اگر مدیر محصول یا پژوهشگر هوش مصنوعی هستید، باید بدانید قواعد بازی در لبه‌ی فناوری تغییر کرده است. رقابت دیگر فقط بر سر تعداد تراشه‌ها نیست، بلکه بر سر این است که چه کسی سریع‌تر یاد می‌گیرد.
هزینه‌ی آموزش مدل‌های پیشرو به شدت در حال افزایش است. قدرت محاسباتی (Compute) — که شبیه به فضای یک آشپزخانه‌ی صنعتی است و هرچه بیشتر باشد، غذای بیشتری تولید می‌شود — دیگر تنها راه پیروزی نیست. همان‌طور که در تحلیل قبلی ما درباره‌ی خرید ۳۰۰ میلیون دلاری Anthropic برای ابزارهای SDK اشاره کردیم، این شرکت حالا روی بهینه‌سازی مسیر توسعه تمرکز کرده است.
به نقل از منابع داخلی، آندری کارپاتی (Andrej Karpathy) در ۱۹ مه ۲۰۲۶ به Anthropic پیوست. او تحت مدیریت نیک جوزف، تیمی را می‌سازد تا از Claude برای تسریع پیش-آموزش (Pre-training) استفاده کند. پیش-آموزش — که شبیه به مطالعه‌ی تمام کتابخانه‌ی ملی توسط یک دانش‌آموز پیش از امتحان است — سنگین‌ترین مرحله از نظر هزینه است. طبق گزارش‌های شرکت، Anthropic همچنین کریس رولف را برای هدایت تیم قرمز (Red Team) استخدام کرد؛ تیمی که مثل یک سارقان حرفه‌ای، حفره‌های امنیتی مدل را پیش از انتشار پیدا می‌کند.
این یک چرخش راهبردی است. Anthropic شرط بسته است که پژوهش‌های کمک‌گرفته از هوش مصنوعی، نه فقط GPUهای بیشتر، آن‌ها را در برابر گوگل و OpenAI پیروز می‌کند. برای دنیای کسب‌وکار، این یعنی قوانین مقیاس‌پذیری (Scaling Laws) — که شبیه دستور پختی است که می‌گوید با دو برابر کردن مواد، کیک بزرگ‌تر می‌شود — در حال تغییر است. برنده کسی نیست که تراشه‌ی بیشتری دارد، بلکه کسی است که هوشمندانه‌تر از آن‌ها استفاده می‌کند.
گام بعدی شما
- کانال یوتیوب کارپاتی را برای درک متدهای جدید آموزش دنبال کنید.
- تغییرات در پروفایل امنیتی نسخه‌های بعدی Claude را زیر نظر بگیرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو