چرخش استراتژیک مایکروسافت به سمت هوش مصنوعی ارزان؛ دیپ‌سیک وارد بازی می‌شود؟ XNET | اخبار و تحلیل هوش مصنوعی

مایکروسافت به دلیل هزینه‌های سنگین پردازش مدل‌های جی‌پی‌تی، استراتژی خود را تغییر داده و به دنبال ادغام مدل‌های ارزان‌قیمت و کارآمدی مانند دیپ‌سیک (DeepSeek) در زیرساخت‌های ابری خود است.

مشارکت چند میلیارد دلاری ردموند با OpenAI تاکنون هسته اصلی استراتژی هوش مصنوعی این شرکت را تشکیل می‌داد. با این حال، بالا بودن هزینه‌های میزبانی و پردازش مدل‌های بزرگ این استارتاپ، حاشیه سود سرویس‌های ابری ردموند را تحت فشار قرار داده و این شرکت را به سمتبهره‌گیری از دیپ‌سیک برای کاهش هزینه‌های هوش مصنوعیسوق داده است؛ رویکردی که در میان تنش‌های فناورانه اخیر میان آمریکا و چین، یک چرخش استراتژیک مهم به شمار می‌رود.

طبق تجربه من در رصد تغییرات زیرساختی غول‌های فناوریتکیه انحصاری بر یک شریک تجاری گران‌قیمت هرگز در بلندمدت پایدار نیست. مایکروسافت با گسترش کاتالوگ مدل‌های موجود در پلتفرم ابری Azure تلاش می‌کند تا نیازهای تجاری متفاوتی را پوشش دهد. مشتریان سازمانی اکنون به دنبال گزینه‌های اقتصادی‌تر و تخصصی‌تر هستند؛ مدل‌هایی که شاید به اندازه GPT-۴ همه‌فن‌حریف نباشند، اما وظایف خاص اداری و برنامه‌نویسی را با هزینه‌ای به مراتب کمتر انجام می‌دهند.

فشار مالی روی ردموند و ظهور رقبای کم‌هزینه

گزارش‌های فنی نشان می‌دهند که آموزش مدل انقلابی DeepSeek-R1 تنها حدود ۶ میلیون دلار هزینه داشته است؛ رقمی بسیار ناچیز در مقایسه با بودجه‌های چندصد میلیون دلاری که OpenAI برای آموزش مدل‌های پرچم‌دار خود صرف می‌کند. این اختلاف فاحش در بهره‌وری محاسباتی، مدیران مالی مایکروسافت را ترغیب کرده است تا با اضافه کردن دیپ‌سیک به سبد خدمات خود، وابستگی یک‌جانبه به OpenAI را کاهش دهند.

ساتیا نادلا، مدیرعامل مایکروسافت، پیش از این در یکی از گفتگوهای خود پیرامون زیرساخت‌های پردازشی اشاره کرده بود: «بهینه‌سازی مستمر هزینه‌ها و افزایش کارایی محاسباتی، اولویت اول ما در توسعه زیرساخت‌های ابری اژور است.» این رویکرد به وضوح نشان می‌دهد که مایکروسافت اصراری بر استفاده انحصاری از ابزارهای گران‌قیمت ندارد، بلکه به دنبال جلب رضایت مشتریانی است که برای محاسبات روزانه خود بودجه محدودی دارند.

کارشناسان معتقدند که ورود احتمالی دیپ‌سیک به اکوسیستم مایکروسافت فراتر از یک تغییر فنی ساده است. این اقدام یک سیگنال واضح به بازار فرستاد مبنی بر اینکه دوران سلطه بی‌چون‌وچرای مدل‌های فوق‌بزرگ و پرهزینه رو به پایان است. اکنون برنده رقابت هوش مصنوعی، شرکتی نیست که بزرگ‌ترین مدل را می‌سازد، بلکه شرکتی است که بهینه‌ترین و اقتصادی‌ترین خروجی را در مقیاس صنعتی تحویل می‌دهد.

سوالات متداول

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.