به گزارش سرویس ترجمه خبرگزاری ایمنا، هوش مصنوعی اغلب بهعنوان رقابتی دوگانه بین آمریکا و چین مطرح میشود. با این وجود، در حالی که شرکتهای آمریکایی نظیر OpenAI، گوگل و Anthropic پیشرفتهترین مدلهای هوش مصنوعی جهان را توسعه دادهاند، این مدلها در زمره گرانترین گزینهها نیز قرار دارند. با افزایش هزینههای مرتبط با توکن و استفاده از هوش مصنوعی، اکنون بعضی شرکتهای مصرفگرا به سمت مدلهای ارزانتر و متنباز چینی روی آوردهاند تا از این هزینههای رو به رشد بکاهند.
از جمله نمونههای عینی این تغییر، میتوان به شرکت DoorDash اشاره کرد. اندی فنگ، مدیر فنی و بنیانگذار این شرکت، اخیراً در شبکه اجتماعی X اعلام کرد که ابزار آزمایشی DoorDash CLI را در نسخه بتای محدود راهاندازی خواهد کرد که به کاربران امکان میدهد از طریق یک عامل هوش مصنوعی یا حتی بهطور مستقیم سفارش خود را ثبت کنند. فنگ پیش از این گفته بود که استفاده از مدل استارتاپ چینی Moonshot AI نهتنها کیفیت بهتری دارد، بلکه هزینه کمتری نیز به همراه دارد.
البته DoorDash نخستین شرکتی نیست که به سمت شرکتهای چینی هوش مصنوعی روی آورده است. استارتاپ کدنویسی Cursor از مدل Kimi شرکت Moonshot برای ساخت عامل کدنویسی Composer ۲ بهره گرفته، و استارتاپ دیگر به نام Lindy نیز بنا بر گزارش فایننشال تایمز، ابزارهای Anthropic را کاملاً کنار گذاشته و به مدلهای V۴ شرکت DeepSeek روی آورده است. این شرکتها به جمع بزرگان دیگری مانند Airbnb و زیمنس پیوستهاند که هر دو در حال آزمایش انتقال عملیات روزمره خود به شرکتهای چینی نظیر علیبابا و DeepSeek هستند تا از هزینههای رو به افزایش هوش مصنوعی بکاهند.
یاسیر آتالان، معاون و همکار داده در آزمایشگاه مرکز مطالعات استراتژیک و بینالمللی، این تغییر جهت را به سه عامل اصلی هزینه، کارایی و در دسترس بودن مدلهای متنباز نسبت میدهد. او معتقد است که مدلهای اخیر شرکتهای آمریکایی با عملکرد بالا، در مقایسه با مدلهای چینی گرانقیمت به نظر میرسند و ایده مدلهای متنباز برای بسیاری از شرکتها، بهویژه خارج از آمریکا، جذابتر است؛ زیرا آنها تمایلی به اشتراکگذاری دادههای سازمانی خود ندارند.
با افزایش هیجان پیرامون هوش مصنوعی متنباز، شرکتهایی که به دنبال کنترل بیشتر بر دادههای خود هستند، به استقبال مدلهای متنباز چینی رفتهاند. اجرای محلی این مدلها به شرکتها امکان میدهد تا نحوه مدیریت اطلاعات حساس را بهتر کنترل کنند و نیاز به ارسال دادههای اختصاصی به ارائهدهندگان خارجی را کاهش دهند. آتالان تأکید میکند که میزبانی یک مدل محلی به معنای باقی ماندن تمام اطلاعات در همان رایانه و ارسال نکردن آن به هیچ شرکت دیگری است و این آرامش خاطر را به کسانی که میخواهند دادههای خود را محفوظ نگه دارند، میدهد.
با این حال، این رویکرد بدون چالش نیست. آتالان هشدار میدهد که اجرای محلی مدلها نیازمند سختافزار بسیار پیشرفتهای در شرکت است؛ بهعنوان مثال، هزینهای حدود ۳۰ هزار دلار برای پردازندههای گرافیکی، رم و حافظههای ذخیرهسازی. از سوی دیگر، بعضی کارشناسان امنیتی نسبت به این رویکرد بدبینتر هستند. اسنهال آنتانی، بنیانگذار و مدیرعامل Horizon۳.ai ، هشدار میدهد که استارتاپهایی که چنین مدلهایی را به کار میگیرند، با خطر نقض جدی حاکمیت داده و قرار گرفتن کدهای اختصاصی و اطلاعات کاربران در معرض نظارت خارجی مواجه هستند و همچنین آسیبپذیریهای مهمی را در یکپارچگی و استدلال مدل نادیده میگیرند.
آتالان اما تأکید میکند که نباید این روند را بهعنوان مهاجرت کامل به مدلهای چینی تعبیر کرد. بهگفته او، شرکتها بهجای جایگزینی کامل مدلهای آمریکایی، در حال آزمایش مدلهای جایگزین برای وظایف مختلف هستند؛ بهعنوان مثال، ممکن است از یک مدل متنباز چینی برای یک کار خاص و از مدل Claude برای کاری دیگر استفاده کنند. هرچند تعداد کمی از شرکتها بهصورت عمومی استفاده از مدلهای چینی را اعلام کردهاند، اما این مدلها بهراحتی از طریق پلتفرمهایی مانند گیتهاب و Hugging Face در دسترس هستند. طبق مطالعه Hugging Face در مارس ۲۰۲۶، مدلهای متنباز چینی ۴۱ درصد از دانلودها را به خود اختصاص دادهاند.
در نهایت، هزینه کمتر به معنای حذف ریسک نیست. حتی با وجود آزمایش مدلهای ارزانتر، همچنان پرسشهایی درباره امنیت، کنترل داده و عملکرد این سیستمها در موارد کاربردی با ریسک بالاتر باقی مانده است. با این حال، به نظر میرسد برای بسیاری از شرکتها، تصمیم نهایی بیشتر به هزینه و کارایی بستگی دارد تا کشور مبدأ؛ چنانکه آتالان اشاره میکند، اگر مدلی بهاندازه کافی ارزان و توانمند باشد و بتوان آن را بهصورت محلی اجرا کرد، شرکتها از آن استفاده خواهند کرد، فارغ از اینکه از آمریکا باشد یا چین.
نظر شما