فهرست مطالب
دو غول آمریکایی، اونداس و پلنتیر، دیروز (۱۲ اکتبر ۲۰۲۶، برابر ۲۰ مهر ۱۴۰۵) شرکتی تازه به نام Regna AI را معرفی کردند: شرکتی مستقل که قرار است مدل‌های هوش مصنوعی تخصصی را برای دولت‌ها و سازمان‌ها داخل محیط خودشان آموزش و اجرا کند، نه روی ابر یک شرکت خارجی. به زبان ساده: هوش مصنوعی‌ای که به جای نشستن روی سرور دیگران، روی پهپاد و مرکز فرماندهی خودت اجرا شود — حتی جایی که اینترنت قطع است. اونداس اولین مشتری این شرکت است.
در این مطلب می‌بینی هوش مصنوعی «حاکمیتی» دقیقاً یعنی چه و چرا حالا همه از آن حرف می‌زنند، اونداس و پلنتیر هر کدام چه نقشی در این بازی دارند، مدل‌های ریگنا روی چه سخت‌افزاری قرار است اجرا شوند، کدام ادعاها هنوز فقط در حد بیانیه‌اند — و در پایان هم می‌گوییم این خبر برای تو، به‌عنوان مخاطب فارسی‌زبان، چه معنای عملی دارد.
پاسخ کوتاه
ریگنا AI شرکت خصوصی و مستقلی است که اونداس (فعال در سامانه‌های خودگردان دفاعی) و پلنتیر (غول نرم‌افزار تحلیلی) در ۱۲ اکتبر ۲۰۲۶ تأسیس کردند؛ به گفتهٔ بیانیهٔ رسمی، این شرکت «با پشتوانهٔ پلنتیر» و «با سرمایه‌گذاری اولیهٔ اونداس» راه افتاده و قرار است با شرکای نهادی بزرگ‌تر گسترش پیدا کند.
مأموریت: توسعه و استقرار مدل‌های هوش مصنوعی فاین‌تون‌شده و تخصصی‌شده برای هر مأموریت — مدل‌هایی که به‌جای سرویس ابری عمومی، در محیط تحت کنترل خود مشتری اجرا می‌شوند؛ همان ایده‌ای که به آن «هوش مصنوعی حاکمیتی» می‌گویند.
اولین مشتری خود اونداس است: مدل‌ها قرار است ارکستراسیون خودگردان مأموریت‌ها را روی سخت‌افزار لبه اجرا کنند — از پهپاد و بالن استراتوسفری تا خودروهای زمینی، شناورهای سطحی و گره‌های فرماندهی و کنترل.
طراحی برای شرایطی است که شبکه قطع یا مختل است (DDIL)؛ یعنی مدل بدون اینترنت هم کار می‌کند و تصمیم نهایی همیشه با انسان است: مدل فقط شواهد را ارزیابی می‌کند و پیشنهاد به‌روزرسانی طرح مأموریت می‌دهد.
طبق گزارش‌ها، ریگنا در آغاز کاملاً متعلق به اونداس است؛ نه نام مدلی، نه بنچمارک، نه قیمت و نه تاریخ استقرار اعلام شده — پس این یک اعلام تشکیل شرکت است، نه رونمایی محصول.
اول زمینه: هوش مصنوعی حاکمیتی یعنی چه؟
قبل از خبر، این اصطلاح را ساده می‌کنیم؛ چون کل ماجرا دور همین یک کلمه می‌چرخد.
یعنی «حاکمیتی» دقیقاً چی؟
«حاکمیتی» (sovereign) یعنی مالکیت و کنترل، پیش خودت. هوش مصنوعی حاکمیتی یعنی مدلی که داده‌های آموزش و اجرایش از مرزهای امنیتی سازمان تو بیرون نمی‌روند: نه آموزش روی سرور شرکت خارجی، نه استنتاج از طریق API یک ابر عمومی. تصورش کن مثل فرق بین گذاشتن اسنادت در کشوی میز خودت و سپردنشان به یک انباری در کشور دیگر. برای یک وزارت دفاع یا یک بانک، این فرقِ حیاتی است — نه یک سلیقهٔ فنی.
چرا دولت‌ها از ابر عمومی ترسیده‌اند؟
مشکل دو لایه است. اول، حریم داده: در بیانیهٔ اونداس آمده که ارائه‌دهندگان تجاریِ هوش مصنوعی، مالک مدل‌هایی هستند که روی دادهٔ تو آموزش می‌بینند و دادهٔ مأموریتی نمی‌تواند آزادانه از مرزهای امنیتی عبور کند. دوم، وابستگی: اگر مدل اصلی روی سرور یک شرکت دیگر زندگی کند، هر قطعی، تحریم یا تغییر سیاست آن شرکت، مأموریت تو را زمین می‌زند. ریگنا ادعا می‌کند این دوراهیِ «شتاب با هوش مصنوعی یا حفاظت از دادهٔ حاکمیتی» را حذف می‌کند — بدون اینکه مشتری مجبور باشد صدها میلیون تا میلیاردها دلار برای ساخت یک مدل از صفر خرج کند؛ این عدد از متن خود بیانیه است، نه محاسبهٔ ما.
یک مثال ساده از زندگی واقعی
فرض کن یک تیم امداد می‌خواهد در منطقهٔ زلزله از پهپاد استفاده کند، جایی که نه اینترنت هست نه برج مخابراتی. مدل معمولیِ ابری آنجا هیچ کاری نمی‌کند، چون به سرور وصل نیست. مدل «لبه‌ای و حاکمیتی» اما روی خود پهپاد زندگی می‌کند: تصاویر را همان‌جا تحلیل می‌کند، مسیر را همان‌جا پیشنهاد می‌دهد و فقط خلاصه را برای تأیید انسان می‌فرستد. دقیقاً همین سناریوست که ریگنا برای کاربردهای نظامی و صنعتی هدف گرفته است.
خبر اصلی: تو باید بدانی اونداس و پلنتیر چه شرکتی ساختند
بیانیهٔ مشترک که ۱۲ اکتبر ۲۰۲۶ از طریق ACCESS Newswire منتشر شد، می‌گوید ریگنا AI یک «شرکت خصوصی مستقل» است؛ یعنی نه یک محصول جدید داخل پلنتیر و نه یک واحد تجاری داخل اونداس، بلکه موجودیتی جدا. فرمول مالکیتش جالب است: «با پشتوانهٔ پلنتیر» (powered by Palantir) و «با سرمایه‌گذاری اولیهٔ اونداس» (bootstrapped by Ondas) — و به گفتهٔ منابع خبری، در آغاز کاملاً متعلق به اونداس است و بعداً قرار است با ورود شرکای نهادی مقیاس بگیرد.
ریگنا دقیقاً چه می‌فروشد؟
محصول، «مدل» نیست؛ «مدلِ فاین‌تون‌شده برای مأموریتِ تو» است. یعنی به‌جای اینکه یک مدل عمومی بزرگ را از طریق اینترنت صدا بزنی، یک مدل وزن‌باز (open-weight) برداشته می‌شود، با دادهٔ مأموریتیِ خودت فاین‌تون می‌شود — یعنی همان مدل پایه با دادهٔ تخصصی تو دوباره آموزش می‌بیند تا زبان و نیاز همان کار را بفهمد — و بعد همان مدلِ شخصی‌شده، داخل محیط خودت مستقر می‌شود. تفاوت کلیدی با مدل‌های عمومی: تو مالک نتیجه‌ای و زیرساختش هستی، نه مستأجر یک سرویس.
مدل‌ها در شرایط DDIL چطور کار می‌کنند؟
یکی از جذاب‌ترین بخش‌های بیانیه، همین چهار حرف است.
DDIL یعنی چه؟
مخفف عبارت denied, degraded, intermittent, limited است — یعنی شبکه «قطع، مختل، متناوب یا محدود». در میدان واقعی، اینترنتِ پایدارِ شهری یک رؤیاست: پارازیت، قطع عمدی، یا ساده‌ترینش، نبود زیرساخت. مدل‌های ریگنا طوری طراحی شده‌اند که روی خودِ سخت‌افزار لبه اجرا شوند و برای هر استنتاج، منتظر ابر نمانند. اگر تا حالا با اجرای مدل‌های زبانی روی دستگاه خودت با اوللاما کار کرده باشی، منطقش را می‌فهمی: مدل نزدیک توست، نه آن‌طرف اقیانوس.
روی چه سخت‌افزارهایی؟
فهرست بیانیه مشخص است: سامانه‌های شناسایی، مراقبت و رصد (ISR) — یعنی پهپادها، بالن‌های استراتوسفری، خودروهای زمینی، شناورهای سطحی و گره‌های فرماندهی و کنترل. نقطهٔ مشترک همه‌شان این است که یا در حرکت‌اند یا در نقطه‌ای دورافتاده‌اند؛ یعنی دقیقاً جاهایی که نمی‌شود روی اتصال دائمی حساب کرد.
نقش هر کدام از دو شرکت در این بازی چیست؟
تقسیم کار، تمیز و منطقی تعریف شده است.
اونداس چه می‌آورد؟
اونداس (نماد بورسی ONDS در نزدک) خودش را «ارائه‌دهندهٔ سامانه‌های خودگردان پیشرفته و فناوری‌های دفاعی و امنیتی نسل بعد» معرفی می‌کند: پهپادهای خودگردان، فناوری‌های ضدپهپاد، سامانه‌های رباتیک زمینی و ارتباطات یکپارچه. در این شراکت، اونداس هم بنیان‌گذار است و هم اولین مشتری: مدل‌های فاین‌تون‌شده قرار است ارکستراسیون خودگردان مأموریت‌های اونداس را روی لبه اجرا کنند. یعنی محصول اول، روی نیاز واقعی خود سازنده آزمایش می‌شود، نه روی یک مشتری فرضی.
پلنتیر چه می‌آورد؟
پلنتیر (نماد PLTR در نزدک) زیرساخت آموزش مدل و پشتیبانی استقرار را تأمین می‌کند و کل معماری روی Palantir AIP — پلتفرم هوش مصنوعی پلنتیر — سوار است. به گفتهٔ بیانیه، دو طرف در قالب «مهندسیِ مستقرِ روبه‌جلو» (forward-deployed engineering) با هم کار می‌کنند؛ یعنی مهندسان پلنتیر کنار مشتری می‌نشینند و قابلیت‌ها را با گردش‌کار واقعی او تنظیم می‌کنند. اگر مفهوم فاین‌تونینگ مدل‌ها برایت آشناست، همین‌جا نقطهٔ اتصال است: پلنتیر موتور آموزش و انطباق است، اونداس میدان آزمایش و مشتری اول.
ریگنا AI در یک نگاه
جدول زیر، خلاصهٔ دقیقِ همان چیزی است که در بیانیهٔ ۱۲ اکتبر اعلام شده — نه بیشتر، نه کمتر:
سؤال | پاسخِ بیانیه |
|---|---|
چه کسانی تأسیس کردند؟ | اونداس و پلنتیر؛ در آغاز کاملاً متعلق به اونداس |
چه می‌فروشد؟ | مدل‌های فاین‌تون‌شده و تخصصی برای هر مأموریت، مستقر در محیط خود مشتری |
مدل پایه چیست؟ | مدل‌های وزن‌باز (open-weight)؛ هیچ نامی اعلام نشده |
کجا اجرا می‌شود؟ | محیط مشتری و سخت‌افزار لبه: پهپاد، بالن استراتوسفری، خودروی زمینی، شناور سطحی، گره فرماندهی |
اولین مشتری کیست؟ | خود اونداس، برای ارکستراسیون خودگردان مأموریت در لبه |
نقش انسان کجاست؟ | مدل پیشنهاد می‌دهد؛ انسان بازبینی و تأیید می‌کند |
زمان‌بندی استقرار؟ | استقرارهای اولیهٔ مشتریان «در ماه‌های آینده» |
نکتهٔ مهم جدول بالا: هر خانه‌ای که «اعلام نشده» می‌خواندی، واقعاً اعلام نشده — و این خودش بخشی از خبر است.
مدیران دو شرکت چه گفتند؟
نقل‌قول‌های بیانیه، لحن استراتژیک ماجرا را لو می‌دهند. اریک براک، رئیس و مدیرعامل اونداس، گفت: «هیچ دولتی نباید مجبور باشد استراتژی هوش مصنوعی‌اش را روی مدل‌ها یا زیرساخت داده‌ای بنا کند که کنترلشان را ندارد.» او فرمول سه‌لایهٔ ریگنا را این‌طور خلاصه کرد: مدل‌های وزن‌باز، دادهٔ مأموریتیِ تحت کنترل مشتری و پلتفرم عملیاتی پلنتیر — ترکیبی که به گفتهٔ او به سازمان‌های دفاعی «کنترل هوش مصنوعیِ پشتیبان مأموریت‌هایشان» را می‌دهد و می‌تواند به «پلتفرم بنیادین هوش مصنوعی برای وزارت جنگ آمریکا، دولت‌های متحد و شرکت‌های دفاعی و صنعتی خدمت‌رسان به آن‌ها» تبدیل شود.
الکس کارپ، هم‌بنیان‌گذار و مدیرعامل پلنتیر، از زاویهٔ دیگری زد: «هوش مصنوعی حاکمیتی که روی دانش و فن مأموریت آموزش دیده، از مدل‌های فرانتیر بهتر عمل می‌کند و در عین حال وابستگی به آن‌ها را حذف می‌کند.» به گفتهٔ او «همهٔ لایه‌های پشته، متعلق به نهاد حاکم و تحت کنترل اوست» و ریگنا این قابلیت را «در دسترس نهادهایی می‌گذارد که هرگز نمی‌توانستند ساخت یک مدل فرانتیرِ اختصاصی را توجیه کنند.» ترجمهٔ ساده‌اش: کشورهای کوچک‌تر و سازمان‌های متوسط هم می‌توانند صاحب مدل خودشان شوند، بی‌آنکه میلیاردها دلار خرج کنند.
پیشینه: پروژهٔ SkyWeaver C4I چه ربطی دارد؟
این شراکت از آسمان نیفتاده است. به گفتهٔ بیانیه، ریگنا روی همکاریِ موجود اونداس و پلنتیر در پروژه‌ای به نام SkyWeaver C4I سوار می‌شود؛ قابلیتی با معماری باز که مراقبتِ لایه‌لایه را «از استراتوسفر تا لبهٔ تاکتیکی» یکپارچه می‌کند و با ترکیب هوش مصنوعیِ عامل‌محورِ تعبیه‌شده و پردازش لبه، به گفتهٔ اونداس «زیربنای عملیاتی» مدل‌های تخصصیِ ریگنا در محیط‌های چنددامنه‌ای و با اتصالِ مختل را فراهم می‌کند. به زبان ساده: آن‌ها قبلاً کنار هم روی همین جنس مسئله کار کرده‌اند و ریگنا، تجاری‌سازیِ همان تجربه است.
این خبر چه چیزی را نمی‌گوید؟ برای تو مهم است بدانی
بخش موردعلاقهٔ ما در هر خبر، همین‌جاست: چیزهایی که اعلام نشده. نام هیچ مدلی اعلام نشده. هیچ بنچمارکی منتشر نشده. قیمت، مدل لایسنس و تاریخ دقیق استقرار هم معلوم نیست. «ماه‌های آینده» برای اولین استقرارها، دقیق‌ترین زمان‌بندیِ موجود است. این یعنی ریگنا فعلاً یک «اعلام تشکیل» است، نه یک محصول قابل لمس — و هیچ آزمون مستقلی هم از ادعاهایش وجود ندارد. اگر جایی خواندی که «پلنتیر و اونداس مدل نظامی جدید رونمایی کردند»، بدان که این جمله دقیق نیست: آن‌ها شرکتِ سازندهٔ مدل را رونمایی کرده‌اند، نه خود مدل را.
یک نکتهٔ زمینه‌ای هم از خود بیانیه: ریگنا هم‌زمان با تشویق «برنامهٔ اقدام هوش مصنوعی آمریکا» به مدل‌های متن‌باز و وزن‌باز عرضه می‌شود و قرار است از ISR شروع کند و بعد به حوزه‌های مأموریتی دیگر، امنیت، زیرساخت حیاتی و بازارهای صنعتی گسترش پیدا کند. یعنی افقش فقط دفاع نیست؛ هر صنعتی که داده‌اش را نمی‌خواهد از دست بدهد، مشتری بالقوه است.
قیمت، دسترسی و وضعیت تو به‌عنوان کاربر ایرانی
قیمت اعلام نشده و با این مدل کسب‌وکار (فروش سازمانی و دولتی) هم بعید است به این زودی‌ها قیمت عمومی ببینی. دسترسی؟ این محصول اساساً برای دولت‌ها و پیمانکاران دفاعی طراحی شده، نه کاربر عادی — و هر دو شرکت آمریکایی‌اند، پس مشمول همان محدودیت‌های تحریمیِ همیشگی برای کاربران داخل ایران هستند. این را بی‌طرفانه می‌گوییم: شرایط سرویس این شرکت‌ها کاربران ایرانی را پوشش نمی‌دهد و ما هم راه دور زدنی پیشنهاد نمی‌کنیم.
اما اگر توسعه‌دهنده‌ای یا پژوهشگری، بخش فنی خبر برای تو قابل استفاده است: الگوی «مدل وزن‌باز + فاین‌تون با دادهٔ خودت + اجرای محلی» دقیقاً همان چیزی است که امروز با ابزارهایی مثل اوللاما و مدل‌های باز می‌توانی روی لپ‌تاپ خودت امتحان کنی — مثلاً مدل‌های باز میسترال یا نمونه‌های متن‌باز دیگر. منطق حاکمیتی، فقط برای وزارت دفاع نیست؛ برای هر کسی که دادهٔ حساس دارد، همان منطق است.
سه درس عملی که تو از این خبر می‌گیری
حاکمیت داده، ترندِ جدیِ ۲۰۲۶ است، نه مُد زودگذر. وقتی پلنتیر وارد این بازی می‌شود، یعنی تقاضای سازمانی برای «مدلِ مالِ خودم» واقعی است. اگر کسب‌وکاری داری که با دادهٔ حساس کار می‌کند، از همین حالا به معماریِ «اجرای محلی» فکر کن، نه «ارسال همه‌چیز به ابر».
وزن‌بازها دارند جدی گرفته می‌شوند. کل این شراکت روی مدل‌های وزن‌باز سوار است، نه مدل‌های بسته. این یعنی اکوسیستم متن‌بازِ هوش مصنوعی — از میسترال تا کوئن — دارد به بلوغ صنعتی می‌رسد و یاد گرفتن کار با آن‌ها، سرمایه‌گذاریِ بلندمدت است.
انسان هنوز در حلقه است — و این عمدی است. حتی در کاربرد نظامی، مدل فقط «پیشنهاد» می‌دهد و انسان تأیید می‌کند. اگر داری برای سازمانت سیستم هوش مصنوعی طراحی می‌کنی، همین الگو را کپی کن: خودکارسازیِ پیشنهاد، نه خودکارسازیِ تصمیم.
جمع‌بندی: حالا چه کار کنی؟
ریگنا AI مهم است نه به‌خاطر چیزی که امروز تحویل می‌دهد — که هیچ‌چیزِ ملموسی نیست — بلکه به‌خاطر جهتی که نشان می‌دهد: هوش مصنوعی دارد از «سرویس ابریِ همه‌منظوره» به «مدلِ اختصاصیِ مستقر در خانهٔ خودت» مهاجرت می‌کند و پلنتیر و اونداس می‌خواهند پیمانکارِ این مهاجرت برای دولت‌ها باشند. برای تو، اقدام عملیِ امروز این است: اگر با مدل‌های باز کار نکرده‌ای، از همان اوللاما شروع کن؛ اگر دادهٔ حساس داری، معماریِ محلی را جدی بگیر؛ و اگر فقط خوانندهٔ خبری، از این به بعد هر بار که شنیدی «مدل حاکمیتی»، بدان دقیقاً یعنی همین — مدلی که کلیدش دست صاحبِ داده است، نه دست فروشندهٔ ابر.
پرسش‌های متداول
ریگنا AI دقیقاً چیست؟
شرکت خصوصی و مستقلی که اونداس و پلنتیر در اکتبر ۲۰۲۶ تأسیس کردند تا مدل‌های هوش مصنوعیِ فاین‌تون‌شده و تخصصی برای مأموریت‌ها را داخل محیط تحت کنترل خود مشتری توسعه و مستقر کند. محصولش «مدلِ مالِ خودت» است، نه اشتراک یک سرویس ابری.
تفاوت ریگنا با ChatGPT یا جمینای چیست؟
آن‌ها سرویس‌های عمومی‌اند: تو به مدلِ آن‌ها وصل می‌شوی و داده‌ات به سرورشان می‌رود. ریگنا برعکس است: مدلِ فاین‌تون‌شده با دادهٔ تو، داخل زیرساختِ تو اجرا می‌شود و داده از مرز امنیتی‌ات بیرون نمی‌رود. مخاطبش هم کاربر عادی نیست، بلکه دولت‌ها و سازمان‌هاست.
«فاین‌تون‌شده برای مأموریت» یعنی چه؟
یعنی به‌جای یک مدل عمومیِ همه‌کاره، یک مدل وزن‌بازِ پایه برداشته می‌شود و با دادهٔ تخصصی یک حوزهٔ خاص — مثلاً عملیات پهپادی — دوباره آموزش می‌بیند تا همان کار را بهتر از مدل عمومی انجام دهد. مثل این است که به‌جای یک مشاور عمومی، یک متخصص همان حوزه استخدام کنی.
آیا ریگنا سلاح خودگردان می‌سازد؟
طبق بیانیهٔ رسمی، نه. مدل‌ها «شواهد را ارزیابی می‌کنند، گزینه‌ها را مقایسه می‌کنند و به‌روزرسانی طرح مأموریت را پیشنهاد می‌دهند» و همه‌چیز برای «بازبینی و تأیید انسان» است. یعنی تصمیم نهایی با انسان است و خودکارسازی در سطح پیشنهاد می‌ماند — دست‌کم طبق ادعای اعلام‌شده.
این مدل‌ها بدون اینترنت هم کار می‌کنند؟
بله، همین نکتهٔ کلیدیِ طراحی است. مدل‌ها برای شرایط DDIL — شبکهٔ قطع، مختل، متناوب یا محدود — طراحی شده‌اند و روی خودِ سخت‌افزار لبه (پهپاد، خودرو، گره فرماندهی) اجرا می‌شوند، نه روی ابر.
قیمت و تاریخ عرضه مشخص است؟
نه. نه قیمت، نه نام مدل، نه بنچمارک و نه تاریخ دقیق استقرار اعلام شده است. تنها زمان‌بندیِ رسمی، «استقرارهای اولیهٔ مشتریان در ماه‌های آینده» است. هر عددی غیر از این، حدس است.
کاربر عادی یا ایرانی می‌تواند از آن استفاده کند؟
نه. این یک محصول سازمانی-دولتیِ آمریکایی است و برای کاربران عادی — چه رسد به کاربران داخل ایران با محدودیت‌های تحریمی — قابل دسترسی نیست. اما الگوی فنی‌اش (مدل وزن‌باز + فاین‌تون + اجرای محلی) را می‌توانی با ابزارهای متن‌بازِ امروزی روی دستگاه خودت تجربه کنی.
چرا این خبر برای صنعت هوش مصنوعی مهم است؟
چون نشان می‌دهد موج «هوش مصنوعی حاکمیتی» از حرف به قرارداد رسیده است: وقتی پلنتیر — که موتور تحلیلیِ خیلی از دولت‌هاست — یک شرکتِ تمام‌وقت برای مدل‌های مالِ مشتری می‌سازد، یعنی تقاضا واقعی و پول پشتش است. این جهت، کل اکوسیستم مدل‌های باز و اجرای محلی را هم تقویت می‌کند.
