از تامین قطعات تا زیرساخت

گروه فناوری- مدت‌ها از حضور ChatGPT می‌گذرد؛ چت‌باتی که رنگ‌و‌بوی جدیدی به دنیای هوش مصنوعی بخشید و نگاه عموم کاربران و همین‌طور سرمایه‌گذاران را بیش‌ از قبل به این حوزه جلب کرد. در حقیقت این چت‌بات ثابت کرد که هوش مصنوعی پتانسیل درآمدزایی بالایی برای بسیاری از غول‌های حوزه فناوری دارد، اما چرا هوش مصنوعی یک فناوری گران محسوب می‌شود؟
تازه‌ترین گزارش سه‌ماهه گوگل و مایکروسافت از افزایش چشمگیر درآمد ابری این دو شرکت خبر می‌دهد که دلیل اصلی آن، توجه بیشتر مشتریان به خدمات هوش مصنوعی است. در اثر چنین استقبالی، انتظار می‌رود که سرمایه‌گذاران بیشتری پا به حوزه هوش مصنوعی بگذارند و شرکت‌ها نیز خدمات بیشتری را در این زمینه به کاربران ارائه دهند. با این حال افزایش هزینه‌های تحقیقات و خدمات مبتنی بر AI، برخی سرمایه‌گذاران را نگران کرده است. برای مثال، ارزش سهام متا به ‌دلیل کاهش برخلاف‌ انتظار درآمدهای ناشی از هوش مصنوعی، افت پیدا کرده و احتمال تکرار سناریوی مشابه برای سایر شرکت‌ها نیز وجود دارد.
در ۲۵ آوریل ۲۰۲۴ (۶اردیبهشت ۱۴۰۳)، مایکروسافت از سرمایه‌گذاری ۱۴میلیارد دلاری خود در زمینه AI طی سه‌ماهه اول سال خبر داد که نسبت به مدت زمان مشابه سال گذشته، ۷۹درصد افزایش داشته و این مبلغ احتمالا به‌ صورت تدریجی افزایش خواهد یافت. شرکت متا نیز سرمایه‌گذاری خود را نسبت به سال گذشته حدود ۴۲درصد افزایش داده و با اختصاص بودجه ۳۵ الی ۴۰میلیارد دلاری، تحقیقات بیشتری را در زمینه هوش مصنوعی دنبال می‌کند. انتظار می‌رفت شاهد افزایش هزینه‌ توسعه AI باشیم زیرا با گذشت زمان، پیچیدگی‌ها و الگوریتم‌های هوش مصنوعی دستخوش تغییرات بیشتری می‌شوند و همزمان با این موضوع، تقاضا و نیاز عمومی به این فناوری روزبه‌روز در حال افزایش است. در نتیجه، پاسخگویی به نیاز مشتریان، زیرساخت‌های بیشتر و البته مجهز‌تری را می‌طلبد.
گسترش مدل‌های زبانی هوش مصنوعی
ابزارهای هوش مصنوعی مانند ChatGPT از مدل‌های زبانی بزرگی استفاده می‌کنند که مجموعه‌ وسیعی از داده‌ها مانند کُتب، مقالات و نظرات را برای ارائه بهینه‌ترین پاسخ‌ها به پرسش‌های کاربران در اختیار دارند. بسیاری از شرکت‌های پیشرو در این زمینه باور دارند که با پیشرفت روز‌افزون هوش مصنوعی، نیاز این فناوری به مدل‌های زبانی بزرگ‌تر و کامل‌تر برجسته‌تر می‌شود. گسترش این مدل‌ها به تهیه داده‌های کامل‌تر، تقویت قدرت محاسباتی و آموزش بیشتر سیستم‌ها وابسته است، با این حال انجام چنین فرآیندی، به بودجه زیادی نیاز دارد. برای مثال «داریو آمودئی»، مدیرعامل آنتروپیک، طی مصاحبه‌ای اعلام کرد که آموزش مدل‌های هوش مصنوعی در شرایط فعلی،‌ چیزی حدود ۱۰۰میلیون دلار هزینه می‌برد. او همچنین از پیش‌بینی خود مبنی بر افزایش ۵ الی ۱۰میلیارد دلاری هزینه آموزش مدل‌های آینده (در سال‌های ۲۰۲۵ و ۲۰۲۶) گفت.
هزینه قطعات هوش مصنوعی
شرکت‌های توسعه‌دهنده AI از پردازشگرهای گرافیکی (GPU)، به ‌ویژه قطعات انویدیا به ‌منظور پردازش حجم عظیم داده‌ها با سرعت بالا استفاده می‌کنند، با این حال این قطعات، کمیاب و البته گران‌ هستند و برخی از آنها مانند H100 انویدیا، با قیمت ۳۰هزار دلار یا حتی بیشتر به فروش می‌رسند. برخی شرکت‌ها نیز به اجاره قطعات مورد نظرشان روی آورده‌اند، اما این کار هم هزینه زیادی برای کمپانی‌ها به ‌همراه دارد؛ برای مثال اجاره تعدادی از قطعات H100 انویدیا تقریبا ۱۰۰دلار در ساعت برای تیم توسعه‌دهنده آب می‌خورد. اخیرا شرکت انویدیا معماری جدیدی از پردازشگرهای خود را با نام «بلک‌ول‌» معرفی کرده که نقش بسزایی در پردازش داده‌های هوش مصنوعی ایفا می‌کند. متخصصان انویدیا تخمین زده‌اند که برای آموزش یک مدل AI با ۸/۱تریلیون پارامتر، مانند GPT-4، به حدود ۲۰۰۰پردازشگر بلک‌ول نیاز است و این تعداد در صورت استفاده از قطعات ‌Hopper، به ۸۰۰۰پردازشگر می‌رسد. در نتیجه هزینه‌ بالای استفاده از این قطعات می‌تواند سرعت پیشرفت و توسعه هوش مصنوعی و چت‌بات‌‌های مبتنی بر آن را کاهش دهد.
دیتاسنترها
شرکت‌ها بعد از خرید پردازشگرهای گرافیکی، به مکان مناسبی برای نگهداری و استفاده از آنها نیازمندند. به‌ همین منظور متا، آمازون، مایکروسافت، گوگل و سایر شرکت‌های توسعه‌دهنده، احداث دیتاسنترهای جدید را در نظر دارند؛ مراکزی که سفارشی برای این کمپانی‌ها ساخته می‌شوند و از قفسه‌های محکم، سیستم‌های خنک‌کننده و انواع تجهیزات الکتریکی مانند ژنراتورهای پشتیبانی بهره‌مندند. گروه تحقیقاتی Dell’Oro تخمین زده است که در سال جاری میلادی، شرکت‌ها حدود ۲۹۴میلیارد دلار را به ساخت و تجهیز دیتاسنترهای خود اختصاص می‌دهند. این در حالی است که در سال ۲۰۲۰، حدود ۱۹۳میلیارد دلار در این زمینه هزینه شده بود که نشان از گسترش خدمات دیجیتالی مانند استریم‌های ویدئویی، توسعه داده‌ها و پلتفرم‌‌های اجتماعی دارد. البته بخشی از این هزینه‌ها برای خرید قطعات گران‌قیمت انویدیا و سایر سخت‌افزارهای تخصصی لازم به‌ منظور رشد خدمات مبتنی بر AI خرج می‌شود.
حقوق ناشران
با اینکه عمده هزینه‌ها صرف خرید پردازشگرها و دیتاسنترها می‌شود، برخی شرکت‌ها میلیون‌ها دلار برای خرید حق نشر مطالب از ناشران هزینه می‌کنند. به‌ عنوان مثال، شرکت OpenAI به توافقاتی با چند ناشر اروپایی برای استفاده از محتوا و مطالب آنها در ChatGPT دست یافته و طبق گزارش بلومبرگ، ۱۰میلیون یورو به شرکت Axel Springer SE به ‌منظور حضور محتوای خبری آنها در این چت‌بات پرداخت می‌کند. سران OpenAI همچنین با دیگر خبرگزاری‌ها مانند‌CNN ،Time و فاکس‌نیوز پیرامون این موضوع گفت‌وگو کرده‌اند. سایر شرکت‌ها نیز بی‌کار نمانده‌اند و به‌ دنبال راه‌هایی برای تامین داده‌های زبانی مورد نیاز به‌ منظور ساخت ابزارهای جذاب AI هستند. طبق گزارش رویترز، گوگل معامله‌ای ۶۰میلیون دلاری برای خرید حق نشر محتوا از ردیت داشته و براساس خبر نیویورک‌تایمز، تیم متا در حال بررسی ارزش خرید حق نشر کتاب
Simon & Schuster است. البته رقابت غول‌‌های حوزه فناوری به خرید حق نشر محدود نشده و آنها در استخدام نیروهای مستعد و توسعه‌دهندگان ماهر با یکدیگر چالش دارند.
جایگزین‌های ارزان‌تر
با وجود اینکه مایکروسافت همواره نقش بسزایی در ارائه مدل‌های زبانی بزرگ داشته، اما اخیرا اعلام کرده که رویکردی متفاوت را در پیش می‌گیرد. در نتیجه این شرکت سه مدل زبانی کوچک‌تر معرفی کرد که به قدرت محاسباتی کمتری در مقایسه با مدل‌های بزرگ‌تر نیاز دارند. علاوه بر مایکروسافت، برخی دیگر از شرکت‌ها مانند Sakana AI بر توسعه مدل‌های زبانی کوچک‌تر تمرکز دارند. طبق گفته مایکروسافت، مدل‌های زبانی بزرگ همچنان اصلی‌ترین ابزار در توسعه، تحلیل و درک داده‌های پیچیده آنها هستند، با این حال مدل‌‌‌های کوچک‌تر برای برخی فعالیت‌ها می‌توانند کاربردی باشند و نیاز به حضور مدل‌های بزرگ‌تر را کاهش دهند. البته برخی باور دارند که حضور مدل‌های زبانی بزرگ تحت هر شرایطی به نفع کاربران است، حتی اگر هزینه بیشتری به ارمغان بیاورد.