به گزارش روزنامه فرانسوی لا تریبون، به دنبال رونق هوش مصنوعی مولد (AI)، کسبوکارها در سراسر جهان با واقعیت جدیدی روبرو هستند: هزینه پیادهسازی هوش مصنوعی به شدت در حال افزایش است.
دوران هوش مصنوعی یارانهای - که در آن ارائهدهندگان برای جذب کاربران، فروش خدمات را زیر قیمت میپذیرفتند - به پایان خود نزدیک میشود. برای جبران هزینههای عملیاتی هنگفت مدلهای هوش مصنوعی و زیرساختهای همراه آن، شرکتهای پیشرو در فناوری مانند OpenAI، گوگل و Anthropic شروع به تنظیم قیمت خدمات بر اساس میزان استفاده واقعی کردهاند.
در سالهای اولیهی پذیرش گستردهی هوش مصنوعی، شرکتهای فناوری قیمتهای بسیار جذابی را برای تشویق کاربران و کسبوکارها به پذیرش سریع این فناوری جدید ارائه میدادند. با این حال، این استراتژی باعث شد بسیاری از ارائهدهندگان با ضرر فعالیت کنند.
به گفته کارشناسان صنعت، این روند در حال تغییر است زیرا تقاضا برای هوش مصنوعی بسیار سریعتر از توانایی مقیاسپذیری زیرساختهای محاسباتی در حال رشد است.
یکی از دلایل اصلی افزایش هزینهها، ظهور «عاملهای هوش مصنوعی» (AI agent) است. برخلاف چتباتهای سنتی که فقط به سؤالات پاسخ میدهند، عاملهای هوش مصنوعی میتوانند به طور خودکار بسیاری از وظایف پیچیده مانند بازیابی اطلاعات، تجزیه و تحلیل دادهها، برنامهریزی یا هماهنگی با سایر سیستمها را انجام دهند.
برای انجام یک کار، یک پلتفرم هوش مصنوعی میتواند همزمان چندین عامل جداگانه را به کار گیرد، سپس نتایج را با سایر عوامل ترکیب و تأیید کند. این امر باعث میشود میزان دادههای پردازش شده و تعداد «توکنها» - واحد اندازهگیری حجم محتوایی که هوش مصنوعی ایجاد یا پردازش میکند - در مقایسه با مکالمات معمولی چندین برابر افزایش یابد.
تصویر گویا.
فشارهای هزینهای در بحبوحه عدم تعادل عرضه و تقاضا در بازار زیرساخت هوش مصنوعی، به طور فزایندهای در حال افزایش است. مراکز داده و تولیدکنندگان تراشه قادر به پاسخگویی به رشد سریع تقاضای محاسبات نیستند. در نتیجه، هزینههای اجاره زیرساختهای محاسبات ابری، سرورهای اختصاصی و پردازندههای هوش مصنوعی به طور مداوم در حال افزایش است.
به ویژه در حوزه توسعه نرمافزار، هزینه استفاده از هوش مصنوعی برای برنامهنویسی در سالهای اخیر به صورت تصاعدی افزایش یافته است. این روند همچنین منجر به افزایش قیمت بسیاری از مدلهای پیشرو هوش مصنوعی در بازار شده است.
در اروپا، تأثیر مالی هوش مصنوعی به طور فزایندهای آشکار میشود. مطالعهای که توسط شرکت مشاوره Asterès برای انجمن فرانسوی شرکتهای بزرگ فناوری اطلاعات (Cigref) انجام شده است، نشان میدهد که کسبوکارها به دلیل افزایش قیمت خدمات رایانش ابری و نرمافزارهای یکپارچه با هوش مصنوعی، سالانه ۱۴۰ میلیارد یورو هزینه اضافی متحمل میشوند.
نکته قابل توجه این است که بسیاری از کسبوکارهای شرکتکننده در این نظرسنجی معتقدند که افزایش بهرهوری حاصلشده با افزایش سرمایهگذاری در هوش مصنوعی متناسب نیست.
با توجه به این واقعیت، شرکتهای بیشتری شروع به بازنگری در استراتژیهای خود برای استقرار هوش مصنوعی در مقیاس بزرگ کردهاند. کسبوکارهای بزرگی مانند تارگت، استارباکس و اوبر، توجیه اقتصادی بهکارگیری هوش مصنوعی در تمام فرآیندهای عملیاتی خود را زیر سوال بردهاند.
به گفته برخی از مشاوران فناوری، در بسیاری از موارد، هزینههای عملیاتی سیستمهای هوش مصنوعی میتواند پس از تنها یک یا دو ماه، در صورت استفاده بیش از حد یک کسبوکار، از هزینه استخدام یک کارمند بیشتر شود.
حتی متا، شرکتی که زمانی به شدت از به حداکثر رساندن استفاده از هوش مصنوعی در محیط کار حمایت میکرد، در حال تغییر موضع خود است. اندرو باسورث، مدیر ارشد فناوری این شرکت، اخیراً تأکید کرده است که کارمندان نباید بدون نیاز واقعی، بیهدف از ابزارهای هوش مصنوعی استفاده کنند. این دیدگاه نشاندهنده تغییر از طرز فکر «هرچه هوش مصنوعی بیشتر، بهتر» به رویکردی متمرکز بر مقرونبهصرفه بودن و ارزش ملموس است.
(منبع: Digi.watch)
برای کاهش بار مالی، بسیاری از کسبوکارها به دنبال راهحلهای هوش مصنوعی کمهزینهتر هستند. یکی از روندهای برجسته، استفاده از «وزنهای باز» است - مدلهایی که میتوانند به صورت رایگان دانلود و مستقر شوند و کسبوکارها را ملزم میکنند که به جای پرداخت هزینههای فروشنده، فقط در زیرساختهای محاسباتی سرمایهگذاری کنند.
در کنار این، مدلهای زبان کوچک (SLM) نیز به طور فزایندهای محبوب میشوند. در مقایسه با مدلهای زبان بزرگ (LLM) مانند ChatGPT، Claude یا Gemini، SLMها منابع کمتری مصرف میکنند و حتی میتوانند روی سرورهای داخلی یا رایانههای شخصی اجرا شوند و هزینههای خدمات ابری را به میزان قابل توجهی کاهش دهند.
راه حل دیگر، تقسیم الزامات پیچیده به مراحل کوچکتر و جداگانهتر و اختصاص هر مرحله به مناسبترین مدلها است. این رویکرد به کسبوکارها اجازه میدهد تا به جای تکیه کامل بر مدلهای بزرگ و همه منظوره، از مدلهای کوچکتر، تخصصیتر و ارزانتر استفاده کنند. به گفته مشاوران، با اجرای این استراتژی، هزینههای پردازش میتواند از حدود ۱۵ دلار به تنها چند سنت در هر میلیون توکن کاهش یابد.
تغییر در نحوه استفاده از هوش مصنوعی، فرصتهایی را برای دسته جدیدی از کسبوکارها ایجاد میکند: پلتفرمهایی که در انتخاب، هماهنگی و ترکیب چندین مدل هوش مصنوعی تخصص دارند.
به جای تکیه بر یک فروشنده واحد، کسبوکارها میتوانند بسته به نوع کار، از ابزارهای مختلف به صورت انعطافپذیر استفاده کنند. این حوزهای است که استارتآپها به شدت با غولهای فناوری مانند آمازون رقابت میکنند. آمازون پلتفرم Bedrock را توسعه داده است که به مشتریان امکان دسترسی و مدیریت همزمان چندین مدل هوش مصنوعی را میدهد.
با این حال، کارشناسان معتقدند که توسعهدهندگان پیشرو هوش مصنوعی مانند OpenAI، گوگل و Anthropic به این دلیل جایگاه خود را از دست نخواهند داد.
اگرچه بسیاری از مشتریان، مقرونبهصرفه بودن را بر حداکثر عملکرد ترجیح میدهند، اما همیشه گروهی از کاربران وجود دارند که مایل به پرداخت هزینه بیشتر برای قدرتمندترین و پیشرفتهترین مدلها هستند.
با توجه به افزایش شدید تقاضا برای هوش مصنوعی در سطح جهانی، پیشبینی میشود که این بازار در سالهای آینده به طور قابل توجهی گسترش یابد، نه اینکه به یک بازی با حاصل جمع صفر بین ارائه دهندگان تبدیل شود.
(ویتنام/ویتنام+)
منبع: https://www.vietnamplus.vn/ky-nguyen-tri-tue-nhan-tao-gia-re-da-ket-thuc-post1113991.vnp
نظر (0)