اولما ۶۵ میلیون دلار سرمایه جذب کرد؛ ابزار متن‌باز محبوب ۹ میلیون توسعه‌دهنده

به گزارش تک‌کرانچ، شرکت اولما (Ollama) که ابزاری متن‌باز برای اجرای آسان مدل‌های وزن‌باز (open-weight models) هوش مصنوعی روی کامپیوترهای شخصی ارائه می‌دهد، در دور سرمایه‌گذاری سری B مبلغ ۶۵ میلیون دلار جذب کرد. این دور توسط شرکت Theory Ventures رهبری شد و مجموع سرمایه جذب‌شده این استارتاپ را به ۸۸ میلیون دلار رساند. نکته جالب اینکه اولما تنها با ۱۴ کارمند، اکنون ۸.۹ میلیون کاربر ماهانه دارد و در ۸۵ درصد از شرکت‌های فهرست Fortune 500 استفاده می‌شود.

از داکر تا اولما: تولد یک پلتفرم انقلابی

داستان اولما از جایی شروع می‌شود که جف مورگان (Jeff Morgan) و مایکل چیانگ (Michael Chiang)، بنیانگذاران این استارتاپ، پیش‌تر در ساخت Docker Desktop نقش داشتند؛ ابزاری که دنیای توسعه‌دهندگان را با کانتینرهای داکر متحول کرد. آن‌ها تجربه مشابهی را این بار برای هوش مصنوعی تکرار کرده‌اند: درست همان‌طور که داکر اجرای برنامه‌ها را روی هر سیستمی ساده کرد، اولما هم اجرای مدل‌های هوش مصنوعی را از پیچیدگی‌های فنی خارج کرده است.

مورگان می‌گوید: «در سال ۲۰۲۳ که مدل‌های باز (open models) تازه معرفی می‌شدند، استفاده از آن‌ها واقعاً سخت بود. بیشتر مناسب محققان بود تا برنامه‌نویسان. ما می‌خواستیم همین کار را برای هوش مصنوعی انجام دهیم که داکر برای فضای ابری انجام داد: اجرای مدل‌ها را در چند دقیقه ممکن کنیم.»

مدل‌های باز را روی کامپیوتر شخصی اجرا کنید

اولما یک ابزار متن‌باز است که به توسعه‌دهندگان امکان می‌دهد مدل‌های هوش مصنوعی وزن‌باز مانند نسخه‌های مختلف Llama، Mistral، Phi و Gemma را مستقیماً روی لپ‌تاپ یا کامپیوتر شخصی خود بارگیری و اجرا کنند. این یعنی بدون نیاز به سرورهای ابری و فقط با یک دستور ساده در ترمینال، می‌توان یک مدل زبانی بزرگ را راه‌اندازی کرد.

این ابزار در گیت‌هاب با ۱۷۶ هزار ستاره و نزدیک به ۱۷ هزار فورک به شدت محبوب شده و در سایت‌های آموزشی، ویدیوها و شبکه‌های اجتماعی بارها مورد تحسین قرار گرفته است. اولما همچنین امکان جستجو و کشف مدل‌های جدید را فراهم کرده و جامعه بزرگی از توسعه‌دهندگان را به خود جذب کرده است.

ورود به فضای ابری و بحث‌های پیرامون آن

اولما علاوه بر اجرای محلی، سرویس ابری خود را هم راه‌اندازی کرده است که میزبانی مدل‌های بزرگ‌تر و پیچیده‌تر را برعهده دارد. این سرویس اشتراک‌های مختلف از رایگان تا ۱۰۰ دلار در ماه ارائه می‌دهد و برخلاف بسیاری از رقبا، هزینه‌ها را بر اساس زمان استفاده از GPU محاسبه می‌کند، نه تعداد توکن‌های مصرفی.

با این حال، این حرکت به سرویس‌های پولی باعث انتقاداتی از سوی برخی کاربران وفادار متن‌باز شد. حدود یک سال پیش، وبلاگ‌ها و پست‌هایی در شبکه‌های اجتماعی اولما را به «تضعیف تدریجی» (Enshittification) متهم کردند و معتقد بودند که توجه شرکت به سرویس ابری، پروژه رایگان را تحت‌الشعاع قرار داده است. اما مورگان این انتقاد را رد می‌کند و می‌گوید سرویس ابری تکاملی طبیعی برای مأموریت متن‌باز آن‌هاست: «بعضی مدل‌های پیشرفته آنقدر بزرگ هستند که نمی‌توان آن‌ها را روی کامپیوتر شخصی اجرا کرد. ما فقط کمک می‌کنیم که بتوانید از قدرت محاسباتی ابری برای این مدل‌ها استفاده کنید.»

پیتر فنتون (Peter Fenton)، سرمایه‌گذار از شرکت بنچمارک (Benchmark) که در دور قبلی هم حضور داشت، تأکید می‌کند: «هیچ تغییری در محصول اصلی و رایگان دسکتاپ ایجاد نشده؛ هنوز هم می‌توانید مدل‌های محلی را کشف و اجرا کنید.»

اولما و فرصت برای توسعه‌دهندگان ایرانی

در ایران، جایی که دسترسی به بسیاری از سرویس‌های ابری بین‌المللی به دلیل تحریم‌ها و محدودیت‌های اینترنت دشوار است، ابزارهایی مانند اولما ارزش دوچندان پیدا می‌کنند. توسعه‌دهندگان ایرانی می‌توانند بدون نیاز به اتصال مداوم اینترنت یا خرید اشتراک‌های گران‌قیمت خارجی، از مدل‌های پیشرفته هوش مصنوعی روی سیستم‌های شخصی خود استفاده کنند. این ابزار به آن‌ها امکان می‌دهد پروژه‌های بومی، چت‌بات‌ها، دستیارهای کدنویسی و ابزارهای تحلیل داده را بدون وابستگی به زیرساخت‌های خارجی توسعه دهند.

همچنین، با توجه به گرایش جهانی به سمت مدل‌های باز و کاهش هزینه‌های استنتاج (inference costs)، اولما می‌تواند دروازه‌ای برای ورود استارتاپ‌ها و شرکت‌های ایرانی به عرصه هوش مصنوعی باشد. فنتون می‌گوید: «هر شرکتی که هزینه‌های استنتاج بالایی دارد، یک پروژه حیاتی برای مهاجرت به مدل‌های وزن‌باز در پیش دارد. این یک الزام وجودی است.»

آینده اولما و مدل‌های باز

موفقیت اولما نشانه‌ای از موج بزرگ‌تری است: پروژه‌های متن‌باز هوش مصنوعی حالا به استارتاپ‌های جدی تبدیل می‌شوند و سرمایه‌گذاران خطرپذیر به دنبال چنین فرصت‌هایی هستند. نمونه‌های دیگری مانند vLLM، SGLang، OpenClaw و حتی استارتاپ‌های کوچکی مثل Arcee که مدل‌های باز خود را از ابتدا می‌سازند، همگی نشان‌دهنده رقابت داغ در این عرصه هستند.

بحث مدل‌های باز در مقابل بسته (closed models) نیز داغ است. مورگان و فنتون معتقدند این یک رقابت یا/یا نیست، بلکه هر دو در کنار هم رشد خواهند کرد. با این حال، فشار برای کاهش هزینه‌ها باعث شده شرکت‌ها به سراغ گزینه‌های باز بروند و این دقیقاً همان جایی است که اولما می‌تواند نقش کلیدی ایفا کند.

برای توسعه‌دهندگان ایرانی، دنبال‌کردن پیشرفت ابزارهایی مثل اولما نه‌تنها یک روند فناورانه، بلکه یک ضرورت استراتژیک است. در دنیایی که دسترسی به هوش مصنوعی به سرعت در حال توزیع است، متن‌باز بودن می‌تواند شکاف‌ها را پر کند.