Sam Altman and Senator Bernie Sanders do not agree on much. But both have now floated a strikingly similar idea: the public should own a direct financial stake in the artificial intelligence systems trained on their collective work. Altman’s proposal would distribute equity from AI giants like OpenAI to American households, reframing who profits when machines learn from decades of human-created books, code, and art. The concept sounds radical, yet it is best understood not as philanthropy but as an attempt to solve three distinct problems at once—uncompensated data labor, economic anxiety about automation, and the brutal political realities of building trillion-dollar technology companies in a democracy.
The Logic of a National AI Dividend
The first pillar of the argument is straightforward. Large language models like GPT-4 are built by scraping an ocean of human expression—novels, forum posts, music lyrics, software repositories, and photographs—without paying the people who created them. So far, the legal and economic model has treated this as fair use or as an unavoidable byproduct of open publishing. Critics call it extraction. If an oil company drills on public land, it pays royalties. If a streaming platform licenses a song, it pays mechanical rights. AI companies, by contrast, have captured that value upstream and converted it into private equity. Altman’s proposal tacitly admits the injustice: an equity stake functions as a retrospective payment for data labor, acknowledging that the training corpus is not merely ambient noise but the raw material of the product.
The second pillar is economic insurance. Economists remain divided on whether AI will deliver mass unemployment or gradual occupational drift. What is not theoretical is the fear itself. Radiology residents, technical writers, customer service managers, and junior coders are already watching tools automate tasks that once required human judgment. A few hundred dollars in stock will not replace a salary. But the symbolic weight is different. By turning citizens into shareholders, the model attempts to convert ambient dread into aligned interest. You may still lose your job to an LLM, but at least you own a fraction of the LLM. It is the same political logic that underpinned employee stock ownership plans during the rise of the tech industry—broaden the cap table, and you broaden the constituency that roots for the technology’s success rather than its restraint.
Breaking Down the Numbers: A $300 Stake?
To see why this idea is more philosophical than immediately transformative, look at the arithmetic. After its March funding round, OpenAI reached a valuation of roughly $852 billion. A 5 percent equity slice carved out for the public would be worth about $42.6 billion on paper. Spread across approximately 133 million American households, that translates to roughly $320 per household.
Three hundred and twenty dollars will not cover a month of groceries in most zip codes. The figure reveals the core tension. Even a commanding stake in one of the world’s most valuable private companies produces only a modest household payout when the denominator is the entire United States. If the goal is material economic security, the numbers fall short. If the goal is recognition and precedent, the numbers are beside the point.
Then there is the question of form. Directly registering 133 million households as shareholders in a private company is an administrative nightmare. Cap tables are not designed for nation-scale populations. Dividends would trigger 1099s, tax events, and a customer service burden that would make the IRS blush. For these reasons, policy thinkers have looked to the Alaska Permanent Fund as a more practical vessel. Established in the 1970s, that fund pools North Slope oil revenues and pays an annual dividend to every Alaska resident. An AI equivalent would hold the equity in trust, reinvest any proceeds, and distribute cash only when the underlying assets generate sustainable profits.
سام آلتمن و سناتور برنی سندرز در موارد زیادی با هم توافق ندارند. اما هر دو اکنون ایدهای بهشدت مشابه را مطرح کردهاند: مردم باید سهم مالی مستقیمی در سیستمهای هوش مصنوعی که بر پایه آثار جمعی آنها آموزش دیدهاند، داشته باشند. پیشنهاد آلتمن، توزیع سهام از غولهای هوش مصنوعی مانند OpenAI میان خانوارهای آمریکایی است که بازتعریفی از این پرسش است که وقتی ماشینها از کتابها، کدها و هنرهای ساختهشده توسط انسان در طول دههها یاد میگیرند، چه کسی سود میبرد. این مفهوم رادیکال به نظر میرسد، اما بهتر است نه به عنوان یک اقدام بشردوستانه، بلکه به عنوان تلاشی برای حل همزمان سه مشکل متمایز درک شود: کار دادهای بدون جبران خدمات، اضطراب اقتصادی ناشی از اتوماسیون، و واقعیتهای سیاسی بیرحمانه ساخت شرکتهای فناوری تریلیون دلاری در یک دموکراسی.
منطق سود ملی هوش مصنوعی
ستون اول این استدلال ساده است. مدلهای زبانی بزرگ مانند GPT-4 با استخراج (scraping) اقیانوسی از تجربیات انسانی — رمانها، پستهای انجمنها، متن ترانهها، مخازن نرمافزاری و عکسها — بدون پرداخت هزینه به خالقان آنها ساخته میشوند. تا به امروز، مدلهای حقوقی و اقتصادی با این موضوع به عنوان «استفاده منصفانه» (fair use) یا به عنوان یک پیامد اجتنابناپذیر از انتشار آزاد برخورد کردهاند. منتقدان این کار را «استخراج» (extraction) مینامند. اگر یک شرکت نفتی در زمینهای عمومی حفاری کند، حق امتیاز (royalties) میپردازد. اگر یک پلتفرم استریم، مجوز یک آهنگ را بخواهد، حق مکانیکی (mechanical rights) میپردازد. در مقابل، شرکتهای هوش مصنوعی آن ارزش را در مراحل اولیه تصاحب کرده و به سهام خصوصی تبدیل کردهاند. پیشنهاد آلتمن بهطور ضمنی این بیعدالتی را میپذیرد: داشتن سهم، به عنوان یک پرداخت پسنگرانه برای کار دادهای عمل میکند و اذعان دارد که مجموعه دادههای آموزشی صرفاً یک نویز محیطی نیستند، بلکه مواد اولیه محصول محسوب میشوند.
ستون دوم، بیمه اقتصادی است. اقتصاددانان درباره اینکه آیا هوش مصنوعی باعث بیکاری گسترده میشود یا تغییر تدریجی مشاغل، همچنان اختلاف نظر دارند. آنچه تئوری نیست، خودِ این ترس است. دستیاران رادیولوژی، نویسندگان فنی، مدیران خدمات مشتری و برنامهنویسان تازهکار هماکنون شاهد خودکار شدن وظایفی هستند که زمانی نیازمند قضاوت انسانی بود. چند صد دلار سهام، جایگزین حقوق و مزایا نخواهد شد، اما وزن نمادین آن متفاوت است. این مدل با تبدیل شهروندان به سهامدار، تلاش میکند ترس عمومی را به منافع همسو تبدیل کند. ممکن است همچنان شغل خود را به یک LLM واگذار کنید، اما حداقل مالک بخشی از آن LLM خواهید بود. این همان منطق سیاسی است که زیربنای طرحهای مالکیت سهام کارکنان در دوران ظهور صنعت فناوری بود: جدول سرمایه (cap table) را گسترش دهید تا گروهی از حامیان را افزایش دهید که به جای محدود کردن فناوری، خواهان موفقیت آن باشند.
تحلیل اعداد و ارقام: سهمی ۳۰۰ دلاری؟
برای درک اینکه چرا این ایده بیشتر فلسفی است تا تحولآفرینِ فوری، به محاسبات نگاه کنید. OpenAI پس از دور مرحله تأمین مالی ماه مارس، به ارزش تقریبی ۸۵۲ میلیارد دلار رسید. یک سهم ۵ درصدی که برای عموم در نظر گرفته شود، روی کاغذ حدود ۴۲.۶ میلیارد دلار ارزش خواهد داشت. اگر این مبلغ بین تقریباً ۱۳۳ میلیون خانوار آمریکایی تقسیم شود، به حدود ۳۲۰ دلار برای هر خانوار میرسد.
سیصد و بیست دلار در اکثر مناطق، هزینه خرید مواد غذایی یک ماه را پوشش نمیدهد. این رقم تنش اصلی را آشکار میکند. حتی داشتن سهمی قابل توجه در یکی از ارزشمندترین شرکتهای خصوصی جهان، زمانی که مخرج کسر کل ایالات متحده باشد، تنها بازدهی ناچیز برای خانوار ایجاد میکند. اگر هدف، امنیت اقتصادی مادی باشد، این اعداد پاسخگو نیستند. اما اگر هدف، به رسمیت شناختن و ایجاد یک سابقه (precedent) باشد، اعداد اهمیت چندانی ندارند.
سپس مسئله شکل اجرای آن مطرح است. ثبت مستقیم ۱۳۳ میلیون خانوار به عنوان سهامدار در یک شرکت خصوصی، یک کابوس اداری است. جداول سرمایه برای جمعیتهایی در مقیاس ملی طراحی نشدهاند. پرداخت سود سهام باعث ایجاد پروندههای مالیاتی (1099s)، رویدادهای مالیاتی و بار خدمات مشتریانی میشود که حتی اداره مالیات (IRS) را هم به وحشت میاندازد. به همین دلایل، متفکران سیاستگذاری به «صندوق دائمی آلاسکا» به عنوان یک ظرف عملیتر نگاه کردهاند. این صندوق که در دهه ۱۹۷۰ تأسیس شد، درآمدهای نفت منطقه North Slope را تجمیع کرده و سالانه به هر ساکن آلاسکا سود تقسیم میکند. یک معادل هوش مصنوعی، سهام را در قالب یک امانت (trust) نگه میدارد، هرگونه عایدی را مجدداً سرمایهگذاری میکند و تنها زمانی پول نقد توزیع میکند که داراییهای زیربنایی، سود پایدار ایجاد کنند.
آن شرط — سودآوری پایدار — همان چالش اصلی است. OpenAI در حال حاضر برای کسب سود بهینهسازی نشده است. اولویت این شرکت رشد و هزینههای سرمایهای است؛ گفته میشود که میلیاردها دلار را صرف مراکز داده عظیم میکند و عرضه اولیه سهام (IPO) را تا زمانی که شرکت بتواند به ارزش ۱ تریلیون دلاری برسد، به تعویق انداخته است. یک صندوق ثروت ملی که امروز سهام OpenAI را در اختیار داشته باشد، در واقع یک شرطبندی سفتهبازانه را در اختیار دارد، نه یک ماشین سود تقسیمی. خانوادهها ممکن است سالها منتظر دریافت چک باشند، اگر اصلاً زمانی آن را دریافت کنند.
مانورهای سیاسی و جایزه نظارتی
در پس این محاسبات اقتصادی، یک محاسبه سیاسی سرسختانه نهفته است. OpenAI در خلاء فعالیت نمیکند. نظرسنجیها همواره نشان میدهند که اکثریت آمریکاییها به شرکتهای هوش مصنوعی بیاعتماد هستند و مخالفتهای محلی با ساخت مراکز داده در جوامعی که نگران فشار بر شبکههای برق، مصرف آب و سر و صدا هستند، در حال افزایش است. آلتمن برای ساختوساز به یک «مجوز اجتماعی» نیاز دارد و وارد کردن مردم به جدول سهامداران (cap table) یکی از راههای کسب این مجوز است.
مسئله واشینگتن نیز در میان است. این پیشنهاد زمانی ارائه میشود که OpenAI به دنبال همسو شدن با دولت ترامپ است؛ دولتی که تمایل خود را به معاملات اقتصادی فناوریمحور با شرکتهای بزرگ سازنده تراشه مانند Intel و Nvidia نشان داده است. آلتمن با معرفی موفقیت OpenAI به عنوان مترادف با ثروت ملی، کاری فراتر از بازتوزیع پیشرو انجام میدهد. او تلاش میکند تا به جای یک ریسک در زنجیره تأمین، به عنوان یک زیرساخت حیاتی داخلی با او برخورد شود. در عصری که واشینگتن به شدت بر پیشی گرفتن از توسعه هوش مصنوعی چین تمرکز کرده است، هر مدلی که خانوارهای آمریکایی را از نظر مالی به اوجگیری OpenAI وابسته کند، کار را برای نهادهای نظارتی دشوارتر میکند تا با کنترلهای صادراتی، بررسیهای ایمنی یا نظارتهای ضد انحصار، سرعت شرکت را کاهش دهند. سود تقسیمی تنها پول نیست؛ بلکه یک استراتژی لابیگری است که در لباس پوپولیسم ظاهر شده است.
نتیجهگیری اصلی
اگر این پیشنهاد به هر شکلی موفق شود، میراث آن چک ۳۲۰ دلاری نخواهد بود، بلکه ایجاد یک «سابقه» خواهد بود. این ایده، گفتگویی را که مدتها از آن گذشته، اجتنابناپذیر میکند: اینکه آیا دادههایی که هوش مصنوعی را تغذیه میکنند باید مانند یک منبع طبیعی مشترک در نظر گرفته شوند یا مانند سنگهای رایگان معدن برای اولین شرکتی که GPUهای کافی برای استخراج آنها را دارد. یک صندوق ملی هوش مصنوعی، هرچقدر هم که کوچک باشد، این اصل را تثبیت میکند که فرهنگ تولید شده توسط انسان دارای ارزش اقتصادی جمعی است که حتی پس از ورود به خط لوله آموزش (training pipeline) نیز پابرجا میماند. این چارچوب مهمتر از اولین سود تقسیمی است. اینکه آیا این طرح از لابیها، محاسبات حسابداری و تلاطمهای سیاسی پنج سال آینده جان سالم به در میکند یا خیر، تعیین خواهد کرد که آیا آمریکاییهای عادی صرفاً مواد اولیه برای رونق هوش مصنوعی هستند یا اینکه بالاخره میتوانند خود را به عنوان سهامدار در آن ببینند.