VIDRAFT توان عملیاتی استنتاج مدل‌های درون‌سازمانی را ۲۳.۴ برابر کرد

تصور کنید بیمارستانی را که برای تشخیص بیماری به هوش مصنوعی نیاز دارد، اما قانوناً اجازه ندارد پرونده‌های حساس بیماران را به سرورهای ابری منتقل کند. در چنین شرایطی، شما به سیستمی نیاز دارید که «کارخانه» را به جای «داده»، به داخل سازمان بیاورد.

شرکت VIDRAFT، استارتاپ کره‌ای حوزه فناوری‌های عمیق، در ۲ سپتامبر ۲۰۲۶ از سرویس AI Foundry پرده‌برداری کرد. طبق اعلام این شرکت، این خط لوله تجاری توانسته است توان عملیاتی (Throughput) در مرحله استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند و شبیه به خودِ آشپزی است، نه دوره‌ی آموزش آشپز — را تا ۲۳.۴ برابر افزایش دهد. این زیرساخت تجاری به سازمان‌ها اجازه می‌دهد تا هوش مصنوعی تخصصی برای حوزه‌های خود پرورش دهند، بدون آنکه به مدل‌های میزبانی‌شده در ابر وابسته باشند یا ریسک نشت داده‌ها را بپذیرند.

برای سازمان‌های فعال در حوزه‌های دفاعی، بهداشت و مالی، استفاده از ابر به‌دلیل الزامات سخت‌گیرانه برای محیط‌های ایزوله (Air-gapped) غیرممکن است. به گزارش وب‌سایت dev.to، رویکرد VIDRAFT این است که مدل‌های پیش‌آموزش‌دیده را به‌عنوان مواد خام در نظر بگیرد و آن‌ها را به دارایی‌های آماده برای تولید تبدیل کند، به‌جای آنکه مدل‌های بنیادی را از صفر بسازد. این رویکرد در راستای تحول مدل‌های زبانی از حالت نمایشی به کاربردهای صنعتی است که استراتژی‌های شرکت‌های پیشرو در این مسیر را پیش‌تر بررسی کرده بودیم.

زمینه و جایگاه استراتژیک

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، استقرار محلی تنها راه تضمین کامل حریم خصوصی در صنایع حساس است. مدل کسب‌وکار VIDRAFT دقیقاً شبیه به صنعت نیمه‌هادی است؛ همان‌طور که یک کارخانه تراشه (Foundry) سفارشات تولید را می‌پذیرد، این شرکت نیز فرآیند، ابزار و تخصص لازم برای تولید مدلی آماده برای استقرار را بر اساس داده‌های مشتری و الزامات مورد نیاز برای هر مورد کاربردی فراهم می‌کند.

این استراتژی مستقیماً صنایع تحت نظارت را هدف قرار داده است، جایی که داده‌ها هرگز نباید شبکه داخلی سازمان را ترک کنند. VIDRAFT برای گسترش نفوذ خود در تحول بخش دولتی، در پروژه‌ی مدل‌های بنیادی امن با حمایت دولت و برنامه‌ی «هوش مصنوعی برای همه» (모두의 인공지능) مشارکت می‌کند. این تلاش‌ها در کنار ابتکارهایی مانند کنسرسیوم NAVER Cloud برای ساخت مدل‌های بنیادی امنیت ملی، نشان‌دهنده حرکت جدی کره جنوبی به سمت استقلال در زیرساخت‌های هوش مصنوعی است.

درآمدهای این کارخانه از طریق چندین جریان مختلف تأمین می‌شود:

• قراردادهای استقرار درون‌سازمانی (On-premises)
• لایسنس زیرساخت‌های سرویس‌دهی و هزینه‌های استفاده
• ساخت و عملیاتی کردن سیستم‌عامل‌های (OS) تخصصی برای هر صنعت
• خدمات پلتفرم تایید و تشخیص ایمنی

جزئیات خط لوله Foundry

خط لوله AI Foundry بر اساس ۱۶ پتنت و ۶ مقاله علمی منتشر شده، به عنوان یک فرآیند مهندسی متوالی عمل می‌کند. این سیستم از پنج مرحله اختصاصی عبور می‌کند:

• Model MRI: یک ممیزی تشخیصی که پیش از شروع بهینه‌سازی، شکاف‌های قابلیتی و نقاط ضعف مدل را شناسایی می‌کند. این مرحله در واقع یک گام پروفایل‌بندی است تا پیش از متعهد شدن به تنظیم دقیق (Fine-tuning)، وضعیت مدل مشخص شود.
• Darwin · Chimera: ابزارهای انطباق که از تکنیک‌های تکاملی (Darwin) و ترکیب‌های هیبریدی (Chimera)، مانند آموزش انطباقی با دامنه (Domain-adaptive training) و ادغام مدل (Model Merging)، برای تنظیم مدل روی حوزه‌های خاص استفاده می‌کنند.
• VKAE · VKUE: فناوری‌های شتاب‌دهنده سرویس‌دهی که بار سخت‌افزاری مورد نیاز برای استنتاج را کاهش می‌دهند تا استقرار روی سخت‌افزارهای مشتری به‌صرفه شود.
• AX-RAY: زنجیره‌ای از ابزارهای تایید ایمنی رسمی که ریسک‌ها را علامت‌گذاری کرده و رفتار مدل را پیش از فعال‌سازی نهایی اعتبارسنجی می‌کند.
• Industry OS: استقرار نهایی در محیط‌های عمودی تخصصی. نمونه‌هایی از این محیط‌ها شامل NationalOS برای بخش دولتی و PharmaOS برای زمینه‌های دارویی و بهداشتی است که به جای نقاط انتهایی (Endpoints) عمومی، محیط‌های زمان اجرای (Runtime) خاصی را فراهم می‌کنند.

بنچمارک‌های عملکرد

شرکت VIDRAFT چندین رکورد فنی را برای تایید جایگاه خود ارائه کرده است. این شرکت در حال حاضر رتبه اول جدول K-AI (مربوط به هوش مصنوعی کره) را در اختیار دارد. در زمینه استدلال در سطح خبره، این مدل در آزمون GPQA Diamond که یک محک سطح تحصیلات تکمیلی در علوم است، به امتیاز ۹۰.۹٪ رسید.

سایر دستاوردهای فنی این شرکت عبارتند از:

• رتبه اول در دسته‌بندی Verified در چالش Fast Gemma گوگل و Hugging Face.
• رتبه اول در ۱۶ زیر-وظیفه از محک کشف دارو Polaris، که نتیجه‌ای کلیدی برای مهندسان یادگیری ماشین است که از بخش PharmaOS استفاده می‌کنند.

برای بخش بیوتکنولوژی، این نتایج نشان‌دهنده توانایی بالا در انجام وظایفی است که نیاز به استدلال شدید دارند. اگرچه عدد ۲۳.۴ برابر در افزایش توان عملیاتی یک رقم اندازه‌گیری شده توسط خود شرکت است، اما نشان‌دهنده تمرکز بر عملیاتی کردن هوش مصنوعی با عملکرد بالا روی سخت‌افزارهای محدود محلی است.

این تغییر جهت به سمت «پرورش هوش مصنوعی» نشان‌دهنده بلوغ بازار است، جایی که ارزش از مدل‌های بنیادی به خط لوله استقرار منتقل می‌شود. با تمرکز بر «آخرین مایل» استقرار — یعنی امنیت، ایمنی و بهره‌وری سخت‌افزاری — VIDRAFT ریسک‌پذیرترین بخش‌های اقتصاد را هدف گرفته است. این رویکرد، توسعه هوش مصنوعی را به یک فرآیند تولید قراردادی تبدیل می‌کند، شبیه به مدل عملیاتی شرکت TSMC در دنیای تراشه‌ها.

برای کاربر نهایی، این یعنی سد ورود به دنیای هوش مصنوعی حاکمیتی (Sovereign AI) در حال فروپاشی است. مؤسسات دیگر نیازی به تیم‌های عظیم داخلی از مهندسان یادگیری ماشین برای تنظیم دقیق (Fine-tuning) — که مثل دادن تخصص پوست به یک پزشک عمومی است — ندارند و می‌توانند این فرآیند را به یک کارخانه بسپارند که خروجی بهینه و تاییدشده را تضمین می‌کند.

توسعه‌دهندگان علاقه‌مند می‌توانند مدل‌های عمومی VIDRAFT را در Hugging Face بررسی کنند؛ جایی که تاکنون ۱.۶ میلیون بار دانلود تجمعی ثبت شده است. کاربران می‌توانند این مدل‌ها را از طریق CLI هگینگ‌فیس با دستور huggingface-cli download vidraft/<model-name> دریافت کنند، هرچند خط لوله کامل AI Foundry همچنان یک سرویس بسته و قراردادمحور برای سازمان‌هاست.

گام بعدی شما

• اگر در صنعت دارویی یا بهداشت فعال هستید، نتایج محک Polaris را برای ارزیابی توان استدلالی مدل‌های تخصصی بررسی کنید.
• برای کاهش هزینه‌های سخت‌افزاری استنتاج، متدهای کاهش بار سخت‌افزاری (مانند VKAE) را در معماری‌های محلی خود بررسی کنید.
• مدل‌های عمومی این شرکت را در Hugging Face تست کنید تا با کیفیت خروجی‌های بهینه‌شده آشنا شوید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.