شهریور
اخبار
مونشات و ابرهای آمریکایی؛ چانهزنی بر سر درآمد کیمی K3
یک آزمایشگاه نوپای چینی حالا پشت میزی نشسته که تا دیروز فقط شرکتهای آمریکایی به آن راه داشتند. شرکت مونشات ایآی، سازندهی خانوادهی مدلهای کیمی، طبق گزارشها در حال گفتوگو با مایکروسافت، آمازون و گوگل است تا تازهترین مدل غولپیکرش روی ابرهای آمریکایی اجرا شود. نکتهی داغ ماجرا اما جای دیگری است: چینیها فقط اجازهی میزبانی نمیخواهند، سهمی از درآمد میخواهند.
لیست مطالب
۱) ماجرا دقیقاً از چه قرار است
خبر را خبرگزاری رویترز در قالب یک گزارش اختصاصی و به نقل از منابع آگاه منتشر کرد: شرکت مونشات ایآی، یکی از شناختهشدهترین آزمایشگاههای هوش مصنوعی چین، با سه ارائهدهندهی بزرگ خدمات ابری آمریکا یعنی مایکروسافت، آمازون و گوگل وارد گفتوگو شده تا مدل تازهاش با نام کیمی K3 در فهرست مدلهای قابل استفاده روی این پلتفرمها قرار بگیرد.
ساختار پیشنهادی اما با آنچه تا امروز میان آزمایشگاههای هوش مصنوعی و ابرها رایج بوده تفاوت دارد. در الگوی معمول، مدلهای متنباز روی ابر میزبانی میشوند و درآمد کاملاً به جیب ارائهدهندهی ابر میرود؛ چون هزینهی پردازش و پشتیبانی با اوست. طبق گزارشها، مونشات اینبار خواستار سهمی تا حدود ۳۰ درصد از درآمد سرویسهایی است که بر پایهی کیمی K3 ساخته میشوند. اگر چنین توافقی نهایی شود، عملاً نخستین قرارداد بزرگ اشتراک درآمد میان یک آزمایشگاه چینی و ابرهای آمریکایی رقم خورده است.
هیچکدام از طرفها تا لحظهی نگارش این مطلب توافق نهایی را تأیید نکردهاند و گفتوگوها، به گفتهی منابع، هنوز در مرحلهی مقدماتی است. برای پیگیری تازهترین تحولات این پرونده میتوانید بخش اخبار هوش مصنوعی را دنبال کنید.
۲) کیمی K3 چه مدلی است
کیمی K3 تازهترین حلقه از زنجیرهی مدلهای مونشات است و آنچه آن را از همنسلانش جدا میکند، مقیاس آن است. این مدل با حدود ۲٫۸ تریلیون پارامتر معرفی شده و در گزارشهای فنی بهعنوان بزرگترین مدل با وزنهای باز منتشرشده تا این تاریخ توصیف میشود. «وزن باز» به این معناست که پارامترهای مدل در دسترس عموم قرار میگیرد و هر شرکتی میتواند آن را روی زیرساخت خودش اجرا کند؛ نکتهای که در ادامهی این ماجرا اهمیت پیدا میکند.
در سنجههای عملکردی هم گزارشهایی منتشر شده که بر اساس آنها کیمی K3 در برخی آزمونهای کدنویسی — از جمله سنجهی مربوط به توسعهی رابط کاربری — از مدلهای پرچمدار غربی جلو زده است. لازم است اینجا با احتیاط حرکت کنیم: نتایج سنجهها به شدت به نحوهی طراحی آزمون، نسخهی دقیق مدل و تنظیمات اجرا وابستهاند و یک برتری در یک آزمون خاص را نباید به برتری کلی تعمیم داد. اما همین اندازه هم برای بازار پیام روشنی دارد: فاصلهای که تا دو سال پیش قطعی به نظر میرسید، دیگر قطعی نیست.
چرا مقیاس مدل مهم است
مدلهای بزرگتر معمولاً در وظایف چندمرحلهای، استدلال طولانی و کدنویسی پیچیده بهتر عمل میکنند، اما هزینهی اجرایشان هم سنگینتر است. یک مدل ۲٫۸ تریلیون پارامتری برای اجرا به خوشهای از شتابدهندههای گرانقیمت نیاز دارد؛ چیزی که بیشتر شرکتها ترجیح میدهند بهجای ساختنش، از ابر اجاره کنند. دقیقاً همینجاست که پای مایکروسافت، آمازون و گوگل به ماجرا باز میشود. اگر میخواهید تصویر گستردهتری از این رقابت داشته باشید، مقایسهای که پیشتر در نبرد چتجیپیتی و دیپسیک منتشر کردیم نقطهی شروع خوبی است.
۳) چرا مونشات سهم درآمد میخواهد
منطق اقتصادی پشت این درخواست ساده است. وقتی یک آزمایشگاه وزنهای مدلش را باز منتشر میکند، عملاً ارزشمندترین داراییاش را در اختیار رقبا و مشتریان میگذارد و راه مستقیمی برای کسب درآمد از آن ندارد. ابرها میتوانند همان مدل را بارگذاری کنند، روی آن سرویس بفروشند و یک ریال هم به سازنده ندهند. برای آزمایشگاهی که میلیاردها دلار هزینهی آموزش کرده، این معادله در بلندمدت دوام نمیآورد.
مونشات ظاهراً میخواهد این معادله را تغییر دهد: انتشار باز برای گسترش سریع و تصاحب سهم بازار، بهعلاوهی یک قرارداد تجاری با ابرها برای درآمدزایی از همان انتشار. این ترکیب، اگر جواب بدهد، میتواند به الگوی تازهای برای کل صنعت مدلهای متنباز تبدیل شود.
نکتهی دوم استراتژی جغرافیایی است. بازار داخلی چین برای این آزمایشگاهها بزرگ اما اشباعشده است و حاشیهی سود در جنگ قیمتی داخلی بهشدت فشرده شده. راه یافتن به مشتریان سازمانی آمریکا و اروپا، آن هم از مسیر امن و قابلاعتماد ابرهای بومی همان بازارها، میانبری است که هیچ کمپین بازاریابی مستقیمی نمیتواند جایگزینش شود.
۴) انگیزهی ابرهای آمریکایی چیست
در نگاه اول عجیب است که مایکروسافت، آمازون و گوگل حاضر باشند بخشی از درآمدشان را به یک آزمایشگاه چینی بدهند. اما سه انگیزهی روشن وجود دارد.
نخست، تنوع سبد مدلها. هر سه ابر بزرگ سالهاست بازار خود را با شعار «هر مدلی که بخواهید» میفروشند و نبودِ یکی از قویترین مدلهای باز جهان در این فهرست، یک شکاف رقابتی است. دوم، فشار قیمت. مدلهای چینی معمولاً با هزینهی توکن بهمراتب پایینتری عرضه میشوند و مشتریانی که دنبال صرفهجوییاند، در نبود گزینهی داخلی به سراغ ارائهدهندگان کوچکتر میروند. سوم، مصرف زیرساخت؛ یک مدل ۲٫۸ تریلیون پارامتری حجم عظیمی از ظرفیت پردازشی را مشغول میکند و همین برای صاحب مرکز داده درآمدزاست.
در سوی مقابل، ریسکها هم کم نیست: نگرانیهای امنیتی مشتریان سازمانی، ابهام مقرراتی و احتمال واکنش سیاسی در واشنگتن. جمع این دو کفه است که سرنوشت مذاکرات را تعیین میکند.
۵) سایهی اتهامها بر سر میز مذاکره
این پرونده در خلأ سیاسی جریان ندارد. طبق گزارشها، مقامهای آمریکایی — از جمله در سطح وزارت خزانهداری — اتهامهایی را متوجه مونشات کردهاند؛ از ادعای بهرهگیری از خروجی مدلهای آنتروپیک در فرایند آموزش گرفته تا ادعای دسترسی به تراشههای پیشرفتهی انویدیا در تعارض با محدودیتهای صادراتی. در برخی گزارشها به اجرای آموزش این مدل روی خوشهای در حدود ۲۰ هزار شتابدهنده و از مسیر زیرساخت ابری یک شرکت چینی دیگر اشاره شده است.
شرکت مونشات این اتهامها را رد کرده است. مهم است که یادآوری کنیم هیچکدام از این ادعاها تاکنون در یک فرایند قضایی یا نهاد ناظر مستقل به نتیجهی قطعی نرسیده و آنچه در دست است، اظهارنظر مقامها و گزارشهای رسانهای بر پایهی منابع آگاه است. با این حال، صرفِ وجود این پرونده کافی است تا واحدهای حقوقی سه ابر بزرگ با احتیاط بیشتری قدم بردارند.
۶) نکتهی فنی: تقلید از خروجی مدل یعنی چه
اتهام «کپیبرداری» در دنیای مدلهای زبانی معمولاً به روشی به نام تقطیر دانش اشاره دارد؛ یعنی استفاده از پاسخهای یک مدل قوی برای آموزش یا تنظیم دقیق یک مدل دیگر. این کار از نظر فنی رایج است و بخش بزرگی از پیشرفت سریع مدلهای کوچکتر را توضیح میدهد، اما تقریباً همهی آزمایشگاههای بزرگ در شرایط استفادهی خود آن را ممنوع کردهاند.
اثبات چنین ادعایی هم ساده نیست. شواهد معمولاً آماریاند: شباهت الگوی پاسخها، تکرار خطاهای مشخص یا تشابه در سبک نگارش. هیچکدام به تنهایی مدرک قطعی نیستند و به همین دلیل این دست پروندهها معمولاً به جای دادگاه، در فضای رسانه و سیاست حلوفصل میشوند. برای درک بهتر بستر حقوقی این بحثها، مطلب اوپنایآی چیست پیشزمینهی مفیدی میدهد.
۷) پیامد برای بازار مدلهای متنباز
اگر این توافق شکل بگیرد، پیام آن برای بقیهی بازار روشن است: انتشار وزنهای باز لزوماً به معنای رها کردن درآمد نیست. آزمایشگاههای دیگر — چه چینی و چه غربی — میتوانند همین الگو را دنبال کنند و برای مدلهای بازشان با ابرها قرارداد تجاری ببندند. نتیجهی احتمالی، دو لایه شدن اکوسیستم متنباز است: یک لایهی کاملاً آزاد برای اجرای شخصی و پژوهشی، و یک لایهی تجاری با پشتیبانی رسمی و تقسیم درآمد روی ابرها.
برای مشتریان سازمانی، این تحول بهاحتمال زیاد خبر خوبی است. رقابت بیشتر میان مدلها معمولاً به کاهش قیمت توکن و بهبود کیفیت پشتیبانی منجر میشود. سازمانهایی که میخواهند بدانند این تغییرات را چطور به مزیت عملیاتی تبدیل کنند، میتوانند نگاهی به اهمیت هوش مصنوعی در کسبوکار بیندازند.
۸) این خبر برای توسعهدهندهی فارسیزبان چه معنایی دارد
حضور یک مدل باز و قدرتمند روی ابرهای بزرگ، در عمل یعنی دسترسی سادهتر و ارزانتر به توان پردازشی سطح بالا. اما پیش از هیجانزده شدن، سه نکته را در نظر بگیرید.
یک: کیفیت مدل در زبان فارسی هنوز باید جداگانه سنجیده شود. برتری در سنجههای انگلیسی بهطور خودکار به فارسی منتقل نمیشود و بهترین راه، آزمون روی نمونههای واقعی کار خودتان است. دو: هزینهی واقعی را با محاسبهی طول ورودی و خروجی برآورد کنید، نه با قیمت اعلامی هر میلیون توکن. سه: اگر دادهی حساس دارید، سیاست نگهداری دادهی ارائهدهنده را پیش از هر آزمایشی بخوانید.
مهارت نوشتن دستور مؤثر هم در این میان تعیینکننده است؛ تفاوت خروجی یک مدل قوی با دستور ضعیف و یک مدل متوسط با دستور دقیق، اغلب کمتر از چیزی است که تصور میشود. راهنمای پرامپتنویسی برای مبتدیها و مجموعهی آموزشهای چتجیپیتی برای همین کار آماده شدهاند.
۹) چه چیزی هنوز روشن نیست
چند پرسش کلیدی بیپاسخ مانده است. آیا سهم درخواستی مونشات در مذاکره پایین میآید؟ آیا هر سه ابر وارد توافق میشوند یا فقط یکی؟ واکنش نهادهای ناظر آمریکایی چه خواهد بود و آیا قانونگذاران وارد ماجرا میشوند؟ و مهمتر از همه، آیا اتهامهای مطرحشده به مرحلهی رسیدگی رسمی میرسد یا در حد اظهارنظر باقی میماند؟
تا زمانی که پاسخ این پرسشها روشن شود، بهترین کار برای تیمهای فنی این است که به جای شرطبندی روی یک مدل، معماری خود را طوری بچینند که تعویض مدل کمهزینه باشد. این همان توصیهای است که در تحلیل توان و محدودیتهای واقعی هوش مصنوعی هم بر آن تأکید کردهایم.
پرسشهای پرتکرار دربارهی مذاکرهی مونشات با ابرهای آمریکایی
آیا این توافق نهایی شده است؟
خیر. طبق گزارشها گفتوگوها در جریان است و هیچکدام از طرفها قرارداد نهایی را تأیید نکردهاند. تا اعلام رسمی، همهچیز در حد مذاکره است.
کیمی K3 چقدر بزرگ است و چه فرقی با مدلهای قبلی دارد؟
این مدل با حدود ۲٫۸ تریلیون پارامتر معرفی شده و در گزارشها بزرگترین مدل با وزنهای باز تا امروز توصیف میشود. تفاوت اصلیاش با نسلهای پیشین، مقیاس و عملکرد بهتر در وظایف کدنویسی گزارش شده است.
چرا سهم درآمد برای یک مدل متنباز اهمیت دارد؟
چون در الگوی رایج، سازندهی مدل باز از فروش سرویس روی ابر هیچ درآمدی ندارد. قرارداد اشتراک درآمد میتواند این خلأ را پر کند و انتشار باز را از نظر اقتصادی پایدار سازد.
اتهامهای مطرحشده علیه مونشات چقدر جدی است؟
این اتهامها تاکنون در حد اظهارنظر مقامها و گزارشهای رسانهای باقی مانده و شرکت آنها را رد کرده است. هیچ حکم یا یافتهی رسمی مستقلی در این باره منتشر نشده است.
آیا کاربران ایرانی میتوانند از این مدل استفاده کنند؟
دسترسی به سرویسهای ابری آمریکایی برای کاربران ایرانی محدودیتهای خاص خود را دارد. اما چون وزنهای مدل باز است، امکان اجرای آن روی زیرساختهای دیگر یا استفاده از ارائهدهندگان واسط نظری وجود دارد که هزینه و کیفیتش باید جداگانه سنجیده شود.
