بازسازی سه‌گانه رقابت در هوش مصنوعی، فشار هزینه‌های مدل‌های اوپن‌وییت

بازار هوش مصنوعی (AI) به سه محور رقابتی تقسیم شده است: مدل‌های مرزی بسته، مدل‌های اوپن‌وییت و شرکت‌های اپلیکیشن. تحلیل‌ها نشان می‌دهد که رقابت به جای اینکه بر اساس اینکه کدام شرکت زودتر مدل‌های با عملکرد بالا را ایجاد کرده است، به این سمت رفته که مشتریان شرکتی با چه هزینه‌ها و شرایط کنترلی از AI استفاده می‌کنند.

سوراب گوپتا (Saurabh Gupta) هم‌بنیان‌گذار و مدیر شریک DST Global در مقاله‌ای در فورچون، اقتصاد هوش مصنوعی در سال 2026 را به «مسئله سه‌گانه» تشبیه کرده است. او معتقد است که آزمایشگاه‌های مرزی بسته مانند OpenAI و Anthropic، مدل‌های اوپن‌وییت متمرکز بر چین و شرکت‌های اپلیکیشن که محصولات را بر اساس این دو مدل تولید می‌کنند، در حال تغییر مسیر یکدیگر هستند.

مدل‌های مرزی بسته به این معناست که توسعه‌دهندگان کنترل مدل و خدمات را در دست دارند و کاربران از طریق API یا محصولات به آن‌ها دسترسی پیدا می‌کنند. تا به حال، شرکت‌هایی که قوی‌ترین مدل‌ها را دارند، به وضوح رهبری بازار را در دست داشتند، اما با افزایش هزینه‌های AI، مشتریان شرکتی شروع به بررسی بازده سرمایه‌گذاری و مسائل کنترل داده کرده‌اند.

مقاله فورچون به افزایش تقاضا برای Anthropic، فشار بازده سرمایه‌گذاری هزینه‌های AI و معرفی Muse Spark 1.1 از متا (Meta) و Grok 4.5 از xAI به عنوان تغییرات اخیر اشاره کرده است. این به این معناست که رقابت عملکردی بین مدل‌های بسته ادامه دارد و هزینه و انعطاف‌پذیری توزیع به عنوان محورهای رقابتی جداگانه ظهور کرده‌اند.

حضور جبهه اوپن‌وییت نیز افزایش یافته است. Moonshot در اعلام رسمی Kimi K3، ۲۸ تریلیون پارامتر و ۱ میلیون توکن زمینه را معرفی کرد و Z.ai اعلام کرد که GLM-5.2 دارای ۷۵۳ میلیارد پارامتر و وزن‌های عمومی و مجوز MIT است.

اوپن‌وییت به معنای کد منبع کاملاً عمومی نیست. حتی اگر دسترسی به وزن‌های مدل مجاز باشد، داده‌های آموزشی، کد و حقوق توزیع همه آزاد نیستند و باید مجوزها و شرایط استفاده هر مدل را به طور جداگانه بررسی کرد.

این روند به گسترش مدل‌های اوپن‌وییت با هزینه پایین توسط شرکت‌های چینی که پیش‌تر گزارش شده بود، مرتبط است. در آن زمان، تحلیل‌ها نشان می‌داد که شرکت‌های AI چینی در شرایط دسترسی محدود به نیمه‌هادی‌ها، با تأکید بر کارایی مدل و اکوسیستم توسعه‌دهندگان خارجی، در حال رقابت با مدل‌های بسته شرکت‌های آمریکایی هستند.

شرکت‌های آمریکایی نیز استراتژی مدل‌های عمومی را دنبال می‌کنند. Thinking Machines در ۱۵ ژوئیه Inkling را منتشر کرد و NVIDIA ($NVDA) خانواده محصولات Nemotron 3 را به سه مدل عمومی Nano، Super و Ultra معرفی کرد.

NVIDIA در بیانیه‌ای اعلام کرد که به توسعه‌دهندگان این امکان را می‌دهد که مدل‌های AI متناسب با وظایف خاص خود را ایجاد کنند و مدل‌های عمومی و داده‌ها و کتابخانه‌ها را ارائه می‌دهد. این حرکت به عنوان تلاشی برای هدف قرار دادن تقاضا برای ترکیب مدل‌های مختلف به جای استفاده از مدل‌های مرزی بسته برای انجام تمام وظایف تعبیر می‌شود.

برای شرکت‌های اپلیکیشن، هزینه به عنوان یک متغیر مستقیم مطرح است. Posit AI در ۱۰ اوت Kimi K3 و GLM-5.2 را به مجموعه محصولات خود اضافه کرد و توضیح داد که این دو مدل با هزینه‌ای کمتر از مدل‌های بسته‌ای که عملکرد مشابهی دارند، ارائه می‌شوند.

این انتخاب‌ها نشان می‌دهد که شرکت‌های اپلیکیشن به جای وابستگی به یک مدل بسته، در حال انتخاب مدل‌ها بر اساس وظایف مختلف هستند. شرکت‌های اپلیکیشن که دارای نقاط تماس با مشتری و داده‌های کاری هستند، می‌توانند علاوه بر عملکرد مدل، هزینه، زمان تأخیر و شرایط امنیتی را نیز مقایسه کنند.

سرعت رشد آزمایشگاه‌های مرزی نیز سریع است. رویترز گزارش داد که درآمد سالانه تخمینی Anthropic در پایان ژوئیه به بیش از ۶۵ میلیارد دلار (حدود ۹۰ تریلیون تومان) رسیده است و Business Times گزارش داد که درآمد سالانه تخمینی OpenAI بیش از ۴۰ میلیارد دلار (حدود ۵۵ تریلیون تومان) است.

با این حال، این اعداد نشان‌دهنده درآمد سالانه حسابرسی شده نیستند، بلکه معیاری از سطح فعلی درآمد به صورت سالانه هستند. این می‌تواند به عنوان نشانه‌ای از افزایش تقاضا برای مدل‌های AI با عملکرد بالا در نظر گرفته شود، اما باید از عملکرد واقعی سالانه یا معیارهای سودآوری متمایز شود.

ریسک‌های سیاسی نیز باقی مانده‌اند. رویترز گزارش داد که دولت ترامپ به شرکت‌های AI اعلام کرده است که مدل‌های AI اوپن‌وییت را در فهرست آزمایش‌های ایمنی داوطلبانه قرار نخواهد داد. این روند مشابه بحث‌های پیشین کاخ سفید درباره بررسی داوطلبانه مدل‌های مرزی بسته AI است.

همچنین این گزارش مدل‌هایی با اجزای کلیدی عمومی و مدل‌های بسته‌ای که تحت کنترل شرکت‌های خاص هستند را تفکیک کرده است. با گسترش اوپن‌وییت، بحث درباره اینکه چه کسی مسئول تأیید امنیت و توزیع خواهد بود، نیز افزایش خواهد یافت.

این مسئله برای شرکت‌های کره‌ای نیز به هزینه‌های پذیرش AI و کنترل داده‌ها مرتبط است. هنگام انتخاب AI برای کار، نمی‌توان تنها مدل‌های بسته‌ای مانند OpenAI یا Anthropic را مقایسه کرد و باید مدل‌های اوپن‌وییت چینی، مدل‌های عمومی آمریکایی و خدمات اپلیکیشن ترکیبی را نیز بررسی کرد.

با توجه به حقایق تأیید شده فعلی، به نظر می‌رسد که تعادل بازار AI به یک سمت تنظیم نشده است. مدل‌های بسته در حال افزایش درآمد و عملکرد هستند، مدل‌های اوپن‌وییت بر هزینه و انعطاف‌پذیری توزیع تأکید دارند و شرکت‌های اپلیکیشن به شیوه‌ای ترکیبی به این بازار پاسخ می‌دهند.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.