هوش مصنوعی، اقتصاد و بازارها

گزارش تحلیلی دوزبانه از مهم‌ترین سیگنال‌های هوش مصنوعی، مالی و صنایع مرتبط؛ با پیوند مستقیم به منابع اصلی.

33 خبر

FiMI بانکی با پاداش قابل‌راستی‌آزمایی، در وظایف خودش از مدل ۱۲ میلیاردی جلو می‌زند
۱۴ شهریور ۱۴۰۵منبع: NPCI AI Research Team / arXiv

FiMI بانکی با پاداش قابل‌راستی‌آزمایی، در وظایف خودش از مدل ۱۲ میلیاردی جلو می‌زند

پژوهش تازه FiMI Banking از تیم هوش مصنوعی NPCI یک ادعای عملی برای هوش مصنوعی مالی دارد: مدل ۴٫۵ میلیاردپارامتری در محیط بانکی بازپخش‌پذیر آموزش دید و امتیاز آزمون نگه‌داشته‌شده را از ۰٫۶۱۰ به ۰٫۶۹۷ رساند؛ کمی بالاتر از ۰٫۶۹۰ مدل پایه ۱۲ میلیاردپارامتری، آن هم با ۲۹ درصد توکن خروجی کمتر در هر گفت‌وگو. این نتیجه برتری عمومی مدل کوچک را ثابت نمی‌کند. آزمون فقط هزار وظیفه مصنوعی بانکداری خرد هند با ابزار، وضعیت حساب و پاداش ازپیش‌تعریف‌شده را می‌سنجد و پس از آموزش هم ۲۱٫۸ درصد وظایف در هر دو نوبت شکست خوردند. همین مرز، پیام اصلی است: ترتیب دقیق فراخوانی ابزار و وضعیت نهایی حساب سیگنال قابل‌اعتمادتر می‌دهند، اما بخشی از ارزیابی رفتاری هنوز به یک داور زبانی تکیه دارد. پژوهش هم‌زمان دیگری ناپایداری جدی داورهای زبانی روی سرویس‌های مشترک را نشان می‌دهد. پیش‌نمایش HydraFusion گیت‌هاب و جذب سرمایه ۳۰۰ میلیون دلاری Gimlet نیز فشار اقتصادی مشابهی را از دو مسیر نشان می‌دهند: محاسبه را گزینشی مصرف کنید و کل گردش‌کار را بسنجید، اما ارزانی را با آمادگی تولید یکی نگیرید.

انویدیا برای خرید ۱۱٫۹ میلیارد دلاری Hugging Face توافق می‌کند و وعده گشودگی می‌دهد
۱۳ شهریور ۱۴۰۵منبع: NVIDIA / U.S. Securities and Exchange Commission

انویدیا برای خرید ۱۱٫۹ میلیارد دلاری Hugging Face توافق می‌کند و وعده گشودگی می‌دهد

انویدیا برای خرید Hugging Face قرارداد قطعی امضا کرده و برای لایه توزیع مدل و داده که بالای تراشه قرار دارد، حدود ۱۱٫۹ میلیارد دلار قیمت گذاشته است. تا حدود ۱٫۰ میلیارد دلار سهام دیگر نیز برای کارکنانی کنار گذاشته می‌شود که به انویدیا می‌پیوندند. معامله هنوز بسته نشده، برای نیمه نخست ۲۰۲۷ هدف‌گذاری شده و به تأیید نهادهای ناظر نیاز دارد. انویدیا می‌گوید Hugging Face برای مدل‌ها، ابرها، ارائه‌دهندگان استنتاج و تراشه‌های رقیب باز می‌ماند و استفاده از پردازنده‌های خودش اجباری نخواهد بود. این وعده حاشیه خبر نیست؛ آزمون اصلی معامله است، چون به گفته انویدیا بیش از ۱۸ میلیون سازنده و بیش از ۳ میلیون مدل به این پلتفرم وصل‌اند. انتشار هم‌زمان K2 Horizon ارزش این فضای عمومی و شکاف افشای آن را نشان می‌دهد: وزن‌ها و داده‌های Apache دیده می‌شوند، اما کارت کوچک‌ترین مدل هنوز می‌گوید کد و دستور آموزش «منتشر خواهد شد». درآمد ۱۶٫۷ میلیارد دلاری تراشه AI در Broadcom و جهش واردات کالای سرمایه‌ای آمریکا ارزش مالی کنترل توزیع را روشن می‌کنند. بی‌طرفی باید در رتبه‌بندی، قیمت، دسترسی و سیاست محصول اثبات شود.

C3 AI پیش از بازگشت درآمد، جریان نقد را مثبت می‌کند
۱۲ شهریور ۱۴۰۵منبع: C3 AI

C3 AI پیش از بازگشت درآمد، جریان نقد را مثبت می‌کند

C3 AI در فصل نخست سال مالی خود ۲٫۱ میلیون دلار جریان نقد عملیاتی و آزاد ثبت کرد؛ یک تغییر واقعی در برابر خروج ۳۳٫۵ میلیون دلاری سال قبل. اما درآمد هنوز برنگشته است: فروش با افت ۲۵٫۵ درصدی به ۵۲٫۴ میلیون دلار رسید، درآمد اشتراک ۱۸٫۵ درصد کم شد و زیان خالص ۹۲٫۸ میلیون دلاری GAAP از کل درآمد فصل بیشتر بود. سرمایه در گردش و ۵۹٫۲ میلیون دلار جبران سهامی، پل نقد را ساختند؛ افزایش نقد بیشتر از ۷۲٫۸ میلیون دلار اعمال اختیار سهام آمد، نه عملیات. شواهد ۲ سپتامبر همین آزمون را در زنجیره نشان می‌دهد. Microsoft صنعت زیرساخت AI را به سنجش خروجی مفید به‌ازای هر دلار و وات فراخواند؛ Equinix خدمت استنتاج توزیع‌شده‌ای برای اوایل ۲۰۲۷ معرفی کرد، بی‌آنکه قیمت یا عملکرد اندازه‌گیری‌شده بدهد؛ هند از ظرفیت بالقوه ۲۰۰ میلیارد دلاری مراکز داده گفت که به برق و مجوز وابسته است؛ و پیمانکار نیرو Argan درآمد جاری نیرومندی ساخت، اما backlog کوچک‌تری داشت. بانک مرکزی کانادا نیز نرخ را در ۲٫۲۵ درصد نگه داشت، درحالی‌که انرژی و تعرفه هزینه تأمین مالی را مبهم‌تر کرده‌اند. تقاضای AI دیده می‌شود؛ بازده پایدار هنوز باید از آزمون درآمد، حاشیه، کیفیت نقد و بهای سرمایه عبور کند.

OpenAI استرا را «سایبری بحرانی» می‌نامد و عرضه را محدود می‌کند
۱۱ شهریور ۱۴۰۵منبع: OpenAI

OpenAI استرا را «سایبری بحرانی» می‌نامد و عرضه را محدود می‌کند

OpenAI می‌گوید استرا، مدلی که هنوز عرضه نشده، نخستین محصول این شرکت است که به آستانه «توان سایبری بحرانی» رسیده است؛ مدلی که با ابزار و دسترسی ویژه، آسیب‌پذیری ناشناخته پیدا کرده و برای سامانه‌های سخت‌سازی‌شده زنجیره اکسپلویت ساخته است. شرکت بخشی از توسعه را عقب انداخت، نرخ رد درخواست زیان‌بار را در یک آزمون داخلی از ۵۹ درصد برای GPT-5.6 Sol به ۹۱٫۵ درصد برای استرا رساند و دسترسی به قوی‌ترین قابلیت‌های سایبری را ابتدا به گروهی منتخب می‌دهد. بااین‌حال بیشتر شواهد را خود OpenAI تولید کرده و کارت سامانه کامل و بازتولید مستقل هنوز منتشر نشده است. پاسخ تجاری هم شکل گرفته: Anthropic داده پایش را به حساب ابری مشتری می‌برد، Microsoft بر هویت عامل و مجوز ابزار تکیه می‌کند و CrowdStrike دو مدل مهاجم و مدافع معرفی کرده، اما فقط سنجه‌های نسبی منتشر کرده است. در سوی مالی، درآمد فصلی Palo Alto Networks با رشد ۳۴ درصدی به ۳٫۴۱ میلیارد دلار و ARR امنیت نسل بعد به ۹٫۱۰ میلیارد دلار رسید؛ درحالی‌که زیان ۲۸۲ میلیون دلاری GAAP کنار سود ۸۵۳ میلیون دلاری non-GAAP قرار گرفت. توان سایبری ارزشمندتر شده، اما کنترل دسترسی، کیفیت مدرک و هزینه نگهبانی از دروازه نیز همین‌طور.

OpenAI نرخ سالانه‌شده تبلیغات ChatGPT را یک میلیارد دلار اعلام می‌کند
۱۰ شهریور ۱۴۰۵منبع: OpenAI

OpenAI نرخ سالانه‌شده تبلیغات ChatGPT را یک میلیارد دلار اعلام می‌کند

OpenAI می‌گوید تبلیغات ChatGPT کمتر از ۲۰۰ روز پس از آغاز کار به نرخ سالانه‌شده یک میلیارد دلار رسیده، ده‌ها هزار تبلیغ‌دهنده جذب کرده و خرید سلف‌سرویس آن در هند، اروپا، خاورمیانه و شمال آفریقا گسترش می‌یابد. این عدد، آهنگ درآمدی اعلام‌شده از سوی شرکت است؛ نه درآمد سالانه حسابرسی‌شده، سود یا جریان نقد. اهمیت آن با تعهدهایی روشن می‌شود که همراه مقیاس می‌آیند. کمیسیون اروپا پس از اعلام دست‌کم ۴۵ میلیون کاربر متوسط ماهانه در اتحادیه، ChatGPT را «موتور جست‌وجوی آنلاین بسیار بزرگ» شناخت و مهلت چهارماهه اجرای تکالیف بیشتر قانون خدمات دیجیتال را آغاز کرد. OpenAI هم‌زمان از طرح ایمنی نوجوانان کالیفرنیا حمایت کرد؛ طرحی که تشخیص سن، کنترل ریسک و حسابرسی مستقل را الزام‌آور و تبلیغات هدفمند برای افراد زیر سن قانونی را محدود می‌کند. گزارش امنیتی همان روز Anthropic هزینه اجرایی کنترل را نشان می‌دهد: حدود ۱۵۰ مهندس محصول جابه‌جا شدند و در بازبینی، بیش از ۱۰ درصد محیط‌های تولیدی یادگیری تقویتی مشکل داشتند. در کانادا نیز سهم کسب‌وکارهای دارای برنامه استفاده از AI به ۲۵٫۲ درصد رسید، اما ۵۲٫۷ درصد هنوز برنامه‌ای نداشتند. مقیاس به درآمد نزدیک‌تر شده، ولی اعتماد، انطباق و آمادگی مشتری اکنون بخشی از اقتصاد آن‌اند.

llama.cpp با حذف جست‌وجوی زائد، یک آزمون متن بلند را ۵۱ درصد سریع‌تر می‌کند
۹ شهریور ۱۴۰۵منبع: llama.cpp

llama.cpp با حذف جست‌وجوی زائد، یک آزمون متن بلند را ۵۱ درصد سریع‌تر می‌کند

نسخه b10707 پروژه llama.cpp پس از پیداکردن همه توالی‌های واقعی یک خانه KV-cache، جست‌وجوی n-gram را متوقف می‌کند؛ پیش از این، مسیر کد می‌توانست هر ۲۵۶ جایگاه ممکن را بررسی کند. در آزمون گزارش‌شده با RTX PRO 6000 و نسخه quantized مدل Qwen3.8-Flash-Next، سرعت تولید در متن ۱۳۲ هزار توکنی از ۳۳٫۶ به ۵۰٫۹ توکن در ثانیه رسید؛ یعنی ۵۱٫۵ درصد بهبود در همان آزمون، بدون تغییر سرعت پردازش prompt. اصلاح جداگانه CUDA نیز پیش‌پردازش یک آزمون ۵۵ هزار توکنی را ۹٫۹ درصد بالا برد. این اعداد، سنجش پروژه‌اند و کاهش قطعی هزینه یک ناوگان نیستند. شاخص مدیران خرید اوت چین، آزمون مالی و تقاضای ماجراست: تولید صنعتی به ۴۹٫۸ و تولید پیشرفته به ۵۲٫۹ رسید، اما شاخص ترکیبی در ۴۹٫۵ زیر مرز رشد ماند. قیمت نهاده ۵۶٫۶ بود و قیمت خروجی کارخانه فقط به ۵۰٫۴ رسید؛ پس بهره‌وری نرم‌افزار برای حاشیه سود مهم است، ولی به‌تنهایی تقاضای قوی‌تر را ثابت نمی‌کند.

llama.cpp پیش‌پردازش Adreno را تا ۲۵ درصد سریع‌تر می‌کند، بی‌آنکه تراشه عوض شود
۸ شهریور ۱۴۰۵منبع: llama.cpp

llama.cpp پیش‌پردازش Adreno را تا ۲۵ درصد سریع‌تر می‌کند، بی‌آنکه تراشه عوض شود

نسخه b10687 پروژه llama.cpp مسیر ضرب ماتریسی را برای دو نسل از پردازنده‌های گرافیکی Adreno کوالکام تغییر می‌دهد. نتیجه اعلام‌شده برای پیش‌پردازش مدل اصلی gpt-oss-20b روی Adreno X2-90 حدود ۲۵ درصد و برای Gemma 3n E4B روی Adreno 740 حدود ۹ درصد سرعت بیشتر است؛ مرحله تولید توکن تغییر نکرده است. این یک بهبود محدود و اندازه‌گیری‌شده در نرم‌افزار است، نه افزایش سرعت همه دستگاه‌ها. صورت‌های مالی تازه اهمیت اقتصادی ماجرا را روشن می‌کنند: درآمد سه‌ماهه Marvell با رشد ۳۶٫۵ درصدی به ۲٫۷۳۹ میلیارد دلار رسید و فروش مرکز داده ۴۶ درصد بالا رفت؛ در Elastic نیز درآمد اشتراک ۱۵ درصد رشد کرد، اما هزینه آن ۳۲ درصد بالا رفت و حاشیه ناخالص اشتراک از ۸۲ به ۸۰ درصد کاهش یافت. آمار فدرال رزرو از افزایش ۳۵٫۳ میلیارد دلاری وام و اجاره بانکی در هفته منتهی به ۱۹ اوت خبر می‌دهد، اما سهم AI را جدا نمی‌کند. جمع‌بندی ژرف: ظرفیت بعدی AI شاید از انتخاب مسیر بهتر روی تراشه موجود به دست آید، ولی ارزش پایدار زمانی ساخته می‌شود که این بهبود در مدل‌های بیشتر دوام بیاورد و به حاشیه سود یا جریان نقد بهتر تبدیل شود.

OpenAI واحد پردازش را به SDK می‌آورد، اما سنجه هنوز عدد ندارد
۷ شهریور ۱۴۰۵منبع: OpenAI

OpenAI واحد پردازش را به SDK می‌آورد، اما سنجه هنوز عدد ندارد

نسخه 3.6.0 کتابخانه پایتون OpenAI یک فیلد اختیاری به نام compute_units را به اطلاعات مصرف در Responses و Chat Completions اضافه کرده است. جزئیات طرح از خود خبر مهم‌تر است: مقدار می‌تواند عدد صحیح نامنفی یا null باشد و توضیح رسمی می‌گوید این فیلد فعلاً در صورت ارائه نیز null است. پس هنوز نمی‌توان آن را کنتور قابل‌استفاده یا پل مستقیم به صورتحساب دانست. هم‌زمان، آمار کانادا نشان می‌دهد سرمایه‌گذاری فصل دوم در رایانه و تجهیزات جانبی ۱۶٫۷ درصد بالا رفته که بخش عمده آن به واحدهای پردازشی مورد استفاده در مراکز داده مربوط است؛ کل سرمایه‌گذاری ثابت کسب‌وکار نیز ۲٫۳ درصد رشد کرده است. در آلمان، قیمت واردات ژوئیه ۶٫۸ درصد بیشتر از سال قبل بود؛ انرژی ۲۶٫۴ درصد، قطعات الکترونیکی ۱۵ درصد و کالاهای سرمایه‌ای ۳٫۵ درصد گران‌تر شدند. خوش‌بینی اقتصادی و انتظار اشتغال در اتحادیه اروپا بهتر شد، اما هنوز کمی پایین‌تر از میانگین بلندمدت ماند و انتظار قیمت بالا بود. جمع‌بندی ژرف: compute_units فعلاً نشانه آماده‌شدن زیرساخت سنجش است؛ حساب واقعی AI هنوز باید توکن، زیرساخت، انرژی و سرمایه را کنار هم بگذارد.

ظرفیت AI لایه‌لایه می‌شود؛ قراردادها بار سرمایه را حمل می‌کنند
۶ شهریور ۱۴۰۵منبع: vLLM Project

ظرفیت AI لایه‌لایه می‌شود؛ قراردادها بار سرمایه را حمل می‌کنند

دو سند از دو لایه متفاوت زنجیره AI یک پرسش مشترک را دقیق‌تر می‌کنند: چه مقدار از ظرفیت کمیاب را می‌توان به خدمت مفید و قابل‌تأمین مالی تبدیل کرد؟ vLLM 0.28.0 برای KV cache استنتاج، انتقال به دیسک و لایه دوم قابل‌گسترش را اضافه کرده و هم‌زمان روی سرعت و حافظه مدل‌های مشخص کار کرده است. در سوی فیزیکی، IREN می‌گوید ظرفیت ۲۰۲۶ تقریباً فروخته شده و ۴ میلیارد دلار درآمد سالانه‌شده قراردادی اعلام می‌کند، اما امروز فقط ۱ میلیارد دلار آن عملیاتی است؛ ARR سنجه عملیاتی خود شرکت است، نه درآمد GAAP، و درآمد شناسایی‌شده می‌تواند بسیار کمتر باشد. توسعه شرکت با پیش‌پرداخت مشتری و بدهی GPU با نرخ ۶ یا ۹ درصد پیش می‌رود و تعهدات نزدیک‌مدت آن به ۱۳٫۶ میلیارد دلار رسیده است. بانک مرکزی ژاپن نیز تقاضای جهانی AI را هم‌زمان محرک رشد و قیمت می‌داند و بر نقش نرخ بهره در تخصیص منابع کمیاب تأکید می‌کند. جمع‌بندی ژرف: لایه‌بندی نرم‌افزار می‌تواند سخت‌افزار نصب‌شده را کش بیاورد و قراردادها توسعه آن را تأمین مالی کنند؛ اما هیچ‌کدام ریسک بهره‌برداری، تحویل، کهنگی، طرف قرارداد یا هزینه سرمایه را حذف نمی‌کنند.

انویدیا تقاضای AI را به نقد تبدیل می‌کند؛ کره قیمت سرمایه را بالا می‌برد
۵ شهریور ۱۴۰۵منبع: NVIDIA

انویدیا تقاضای AI را به نقد تبدیل می‌کند؛ کره قیمت سرمایه را بالا می‌برد

فصل دوم سال مالی انویدیا اعداد نقدی کم‌سابقه‌ای پشت موج ساخت زیرساخت AI گذاشت: درآمد به ۹۶٫۲ میلیارد دلار، درآمد Data Center به ۸۹٫۰ میلیارد دلار و جریان نقد عملیاتی شش‌ماهه به ۷۴٫۴ میلیارد دلار رسید. همان گزارش سوی دیگر مقیاس را نیز آشکار کرد: ۳۶۶ میلیارد دلار تعهدات آتی، شامل ۲۷۹ میلیارد دلار برای عرضه و ظرفیت، به‌علاوه تضمین‌ها و احتمال حمایت محدود از ارزش باقیمانده برخی پروژه‌های زیرساختی. چند ساعت بعد، بانک مرکزی کره نرخ سیاستی را به ۳٫۰۰ درصد رساند و سرمایه‌گذاری نیرومند جهانی در AI و رشد متکی بر نیمه‌رساناهای کره را کنار تورم بالاتر از هدف، افزایش قیمت مسکن در منطقه پایتخت و بدهی خانوار قرار داد. سفارش کالاهای بادوام آمریکا آزمون تمرکز را کامل می‌کند: سفارش‌های ژوئیه ۱٫۱ درصد بالا رفت، اما بدون حمل‌ونقل فقط ۰٫۴ درصد رشد کرد و رایانه و محصولات الکترونیکی ۱٫۱ درصد افت داشت. نتیجه ژرف این نیست که AI علت افزایش نرخ بود؛ بلکه تقاضای AI آزمون جدی درآمد و نقد را پشت سر گذاشته، درست زمانی که قیمت، سررسید و تقسیم ریسک سرمایه لازم برای ادامه این موج مهم‌تر می‌شود.

استقرار AI گسترده‌تر می‌شود؛ کیفیت سود به آزمون اصلی بدل می‌شود
۴ شهریور ۱۴۰۵منبع: ggml-org llama.cpp

استقرار AI گسترده‌تر می‌شود؛ کیفیت سود به آزمون اصلی بدل می‌شود

دو انتشار تازه متن‌باز، AI محلی را از صرف پشتیبانی مدل به جزئیات دشوارتر استقرار نزدیک کردند. llama.cpp 0.3.0 تقسیم تنسور برای DeepSeek 4 را افزود، rollback چنددنباله‌ای را اصلاح کرد، پوشش چندوجهی را گسترش داد و کامپایل Metal را موازی کرد؛ MLX 0.32.2 نیز مسیرهای fused تازه را با محدودسازی ورودی و اصلاح انتقال خطا همراه ساخت. هیچ‌یک بنچمارک عمومی هزینه یا سرعت ارائه نکرده‌اند. زوم سپس آزمون تجاری را نشان داد: درآمد سازمانی ۷٫۸ درصد رشد کرد و شرکت از افزایش ۲۵۶ درصدی شمار مشتریان Zoom Virtual Agent گفت، اما سود عملیاتی GAAP و جریان نقد آزاد نسبت به سال قبل کاهش یافت و سود ۱٫۶۱۴ میلیارد دلاری سرمایه‌گذاری‌های راهبردی، سود خالص GAAP را بسیار بالاتر از عملکرد عملیاتی برد. در BMO جهت اعوجاج برعکس بود: هزینه واگذاری، سود گزارش‌شده را پایین آورد، درحالی‌که سود تعدیل‌شده رشد کرد. تورم سرفصل استرالیا به ۳٫۵ درصد کاهش یافت، اما میانگین تعدیل‌شده روی ۳٫۶ درصد ماند. نتیجه ZharfAI این است که شواهد AI بهتر شده، ولی معیار مفید هنوز قابلیت استقرار، درآمد تکرارشونده، نقد عملیاتی و سود نرمال‌شده است؛ نه تعداد قابلیت یا سود سرفصل به‌تنهایی.

WebGPU لبه مرورگر را باز می‌کند؛ علی‌بابا بهای سرمایه AI را آشکار می‌کند
۳ شهریور ۱۴۰۵منبع: Microsoft ONNX Runtime

WebGPU لبه مرورگر را باز می‌کند؛ علی‌بابا بهای سرمایه AI را آشکار می‌کند

نسخه ۰٫۳٫۰ افزونه WebGPU در ONNX Runtime مسیر عملی اجرای مدل‌های مولد روی WebGPU را گسترده‌تر کرد: پشتیبانی اولیه PagedAttention، کش KV کوانتیزه، توجه گروهی گسترده‌تر، dispatch معوق برای shader و پوشش عملگرهای بیشتر به آن افزوده شد. بااین‌حال انتشار هیچ بنچمارک عمومی ارائه نمی‌کند و یادداشت‌های آن با کمک AI نوشته شده‌اند؛ پس ادعای تولید باید مستقل آزموده شود. در سوی مالی، علی‌بابا ۷۱۰ میلیون سهم جدید را با قیمت ۱۱۲٫۷۰ دلار هنگ‌کنگ قیمت‌گذاری کرد، حدود ۷۹٫۷ میلیارد دلار هنگ‌کنگ خالص انتظار دارد و می‌خواهد ۱۰۰ درصد آن را صرف توانمندی و زیرساخت تمام‌پشته AI کند. در صورت تکمیل معامله مشروط، سهم جدید حدود ۳٫۵۷ درصد تعداد سهام پس از افزایش خواهد بود. افت حجم خرده‌فروشی نیوزیلند و شاخص فعالیت ژوئیه فدرال‌رزرو شیکاگو نیز نشان می‌دهد توزیع گسترده‌تر AI در محیط تقاضای گزینشی رخ می‌دهد. این رویدادها علت یکدیگر نیستند؛ پیام مشترک این است که دسترسی بازتر می‌شود و انضباط سرمایه دیگر به‌سادگی پنهان نمی‌ماند.

تحلیل‌ها به‌صورت مستقل تدوین می‌شوند و تمام آمار و ادعاهای مهم به منابع اصلی پیوند دارند.