‏رقابت هوش مصنوعی از هوشِ مدل به کلِ زیرساخت رسید

به تحلیلِ نویسنده، رقابتِ هوش مصنوعی از یه نبردِ تک‌بعدی بر سرِ هوشِ مدل، به یه جنگِ زیرساختیِ چندلایه تبدیل شده. به گفته‌ی او استکِ مدرنِ هوش مصنوعی چهار لایه داره: در پایه سخت‌افزار (شتاب‌دهنده‌ها و GPUها)، بالاش خوشه‌ی محاسباتی (سرورهای ابری و دیتاسنترهای گیگاواتی)، بعد لایه‌ی مدل (معماری‌هایی مثل Claude و GPT) و در نهایت اپلیکیشن (رابط‌هایی مثل ChatGPT و Cursor). حرفِ اصلیش اینه که تسلط بر یه لایه دیگه سنگرِ ماندگاری نیست و شرکت‌ها دارن به لایه‌های بالا و پایین سرریز می‌کنن.

به گفته‌ی نویسنده، شرکت‌های مدل‌محور برای حفظ حاشیه‌ی سود به‌سمتِ سخت‌افزار هل داده می‌شن، چون بارِ اصلیِ هزینه سرِ استنتاجه. مثلاً OpenAI با Broadcom روی اولین تراشه‌ی استنتاجِ سفارشیش به اسم Jalapeño کار می‌کنه (هدف: استقرار تا پایان ۲۰۲۶)، و Anthropic هم یه مشارکتِ زیرساختیِ ۵۰ میلیارد دلاری با نئوکلادِ FluidStack بسته تا دیتاسنترهای چندگیگاواتی تو تگزاس و نیویورک بسازه.

نویسنده xAI رو نمونه‌ی متفاوتی می‌دونه که کلاً ابر رو دور زده و با ساختِ ابرکامپیوترِ Colossus، شرکتِ مادرش SpaceX رو خودش به یه هایپراسکیلر تبدیل کرده؛ تا جایی که به گفته‌ی مقاله Anthropic ماهی ۱٫۲۵ میلیارد دلار بابت دسترسی به Colossus می‌پردازه. در لایه‌ی اپلیکیشن هم، او Cursor رو مثالِ ردِ ادعای «صرفاً یه wrapper» می‌آره: Cursor با انبوهِ داده‌ی رفتارِ کاربر، مدلِ داخلیِ Composer 2.5 (نسخه‌ی فاین‌تیون‌شده‌ی مدلِ متن‌بازِ Kimi K2.5) رو ساخته تا وابستگیشو به APIهای گرونِ فرانتیر کم کنه. ژوئنِ ۲۰۲۶ هم SpaceX سازنده‌ی Cursor یعنی Anysphere رو با معامله‌ی ۶۰ میلیارد دلاریِ تمام‌سهام خریده.

نویسنده می‌گه هایپراسکیلرها مثل آمازون و مایکروسافت هم هم به بالا (نرم‌افزار) و هم به پایین (سیلیکونِ سفارشی) گسترش می‌دن؛ آمازون با تراشه‌های Trainium و Inferentia، و مایکروسافت با تکیه بر توزیعِ عظیمش از راهِ ویندوز و Microsoft 365 و انتشارِ مدل‌هایی مثل Phi و MAI. Nvidia هم که رو لایه‌ی سخت‌افزار مسلطه، به گفته‌ی او بی‌سروصدا به لایه‌ی مدل رفته و مجموعه‌ی کاملاً متن‌بازِ Nemotron 3 رو منتشر کرده؛ چون برخلاف آزمایشگاه‌های نرم‌افزاری، Nvidia مستقیم از رواجِ مدل‌های باز سود می‌بره چون تقاضای GPU رو بالا می‌بره.

نویسنده گوگل رو تنها بازیگری می‌دونه که هم‌زمان بومیِ هر چهار لایه‌ست (تراشه‌ی TPU، ابرِ GCP، مدلِ Gemini و توزیع از راهِ Search و Workspace) و همین یه چرخه‌ی داده‌ی شکست‌ناپذیر بهش می‌ده. در مقابل، به گفته‌ی او راهبردِ متن‌بازِ متا با Llama نتونست سنگرِ ماندگار بسازه و رقبا با همون وزن‌های باز، متا رو رد کردن؛ تا جایی که متا آوریلِ ۲۰۲۶ مدلِ کاملاً بسته‌ی Muse Spark رو منتشر کرد. جمع‌بندیِ نویسنده اینه که مرزِ لایه‌ها داره محو می‌شه و برنده کسیه که بیشترین لایه‌ها رو به‌شکل عمودی یکپارچه کنه.

نکات کلیدی:

• به تحلیلِ مقاله، رقابت از هوشِ مدل به یه جنگِ چندلایه رو کلِ استک (سخت‌افزار، محاسبات، مدل، اپلیکیشن) رسیده.
• شرکت‌های مدل‌محور مثل OpenAI و Anthropic به‌سمتِ تراشه و دیتاسنترِ سفارشی می‌رن.
• لایه‌ی اپلیکیشن (مثل Cursor) با داده‌ی کاربر مدلِ خودی می‌سازه و سنگرِ دفاعی درست می‌کنه.
• گوگل بومیِ هر چهار لایه‌ست؛ نویسنده می‌گه برنده کسیه که بیشترین لایه‌ها رو یکپارچه کنه.