به گزارش ساوت چاینا مورنینگ پست، شرکت‌هایی همچون دیپ‌سیک، علی‌بابا و بیدو تمرکز خود را از تأکید بر «عملکرد افراطی» مدل‌هایشان به سمت اولویت‌دادن به کاربردپذیری، بهره‌وری هزینه و پشتیبانی گسترده اکوسیستم تغییر داده‌اند تا به تسریع پذیرش در صنایع کمک کنند.
چین به‌سرعت در حال پیشرفت برای ترغیب صنایع بیشتر به استفاده از کاربردهای مرتبط با هوش مصنوعی است.
کاربردهای هوش مصنوعی از قابلیت‌های عمومی به سمت استقرار متناسب با سناریوهای خاص در حال تکامل‌اند. بخش‌های مالی، دولتی، مخابراتی و بهداشت و درمان در چین هرکدام به نرخ نفوذ میانگین بیش از ۶۰ درصد در زمینه استفاده از هوش مصنوعی دست یافته‌اند.
بخش دولتی با ۹۵ درصد بالاترین نرخ پذیرش را داشته است و پس از آن، بخش مالی با ۷۸ درصد در جایگاه دوم قرار دارد.
این روند در شرایطی شکل گرفته که هزینه‌های آموزش مدل‌ها به‌شدت کاهش یافته و موانع ورود به پروژه‌های هوش مصنوعی پایین‌تر آمده است. هزینه‌های آموزش در سال جاری نسبت به ۲۰۲۴، ۹۰ درصد کاهش یافته است.
این ارزیابی نشان می‌دهد که شرکت‌های هوش مصنوعی چین با اتخاذ رویکرد متن‌باز ـ که کد منبع مدل‌ها را در دسترس توسعه‌دهندگان ثالث برای استفاده، اصلاح و توزیع قرار می‌دهد ـ توانسته‌اند فاصله خود را با همتایان آمریکایی کاهش دهند.
مدل‌های متن‌باز شرکت‌های نوپایی چون دیپ‌سیک و MoonshotAI، همراه با مدل‌های ارائه‌شده از سوی شرکت‌های بزرگ فناوری همچون علی‌بابا کلود (واحد هوش مصنوعی علی‌بابا) و بایدو، به دلیل جذابیت هزینه پایین و قابلیت‌های نوآورانه، در صنایع مختلف به‌طور گسترده‌تری مورد استفاده قرار گرفته‌اند.
کاهش هزینه‌های آموزش به شرکت دیپ‌سیک این امکان را داد که تمرکز خود را بر مدیریت‌پذیری هزینه‌ها، کیفیت کافی و زنجیره‌ابزاری کاربرپسندتر بگذارد، به‌جای اینکه صرفاً به دنبال کسب امتیازات بالاتر در آزمون‌های مقایسه‌ای هوش مصنوعی باشد.
مدلV3.1 دیپ‌سیک دارای یک «حالت استدلال ترکیبی انعطاف‌پذیر» است که سیستم را قادر می‌سازد بسته به پیچیدگی وظیفه، به‌طور خودکار بین حالت «تفکر عمیق» و «پاسخ سریع» جابه‌جا شود.
او افزود بازار گسترده چین در کاربرد صنعتی هوش مصنوعی یک «مزیت آشکار» نسبت به ایالات متحده محسوب می‌شود، چراکه شرکت‌های داخلی «در آزمون و خطا و تکرار فناوری بسیار سریع عمل می‌کنند» و این امر فرصت‌های زیادی برای تجاری‌سازی سریع فراهم می‌کند.
با این حال، همچنان در بخش مدل‌های هوش مصنوعی در چین گلوگاه‌هایی وجود دارد، زیرا بسیاری از توسعه‌دهندگان هنوز به‌شدت به تأمین‌کنندگان خارجی فناوری برای «نرم‌افزارهای پایه توسعه» مانند چارچوب‌های هوش مصنوعی متکی هستند.
منبع: scmp
