ღია წონის AI კომპანიები სილიკონის ველის ყველაზე მოთხოვნადი სამიზნეები ხდებიან

ტექნოლოგიური ინდუსტრია Nvidia-სგან კვირის ყველაზე საინტერესო გარიგების დადასტურებას ელოდება. გავრცელებული ინფორმაციით, იგეგმება Hugging Face-ის — ღია წონის (open-weight) AI მოდელებისა და ბენჩმარკების გაზიარების პლატფორმის — 13 მილიარდ დოლარად შეძენა. Hugging Face დღეს იმ დეველოპერების ეკოსისტემის ცენტრშია, რომლებიც ქმნიან და ნერგავენ დიდ ენობრივ მოდელებს (LLM), რომლებიც არ ეკუთვნით წამყვან დახურულ ლაბორატორიებს. მას ხშირად AI ეპოქის GitHub-საც უწოდებენ.

ამ გარიგების შესახებ ხმები მას შემდეგ გავრცელდა, რაც Nvidia-მ 6 მილიარდ დოლარიანი შეთანხმება გააფორმა Poolside-თან, ღია წონის მოდელების მწარმოებელთან, რომლის თანამშრომლების უმეტესობაც ჩიპების მწარმოებელ გიგანტთან გადავა. გარდა ამისა, ორი კვირის წინ Stripe-მა 7 მილიარდ დოლარზე მეტად შეიძინა OpenRouter-ი, რომელიც ბიზნესებისთვის ღია წონის მოდელების წამყვანი მიმწოდებელია. კაპიტალის ასეთი დიდი მოცულობის შემოდინება სექტორში, რომელიც პროდუქტს უფასოდ გასცემს, AI სექტორის უახლეს ტენდენციებს ასახავს.

Nvidia-სთვის ეს ნაბიჯი აუცილებელია მსხვილ ჰიპერსკეილერებსა და წამყვან ლაბორატორიებზე დამოკიდებულების შესამცირებლად. ეს განსაკუთრებით აქტუალურია მაშინ, როდესაც OpenAI და Google საკუთარ ინფერენს-ჩიპებს (inference chips) ქმნიან — მაგალითად, OpenAI-ის Jalapeño, რომლის შესაძლებლობებიც ამ კვირაში გახდა ცნობილი. თუ მოდელების შემქმნელები ჩიპებს აწარმოებენ, Nvidia-ს სურს მოდელების შექმნის ბიზნესში საკუთარი წილი ჰქონდეს.

Nvidia უკვე აწარმოებს ღია წონის მოდელების საკუთარ ოჯახს, Nemotron-ს, თუმცა მათი პოპულარობა ჯერჯერობით დიდი არ არის. ღია მოდელების უმსხვილეს დეველოპერულ სივრცეზე კონტროლის მოპოვებით, კომპანიას წვდომა ექნება მომხმარებელთა მასაზე, რომელთა მიმართვაც საკუთარი ჩიპებისა და სტანდარტებისკენ შეეძლება.

AI ინფერენსის ხარჯები და ბაზრის წილი

პარალელურად, იზრდება კითხვები AI ინფერენსის ღირებულებასთან დაკავშირებით, რაც კომპანიებს აიძულებს განიხილონ ჩინური კომპანიების (Moonshot, DeepSeek, Alibaba) მიერ შექმნილი უფრო იაფი მოდელები. ამჟამად მათი გამოყენების მაჩვენებელი მცირეა, თუმცა მზარდი — Ramp-ის მონაცემებით, კომპანიების მხოლოდ 6% იყენებს ღია წონის მოდელებს, ხოლო Jellyfish-ის კვლევის მიხედვით, პროგრამული უზრუნველყოფის ინჟინრების მხოლოდ 2% იყენებს მათ.

ნიკ ალბარანი, Jellyfish-ის AI პროდუქტების ხელმძღვანელი, აღნიშნავს, რომ ღია წონის მოდელებს ძირითადად ის კომპანიები იყენებენ, რომელთა პროდუქტებიც ეყრდნობა განმეორებად ინფერენს-დავალებებს, როგორიცაა მომხმარებელთა მომსახურების ჩატები. ვინაიდან ეს მაღალი მოცულობის და ერთფეროვანი ამოცანებია, ღია წონის მოდელი შეიძლება ისე დაინერგოს, რომ კითხვებზე პასუხის გაცემა იაფი დაჯდეს.

სწორედ ამ კონტექსტში განიხილავს Stripe-ი OpenRouter-ის შეძენას. „ტოკენები არის ცენტრალური ვალუტა AI-ზე მომუშავე კომპანიებისთვის და აშკარაა, რომ რეალური ეკონომიკური პოტენციალი დამოკიდებული იქნება მწირი გამოთვლითი რესურსების ეფექტურ გამოყენებაზე“, — განაცხადა პატრიკ კოლისონმა, Stripe-ის თანადამფუძნებელმა და აღმასრულებელმა დირექტორმა.

კონტროლი და კონფიგურირებადობა

პროგრამირებისა და აგენტური ამოცანებისთვის, სადაც საჭიროა მრავალფეროვანი მოთხოვნები და მეტი ლოგიკური მსჯელობა, წამყვანი (frontier) მოდელები ხშირად იმარჯვებენ. ეს ნაწილობრივ განპირობებულია იმით, რომ დახურული ლაბორატორიები უზრუნველყოფენ უფრო მარტივ წვდომას და ზოგ შემთხვევაში ტოკენების სუბსიდირებასაც კი.

ალბარანის თქმით, კომპანიების მიერ AI სამუშაო პროცესების დახვეწასთან ერთად, ღია მოდელებზე გადასვლა გამარტივდება. თუმცა, ამჟამად მთავარი მიზეზი, რის გამოც კომპანიები ამ მოდელებს ირჩევენ, არის კონტროლი და კონფიგურირებადობა და არა ხარჯების დაზოგვა. „ჯერჯერობით ბევრი ასეთი კომპანია არ არის... მაგრამ თუ წამყვანი ლაბორატორიების ფასები კვლავ გაიზრდება, უფრო მეტი კომპანია იქნება იძულებული, მაინც განიხილოს ეს ვარიანტი. როდესაც თქვენი AI-ზე დაფუძნებული სამუშაო პროცესები მომწიფდება, სწორედ მაშინ აქვს აზრი მოდელების საკუთარ სერვერებზე განთავსებაში (self-hosting) ინვესტირებას“.

სპეციალიზებული ინტელექტის მომავალი

ლინ ციაო, Fireworks-ის აღმასრულებელი დირექტორი, რომლის კომპანიაც ხშირად განიხილება ტექნოლოგიური გიგანტების პოტენციურ სამიზნედ, ამბობს, რომ მისი პლატფორმა დღეში 40 ტრილიონ ტოკენს ამუშავებს — რაც მეტია, ვიდრე Gemini-ს ან OpenAI-ის API-ების მაჩვენებელი. Fireworks-ის სტრატეგია მოდელების მრავალფეროვნებაზეა დამყარებული.

ციაოს აზრით, დიდი ენობრივი მოდელების რაოდენობისა და ხარისხის ზრდასთან ერთად, კომპანიებისთვის უფრო ადვილი გახდება მათი სპეციფიკური საჭიროებებისთვის მომზადება. „ყველა აპლიკაციის შემქმნელმა კომპანიამ უნდა განიხილოს შიდა მკვლევრის აყვანა. მათ შეუძლიათ გამოიყენონ საკუთარი პროდუქტი და მონაცემები საკუთარი მოდელის შესაქმნელად. მომავალი რეალურად სპეციალიზებულ ინტელექტს ეკუთვნის. ფაქტობრივად, ყველა კომპანიას ექნება საკუთარი მოდელი თითოეული გამოყენების შემთხვევისთვის და ეს ავტომატურად მოხდება“.

ხელოვნური ინტელექტის, როგორც ბიზნეს ინსტრუმენტის განვითარების მხოლოდ საწყის ეტაპზე ვართ. მიუხედავად იმისა, რომ OpenAI და Anthropic ამჟამად დომინირებენ, ეს გარდაუვალი მოცემულობა არ არის. ტექნოლოგიური გიგანტები ცდილობენ დაიზღვიონ თავი და ღია ტექნოლოგიების მიმზიდველობა სულ უფრო რთული დასაძლევი ხდება.