‌های ابری تجاری است.

ایران در کفه ترازو مقایسه با کشورهای همسایه و منطقه خاورمیانه

بررسی وضعیت ایران در مقایسه با کشورهای خاورمیانه و همسایگان، نمایانگر یک شکاف چندلایه در سطح منطقه است. منطقه خاورمیانه در حال حاضر شاهد حضور یکی از پیشتازترین کشورهای جهان در عرصه پذیرش و نفوذ هوش مصنوعی و درعین‌حال کشورهایی با نرخ نفوذ پایین است.

جدول مقایسه جامع نرخ نفوذ و رتبه‌بندی منطقه‌ای

تحلیل کیفی جایگاه منطقه‌ای ایران

• امارات متحده عربی با ثبت نرخ نفوذ ۷۰.۱ درصد در سه‌ماهه اول ۲۰۲۶ و ۷۳.۳ درصد در سه‌ماهه دوم ۲۰۲۶، رتبه نخست جدول جهانی نفوذ هوش مصنوعی را با فاصله‌ای چشمگیر حفظ کرده است.
• قطر نیز با ۴۳.۵ درصد در رتبه دهم جهان جای گرفته است.
• عربستان سعودی با جهشی سریع، نرخ نفوذ خود را از ۲۳.۷ درصد در نیمه اول ۲۰۲۵ به ۲۹.۴ درصد در سه‌ماهه اول ۲۰۲۶ و ۳۱.۴ درصد در سه‌ماهه دوم ۲۰۲۶ رسانده و با صعود ۵ پله‌ای به جمع ۲۵ کشور برتر جهان پیوسته است. سرمایه‌گذاری سنگین در زیرساخت‌ها و خدمات ابری از عوامل اصلی این جهش عنوان شده است.
• ترکیه؛ رقیب سنتیترکیه با نرخ نفوذ ۱۸.۹٪ و رتبه ۶۲ جهان، ۶.۱ واحد درصد از ایران پیش است. ترکیه با نرخ رشد نسبی ۴۱.۰٪، رتبه پنجم رشد نسبی نفوذ هوش مصنوعی در جهان را که در آمار سه‌ماهه اول ۲۰۲۶ در اختیار ایران بود را به خود اختصاص داده است.
• همسایگانایران با نرخ ۱۲.۸٪ حائز رتبه ۸۷ است و حتی پس از عراق (۱۳.۰٪ – رتبه ۸۶) قرار گرفته است. ایران در منطقه تنها از کشورهایی چون پاکستان (۱۱.۹٪)، سوریه (۷.۴٪) و افغانستان (۶.۳٪) وضعیت بهتری دارد.

جایگاه ایران در شکاف شمال و جنوب جهانی و میانگین‌های بین‌المللی

داده‌های گزارش مایکروسافت نشان می‌دهند که عدم تعادل در نفوذ هوش مصنوعی ابعادی ساختاری دارد که پیوسته در حال عمیق‌تر شدن است. برای تبیین دقیق‌تر وضعیت ایران، سنجش داده‌های آن در چارچوب میانگین‌های کلان بین‌المللی و شکاف شمال جهانی (Global North) و جنوب جهانی (Global South) حائز اهمیت بالاست.

• میانگین جهانیدر سه‌ماهه دوم ۲۰۲۶، نرخ نفوذ جهانی هوش مصنوعی به ۱۸.۸ درصد رسید که نسبت به سه‌ماهه اول ۲۰۲۶ حدود ۱.۰ درصد، نسبت به نیمه دوم ۲۰۲۵ حدود ۲.۵ درصد و نسبت به نیمه اول ۲۰۲۵ حدود ۳.۷ درصد افزایش یافته است. ایران ۶.۰ درصد از میانگین جهانی عقب‌تر است.
• شمال جهانینرخ نفوذ هوش مصنوعی از ۲۲.۹ درصد در نیمه اول ۲۰۲۵ به ۲۴.۷ درصد در نیمه دوم ۲۰۲۵ و سپس به ۲۷.۵ درصد در سه‌ماهه اول ۲۰۲۶ و ۲۸.۸ درصد در سه‌ماهه دوم ۲۰۲۶ رسیده است. فاصله ایران با شمال جهانی نیز به ۱۶.۰ واحد درصد می‌رسد.
• جنوب جهانینرخ نفوذ هوش مصنوعی از ۱۳.۱ درصد در نیمه اول ۲۰۲۵ به ۱۴.۱ درصد در نیمه دوم ۲۰۲۵ و سپس به ۱۵.۴ درصد در سه‌ماهه اول ۲۰۲۶ و ۱۶.۲ درصد در سه‌ماهه دوم ۲۰۲۶ رسیده است. ایران حتی ۳.۴ واحد درصد از میانگین جنوب جهانی پایین‌تر قرار دارد.

تفکیک شمال و جنوب

شمال جهانیوجنوب جهانیدو دسته‌بندی کلان اقتصادی و زیرساختی هستند که در گزارش‌های مایکروسافت برای بررسی شکاف دیجیتال و الگوی پذیرش هوش مصنوعی استفاده می‌شوند.

ایران با نرخ نفوذ ۱۲.۸ درصدی در زمره کشورهای جنوب جهانی طبقه‌بندی می‌شود و حتی از میانگین جنوب جهانی (۱۶.۲ درصد) و میانگین کلی جهان (۱۸.۸ درصد) عقب‌تر قرار دارد. ریشه‌های این عقب‌ماندگی را باید در الزامات زیرساختی سه‌گانه‌ای جست‌وجو کرد که مایکروسافت به‌عنوان پیش‌شرط‌های پذیرش هوش مصنوعی بر شمرده است

• شمال جهانیشامل کشورها و اقتصادهای پیشرفته و توسعه‌یافته است. (ایالات متحده آمریکا، فرانسه، نروژ، آلمان و ژاپن)
  • زیرساخت‌هادسترسی ۱۰۰ درصدی به برق، ۹۰.۱ درصدی به اینترنت و ۷۰.۱ درصدی سواد دیجیتال.
  • نرخ نفوذ هوش مصنوعی۲۸.۸ درصد از جمعیت سن کار در سه‌ماهه دوم ۲۰۲۶.
  • الگوی مصرفتمایل بیشتر به کاربردهای تجاری و مصرفی روزمره؛ مانند تحقیقات خرید و خرید آنلاین (۱۶.۹ درصد بالاتر از میانگین جهانی)، دریافت مشاوره و بازخورد (۱۲.۶ درصد) و جستجوی اطلاعات (۶.۵ درصد).
• جنوب جهانیشامل کشورها و اقتصادهای درحال‌توسعه است که با محدودیت‌های ساختاری دست‌وپنجه نرم می‌کنند. (هند، برزیل، ویتنام، کنیا و ایران)
  • زیرساخت‌هادسترسی ۸۸.۹ درصدی به برق، ۶۵.۷ درصدی به اینترنت و ۴۸.۲ درصدی سواد دیجیتال.
  • نرخ نفوذ هوش مصنوعی۱۶.۲ درصد در سه‌ماهه دوم ۲۰۲۶ (وجود شکاف ۱۲.۶ واحد درصدی با شمال جهانی).
  • الگوی مصرفتمرکز اصلی بر ابزارهای تحصیلی و رشد فردی؛ شامل انجام تکالیف و پشتیبانی آکادمیک (۳۲.۳ درصد بالاتر از میانگین جهانی)، یادگیری خودگرا و ارتقای مهارت (۲۹.۲ درصد) و تولید و ویرایش محتوا/کد (۲۲.۴ درصد).

در ایران، چالش‌های زیرساختی نظیر اختلالات و محدودیت‌های پهنای باند اینترنت، نوسانات پایداری انرژی و شبکه برق، و اهرم تحریم‌ها که مانع پردازش ابری مستقیم می‌شوند، ضریب نفوذ هوش مصنوعی را محدود کرده‌اند.

نقش مدل‌های وزن‌باز و فرصت‌های اقتصادی برای ایران

یکی از محوری‌ترین بحث‌های مطرح‌شده در گزارش مایکروسافت، جهش مدل‌های وزن‌باز نظیر DeepSeek، Kimi K3، Qwen و GLM 5.3 Flash است. این مدل‌ها قابلیت دانلود، دستکاری و اجرا بر روی زیرساخت‌های بومی یا سرویس‌های API مستقل را فراهم می‌کنند.

تحولات کلیدی در اقتصاد مدل‌های وزن‌باز

1. کاهش سریع شکاف کاراییمدل‌های وزن‌باز تنها ظرف چند ماه پس از انتشار مدل‌های بسته پیشتاز به سطح توانمندی آن‌ها می‌رسند. برای مثال، مدل Kimi K3 Max متعلق به شرکت Moonshot AI در ژوئیه ۲۰۲۶ منتشر شد و در سپتامبر ۲۰۲۶ در جمع ۵ مدل برتر جدول لیدربورد کدنویسی WebDev Arena قرار گرفت.
2. تسلط بر بازارداده‌های پلتفرم OpenRouter نشان می‌دهد که سهم مدل‌های وزن‌باز از کل توکن‌های مصرفی از یک‌سوم در انتهای ۲۰۲۵ به ۷۵ درصد در سال ۲۰۲۶ رسیده است.
3. انقلاب هزینه در برابر کاراییمدل جدید GLM 5.3 Flash کارایی هوشی معادلGPT-5.6 Sol در سطح استدلال High ارائه می‌دهد، اما هزینه اجرای آنیک‌سوممدل‌های تجاری است.
4. گذار ازTokenmaxxingبهTask-Matchingشرکت‌ها الگوی مصرف بی‌رویه توکن (Tokenmaxxing) را رها کرده و به سمت معماری تطبیق وظیفه با مدل حرکت کرده‌اند؛ یعنی کارهای پیچیده را به مدل‌های گران‌قیمت مرزی و کارهای حجم بالا را به مدل‌های ارزان وزن‌باز می‌سپارند.

اهمیت استراتژیک مدل‌های وزن‌باز برای ایران

مدل‌های وزن‌باز دو مانع بنیادین برای کشورهای درحال‌توسعه و تحت تحریم نظیر ایران را برطرف می‌کنند

• رفع مانع هزینه و تحریمامکان میزبانی بومی و استفاده از APIهای ارزان‌قیمت، وابستگی به سرویس‌های ابری تجاری غرب را کاهش می‌دهد.
• بومی‌سازی زبانی و تخصصیپژوهش‌های مایکروسافت نشان می‌دهد با استفاده از چارچوب‌هایی مانند Bring Your Own Language (BYOL) می‌توان با بازآموزی و Fine-tuning مدل‌های وزن‌باز، دقت آن‌ها را در زبان‌های غیرانگلیسی و بومی تا ۱۲ درصد ارتقا داد.

تحول لایه کاربردی هوش مصنوعی با سرعت در حال جریان است. بررسی پلتفرم Hugging Face Spaces که برنامه‌ها و دموی‌های کاربردی هوش مصنوعی را میزبانی می‌کند؛ نشان می‌دهد که تعداد پروژه‌های فعال از ۱۲۴ هزار در انتهای ۲۰۲۳ به ۷۹۷ هزار در اکتبر ۲۰۲۵ و ۱.۴۶ میلیون فضا در اوت ۲۰۲۶ رسیده است (رشد ۱.۸ برابری).

Global AI Diffusion Q1 2026
Global AI Diffusion Q2 2026
مخزن داده‌های مورد بررسی در گزارش Global AI Diffusion در گیت‌هاب

قرارگرفتن ایران دررتبه۸۷جهان با نرخ نفوذ۱۲.۸درصدو ثبت افت سرعت رشد در سه‌ماهه دوم ۲۰۲۶، هشداری جدی برای سیاست‌گذاران فناوری کشور است. اگرچه استعداد انسانی و اشتیاق بالای نسل جوان برای یادگیری هوش مصنوعی یک سرمایه بزرگ است، اما عقب‌ماندگی از کشورهای منطقه (مانند امارات و عربستان) فاصله دیجیتال کشور را عمیق‌تر می‌کند. بدون اتخاذ سیاست‌های فعال زیرساختی، نرخ پذیرش هوش مصنوعی در ایران در سطوح فعلی درجازدن و شکاف رقابتی کشور با منطقه و جهان عمیق‌تر خواهد شد.

مایکروسافت اعلام کرده است که در گزارش‌های بعدی، ابزارهای بومی کشورها (مانند برنامه‌های داخلی چین و سایر مناطق) را به شاخص سنجش خود اضافه خواهد کرد که این اقدام موجب افزایش محاسباتی نرخ نفوذ در اکثر کشورها خواهد شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.