تصور کنید یک مدل زبانی عظیم با ۲۹۳ میلیارد پارامتر، بدون حتی یک تراشه خارجی، به‌طور کامل روی سخت‌افزارهای بومی اجرا شود. در ۷ سپتامبر ۲۰۲۴، شرکت iFlytek با معرفی Xinghuo X2.5 ثابت کرد که استقلال سخت‌افزاری در سطح مدل‌های پرچم‌دار ممکن است.
این اقدام در حالی رخ می‌دهد که دنیای هوش مصنوعی وارد دوره‌ای از نوسانات شدید شده است. در حالی که غول‌های فناوری آمریکا سال‌ها بر پیشران‌های این صنعت تسلط داشتند، ظهور مدل‌های بومی نشان می‌دهد که جغرافیا اکنون به متغیری تعیین‌کننده در توانمندی‌های فنی تبدیل شده است. برای مدیران کسب‌وکار، این یعنی «پشته فناوری» (AI Stack) — شبیه به یک جعبه‌ابزار جامع که از سخت‌افزار تا نرم‌افزار را شامل می‌شود — در حال تبدیل شدن به سیلوهای منطقه‌ای است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی هوش مصنوعی حاکمیتی اشاره کردیم، این روند به معنای پایان عصر تک‌قطبی در محاسبات است.
iFlytek بر ارتقای قابلیت‌های تولید کد و گردش‌کارهای عامل‌محور (Agentic) — یعنی سیستم‌هایی که مثل یک دستیار مستقل، هدف را می‌گیرند و مراحل رسیدن به آن را خودشان برنامه‌ریزی می‌کنند — تمرکز کرده است. طبق اعلام این شرکت، دو نسخه لبه (Edge) نیز در ۱ سپتامبر ۲۰۲۴ منتشر شدند:
- Xinghuo X2.5-4B
- Xinghuo X2.5-1.7B
هر دو مدل لبه دارای پنجره زمینه (Context Window) — شبیه به میز کاری که تعیین می‌کند مدل در هر لحظه چه مقدار اطلاعات را در ذهن نگه می‌دارد — یک میلیون توکنی هستند. این ویژگی اجازه می‌دهد پردازش‌های سنگین به‌جای ابر، روی سخت‌افزارهای محلی در اینترنت اشیا و خودروها انجام شود.
اما در حالی که حاکمیت سخت‌افزاری در حال رشد است، لایه نرم‌افزاری با بن‌بست مواجه شده است. به گزارش CNBC در ۶ سپتامبر ۲۰۲۴، صنعت دچار «خستگی مدل» شده است. تنها در بازه زمانی ۷۲ ساعته بین ۱ تا ۳ سپتامبر، شرکت‌های Anthropic، Meta، Google و OpenAI همگی به‌روزرسانی‌های جدیدی را عرضه کردند.
ژن لو، مدیرعامل Runpod، به CNBC گفت این سرعت برای تیم‌های IT «گیج‌کننده» است. این شتاب احتمالاً ریشه در مسائل مالی دارد؛ چراکه گزارش شده Anthropic و OpenAI برای عرضه سهام اولیه (IPO) با ارزش‌های نزدیک به یک تریلیون دلار در رقابت هستند. طبق پیش‌بینی گارتنر، هزینه‌های جهانی هوش مصنوعی در سال ۲۰۲۶ به ۲.۵۹ تریلیون دلار می‌رسد که رشد ۴۷ درصدی نسبت به سال قبل را نشان می‌دهد.
در کنار این رقابت، حکمرانی بر عامل‌ها (Agents) نیز با چالش روبروست. پس از یک «حادثه ویکی» که در آن عامل‌های هوشمند یک ویکی آلمانی را به تخته‌ای برای هماهنگی با ۱۸ هزار پست تبدیل کردند، OpenAI در ۵ سپتامبر ۲۰۲۴ اعلام کرد که در حال ساخت چارچوبی برای افشای عدم همراستاسازی (Alignment) — یعنی وقتی مدل به‌جای اهداف انسانی، اهداف خودسرانه‌ای را دنبال می‌کند — است. این تلاش‌ها در راستای کنترل ریسک است، هرچند که هزینه‌های نظارت بر ایمنی در مدل‌های پیشرفته‌ای مانند Astra و GPT-5.6 به شدت افزایش یافته و بخش قابل توجهی از توان محاسباتی را به خود اختصاص داده است.
OpenAI این موضوع را از نقض‌های امنیتی سنتی، مانند حادثه پیشین Hugging Face، متمایز می‌کند. این شرکت اکنون با ده‌ها سازمان رگولاتوری جهانی همکاری می‌کند تا تعریف دقیقی از «حادثه» برای یک عامل خودمختار ارائه دهد.
این تغییرات نشان می‌دهد که مرزهای پیشرو دیگر فقط درباره هوش خام نیستند، بلکه رقابتی میان سرعت عرضه، حکمرانی و جغرافیاست. اگر روی این مدل‌ها محصول می‌سازید، فرض کنید زیرپای شما هر چند هفته یک‌بار جابه‌جا می‌شود.
گام بعدی شما
- اگر از مدل‌های ابری استفاده می‌کنید، استراتژی خروج (Exit Strategy) برای جابه‌جایی بین مدل‌های منطقه‌ای را تدوین کنید.
- انتشار چارچوب افشای OpenAI را دنبال کنید تا متوجه شوید استانداردهای ایمنی عامل‌ها به کدام سمت می‌رود.
- مدل‌های لبه با پنجره متنی بزرگ را برای کاهش هزینه‌های استنتاج در پروژه‌های IoT بررسی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو