اگر برای سرویسهای هوش مصنوعی شرکت خود هزینه پرداخت میکنید، باید بدانید که حالا رقیبی مستقیم در خانهٔ همان شرکتی است که میزبان این سرویسهاست. در ۲ ژوئن ۲۰۲۶، مایکروسافت (Microsoft) در کنفرانس Build ۲۰۲۶ استراتژی خود را بهطور بنیادین تغییر داد.
این شرکت سالها به یک ستون خارجی یعنی OpenAI تکیه داشت. همانطور که در تحلیل قبلی ما دربارهی عامل اسکات (Microsoft Scout) اشاره کردیم، مایکروسافت حالا از نقش «بازفروش» به «تولیدکننده» تبدیل شده است. این تغییر شبیه این است که به جای اجارهی یک آپارتمان، خانهای را طبق نیاز خود بسازید.
مرکز این چرخش، خانوادهی مدلهای MAI است که شامل هفت مدل داخلی میشود:
- MAI-Thinking-1: یک مدل استدلالی (Reasoning Model) — شبیه به شطرنجبازی که چند حرکت جلوتر را میبیند — با ۳۵ میلیارد پارامتر فعال و یک پنجره متنی (Context Window) ۲۵۶ هزار توکنی است. این پنجره مثل میز کاری است که تعیین میکند مدل چقدر اطلاعات را همزمان در ذهن نگه دارد.
- MAI-Code-1: مدلی تخصصی برای کدنویسی که همین حالا در GitHub Copilot و VS Code فعال شده است.
- مدلهای دیگر شامل تولید تصویر (MAI-Image-2.5)، تبدیل گفتار به متن (MAI-Transcribe-1.5) در ۴۳ زبان و سنتز صدا (MAI-Voice-2) هستند.
به نقل از گزارش dev.to، این مدلها در فضای بسته Azure زندانی نیستند. مایکروسافت آنها را از طریق Fireworks AI، Baseten و OpenRouter توزیع میکند.
در بخش سختافزار، پروژه سولارا (Project Solara) دستگاههایی با سیستمعامل MDEP معرفی کرد. اینها گوشی نیستند؛ بلکه ابزارهای عاملمحور (Agentic) هستند. برای مثال، یک نشان (Badge) پوشیدنی برای کادر پزشکی طراحی شده است. طبق اعلام مایکروسافت، آزمایش این ابزارها بهزودی در مراکز CVS Health و Target آغاز میشود.
در لایهی آینده، تراشهی Majorana 2 پایداری کیوبیتها را ۱۰۰۰ برابر کرد. عمر آنها از میلیثانیه به ۲۰ ثانیه رسید تا مایکروسافت بتواند تا سال ۲۰۲۹ یک کامپیوتر کوانتومی مقاوم در برابر خطا بسازد.
این حرکت مایکروسافت را در رقابت مستقیم با نزدیکترین شریک خود قرار میدهد. آنها به جای مدلهای غولپیکر، روی مدلهای میانرده و بهینه تمرکز کردهاند. این یعنی استنتاج (Inference) — یعنی همان لحظهی تولید جواب توسط مدل — ارزانتر و سریعتر میشود. برای کسبوکار شما، این رقابت احتمالاً باعث کاهش هزینهی APIها میشود. اما موفقیت پروژه سولارا دشوار است؛ چون بازار «گجتهای هوش مصنوعی» تاریخچهای پر از شکست است.
گام بعدی شما
- مدل MAI-Code-1 را در VS Code آزمایش کنید.
- نتایج بهرهوری در فروشگاههای Target را دنبال کنید تا بفهمید سختافزارهای عاملمحور واقعاً کاربردی هستند یا خیر.
- استراتژی توزیع مدلها در OpenRouter را بررسی کنید تا هزینههای خود را بهینه کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو