پیشی گرفتن کوئن علی‌بابا از متا و گوگل در دانلودهای هوش مصنوعی متن‌باز در هاگینگ فیس

در طول دو سال گذشته، رقابت جهانی هوش مصنوعی با یک تنش اساسی تعریف شده است: تلاش ایالات متحده برای حفظ «سنگر محاسباتی» از طریق کنترل صادرات سخت‌افزار در مقابل تلاش چین برای دور زدن این محدودیت‌ها از طریق توزیع نرم‌افزار. فرض غالب در سیلیکون ولی این بود که محدود کردن دسترسی به نیمه‌رساناهای پیشرفته، به طور طبیعی دامنه نفوذ آزمایشگاه‌های هوش مصنوعی خارجی را محدود می‌کند. اما اکوسیستم‌های نرم‌افزاری از مرزهای سخت‌افزاری پیروی نمی‌کنند. توسعه‌دهندگان چینی به جای رقابت صرفاً بر اساس قدرت محاسباتی خام و بسته، به استراتژی توزیع رادیکال روی آوردند – انتشار مدل‌های بسیار توانمند و با «وزن باز» (open-weight) برای دانلود، اصلاح و استقرار توسط هر کسی.[3][4]

اکنون این تنش با یک تغییر ساختاری در چشم‌انداز هوش مصنوعی حل شده است. بر اساس گزارش اواسط آگوست از مخزن متن‌باز هاگینگ فیس (Hugging Face)، خانواده مدل «کوئن» گروه علی‌بابا رسماً به پردانلودترین مدل هوش مصنوعی با وزن باز در جهان تبدیل شده است. در طول شش ماه گذشته، مدل‌های کوئن بیش از ۳ میلیارد بار در سطح جهانی در تمام پلتفرم‌ها دانلود شده‌اند و قاطعانه از رقبای غربی پیشی گرفته‌اند.[1][2]

برای درک اینکه چگونه کوئن بازار را تسخیر کرد، باید به مکانیسم‌های هوش مصنوعی با وزن باز نگاه کرد. برخلاف سیستم‌های بسته مانند جی‌پی‌تی-۴ (GPT-4) شرکت اوپن‌ای‌آی که پشت دیوار پرداخت API کار می‌کنند، مدل‌های با وزن باز به توسعه‌دهندگان اجازه می‌دهند معماری شبکه عصبی زیربنایی را مستقیماً دانلود کنند. سپس مهندسان می‌توانند این مدل‌ها را «تنظیم دقیق» (fine-tune) کنند – آن‌ها را بر روی داده‌های تخصصی برای وظایف خاص، از تحلیل اسناد حقوقی گرفته تا تشخیص‌های پزشکی، آموزش دهند یا آن‌ها را فشرده کنند تا به طور کارآمد بر روی دستگاه‌های محلی مانند لپ‌تاپ‌ها و تلفن‌های هوشمند اجرا شوند.[4][5]

داده‌های هاگینگ فیس مقیاس عظیم این پذیرش را نشان می‌دهد. تنها در هفت ماه اول سال ۲۰۲۶، کوئن تقریباً ۲.۰۴۵ میلیارد دانلود را در هاب هاگینگ فیس ثبت کرد. در مقابل، مدل‌های متن‌باز گوگل ۴۱۸ میلیون دانلود و خانواده لاما (Llama) متا – که مدت‌ها به عنوان استاندارد طلایی برای هوش مصنوعی متن‌باز در نظر گرفته می‌شد – ۲۲۷ میلیون دانلود را ثبت کردند.[1][4]

معیار واقعی موفقیت یک مدل متن‌باز، فقط دانلودهای اولیه نیست، بلکه اکوسیستم مدل‌های «مشتق‌شده» (derivative) است که ایجاد می‌کند. هنگامی که یک توسعه‌دهنده یک مدل پایه را اصلاح می‌کند، اغلب نسخه جدید و تخصصی خود را دوباره در اختیار جامعه قرار می‌دهد. علی‌بابا بیش از ۴۶۰ مدل پایه در خانواده کوئن منتشر کرده است که متعاقباً بیش از ۳۰۰,۰۰۰ مدل مشتق‌شده ایجاد کرده‌اند. در هاگینگ فیس، مدل‌های مشتق‌شده کوئن ۲.۶ برابر بیشتر از مدل‌های متا هستند.[4][7]

این پذیرش سریع ناشی از تصمیمات خاص معماری و صدور مجوز است. کوئن با پشتیبانی بومی چندزبانه ساخته شد و متن‌های غیرانگلیسی را با توکن‌های به مراتب کمتری نسبت به تکرارهای اولیه لاما پردازش می‌کند. این کارایی، هزینه‌های محاسباتی را برای شرکت‌های جهانی به شدت کاهش می‌دهد. علاوه بر این، کوئن از مجوز آزاد آپاچی ۲.۰ استفاده می‌کند و به بخش‌های حقوقی شرکت‌ها اجازه می‌دهد تا محدودیت‌های کاربران تجاری و محدودیت‌های سفارشی که گاهی اوقات مدل‌های متن‌باز غربی دارند را دور بزنند.[4][5]

برای علی‌بابا، این تسلط متن‌باز یک استراتژی حساب‌شده در بالای قیف فروش است. علی‌بابا با تثبیت کوئن به عنوان لایه بنیادی پیش‌فرض برای توسعه‌دهندگان مستقل، تقاضای پایین‌دستی برای خدمات رایانش ابری خود را افزایش می‌دهد. این شرکت با ارائه خدمات به مشتریان سازمانی در جنوب شرقی آسیا و آفریقا که در حال حاضر بر روی معماری کوئن کار می‌کنند، تجارت ابری خود را به شدت گسترش داده است.[2][5]

ظهور مدل‌های متن‌باز چینی، غول‌های فناوری آمریکایی را مجبور به واکنش کرده است. شرکت‌هایی مانند متا و انویدیا (Nvidia)، با درک اینکه مدل‌های بنیادی در حال تبدیل شدن به زیرساخت اصلی نسل بعدی نرم‌افزار هستند، اخیراً انتشار مدل‌های هوش مصنوعی متن‌باز خود را تسریع کرده‌اند. رقابت دیگر فقط بر سر این نیست که چه کسی باهوش‌ترین چت‌بات را دارد، بلکه بر سر این است که معماری چه کسی به سیستم‌عامل پیش‌فرض برای توسعه‌دهندگان جهانی تبدیل می‌شود.[1][6]

آنچه هنوز ثابت نشده، این است که چگونه این تسلط متن‌باز به برتری تجاری بلندمدت تبدیل خواهد شد. در حالی که مدل‌های چینی در حال پیروزی در جنگ توزیع هستند، کسب درآمد از اکوسیستم‌های با وزن باز هنوز در مراحل اولیه خود قرار دارد. علاوه بر این، با توجه به اینکه دولت ایالات متحده گسترش این مدل‌ها را زیر نظر دارد، احتمال وضع چارچوب‌های نظارتی جدیدی که نرم‌افزار هوش مصنوعی متن‌باز – و نه فقط سخت‌افزار – را هدف قرار دهند، همچنان یک پرسش باز برای صنعت باقی می‌ماند.[3][6]