مدیرعامل IBM: مدل‌های متن‌باز به گزینه‌ای بی‌رقیب و ارزان برای زیرساخت‌های داخلی تبدیل شده‌اند — IBM CEO says open weight models are now irresistibly good and cheap on-prem
خلاصه
مدیرعامل IBM اعلام کرد که مدل‌های وزن‌باز (Open Weight) با ارائه ۹۰ درصد کارایی مدل‌های مرجع با تنها ۱۰ درصد هزینه، به انتخابی جذاب برای سازمان‌ها تبدیل شده‌اند. این تغییر رویکرد، تقاضا برای استقرار هوش مصنوعی به صورت On-Premise و استفاده از سخت‌افزارهای داخلی را به شدت افزایش داده است.
مدیرعامل شرکت IBM، Arvind Krishna، در جریان نشست گزارش مالی سه ماهه سوم این شرکت اعلام کرد که مدل‌های هوش مصنوعی وزن‌باز (Open Weight) به نقطه‌ای رسیده‌اند که از نظر اقتصادی و عملکردی برای استفاده‌های شرکتی کاملاً توجیه‌پذیر هستند. این اظهارات نشان‌دهنده تغییر نگاه جدی صنعت فناوری به زیرساخت‌های هوش مصنوعی است.
زمینه و تحول بازار مدل‌های هوش مصنوعی
طبق گفته‌های Krishna، در سال ۲۰۲۴ فاصله میان مدل‌های بسته و پیشتاز (Closed Frontier Models) با مدل‌های متن‌باز بسیار زیاد بود؛ به طوری که اگر یک مدل پیشتاز در بنچمارک‌ها نمره ۷۰ را کسب می‌کرد، مدل متن‌باز تنها امتیاز ۲۰ یا ۳۰ را به دست می‌آورد. اما این شکاف به مرور کاهش یافت و در اواخر سال ۲۰۲۵ به نسبتی مانند ۷۰ به ۵۰ رسید.
امروزه مدل‌های وزن‌باز توانسته‌اند عملکردی معادل ۹۰ درصد بهترین مدل‌های بازار ارائه دهند، در حالی که هزینه توکن آن‌ها بین ۱۰ تا ۲۵ درصد مدل‌های مرجع است. برای کسب‌وکارها، این یک معادله ساده اقتصادی است: چرا باید هزینه‌ای ۱۰ برابر بیشتر پرداخت شود، در حالی که یک گزینه بسیار ارزان‌تر می‌تواند ۹۰ درصد نیازها را برطرف کند؟
چالش‌های استقرار On-Premise و زیرساخت سخت‌افزاری
مدیرعامل IBM معتقد است که برای وظایف روزمره سازمانی مانند خلاصه کردن ایمیل‌ها، بررسی قراردادها، پاسخگویی به مشتریان و نگارش متون، مدل‌های ارزان‌تر و سبک‌تر کاملاً کفایت می‌کنند. این موضوع موجی از تقاضا را برای استقرار هوش مصنوعی به صورت محلی (On-Premise) در سازمان‌ها ایجاد کرده است.
با این حال، سازمان‌ها در پیاده‌سازی این زیرساخت‌ها با موانعی روبه‌رو هستند. به گفته Krishna، شرکت‌ها غالباً با چالش‌های فنی عمیقی دست‌به‌گریبانند:
- کمبود مهندسان هسته و سیستم (Kernel Engineers)
- نیاز به متخصصان مسلط به بهینه‌سازی شبکه‌های زیرساختی
- لزوم قرارگیری کلاسترها در نزدیکی فیزیکی کارت‌های گرافیک (GPU Proximity)
- پیاده‌سازی سیستم‌های کشینگ (Caching) کارآمد برای دستیابی به زمان پاسخ‌دهی مطلوب
IBM قصد دارد با ارائه نرم‌زارهای اختصاصی، مسیر استقرار هوش مصنوعی را برای شرکت‌ها هموارتر کند و انتظار دارد این روند به افزایش فروش سخت‌افزارهایی مانند کارت‌های شتاب‌دهنده مایندفرم Spyre کمک کند.
وضعیت مالی و سایر بخش‌های IBM
در کنار بخش زیرساخت، بخش نرم‌افزار IBM نیز رشد مطلوبی را تجربه کرده است. به ویژه شرکت Red Hat با رشد ۱۱ درصدی در درآمد سالانه تکرارپذیر (ARR)، ستاره این فصل بوده است. محصولات مجازی‌سازی Red Hat توانسته‌اند سهم قابل توجهی از بازار را به خود اختصاص دهند که نشان‌دهنده اقبال کاربران قدیمی VMware به گزینه‌های جایگزین است.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل