Anthropic قیمت هوش مصنوعی را در بحبوحه افزایش رقابت کاهش می دهد

برای شرکت های سازمانی که فرصت های هوش مصنوعی محاوره ای را بررسی می کنند (هوش مصنوعی)، یک توسعه جدید نوید دسترسی بیشتر و مقرون به صرفه بودن را می دهد. آنتروپیک، یک آزمایشگاه پیشرو مدل هوش مصنوعی، امروز قیمت هر توکن مدل مکالمه خود را کاهش داد. انتشار کلود ۲٫۱ در پاسخ به رقابت رو به رشد سایر بازیکنان بزرگ، اما شاید مهمتر از آن، گزینه های منبع باز.

مت شومر، مدیرعامل و یکی از بنیان‌گذاران OthersideAI، خاطرنشان می‌کند: «از آنجایی که بازیکنان بیشتری وارد بازار شده‌اند، چیزها شتاب بیشتری می‌گیرند. شومر اشاره می‌کند که شرکت‌های دیگر مانند DeepMind بر شرکت‌های مدل زبان بزرگ منبع بسته (LLM) مانند OpenAI و Anthropic فشار می‌آورند تا به طور مداوم هزینه‌ها را کاهش دهند.

با این حال، شومر همچنین معتقد است که چالش واقعی در “تکثیر منبع باز” نهفته است. به عنوان توسعه باز از مدل ها مانند میسترال و نیم هوش مصنوعی پیشرفته را به طور گسترده در دسترس قرار می دهد، شرکت ها می توانند از وابستگی به هر فروشنده ای اجتناب کنند. آنها انعطاف پذیری برای انتخاب از چشم انداز رو به رشد گزینه ها را به دست می آورند که هر کدام مزایای خاص خود را دارند.

این چشم‌انداز در حال تغییر احتمالاً برای آنتروپیک در هنگام کاهش نرخ‌های کلود به ازای هر توکن بسیار مهم بود. “اگر آنها می خواهند کسب و کارهایی را که در حال رشد هستند بر روی پلتفرم خود نگه دارند، به این ترتیب آنها موفق خواهند شد، قطعا باید آن را به اندازه کافی ارزان کنند که آنها را حفظ کنند. [their client base]. این یک مشکل بزرگ برای آنها است،” شومر ادعا می کند.

Anthropic به وضوح ارزشی را در حفظ مشتریان در حال رشد سازمانی که در برنامه‌های هوش مصنوعی محاوره‌ای سرمایه‌گذاری کرده‌اند، می‌بیند. با مقرون به صرفه تر کردن کلود نسبت به رقبایی که دوست دارند OpenAIآنتروپیک قصد دارد موقعیت خود را در یک بازار در حال بلوغ با استانداردهای رو به رشد ارزش مستحکم کند.

منبع باز سفارشی سازی فراتر از API های بسته را امکان پذیر می کند

در حالی که قیمت مقرون به صرفه دسترسی را گسترش می دهد، جایگزین های باز پتانسیل سفارشی سازی حتی بیشتری را ارائه می دهند. همانطور که Shumer خاطرنشان می کند، “با هوش مصنوعی باز، آنها برای موارد استفاده متوسط ​​بهینه می شوند… ما می توانیم در مورد ساخت سیستم ها و سرورهایمان به گونه ای متفاوت فکر کنیم تا برای این کار بسیار بهینه تر شوند.”

مدل‌های منبع باز شرکت‌ها را قادر می‌سازد تا زیرساخت‌ها را دقیقاً برای نیازهای منحصر به فرد خود تنظیم کنند. این در مقایسه با APIهای بسته تعمیم یافته هزینه های نمایی کمتری را به همراه دارد. شومر تخمین می‌زند که ابزارهای منبع باز از طریق چنین بهینه‌سازی سفارشی، اطلاعات را «ارزان‌تر» می‌کنند.

برای شرکت هایی که در حال حاضر منابع مهندسی را در هوش مصنوعی سرمایه گذاری می کنند، منبع باز یک پیشنهاد ارزش جذاب را نشان می دهد. همانطور که شومر توضیح می دهد، “اگر بتوانید این هزینه ها را ۱۰ تا ۲۰ برابر کاهش دهید، و شرکت بزرگتری هستید، این کار را انجام خواهید داد.” توانایی داشتن کامل پشته هوش مصنوعی یک مورد قانع کننده برای شرکت های جاه طلبی است که به دنبال مزیت های رقابتی هستند.

در نتیجه، تکثیر منبع باز چالشی متمایز در آینده برای فروشندگان بسته ایجاد می کند. همانطور که شومر می گوید، “من در واقع تکثیر منبع باز را تهدیدی قریب الوقوع برای این شرکت ها می بینم.” شرکت‌های پیشگام نه تنها مشتریان خود را از دست می‌دهند، بلکه استعدادهای فنی را نیز از دست می‌دهند که به سمت فرصت‌هایی باز می‌شوند که پتانسیل بیشتری را باز می‌کنند.

این پویایی از تصمیم آنتروپیک برای کاهش رقابتی نرخ هر توکن کلود خبر داد. حفظ جای پایی در بازارهای حساس به قیمت و فن آوری، مستلزم پاسخگویی مداوم به جایگزین باز است. فروشندگان بسته باید خط خوبی را طی کنند تا مقرون به صرفه بودن را با ضرورت مدل های تجاری اختصاصی متعادل کنند.

رهبری هوش مصنوعی مستلزم سازگاری در یک چشم انداز سریع در حال تغییر است

با نگاهی به آینده، حفظ رهبری در هوش مصنوعی محاوره‌ای نیاز به چابکی جهت‌یابی تغییرات بازار دارد. شرکت‌های قدیمی مانند OpenAI در این زمینه پیشگام بودند، اما اکنون با اختلالاتی از سوی نسل‌های جدیدتر شرکت‌ها مواجه هستند. همانطور که Shumer مشاهده می کند، “یک سال پیش، دو سال پیش … فقط OpenAI بود. اکنون بازیکنان زیادی در حال رقابت هستند.”

رقابت بیشتر، نوآوری را تسریع می کند زیرا سهامداران متعدد پیشرفت را تحت فشار قرار می دهند. به گفته شومر، “این امر قیمت ها را پایین می آورد… قابلیت ها را بالا می برد زیرا افراد بیشتری در تلاش برای ساختن همان چیزی هستند.” این تکامل سریع هم چالش ها و هم فرصت هایی را برای برنامه های پذیرش هوش مصنوعی سازمانی نوید می دهد.

با این حال، مبارزات OpenAI همچنین مزایای استفاده از در حال رشد چشم انداز منبع باز. بر خلاف سیستم‌های اختصاصی وابسته به تک فروشندگان، مدل‌های باز مسئولیت را در جوامع وسیع‌تری توزیع می‌کنند. علیرغم پایان یافتن حماسه آلتمن با بازگشت او به شرکت، مطمئناً سؤالات باقی می ماند.

موفقیت به نفع شرکت هایی خواهد بود که در پاسخ به جایگزین های نوظهور انعطاف پذیری نشان می دهند. همانطور که گفتگو نشان داد، حتی شرکت‌های معتبر هم رویکردهای اختصاصی و منبع باز را بسته به وظایف آزمایش می‌کنند. یافتن موقعیت های تعادلی بهینه برای سازمان ها برای مقرون به صرفه بودن و رهبری فنی.

مهمتر از همه، رهبری هوش مصنوعی به طور فزاینده ای خواستار نظارت فعالانه بر چشم انداز متنوع گزینه ها است. بنگاه‌ها با در نظر گرفتن سرنخ‌هایی از یک صنعت در حال بلوغ، باید ادراکی را برای اختلالاتی که مدل‌های جدید ارزش را تقویت می‌کنند، پرورش دهند. با وعده منبع باز نوآوری های بیشتر، کسانی که از تغییر استقبال می کنند، مزایای بلند مدت قاطعی را به دست می آورند.