شرکتی که بالاخره از هوش مصنوعی استفاده کرد، متوجه شد که کسب و کارش توسط شرکت‌های مدل بزرگ ربوده شده است

عنوان اصلی:《شرکتی که بالاخره از هوش مصنوعی استفاده کرد، متوجه شد که کسب و کارش توسط شرکت‌های مدل بزرگ ربوده شده است》
نویسندگان: یوانگ یوان، جینگ یو، پارک جیک

نه تنها پول شما را می‌خواهند، بلکه کسب و کار شما را نیز می‌خواهند. در تاریخ 1 ژوئیه، الکس کارپ، مدیرعامل پالانتیر، وارد استودیوی CNBC شد و با لحنی نزدیک به جنون بمب بزرگی را پرتاب کرد.

او گفت که صنعت هوش مصنوعی «دیوانه‌کننده» است و مدیران عامل شرکت‌های آمریکایی نسبت به OpenAI و Anthropic «عصبانی» هستند. او گفت که شرکت‌ها در حال انجام کاری مضحک هستند - در حالی که به شدت برای توکن‌ها هزینه می‌کنند، داده‌های عملیاتی اصلی خود را به مدل‌های تأمین‌کننده می‌سپارند. و ارزش تجاری که در عوض دریافت می‌کنند، تقریباً غیرقابل اندازه‌گیری است.

مجری از او پرسید که آیا این به معنای «پاسخ‌گویی» است. کارپ پاسخ داد: «نه، من فقط در حال بیان واقعیت هستم.»

در آن روز، قیمت سهام پالانتیر 9 درصد افزایش یافت. این عدد خود یک رأی‌گیری است - بازار معتقد است که او آنچه را که بسیاری از مردم می‌خواستند بگویند، اما نتوانستند، بیان کرده است.

این تنها یک ابراز احساسات فردی نیست. وقتی که رئیس شرکتی با ارزش بیش از 100 میلیارد دلار در یک پخش زنده ملی به کل صنعت مدل بزرگ حمله می‌کند و بازار با پول واقعی بازخورد مثبت می‌دهد، این نشان‌دهنده این است که یک احساس جمعی به نقطه بحرانی رسیده است.

در دو سال گذشته، همه در مورد چگونگی پذیرش مدل‌های بزرگ صحبت کرده‌اند. اما اکنون، یک سوال جدید در حال ظهور است - آیا شرکت‌ها که به مدل‌های بزرگ نزدیک می‌شوند، ممکن است توسط آن‌ها پاره شوند؟

### 01 از «ساده‌لوحی» به «عدم سادگی»

به یاد بیاورید که در اوایل سال 2024، نگرش شرکت‌ها نسبت به مدل‌های بزرگ را می‌توان با چهار کلمه خلاصه کرد - «اول استفاده کن».

مهم نیست که ROI چیست، مهم نیست که داده‌ها به کجا می‌روند، به هر حال نباید عقب بمانند. روایت اصلی در آن زمان این بود که «انقلاب هوش مصنوعی آمده است، اگر پذیرش نکنید، حذف خواهید شد». CIOها و CTOهای صنایع مختلف تحت فشار زیادی قرار داشتند تا هوش مصنوعی را در هر بخش از کسب و کار خود جا دهند. این یک تصمیم‌گیری ناشی از ترس تکنولوژیکی است.

تا سال 2025، «گسترش کامل» به کلیدواژه تبدیل شد. شرکت‌ها شروع به جدی گرفتن ادغام مدل‌های بزرگ در فرآیندهای اصلی کسب و کار خود کردند و دیگر فقط به دموها و هکاتون‌های داخلی بسنده نکردند. از خدمات مشتری تا تولید کد، از تحلیل بازار تا طراحی محصول، عمق و وسعت نفوذ هوش مصنوعی به طور نمایی در حال گسترش است.

اما در سال 2026، یک تغییر ظریف در حال وقوع است.

داده‌های تحقیقاتی Salesforce نشان می‌دهد که تنها نیمی از رهبران IT به زیرساخت‌های داده‌ای شرکت خود اعتماد دارند که بتواند موفقیت هوش مصنوعی را پشتیبانی کند. گزارش تحقیقاتی NTT DATA که در ماه مه امسال منتشر شد، به طور مستقیم از واژه «به دیوار خوردن» استفاده کرد - هوش مصنوعی شرکت‌ها در حال مواجهه با موانع ساختاری ناشی از الزامات حریم خصوصی و حاکمیت داده‌ها است. گارتنر پیش‌بینی می‌کند که تا سال 2027، 35 درصد از کشورها به پلتفرم‌های هوش مصنوعی منطقه‌ای وابسته خواهند شد، در حالی که این عدد در حال حاضر تنها 5 درصد است.

کارپ این تغییر را به طور واضح‌تر بیان کرد. او گفت که شرکت‌ها در حال حرکت از «توکن‌سازی» بی‌فکر به سمت پرسش واقعی در مورد بازگشت سرمایه هستند. «مفهوم اصلی این است که دیگر وقت خود را روی توکن‌ها هدر نکنید.»

این به معنای انکار مدل‌های بزرگ نیست، بلکه کل صنعت در حال حرکت از «ساده‌لوحی» به سمت «عدم سادگی» است. پس از دوره هیجان، شرکت‌ها شروع به بررسی یک سوال بنیادی با نگاهی خنک‌تر کردند - آیا آنچه را که به دیگران می‌دهند و آنچه را که دریافت می‌کنند، می‌توانند حساب کنند؟

### 02 وقتی شرکای تجاری به رقبای شما تبدیل می‌شوند

انتقادات کارپ هنوز در سطح مدل کسب و کار باقی مانده است. اما آنچه واقعاً باعث ترس می‌شود، یک تهدید مستقیم‌تر است - تأمین‌کننده خدمات هوش مصنوعی شما ممکن است در حال استفاده از داده‌ها و درک صحنه‌هایی باشد که شما ارائه می‌دهید، برای ساخت محصولی که شما را جایگزین کند.

آنچه در آوریل 2026 اتفاق افتاد، این نگرانی را از نظریه به واقعیت تبدیل کرد.

در ماه فوریه، Figma و Anthropic هنوز در حال همکاری برای توسعه ویژگی‌ای به نام «Code to Canvas» بودند که کد تولید شده توسط Claude را به طور یکپارچه در فرآیند طراحی Figma ادغام می‌کرد. به نظر می‌رسید که این دو شرکت شرکای نزدیک هستند.

در تاریخ 14 آوریل، مایک کریگر، مدیر محصول Anthropic، به آرامی از سمت خود در هیئت مدیره Figma استعفا داد.

سه روز بعد، Anthropic Claude Design را منتشر کرد - ابزاری طراحی هوش مصنوعی که می‌تواند به طور مستقیم با زبان طبیعی پروتوتایپ‌های تعاملی، PPT و مواد بازاریابی تولید کند و به طور دقیق با کسب و کار اصلی Figma رقابت کند.

قیمت سهام Figma در آن روز نزدیک به 8 درصد کاهش یافت.

در گزارشی که بعداً توسط Fast Company منتشر شد، یک جزئیات جالب وجود دارد - Figma و شرکت‌هایی مانند Adobe و Canva سال‌ها با Anthropic همکاری داشته‌اند، اما قبل از انتشار Claude Design، هیچ‌کس مطلع نشده بود. همه به طور ناگهانی متوجه شدند که شریک هوش مصنوعی آن‌ها در زیر چشمشان به رقیب تبدیل شده است.

این داستان به دلیل اینکه یک مشکل ساختاری خطرناک‌تر از هر زمان دیگری را در عصر مدل‌های بزرگ افشا می‌کند، ارزش تفکر دارد - وقتی شما با شرکت‌های هوش مصنوعی به طور عمیق همکاری می‌کنید، نه تنها ورودی‌های بازار را به آن‌ها می‌دهید، بلکه درک صحنه‌های اصلی و داده‌های نیازهای کاربران خود را نیز به آن‌ها می‌سپارید.

Anthropic توانست Claude Design را بسازد، به طور عمده به این دلیل که در همکاری با شرکت‌های ابزار طراحی، به درک عمیقی از فرآیند کار و نقاط درد طراحان دست یافته است.

اما اگر دیدگاه را وسیع‌تر کنیم، این یک سناریوی جدید در تاریخ فناوری نیست.

آمازون از یک پلتفرم تجارت الکترونیک به برند خود تبدیل شد و با استفاده از داده‌های پلتفرم، سودآورترین دسته‌ها را شناسایی کرد و سپس محصولات خود را برای از بین بردن فروشندگان ثالث معرفی کرد. مایکروسافت از سیستم‌عامل شروع کرد و مرورگر، نرم‌افزار اداری و ابزارهای ارتباطی را یکی یکی به خود جذب کرد - Netscape کشته شد و Slack مجبور به فروش شد. گوگل از موتور جستجو گسترش یافت و با استفاده از صفحات نتایج جستجو به طور مستقیم به سوالات کاربران پاسخ داد و Yelp و بسیاری از خدمات اطلاعاتی عمودی را حاشیه‌ای کرد.

قانون آهنین صنعت فناوری هرگز تغییر نکرده است - هنگامی که یک پلتفرم به اندازه کافی داده و درک کاربر را داشته باشد، به سمت بالا نفوذ خواهد کرد.

در عصر مدل‌های بزرگ، این قانون به شدت قوی‌تر شده است، زیرا نفوذ سنتی پلتفرم‌ها هنوز به زمان نیاز دارد تا درک را جمع‌آوری کند، در حالی که مدل‌های بزرگ به طور طبیعی یک «شتاب‌دهنده درک» هستند. هر بار که شما یک API فراخوانی می‌کنید یا هر داده تجاری را وارد می‌کنید، به تأمین‌کنندگان مدل کمک می‌کنید تا سریع‌تر و عمیق‌تر قلمرو شما را درک کنند.

### 03 «حدود لاکی» در عصر هوش مصنوعی

در نجوم، یک مفهوم به نام «حدود لاکی» وجود دارد - وقتی یک جسم آسمانی خیلی نزدیک به یک ستاره با جرم زیاد باشد، نیروی جزر و مدی بر نیروی گرانشی خود آن غلبه می‌کند و جسم آسمانی پاره می‌شود.

این استعاره برای توصیف رابطه امروز شرکت‌ها با مدل‌های بزرگ به طرز نگران‌کننده‌ای دقیق است.

مدل‌های بزرگ همان ستاره با جرم زیاد هستند. هر شرکتی می‌خواهد از نیروی آن برای تسریع - افزایش بهره‌وری، کاهش هزینه‌ها و نوآوری استفاده کند. اما مشکل این است که وقتی شما به اندازه کافی نزدیک می‌شوید، «مواد» شما شروع به جدا شدن می‌کند. داده‌های شما، دانش فنی شما و درک شما از نیازهای کاربران، در فرآیند همکاری به سمت مرکز نیروی جاذبه می‌رود.

و شرکت‌ها چگونه می‌توانند «با هوش مصنوعی برقصند» بدون اینکه در نهایت بلعیده شوند؟ مرز این سوال کجاست؟

این سوال در ایالات متحده در حال بررسی است. اما اگر فکر می‌کنید که این موضوع هنوز برای شرکت‌های چینی دور است، ممکن است این یک توهم باشد.

شرکت‌های چینی و آمریکایی در ریتم استفاده از هوش مصنوعی تفاوت دارند. شرکت‌های آمریکایی وارد مرحله استقرار هوش مصنوعی در مقیاس بزرگ و عمیق در کسب و کار شده‌اند، در حالی که شرکت‌های چینی به طور کلی هنوز در حال حرکت از آزمایش به مقیاس هستند. تحقیقی که در ماه مارس توسط لنوو و IDC منتشر شد نشان می‌دهد که 72 درصد از شرکت‌های داخلی به طور رسمی از هوش مصنوعی در 3.5 سناریو استفاده کرده‌اند. اما تمرکز چالش‌ها نیز از «کمبود قدرت محاسباتی و داده» به «نتایج نامطلوب کاربرد» و «عدم وضوح ROI» تغییر کرده است.

به عبارت دیگر، شرکت‌های چینی در حال ورود به «دوره بیداری هوش مصنوعی» مشابه شرکت‌های آمریکایی هستند.

پارک جیک اخیراً در گفتگو با بسیاری از کارآفرینان و شرکت‌های با کسب و کار سنتی، یک پدیده جالب را کشف کرده است - تفکر در مورد این مسائل، بسیاری از اوقات ناشی از «نگرانی از اینکه شرکت‌های مدل کسب و کار من را می‌ربایند» نیست، بلکه در واقع پس از اینکه هوش مصنوعی به طور واقعی در کسب و کار جا می‌گیرد، به طور طبیعی شروع به بازتعریف «در عصر هوش مصنوعی، ارزش اصلی من چیست؟» می‌شود.

این بازتعریف در نهایت به دو توانایی کلیدی می‌رسد.

### 04 چه کسی «زیرساخت هوش مصنوعی» را کنترل می‌کند؟

اولین و واقع‌گرایانه‌ترین، کاملاً با آنچه کارپ گفت هم‌راستا است - داده‌ها و منطق کسب و کار شما، در واقع بر روی زیرساخت چه کسی اجرا می‌شود؟

کارپ در CNBC به طور مکرر بر این نکته تأکید کرد. داده‌های عملیاتی حساس‌ترین شرکت‌ها نباید به جعبه سیاه تأمین‌کنندگان مدل‌های شخص ثالث برود. او پالانتیر را به عنوان لایه کاربردی «هوش مصنوعی حاکمیتی» معرفی کرد - مدل‌ها می‌توانند از دیگران استفاده شوند، اما داده‌ها باید در دیوارهای خود شرکت باقی بمانند و استقرار باید بر روی زیرساخت‌های قابل کنترل خود انجام شود.

این یک نوع وسواس نیست، احساس واقعی شرکت‌های داخلی نیز کاملاً مشابه است. هوانگ وی‌جی، مسئول تولید و تحقیق WPS 365، به تازگی جمله‌ای بسیار به جا گفت - «امروز آنچه شرکت‌ها کم دارند، سخت‌افزار و مدل نیست، بلکه یک لایه کاربردی هوش مصنوعی امن است.»

داده‌های IDC نیز این روند را تأیید می‌کند، در استقرار قدرت محاسباتی هوش مصنوعی شرکت‌ها، سهم ابر عمومی در حال کاهش است و سهم کل ابر خصوصی و استقرار محلی از 54 درصد به 69 درصد افزایش یافته است. «داده‌ها از دامنه خارج نمی‌شوند» در حال تبدیل شدن به اولین شرط انتخاب CTOها است.

Karp این را "شناخت کالایی commodity cognition" می‌نامد. او معتقد است که کیفیت خود مدل‌ها در حال همگرایی است و ارزش واقعی تمایز در لایه مدل نیست، بلکه در لایه کاربردی است که توانایی‌های مدل را با سناریوهای خاص شرکت‌ها پیوند می‌زند. "موتور هوش مصنوعی حاکمیتی" که Palantir با همکاری NVIDIA راه‌اندازی کرده، محصولی از این منطق است------ با استفاده از مدل‌های متن‌باز و لایه‌های هستی‌شناسی و چارچوب حکمرانی Palantir، به شرکت‌ها اجازه می‌دهد که هوش مصنوعی را در محیطی کاملاً قابل کنترل اجرا کنند، بدون اینکه حتی یک بایت داده خارج شود. درآمد Palantir در سه‌ماهه اول سال 2026 به 16.3 میلیارد دلار رسید که نسبت به سال گذشته 85 درصد افزایش داشته است، که به نوعی رأی بازار به این مسیر است.

یک سیگنال قابل توجه در اینجا وجود دارد------ شرکت‌ها و راه‌حل‌هایی که به آنها کمک می‌کنند تا هوش مصنوعی را "بر روی پایه‌های خود" اجرا کنند، در آینده بیشتر مورد توجه خواهند بود. در داخل کشور، "مغز خصوصی هوش مصنوعی" به یک مسیر واقعی تبدیل شده است و بسیاری از شرکت‌های نوپا در حال توسعه محصولات در این راستا هستند. این یک وسواس تکنولوژیکی نیست، بلکه انتخابی منطقی است که شرکت‌ها پس از تفکر دقیق انجام می‌دهند.

05 سازمان را به یک "دستگاه تکرار" تبدیل نکنید

دومین توانایی، که کمی سخت‌تر قابل اندازه‌گیری است، اما در ارتباط با شرکت‌ها، احساس آن روز به روز قوی‌تر می‌شود------ وقتی هوش مصنوعی می‌تواند بخش‌های اجرایی بیشتری را جایگزین کند، در سازمان به چه نوع "انسانی" نیاز داریم؟

برخی از شرکت‌هایی که سریع‌تر حرکت کرده‌اند، از این مشکل عبور کرده‌اند.

وقتی هوش مصنوعی در برخی مراحل به وضوح از انسان‌ها کارآمدتر است، یک فکر طبیعی این است که "انسان‌ها را حذف کنیم". اما پس از نازک شدن سازمان، یک مشکل پنهان شروع به ظهور می‌کند------ چیزهایی که هوش مصنوعی اجرا می‌کند، در واقع "بهترین شیوه‌ها"یی هستند که این افراد در محیط‌های قدیمی به وجود آورده‌اند. وقتی محیط تغییر می‌کند، بازار تغییر می‌کند و کاربران تغییر می‌کنند، هوش مصنوعی هنوز به طور وفادارانه آن منطق قدیمی را اجرا می‌کند، در حالی که در سازمان دیگر انسان‌های کافی برای درک این تغییرات و پیشبرد کسب‌وکار وجود ندارد.

به عبارت دیگر، یک سازمان پر از هوش مصنوعی اما خالی از انسان، احتمالاً فقط در حال تکرار کارهای گذشته به طور مؤثر است.

این به این معنا نیست که نباید از هوش مصنوعی برای جایگزینی اجرا استفاده کرد. بلکه به این معناست که وقتی هوش مصنوعی بخش‌های اجرایی بیشتری را در دست می‌گیرد، شرکت‌ها به نوع دیگری از انسان‌ها نیاز دارند------ نه به معنای سنتی کسانی که وظایف خاصی را انجام می‌دهند، بلکه به کسانی که می‌توانند هوش مصنوعی را "هدایت" کنند. این نقش نیاز به درک کلی از کسب‌وکار دارد، می‌تواند قضاوت کند که آیا خروجی‌های هوش مصنوعی هنوز برای واقعیت در حال تغییر مناسب است و می‌تواند در کنار "بهترین راه‌حل" ارائه شده توسط هوش مصنوعی، امکانات جدیدی را ببیند.

برخی از شرکت‌های پیشرو در حال حاضر به طور جدی به این مسئله فکر کرده‌اند. آنها متوجه شده‌اند که پس از ورود هوش مصنوعی، واقعاً قدرت رقابتی در این نیست که "چند نفر را با هوش مصنوعی جایگزین کرده‌ای"، بلکه در این است که "آیا انسان‌های تو می‌توانند هوش مصنوعی را هدایت کنند تا کارهایی را انجام دهند که قبلاً نمی‌توانستند". اگر فقط اجازه دهید هوش مصنوعی به طور خودکار و مداوم در داده‌های تاریخی عمل کند، در واقع شما به نوعی در یک تصویر ثابت از گذشته قفل شده‌اید.

اهمیت این تغییر شناخت ممکن است به اندازه حاکمیت داده‌ها مهم باشد. وقتی هوش مصنوعی موانع تکنولوژیکی را هموار می‌کند، "قضاوت انسانی" و "توانایی تکامل سازمان" به سختی قابل کپی شدن می‌شود. برخی از شرکت‌ها به این موضوع پی برده‌اند، برخی هنوز نه. اما این مرز، احتمالاً در یک یا دو سال آینده بسیار واضح خواهد شد.

06 صنعت به "شرکت‌های جدید هوش مصنوعی" نیاز دارد

در دو سال گذشته، یک فرض ضمنی بر کل صنعت حاکم بوده است------ ارزش عصر هوش مصنوعی در نهایت در دستان شرکت‌های مدل متمرکز خواهد شد. هر چه به مدل نزدیک‌تر باشید، ارزش بیشتری خواهید داشت.

این فرض در حال تزلزل است.

Karp در CNBC در واقع یک نکته را روشن کرد------ خود مدل‌ها در حال تبدیل شدن به شناخت کالایی هستند. وقتی فاصله توانایی‌های مدل‌های بزرگ‌تر کمتر و کمتر می‌شود، تمایز واقعی دیگر در لایه مدل نیست. یک ساختار صنعتی که فقط به شرکت‌های مدل وابسته باشد، نه تنها برای شرکت‌ها سالم نیست، بلکه سرعت توسعه کل صنعت هوش مصنوعی را نیز محدود می‌کند.

شرکت‌ها هرگز به یک مدل قوی‌تر نیاز نداشته‌اند. آنها به یک اکوسیستم کامل نیاز دارند------ که بتواند به نگرانی‌های حاکمیت داده‌ها پاسخ دهد، از موانع رقابتی در برابر "سوراخ شدن" محافظت کند و به هوش مصنوعی اجازه دهد که به طور واقعی در کسب‌وکار گنجانده شود بدون اینکه از کنترل خارج شود. این نیاز در حال ایجاد بازاری بسیار پیچیده‌تر از "فروش توکن" است.

چندین جهت سیگنال‌های روشنی دارند.

"زیرساخت‌های هوش مصنوعی حاکمیتی" در حال تبدیل شدن به یک مسیر واقعی و با سرمایه‌گذاری‌های کلان است. این یک مفهوم نیست. تنها در نیمه اول سال 2026، سه شرکت در اروپا که زیرساخت‌های هوش مصنوعی حاکمیتی را ارائه می‌دهند (Nebius، nScale، AtlasEsge) مجموعاً بیش از 118 میلیارد دلار جذب کرده‌اند. چند روز پیش، Valarian در لندن 50 میلیون دلار در دور A جذب کرد و کارش بسیار مشخص است------ اضافه کردن یک لایه "کنترل حاکمیتی" بین سیستم‌های هوش مصنوعی و داده‌های حساس، تعیین اینکه کدام هوش مصنوعی می‌تواند به کدام داده‌ها دسترسی پیدا کند و تحت چه شرایطی. چنین نیازی دو سال پیش وجود نداشت، اکنون دولت‌ها و شرکت‌های بزرگ در صف ایستاده‌اند.

"دروازه‌های هوش مصنوعی" و لایه‌های ترتیب‌دهی، در حال تبدیل شدن به بخشی ضروری از معماری هوش مصنوعی شرکت‌ها هستند. وقتی یک شرکت همزمان از OpenAI، Anthropic، مدل‌های متن‌باز و مدل‌های اختصاصی خود استفاده می‌کند، چه کسی باید مسیرهای یکسان، کنترل هزینه، حکمرانی مجوز و حسابرسی را انجام دهد؟ این موقعیت در عصر نرم‌افزار سنتی به عنوان میان‌افزار شناخته می‌شد و در عصر هوش مصنوعی به عنوان دروازه یا لایه ترتیب‌دهی شناخته می‌شود. این جذاب نیست، اما این زیرساخت کلیدی برای انتقال شرکت‌ها از "استفاده از هوش مصنوعی" به "مدیریت هوش مصنوعی" است. در واقع، Palantir همین لایه را انجام می‌دهد، فقط اینکه نسخه سنگین‌ترین آن را انجام داده است. راه‌حل‌های سبک‌تر و مناسب برای شرکت‌های با اندازه‌های مختلف، فضای بزرگی دارند.

در لایه کاربردی، راه‌حل‌های هوش مصنوعی در صنایع عمودی نیز در حال حرکت از "پوسته‌سازی" به "عمق‌سازی" هستند. بسیاری از آنچه که به عنوان برنامه‌های هوش مصنوعی شناخته می‌شود، در واقع فقط یک لایه از GPT است. اما اکنون، آنچه واقعاً می‌تواند پایدار باشد، محصولاتی هستند که به طور عمیق دانش خاص صنعت را درک می‌کنند و توانایی‌های هوش مصنوعی را به طور نزدیک با منطق صنعت پیوند می‌زنند. ارزش این نوع شرکت‌ها در مدل نیست، بلکه در شناخت صنعت است------ که دقیقاً چیزی است که شرکت‌های مدل بزرگ به سختی می‌توانند از طریق آموزش به دست آورند.

حتی در سطح "انسان"، بازار خدمات جدیدی در حال ظهور است. وقتی تعداد بیشتری از شرکت‌ها متوجه می‌شوند که آنچه که نیاز دارند نه ابزارهای بیشتر هوش مصنوعی، بلکه انسان‌هایی هستند که می‌توانند "هوش مصنوعی را هدایت کنند" و روش‌های سازمانی مرتبط، نیاز به مشاوره در زمینه تغییرات سازمانی، آموزش نیروی انسانی و طراحی مجدد فرآیندها در عصر هوش مصنوعی به سرعت در حال ظهور است.

در نهایت، صنعتی که فقط "لایه مدل" دارد، ضعیف است. آنچه واقعاً می‌تواند صنعت هوش مصنوعی را سریع‌تر و سالم‌تر حرکت دهد، یک اکوسیستم چند بعدی است. در این اکوسیستم، افرادی مدل می‌سازند، افرادی زیرساخت‌های حاکمیتی می‌سازند، افرادی دروازه و حکمرانی می‌سازند، افرادی برنامه‌های عمیق صنعتی می‌سازند و افرادی به شرکت‌ها در بازسازی توانایی‌های سازمانی کمک می‌کنند. هر لایه به نیازهای واقعی شرکت‌ها در فرآیند "از پذیرش به تسلط" پاسخ می‌دهد.

این نیازها در سال گذشته از حالت مبهم به حالت واضح‌تر تبدیل شده‌اند. در آینده، نسل جدیدی از راه‌حل‌ها، ارائه‌دهندگان و محصولات که حول این نیازها شکل می‌گیرند، ممکن است با یک دوره انفجار مشخص مواجه شوند.

به متافوری از حد نهایی لوشی برگردیم. پیدا کردن آن مسیر ایمن، هرگز کار یک شرکت به تنهایی نیست. وقتی کل اکوسیستم شروع به رشد نیروهایی فراتر از مدل‌ها می‌کند، شرکت‌ها واقعاً قدرتی برای عدم تکه‌تکه شدن خواهند داشت.

لینک اصلی

سلب مسئولیت: این محتوا صرفاً برای اطلاع‌رسانی عمومی و برندینگ ارائه شده و به‌ منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌گردد. هیچ‌یک از رویدادها، جوایز، رویدادهای آنلاین یا اطلاعات مرتبط ذکرشده در اینجا نباید به‌عنوان توصیه، درخواست یا دعوت برای خرید، فروش، معامله یا هرگونه اقدام دیگر در رابطه با دارایی‌های رمزارزی یا استفاده از خدمات تلقی شوند. دارایی‌های رمزارزی با نوسانات بالایی همراه بوده و ممکن است منجر به زیان شوند. خدمات WEEX و رویدادهای آنلاین ممکن است در تمام مناطق در دسترس نبوده و مشمول قوانین، مقررات و شرایط احراز صلاحیت مربوطه هستند. شما مسئول رعایت قوانین محلی در استفاده از خدمات WEEX هستید و باید پیش از انجام هرگونه فعالیت مرتبط با ارزهای دیجیتال، ریسک‌های آن را به‌دقت بررسی کنید.