دوراهی سرنوشت‌ساز استارتاپ‌ها: هوش مصنوعی متن‌باز یا مدل‌های بسته و انحصاری؟

برای استارتاپ‌های هوش مصنوعی، انتخاب مدل دیگر مثل گذشته یک تصمیم فنی یک‌باره و تغییرناپذیر نیست.

مدل‌های متن‌باز روزبه‌روز قوی‌تر می‌شوند و از طرف دیگر، APIهای پیشرفته‌ترین مدل‌های هوش مصنوعی تجاری هم با سرعت جلو می‌روند. حالا می‌توان مدل‌ها را متناسب با وظایف خاص شخصی‌سازی کرد و خیلی از شرکت‌ها هم به جای تعصب روی یک مدل خاص، محصولاتی می‌سازند که هم‌زمان از چند مدل مختلف بهره می‌برند. این انعطاف‌پذیری دست بنیان‌گذاران را حسابی باز گذاشته، اما هم‌زمان تصمیم‌گیری‌های مهمی را هم پیش پای آن‌ها قرار داده است: بودجه را کجا خرج کنیم؟ چه بخشی از استک را خودمان بسازیم؟ و چطور در این بازار پرشتاب چابکی خودمان را حفظ کنیم؟

در رویداد بزرگ دیسراپت ۲۰۲۶ (Disrupt 2026)، چهار نشست و گفت‌وگوی جذاب به این تصمیمات سرنوشت‌ساز در تمام لایه‌های استک هوش مصنوعی می‌پردازند؛ از اپلیکیشن‌های چندمدلی و مدل‌های سفارشی‌سازی‌شده گرفته تا زیرساخت‌ها و تراشه‌های پردازشی که تمام بار این فناوری را به دوش می‌کشند.

این پنل‌های تخصصی بستری را فراهم می‌کنند تا فعالان اکوسیستم فناوری از نزدیک با نحوه تصمیم‌گیری رهبران این صنعت آشنا شوند و استراتژی‌های پیروزمندانه در توسعه ابزار‌های هوش مصنوعی را بررسی کنند.

وقتی یک مدل هوش مصنوعی دیگر پاسخگوی کار نیست

بحث انتخاب بین مدل‌های متن‌باز و مدل‌های انحصاری بر این فرض استوار است که یک شرکت حتماً باید از همان ابتدا فقط یک مدل را انتخاب کند؛ اما واقعیت این است که محصولات مدرن هوش مصنوعی روزبه‌روز بیش‌تر برای کار‌های مختلف به سراغ مدل‌های متفاوتی می‌روند.

در نشستی با عنوان «استفاده حداکثری از توکن‌ها: شرکت‌های برتر چگونه دنیای چندمدلی را مدیریت می‌کنند؟»، چهره‌های سرشناسی مانند مو جوما (Mo Jomaa)، پارتنر CapitalG، ویپول ود پراکاش (Vipul Ved Prakash)، هم‌بنیان‌گذار و مدیرعامل Together AI و سوزانا استامیروفسکا (Zuzanna Stamirowska)، مدیرعامل و هم‌بنیان‌گذار Pathway روی استیج سازندگان گرد هم می‌آیند.

آن‌ها به این پرسش‌ها پاسخ خواهند داد که چرا استارتاپ‌ها به استفاده هم‌زمان از چند مدل روی آورده‌اند، چطور تعادل طلایی میان هزینه، کارایی و انعطاف‌پذیری ایجاد می‌کنند، و مدل‌های متن‌باز در چه بزنگاه‌هایی حتی گزینه‌های اختصاصی و غول‌های گران‌قیمت را هم شکست می‌دهند.

برای بنیان‌گذاران، این چابکی فقط به قدرت پردازش مدل محدود نمی‌شود؛ بلکه هزینه‌های جاری عملیاتی، تصمیم‌گیری‌های کلان محصول و سرعت تطبیق شرکت با مدل‌های قدرتمندتری که هر روز معرفی می‌شوند را تحت تأثیر مستقیم قرار می‌دهد.

این بحث‌ها راهنمایی هوشمندانه به شرکت‌ها می‌دهد تا به درستی تشخیص دهند کدام مدل برای کدام وظیفه مشخص بیش‌ترین بازدهی و صرفه اقتصادی را به همراه دارد.

چه مقدار از استک هوش مصنوعی را باید خودتان بسازید؟

انتخاب مدل، یک سؤال استراتژیک و بسیار عمیق‌تر را هم پیش می‌کشد: مالکیت چه بخش‌هایی از فناوری واقعاً باید در دستان شرکت شما باشد؟

مانوس کوکومیدیس (Manos Koukoumidis)، مدیرعامل و هم‌بنیان‌گذار Oumi، در پنلی با عنوان «کدام هوش مصنوعی را پیاده‌سازی کنیم: اجاره، شخصی‌سازی یا ساخت اختصاصی؟» به روی صحنه می‌رود. او به این مسأله می‌پردازد که آیا استارتاپ‌ها واقعاً باید خودشان از صفر مدل بسازند، شخصی‌سازی در چه شرایطی به یک برگ برنده رقابتی تبدیل می‌شود و تصمیم‌گیری میان هوش مصنوعی متن‌باز و بسته بر چه اساسی باید صورت بگیرد.

کوکومیدیس با ارائه سناریوهای ملموس استارتاپی، نظرسنجی از حاضران و معرفی یک چارچوب عملیاتی، به مقایسه APIهای پیشگام، وزن‌های متن‌باز شخصی‌سازی‌شده و داشتن یک مدل کاملاً بومی و اختصاصی کمک می‌کند. نتیجه این نشست، سه اصل اساسی برای تصمیم‌گیری در معماری سیستم‌های هوش مصنوعی خواهد بود.

تصمیماتی که بنیان‌گذاران در این مرحله می‌گیرند، نه تنها کیفیت محصول، بلکه ماهیت بیزنس آن‌ها را هم شکل می‌دهد. دست گرفتن کنترل بخش‌های بیشتری از استک هوش مصنوعی باعث تمایز چشمگیر با رقبا و کنترل کامل روی پروژه می‌شود، اما هم‌زمان مستلزم صرف وقت، نیروهای متخصص و منابع مالی بسیار سنگین‌تری نسبت به اتکا به مدل‌های آماده است.

این بحث و تبادل نظر، یک چارچوب استاندارد به شرکت‌ها ارائه می‌دهد تا مشخص کنند تا چه حد لازم است استک فنی‌شان را خودشان بسازند و در کجا بهتر است از راهکارهای موجود استفاده کنند.

جایگاه واقعی مدل‌های متن‌باز در برابر گزینه‌های انحصاری

برای بسیاری از استارتاپ‌ها، اصل ماجرا در نهایت به سبک‌سنگین کردن مزایا و معایب مدل‌های متن‌باز در برابر مدل‌های اختصاصی و تجاری بازمی‌گردد.

نادر خلیل (Nader Khalil)، مدیر فناوری توسعه‌دهندگان در Nvidia، به همراه سیدنی سایکس (Sydney Sykes)، مدیر ارشد همکاری‌های سرمایه‌گذاری خطرپذیر در انویدیا، در نشستی با عنوان «ساخت استارتاپ‌های هوش مصنوعی که ارزش شرط‌بندی دارند» به سخنرانی می‌پردازند. آن‌ها بررسی می‌کنند که بنیان‌گذاران امروز چه گزینه‌هایی را ترجیح می‌دهند، تعادل میان APIهای ابری و مدل‌های متن‌باز با وزن‌های آزاد چیست، و این تصمیم‌ها چه اثری روی استراتژی محصول و تمایز بلندمدت در بازار می‌گذارد.

این انتخاب‌ها پیامدهای تجاری ملموسی دارند؛ انتخاب مدل می‌تواند همه‌چیز را دگرگون کند، از هزینه‌ها و زیرساخت‌های لازم گرفته تا میزان تسلط شما بر محصول نهایی. علاوه بر این، تعیین می‌کند که استارتاپ چطور و با چه سرعتی می‌تواند تمایزی ایجاد کند که رقبا نتوانند به این سادگی‌ها آن را کپی کنند.

بررسی این چشم‌انداز از زبان توسعه‌دهندگان و شرکت‌های سرمایه‌گذاری خطرپذیر، نقشه‌ای راهبردی برای ترسیم آینده استارتاپ‌ها در این حوزه پررقابت ترسیم می‌کند.

وقتی پای معماری مدل به طراحی سخت‌افزار باز می‌شود

معماری مدل‌ها تنها نیمی از معادله است. عملکرد و بازدهی نهایی هوش مصنوعی کاملاً به سخت‌افزاری وابسته است که در زیر پوست آن کار می‌کند؛ و حالا نکته شگفت‌انگیز اینجاست که پیشرفت‌های هوش مصنوعی دارند شیوه طراحی همان سخت‌افزارها را هم از اساس تغییر می‌دهند!

آنا گلدی (Anna Goldie)، بنیان‌گذار و مدیرعامل شرکت Ricursive Intelligence و آزالیا میرحسینی (Azalia Mirhoseini)، بنیان‌گذار و مدیر ارشد فناوری این شرکت، در نشستی به نام «وقتی هوش مصنوعی خودش سخت‌افزارش را طراحی می‌کند» به این موضوع جذاب می‌پردازند. آن‌ها کندوکاو خواهند کرد که هوش مصنوعی چگونه تراشه‌ها و سخت‌افزارها را بهینه‌سازی می‌کند، چرا پیوند میان معماری مدل‌ها و سخت‌افزار تنگاتنگ‌تر از همیشه شده، و یک اکوسیستم متن‌بازتر چه معنایی برای زیرساخت‌های فیزیکی این صنعت خواهد داشت.

برای سازندگان محصولات، این پیوند عمیق میان هوش مصنوعی و سخت‌افزار بر سرعت ورود قابلیت‌های نوین به بازار اثر می‌گذارد. سرعت گرفتن روند توسعه تراشه‌ها می‌تواند دسترسی استارتاپ‌ها به زیرساخت‌های محاسباتی ارزان‌تر و قدرتمندتر برای نسل بعدی محصولات هوش مصنوعی را دگرگون کند.

این پنل نگاهی استثنایی به آینده‌ای می‌اندازد که در آن هوش مصنوعی خودش وظیفه طراحی تراشه‌های پردازشی آینده‌اش را به دست می‌گیرد.

در دیسراپت ۲۰۲۶ یاد بگیرید چطور دست‌تان را در هوش مصنوعی باز بگذارید

این نشست‌ها بخشی از بیش از ۲۰۰ جلسه تخصصی در شش استیج، میزگرد و کارگاه در رویداد دیسراپت است که از ۱۳ تا ۱۵ اکتبر در سالن Moscone West سان‌فرانسیسکو برگزار می‌شود. انتظار می‌رود بیش از ۱۰ هزار نفر از بنیان‌گذاران، سرمایه‌گذاران، مدیران اجرایی و نخبگان فناوری در کنار بیش از ۲۵۰ سخنران و ۳۰۰ استارتاپ حاضر در نمایشگاه در این رویداد شرکت کنند.

به علاوه، جلسات شبکه‌سازی، ارتباط مستقیم با سرمایه‌گذاران و فرصت‌های مشارکت تجاری امکانی فوق‌العاده برای شرکت‌کنندگان فراهم می‌کند تا با هم‌مسیران، شرکای تجاری بالقوه و کارآفرینانی که دقیقاً با همین چالش‌های فنی و اقتصادی دست‌وپنجه نرم می‌کنند، ارتباط برقرار کنند.

ممکن است یک استارتاپ امروز از API یک مدل پیشرفته تجاری استفاده کند، فردا به سراغ شخصی‌سازی یک مدل متن‌باز برود، یا در نهایت بار پردازشی کارهایش را میان چندین مدل مختلف تقسیم کند. در این دنیای پویا، حفظ انعطاف‌پذیری و چابکی شاید حتی از انتخاب خود مدل اولیه هم مهم‌تر و حیاتی‌تر باشد.

رویداد بزرگ دیسراپت ۲۰۲۶ فرصتی کم‌نظیر برای کشف این واقعیت است که بزرگان هوش مصنوعی چگونه درباره معماری و ابزار‌های ساخت محصولات نسل بعد تصمیم می‌گیرند؛ تصمیماتی که آینده این حوزه را رقم خواهند زد.