نبرد اصلی هوش مصنوعی دیگر در خط مقدم نیست

در هفته‌های اخیر، توجه صنعت هوش مصنوعی به مدل‌های پیشرو جدید آنتروپیک و بحث‌های واشنگتن بر سر کنترل دسترسی به آن‌ها معطوف بود. اما در همین حین، توسعه‌دهندگان در سراسر جهان بی‌اعتنا به این هیاهو، بی‌سروصدا مشغول ساخت و ساز با مدل‌های باز بودند. داده‌های جدید نشان می‌دهد که نبرد واقعی هوش مصنوعی دیگر در خط مقدم (مدل‌های فوق‌پیشرفته و بسته) نیست، بلکه در زمین مدل‌های باز و متن‌باز جریان دارد.

طبق گزارش TechCrunch، آمار پلتفرم‌هایی مثل Hugging Face، OpenRouter و Vercel از رشد چشمگیر مدل‌های باز خبر می‌دهد. در بهار امسال، مدل‌های وزن‌باز چینی ۴۱ درصد از دانلودهای Hugging Face را به خود اختصاص دادند و از مدل‌های آمریکایی پیشی گرفتند. در OpenRouter، شش مدل برتر همگی مدل‌های باز از شرکت‌های چینی مانند Tencent، Xiaomi، DeepSeek، MiniMax و Z.ai هستند و مدل پیشرو آنتروپیک، Claude Opus 4.7، در جایگاه هفتم قرار دارد. همچنین، داده‌های Vercel نشان می‌دهد که مدل‌های وزن‌باز بخش عمده‌ای از زیرساخت‌های حجیم اپلیکیشن‌های هوش مصنوعی را مدیریت می‌کنند، در حالی که مدل‌های بسته به عنوان لایه‌ای گران‌قیمت و ممتاز عمل می‌نمایند. در ماه ژوئن، نزدیک به یک‌سوم درخواست‌های هوش مصنوعی روی این پلتفرم توسط مدل‌های باز پردازش شد.

کِلِم دلانژ (Clem Delangue)، مدیرعامل Hugging Face، در مصاحبه‌ای با پادکست Equity توضیح داد: «شاید در چند سال آینده، مدل‌های پیشرو فقط برای آزمایش و برخی وظایف بسیار با ارزش استفاده شوند و بیشتر بار کاری تولیدی توسط مدل‌های خصوصی درون شرکت‌ها یا مدل‌های متن‌باز تأمین گردد.» او تأکید کرد که مشتریان و اعضای جامعه Hugging Face به طور فزاینده‌ای خواهان مالکیت مدل‌های هوش مصنوعی خود به جای اجاره‌ی آن‌ها هستند؛ روندی که پس از دریافت صورتحساب‌های سنگین مقیاس‌پذیری مدل‌های بسته، شتاب گرفته است.

دلانژ می‌گوید: «اگر یک شرکت هوش مصنوعی یا فناوری هستید، نمی‌خواهید قابلیت‌های اصلی خود را به شرکتی دیگر، به یک جعبه سیاه (API) که کنترلی روی آن ندارید، واگذار کنید.» این رویکرد در فعالیت چشمگیر Hugging Face منعکس شده است: هر ۷ ثانیه یک مخزن جدید روی این پلتفرم ایجاد می‌شود که میزبان نزدیک به سه میلیون مدل عمومی و یک میلیون مجموعه داده عمومی است. به گفته دلانژ، نیمی از شرکت‌های Fortune 500 از Hugging Face برای استقرار مدل‌های خصوصی و متن‌باز خود استفاده می‌کنند.

همزمان با این اقبال، آزمایشگاه‌های هوش مصنوعی چینی مدل‌های توانمندتر و ارزان‌تری عرضه می‌کنند. جدیدترین نمونه، مدل وزن‌باز GLM-5.2 از شرکت Z.ai پکن است که در کدنویسی مبتنی بر عامل (agentic coding) و شناسایی آسیب‌پذیری‌های امنیتی با مدل‌های آنتروپیک رقابت می‌کند. ساتیا نادلا، مدیرعامل مایکروسافت نیز اخیراً هشدار داد که سازمان‌ها باید از وابستگی به یک تأمین‌کننده مدل واحد پرهیز کنند و کنترل داده‌های خود را در اولویت قرار دهند.

اما ظهور مدل‌های باز بحث‌های داغی بر سر امنیت برانگیخته است. داریو آمودئی، مدیرعامل آنتروپیک، هشدار می‌دهد که انتشار وزن‌های قدرتمند می‌تواند خطرناک باشد، زیرا کنترل آن‌ها دشوار می‌شود. اما دلانژ تأکید دارد: «بزرگترین خطر در هوش مصنوعی، تمرکز قدرت است. راه ایمن‌تر کردن جهان، ایجاد شفافیت و هم‌سطح سازی زمین بازی است.» به باور او، شفافیت به مدافعان امکان می‌دهد آسیب‌پذیری‌های امنیتی را که مدل‌های باز می‌توانند از آن بهره‌برداری کنند، سریع‌تر اصلاح کنند.

پیامدها برای ایران
این تحولات برای توسعه‌دهندگان و کسب‌وکارهای ایرانی حاوی نکات مهمی است. مدل‌های باز با هزینه‌ی کمتر و قابلیت شخصی‌سازی بالا، می‌توانند راه‌حل‌های هوش مصنوعی را بدون نیاز به APIهای تحریم‌شده یا پرهزینه در دسترس قرار دهند. با استفاده از پلتفرم‌هایی مانند Hugging Face، تیم‌های ایرانی می‌توانند مدل‌های خصوصی خود را بسازند، آن‌ها را برای نیازهای بومی تنظیم کنند و حتی در جامعه جهانی مشارکت نمایند. این رویکرد نه تنها وابستگی به شرکت‌های بزرگ را کاهش می‌دهد، بلکه با روحیه‌ی متن‌باز و اشتراک دانش هم‌خوانی دارد. به نظر می‌رسد آینده هوش مصنوعی بیش از آنکه در انحصار چند مدل فوق‌پیشرفته باشد، در دستان جامعه‌ای از توسعه‌دهندگان خلاق و مستقل رقم خواهد خورد.