شکستن قیمت‌ها در سیلیکون‌ولی؛ آتش جنگ تعرفه OpenAI و Anthropic با ورود رقبای چینی XNET | اخبار و تحلیل هوش مصنوعی

توسعه‌دهندگان نرم‌افزار و شرکت‌های فناوری اکنون ارزان‌ترین و قدرتمندترین ابزارهای پردازش هوش مصنوعی تاریخ را در اختیار دارند؛ جهشی تاریخی که نتیجه مستقیم نبرد سنگین کاهش قیمت میان غول‌های سیلیکون‌ولی و آزمایشگاه‌های پیشرو شرق آسیا است.

پس از کلی بررسی منابع معتبر و تحلیل داده‌ها مشخص شده که فشار بی‌وقفه شرکت‌های چینی نظیرDeepSeekعلی‌بابا با مدل‌هایQwenو تیم‌هایی مانندMoonshot AIاستراتژی تجاری شرکت‌های پیشرو آمریکایی را دگرگون کرده است. شرکت‌هایOpenAIوAnthropicبرای حفظ قلمرو سازمانی خود و جلوگیری از مهاجرت دسته‌جمعی توسعه‌دهندگان، ناچار به ورود به یک مسابقه فرسایشی برای کاهش هزینه‌های استنتاج و تعرفه توکن‌ها شده‌اند.

ریشه کاهش هزینه‌ها: شوک مدل‌های بهینه‌سازی‌شده شرق آسیا

تا پیش از موج اخیر، دسترسی به مدل‌های تراز اول جهان هزینه‌ای سرسام‌آور برای استارتاپ‌ها داشت. اجرای یک پایپ‌لاین پیشرفته مبتنی بر تحلیل داده‌های حجیم می‌توانست ماهانه ده‌ها هزار دلار صورت‌حساب ابری به همراه داشته باشد. با این حال، انتشار مدل‌های فوق‌العاده سبُک و بهینه‌سازی‌شده چینی نشان داد که رسیدن به عملکرد سطح بالا الزماً به معنای سوزاندن میلیون‌ها دلار انرژی و در اختیار داشتن بزرگ‌ترین خوشه‌های محاسباتی نیست.

توسعه‌دهندگان چینی با استفاده از نوآوری‌های معماری، از جمله ساختارهای نوین ترکیبی متخصصان یا همانMixture of Experts (MoE)کاهش دقت داده‌ها بدون افت کیفیت و بهینه‌سازی حافظه نهان، توانستند همان بازدهی تحلیلی و استدلالی را با کسری ناچیز از منابع سرور ارائه کنند. این مهندسی هوشمندانه باعث شد تا هزینه پردازش به ازای هر یک میلیون توکن ورودی به حدود چهارده سنت برسد؛ رقمی که تا پیش از آن در میان شرکت‌های آمریکایی غیرقابل‌تصور به نظر می‌رسید.

بر اساس گزارش تحلیلی یوراستوری دربارهجنگ قیمت مدل‌های هوش مصنوعی و تعرفه سرویس‌هامدل‌های غربی پیش از این تعرفه‌هایی تا ده برابر بالاتر داشتند. این اختلاف فاحش، سیلیکون‌ولی را مجبور به واکنش فوری کرد تا مانع از سرازیر شدن سرمایه‌ها و پروژه‌های نرم‌افزاری به سمت ارائه‌دهندگان ابری آسیایی شود.

جدول مقایسه تعرفه و مشخصات مدل‌های شاخص بازار

زلزله مدل‌های متن‌باز چین در بازار پردازش ابری

پاسخ غربی‌ها تنها به تخفیف‌های مقطعی محدود نماند، بلکه زیرساخت‌های ارائه مدل‌ها را نیز دستخوش تغییر کرد. شرکت‌های آمریکایی متوجه شدند که صرفاً ساخت مدل‌های بزرگ‌تر کافی نیست و بازی جدید در میدانهزینه به ازای عملکرد (Cost-to-Performance Ratio)تعریف می‌شود.

معرفی قابلیت‌های پیشرفته‌ای مانند کش کردن پرامپت‌ها یکی از این پاسخ‌های فنی بود. در این روش، بخش‌های تکراری درخواست‌های کاربر در حافظه سرور ذخیره می‌شود و هزینه‌های ورودی تا هشتاد درصد در درخواست‌های متوالی کاهش پیدا می‌کند. قابلیت دیگری که به شدت مورد استقبال قرار گرفت، پردازش ناهمگام دسته‌ای بود که به مشتریان اجازه می‌دهد درخواست‌های غیرفوری خود را با تخفیف پنجاه درصدی در ساعات خلوت سرورها پردازش کنند.

طبق داده‌های رسمی به‌دست‌آمده از پلتفرم‌های مانیتورینگ مصرف هوش مصنوعی، ترافیک فراخوانی API روی مدل‌های کامپکت و ارزان‌قیمت در شش ماه گذشته رشدی فراتر از سیصد درصد را ثبت کرده است. کسب‌وکارها تمایل دارند فرآیندهای روزمره خود را به مدل‌های ارزان بسپارند و تنها برای پیچیده‌ترین مسائل منطقی به سراغ مدل‌های گران‌قیمت بروند.

تحلیل‌های تخصصی در تحریریه نشان می‌دهد که این روند کاهشی حاشیه سود غول‌های فناوری را به شدت فشرده کرده است. در شرایطی که خرید چیپ‌های فوق‌پیشرفته هوش مصنوعی از انویدیا همچنان هزینه‌های سرسام‌آوری دارد، رقابت تنگاتنگ با توسعه‌دهندگان چینی شرکت‌های غربی را مجبور ساخته تا بخش عمده‌ای از سود عملیاتی خود را فدای حفظ جامعه کاربران و برنامه‌نویسان کنند.

تغییر الگوهای تجاری و ظهور معماری چندمدلی

یکی از پیامدهای اصلی این نبرد قیمتی، شکسته‌شدن انحصار پلتفرم‌های واحد در سازمان‌ها است. در گذشته شرکت‌ها تمام زیرساخت خود را بر پایه یک مدل اختصاصی می‌ساختند؛ اما امروزه استراتژیمسیریابی هوشمند پرامپت (Prompt Routing)به استاندارد صنعت تبدیل شده است. در این شیوه، نرم‌افزار ابتدا نوع دستور ورودی را تحلیل می‌کند و آن را به ارزان‌ترین مدلی که توانایی انجام آن کار را دارد می‌فرستد.

این رویکرد ترکیبی باعث شده تا شرکت‌های چینی سهم قابل‌توجهی از پردازش‌های حجم بالا مانند تحلیل احساسات، خلاصه‌سازی اسناد حقوقی و استخراج اطلاعات از داده‌های بدون ساختار را تصاحب کنند. در نتیجه، رقبای آمریکایی نه تنها باید در زمینه تولید هوش عمومی به برتری برسند، بلکه باید در هزینه پردازش هر مگابایت دیتا نیز با رقبای آسیایی دست‌وپنجه نرم کنند.

علاوه بر این، تحریم‌های تجاری و محدودیت‌های سخت‌افزاری نه تنها مانع رشد صنعت هوش مصنوعی در شرق نشد، بلکه مهندسان نرم‌افزار آن کشورها را به سمت خلق الگوریتم‌های فوق‌العاده کم‌مصرف سوق داد. نتیجه این اتفاق برای کل اکوسیستم جهانی، افزایش کارایی و پایان دوران هزینه‌های غیرمنطقی در حوزه فناوری اطلاعات بوده است.

آینده اقتصاد هوش مصنوعی در سایه رقابت شرق و غرب

برنده بلامنازع این تحولات سریع، جامعه برنامه‌نویسان، استارتاپ‌های نوپا و در نهایت کاربران نهایی محصولات دیجیتال هستند. دسترسی به مدل‌های استدلالی در سال جاری دیگر نیازی به جذب سرمایه‌های میلیون دلاری ندارد و یک تیم دو نفره می‌تواند ابزارهایی بسازد که تا سه سال پیش به اندازه یک دپارتمان کامل نرم‌افزاری هزینه داشت.

هوش مصنوعی از یک سرویس گران‌قیمت و تشریفاتی به یک کالای مصرفی عمومی، دقیقاً مانند الکتریسیته و اینترنت تبدیل شده است. رقابت فشرده میان ایالات متحده و چین باعث شده تا هر چند ماه یک‌بار استانداردهای بازدهی سخت‌افزاری بازتعریف شوند و توسعه‌دهندگان بتوانند بدون نگرانی از هزینه‌های ابری، ایده‌های خلاقانه خود را پیاده‌سازی کنند. در افق پیش رو، شرکتی در این صنعت برنده خواهد ماند که بتواند با کمترین میزان مصرف انرژی در سرورها، باکیفیت‌ترین خروجی شناختی را به کاربران تحویل دهد.

سوالات متداول

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