ابزارهای رایگان هوش مصنوعی جای خود را به اشتراک‌های پولی می‌دهند

به گزارش خبرگزاری آنا؛ تزریق صد‌ها میلیارد دلار بودجه به شرکت‌هایی نظیر اوپن‌ای‌آی و آنتروپیک در سال‌های اخیر، بستر لازم را برای توسعه مراکز داده بزرگ فراهم کرد، اما حالا شرایط تغییر کرده است. حامیان مالی این مجموعه‌ها پس از گذشت چند سال، انتظار بازگشت سود دارند و همین موضوع ارائه‌دهندگان مدل‌ها را مجاب کرده است روش‌های درآمدزایی جدیدی را پیش بگیرند. محدودیت‌های اخیر شرکت آنتروپیک روی ابزار‌های شخص ثالث نظیر پلتفرم اوپن‌کلاو، اولین نشانه آشکار از این چرخه جدید مالی است. مدیران این مجموعه رسماً اعلام کرده‌اند اشتراک‌های قدیمی توان تحمل بار پردازشی ابزار‌های کمکی جدید را ندارند و روند فعلی برای پایداری بلندمدت خدمات باید تغییر کند.

این وضعیت شباهت زیادی به شیوه رشد استارتاپ‌های فناوری در دهه گذشته دارد؛ دوره‌ای که در آن سرمایه‌های خطرپذیر ابتدا هزینه خدماتی مثل تاکسی‌های اینترنتی یا تحویل غذا را تامین می‌کردند تا بخش عمده بازار فتح شود و سپس قیمت‌ها بالا رفت. تفاوت اصلی در این میان، سرعت بالای مصرف بودجه در بخش هوش مصنوعی است. ساخت مراکز داده عظیم در سراسر جهان هزینه‌های فراتر از تصوری به همراه دارد و حتی متوقف کردن روند زیان‌دهی این شرکت‌ها کار دشواری است، چه رسد به اینکه سود‌های مدنظر سرمایه‌گذاران محقق شود.

آمار نجومی مورد نیاز برای توجیه هزینه‌های جاری

داده‌های موسسه تحقیقاتی و ارزیابی اقتصادی گارتنر نشان می‌دهد حجم سرمایه‌گذاری روی مراکز داده هوش مصنوعی بین سال‌های ۲۰۲۴ تا ۲۰۲۹ به حدود ۶.۳ تریلیون دلار خواهد رسید. ارائه‌دهندگان بزرگ مدل‌ها برای فرار از سقوط ارزش دارایی‌ها باید بازدهی ۲۵ درصدی از این سرمایه کسب کنند، یعنی همان سطحی که شرکت‌های بزرگی، چون مایکروسافت و گوگل به طور میانگین ثبت می‌کنند. کارشناسان گارتنر پیش‌بینی می‌کنند شرکت‌های فعال در این حوزه برای رسیدن به حداقل سودآوری، نیاز به درآمدزایی نزدیک به ۷ تریلیون دلاری تا سال ۲۰۲۹ دارند که این رقم به معنای درآمد سالانه ۲ تریلیون دلار در سال‌های پایانی این دوره است.

ابزار اصلی کسب درآمد این شرکت‌ها، فروش پورت‌ها و کد‌های دسترسی بر پایه واحدی به نام توکن است. توکن به کوچک‌ترین بخش از داده‌های ورودی نظیر کلمات یا تصاویر گفته می‌شود که مدل توانایی درک آن را دارد. شرکت‌های بزرگ برای تامین خواسته‌های مالی سرمایه‌گذاران باید حجم مبادلات توکن خود را به ارقام نجومی برسانند. طبق برآورد‌های آماری، مصرف کنونی توکن‌ها در جهان باید بین ۵۰ هزار تا ۱۰۰ هزار برابر رشد کند تا سود خالص مدنظر حاصل شود؛ حجمی که زیرساخت‌ها و پهنای باند فعلی جهان توانایی پردازش و تحمل بار ترافیکی آن را ندارند.

انفجار ابزار‌های استدلال و افزایش مخارج پردازش

بخش زیادی از بالا رفتن مخارج شرکت‌ها به تغییر ماهیت ابزار‌های هوش مصنوعی مربوط می‌شود. در روز‌های اولیه توسعه این فناوری، بخش عمده بودجه صرف آموزش اولیه مدل‌ها می‌شد و مرحله پاسخ‌گویی به سوالات کاربران هزینه کمتری داشت، اما اکنون با ورود مدل‌های استدلالی و عامل‌های هوشمند، این توازن به طور کامل به هم خورده است. این ابزار‌های جدید که برای انجام وظایف چندمرحله‌ای و پیچیده طراحی شده‌اند، میزان توکن بسیار بیشتری مصرف می‌کنند. مدل‌های استدلال‌محور برای حل یک مسئله ساده، فرآیند‌های پشت صحنه متعددی نظیر بررسی مسیر‌های مختلف، راه‌اندازی مدل‌های فرعی و تایید صحت مراحل را انجام می‌دهند که کاربر متوجه آن‌ها نمی‌شود، اما همین مکالمه درونی مدل با خود، هزاران توکن مصرف می‌کند.

این مصرف بی‌رویه سبب شده است ظرفیت پردازشی شرکت‌ها پر شود و خطوط ارتباطی تحت فشار قرار گیرند. هدررفت توکن‌ها در مسیر‌های اشتباه پردازشی نیز هزینه پنهان دیگری است که شرکت‌ها با توسعه مدل‌های کوچک‌تر و هدفمندتر سعی در کاهش آن دارند. با این حال، تلاش برای کاهش مصرف توکن با هدف اصلی شرکت‌ها مبنی بر فروش بیشتر داده‌ها تناقض دارد و این پارادوکس، بازار را با سردرگمی مواجه کرده است.

تغییر استراتژی کسب‌وکار‌ها و مهاجرت به مدل‌های متن‌باز

کسب‌وکار‌های توسعه‌دهنده نرم‌افزار که خدمات خود را بر پایه مدل‌های بزرگ بنا کرده بودند، در واکنش به افزایش قیمت‌ها استراتژی‌های خود را تغییر می‌دهند. برخی از این مجموعه‌ها برای کنترل مخارج و حفظ حاشیه سود، بخشی از فعالیت‌های خود را به سمت مدل‌های متن‌باز هدایت کرده‌اند یا سرور‌های اختصاصی خود را در بستر شبکه‌های ابری راه‌اندازی می‌کنند. تغییرات مداوم در تعرفه‌ها و جابجایی سقف مصرف اشتراک‌های ثابت، مدیران شرکت‌های ثانویه را مجبور کرده است زمان و بودجه زیادی را صرف ارزیابی مدل‌های ارزان‌تر کنند تا متوجه شوند کدام ابزار برای کار‌های مشخص کارایی کافی را دارد.

پلتفرم‌های گفت‌و‌گو محور نیز برای جبران بخشی از هزینه‌های سرسام‌آور خود به سمت تبلیغات درون‌برنامه‌ای حرکت کرده‌اند؛ روشی که نمونه آن در ماه‌های اخیر در پلتفرم چت‌جی‌پی‌تی مشاهده شد. با وجود پیشرفت مدل‌های متن‌باز، بررسی‌ها نشان می‌دهد این گزینه‌ها در بخش‌های تخصصی مانند برنامه‌نویسی و کدنویسی پیشرفته هنوز توان رقابت با مدل‌های تراز اول تجاری را ندارند. این وابستگی فنی به شرکت‌های توسعه‌دهنده اصلی اجازه می‌دهد به محض مواجهه با مشتریان شرکتی و بزرگ، تعرفه‌های خود را به شدت افزایش دهند.

فرضیه دایناسوری و آینده مبهم بازار هوش مصنوعی

تحلیل‌گران وضعیت کنونی این صنعت را به «پارادوکس استگوزاروس» تشبیه می‌کنند؛ دایناسور بزرگی که دانشمندان در ابتدا نمی‌دانستند چطور بدنی به آن عظمت با یک سر و دهان کوچک تغذیه می‌شده است. فرضیه نهایی این بود که این موجود باید به طور مداوم از مواد بسیار مغذی تغذیه می‌کرد. در دنیای فناوری نیز، مدل‌های هوش مصنوعی همان جثه بزرگ هستند که دهان کوچک آن‌ها یعنی زنجیره فعلی اقتصاد فناوری توانایی تامین انرژی آن‌ها را ندارد. بقای این سیستم منوط به این است که هوش مصنوعی مولد در تمام لایه‌های اقتصاد جهانی، از بیلبورد‌های تبلیغاتی گرفته تا کیوسک‌های فروشگاهی تزریق شود و شرکت‌های سازنده از تمام این تراکنش‌ها سهم بردارند.

پیش‌بینی‌ها نشان می‌دهد بسیاری از شرکت‌های فعلی به دلیل ناتوانی در کنترل نرخ مصرف نقدینگی دوام نخواهند آورد و ادغام بازار‌ها امری اجتناب‌ناپذیر خواهد بود. در نهایت ممکن است تنها دو ارائه‌دهنده بزرگ در هر بازار منطقه‌ای باقی بمانند. بازار به زودی از تب‌وتاب پیدا کردن «بهترین مدل کل جهان» فاصله می‌گیرد و تمرکز خود را روی کاربرد‌های شخصی‌سازی‌شده و اقتصادی برای هر کسب‌وکار معطوف خواهد کرد؛ رویکردی که مشخص می‌کند استراتژی جذب کاربر با خدمات مجانی، یک مدل تجاری پایدار نبوده و دوران سرمایه‌گذاری‌های بدون بازگشت به پایان رسیده است.