قد لا تكون الشركة التي تمتلك أكبر نموذج هي الفائزة التالية في مجال الذكاء الاصطناعي، بل قد تكون الشركة التي تكتشف كيفية الحصول على ذكاء اصطناعي أكثر فائدة مقابل كل دولار تنفقه. وتساهم شركة إنفيديا (المدرجة في بورصة ناسداك تحت الرمز: NVDA ) في تشكيل هذا التحول من خلال تطوير أنظمة ذكاء اصطناعي أكثر كفاءة ومخصصة لمهام محددة، تهدف إلى تحقيق أقصى أداء ممكن من كل دورة معالجة رسومية.

صرح بادي سرينيفاسان، الرئيس التنفيذي لشركة DigitalOcean Holdings Inc. (المدرجة في بورصة نيويورك تحت الرمز: DOCN )، لموقع Benzinga في مقابلة حصرية عبر البريد الإلكتروني، أن مطوري الذكاء الاصطناعي يمزجون بشكل متزايد بين نماذج مختلفة لوظائف مختلفة بدلاً من الاعتماد بشكل حصري على أنظمة متطورة باهظة الثمن من شركات مثل OpenAI و Anthropic.

قال سرينيفاسان: "نحن نؤمن بـ: النموذج الصحيح، والتكلفة الصحيحة، لكل مهمة".

وأشار إلى شركة Hippocratic AI المتخصصة في الذكاء الاصطناعي في مجال الرعاية الصحية كمثال، قائلاً إن شركات بناء الذكاء الاصطناعي مثل Hippocratic "تحصل على ذكاء أفضل مقابل كل دولار" لأنها تعمل على تحسين النماذج.

إن ارتباط شركة Hippocratic بشركة Nvidia يجعل هذه الاستراتيجية مثيرة للاهتمام بشكل خاص. تقول Nvidia إن بنية Polaris الخاصة بشركة Hippocratic تشغل أكثر من 25 نموذجًا من نماذج الذكاء الاصطناعي المخصصة لمهام محددة على وحدات معالجة الرسومات Nvidia H200، بينما يجعل برنامج TensorRT-LLM هذه النماذج أسرع وأصغر حجمًا وأكثر كفاءة، مما يقلل التكاليف ويسمح بتشغيل المزيد من المحادثات على نفس الجهاز.

ليس بالضرورة أن يكون نموذج الذكاء الاصطناعي هو الأغلى ثمناً

قال سرينيفاسان إن النماذج المتقدمة لا تُستخدم عادةً إلا في حوالي 25% من العمل، وتحديداً في أصعب عمليات الاستدلال أو حالات الاستخدام المتخصصة. أما النسبة المتبقية البالغة 75%، فيمكن معالجتها غالباً باستخدام نماذج ذات أوزان مفتوحة، والتي توفر بدائل أقل تكلفة للمهام الأقل تطلباً.

وهذا يخلق مشكلة تحسين مختلفة لشركات الذكاء الاصطناعي.

بدلاً من السؤال عن أي طراز هو الأذكى، يمكنهم السؤال عن أي طراز ذكي بما يكفي لمهمة معينة بالسعر المناسب.

قال سرينيفاسان: "معظم الشركات المتخصصة في الذكاء الاصطناعي اليوم هي بالفعل شركات متعددة النماذج. جميعها لديها مزيج من النماذج وتوجه مطالبات محددة إلى النموذج المناسب."

تم تصميم محرك الاستدلال الخاص بـ DigitalOcean لتوجيه أحمال العمل بناءً على عوامل تشمل الأداء، وزمن الاستجابة، والتكلفة، وتفضيلات العملاء.

أبقراط يوضح أهمية أجهزة إنفيديا

يُعد أبقراط مثالاً مفيداً لأن الذكاء الاصطناعي الخاص به في مجال الرعاية الصحية يتطلب استجابات فورية أثناء التعامل مع المحادثات الحساسة للسلامة.

يعتمد نظام بولاريس الخاص بالشركة على وحدات معالجة الرسومات Nvidia H200، ويستخدم أكثر من تريليون مُعامل عبر مجموعة نماذجه. لا يقتصر الهدف على استخدام أقوى الأجهزة أو النماذج المتاحة، بل يهدف إلى جعل النظام بأكمله أكثر كفاءة، بحيث يتمكن نظام هيبوقراط من التعامل مع المزيد من التفاعلات دون زيادة تكاليف الحوسبة بشكل متناسب.

هذه هي الاستراتيجية الكامنة وراء حجة سرينيفاسان "الذكاء لكل دولار".

قد يصبح "الذكاء لكل دولار" المقياس الجديد للذكاء الاصطناعي

وقد شددت شركة Nvidia نفسها بشكل متزايد على الجوانب الاقتصادية للذكاء الاصطناعي، وغالبًا ما تركز على مفاهيم مثل الأداء لكل دولار وكفاءة تكلفة الحوسبة للذكاء الاصطناعي لوصف القيمة التي يمكن للشركات الحصول عليها من استثماراتها في مجال الحوسبة.

قد يغير ذلك نظرة المستثمرين إلى سباق الذكاء الاصطناعي.

هيمنت على المرحلة الأولى من هذا القطاع عوامل حجم النماذج وتكاليف التدريب والتنافس على بناء أنظمة أكثر قوة. ومع ذلك، ومع دخول الذكاء الاصطناعي إلى تطبيقات الأعمال اليومية، أصبح من الصعب تجاهل الجوانب الاقتصادية لتشغيل هذه النماذج.

إذا استطاعت الشركات استخدام مزيج من النماذج وتحسين البنية التحتية التي تدعمها، فقد لا يكون الفائزون بالضرورة هم الشركات التي تمتلك أكبر نماذج الذكاء الاصطناعي.

قد تكون هذه الشركات هي التي تكتشف كيفية الحصول على المعلومات الأكثر فائدة مقابل كل دولار يُنفق على الحوسبة.

الصورة مقدمة من شركة DigitalOcean Holdings Inc.