شرکت‌ های توسعه‌ دهنده هوش مصنوعی متن‌باز داغ‌ ترین اهداف تصاحب در سیلیکون‌ولی؛ خیز ۱۳ میلیارد دلاری انویدیا برای هاگینگ فیس

همه فعالان دنیای فناوری منتظر هستند تا شرکت انویدیا (Nvidia) جالب‌ترین و خبرسازترین معامله حوزه تکنولوژی در هفته جاری را تأیید کند: توافقی ۱۳ میلیارد دلاری برای تصاحب پلتفرم هاگینگ فیس (Hugging Face) که بزرگ‌ترین پایگاه به اشتراک‌گذاری مدل‌ های هوش مصنوعی وزن‌باز (Open-weight AI Models) و ابزارهای بنچمارک در جهان است.

به گزارش بخش اخبار فناوری زوم تک به نقل از پایگاه خبری تک‌کرانچ (TechCrunch)، هاگینگ فیس که اخیراً به عنوان هدف اصلی گروهی از ایجنت‌های هوش مصنوعی پاداش‌محور OpenAI شناخته شده، دقیقاً در کانون اکوسیستم توسعه‌دهندگانی قرار دارد که به ساخت و استقرار مدل‌های زبانی بزرگ (LLMs) خارج از انحصار آزمایشگاه‌های پیشرو و بسته می‌پردازند؛ به بیان ساده‌تر، می‌توان هاگینگ فیس را همانند گیت‌هاب (GitHub) در عصر هوش مصنوعی دانست.

موج سرمایه‌گذاری میلیاردی غول‌ های فناوری در اکوسیستم مدل‌ های متن‌ باز

شایعات مربوط به این معامله بزرگ پس از آن قوت گرفت که انویدیا قراردادی ۶ میلیارد دلاری با شرکت Poolside، یکی از توسعه‌دهندگان برجسته مدل‌های وزن‌باز امضا کرد؛ توافقی که به موجب آن اکثر کارکنان این استارتاپ به جمع غول تراشه‌سازی جهان ملحق خواهند شد. علاوه بر این، دو هفته پیش نیز پلتفرم مالی استرایپ (Stripe) شرکت OpenRouter را که برترین ارائه‌دهنده مدل‌های وزن‌باز به کسب‌وکارها محسوب می‌شود، با رقمی بیش از ۷ میلیارد دلار خریداری کرد.

این حجم عظیم از تزریق سرمایه به بخشی که ماهیت آن بر پایه ارائه ابزارها و مدل‌های رایگان بنا شده، بسیار چشمگیر است و جدیدترین تحولات و گرایش‌های حاکم بر صنعت هوش مصنوعی را منعکس می‌کند.

تلاش انویدیا برای کاهش وابستگی به آزمایشگاه‌ های بزرگ و ورود به بازار مدل‌ سازی

برای شرکت انویدیا، یک ضرورت راهبردی وجود دارد تا از وابستگی بیشتر به قراردادهای کلان با شرکت‌های ارائه‌دهنده خدمات ابری (هایپراسکیلرها) و آزمایشگاه‌های پیشگام هوش مصنوعی بکاهد. این موضوع به‌ویژه از آن جهت اهمیت دارد که توسعه‌دهندگان بزرگ مدل‌های هوش مصنوعی مانند OpenAI و گوگل (Google) در حال طراحی و تولید تراشه‌های پردازش استنتاج (Inference Chips) اختصاصی خود هستند؛ از جمله تراشه پردازشی Jalapeño متعلق به OpenAI که قابلیت‌های آن به تازگی رونمایی شد. بنابراین اگر سازندگان مدل‌ها در حال ورود به صنعت ساخت تراشه هستند، انویدیا نیز متقابلاً سهمی از بازار ساخت مدل‌های هوش مصنوعی را طلب می‌کند.

انویدیا هم‌اکنون خانواده اختصاصی خود از مدل‌های وزن‌باز را تحت عنوان نموترون (Nemotron) توسعه می‌دهد، اما استقبال از این مدل‌ها در بازار چندان گسترده نبوده است. از این رو، تصاحب بزرگ‌ترین پایگاه توسعه‌دهندگان مدل‌های باز در آمریکا، دسترسی انویدیا را به جامعه عظیمی از کاربران تضمین می‌کند که می‌تواند آن‌ها را مستقیماً به سمت استفاده از تراشه‌ها و استانداردهای انویدیا هدایت کند.

چالش هزینه‌ های پردازش استنتاج هوش مصنوعی و رشد محبوبیت مدل‌ های باز

از سوی دیگر، پرسش‌ها و نگرانی‌های فزاینده‌ای پیرامون هزینه پردازش استنتاج هوش مصنوعی شکل گرفته است که شرکت‌ها را به سمت بررسی مدل‌های ارزان‌تر و اقتصادی‌تر توسعه‌یافته توسط غول‌های فناوری چینی نظیر مون‌شات (Moonshot)، دیپ‌سیک (DeepSeek) و علی‌بابا (Alibaba) سوق می‌دهد. در حال حاضر، میزان پذیرش این مدل‌ها نسبتاً محدود اما رو به رشد است؛ به‌طوری‌که طبق نظرسنجی شرکت مالی Ramp، تنها ۶ درصد از شرکت‌ها از مدل‌های هوش مصنوعی وزن‌باز استفاده می‌کنند و این آمار در ارزیابی ابزارهای توسعه‌دهندگان شرکت Jellyfish، تنها ۲ درصد از مهندسان نرم‌افزار را شامل می‌شود.

نیک آلباران (Nik Albarran)، مدیر محصول هوش مصنوعی در شرکت Jellyfish، در گفتگو با تک‌کرانچ توضیح داد که مدل‌های وزن‌باز در حال حاضر عمدتاً توسط شرکت‌هایی به کار گرفته می‌شوند که محصولاتشان بر بار کاری و استنتاج‌های تکراری متکی است؛ مانند سامانه‌های چت‌بات پشتیبانی مشتریان. از آنجا که این امور حجم بسیار بالا و الگوهای تکرارشونده‌ای دارند، یک مدل زبانی وزن‌باز می‌تواند به‌خوبی بهینه‌سازی و تنظیم (Fine-Tune) شود تا با کمترین هزینه به پرسش‌ها پاسخ دهد.

رویکرد استرایپ در خرید OpenRouter؛ توکن‌ ها ارز اصلی اقتصاد هوش مصنوعی

این رویکرد دقیقاً همان دیدگاهی است که استرایپ در توجیه تصاحب OpenRouter مطرح کرده است. پاتریک کولیسون (Patrick Collison)، هم‌بنیان‌گذار و مدیرعامل استرایپ، در بیانیه‌ای رسمی تأکید کرد: «توکن‌ها ارز اصلی برای شرکت‌هایی هستند که بر پایه هوش مصنوعی محصول می‌سازند و کاملاً آشکار است که پتانسیل اقتصادی در دنیای واقعی به استفاده هوشمندانه و بهینه از منابع پردازشی و محاسباتی محدود وابسته خواهد بود.»

با این وجود، برای وظایف تخصصی مانند کدنویسی و پردازش‌های ایجنت‌محور (Agentic Tasks) که نیازمند درک درخواست‌های متغیر و استدلال‌های عمیق‌تر هستند، مدل‌های انحصاری و پیشرو اغلب پیروز میدان هستند؛ تا حدی به این دلیل که آزمایشگاه‌های اختصاصی دسترسی ساده‌تری را فراهم کرده و در مواردی یارانه‌هایی برای هزینه‌های مصرف توکن ارائه می‌دهند. آلباران معتقد است با جا افتادن و روان‌تر شدن جریان‌های کاری هوش مصنوعی در سازمان‌ها، روی آوردن به مدل‌های باز آسان‌تر خواهد شد. با این حال، دلیل اصلی تمایل فعلی شرکت‌ها به این مدل‌ها، دستیابی به کنترل کامل و قابلیت شخصی‌سازی بالا است، نه صرفاً نگرانی‌های مربوط به بودجه.

آلباران در ادامه افزود: «هنوز شرکت‌های زیادی در این نقطه قرار ندارند… اما اگر قیمت خدمات آزمایشگاه‌های پیشرو همچنان رو به افزایش باشد، شرکت‌های بیشتری مجبور خواهند شد این گزینه‌ها را در نظر بگیرند. هنگامی که فرایندهای مبتنی بر هوش مصنوعی شما به بلوغ کامل برسند، آن زمان است که سرمایه‌گذاری روی میزبانی اختصاصی مدل‌ها (Self-Hosting) کاملاً منطقی و توجیه‌پذیر خواهد بود.»

تنوع مدل‌ ها و آینده هوش مصنوعی تخصصی در سازمان‌ ها

لین چیائو (Lin Qiao)، مدیرعامل پلتفرم Fireworks — یکی از ارائه‌دهندگان پیشرو در میزبانی و هدایت مدل‌های وزن‌باز برای مشتریان شرکتی که همواره به عنوان یکی از گزینه‌های جذاب خرید توسط غول‌های فناوری مطرح است — اعلام کرد که شرکت او روزانه ۴۰ تریلیون توکن را پردازش می‌کند؛ رقمی که حتی از حجم ترافیک APIهای اختصاصی گوگل جمینای (Gemini) و OpenAI نیز بیشتر است.

رویکرد استراتژیک Fireworks بر تنوع مدل‌های زبانی متمرکز است؛ چرا که با تکثیر و پیشرفت مداوم مدل‌های LLM، شرکت‌ها می‌توانند آن‌ها را دقیقاً متناسب با نیازهای تجاری خود آموزش دهند. چیائو در گفتگو با تک‌کرانچ خاطرنشان کرد: «هر شرکت نرم‌افزاری و توسعه‌دهنده اپلیکیشن باید استخدام یک پژوهشگر هوش مصنوعی درون‌سازمانی را در نظر بگیرد. آن‌ها می‌توانند با استفاده از محصول و داده‌های اختصاصی خود، مدل بومی خودشان را بسازند. آینده متعلق به هوش مصنوعی تخصصی (Specialized Intelligence) است. در واقع، هر کسب‌وکاری باید برای هر سناریوی کاربردی خود یک مدل اختصاصی داشته باشد و این اتفاق به مرور رقم خواهد خورد.»

بسیار ساده است فراموش کنیم که ما هنوز در مراحل اولیه شکل‌گیری و تجاری‌سازی فناوری هوش مصنوعی به عنوان یک ابزار و کسب‌وکار پایدار هستیم. تسلط و سلطه غول‌هایی نظیر OpenAI و آنتروپیک (Anthropic) همیشگی و قطعی نیست؛ و در شرایطی که غول‌های فناوری به دنبال پوشش ریسک و کاهش انحصار آزمایشگاه‌های بزرگ هستند، جذابیت و نفوذ فناوری‌های متن‌باز و آزاد مقاومت‌ناپذیر جلوه می‌کند.