مایکروسافت برنامه های مرکز داده را کاهش و قیمت ها را افزایش می دهد

کوین ویتزنبرگر و مایکل ریچاردسون -3 مارس 2025

مایکروسافت پس از یک سال استفاده از هوش مصنوعی مولد در محصولات پرچم‌دار خود، تلاش می‌کند تا با افزایش قیمت‌ها، قرار دادن تبلیغات در محصولات و لغو اجاره‌دهی مراکز داده، هزینه‌ها را جبران کند. گوگل در حال انجام اقدامات مشابه است و ویژگی های غیرقابل اجتناب هوش مصنوعی را به سرویس Workspace خود اضافه می کند و در عین حال قیمت ها را افزایش می دهد.

وضعیت خیلی ساده نیست. شرکت‌های فناوری کاملاً به فناوری جدید متعهد هستند – اما در تلاش هستند تا راه‌هایی بیابند تا مردم را وادار به پرداخت هزینه آن کنند.

هفته گذشته، مایکروسافت بدون تشریفات برخی از قراردادهای اجاره مرکز داده برنامه ریزی شده را پس گرفت. این اقدام پس از آن صورت گرفت که این شرکت قیمت اشتراک نرم افزار پرچمدار 365 خود را تا 45 درصد افزایش داد و بی سر و صدا نسخه ای با پشتیبانی از تبلیغات برخی از محصولات را منتشر کرد.

ساتیا نادلا، مدیرعامل این غول فناوری نیز اخیراً پیشنهاد کرده است که هوش مصنوعی تاکنون ارزش زیادی نداشته است.اقدامات مایکروسافت ممکن است در موج کنونی هیاهوی هوش مصنوعی عجیب به نظر برسد که در بحبوحه اعلامیه های پرشور مانند پروژه 500 میلیارد دلاری مرکز داده OpenAI Stargate انجام می شود.اما اگر به دقت نگاه کنیم، هیچ چیز در تصمیمات مایکروسافت نشان دهنده عقب نشینی از خود هوش مصنوعی نیست. در عوض، ما شاهد تغییری در استراتژی هستیم تا هوش مصنوعی را با انتقال هزینه‌ها به روش‌های غیر واضح به سمت مصرف‌کنندگان، سودآور کنیم.

هوش مصنوعی مولد گران است OpenAI، رهبر بازار با ادعای 400 میلیون کاربر فعال ماهانه، در حال سوزاندن پول است.سال گذشته، OpenAI 3.7 میلیارد دلار درآمد کسب کرد – اما تقریباً 9 میلیارد دلار هزینه کرد که تقریباً 5 میلیارد دلار ضرر خالص داشت.

مایکروسافت بزرگترین سرمایه گذار OpenAI است و در حال حاضر خدمات رایانش ابری را به این شرکت ارائه می دهد، بنابراین هزینه OpenAI برای مایکروسافت نیز هزینه دارد.

چه چیزی هوش مصنوعی مولد را گران می کند؟ صرف نظر از نیروی انسانی، دو هزینه با مدل های هوش مصنوعی مرتبط است: آموزش (ساخت مدل) و استنتاج (با استفاده از مدل).در حالی که آموزش یک هزینه اولیه (اغلب بزرگ) است، هزینه های بکارگیری با پایگاه کاربر افزایش می یابد. و هر چه مدل بزرگتر باشد، هزینه اجرای آن بیشتر است.

یک پرس و جو در پیشرفته ترین مدل های OpenAI می تواند تا 1000 دلار آمریکا به تنهایی برای توان محاسباتی هزینه داشته باشد. در ماه ژانویه، سام آلتمن، مدیر عامل OpenAI گفت که حتی 200 دلار اشتراک ماهانه این شرکت نیز سودآور نیست. این نشان می دهد که این شرکت نه تنها از طریق استفاده از مدل های رایگان خود، بلکه از طریق مدل های اشتراکی خود نیز ضرر می کند.

هم آموزش و هم پیاده سازی معمولاً در مراکز داده انجام می شود. هزینه ها بالا هستند زیرا تراشه های مورد نیاز برای راه اندازی آنها گران هستند، اما برق، سرمایش و استهلاک سخت افزار نیز همینطور است.

تا به امروز، پیشرفت های زیادی در هوش مصنوعی با استفاده بیشتر از همه چیز حاصل شده است. OpenAI آخرین ارتقاء خود را به عنوان “مدل غول پیکر و گران قیمت” توصیف می کند. با این حال، در حال حاضر نشانه‌های زیادی وجود دارد که این رویکرد مقیاس‌پذیر به تمام هزینه ممکن است حتی ضروری نباشد.

شرکت چینی DeepSeek در اوایل سال جاری هنگامی که فاش کرد مدل‌های قابل مقایسه با محصولات پرچم‌دار OpenAI را با کسری ناچیز از هزینه آموزش ساخته است، دست به کار شد. به همین ترتیب، محققان مؤسسه آلن سیاتل برای هوش مصنوعی (Ai2) و دانشگاه استنفورد ادعا می‌کنند که مدلی را با کمتر از 50 دلار آمریکا آموزش داده‌اند.

به طور خلاصه، سیستم های هوش مصنوعی توسعه یافته و ارائه شده توسط غول های فناوری ممکن است سودآور نباشند. هزینه های ساخت و راه اندازی مراکز داده دلیل بزرگی است.مایکروسافت با غرق شدن در میلیاردها دلار در هوش مصنوعی مولد، در تلاش است تا مدل تجاری را بیابد که این فناوری را سودآور کند.

طی سال گذشته، این غول فناوری چت ربات هوش مصنوعی مولد Copilot را در محصولات خود ادغام کرده است که برای مصرف کنندگان و مشاغل طراحی شده است.

دیگر امکان خرید اشتراک Microsoft 365 بدون Copilot وجود ندارد. در نتیجه مشترکین شاهد افزایش قیمت قابل توجهی هستند.

همانطور که دیدیم، اجرای مدل‌های هوش مصنوعی در مراکز داده گران است. بنابراین مایکروسافت احتمالاً به دنبال راه‌هایی برای انجام کارهای بیشتر بر روی دستگاه‌های خود کاربران است – جایی که کاربر برای سخت‌افزار و هزینه‌های جاری آن پرداخت می‌کند.

یک سرنخ قوی برای این استراتژی دکمه کوچکی است که مایکروسافت سال گذشته شروع به گذاشتن روی دستگاه های خود کرد. در صفحه‌کلید QWERTY، مایکروسافت کلیدی را در رایانه‌های شخصی و لپ‌تاپ‌های خود به Copilot اختصاص داد که قادر به پردازش هوش مصنوعی در دستگاه هستند.

اپل نیز استراتژی مشابهی را دنبال می کند. سازنده آیفون بیشتر خدمات هوش مصنوعی خود را در فضای ابری ارائه نمی دهد. در عوض، تنها دستگاه‌های جدید قابلیت‌های هوش مصنوعی را ارائه می‌کنند، با پردازش روی دستگاه به عنوان یک ویژگی حفظ حریم خصوصی که از انتقال داده‌های شما به جای دیگر جلوگیری می‌کند.

فشار برای انجام کار استنتاج مولد هوش مصنوعی بر روی دستگاه‌های محاسباتی در جیب، روی میز، یا حتی ساعت‌های هوشمند روی مچ دست ما مزایایی دارد (به‌اصطلاح «محاسبات لبه»، زیرا در «لبه» شبکه رخ می‌دهد).

این می تواند انرژی، منابع و اتلاف مراکز داده را کاهش دهد. ردپای کربن، گرما و آب هوش مصنوعی مولد. همچنین می تواند تقاضای پهنای باند را کاهش دهد و حریم خصوصی کاربر را افزایش دهد.

اما نکات منفی نیز وجود دارد. محاسبات لبه، هزینه‌های محاسباتی را به مصرف‌کنندگان منتقل می‌کند و تقاضا برای دستگاه‌های جدید را علی‌رغم نگرانی‌های اقتصادی و زیست‌محیطی که مانع ارتقای مکرر می‌شود، افزایش می‌دهد. این می تواند با مدل های جدیدتر و بزرگتر هوش مصنوعی مولد تشدید شود.

و مشکلات بیشتری وجود دارد. زباله های الکترونیکی توزیع شده بازیافت را بسیار سخت تر می کند. علاوه بر این، اگر دستگاهی دیکته کند که هوش مصنوعی شما چقدر می تواند خوب باشد، زمین بازی برای کاربران یکسان نخواهد بود، به ویژه در تنظیمات آموزشی.

و در حالی که محاسبات لبه ممکن است “غیرمتمرکز” به نظر برسد، ممکن است منجر به انحصار سخت افزار نیز شود. اگر تنها تعداد انگشت شماری از شرکت ها این انتقال را کنترل کنند، تمرکززدایی ممکن است آنقدر که به نظر می رسد باز نباشد.

همانطور که هزینه های زیرساخت هوش مصنوعی افزایش می یابد و توسعه مدل تکامل می یابد، انتقال هزینه ها به مصرف کنندگان به یک استراتژی جذاب برای شرکت های هوش مصنوعی تبدیل می شود. در حالی که شرکت های بزرگ مانند ادارات دولتی و دانشگاه ها ممکن است این هزینه ها را مدیریت کنند، بسیاری از مشاغل کوچک و مصرف کنندگان فردی ممکن است با مشکل مواجه شوند.