کاهش بزرگ قیمت هوش مصنوعی: مدل‌های کم‌هزینه چین و چشم‌انداز جهانی

روایت غالب در توسعه هوش مصنوعی مدت‌ها حول محور مبالغ هنگفت پول می‌چرخید. تصور بر این بود که ساخت هوش مصنوعی واقعاً قدرتمند نیازمند سرمایه‌گذاری‌هایی است که به میلیاردها دلار می‌رسد، منابع محاسباتی عظیم و لشکری از محققان نخبه – بازی‌ای که عمدتاً توسط غول‌های Silicon Valley انجام می‌شد. سپس ژانویه فرا رسید و یک بازیگر نسبتاً ناشناس به نام DeepSeek شوکی وارد کرد که هنوز در صنعت طنین‌انداز است. دستاورد آن‌ها فقط یک مدل هوش مصنوعی قدرتمند دیگر نبود؛ بلکه یک مدل قدرتمند بود که طبق گزارش‌ها با هزینه‌ای ناچیز – تنها چند میلیون دلار، یک خطای گرد کردن در بودجه غول‌های فناوری غربی – ساخته شده بود. این رویداد واحد بیش از آنکه باعث تعجب شود، عملاً در را برای یک تغییر اساسی در چشم‌انداز هوش مصنوعی باز کرد، آتش رقابتی را در بخش فناوری چین شعله‌ور ساخت و سایه‌ای بلند بر مدل‌های تجاری غالب رهبران تثبیت‌شده غربی، از OpenAI Inc. گرفته تا غول تراشه Nvidia Corp. افکند. دوران تصور اینکه برتری در هوش مصنوعی نیازمند جیب‌های بی‌انتهاست، ناگهان زیر سؤال رفت.

طرح اولیه مخرب DeepSeek: قدرت بالا، هزینه کم

اهمیت پیشرفت DeepSeek را نمی‌توان نادیده گرفت. این فقط به نمایش گذاشتن توانایی فنی نبود؛ بلکه در مورد شکستن پیوند درک شده بین هزینه‌های گزاف و عملکرد پیشرفته هوش مصنوعی بود. در حالی که همتایان غربی مانند OpenAI و Google درگیر یک مسابقه تسلیحاتی بودند که ظاهراً بر اساس پیشی گرفتن از یکدیگر در هزینه‌ها بنا شده بود، DeepSeek یک روایت متقابل قانع‌کننده ارائه داد: کارایی استراتژیک به طور بالقوه می‌تواند با نیروی مالی بی‌رحمانه رقابت کند. مدل آن‌ها، که با قابلیت‌های چشمگیر عرضه شد، نشان می‌داد که انتخاب‌های معماری هوشمندانه‌تر، روش‌های آموزشی بهینه‌سازی شده، یا شاید بهره‌برداری از مزایای داده‌ای خاص می‌تواند نتایجی بسیار فراتر از آنچه پیش‌بینی‌های هزینه سنتی نشان می‌دهند، به همراه داشته باشد.

این افشاگری نه تنها جامعه تحقیقاتی هوش مصنوعی، بلکه به طور حیاتی‌تر، بخش‌های برنامه‌ریزی استراتژیک شرکت‌های بزرگ فناوری را تکان داد. اگر یک مدل قدرتمند واقعاً می‌توانست بدون نیاز به هزینه‌های سرمایه‌ای که قبلاً ضروری تصور می‌شد توسعه یابد، اساساً پویایی رقابتی را تغییر می‌داد. این امر مانع ورود به توسعه هوش مصنوعی پیچیده را کاهش داد و به طور بالقوه زمینه‌ای را دموکراتیزه کرد که به نظر می‌رسید قرار است تحت سلطه تعداد انگشت‌شماری از شرکت‌های فوق‌العاده ثروتمند باشد. DeepSeek فقط یک مدل نساخت؛ آن‌ها یک الگوی بالقوه برای ایجاد اختلال ارائه کردند و ثابت کردند که نوآوری صرفاً در انحصار کسانی نیست که عمیق‌ترین خزانه‌ها را دارند. پیام واضح بود: تدبیر و نبوغ می‌توانند سلاح‌های رقابتی قدرتمندی باشند، حتی در برابر مزایای مالی به ظاهر غیرقابل عبور. این تغییر پارادایم زمینه را برای شتاب بی‌سابقه‌ای در توسعه هوش مصنوعی که از چین نشأت می‌گیرد، فراهم کرد.

هجوم هوش مصنوعی چین: سیلی از نوآوری

موجی که با اعلامیه ژانویه DeepSeek ایجاد شد، به سرعت به یک موج جزر و مدی تبدیل شد. آنچه در پی آمد، کاوشی آزمایشی در این پتانسیل جدید کم‌هزینه نبود، بلکه یک بسیج تهاجمی و تمام‌عیار توسط شرکت‌های فناوری پیشرو چین بود. گویی یک تپانچه استارت شلیک شده بود و آغاز مسابقه‌ای برای تکرار و پیشی گرفتن از موفقیت DeepSeek را نشان می‌داد. در یک بازه زمانی فوق‌العاده فشرده، به ویژه در هفته‌های منتهی به اواسط سال، بازار مملو از انبوهی از راه‌اندازی سرویس‌های هوش مصنوعی و به‌روزرسانی‌های عمده محصولات شد. با شمارش تنها نام‌های آشنا در فناوری چین، تعداد به راحتی از ده عرضه قابل توجه فراتر رفت، که نشان‌دهنده جریان زیرین بسیار گسترده‌تری از فعالیت در کل بخش بود.

این استقرار سریع صرفاً تقلید یا پیوستن به یک جریان نبود. این نشان‌دهنده یک فشار هماهنگ، هرچند احتمالاً رقابتی، با پیامدهای استراتژیک عمیق بود. یکی از ویژگی‌های بارز این موج، شیوع مدل‌های منبع‌باز (open-source) بود. برخلاف سیستم‌های اغلب اختصاصی و به شدت محافظت‌شده که توسط بسیاری از شرکت‌های غربی ترجیح داده می‌شوند، بسیاری از توسعه‌دهندگان چینی تصمیم گرفتند کد زیربنایی و وزن‌های مدل خود را به صورت عمومی منتشر کنند. این استراتژی اهداف متعددی را دنبال می‌کند:

• تسریع پذیرش: با در دسترس قرار دادن رایگان مدل‌های خود، شرکت‌های چینی به شدت مانع ورود توسعه‌دهندگان در سراسر جهان برای آزمایش، ساخت بر اساس و ادغام فناوری خود را کاهش می‌دهند. این امر رشد سریع اکوسیستم پیرامون خلاقیت‌های آن‌ها را تقویت می‌کند.
• تأثیرگذاری بر استانداردها: پذیرش گسترده مدل‌های منبع‌باز می‌تواند به طور نامحسوس معیارهای صنعت و معماری‌های ترجیحی را شکل دهد. اگر بخش قابل توجهی از جامعه توسعه‌دهندگان جهانی به کار با مدل‌های خاص چینی عادت کنند، این مدل‌ها عملاً به استانداردهای بالفعل تبدیل می‌شوند.
• جمع‌آوری بازخورد و بهبود: منبع‌باز کردن امکان شناسایی اشکالات، پیشنهاد بهبودها و مشارکت در تکامل مدل را برای جامعه جهانی کاربران و توسعه‌دهندگان فراهم می‌کند و به طور بالقوه چرخه توسعه آن را فراتر از آنچه یک شرکت به تنهایی می‌تواند در داخل انجام دهد، تسریع می‌بخشد.
• تصاحب سهم بازار: در یک بازار نوپا، ایجاد سریع یک پایگاه کاربری بزرگ بسیار مهم است. منبع‌باز کردن ابزاری قدرتمند برای دستیابی به دسترسی جهانی و سهم ذهنی است و به طور بالقوه توسعه‌دهندگان و برنامه‌ها را قبل از اینکه رقبا آن‌ها را در سیستم‌های اختصاصی قفل کنند، جذب می‌کند.

در حالی که تأیید مستقل و دقیق هنوز برای مقایسه قطعی عملکرد مطلق پیشرفته هر مدل جدید چینی در برابر آخرین پیشنهادات OpenAI یا Google مورد نیاز است، حجم عظیم، دسترسی‌پذیری و مقرون‌به‌صرفه بودن آن‌ها چالشی بزرگ را نشان می‌دهد. آن‌ها اساساً انتظارات بازار را تغییر می‌دهند و فشار زیادی بر استراتژی‌های تجاری بازیگران تثبیت‌شده غربی وارد می‌کنند و آن‌ها را مجبور می‌کنند تا در مورد قیمت‌گذاری، دسترسی‌پذیری و قابلیت دوام بلندمدت رویکردهای صرفاً منبع‌بسته تجدید نظر کنند. پیام صنعت فناوری چین واضح است: آن‌ها به دنباله‌روی قانع نیستند؛ آن‌ها قصد دارند با استفاده از سرعت، مقیاس و باز بودن به عنوان سلاح‌های کلیدی، شکل‌دهندگان چشم‌انداز جهانی هوش مصنوعی باشند.

لرزاندن پایه‌های مدل‌های تجاری هوش مصنوعی غربی

سیل بی‌امان مدل‌های هوش مصنوعی کم‌هزینه و با کارایی بالا که از چین ظهور می‌کنند، باعث بازنگری دشواری در مقر رهبران هوش مصنوعی غربی می‌شود. کتاب بازی تثبیت‌شده، که اغلب بر توسعه مدل‌های بسیار پیچیده و اختصاصی و دریافت قیمت‌های بالا برای دسترسی متمرکز است، با فشار بی‌سابقه‌ای روبرو است. چشم‌انداز رقابتی زیر پای آن‌ها در حال تغییر است و نیازمند چابکی و تعدیل‌های استراتژیک بالقوه دردناک است.

OpenAI، شرکت پشتیبان ChatGPT که به طور گسترده شناخته شده است، خود را در حال پیمودن مسیری به ویژه پیچیده می‌یابد. این شرکت که در ابتدا معیار مدل‌های زبان بزرگ پیشرفته را تعیین کرده بود، اکنون با بازاری روبرو است که در آن جایگزین‌های قدرتمند، با الهام از الگوی DeepSeek، به طور فزاینده‌ای با هزینه کم یا بدون هزینه در دسترس هستند. این یک دوراهی استراتژیک ایجاد می‌کند:

1. حفظ ارزش برتر: OpenAI باید هزینه‌های قابل توجه مرتبط با پیشرفته‌ترین مدل‌های خود (مانند سری GPT-4 و فراتر از آن) را توجیه کند. این امر مستلزم پیشبرد مداوم مرزهای عملکرد و قابلیت برای ارائه ویژگی‌ها و قابلیت اطمینانی است که جایگزین‌های رایگان نمی‌توانند با آن مطابقت داشته باشند.
2. رقابت بر سر دسترسی‌پذیری: همزمان، موفقیت مدل‌های منبع‌باز و کم‌هزینه نشان‌دهنده اشتیاق گسترده برای هوش مصنوعی قابل دسترس است. نادیده گرفتن این بخش، خطر واگذاری بخش‌های وسیعی از بازار – توسعه‌دهندگان، استارت‌آپ‌ها، محققان و کسب‌وکارهایی با بودجه‌های محدودتر – به رقبا را به همراه دارد. این امر توضیح می‌دهد که چرا طبق گزارش‌ها OpenAI در حال بررسی احتمال منبع‌باز کردن برخی از فناوری‌های خود یا ارائه سطوح رایگان سخاوتمندانه‌تر است، اقدامی که احتمالاً مستقیماً تحت تأثیر فشار رقابتی تشدید شده توسط DeepSeek و جانشینان آن قرار گرفته است.

چالش در ایجاد تعادل ظریف نهفته است. واگذاری بیش از حد فناوری می‌تواند جریان‌های درآمدی مورد نیاز برای تأمین مالی تحقیقات و توسعه آینده را از بین ببرد. دریافت هزینه بیش از حد یا بسته نگه داشتن بیش از حد همه چیز، خطر بی‌ربط شدن برای بخش رو به رشدی از بازار را که راه‌حل‌های باز و مقرون‌به‌صرفه را پذیرفته‌اند، به همراه دارد.

Google متعلق به Alphabet Inc.، یکی دیگر از غول‌های عرصه هوش مصنوعی با مجموعه مدل‌های پیچیده خود مانند Gemini، با فشارهای مشابهی روبرو است. در حالی که Google از ادغام عمیق با اکوسیستم موجود خود (Search، Cloud، Android) سود می‌برد، هجوم جایگزین‌های ارزان و توانمند، قدرت قیمت‌گذاری خدمات هوش مصنوعی و پیشنهادات ابری آن را به چالش می‌کشد. کسب‌وکارها اکنون گزینه‌های بیشتری دارند، که به طور بالقوه منجر به تقاضا برای قیمت‌های پایین‌تر یا مهاجرت به سمت پلتفرم‌های مقرون‌به‌صرفه‌تر می‌شود، به ویژه برای کارهایی که هوش مصنوعی «به اندازه کافی خوب» کفایت می‌کند.

این پویایی رقابتی فراتر از توسعه‌دهندگان مدل گسترش می‌یابد. این امر خود اقتصاد زیربنایی رونق فعلی هوش مصنوعی در غرب را زیر سؤال می‌برد. اگر ارزش پیشنهادی درک شده مدل‌های برتر و منبع‌بسته از بین برود، توجیه سرمایه‌گذاری‌های عظیم و مداوم در زیرساخت‌ها و هزینه‌های عملیاتی بالای مرتبط با آن مورد بررسی قرار می‌گیرد. موج هوش مصنوعی چین فقط محصولات جدیدی را معرفی نمی‌کند؛ بلکه اساساً مفروضات اقتصادی غالب صنعت هوش مصنوعی غربی را به چالش می‌کشد.

پژواک نبردهای صنعتی گذشته: الگویی آشنا؟

وضعیت فعلی در بخش هوش مصنوعی شباهت عجیبی به الگوهای مشاهده شده در سایر صنایع بزرگ جهانی در دهه‌های اخیر دارد. استراتژی به کار گرفته شده توسط شرکت‌های چینی – استفاده از مقیاس، توانایی تولید و قیمت‌گذاری تهاجمی برای به دست آوردن سریع سهم بازار و جایگزینی رقبای بین‌المللی تثبیت‌شده – کتاب بازی‌ای است که در زمینه‌هایی به تنوع تولید پنل‌های خورشیدی و وسایل نقلیه الکتریکی (EVs) به طرز چشمگیری مؤثر بوده است.

صنعت خورشیدی را در نظر بگیرید: تولیدکنندگان چینی، که اغلب از حمایت دولت و صرفه‌جویی به مقیاس بهره‌مند بودند، به طور چشمگیری هزینه پنل‌های فتوولتائیک را کاهش دادند. در حالی که این امر پذیرش جهانی انرژی خورشیدی را تسریع کرد، همچنین منجر به رقابت شدید قیمتی شد که حاشیه سود را کاهش داد و بسیاری از تولیدکنندگان غربی را مجبور به خروج از بازار یا ورود به بخش‌های خاص کرد. به طور مشابه، در بازار EV، شرکت‌های چینی مانند BYD به سرعت تولید را افزایش داده‌اند و طیف گسترده‌ای از وسایل نقلیه الکتریکی را با قیمت‌های رقابتی ارائه می‌دهند، خودروسازان تثبیت‌شده در سراسر جهان را به چالش می‌کشند و به سرعت سهم قابل توجهی از بازار جهانی را به دست می‌آورند.

شباهت‌ها با موج فعلی هوش مصنوعی قابل توجه است:

• اختلال در هزینه: DeepSeek و مدل‌های چینی بعدی نشان می‌دهند که هوش مصنوعی با کارایی بالا را می‌توان با هزینه‌های قابل توجهی پایین‌تر از آنچه قبلاً تصور می‌شد به دست آورد، که منعکس‌کننده کاهش هزینه‌های مشاهده شده در انرژی خورشیدی و خودروهای برقی است.
• مقیاس‌پذیری سریع: سرعت و حجم محض انتشار مدل‌های هوش مصنوعی از چین نشان‌دهنده ظرفیت مقیاس‌پذیری سریع و اشباع بازار است، که یادآور حملات برق‌آسای تولید در بخش‌های دیگر است.
• تمرکز بر دسترسی‌پذیری: تأکید بر مدل‌های منبع‌باز موانع پذیرش را در سطح جهانی کاهش می‌دهد، شبیه به نحوه کسب محبوبیت محصولات مقرون‌به‌صرفه چینی در بازارهای مختلف مصرفی و صنعتی.
• پتانسیل برای تسلط بر بازار: همانطور که شرکت‌های چینی بر بخش‌های بزرگی از زنجیره‌های تأمین خورشیدی و EV تسلط یافتند، خطر ملموسی وجود دارد که پویایی مشابهی بتواند در مدل‌ها و خدمات بنیادی هوش مصنوعی رخ دهد.

در حالی که هوش مصنوعی اساساً با تولید کالاهای فیزیکی متفاوت است – شامل نرم‌افزار، داده‌ها و الگوریتم‌های پیچیده – استراتژی رقابتی زیربنایی استفاده از هزینه و دسترسی‌پذیری برای تغییر شکل بازار جهانی به نظر می‌رسد در حال تکرار است. شرکت‌های غربی، که به رهبری از طریق برتری فناورانه که اغلب به هزینه‌های بالای تحقیق و توسعه گره خورده است عادت کرده‌اند، اکنون با نوع متفاوتی از چالش روبرو هستند: رقابت با رقبایی که ممکن است مایل و قادر به فعالیت با حاشیه سود کمتر باشند یا از مدل‌های اقتصادی متفاوتی (مانند منبع‌باز) برای تصاحب بازار استفاده کنند. سؤالی که مدیران و سرمایه‌گذاران را آزار می‌دهد این است که آیا هوش مصنوعی به صنعت بزرگ بعدی تبدیل خواهد شد که این الگو در آن اجرا می‌شود و به طور بالقوه بازیگران غربی را که نمی‌توانند به سرعت با واقعیت رقابتی جدید و آگاه به هزینه سازگار شوند، به حاشیه می‌راند.

علامت سؤال Nvidia: ارزش‌گذاری‌ها تحت فشار؟

اثرات موجی حمله کم‌هزینه هوش مصنوعی چین به عمق زنجیره تأمین فناوری گسترش می‌یابد و سؤالات مشخصی را در مورد مسیر آینده شرکت‌هایی مانند Nvidia Corp. مطرح می‌کند. سال‌هاست که Nvidia یکی از ذینفعان اصلی رونق هوش مصنوعی بوده است، واحدهای پردازش گرافیکی (GPU) پیچیده و گران‌قیمت آن به سخت‌افزار ضروری برای آموزش و اجرای مدل‌های هوش مصنوعی بزرگ و پیچیده تبدیل شده‌اند. تقاضای سیری‌ناپذیر برای تراشه‌های آن باعث رشد نجومی و افزایش سرسام‌آور ارزش بازار شد، با این فرض که مدل‌های بزرگ‌تر و از نظر محاسباتی فشرده‌تر، هنجار خواهند بود.

با این حال، روند الهام گرفته از DeepSeek به سمت مدل‌های کارآمدتر از نظر منابع، یک پیچیدگی بالقوه را به این روایت وارد می‌کند. اگر هوش مصنوعی قدرتمند بتواند به طور مؤثر بدون نیاز به پردازنده‌های مطلقاً پیشرفته و گران‌قیمت توسعه و مستقر شود، می‌تواند به طور نامحسوس پویایی تقاضا در بازار تراشه‌های هوش مصنوعی را تغییر دهد. این لزوماً به معنای فروپاشی فوری تقاضا برای محصولات Nvidia نیست – رشد کلی هوش مصنوعی همچنان نیازهای سخت‌افزاری قابل توجهی را ایجاد می‌کند. اما می‌تواند منجر به چندین فشار بالقوه شود:

• تغییر در ترکیب محصول: مشتریان ممکن است به طور فزاینده‌ای GPUهای میان‌رده یا نسل‌های کمی قدیمی‌تر را انتخاب کنند، اگر ثابت شود که برای اجرای این مدل‌های کارآمدتر چینی کافی هستند، که به طور بالقوه نرخ پذیرش جدیدترین و پرحاشیه‌ترین محصولات Nvidia را کاهش می‌دهد.
• افزایش حساسیت به قیمت: با دسترسی به هوش مصنوعی قدرتمند از طریق مدل‌های کم‌هزینه، تمایل برخی از مشتریان برای پرداخت هزینه گزاف برای افزایش عملکرد تدریجی از سخت‌افزار سطح بالا ممکن است کاهش یابد. این می‌تواند به خریداران قدرت چانه‌زنی بیشتری بدهد و در طول زمان فشار نزولی بر قیمت GPUها وارد کند.
• رقابت: در حالی که Nvidia موقعیت غالبی دارد، تمرکز بر کارایی می‌تواند رقبایی (مانند AMD یا توسعه‌دهندگان سیلیکون سفارشی) را تشویق کند که ممکن است جایگزین‌های قانع‌کننده‌ای از نظر عملکرد به ازای دلار یا عملکرد به ازای وات ارائه دهند، به ویژه برای وظایف استنتاج (اجرای مدل‌های آموزش‌دیده) به جای فقط آموزش.
• بررسی دقیق ارزش‌گذاری: شاید مهم‌تر از همه، ارزش‌گذاری سهام Nvidia بر اساس انتظارات رشد پایدار و نمایی ناشی از نیاز روزافزون به محاسبات پیشرفته بنا شده است. اگر روند به سمت کارایی مدل نشان دهد که پیشرفت آینده هوش مصنوعی ممکن است کمتر از آنچه قبلاً تصور می‌شد به سخت‌افزار وابسته باشد، می‌تواند سرمایه‌گذاران را به ارزیابی مجدد آن انتظارات رشد بلندپروازانه سوق دهد. «تعدیلات» بازار، همانطور که مقاله اصلی به طور نامحسوس بیان می‌کند، اگر روایت از «مدل‌های بزرگتر به تراشه‌های بزرگتر نیاز دارند» به «مدل‌های هوشمندتر به تراشه‌های بهینه‌سازی شده نیاز دارند» تغییر کند، می‌تواند اجتناب‌ناپذیر شود.

موفقیت الگوی کم‌هزینه DeepSeek، در صورت تکرار و پذیرش گسترده، متغیر جدیدی را به معادله Nvidia و صنعت نیمه‌هادی گسترده‌تری که از هوش مصنوعی پشتیبانی می‌کند، وارد می‌کند. این نشان می‌دهد که مسیر آینده تقاضای سخت‌افزار هوش مصنوعی ممکن است ظریف‌تر از یک برون‌یابی ساده از روندهای گذشته باشد و به طور بالقوه خوش‌بینی بی‌حد و حصری را که اخیراً مشخصه این بخش بوده است، تعدیل کند.

امواج جهانی و مانورهای استراتژیک

تأثیر اکوسیستم نوظهور هوش مصنوعی چین به مرزهای آن محدود نمی‌شود؛ بلکه امواج پیچیده‌ای را در سراسر چشم‌انداز فناوری جهانی ایجاد می‌کند و باعث محاسبات مجدد استراتژیک توسط بازیگران اصلی می‌شود. علی‌رغم تنش‌های ژئوپلیتیکی و اقدامات برخی دولت‌ها (از جمله ایالات متحده و هند) برای محدود کردن استفاده از برنامه‌های کاربردی خاص چینی مانند DeepSeek در دستگاه‌های کارمندان، مهار مدل‌های منبع‌باز زیربنایی دشوار است. توسعه‌دهندگان و محققان در سراسر جهان، با انگیزه کنجکاوی و جذابیت ابزارهای قدرتمند و رایگان، فعالانه در حال دانلود، آزمایش و ادغام این پیشرفت‌های هوش مصنوعی چینی در پروژه‌های خود هستند. این یک پارادوکس جذاب ایجاد می‌کند: در حالی که کانال‌های رسمی ممکن است احتیاط نشان دهند یا محدودیت‌هایی اعمال کنند، واقعیت عملی، پذیرش گسترده و مردمی است.

این پذیرش جهانی به طور قابل توجهی استراتژی غالب سرمایه‌گذاری عظیم در زیرساخت‌ها را که توسط غول‌های فناوری آمریکایی مانند Microsoft Corp. (شریک کلیدی OpenAI) و Google دنبال می‌شود، به چالش می‌کشد. این شرکت‌ها ده‌ها، حتی صدها میلیارد دلار برای ساخت مراکز داده وسیع مملو از GPUهای گران‌قیمت متعهد شده‌اند، با این فرض که رهبری در هوش مصنوعی مستلزم مقیاس محاسباتی بی‌نظیر است. با این حال، ظهور مدل‌های کارآمد چینی سؤالات ناراحت‌کننده‌ای را در مورد این رویکرد سرمایه‌بر مطرح می‌کند. اگر هوش مصنوعی بسیار توانمند بتواند به طور مؤثر بر روی سخت‌افزار کم‌تقاضاتر اجرا شود، آیا مزیت رقابتی ناشی از داشتن بزرگترین مراکز داده را کاهش می‌دهد؟ آیا ممکن است بخشی از آن هزینه‌های برنامه‌ریزی شده عظیم کمتر از حد انتظار حیاتی باشد، اگر خود نرم‌افزار بهینه‌تر شود؟ این امر نیاز به زیرساخت‌های قابل توجه را نفی نمی‌کند، اما عدم اطمینان را در مورد مقیاس و نوع مورد نیاز ایجاد می‌کند و به طور بالقوه بر بازده آن سرمایه‌گذاری‌های عظیم تأثیر می‌گذارد.

افزودن لایه دیگری به این پویایی رقابتی، استراتژی قیمت‌گذاری تهاجمی است که توسط ارائه‌دهندگان ابر چینی اتخاذ شده است. شرکت‌هایی مانند Alibaba Cloud، Tencent Cloud و Huawei Cloud، که میزبان زیرساخت‌های مورد نیاز برای توسعه و استقرار هوش مصنوعی هستند، درگیر جنگ‌های قیمتی شدیدی شده‌اند و هزینه‌های قدرت محاسباتی، ذخیره‌سازی و خدمات ویژه هوش مصنوعی را کاهش داده‌اند. این امر ساخت و اجرای برنامه‌های هوش مصنوعی را برای توسعه‌دهندگان، چه در داخل چین و چه در سطح بین‌المللی، در پلتفرم‌های آن‌ها به طور قابل توجهی ارزان‌تر می‌کند. این رقابت قیمتی تهدید می‌کند که در سطح جهانی گسترش یابد و ارائه‌دهندگان ابر غربی مانند Amazon Web Services (AWS)، Microsoft Azure و Google Cloud Platform را تحت فشار قرار دهد تا به همین ترتیب پاسخ دهند یا خطر از دست دادن سهم بازار را بپذیرند، به ویژه در میان استارت‌آپ‌ها و توسعه‌دهندگان حساس به هزینه که به مدل‌های هوش مصنوعی ارزان‌تر چینی و زیرساخت‌های مقرون‌به‌صرفه مورد نیاز برای اجرای آن‌ها جذب شده‌اند. بنابراین، نبرد برای برتری در هوش مصنوعی نه تنها در سطح قابلیت‌های مدل، بلکه در زمینه حیاتی قیمت‌گذاری و دسترسی‌پذیری زیرساخت‌های ابری نیز در جریان است.

مرز در حال گسترش: فراتر از مدل‌های زبان

شتاب ایجاد شده توسط جنبش هوش مصنوعی کم‌هزینه و منبع‌باز، که در ابتدا توسط مدل‌های زبانی مانند DeepSeek کاتالیز شد، هیچ نشانه‌ای از کند شدن نشان نمی‌دهد. ناظران صنعت پیش‌بینی می‌کنند که این روند قرار است در ماه‌ها و سال‌های آینده به زمینه‌های مجاور و به سرعت در حال تحول هوش مصنوعی سرایت کند. اصول کارایی، دسترسی‌پذیری و تکرار سریع که در پردازش زبان طبیعی موفقیت‌آمیز بوده‌اند، احتمالاً به حوزه‌های دیگر قابل انتقال هستند و به طور بالقوه امواج مشابهی از نوآوری و اختلال را ایجاد می‌کنند.

زمینه‌های آماده برای این گسترش عبارتند از:

• بینایی کامپیوتر: توسعه مدل‌هایی که قادر به درک و تفسیر تصاویر و ویدئوها هستند. مدل‌های بینایی منبع‌باز کم‌هزینه و با کارایی بالا می‌توانند کاربردها را از سیستم‌های رانندگی خودکار و تجزیه و تحلیل تصاویر پزشکی گرفته تا نظارت امنیتی پیشرفته و تجزیه و تحلیل خرده‌فروشی تسریع کنند.
• رباتیک: ایجاد ربات‌های هوشمندتر، سازگارتر و مقرون‌به‌صرفه‌تر. مدل‌های هوش مصنوعی کارآمد برای کارهایی مانند ناوبری، دستکاری اشیاء و تعامل انسان و ربات حیاتی هستند. پیشرفت‌های منبع‌باز می‌تواند توسعه رباتیک را دموکراتیزه کند و شرکت‌های کوچکتر و محققان را قادر سازد تا سیستم‌های خودکار پیچیده‌تری بسازند.
• تولید تصویر: ابزارهایی مانند DALL-E و Midjourney تخیل عمومی را به خود جلب کرده‌اند، اما اغلب به عنوان خدمات بسته عمل می‌کنند. ظهور مدل‌های قدرتمند تولید تصویر منبع‌باز می‌تواند موج جدیدی از خلاقیت و توسعه برنامه‌ها را تقویت کند و ابزارهای پیشرفته تولید محتوا را در دسترس مخاطبان بسیار گسترده‌تری قرار دهد.
• هوش مصنوعی چندوجهی (Multimodal AI): سیستم‌هایی که می‌توانند اطلاعات را از منابع متعدد (متن، تصاویر، صدا) پردازش و ادغام کنند. معماری‌های کارآمد کلید مدیریت پیچیدگی داده‌های چندوجهی هستند و تلاش‌های منبع‌باز می‌تواند به طور قابل توجهی قابلیت‌ها را در زمینه‌هایی مانند دستیارهای آگاه از زمینه و تجزیه و تحلیل غنی‌تر داده‌ها پیش ببرد.

این گسترش پیش‌بینی‌شده مستقیماً به یکی از نقاط قوت صنعتی تثبیت‌شده چین مرتبط است: تولید سخت‌افزار. همانطور که مدل‌های هوش مصنوعی ارزان‌تر، کارآمدتر و از طریق کانال‌های منبع‌باز به راحتی در دسترس قرار می‌گیرند، گلوگاه استقرار هوش مصنوعی از خود نرم‌افزار به سخت‌افزار قادر به اجرای مؤثر آن تغییر می‌کند. نرم‌افزار هوش مصنوعی ارزان‌تر و در دسترس‌تر، تقاضا را برای طیف وسیع‌تری از دستگاه‌های مجهز به هوش مصنوعی – از تلفن‌های هوشمند هوشمندتر و لوازم الکترونیکی مصرفی گرفته تا حسگرهای صنعتی تخصصی و ماژول‌های محاسبات لبه – افزایش می‌دهد. اکوسیستم تولیدی عظیم چین به خوبی برای پاسخگویی به این تقاضا موقعیت‌یابی شده است و به طور بالقوه یک چرخه فضیلت‌مند ایجاد می‌کند که در آن نرم‌افزار هوش مصنوعی قابل دسترس، تقاضا را برای سخت‌افزار تولید چین که آن هوش مصنوعی را تعبیه می‌کند، افزایش می‌دهد و موقعیت این کشور را در زنجیره تأمین فناوری جهانی بیشتر مستحکم می‌کند. تکثیر مدل‌های هوش مصنوعی کارآمد فقط یک پدیده نرم‌افزاری نیست؛ بلکه ذاتاً به دستگاه‌های فیزیکی که آن هوش را به دنیای واقعی می‌آورند، مرتبط است.