چرا شرط‌بندی اپل روی «بافت محلی» از عامل‌های ابری مایکروسافت برنده است؟

اگر امروز از آیفون استفاده می‌کنید، تجربه شما از هوش مصنوعی در حال تغییر است؛ از یک چت‌بات عمومی به سیستمی تبدیل می‌شود که واقعاً می‌داند روی صفحه نمایش شما چه می‌گذرد. این شرط‌بندی اصلی Siri AI است که در تحلیل ژوئن ۲۰۲۴ توسط وب‌سایت stratechery.com با جزئیات مورد بررسی قرار گرفت. در حالی که رقبای اپل به دنبال ساخت عامل‌هایی (Agents) هستند که کاملاً مستقل و خودگردان عمل کنند، اپل هوش مصنوعی خود را به سخت‌افزاری گره زده است که همین حالا در جیب شماست.

این تفاوت استراتژیک در زمانی رخ می‌دهد که صنعت بین دو رویکرد «کلاینت‌های سبک» (Thin Clients) و «دستگاه‌های یکپارچه» تقسیم شده است. برای سال‌ها، طرفداران اپل به علاقه مایکروسافت برای صحبت درباره محصولاتی که ممکن بود هرگز عرضه نشوند می‌خندیدند و آن‌ها را به عنوان «محصولات خیالی» یا Vaporware تحقیر می‌کردند. اما پس از شروع ناموفق عرضه Apple Intelligence و سیری جدید در سال ۲۰۲۴، حالا این موضوع برای اپل هم صادق است و جایگاه‌ها عوض شده است. در حال حاضر، مایکروسافت آینده‌ای را می‌فروشد که در آن پورتال‌های ابری حاکم‌اند، اما اپل می‌جنگد تا آیفون را در مرکز عصر هوش مصنوعی نگه دارد.

نبرد پارادایم‌ها: سولارا در برابر سیری

هفته‌ی گذشته در کنفرانس سالانه Build، شرکت مایکروسافت از Project Solara پرده‌برداری کرد. این چشم‌انداز، اکوسیستمی از سخت‌افزارها را پیشنهاد می‌دهد که صرفاً به عنوان پورتال‌های ساده‌ای برای دسترسی به عامل‌های ساکن در ابر (Cloud) عمل می‌کنند. در این مدل، هیچ دستگاهی به تنهایی مستقل نیست؛ آن‌ها صرفاً رابط‌هایی برای هوش مصنوعی مبتنی بر ابر هستند. این مفهوم، اگرچه از ویدئوی تبلیغاتی کاملاً روشن نبود، اما روی صحنه با جزئیات بیشتری توضیح داده شد: چشم‌اندازی که در آن شما توسط دستگاه‌هایی محاصره شده‌اید که به عنوان دروازه‌ای به عامل‌های شما عمل می‌کنند.

رویکرد مایکروسافت، محاسبات را به یک فرآیند پس‌زمینه تبدیل می‌کند. هدف این است که یک عامل بتواند یک وظیفه خاص — مثلاً رزرو بلیط هواپیما — را بدون اینکه کاربر نیاز داشته باشد بیش از چند ثانیه با رابط کاربری (UI) تعامل کند، به پایان برساند. این یعنی نهایتِ فلسفه «کلاینت سبک» در افراطی‌ترین حالت ممکن. موضوع فقط این نیست که شما برای یک چت‌بات به پردازش محلی نیاز ندارید؛ بلکه شما برای انجام کارهای واقعی هم به هیچ پردازش محلی نیاز ندارید. هوش مصنوعی روی سرور همه کارها را انجام می‌دهد.

این چرخش توسط واقعیت‌های فنی «استنتاج سمت سرور» (Server-side Inference) هدایت می‌شود. با تکامل عامل‌ها، آن‌ها به تقاضای حافظه بسیار بالاتری نیاز دارند، به‌ویژه در مورد KV cache، که باعث می‌شود پردازش سمت سرور به انتخاب غالب برای بارهای کاری هوش مصنوعی تبدیل شود. مایکروسافت با حذف پارادایم تعامل، قصد دارد مشکل اصلی گجت‌های پوشیدنی را حل کند: اینکه تعامل با آن‌ها معمولاً خسته‌کننده و دشوار است. در حالی که فرمان صوتی یا «دیدن» آنچه کاربر می‌بیند مفید است، اما هر تعاملی که بیش از چند ثانیه طول بکشد، از یک «سویپ» ساده روی صفحه گوشی راحت‌تر نیست. عامل‌ها این مشکل را با محاسبات به جای کاربر و بدون نیاز به تعامل حل می‌کنند؛ به طوری که چند ثانیه ورودی کاربر می‌تواند منجر به ساعت‌ها کار در پس‌زمینه شود.

اما اپل مسیر متفاوتی را انتخاب کرده است. در کنفرانس WWDC، شرکت Siri AI را به نمایش گذاشت. دموهای ضبط‌شده‌ی این شرکت تلاش زیادی کردند تا دموهای واقعی را — با تمام نشانگرهای در حال چرخش و زمان انتظار — نشان دهند و این دموها کار کردند. با این حال، این نمایش‌ها یک تفاوت بنیادی در فلسفه مربوط به «پارادایم تعامل» را آشکار کرد که به طور سنتی تعریف‌کننده محاسبات بوده است.

به عنوان مثال، مایک راکول، رئیس جدید سیری، نشان داد که سیری چگونه یک یادآور برای قرعه‌کشی کنسرت تنظیم می‌کند. نکته کلیدی و حیاتی این است که سیری خودش در قرعه‌کشی شرکت نکرد. بلکه سیری از طریق چارچوب App Intents با اپلیکیشن Reminders تعامل کرد. در حالی که این مورد «آگاهی از زمینه» را نشان داد، اما یک عامل پیشرفته (State-of-the-art) باید خارج از پارادایم تعامل عمل می‌کرد تا در زمان مقرر واقعاً در قرعه‌کشی شرکت کند. اپل در حال ساخت یک عامل خودکار که «به جای شما» کار کند نیست؛ بلکه دستیاری می‌سازد که به شدت نسبت به زمینه آگاه است و «با شما» همکاری می‌کند.

قدرت زمینه شخصی

برتری اپل در قدرت خام هوش مصنوعی نیست، بلکه در داده‌هایی است که کنترل می‌کند. چون آیفون می‌داند شما به چه چیزی نگاه می‌کنید و با چه کسی پیام می‌دهید، Apple Intelligence درکی «زمینی» (Grounded) از زندگی شما دارد که عامل‌های صرفاً ابری فاقد آن هستند. این «درک زمینه شخصی» کلید اصلی است: گوشی شما بیش از هر دستگاه دیگری درباره شما می‌داند. به همین دلیل است که زیرساخت‌ها و مؤلفه‌های حریم خصوصی در این عرضه بسیار حیاتی هستند.

• هوش بین‌برنامه‌ای (Cross-App Intelligence): سیری می‌تواند اطلاعات را از میان پیام‌ها، ایمیل‌ها و پیام‌های صوتی پیدا کند. شما می‌توانید درباره چیزی که دریافت کرده‌اید بپرسید بدون اینکه به یاد آورید داده در کدام اپلیکیشن خاص بود و سیری آن را پیدا می‌کند.
• آگاهی از صفحه (Screen Awareness): سیستم می‌تواند «ببیند» شما در لحظه به چه چیزی روی صفحه نگاه می‌کنید و در زمان واقعی بر اساس آن اطلاعات عمل کند، که این امر اجازه می‌دهد تمرکز فوری کاربر را درک کند.
• نمایه‌سازی معنایی (Semantic Indexing): سیری با بهره‌گیری از ایندکس معنایی Spotlight، در اپلیکیشن‌های شخص ثالثی که داده‌های خود را ارائه می‌دهند عمل می‌کند و در عین حال مرز امنیتی را حفظ می‌کند که بازسازی آن روی یک مک یا پی‌سی محلی دشوار است.
• موارد استفاده ایمن: با تمرکز بر یک فضای مسئله محدود و متکی بر داده‌های شخصی، اپل ریسک «اشتباهات فاحش» هوش مصنوعی را کاهش می‌دهد و در نتیجه ریسک اعتبار برند خود را پایین می‌آورد. این به اپل اجازه می‌دهد تا مشکلات واقعی را به روش‌هایی معنادار و با ریسک کم حل کند.

برای پشتیبانی از این ساختار، اپل زیرساخت سیری را با جزئیات فنی خاص بازسازی کرد:

• زیرساخت ترکیبی: اپل سیستم Private Cloud Compute را گسترش داد تا شامل تراشه‌های Nvidia باشد که در دیتاسنترهای Google اجرا می‌شوند.
• بهینه‌سازی محلی: اپل از یک مدل «ترکیب متخصصان» (MoE) روی دستگاه با ۲۰ میلیارد پارامتر استفاده می‌کند.
• انتخاب مبتنی بر پرس‌وجو: برخلاف مدل‌های استاندارد MoE که متخصصان را بر اساس هر «توکن» انتخاب می‌کنند، این مدل متخصصان را بر اساس هر «پرس‌وجو» (Query) انتخاب می‌کند تا بتواند در حافظه محدود آیفون جای بگیرد.

شکاف مصرف‌کننده و سازمان

یک منطق تجاری سرد پشت این تفاوت‌هاست. مایکروسافت پروژه سولارا را به عنوان یک بازی سازمانی (Enterprise play) جایگاه‌سازی کرده است. سازمان‌ها برای زمان کارکنانشان پول می‌دهند و بنابراین حاضرند برای عامل‌های خودکار و طولانی‌مدت که مزایای بهره‌وری عظیمی فراهم می‌کنند، هزینه کنند. یک سازمان زمینه (Context) لازم درباره کاری که در حال انجام است را دارد تا چنین عامل‌هایی را کاربردی کند.

اما مصرف‌کنندگان متفاوت‌اند. همان‌طور که تاریخچه Dropbox نشان داد، مصرف‌کنندگان به‌ندرت برای ابزارهای بهره‌وری پول می‌پردازند. درو هیوستن، بنیان‌گذار دراپ‌باکس، با یک قلاب ارجاع ویروسی (پیشنهاد فضای ذخیره‌سازی بیشتر در ازای معرفی کاربر جدید) رشد سریعی داشت، اما شرکت در نهایت متوجه شد که تنها راه کسب درآمد از یک محصول بهره‌وری، فروش به سازمان‌هاست. مصرف‌کنندگان عمدتاً به دنبال «گذراندن وقت» هستند و به همین دلیل است که مدل کسب‌وکار تبلیغاتیِ «برداشتِ توجه» (Attention-harvesting)، تنها مدل نرم‌افزاری است که در مقیاس بزرگ برای خدمات مصرف‌کننده کار می‌کند.

سیلیکون ولی اغلب این واقعیت را فراموش می‌کند چون در یک حباب زندگی می‌کند. مردم عادی به دنبال عامل‌هایی نیستند که برایشان بلیط کنسرت بخرند. این حباب باعث شد OpenAI همان اشتباه دراپ‌باکس را تکرار کند و سعی کند بر اشتراک‌های مصرف‌کننده تکیه کند. در مقابل، Anthropic روی سازمان‌هایی تمرکز کرد که حاضر بودند برای بهره‌وری پول بپردازند، در حالی که OpenAI با امتناع از ساخت یک محصول تبلیغاتی، نتوانست از نفوذ خود در بازار مصرف‌کننده به درستی بهره ببرد.

اپل تشخیص داده است که برای کاربر متوسط، هوش مصنوعی «به اندازه کافی خوب» کافی است. اگر سیری بتواند یک دستور غذا بدهد، نکاتی برای پروژه‌های «do-it-yourself» ارائه کند یا تصاویری بسازد، از مرز کاربردی بودن عبور کرده است. اکثر مصرف‌کنندگان می‌خواهند ویدیوهای کوتاه تماشا کنند و آیفون صرفاً بهترین دستگاه برای این کار است. در این زمینه، «به اندازه کافی خوب» بودنِ سیری، در واقع کافی است.

پیامدهای استراتژیک

این بدان معناست که اپل راه‌مندانه در حال حفظ مرکزیت آیفون است. در حالی که رویکرد «اول-ابر» (Cloud-first) مایکروسافت برای شرکتی که موج موبایل را از دست داده منطقی است، رویکرد «اول-دستگاه» اپل از حاشیه سود سخت‌افزاری و مدل کسب‌وکارش محافظت می‌کند. اپل انگیزه‌ای شدید دارد تا روی کاربردهایی تمرکز کند که حول محور تعامل انسانی سازمان یافته‌اند، نه فرآیندهای خودکار در پس‌زمینه.

با گره زدن حلقه تعامل به گوشی، اپل تضمین می‌کند که دستگاهش دروازه اصلی دنیای دیجیتال باقی بماند. آن‌ها سعی ندارند کامپیوتر را جایگزین کنند؛ بلکه در حال تبدیل کردن کامپیوتر (آیفون) به مغز ضروری برای هوش مصنوعی هستند. این کار به اپل اجازه می‌دهد از صرف میلیاردها دلار در هزینه‌های سرمایه‌ای (Capex) که شرکت‌های دیگر در حال حاضر در زیرساخت‌های ابری می‌ریزند، اجتناب کند.

پروژه سولارا مایکروسافت نیازمند مجموعه‌ای منسمن از داده‌هاست تا روی آن‌ها عمل کند، که ساخت چنین چیزی برای مصرف‌کنندگان دشوار است. تنها نهادهایی که قادر به این یکپارچگی هستند، گوگل و اپل از طریق اندروید و iOS هستند. از آنجایی که گوگل بر سرویس‌های ابری به عنوان نقطه یکپارچگی تمرکز کرده است، اپل تنها شرکتی است که با مرکزیت دادن به دستگاه، واقعاً «متفاوت فکر می‌کند».

در نهایت، اپل شرط بسته است که «زمینه شخصی» خندق عمیق‌تری نسبت به «قابلیت‌های خودکار» است. اگر برای اجرای یک فرآیند تجاری به یک عامل قدرتمند نیاز دارید، از یک اپلیکیشن ابری استفاده خواهید کرد. اما برای هزاران تعامل کوچک (Micro-interactions) که یک روز انسانی را تعریف می‌کنند، آیفون تنها دستگاهی باقی می‌ماند که داده‌های لازم برای مفید بودن واقعی را دارد. شما همچنان از طریق اپلیکیشن‌ها به سرمایه‌گذاری‌های ابری شرکت‌های دیگر دسترسی خواهید داشت، اما برای گردش‌کارهای شخصی و بین‌برنامه‌ای، سیری تنها کسی خواهد بود که می‌تواند این کار را انجام دهد — به شرطی که محصولی خیالی نباشد (و به نظر می‌رسد این بار تلاش دوم موفقیت‌آمیز است).

گام بعدی شما

• اگر مدیر محصول هستید، بررسی کنید که آیا ویژگی‌های محصول شما با «دستیارهای همراه» (Co-pilot) سازگار است یا نیاز به «عامل‌های مستقل» (Autonomous Agents) دارد.
• برای توسعه‌دهندگان iOS، مطالعه چارچوب App Intents برای یکپارچگی با Siri AI اولویت اول است.
• تحلیل کنید که کدام بخش از داده‌های کاربر در اپلیکیشن شما می‌تواند به عنوان «زمینه» (Context) برای مدل‌های زبانی عمل کند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و تأثیرشان بر استنتاج محلی مراجعه کنید.