چرخش بزرگ در دنیای هوش مصنوعی؛ پایان دوران پادشاهی مدل‌ های انحصاری؟

به گزارش بخش اخبار فناوری زوم تک به نقل از تک‌کرانچ، برای چندین هفته در تابستان امسال، تمام تمرکز صنعت هوش مصنوعی روی آخرین مدل‌های پیشرو (Frontier Models) شرکت انتروپیک (Anthropic) و تلاش واشنگتن برای کنترل دسترسی به آن‌ها معطوف بود. اما در حالی که همه نگاه‌ها به این رقابت‌های بزرگ دوخته شده بود، توسعه‌دهندگان بدون آنکه منتظر اجازه شرکت‌هایی مانند اوپن‌ای‌آی و انتروپیک بمانند، به ساخت و توسعه ابزارهای خود ادامه دادند.

آمارهای اخیر نشان می‌دهند که مدل‌های متن‌باز و وزن‌باز (Open-weight Models) چینی در بهار امسال ۴۱ درصد از کل دانلودهای پلتفرم بزرگ هاگینگ فیس (Hugging Face) را به خود اختصاص داده و برای اولین بار از مدل‌های آمریکایی پیشی گرفته‌اند. همچنین در پلتفرم OpenRouter، شش مدل اول از نظر محبوبیت همگی مدل‌های متن‌باز ارائه شده توسط شرکت‌های چینی از جمله تنسنت (Tencent)، شیائومی (Xiaomi)، دی‌پ‌سیک (DeepSeek)، مینی‌مکس (MiniMax) و Z.ai هستند؛ در حالی که مدل قدرتمند Claude 4.7 Opus متعلق به شرکت انتروپیک در جایگاه هفتم قرار دارد.

داده‌های پلتفرم ورسل (Vercel) نیز نشان می‌دهد که مدل‌های متن‌باز بخش عمده‌ای از ترافیک سنگین برنامه‌های هوش مصنوعی را به خود اختصاص داده‌اند، در حالی که مدل‌های انحصاری (Closed) بیشتر به عنوان یک لایه پریمیوم و گران‌قیمت عمل می‌کنند. در ماه ژوئن، مدل‌های متن‌باز نزدیک به یک‌سوم کل درخواست‌های هوش مصنوعی را در این پلتفرم پردازش کرده‌اند.

اگرچه این آمارها تنها بخشی از اکوسیستم بزرگ هوش مصنوعی را پوشش می‌دهند، اما سهم روزافزون مدل‌های متن‌باز یک سوال اساسی را ایجاد می‌کند: اگر قرار باشد بیشتر فرآیندهای تولیدی و عملیاتی روی جایگزین‌های ارزان‌تر و قابل شخصی‌سازی اجرا شوند، مدل‌های پیشرو و انحصاری چقدر اهمیت خواهند داشت؟

تغییر رویکرد شرکت‌ ها به سمت مالکیت مدل‌ های اختصاصی

برخی کارشناسان رشد مدل‌های متن‌باز را نشانه‌ای از این می‌دانند که مدل‌های فوق‌هوشمند انحصاری احتمالاً در آینده فقط برای کارهای بسیار تخصصی و با ارزش بالا استفاده خواهند شد. کلم دلانگ (Clem Delangue)، مدیرعامل هاگینگ فیس، در این باره می‌گوید:

«شاید تا چند سال دیگر، مدل‌های پیشرو فقط برای آزمایش و کارهای بسیار خاص استفاده شوند و بیشتر حجم کاری بخش تولید توسط مدل‌های خصوصی شرکت‌ها یا مدل‌های متن‌باز مدیریت شود.»

او معتقد است که مشتریان و اعضای جامعه توسعه‌دهندگان هاگینگ فیس بیش از پیش به مزایای داشتن و کنترل مدل‌های هوش مصنوعی خود (به جای اجاره کردن آن‌ها) پی برده‌اند؛ به ویژه پس از آنکه با صورت‌حساب‌های سنگین ناشی از مقیاس‌پذیری مدل‌های انحصاری مواجه شدند. دلانگ می‌افزاید: «اگر شما یک شرکت فناوری یا فعال در حوزه هوش مصنوعی هستید، نمی‌خواهید قابلیت‌های کلیدی خود را به شرکت دیگری برون‌سپاری کنید و از یک API جعبه سیاه (Black Box) استفاده کنید که هیچ کنترل، شفافیت یا مالکیتی روی آن ندارید.»

آمارهای شگفت‌انگیز از پلتفرم هاگینگ فیس

به گفته دلانگ، در حال حاضر در هر ۷ ثانیه یک مخزن (Repository) جدید در هاگینگ فیس ایجاد می‌شود. این پلتفرم اکنون میزبان نزدیک به ۳ میلیون مدل عمومی و ۱ میلیون مجموعه داده (Dataset) عمومی است. این آمار نشان می‌دهد که ایده “یک مدل برای فرمانروایی بر همه” دیگر جایی در واقعیت ندارد و شرکت‌ها ترجیح می‌دهند از مدل‌های متعدد و شخصی‌سازی‌شده برای کارهای مختلف خود استفاده کنند. جالب است بدانید که هم‌اکنون نیمی از شرکت‌های لیست Fortune 500 از هاگینگ فیس برای استقرار مدل‌های خصوصی و متن‌باز خود استفاده می‌کنند.

چالش‌ های امنیتی و موضع‌گیری‌ های متفاوت مدیران ارشد فناوری

محبوبیت مدل‌های متن‌باز با عرضه مستمر و قدرتمند مدل‌های چینی هم‌زمان شده است. به عنوان مثال، اخیراً شرکت چینی Z.ai مدل وزن‌باز جدیدی به نام GLM-5.2 را عرضه کرده که در زمینه کدنویسی عاملی (Agentic Coding) بسیار قدرتمند عمل می‌کند و در شناسایی روزنه‌های امنیتی با جدیدترین مدل‌های انتروپیک رقابت می‌کند.

در این میان، حتی ساتیا نادلا (Satya Nadella)، مدیرعامل مایکروسافت نیز نسبت به وابستگی انحصاری شرکت‌ها به یک ارائه‌دهنده هشدار داده و بر اهمیت کنترل داده‌ها توسط خود سازمان‌ها تاکید کرده است. نادلا معتقد است که جریان یادگیری نباید یک‌طرفه باشد و ارزش اقتصادی باید به جای مالکان زیرساخت‌ها، به خالقان دانش برسد.

با این حال، افزایش قدرت مدل‌های متن‌باز بحث‌های شدیدی را در مورد امنیت آن‌ها برانگیخته است. داریو آمودی (Dario Amodei)، مدیرعامل انتروپیک، هشدار داده است که انتشار مدل‌های متن‌باز قدرتمند می‌تواند خطرناک باشد، زیرا کنترل آن‌ها پس از انتشار غیرممکن است و ممکن است توسط بازیگران مخرب برای حملات سایبری یا اطلاعات نادرست استفاده شود.

اما کلم دلانگ دیدگاه متفاوتی دارد و بزرگ‌ترین خطر در هوش مصنوعی را «تمرکز قدرت» می‌داند. او بر این باور است که با ایجاد شفافیت و توزیع عادلانه قدرت محاسباتی، جهان امن‌تر خواهد شد؛ زیرا متخصصان امنیتی می‌توانند با دسترسی به کدهای مدل‌های متن‌باز، سریع‌تر آسیب‌پذیری‌های سایبری را شناسایی و برطرف کنند.