چین در حال تغییر چشم‌انداز جهانی هوش مصنوعی است.
همگرایی متن‌باز چینی
در اوایل فوریه، زمانی که مدل بزرگ متن‌باز چینی DeepSeek در صدر نمودارهای دانلود مارکت‌های اپلیکیشن در ۱۴۰ کشور و منطقه در سراسر جهان قرار گرفت، OpenAI به طور علنی DeepSeek را متهم کرد که بدون اجازه از داده‌های تقطیر شده ChatGPT استفاده کرده است.
این اتهام به جای ترمیم شهرت OpenAI، با تمسخر گسترده محققان در سراسر جهان روبرو شد.
اکنون، رقیب دیگری، با آغوش باز “تقطیر” ظاهر شده است.
در ۱۳ آوریل، Kunlun Wanwei مدل‌های سری Skywork-OR1 (Open Reasoner 1) را راه‌اندازی کرد که در مقیاس مشابه از Qwen-32B علی‌بابا بهتر عمل کرده و با DeepSeek-R1 همتراز است.
Kunlun Wanwei، شرکتی با منابع مالی محدود، چگونه می‌تواند یک مدل بزرگ در سطح SOTA ایجاد کند؟ توضیح رسمی این است که مدل‌های آنها مبتنی بر DeepSeek-R1-Distill-Qwen-7B و DeepSeek-R1-Distill-Qwen-32B هستند.
همانطور که از نام‌ها پیداست، مدل‌های DeepSeek مدل‌های سری Qwen علی‌بابا را تقطیر کرده‌اند.
Kunlun Wanwei ضمن بهره‌گیری از مدل‌های متن‌باز عالی، به جامعه متن‌باز نیز کمک می‌کند. برخلاف DeepSeek، که فقط وزن‌های مدل را متن‌باز کرد، Kunlun Wanwei مجموعه‌داده‌ها و کد آموزشی خود را نیز متن‌باز کرده است و به مفهوم “متن‌باز واقعی” نزدیک‌تر است. این بدان معناست که هر کاربری می‌تواند تلاش کند فرآیند آموزش مدل آنها را تکرار کند.
دستاورد Kunlun Wanwei مهم‌ترین جنبه متن‌باز را نشان می‌دهد: نه تنها یک محصول رایگان و به آسانی در دسترس را در اختیار کاربران قرار می‌دهد، بلکه توسعه‌دهندگان بیشتری را قادر می‌سازد تا بر شانه‌های پیشینیان خود بایستند و به سرعت و مقرون به صرفه فناوری را پیش ببرند.
در واقع، در میان بحث‌های سال گذشته در مورد تنگنا در پیش‌آموزش مدل‌های بزرگ، سرعت تکرار مدل‌های بزرگ چینی در سال جاری تسریع شده است و شرکت‌های بیشتری در متن‌باز سرمایه‌گذاری می‌کنند.
Tongyi Qianwen ابر علی‌بابا، مدل بصری جدید خود Qwen2.5-VL را در شب سال نو چینی متن‌باز کرد و مدل استدلالی جدید خود Qwen-32B را در اوایل ماه مارس منتشر و متن‌باز کرد و در روزی که متن‌باز شد، در لیست پرطرفدارترین‌های انجمن متن‌باز هوش مصنوعی جریان اصلی جهانی Hugging Face قرار گرفت.
سپس Stepwise حدود یک ماه بعد سه مدل بزرگ چندوجهی را متن‌باز کرد که جدیدترین آنها مدل تصویر به ویدیو Step-Video-TI2V است که از تولید ویدیوهایی با دامنه حرکت و حرکت لنز قابل کنترل پشتیبانی می‌کند و همچنین دارای قابلیت‌های تولید جلوه‌های ویژه خاصی است.
Zhipu در آوریل اعلام کرد که سری مدل‌های ۳۲B/9B GLM را متن‌باز می‌کند که شامل مدل‌های پایه، استدلالی و تأملی است که همگی تحت توافقنامه مجوز MIT هستند.
حتی بایدو، که زمانی متن‌بسته بود، اعلام کرد که مدل بزرگ Wenxin را در ۳۰ ژوئن به طور کامل متن‌باز می‌کند.
در مقایسه با رونق فزاینده اکوسیستم متن‌باز داخلی، شرکت‌های مدل بزرگ آمریکایی عمدتاً بر متن‌بسته تمرکز دارند که به مدل‌های بزرگ چینی فرصتی نادر برای رفتن به خارج از کشور داده است. DeepSeek به شرکت آموزشی اندونزیایی Ruangguru اجازه داده است تا مدل آموزشی خود را با هزینه کم بهینه کند. شرکت فناوری مسافرتی B2B سنگاپوری Atlas Qwen را در سیستم خدمات مشتری هوشمند خود ادغام کرده است تا پشتیبانی چند زبانه ۲۴ ساعته و ۷ روز هفته را ارائه دهد.
چرا متن‌بسته در ایالات متحده، متن‌باز در چین؟
گرایش به متن‌بسته در صنعت هوش مصنوعی ایالات متحده و افزایش متن‌باز بودن هوش مصنوعی چین، نتایج اجتناب‌ناپذیر محیط‌های مختلف توسعه هوش مصنوعی در این دو کشور است.
صنعت هوش مصنوعی ایالات متحده عمدتاً توسط غول‌های فناوری و VCها (سرمایه‌گذاران خطرپذیر) رهبری می‌شود که انتظارات زیادی از بازده سرمایه از هوش مصنوعی دارند. بنابراین، شرکت‌های مدل هوش مصنوعی ایالات متحده عموماً اعتقاد راسخی به فناوری دارند، یعنی دنبال کردن رهبری فناوری، دستیابی به درجه‌ای از انحصار بازار و سپس ایجاد سودهای هنگفت، و اکوسیستم آنها طبیعتاً به سمت متن‌بسته متمایل است.
با نگاهی به تاریخچه توسعه OpenAI به عنوان مثال، این شرکت در ابتدا به عنوان یک نهاد غیرانتفاعی تأسیس شد، اما از آن زمان به طور فزاینده‌ای بسته شده است. GPT-1 کاملاً متن‌باز بود، GPT-2 تا حدی متن‌باز بود و قبل از اینکه کاملاً متن‌باز شود، با مخالفت روبرو شد، GPT-3 رسماً متن‌بسته شد و سپس GPT-4 استراتژی متن‌بسته را بیشتر تقویت کرد و معماری مدل و داده‌های آموزشی کاملاً محرمانه بودند و حتی فرکانس فراخوانی API کاربران شرکتی را محدود کرد.
اگرچه OpenAI گفته است که بستن منبع بر اساس انطباق و کنترل سوء استفاده از فناوری است، اما بازار به طور کلی بر این باور است که رویداد مهم تغییر OpenAI به منبع بسته، دستیابی به همکاری صد میلیارد دلاری با مایکروسافت، تعبیه GPT-3 در خدمات ابری Azure برای تشکیل یک حلقه بسته “فناوری-سرمایه” بود.
وقتی مایکروسافت برای اولین بار سرمایه‌گذاری خود در OpenAI را در گزارش مالی خود در اکتبر سال گذشته فاش کرد، گفت: “ما در OpenAIGlobal, LLC سرمایه‌گذاری کرده‌ایم، با تعهد سرمایه‌گذاری کل ۱۳ میلیارد دلار، و سرمایه‌گذاری با استفاده از روش حقوق صاحبان سهام محاسبه می‌شود.”
اصطلاح روش حقوق صاحبان سهام را همچنین می‌توان به این صورت درک کرد که سرمایه‌گذاری مایکروسافت در OpenAI با هدف کسب بازده است تا تحقیقات خیریه خالص. بدیهی است که فروش APIهای گران‌قیمت OpenAI از طریق یک اکوسیستم متن‌بسته، بزرگترین منبع درآمد فعلی آن است و بزرگترین مانع در برابر عدم تمایل OpenAI به متن‌باز بودن شده است.
Anthropic، که از “انشعاب” OpenAI تأسیس شد، از همان ابتدا مصمم بود که مسیر متن‌بسته را در پیش بگیرد و محصول مدل بزرگ آن Claude به طور کامل مدل متن‌بسته را اتخاذ کرده است.
حتی Llama META، تنها رهبر متن‌باز در ایالات متحده، هنگام متن‌باز کردن دو شرط ضد دوست را اضافه کرد:
۱. مدل‌های متن‌باز نمی‌توانند برای محصولات و خدماتی با بیش از ۷۰۰ میلیون کاربر فعال ماهانه قبل از تأیید META استفاده شوند.
۲. محتوای خروجی مدل‌های Llama نمی‌تواند برای آموزش و بهبود سایر مدل‌های زبان بزرگ استفاده شود.
مشاهده می‌شود که حتی برای مدل‌های متن‌باز، هدف اصلی متا همچنان ایجاد اکوسیستم هوش مصنوعی خود به جای فراگیری فنی است.
ایالات متحده یک استراتژی هوش مصنوعی مبتنی بر متن‌بسته با متن‌باز به عنوان مکمل در سطح سرمایه را انتخاب کرده است که می‌توان گفت صرفاً ملاحظات تجاری است. در مقابل، طراحی عالی و بالا به پایین چین از ابتدا به منبع باز اهمیت داده است و منعکس کننده یک مسیر صنعت محور تحت مفهوم کنترل مستقل است.
در اوایل سال ۲۰۱۷، دولت چین “طرح توسعه نسل جدید هوش مصنوعی” را منتشر کرد که به وضوح پیشنهاد می‌کرد ادغام عمیق هوش مصنوعی با اقتصاد و جامعه را تسریع بخشد و برای ایجاد مزیت پیشرو در توسعه هوش مصنوعی مستقر شود. در سال ۲۰۲۱، محتوای مرتبط با منبع باز به طور صریح در “برنامه پنج ساله چهاردهم” چین گنجانده شد که باعث ترویج فعال نوآوری‌های فناوری توسط دولت‌های محلی شد.
Mei Hong، یکی از اعضای آکادمی علوم چین، یک بار گفت که توسعه آینده مدل‌های زبانی باید به پلتفرم‌های منبع باز متکی باشد. فقط در یک محیط باز می‌توان از امنیت و قابلیت اطمینان بارگذاری داده‌ها و ادغام تجاری برای کاربران در صنایع مختلف اطمینان حاصل کرد.
“طرح اقدام ویژه برای توانمندسازی دیجیتال شرکت‌های کوچک و متوسط (۲۰۲۵-۲۰۲۷)” که توسط وزارت صنعت و فناوری اطلاعات و سایر چهار بخش در دسامبر سال گذشته صادر شد، به وضوح از بنیاد منبع باز Open Atom برای ایجاد “پروژه ویژه منبع باز هوش مصنوعی شرکت‌های کوچک و متوسط” برای ارائه چارچوب‌های آموزشی، ابزارهای آزمایش و سایر منابع قابل تکثیر و آسان برای ترویج به منظور کاهش آستانه فنی برای شرکت‌ها حمایت می‌کند.
یک مشکل واقعی‌تر این است که به دلیل پتانسیل محاصره فناوری توسط ایالات متحده، چین نمی‌تواند صرفاً دنباله‌رو در زمینه هوش مصنوعی باشد، بلکه باید یک اکوسیستم داخلی مستقل ایجاد کند. ساختن یک اکوسیستم منبع بسته دیگر در زیر اکوسیستمی که ایالات متحده قبلاً با منبع بسته به عنوان تمرکز اصلی ساخته است، مترادف با ساختن یک خودرو در پشت درهای بسته است. فقط یک اکوسیستم منبع باز می‌تواند به سرعت به توسعه صنعت هوش مصنوعی کمک کند.
علاوه بر حمایت عالی، دولت‌های محلی مختلف نیز سرمایه‌گذاری‌های واقعی در اکوسیستم منبع باز انجام داده‌اند.
Z Fund، که به طور مشترک توسط Zhipu و دارایی‌های دولتی پکن تأسیس شده است و بر سرمایه‌گذاری در اکوسیستم مدل بزرگ تمرکز دارد، اعلام کرد که ۳۰۰ میلیون یوان برای حمایت از توسعه جامعه منبع باز هوش مصنوعی در سراسر جهان سرمایه‌گذاری می‌کند. هر پروژه نوپایی مبتنی بر مدل‌های منبع باز (محدود به مدل‌های منبع باز Zhipu نیست) می‌تواند درخواست دهد.
واگرایی بین چین و ایالات متحده در استراتژی‌های منبع باز و منبع بسته آنها برای صنعت هوش مصنوعی اساساً تفاوت اساسی در منطق توسعه است. ایالات متحده توسط سرمایه هدایت می‌شود و خواسته‌های سودجویانه غول‌های فناوری و VCها باعث ایجاد یک اکوسیستم منبع بسته “انحصار فناوری-تحقق با قیمت بالا” شده است. حتی اگر Meta سعی کند منبع باز کند، فرار از بندهای موانع تجاری دشوار است. چین به طراحی عالی متکی است و “برابری فناوری + همکاری صنعتی” را به عنوان مفهوم اصلی خود دارد و از طریق توانمندسازی سیاست‌گذاری یک اکوسیستم باز ایجاد می‌کند و منبع باز را به یک زیرساخت اساسی برای کاهش آستانه‌های فنی و ترویج ادغام اقتصاد واقعی تبدیل می‌کند. این انتخاب استراتژیک نه تنها مسیرهای مختلف صنایع هوش مصنوعی در دو کشور را شکل می‌دهد، بلکه سرعت بخشیدن به اکوسیستم جهانی هوش مصنوعی از “رقابت انحصاری” به “باز و برد-برد” را نوید می‌دهد.
خوب بودن کافی است
اکوسیستم منبع باز هوش مصنوعی چین نه تنها توسعه صنعتی‌سازی هوش مصنوعی در چین و جهان را تسریع می‌کند، بلکه اعتقاد ایالات متحده به فناوری اولویت را به یک تله ناخوشایند تبدیل می‌کند.
Meta با مواجهه با فشار فزاینده ناشی از اثر DeepSeek، Llama4 را در ۵ آوریل منتشر کرد و ادعا کرد که قوی‌ترین مدل بزرگ چندوجهی در تاریخ است.
با این حال، پس از آزمایش واقعی، این یک مدل ناامیدکننده است. طول متن ۱۰ میلیون توکن اغلب اشتباه می‌کند، آزمایش توپ اولیه دشوار است و خطای اندازه مقایسه ۱۱/۹ > ۹/۹ رخ می‌دهد. ظرف چند روز پس از راه‌اندازی مدل، رسوایی‌هایی مانند استعفای مدیران اجرایی و تقلب در آزمایش نیز توسط کارمندان داخلی تأیید شد.
اخبار بیشتر ثابت می‌کند که می‌توان گفت Llama4 محصولی است که زاکربرگ برای قرار دادن در قفسه‌ها عجله داشته است. بنابراین سوال این است که چرا زاکربرگ مجبور شد آن را در آوریل راه‌اندازی کند؟
همانطور که قبلاً ذکر شد، صنعت هوش مصنوعی ایالات متحده اعتقاد گیج‌کننده‌ای به فناوری دارد و معتقد است که محصولات آنها باید قوی‌ترین و پیشرفته‌ترین باشند، بنابراین یک مسابقه تسلیحاتی را آغاز کرده‌اند. با این حال، اثر کاهشی حاشیه ای آموزش هوش مصنوعی باعث شده است که تولیدکنندگان بزرگ مقادیر زیادی هزینه مصرف کنند و نه تنها آستانه فنی ساخته نشده است، بلکه در باتلاق گلوگاه‌های قدرت محاسباتی نیز سقوط کرده‌اند.
پس از اینکه OpenAI عملکرد تولید تصویر GPT-4o را منتشر کرد، آلتمن چند روز بعد توییت کرد که GPUهای آنها در حال “سوختن” هستند. کمتر از یک هفته پس از انتشار Gemini2.5، رئیس GoogleAIStudio گفت که آنها همچنان با “محدودیت‌های نرخ” دست و پنجه نرم می‌کنند و توسعه‌دهندگان فقط می‌توانند ۲۰ درخواست در دقیقه ارسال کنند. به نظر می‌رسد هیچ شرکتی نمی‌تواند از پس نیازهای استنتاج مدل‌های فوق‌العاده بزرگ برآید.
در واقع، ایالات متحده در حال سقوط در یک سوء تفاهم است. مسئول موسسه تحقیقاتی Zhiyuan گفت: “اگر یک مدل جدید از ۱۰۰ برابر هزینه برای افزایش ۱۰ امتیازی امتیاز معیار استفاده کند، این مدل جدید برای بیش از ۸۰٪ از سناریوهای کاربردی بی‌معنا است زیرا هیچ عملکرد هزینه‌ای وجود ندارد.”
شرکت‌های مدل بزرگ چینی اکوسیستم منبع باز را تسریع می‌کنند. به نظر می‌رسد که آنها دیگر برای کسب رتبه برتر رقابت نمی‌کنند، بلکه در عوض مشتریان بیشتری، به ویژه مشتریان صنعتی، با رویکرد “به اندازه کافی خوب” خود به دست آورده‌اند.
در مقایسه با ده‌ها میلیون بودجه برای مشتریان دولتی و سازمانی، بسیاری از شرکت‌ها و مؤسسات نیازهای فوری هوش مصنوعی دارند اما راه‌حل‌های موجود زیادی ندارند. استفاده از مدل‌های منبع باز برای توسعه راه‌حل‌های خود تقریباً به تنها انتخاب آنها تبدیل شده است:
- Baosteel از “مدل بزرگ + مدل کوچک” برای فرآیندهای مهندسی متالورژی کلیدی برای هشدارهای اولیه هوشمندانه تجهیزات تولید استفاده می‌کند.
- “مدل بزرگ نگهبان علوم زغال سنگ ChinamjGPT” گروه علوم و صنعت زغال سنگ چین، زمان خرابی تجهیزات و هزینه‌های نگهداری را به ترتیب ۳۰٪ و ۲۰٪ کاهش می‌دهد.
- Shanghai Mengbo Intelligent Internet of Things Technology یک پلتفرم کاربردی برای تشخیص لبه برشی و بهینه‌سازی فرآیند کوره بازپخت پیوسته بر اساس یک مدل بزرگ سبک وزن ایجاد کرده است.
- Mifei Technology بر اساس فناوری مدل بزرگ، پیش‌بینی، نگهداری و مدیریت هوشمندانه سیستم‌های جابجایی مواد خودکار در کارخانه‌های ویفر نیمه هادی را محقق کرده است.
اینها همه موارد نماینده از پیاده‌سازی مدل‌های منبع باز در سناریوهای صنعتی هستند.
علاوه بر کاربردهای صنعتی، اکوسیستم منبع باز می‌تواند به انجام کارهای خیریه بیشتری نیز کمک کند.
مرکز حفاظت از طبیعت Shanshui متعهد به حفاظت از پلنگ‌های برفی و اکوسیستم‌های فلات است. دوربین‌های مادون قرمزی که تنظیم می‌کند، هر سه ماهه تعداد زیادی عکس یا فیلم می‌گیرد. تکیه بر شناسایی دستی آثار پلنگ برفی بسیار ناکارآمد و زمان‌بر است. Huawei Ascend در حال همکاری با مرکز حفاظت از طبیعت Shanshui برای شناسایی آثار پلنگ برفی است. Huawei مدل‌ها و ابزارهای مربوطه را برای شناسایی گونه‌های تصویر مادون قرمز در Sanjiangyuan منبع باز کرده است و آستانه شرکت در توسعه هوش مصنوعی را کاهش داده و به مؤسسات تحقیقاتی و حفاظتی بیشتری که از این مدل استفاده می‌کنند، اجازه می‌دهد تا از آن بهره‌مند شوند. مردم می‌توانند با هم در زمینه مجموعه‌داده‌ها، پردازش داده‌ها و پاکسازی داده‌ها مدل را بهینه کنند.
اثر “بازار” منبع باز
Eric Raymond، پرچم‌دار جنبش نرم‌افزار منبع باز، در کتاب خود در سال ۱۹۹۹ با عنوان “کلیسا و بازار” یک استعاره پیشنهاد کرد: مدل توسعه نرم‌افزار سنتی و منبع بسته مانند ساختن یک کلیسا است. این نرم‌افزار با دقت طراحی و ساخته شده است. توسط تعداد کمی از متخصصان (معماران) در یک محیط منزوی و فقط پس از اتمام نهایی به کاربران عرضه می‌شود. مدل توسعه منبع باز مانند یک بازار شلوغ، به ظاهر آشفته اما پر جنب و جوش است. توسعه نرم‌افزار باز، غیرمتمرکز و تکاملی است.
این کتاب معتقد است که برای بسیاری از انواع پروژه‌های نرم‌افزاری، به ویژه نرم‌افزارهای پیچیده در سطح سیستم (مانند هسته‌های سیستم عامل)، مدل توسعه “بازار” باز، مشارکتی و غیرمتمرکز، اگرچه ممکن است آشفته به نظر برسد، اما در واقع کارآمدتر است، کیفیت بالاتری تولید می‌کند و نرم‌افزار قوی‌تر از مدل سنتی، بسته و متمرکز “کلیسا” است. از طریق سازوکارهایی مانند “انتشار زودهنگام، انتشار مکرر” و اهرم بررسی همتایان در مقیاس بزرگ (“چشم‌های کافی”)، می‌تواند سریع‌تر خطاها را کشف و رفع کند و بازخورد کاربر و مشارکت جامعه را بهتر جذب کند و از این طریق باعث تکرار سریع و نوآوری نرم‌افزار شود.
موفقیت بزرگ پروژه‌های منبع باز مانند Linux نکته Raymond راتأیید کرده است.
جنبش منبع باز ارزش عظیمی را برای ایالات متحده و جهان به ارمغان آورده است که بسیار فراتر از سرمایه‌گذاری خود است. یک گزارش تحقیقاتی در سال ۲۰۲۴ از دانشگاه هاروارد اظهار داشت: “منبع باز ۱.۴ میلیارد دلار سرمایه‌گذاری کرده و ۸.۸ تریلیون دلار ارزش برای شرکت‌ها ایجاد کرده است (یعنی به ازای هر ۱ دلار سرمایه‌گذاری، ۲۰۰۰ دلار ارزش ایجاد می‌شود). بدون منبع باز، هزینه‌های شرکت‌ها برای نرم‌افزار ۵.۳ برابر مقدار فعلی خواهد بود.”
امروز، شرکت‌های چینی این را آموخته‌اند. به نظر می‌رسد شرکت‌های هوش مصنوعی آمریکایی آن را فراموش کرده‌اند.
در واقع، برای شرکت‌های مدل بزرگ چینی، حتی اگر مزایای اجتماعی را در نظر نگیرند، انتخاب پذیرش اکوسیستم منبع باز برای خود شرکت‌ها بی‌سود نیست.
بسیاری از شرکت‌های مدل بزرگ به Observer.com گفته‌اند که منبع باز به معنای صرف نظر کردن از تجاری‌سازی نیست. منبع باز همچنان منطق سود منبع باز را دارد. در مقایسه با اینکه منبع باز است یا نه، نحوه ارائه خدمات بهتر به مشتریان از نظر فنی موضوع اصلی است.
به عنوان مثال، Zhipu AI ادعا می‌کند که تنها شرکت در چین است که به طور کامل OpenAI را محک می‌زند، اما در مقایسه با استراتژی منبع بسته OpenAI، یکی از مصمم‌ترین فعالان استراتژی منبع باز در صنعت است.
Zhipu در سال ۲۰۲۳ پیشگام در منبع باز کردن اولین مدل بزرگ چت ChatGLM-6B چین بود. Zhipu از زمان تأسیس خود در حدود شش سال پیش، بیش از ۵۵ مدل را منبع باز کرده است و حجم دانلود تجمعی نزدیک به ۴۰ میلیون بار در جامعه بین‌المللی منبع باز دارد.
Zhipu به Observer.com گفت که Zhipu امیدوار است استراتژی منبع باز خود به تبدیل پکن به یک “پایتخت منبع باز جهانی” برای هوش مصنوعی کمک کند.
به طور خاص، در سطح تجاری، Zhipu انتخاب کرد که یک اکوسیستم توسعه‌دهنده را از طریق منبع باز جذب کند و راه‌حل‌های سفارشی‌شده پولی را به مشتریان B-end و G-end ارائه دهد.
علاوه بر فروش راه‌حل‌ها، فروش APIها نیز یک پیوند سود مهم است.
به عنوان مثال، DeepSeek به عنوان مثال، اولین تجارت مدل منبع باز فروش APIهای با کارایی بالا است. اگرچه خدمات اولیه رایگان هستند، اما شرکت‌ها می‌توانند خدمات API با کارایی بالا ارائه دهند و بر اساس استفاده هزینه دریافت کنند. قیمت API برای DeepSeek-R1 به ازای هر میلیون توکن ورودی ۱ یوان و به ازای هر میلیون توکن خروجی ۱۶ یوان است. اگر سهمیه توکن رایگان تمام شود یا API پایه نتواند نیازها را برآورده کند، کاربران تمایل دارند از نسخه پولی برای حفظ ثبات فرآیندهای تجاری استفاده کنند.
در مقایسه با شرکت‌هایی که فقط خدمات مدل دارند، Alibaba یک مدل کسب درآمد منبع باز دیگر را انتخاب کرده است: بسته‌بندی اکوسیستم.
سری Qwen Alibaba به عنوان یک پیشگام منبع باز، توسعه‌دهندگان را جذب می‌کند تا از طریق منبع باز کامل از رایانش ابری و سایر زیرساخت‌ها استفاده کنند و یک سناریوی حلقه بسته ایجاد کنند. مدل آنها فقط یک معرفی در مرحله اولیه است و کالاهایی که با قیمت‌های مشخص شده عرضه می‌شوند در واقع خدمات ابری هستند.
کاربرد جهانی مدل‌های بزرگ منبع باز چینی از “پیروی از فناوری” به “تسلط اکوسیستم” تغییر یافته است. هنگامی که ایالات متحده در دوراهی “انحصار منبع بسته” و “کنترل خارج از منبع باز” گرفتار شده است، چین از طریق “نوآوری توافقنامه + کشت سناریو” منطق اساسی اکوسیستم منبع باز هوش مصنوعی جهانی را بازسازی می‌کند. میدان نبرد نهایی این بازی نه در رقابت مقیاس پارامترها، بلکه در بازار تریلیون دلاری ادغام عمیق فناوری هوش مصنوعی و اقتصاد واقعی است.