پرش به محتوای اصلی
پرش به محتوای مقاله

رمزگشایی از استراتژی OpenAI برای استقرار Codex در سرورهای محلی Dell

·۲۸ اردیبهشت ۱۴۰۵۲ دقیقه مطالعه۲ بازدید
رمزگشایی از استراتژی OpenAI برای استقرار Codex در سرورهای محلی Dell
اشتراک‌گذاری

اگر شرکت شما اجازه آپلود کدهای اختصاصی در فضای ابری را نمی‌دهد، حالا می‌توانید قدرتمندترین عامل کدنویسی OpenAI را روی سخت‌افزار خودتان اجرا کنید. این یعنی پایان تضاد میان قدرت هوش مصنوعی و حریم خصوصی داده‌ها.

شرکت‌ها سال‌هاست میان انتخاب قدرت مدل‌ها و امنیت داده‌ها گیر کرده‌اند. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — برای کار کردن نیاز به دسترسی به داده‌ها دارد. همان‌طور که در تحلیل قبلی ما درباره‌ی توانایی Codex در کنترل محیط‌های توسعه محلی اشاره کردیم، این همکاری جدید کل زیرساخت را تغییر می‌دهد.

در ۱۸ مه ۲۰۲۶، OpenAI و Dell Technologies برای ادغام Codex در Dell AI Data Platform و Dell AI Factory با هم شریک شدند.

OpenAI Campus Network—Student Club Interest Form > card image

به نقل از اعلامیه رسمی، Codex اکنون هر هفته به بیش از ۴ میلیون برنامه‌نویس خدمت می‌کند. این سیستم فراتر از نوشتن کد عمل می‌کند:

  • خودکارسازی ارزیابی لیدها و پیگیری‌ها
  • مسیریابی بازخوردهای محصول
  • مدیریت پاسخ به حوادث در مخازن کد بزرگ

Frame

طبق گزارش OpenAI، این ادغام به Codex اجازه می‌دهد بدون خروج از محیط شرکت، به مستندات داخلی و دانش عملیاتی دسترسی داشته باشد.

این حرکت، گلوگاه «بازرسی امنیتی» را که اکثر پروژه‌های هوش مصنوعی سازمانی را متوقف می‌کرد، حذف می‌کند. با انتقال مدل به نزد داده‌ها — و نه برعکس — OpenAI از یک ارائه‌دهنده نرم‌افزاری به یک شریک زیرساختی تبدیل می‌شود. در نتیجه، شاهد موجی از گردش‌های کاری عامل‌محور (Agentic) — شبیه کارمندی دیجیتال که نه تنها می‌داند چه بگوید، بلکه می‌تواند ابزارها را برای انجام کار به کار بگیرد — خواهیم بود که اجازه دسترسی به سیستم‌های حساس داخلی را دارند.

Frame (5)

گام بعدی شما

  • اگر مدیر فناوری هستید، مدل‌های استقرار محلی (On-premises) را برای تیم‌های DevOps بررسی کنید.
  • روی تعریف دسترسی‌های دقیق برای عامل‌های هوش مصنوعی در محیط‌های بسته تمرکز کنید.
  • اثر این تغییر بر هزینه‌های استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی نه دوره‌ی آموزش آشپز — محلی در برابر ابری را بسنجید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ بررسی کنید که آیا این مدل ترکیبی به ChatGPT Enterprise هم می‌رسد یا خیر.

چرا این موضوع مهم است؟

این همکاری با تکیه بر اعتبار Dell در سخت‌افزار سازمانی، سد اعتماد شرکت‌های بزرگ را می‌شکند. اکنون امنیت داده‌ها دیگر مانعی برای بهره‌برداری از قدرت استنتاج مدل‌های پیشرو نیست.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.