درون استراتژی «سرمایه توکنی» نادلا برای جلوگیری از تحلیل دارایی‌های فکری

اگر فقط مشترک بهترین مدل هوش مصنوعی هستید، مراقب باشید. احتمالاً در حال از دست دادن دارایی‌های فکری خود هستید.

به نقل از ساتیا نادلا، مدیرعامل مایکروسافت، تعداد محدودی از سامانه‌های هوش مصنوعی به‌زودی تمام بازده اقتصادی این صنعت را می‌بلعند. این وضعیت شبیه تغییر مدل از «اجاره یک ابزار» به «مالکیت کارخانه» است. در واقع، بحث اکنون از توانایی مدل‌ها فراتر رفته و به مالکیت هوش تبدیل شده است.

همان‌طور که در تحلیل قبلی ما درباره‌ی رقابت اپل و مایکروسافت بر سر رایانش لبه اشاره کردیم، مرز بین توانایی خام مدل‌ها و ابزارهای کاربردی در حال محو شدن است.

در ۱۵ ژوئن ۲۰۲۶، نادلا مفهوم «سرمایه توکنی» (Token Capital) را معرفی کرد. او این مفهوم را شبیه به یک دفترچه دستورپخت سری می‌داند که شرکت مالک آن است و نه فقط مواد اولیه‌ای که از بازار می‌خرد. بر اساس مستندات نادلا، شرکت‌ها باید به جای جستجوی بهترین مدل، «حلقه‌های یادگیری» (Learning Loops) بسازند؛ یعنی سیستمی شبیه به دانش‌آموزی که هر روز یادداشت‌هایش را به‌روز می‌کند تا در نهایت به متخصص تبدیل شود.

برای رسیدن به این هدف، نادلا سه شرط تعیین کرده است:

• ساخت سامانه‌های یادگیری اختصاصی که سرمایه انسانی و توکنی را تقویت کنند.
• طراحی ارزیابی‌های خصوصی برای رصد نتایج واقعی کسب‌وکار.
• آموزش داخلی مدل‌ها با داده‌های واقعی شرکت برای تبدیل دانش سازمانی به داده‌های قابل پرس‌وجو.

نادلا صراحتاً می‌نویسد: «شما می‌توانید یک وظیفه یا حتی یک شغل را برون‌سپاری کنید، اما هرگز نمی‌توانید یادگیری خود را برون‌سپاری کنید.»

این یک چرخش راهبردی است. نادلا در مارس ۲۰۲۵ ادعا می‌کرد مدل‌ها در حال کالایی شدن هستند. این دیدگاه با تحلیل‌های دیگر فعالان این صنعت هم‌راستاست؛ چنان‌که برایان آرمسترانگ پیش‌تر پیش‌بینی کرده بود که بخش بزرگی از حجم عملیات هوش مصنوعی به سمت مدل‌های ارزان‌تر منتقل خواهند شد و مدل‌ها بیش از پیش به کالاهای مصرفی تبدیل می‌شوند. اما اکنون نادلا می‌ترسد که اگر تمام ارزش در دست چند مدل محدود جمع شود، ساختار اقتصادی صنعت تهی خواهد شد. تکیه مطلق به APIهای شخص ثالث، نسخه‌ای برای منسوخ شدن است؛ چرا که تخصص شما به کالایی تبدیل می‌شود که ارائه‌دهنده مدل، دوباره آن را به شما می‌فروشد.

گام بعدی شما

• ارزیابی کنید چه مقدار از دانش تخصصی شرکت شما در حال تغذیه مدل‌های خارجی است.
• استراتژی جمع‌آوری داده‌های ارزیابی خصوصی (Private Eval) را جایگزین بنچمارک‌های عمومی کنید.
• بررسی کنید آیا زیرساخت شما اجازه جداسازی «دانش کسب‌وکار» از «مدل پایه» را می‌دهد یا خیر.

اما اثر این تغییر دیدگاه بر قیمت‌گذاری خدمات Azure را در گزارش بعدی بررسی خواهیم کرد.