در دو سال گذشته، رقابت در دنیای هوش مصنوعی (AI) بسیار ساده به نظر می‌رسید؛ هر شرکتی که مدل بزرگ‌تر، قدرتمندتر و با امتیازهای بالاتر در آزمون‌های عملکرد معرفی می‌کرد، برنده میدان بود؛ البته تا زمانی که رقیب بعدی مدل جدید خود را عرضه می‌کرد.

اما اکنون این معیارها دیگر کافی نیستند.

با ورود هوش مصنوعی به محصولات واقعی و فرآیندهای کاری سازمان‌ها، دیگر تنها داشتن بهترین مدل اهمیت ندارد؛ بلکه مهم این است که برای هر وظیفه، مناسب‌ترین مدل با کمترین هزینه، دسترسی به داده‌های موردنیاز و در محیط مناسب انتخاب شود.

همین تغییر نگاه، رقابت تازه‌ای را در صنعت هوش مصنوعی رقم زده است؛ رقابتی که به جای تمرکز بر اندازه مدل‌ها، بر مدیریت هوشمند مدل‌ها، کاهش هزینه، کنترل بهتر و قدرت پردازش (Compute) متمرکز شده است.

«مدل هوش مصنوعی دیگر محصول اصلی نیست»

به گفته او، نسل جدید محصولات هوش مصنوعی قادر خواهند بود به‌صورت خودکار تشخیص دهند که:

• برای هر وظیفه دقیقاً از کدام مدل استفاده شود.
• چه زمانی باید پردازش‌های سنگین‌تر و مدل‌های فوق‌پیشرفته به کار گرفته شوند.
• چه ابزارها یا منابع داده داخلی سازمان برای پاسخ بهینه موردنیاز هستند.

به عنوان مثال، یک درخواست ساده در خدمات مشتریان ممکن است تنها به یک مدل ارزان‌قیمت نیاز داشته باشد، در حالی که حل یک مسئله پیچیده برنامه‌نویسی به مدل‌های پیشرفته‌تر احتیاج دارد. همچنین بسیاری از فرآیندهای داخلی شرکت‌ها می‌توانند با مدل‌های متن‌باز و کم‌هزینه اجرا شوند و فقط در صورت نیاز، به مدل‌های قدرتمندتر ارجاع داده شوند.

فشار بر OpenAI و Anthropic

هم‌زمان با تلاش روزافزون کسب‌وکارها برای کاهش هزینه‌های زیرساختی خود در حوزه هوش مصنوعی، این تغییر رویکرد می‌تواند چالش بسیار بزرگی برای پیشگامانی مانند OpenAI و Anthropic باشد که طی سال‌های اخیر بخش عمده‌ای از درآمد خود را از طریق فروش مستقیم گران‌ترین و اختصاصی‌ترین مدل‌ها به دست می‌آورده‌اند.

جالب است بدانید که شرکت Perplexity اخیراً از نسخه جدید سیستم اجرای وظایف رایانه‌ای خود رونمایی کرده است که بر پایه مدل متن‌باز GLM 5.2 توسعه‌یافته توسط شرکت چینی Z.ai ساخته شده است. در این سیستم پیشرفته، مدل‌های ارزان‌قیمت‌تر بار پردازش‌های روتین را بر دوش می‌کشند و مدل‌های اختصاصی فوق‌سنگین تنها در موارد خاص وارد مدار می‌شوند.

مدل‌های متن‌باز؛ رقیب جدی مدل‌های اختصاصی

این رویکرد نشان‌دهنده تحول عمیق و غیرقابل بازگشت بازار است. مدل‌های با وزنِ باز (Open Weight) یا همان مدل‌های متن‌باز که شرکت‌ها می‌توانند به‌راحتی آن‌ها را دانلود کرده، شخصی‌سازی کنند و در نهایت روی زیرساخت و سرورهای شخصی خود بالا بیاورند، روزبه‌روز قدرتمندتر می‌شوند؛ در حالی که هزینه نهایی اجرای آن‌ها با مدل‌های ابری اختصاصی اصلاً قابل مقایسه نیست.

فنتون همچنین هشدار جدی به توسعه‌دهندگان مدل‌های انحصاری می‌دهد: «زمانی که شرکت‌ها بتوانند همان کیفیت مدل‌ها را بدون پرداخت هزینه‌های اضافی ماهانه یا لایسنس اجرا کنند، سود حاصل از پردازش مدل‌های اختصاصی و غول‌آسا به‌شدت تحت فشار قرار خواهد گرفت.»

همیشه مدل بزرگ‌تر، بهتر نیست

به گفته کارشناسان ارشد این حوزه، استفاده از مدل‌های متن‌باز فقط و فقط برای کاهش هزینه‌ها نیست. در بسیاری از سناریوها، مدل‌های کوچک‌تر اختصاصی که منحصراً برای انجام یک وظیفه مشخص و معین (Fine-tuned) آموزش داده شده‌اند، سرعت پاسخ‌دهی به‌مراتب بالاتری دارند و حتی خروجی دقیق‌تری نسبت به بزرگ‌ترین و عمومی‌ترین مدل‌های دنیا ارائه می‌دهند.

محل اجرای هوش مصنوعی اهمیت بیشتری پیدا کرده است

همین موضوع یکی از دلایل اصلی سرمایه‌گذاری عظیم شرکت خوش‌نام Benchmark روی شرکت نوپای **Ollama** بوده است؛ پلتفرمی نوآورانه که فرآیند دشوار دانلود، مدیریت و ارکستراسیون مدل‌های متن‌باز را برای توسعه‌دهندگان سراسر جهان به چند خط کد ساده تبدیل کرده است.

«اینکه یک مدل توسط چه ابرشرکتی ساخته شده البته با اهمیت است، اما برای مدیران کسب‌وکارها مهم‌تر این است که مدل هوشمند دقیقاً کجا، در کدام کشور و با چه درجه‌ای از امنیت داده اجرا می‌شود.»

— جف مورگان (Jeff Morgan)، مدیرعامل Ollama

بر اساس گزارش رسمی اولاما، هم‌اکنون بیش از ۸۵ درصد از شرکت‌های برتر فهرست Fortune 500 از ابزارهای Ollama برای یکپارچه‌سازی و استقرار مدل‌های محلی استفاده می‌کنند؛ صنایعی بسیار حیاتی و حساس مانند:

چالش جدید آمریکا در برابر مدل‌های چینی

رشد روزافزون مدل‌های متن‌باز حالا ابعاد جدیدی به رقابت‌های ژئوپلیتیک بخشیده است. بسیاری از بهینه‌ترین و کارآمدترین مدل‌های متن‌باز در سال جاری توسط شرکت‌های نوآور چینی نظیر **Z.ai** و به‌ویژه **DeepSeek** روانه بازار شده‌اند. به همین دلیل است که هوش مصنوعی متن‌باز دیگر صرفاً یک بحث تجاری-فنی ساده نیست؛ بلکه به مسئله‌ای بنیادین در سیاست‌گذاری‌های کلان، امنیت ملی و رقابت‌های جهانی ابرقدرت‌ها تبدیل شده است.

آینده مراکز داده نیز در حال تغییر است

این جریان تازه حتی می‌تواند پاشنه آشیل سرمایه‌گذاری‌های چندصد میلیارد دلاری غول‌های فناوری روی زیرساخت‌ها و دیتاسنترهای مگاواتی باشد. هم‌اکنون رونق سهام بازار وال‌استریت بر این پیش‌فرض ساده استوار است که تقاضا برای پردازش‌های کلاود و کارت‌های گرافیک گران‌قیمت همواره شتاب صعودی خواهد داشت.

اما تحلیل‌گرانی همچون آراویند سرینیواس بر این باورند که بخش عمده‌ای از این ترافیک پردازشی در آینده نزدیک، مستقیماً روی سخت‌افزار نهایی کاربر (لپ‌تاپ‌ها، تبلت‌ها و تلفن‌های همراه مجهز به تراشه‌های NPU پیشرفته) یا به صورت لبه‌ای (Edge) در زیرساخت‌های خصوصی سازمان‌ها پردازش خواهد شد و تنها درخواست‌های فوق‌سنگین به سرورهای ابری گسیل خواهند شد.