آمازون با ارائه چیپهای سفارشی، هوش مصنوعی ارزانتری را معرفی میکند در حالی که تقاضا همچنان بالاست.

مدیر عامل آمازون، اندی جاسی، گفت که زیرساخت هوش مصنوعی هنوز برای استفاده گسترده در شرکتها بسیار گران است، اما هدف آمازون وب سرویسز تغییر این وضعیت با توسعه تراشههای خود و کاهش هزینههای استنتاج است.
او در برنامه Squawk Box شبکه CNBC گفت که در مقابل حدس و گمانها نسبت به اینکه پیشرفتهای اخیر در کارایی مدلهای هوش مصنوعی، مانند آنچه توسط DeepSeek معرفی شده، نیاز به ساخت زیرساخت را کاهش خواهد داد، موضعگیری کرد.
او گفت: “ما تقاضای بسیار بالایی داریم. من تغییر در ساختوساز مراکز خود را در حال حاضر نمیبینم.”
جاسی تأکید کرد که AWS هیچ کاهش تقاضایی برای زیرساختهای هوش مصنوعی را تجربه نمیکند، علیرغم عدم اطمینانهای کلان اقتصادی و تهدیدات قریبالوقوع تعرفهها. او توضیح داد که در حالی که مدلهای کارآمدتر خوشایند هستند، چالشهای زیرساخت هوش مصنوعی عمیقتر و پایدارتر هستند.
جاسی گفت: “اگر شما مدلهای مرزی مانند ما را میسازید، بر روی بسیاری از همان مشکلات کار میکنید. هرچه هزینه هوش مصنوعی را پایینتر بیاوریم، تعداد بیشتری از مشتریان از آن استفاده خواهند کرد.”
کاهش هزینه باعث افزایش هزینه مشتریان میشود
جاسی بین تغییرات هوش مصنوعی امروز و روزهای اولیه AWS مقایسههایی انجام داد. او گفت که هزینههای پایینتر به ازای هر واحد محاسباتی، اغلب منجر به افزایش هزینه مشتریان میشود—نه کاهش—زیرا شرکتها راههای جدیدی برای نوآوری پیدا میکنند.
او گفت: “این به آنها اجازه میدهد در آنچه که میسازند، هزینه صرفهجویی کنند، اما آنها کمتر خرج نمیکنند. این به آنها آزادی میدهد تا نوآوری بیشتری انجام دهند.”
به گفته جاسی، دو اهرم اصلی برای کاهش هزینههای هوش مصنوعی وجود دارد: خود تراشهها و هزینه استنتاج، فرآیند پیشبینی با استفاده از مدلهای آموزشدیده. در حالی که آموزش امروز غالب بر هزینهها است، استنتاج به طور مقیاس به مرکز هزینه تبدیل خواهد شد.
AWS با ساخت تراشههای هوش مصنوعی سفارشی خود به این چالش پاسخ داده است، که به گفته جاسی، ۳۰٪ تا ۴۰٪ عملکرد قیمت بهتری نسبت به نمونههای مبتنی بر GPU فعلی ارائه میدهد. او همچنین اشاره کرد که کاهش هزینههای استنتاج شامل پیشرفتهایی در تکنیکهای سختافزاری و نرمافزاری است.
جاسی مأموریت را به وضوح بیان کرد: “اگر شما در جلسات با تیم AWS حال حاضر بنشینید، احساس میکنند که مسئولیت و مأموریت آنها این است که هزینه هوش مصنوعی را بهطور معناداری کمتر از امروز کنند.”
این تلاش برای کاهش هزینههای هوش مصنوعی میتواند به عنوان یک کاتالیزور برای برخی بخشها در صنعت کریپتو عمل کند. به طور خاص، توسعهدهندگان مدتهاست که به بررسی موارد استفاده از هوش مصنوعی پرداختهاند اما اغلب به دلیل محدودیتهای زیرساخت و هزینهها به دیواری برخورد میکنند. با پیشرفت فناوریهای مقرونبهصرفهتر در سالهای آینده، برنامههای هوش مصنوعی بومی بلاکچین، از تجزیه و تحلیل زنجیرهای تا عوامل خودمختار غیرمتمرکز، میتوانند در مقیاس بیشتری ممکن شوند.