اوپن‌ای‌آی با هوش مصنوعی تراشه طراحی کرد و قیمت را ۸۰ درصد شکست

شرکت OpenAI با کمک هوش مصنوعی یک تراشه‌ی اختصاصی طراحی کرده، قیمت مدل سازمانی خود را ۸۰ درصد پایین آورده و اعلام کرده که حتی از رقبای چینی متن‌باز هم ارزان‌تر است.

۱. یک تراشه که خودِ هوش مصنوعی طراحی‌اش کرده

یکی از جالب‌ترین بخش‌های صحبت‌های اخیر سارا فرایر، مدیر مالی OpenAI، به یک پروژه‌ی سخت‌افزاری مربوط می‌شد که تا پیش از این چندان علنی نشده بود. طبق گفته‌ی او، تیم‌های OpenAI با کمک مدل‌های زبانی و استدلالی خودِ این شرکت، طراحی یک تراشه‌ی هوش مصنوعی به نام Jalapeno را در بازه‌ای فقط ۹ ماهه به مرحله‌ای رساندند که در صنعت نیمه‌هادی‌ها به آن «تیپ‌اوت» یا taped out گفته می‌شود؛ یعنی مرحله‌ای که طراحی یک تراشه به‌طور کامل نهایی شده و آماده‌ی ارسال به کارخانه‌ی تولید است.

این سرعت برای کسی که با صنعت طراحی تراشه آشنا باشد، عدد کوچکی نیست. طراحی تراشه‌های پیشرفته‌ی امروزی معمولاً چند سال طول می‌کشد و تیم‌های بزرگ مهندسی سخت‌افزار را درگیر می‌کند. رسیدن به این مرحله در ۹ ماه نشان می‌دهد که هوش مصنوعی می‌تواند در آینده‌ی نزدیک، نقش پررنگی در تسریع فرآیندهای مهندسی پیچیده ایفا کند؛ نه‌فقط در تولید متن یا تصویر، بلکه در طراحی فیزیکی محصولاتی که خودِ آن هوش مصنوعی روی آن‌ها اجرا می‌شود.

چرا OpenAI اصلاً وارد طراحی تراشه شده؟

پاسخ ساده است: هزینه. اجرای مدل‌های بزرگ زبانی مثل ChatGPT در مقیاس صدها میلیون کاربر، به مقدار عظیمی توان محاسباتی نیاز دارد و بخش زیادی از این هزینه صرف تراشه‌های گرافیکی (GPU) می‌شود. تراشه‌های اختصاصی استنتاج (inference) که برای یک کار مشخص بهینه شده‌اند، می‌توانند هزینه‌ی اجرای مدل را به‌طور قابل توجهی کاهش دهند. به همین دلیل OpenAI پیش‌تر هم با شرکت Broadcom روی طراحی تراشه‌های اختصاصی همکاری کرده بود؛ همکاری‌ای که پروژه‌ی Jalapeno به‌نظر می‌رسد بخشی از همان مسیر باشد. برای آشنایی بیشتر با اینکه اصلاً OpenAI چطور شکل گرفت و چه مسیری را تا امروز طی کرده، می‌توانید این معرفی کامل را بخوانید.

۲. کاهش ۸۰ درصدی قیمت Luna؛ حمله‌ی مستقیم به رقبای چینی

خبر دوم و شاید مهم‌تر از نگاه بازار، مربوط به تصمیم قیمت‌گذاری OpenAI است. سارا فرایر اعلام کرد که قیمت مدل سازمانی Luna، که برای کاربردهای تخصصی مثل طراحی تراشه، علوم زیستی و خدمات مالی ساخته شده، به‌اندازه‌ی ۸۰ درصد کاهش پیدا کرده است. نتیجه‌ی مستقیم این تصمیم، افزایش ۱۰ برابری در میزان استفاده از این مدل بوده؛ عددی که به‌روشنی نشان می‌دهد قیمت هنوز یکی از تعیین‌کننده‌ترین عامل‌ها در انتخاب یک مدل هوش مصنوعی توسط شرکت‌هاست، حتی وقتی کیفیت مدل هم بالا باشد.

اما نکته‌ای که این خبر را از یک تخفیف ساده فراتر می‌برد، مقایسه‌ای است که خودِ فرایر مطرح کرد. او به‌صراحت گفت که اگر Luna را با مدل متن‌باز چینی GLM 5.3 از شرکت Z.ai مقایسه کنید و هر دو را روی یک زیرساخت ابری اجرا کنید، اجرای Luna در نهایت ارزان‌تر تمام می‌شود. این جمله عملاً یک پیام مستقیم به بازار است: OpenAI دیگر فقط روی کیفیت مدل رقابت نمی‌کند، بلکه می‌خواهد ثابت کند حتی از نظر اقتصادی هم گزینه‌ی بهتری نسبت به مدل‌های متن‌باز و ارزان‌قیمت چینی است.

این موضع‌گیری در بستر رقابتی گسترده‌تری معنا پیدا می‌کند. در ماه‌های اخیر، مدل‌های متن‌باز چینی از شرکت‌هایی مثل DeepSeek، Z.ai، Alibaba و MiniMax توجه زیادی از توسعه‌دهندگان و استارتاپ‌ها جلب کرده‌اند، چون معمولاً هزینه‌ی کمتری برای اجرا دارند و به‌صورت متن‌باز در دسترس‌اند. برای درک بهتر این‌که رقابت بین آزمایشگاه‌های آمریکایی و رقبای چینی هوش مصنوعی دقیقاً چه شکلی دارد، پیشنهاد می‌کنیم این مقایسه‌ی میدانی را هم بخوانید.

۳. رشد درآمد سازمانی؛ جایی که پول واقعی جابه‌جا می‌شود

در کنار خبر تراشه و کاهش قیمت، رقم سومی هم در صحبت‌های فرایر توجه تحلیلگران را جلب کرد. طبق گفته‌ی او، درآمد بخش سازمانی OpenAI فقط در بازه‌ای یک‌ماهه، از ژوئن تا ژوئیه، ۳۲ درصد رشد کرده؛ در حالی که رشد کلی درآمد سالانه‌شده‌ی شرکت در همان بازه حدود ۲۰ درصد گزارش شده است. به بیان ساده‌تر، بخش سازمانی این روزها موتور اصلی رشد OpenAI است، نه کاربران عادی ChatGPT.

فرایر همچنین گفت که درآمد بخش سازمانی زودتر از موعدی که خودِ شرکت برای پایان سال پیش‌بینی کرده بود، تقریباً با درآمد بخش مصرفی برابر شده است. این یعنی OpenAI دیگر یک ابزار محبوب برای کاربران عادی نیست، بلکه به‌سرعت در حال تبدیل‌شدن به یک تامین‌کننده‌ی اصلی زیرساخت هوش مصنوعی برای شرکت‌های بزرگ است؛ از بانک‌ها و شرکت‌های بیمه گرفته تا شرکت‌های طراحی تراشه و داروسازی.

این روند تصادفی نیست و بخشی از یک الگوی بزرگ‌تر در کل صنعت است. شرکت‌ها روزبه‌روز بیشتر متوجه شده‌اند که هوش مصنوعی می‌تواند در فرآیندهای واقعی کسب‌وکار، از تحلیل داده گرفته تا اتوماسیون فرآیندها، صرفه‌جویی قابل توجهی ایجاد کند. اگر می‌خواهید بدانید چرا دقیقاً کسب‌وکارها این‌قدر روی هوش مصنوعی سرمایه‌گذاری می‌کنند و چه چیزهایی در این مسیر واقعی و چه چیزهایی صرفاً هیاهوست، این تحلیل و همچنین این بررسی از توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی می‌توانند کمک‌کننده باشند.

۴. استراتژی صنعتی: از چیپ‌سازی تا علوم زیستی و خدمات مالی

نکته‌ی دیگری که در صحبت‌های مدیر مالی OpenAI به چشم می‌خورد، تمرکز روشن این شرکت روی صنایع خاص است. به‌جای اینکه فقط یک ابزار عمومی برای همه ارائه بدهد، OpenAI حالا مدل Luna را مشخصاً برای سه حوزه معرفی می‌کند: طراحی تراشه، علوم زیستی، و خدمات مالی. این یعنی این شرکت به‌جای رقابت گسترده و مبهم، دارد سراغ حوزه‌هایی می‌رود که ارزش اقتصادی بالایی دارند و مشتریانشان حاضرند برای دقت و سرعت بیشتر، هزینه‌ی بالاتری هم بپردازند؛ حالا با قیمتی که مدعی است از رقبای متن‌باز هم ارزان‌تر است.

این رویکرد صنعتی‌شده هم‌راستا با آزمایش OpenAI روی مدل‌های قیمت‌گذاری تازه است. به‌جای قیمت‌گذاری ساده بر اساس مصرف توکن، این شرکت در حال آزمودن مدل‌های «قیمت‌گذاری بر اساس نتیجه» (outcome-based pricing) است؛ یعنی مشتری بر اساس نتیجه‌ی واقعی که از هوش مصنوعی می‌گیرد هزینه پرداخت می‌کند، نه صرفاً میزان استفاده. این تغییر می‌تواند در بلندمدت نحوه‌ی قیمت‌گذاری کل صنعت هوش مصنوعی را دگرگون کند.

۵. این خبر برای کاربران عادی چه معنایی دارد؟

هرچند این خبر بیشتر برای شرکت‌ها و سرمایه‌گذاران جالب توجه است، اما اثرات غیرمستقیمی هم برای کاربران عادی دارد. وقتی OpenAI هزینه‌ی زیرساخت خودش را از طریق تراشه‌های اختصاصی پایین می‌آورد، منطقی است که این صرفه‌جویی بخشی‌اش دیر یا زود به شکل قیمت‌های پایین‌تر یا امکانات بیشتر برای کاربران عادی هم منتقل شود. از سوی دیگر، هرچه رقابت قیمتی بین OpenAI و رقبای چینی متن‌باز شدیدتر شود، احتمال دارد کیفیت و دسترسی‌پذیری ابزارهایی مثل ChatGPT برای همه‌ی کاربران هم بهتر شود.

اگر تازه دارید با ابزارهایی مثل ChatGPT کار می‌کنید و می‌خواهید بیشترین بهره را از آن‌ها ببرید، خواندن این راهنمای نوشتن پرامپت برای مبتدی‌ها نقطه‌ی شروع خوبی است. همچنین برای دنبال‌کردن به‌روزترین اخبار مدل‌ها و ابزارهای هوش مصنوعی، می‌توانید سر بزنید به بخش اخبار سایت و برای یادگیری کاربردی‌تر، آموزش‌های ChatGPT را هم ببینید.

۶. تصویر بزرگ‌تر: رقابت انسان، شرکت و ماشین

یکی از موضوعاتی که این روزها در کنار پیشرفت‌های فنی هوش مصنوعی هم زیاد مطرح می‌شود، این است که واقعاً چه بخشی از این پیشرفت‌ها محصول مهندسی واقعی است و چه بخشی صرفاً بازاریابی هوشمندانه. وقتی شرکتی ادعا می‌کند تراشه‌اش را «هوش مصنوعی طراحی کرده»، طبیعی است که این سوال مطرح شود که نقش دقیق مهندسان انسانی در این فرآیند چه بوده. برای نگاهی صادقانه‌تر به مرز بین توهم و واقعیت در دستاوردهای هوش مصنوعی، پیشنهاد می‌کنیم این مطلب را هم بخوانید.

در نهایت، آنچه از مجموع این اعلان‌ها برمی‌آید این است که OpenAI دیگر فقط یک آزمایشگاه تحقیقاتی یا یک اپلیکیشن محبوب نیست؛ این شرکت دارد به‌طور همزمان در سه جبهه‌ی متفاوت حرکت می‌کند: کنترل بیشتر روی زیرساخت سخت‌افزاری، فشار قیمتی روی رقبای متن‌باز، و عمیق‌ترشدن در بازار سازمانی. هر سه‌ی این جبهه‌ها به هم مرتبط‌اند و نتیجه‌شان می‌تواند شکل صنعت هوش مصنوعی را در یکی دو سال آینده به‌طور جدی تغییر دهد.

پرسش‌های پرتکرار

تراشه‌ی Jalapeno دقیقاً چیست؟ بر اساس صحبت‌های مدیر مالی OpenAI، Jalapeno یک تراشه‌ی هوش مصنوعی است که با کمک مدل‌های داخلی این شرکت طراحی شده و در بازه‌ای فقط ۹ ماهه به مرحله‌ی نهایی طراحی (taped out) رسیده است. جزئیات فنی کامل آن هنوز به‌طور رسمی منتشر نشده است.

مدل Luna چیست و چه کاربردی دارد؟ Luna مدل سازمانی OpenAI است که برای کاربردهای تخصصی مثل طراحی تراشه، علوم زیستی و خدمات مالی ساخته شده و اخیراً قیمت آن ۸۰ درصد کاهش یافته است.

آیا این کاهش قیمت شامل ChatGPT معمولی هم می‌شود؟ این کاهش قیمت مشخصاً مربوط به مدل سازمانی Luna است، نه لزوماً تعرفه‌های عمومی ChatGPT برای کاربران عادی؛ هرچند چنین رقابت‌های قیمتی معمولاً در بلندمدت به نفع همه‌ی کاربران تمام می‌شود.

چرا OpenAI با Z.ai و GLM 5.3 مقایسه شده؟ چون GLM 5.3 یکی از شناخته‌شده‌ترین مدل‌های متن‌باز چینی است که این روزها به‌خاطر قیمت پایین، مورد توجه شرکت‌ها و توسعه‌دهندگان قرار گرفته و OpenAI می‌خواهد نشان دهد از نظر هزینه‌ی اجرا هم رقیب قابل‌قبولی برای آن است.