در رویداد VB Transform 2025 که به‌مدت نزدیک به دو دهه توسط رهبران صنعت مورد اعتماد قرار گرفته، چالش‌های جدیدی در حوزه هوش مصنوعی تجاری مطرح شد. در این پنل، تولیدکنندگان تراشه جایگزین به‌صورت مستقیم به چگونگی تسلط Nvidia در بازار پرداخته و تضادهای بنیادی در صنعت هوش مصنوعی را به نمایش گذاشتند. یکی از سوالات کلیدی مطرح شده این بود که چگونه می‌توان فرآیند استنتاج هوش مصنوعی را به‌عنوان یک “کارخانه” استاندارد معرفی کرد در حالی که این فرآیند 70 درصد حاشیه سود دارد؟
جاناتان راس، مدیرعامل شرکت Groq، به‌طور صریح به تبلیغات هوشمندانه Nvidia اشاره کرد و گفت: «مفهوم “کارخانه هوش مصنوعی” فقط یک راه مارکتینگ است تا این فناوری کمتر ترسناک به‌نظر برسد.» سئون لی، CTO شرکت Cerebras، نیز به‌روشنی ابراز داشت که «Nvidia به‌راحتی از رقابت ارائه‌دهندگان خدمات برای هر سنت استفاده کرده و با آرامش این 70 درصد را حفظ می‌کند.»
با صدها میلیارد دلار سرمایه‌گذاری در زیرساخت‌ها و معماری آینده هوش مصنوعی تجاری در خطر، این پنل حقایق ناخوشایندی را درباره موانع پیش روی آغاز پروژه‌های هوش مصنوعی فاش کرد. دایلان پاتل، بنیان‌گذار SemiAnalysis، تأکید کرد که «هر کسی که واقعاً از این مدل‌های هوش مصنوعی استفاده می‌کند، می‌داند که نمی‌توانند به اندازه کافی توکن ارائه دهند.»
واحدهای بزرگ هوش مصنوعی برای متقاعد کردن تأمین‌کنندگان مدل‌ها به تخصیص بیشتر ظرفیت، به‌طور مرتب جلساتی برگزار می‌کنند. با این حال، محدودیت‌هایی زیادی نظیر زمان‌های دو ساله برای تولید GPU و نیاز به مجوز و توافقات قدرت برای مراکز داده وجود دارد.
این پنل همچنین به کمبود توکن به‌عنوان یک نقص بنیادی در تشبیه کارخانه اشاره کرد. پاسخ‌های سنتی به سیگنال‌های تقاضا باید با افزایش ظرفیت همراه باشند، اما با افزایش 10 برابری نیازها، زنجیره تأمین انعطاف‌پذیری لازم را ندارد.
پاتل اشاره کرد که برخی از مهم‌ترین شرکت‌ها در این تجارت، شاهد رشد بسیار سریع درآمدهای خود بوده‌اند، اما همچنان نمی‌توانند توکن‌های مورد نیاز خود را تأمین کنند.
مفهوم “کارخانه هوش مصنوعی” به فرضیاتی از استانداردسازی و کاهش هزینه‌ها اشاره دارد، اما پنل به سه دلیل اصلی نشان داد که این تشبیه نتایج نامطلوبی دارد:
اول اینکه، استنتاج یکسان نیست و کیفیت خدمات به‌شدت متغیر است. به‌عنوان مثال، DeepSeek مدل خود را با پایین‌ترین هزینه ارائه می‌دهد، اما فقط 20 توکن در ثانیه تولید می‌کند که بسیار ناکافی است.
دوم اینکه، کیفیت‌های تولید شده به‌دلیل تکنیک‌های مختلف در کاهش هزینه‌ها متغیر است و این می‌تواند به کاهش کیفیت محصولات منجر شود.
سوم اینکه، اقتصاد این صنعت وارونه است. راس اظهار داشت که نمی‌توان با صرف بیشتر هزینه برای نرم‌افزار، بهبود کیفیت را تضمین کرد. این اظهارات تنها به چالش کیفیت در ارائه‌دهندگان اشاره کرد و بر لزوم بررسی دقیق کیفیت خدمات تأکید کرد.
در نهایت، پنل تأکید کرد که برای چالش‌های آینده، رهبران AI و CISOs باید برنامه‌ریزی ظرفیت جدیدی را در نظر بگیرند و از مدل‌های پیش‌بینی خطی فراتر روند. تقاضاها به‌سرعت در حال تغییر است و کارفرماها باید از دوره‌های تهیه ثابت به مدیریت ظرفیت پویا انتقال پیدا کنند.
این پنل نشان داد که در بازار هوش مصنوعی، کیفیت و عملکرد بیش از هر چیزی در اولویت قرار دارد و به شرکت‌ها توصیه کرد که به جای تمرکز بر کاهش هزینه‌ها، روی ایجاد شراکت‌های استراتژیک و تامین منابع اساسی تمرکز کنند. در نهایت، این بدین معناست که سرمایه‌گذاری بر روی کیفیت و عملکرد می‌تواند هوشمندترین انتخاب برای شرکت‌ها باشد.