به گزارش ساوت چاینا مورنینگ پست، نوامبر گذشته در دانشگاه هنگکنگ، از رئیس گروه علیبابا، پرسیده شد چرا این غول فناوری مدلهای هوش مصنوعی خود را متنباز (open-source) کرده است. او در برابر جمعی از دانشجویان گفت که معتقد است هوش مصنوعی متنباز با کاهش هزینهها میتواند برای جهان سودمند باشد و بنابراین برای کشورهایی که از نظر سرمایه و نیروی انسانی محدود هستند، انتخابی طبیعی است.
مدل پرچمدار هوش مصنوعی این شرکت با نام Qwen طی سه سال گذشته نزدیک به ۱ میلیارد بار دانلود شده و بهطور قابلتوجهی محبوبترین خانواده مدل متنباز در جهان محسوب میشود.
از او پرسیده شد این موضوع چگونه به سودآوری منجر میشود و وی پاسخ داد: «ما از هوش مصنوعی پول درنمیآوریم»؛ منظور او خود مدلها بود. این پاسخ صریح نشاندهنده رویکرد شرکت است: هرچند علیبابا از استنتاج (inference) و خدمات ابری درآمدزایی میکند، اما همچنان هوش مصنوعی متنباز را بخشی اساسی از هویت خود میداند.
این پرسش که چگونه میتوان از این مدلها که ذاتاً فاقد مالکیت فکری قابل تجاریسازی مستقیم هستند، درآمد ایجاد کرد، طی یک سال گذشته بارها مطرح شده است.
در چین، ظهور دیپسیک در اوایل سال گذشته موجی از مدلهای متنباز ایجاد کرد و استارتآپهایی مانند مینیمکس و ژیپو از این موج استفاده کردند و حتی به عرضههای بزرگ در بورس هنگکنگ رسیدند.
اما این پرسش در فصل گزارشهای مالی اخیر دوباره مطرح شده است، زیرا برخی شرکتها از جمله علیبابا و ژیپو برخی از جدیدترین مدلهای خود را بهصورت بسته (closed-source) عرضه کردهاند.
اما به گفته چند تحلیلگر، متنباز بودن و درآمدزایی الزاماً در تضاد نیستند.
نکته کلیدی این است که مدلهای هوش مصنوعی فقط یک لایه از «پشته (stack)» محصول هستند.
بیشتر شرکتهای هوش مصنوعی از یک رویکرد ترکیبی استفاده میکنند که عناصر متنباز و بسته را همزمان در بر میگیرد.
یک الگوی قدیمی
مدلهای هوش مصنوعی از طریق فرآیندی به نام استنتاج (inference) در اختیار کاربران قرار میگیرند؛ در این فرآیند، پردازندههای گرافیکی قدرتمند (GPU) برای اجرای مدل استفاده میشوند. اگرچه مدلهای متنباز رایگان هستند، اما اجرا و تنظیم آنها روی سختافزار محلی میتواند هزاران دلار هزینه داشته باشد و نیازمند تخصص فنی بالاست.
در عوض، توسعهدهندگان مدل معمولاً خود خدمات استنتاج را ارائه میدهند؛ نوعی «درآمدزایی غیرمستقیم».
به همین ترتیب، شرکتهای ابری چین مانند علیبابا و تنسنت از طریق اجاره GPUها از مدلهای متنباز درآمد کسب میکنند.
ارائهدهندگان استنتاج همچنین میتوانند خدمات ویژهای مانند امنیت و بهینهسازی به شرکتها بفروشند.
این رویکرد در گذشته نیز موفق بوده است؛ معروفترین نمونه آن سیستم عامل اندروید گوگل است که متنباز است و به اکوسیستم غالب موبایل در جهان تبدیل شد و در نهایت به تقویت موتور جستوجوی گوگل کمک کرد.
علیبابا کلاد نیز نمونه دیگری است. این شرکت حدود ۳۶ درصد بازار ابری چین را در اختیار دارد و از سال ۲۰۲۴ (یک سال پس از متنباز کردن Qwen) درآمد ابری آن موتور اصلی رشد شرکت شده است.
محدودیتهای مدل متنباز
با این حال، این استراتژی محدودیتهایی دارد. رقابت شدید داخلی و همچنین رقابت با مدلهای آمریکایی باعث فشار نزولی بر قیمتها شده است.
بر اساس گزارش مالی علیبابا، حاشیه سود بخش ابری این شرکت همچنان در محدوده تکرقمی است. در مقابل، شرکتهای آمریکایی مانند OpenAI و Anthropic که مدلهای بسته دارند، حاشیه سود ۴۰ تا ۵۰ درصدی دارند، زیرا کنترل انحصاری بر استنتاج به آنها قدرت قیمتگذاری بیشتری میدهد.
در آمریکا، استراتژی ارزشمحور وجود دارد که هر دلار هزینهشده باید بیشترین درآمد را از هر کاربر تولید کند. اما در چین، استراتژی مبتنی بر حجم است؛ یعنی مدلها تا حد ممکن ارزان و فراوان عرضه میشوند و درآمد بهصورت تدریجی و در لایههای مختلف کسب میشود.
در بازاری که مدلها کالایی (commoditised) میشوند، قیمت و بهرهوری هزینه به عامل تعیینکننده تبدیل میشود.
این وضعیت شباهت زیادی به جنگ قیمتی در صنعت خودروهای برقی و پنلهای خورشیدی چین دارد. شرکتهای مینیمکس و ژیپو در گزارشهای مالی خود برای سال منتهی به دسامبر ۲۰۲۵، با وجود رشد سهرقمی درآمد، افزایش زیان را گزارش کردند؛ زیرا رقابت شدید باعث کاهش قیمتها شده است.
الگوی جدید
ظهور ابزار عامل هوش مصنوعی متنباز OpenClaw در ابتدای سال، محاسبات استراتژیک شرکتهای چینی را تغییر داده است.
این ابزار میتواند بهصورت خودکار وظایف را برای کاربران انجام دهد و کاربران میتوانند انتخاب کنند از کدام مدل استفاده شود. این فرآیند مصرف گستردهتری از مدلها ایجاد میکند و میتواند تقاضا را بهشدت افزایش دهد.
این تحول برای شرکتهای ابری مانند علیبابا و شرکتهای AI مانند مینیمکس و ژیپو مثبت تلقی میشود، زیرا افزایش تقاضا امکان افزایش قیمت و بهبود حاشیه سود را فراهم میکند.
همچنین میتواند به تغییر مدل درآمدی از «غیرمستقیم» به «مستقیم» کمک کند.
به همین دلیل، تمرکز صنعت به سمت مدل بهعنوان سرویس (MaaS) در حال حرکت است؛ مدلی که بر اساس مصرف توکن (واحد اصلی استفاده از AI) هزینه دریافت میکند.
مدیرعامل علیبابا، گفته است که هدف شرکت تبدیل MaaS به مدل اصلی درآمدی هوش مصنوعی است، هرچند اکنون کمتر از ۱۰ درصد درآمد ابری AI را تشکیل میدهد. او پیشبینی کرده این مدل ظرف ۵ سال بزرگترین منبع درآمد ابری شرکت خواهد شد.
در همین حال، مصرف توکن در سه ماه اول سال شش برابر شده است.
رقابت و تغییرات جدید
تقریباً همه شرکتهای هوش مصنوعی چین طرحهای پرداخت بر اساس استفاده (coding plans) معرفی کردهاند، اما به دلیل کمبود جهانی GPU، این طرحها به سختی قابل دسترسی شدهاند و برخی شرکتها حتی آنها را لغو کردهاند.
برای ژیپو، افزایش استفاده از API در سهماهه اول ۴۰۰درصد رشد داشته، در حالی که قیمت هر درخواست 83 درصد افزایش یافته است.
مدیرعامل این شرکت گفته است بسیاری از مشتریانی که قبلاً مدلهای متنباز را بهصورت محلی اجرا میکردند، اکنون به APIهای ابری مهاجرت کردهاند و این باعث شده درآمد شرکت بهطور عمده بر پایه API و توکن باشد.
رویکردهای ترکیبی و آینده
مدل OpenClaw باعث تغییر استراتژی شده و ممکن است صنعت را پایدارتر کند، اما رقابت همچنان شدید است.
شرکتهای کوچکتر مانند ژیپو و مینیمکس با چالش بزرگی روبهرو هستند، زیرا مدلهای متنباز آنها توسط غولهایی مانند علیبابا و تنسنت در خدمات خود استفاده میشود.
مینیمکس اخیراً مدل جدید خود را متنباز کرده اما استفاده تجاری از آن را بدون مجوز ممنوع کرده است؛ اقدامی که با واکنش منفی جامعه متنباز مواجه شد.
برخی تحلیلگران میگویند این محدودیتها ممکن است محبوبیت مدلهای چینی را در جامعه جهانی توسعهدهندگان کاهش دهد.
با این حال، کارشناسان میگویند چنین محدودیتهایی در صنعت متنباز بیسابقه نیست و بخشی از تلاش برای حفظ پایداری تجاری است.
در نهایت، آینده مدل متنباز در چین هنوز نامشخص است، بهخصوص با توجه به محدودیت توان محاسباتی نسبت به آمریکا و رقابت شدید مدلهای بسته.
همچنین همه نگاهها به نسخه بعدی دیپسیک است؛ مدلی که ممکن است دوباره موج متنباز را تقویت کند یا مسیر صنعت را تغییر دهد.
منبع: scmp
