تصور کنید میلیاردها دلار هزینه کنید تا قلعه‌ای نفوذناپذیر بسازید، اما متوجه شوید رقبای شما نقشه‌ی دقیق ساخت آن را دارند و می‌توانند در عرض چند ماه قلعه‌ای مشابه برپا کنند. این دقیقاً وضعیتی است که امروز آزمایشگاه‌های پیشرو هوش مصنوعی با آن روبروستند.
به نقل از تحلیل ۳ سپتامبر ۲۰۲۶ در The Sequence، توانایی بازتولید هوش سطح پیشرو (Frontier Intelligence) چنان بهینه شده است که «خندق» یا همان مزیت رقابتی آزمایشگاه‌های بزرگ، تقریباً به همان سرعتی که ساخته می‌شود، از بین می‌رود. بنابراین، صرف هزینه‌های هنگفت برای محاسبات (Compute) و داده‌ها دیگر تضمین‌کننده‌ی برتری بلندمدت نیست.
این فرسایش مزیت رقابتی به این دلیل رخ می‌دهد که قوانین مقیاس‌پذیری (Scaling Laws) عملکرد مدل‌ها را به یک مسئله‌ی مهندسی پیش‌بینی‌پذیر تبدیل کرده‌اند. همان‌طور که در تحلیل قبلی ما درباره‌ی قوانین مقیاس‌پذیری در distillation اشاره کردیم، صنعت اکنون شاهد الگویی است که در آن برتری در توانمندی، به‌سرعت توسط مدل‌های وزن‌های باز (Open Weights) یا سیستم‌های کوچک‌تر و تقطیرشده خنثی می‌شود.
طبق گزارش The Sequence، چندین سازوکار باعث تخریب این خندق‌های سرمایه‌محور شده است:
- بازتولید سریع: آزمایشگاه‌های رقیب اغلب ظرف ۶ ماه پس از عرضه یک مدل بزرگ، به توانمندی‌های مشابه دست می‌یابند.
- تقطیر (Distillation): رفتارهای مدل‌های اصلی در سیستم‌های کوچک‌تر و ارزان‌تر فشرده می‌شوند.
- مسیریابی (Routing): توسعه‌دهندگان از مسیریاب‌ها استفاده می‌کنند تا پرسش‌ها را به ارزان‌ترین یا بهینه‌ترین مدل روز ارسال کنند.
برای متخصصان فنی، این وضعیت فرضیات مربوط به ارزش را تغییر می‌دهد. اکنون خودِ مدل — یا همان قلعه — به یک کالای عمومی (Commodity) تبدیل شده است. ارزش اقتصادی واقعی دیگر در اولین رسیدن به یک محک (Benchmark) نیست، بلکه در ایجاد سدهایی ساختاری است که مانع از ورود ساده‌ی رقبا شود. این بهینه‌سازی‌های ساختاری مستقیماً با نحوه مدیریت منابع در سطح سخت‌افزار گره خورده است؛ موضوعی که در بررسی مدیریت حافظه در سیستم‌های استنتاج مدرن به تفصیل به آن پرداختیم.
به همین دلیل، استراتژی صنعت از «اول‌ویت دادن به محاسبات» به سمت جست‌وجوی «قدرت ساختاری» تغییر می‌کند. باید منتظر تغییر در نحوه‌ی ادغام مدل‌ها در گردش‌های کاری اختصاصی یا حلقه‌های داده‌ای منحصربه‌فرد باشید که با افزودن GPUهای بیشتر قابل کپی‌برداری نباشند.
گام بعدی شما
- تمرکز خود را از انتخاب «قوی‌ترین مدل» به طراحی «بهینه‌ترین زنجیره مدل‌ها» (Model Routing) تغییر دهید.
- روی ایجاد مجموعه‌های داده‌ی اختصاصی (Proprietary Data) سرمایه‌گذاری کنید، زیرا تنها دارایی غیرقابل بازتولید است.
- مدل‌های کوچک‌تر و تخصصی را جایگزین مدل‌های غول‌پیکر کنید تا هزینه‌ی استنتاج را کاهش دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو