پایگاه تحلیلی‌خبری ایراسین؛ شرکت OpenAI در حال گسترش کاربرد هوش مصنوعی از خدمات عمومی و نرم‌افزاری به حوزه‌های تخصصی صنعتی از جمله طراحی تراشه، علوم زیستی و خدمات مالی است؛ رویکردی که همزمان با تشدید رقابت در بازار هوش مصنوعی و افزایش مطالبه شرکت‌ها برای دستیابی به بازدهی قابل‌اندازه‌گیری از سرمایه‌گذاری‌های خود دنبال می‌شود. سارا فریار، مدیر مالی OpenAI، همچنین از کاهش ۸۰ درصدی قیمت مدل کم‌هزینه Luna و تلاش این شرکت برای رقابت قیمتی با مدل‌های دارای وزن باز و متن‌باز خبر داده است.

هوش مصنوعی در خدمت صنایع تخصصی

فریار در کنفرانس Communacopia + Technology گلدمن ساکس در سان‌فرانسیسکو اعلام کرد OpenAI تمرکز خود را بر صنایعی مانند طراحی تراشه، علوم زیستی و خدمات مالی افزایش داده است. به گفته او، شرکت‌ها بیش از گذشته به دنبال سامانه‌های هوش مصنوعی هستند که بتوانند برای وظایف مشخص و نیازهای تخصصی آنها مورد استفاده قرار گیرند.

این تغییر رویکرد نشان می‌دهد کاربرد هوش مصنوعی در حال عبور از حوزه‌های عمومی و ورود به فرآیندهای تخصصی و پیچیده صنعتی است؛ فرآیندهایی که پیش‌تر به نیروی انسانی متخصص، نرم‌افزارهای مهندسی و چرخه‌های طولانی تحقیق و توسعه وابسته بودند.

OpenAI همچنین در حال آزمایش مدل‌های قیمت‌گذاری مبتنی بر نتایج کسب‌وکار به جای میزان استفاده از خدمات است. این رویکرد در شرایطی مطرح شده که مشتریان سازمانی بیش از گذشته به دنبال سنجش میزان بازدهی سرمایه‌گذاری‌های خود در فناوری هوش مصنوعی هستند.

طراحی تراشه با کمک هوش مصنوعی

یکی از مهم‌ترین بخش‌های اظهارات مدیر مالی OpenAI، تجربه این شرکت در استفاده از مدل‌های هوش مصنوعی برای توسعه تراشه Jalapeno بود. فریار گفت OpenAI از مدل‌های خود در فرآیند توسعه این تراشه استفاده کرده و طراحی آن ظرف ۹ ماه به مرحله «taped out» رسیده است.

در صنعت نیمه‌رسانا، اصطلاح «taped out» به مرحله‌ای اشاره دارد که طراحی تراشه نهایی شده و برای تولید به کارخانه ارسال می‌شود. رسیدن به این مرحله در مدت ۹ ماه، نمونه‌ای از استفاده مستقیم هوش مصنوعی در یک فرآیند مهندسی پیچیده و تخصصی است.

اهمیت این تحول برای صنایع پیشرفته در آن است که توسعه تراشه یکی از حلقه‌های اصلی زنجیره فناوری هوش مصنوعی محسوب می‌شود. افزایش توان پردازشی مورد نیاز مدل‌های جدید، شرکت‌های فناوری را به سمت توسعه سخت‌افزارهای اختصاصی و راهکارهایی برای کاهش هزینه و افزایش بهره‌وری محاسباتی سوق داده است. همکاری OpenAI با شرکت‌هایی مانند Broadcom و TSMC نیز بخشی از همین حرکت به سمت زیرساخت اختصاصی هوش مصنوعی است.

رقابت بر سر هزینه پردازش

مدل‌های متن‌باز و دارای وزن باز در سال‌های اخیر به‌عنوان گزینه‌هایی کم‌هزینه‌تر در برابر مدل‌های پیشرفته شرکت‌هایی مانند OpenAI و Anthropic مطرح شده‌اند. با این حال، فریار اعلام کرد OpenAI تلاش کرده است با کاهش هزینه مدل‌های خود، بخشی از این مزیت رقابتی را جبران کند.

او گفت قیمت مدل کم‌هزینه Luna اخیراً ۸۰ درصد کاهش یافته و این کاهش قیمت به افزایش تقریباً ۱۰ برابری میزان استفاده از آن منجر شده است.

فریار همچنین اعلام کرد ابزار برنامه‌نویسی OpenAI موسوم به Codex در حال جذب مشتریان است و اکنون ۲۵ میلیون کاربر دارد. این روند نشان می‌دهد OpenAI در کنار توسعه مدل‌های عمومی، به دنبال گسترش استفاده از محصولات خود در فرآیندهای تخصصی مانند برنامه‌نویسی و توسعه نرم‌افزار است.

رشد سریع بازار سازمانی

مدیر مالی OpenAI همچنین از رشد قابل توجه درآمد سازمانی این شرکت خبر داد. بر اساس اظهارات فریار، درآمد بخش سازمانی OpenAI از ژوئن تا ژوئیه ۳۲ درصد افزایش یافته، در حالی که کل درآمد سالانه‌شده شرکت در همین دوره ۲۰ درصد رشد کرده است.

او افزود تا اواسط سال، درآمد حاصل از فعالیت‌های سازمانی و مصرف‌کننده OpenAI تقریباً به سطحی برابر رسیده است؛ اتفاقی که زودتر از هدف شرکت برای دستیابی به این توازن تا پایان سال رخ داده است.

رقابت با مدل‌های چینی

فریار در بخش دیگری از سخنان خود تأکید کرد مدل کم‌هزینه OpenAI در برخی شرایط می‌تواند در مقایسه با اجرای مدل‌های متن‌باز چینی از طریق ارائه‌دهندگان خدمات ابری، هزینه کمتری داشته باشد.

او با مقایسه Luna و مدل GLM 5.3 شرکت چینی Z.ai گفت در صورت استقرار این مدل‌ها در لایه ابری، Luna از نظر هزینه ارزان‌تر است. این ادعا در شرایطی مطرح می‌شود که رقابت میان شرکت‌های آمریکایی و مدل‌های چینی دارای وزن باز، یکی از عوامل مهم فشار بر قیمت و عملکرد محصولات هوش مصنوعی در بازار جهانی محسوب می‌شود.

در مجموع، حرکت OpenAI به سمت طراحی تراشه و سایر کاربردهای تخصصی نشان‌دهنده روندی گسترده‌تر در صنعت فناوری است؛ روندی که در آن هوش مصنوعی از یک ابزار نرم‌افزاری به بخشی از فرآیندهای مهندسی، طراحی و توسعه محصولات صنعتی تبدیل می‌شود. همزمان، رقابت بر سر کاهش هزینه پردازش و افزایش بهره‌وری، شرکت‌های بزرگ فناوری را به توسعه سخت‌افزار اختصاصی و مدل‌های کم‌هزینه‌تر سوق داده است؛ مسیری که می‌تواند ساختار زنجیره تأمین فناوری‌های پیشرفته را در سال‌های آینده تغییر دهد.