NinjaTech هزینه کارکنان هوش مصنوعی و GPU را یک‌جا ثابت می‌کند

NinjaTech AI در ۲۸ سپتامبر ۲۰۲۶ سرویس Ninja Enterprise را برای شرکت‌های بزرگ عرضه کرد؛ محصولی که کارکنان هوش مصنوعی و GPUهای موردنیازشان را با یک هزینه سالانه ثابت در اختیار سازمان‌ها می‌گذارد. این شرکت می‌گوید هدف از این مدل قیمت‌گذاری، کم‌کردن ابهام مالی‌ای است که می‌تواند مانع عبور پروژه‌های هوش مصنوعی از مرحله آزمایشی به استفاده گسترده در سازمان شود.

در بسیاری از خدمات هوش مصنوعی، هزینه با میزان مصرف محاسبه می‌شود؛ برای نمونه، هرچه مدل توکن‌های بیشتری پردازش کند، صورت‌حساب بالاتر می‌رود. به گفته NinjaTech، این روش برای عامل‌هایی که ممکن است ساعت‌ها بدون دخالت مستقیم انسان روی یک کار فعالیت کنند، پیش‌بینی هزینه را دشوارتر می‌کند. Ninja Enterprise قرار است هزینه نرم‌افزار و توان پردازشی لازم را در یک قرارداد جمع کند.

هزینه ثابت برای عبور از مرحله آزمایشی

بابک پهلوان، مدیرعامل NinjaTech، گفته است که بیشتر عرضه‌کنندگان هوش مصنوعی هزینه‌ها را بر مبنای میزان استفاده محاسبه می‌کنند. او معتقد است صورت‌حساب ثابت می‌تواند به گسترش استفاده از هوش مصنوعی در سازمان کمک کند، به‌ویژه پس از پایان دوره آزمایشی. این توضیح، دیدگاه شرکت درباره یکی از موانع تجاری‌سازی پروژه‌های سازمانی است و به‌معنای تضمین پذیرش گسترده این ابزارها نیست.

در قیمت‌گذاری مبتنی بر توکن، هزینه به حجم پردازشی وابسته است که مدل انجام می‌دهد. این شیوه ممکن است برای یک پرسش کوتاه قابل‌پیش‌بینی‌تر باشد، اما اجرای طولانی‌مدت یک عامل می‌تواند مصرف را افزایش دهد. NinjaTech می‌گوید ترکیب هزینه کارکنان هوش مصنوعی با ظرفیت محاسباتی در یک مبلغ سالانه، به خریداران امکان می‌دهد پیش از گسترش پروژه، برآورد مالی روشن‌تری داشته باشند.

در اجرای ابری Ninja Enterprise، هزینه توان پردازشی هم در قرارداد لحاظ می‌شود؛ قابلیتی که شرکت می‌گوید پیش از این در خدماتش ارائه نکرده بود. بنابراین مشتری لازم نیست برای زیرساخت پردازشی، جداگانه با عرضه‌کننده دیگری قرارداد ببندد. این موضوع می‌تواند فرایند خرید و مدیریت قراردادها را ساده‌تر کند، هرچند منبع جزئیات قیمت، شرایط قرارداد یا سقف مصرف هر بسته را اعلام نکرده است.

زیرساخت اختصاصی و انتخاب مدل

NinjaTech ظرفیت GPU و توان استنتاج سرویس را از طریق Microsoft با همکاری Fireworks AI یا از طریق Amazon Web Services تأمین می‌کند. استنتاج به فرایندی گفته می‌شود که در آن مدل آموزش‌دیده برای پاسخ‌گویی یا انجام یک وظیفه به‌کار گرفته می‌شود. طبق توضیح شرکت، ظرفیت هر مشتری به‌صورت تک‌مستأجری رزرو می‌شود؛ یعنی زیرساخت محاسباتی اختصاصی همان مشتری است و سازمان‌ها نیازی به خرید سرور ندارند.

این بسته‌بندی، مسئولیت تهیه بخشی از زیرساخت را نیز به NinjaTech منتقل می‌کند. شرکت مدعی است مدل‌های دارای وزن باز که روی این ظرفیت اجرا می‌شوند، در مجموع حدود یک‌دهم هزینه استقرارهای مشابه با مدل‌های پیشرفته آزمایشگاه‌های بزرگ هوش مصنوعی را دارند. «وزن‌های باز» به پارامترهای آموزش‌دیده مدل اشاره دارد که در دسترس قرار می‌گیرند؛ بااین‌حال، میزان صرفه‌جویی می‌تواند به نوع کاربرد و شیوه استقرار وابسته باشد و رقم اعلام‌شده، برآورد خود شرکت است.

مشتریان به یک مدل واحد محدود نمی‌شوند. به گفته NinjaTech، هر گردش‌کار را می‌توان در صورت تناسب با وظیفه، به مدلی از Anthropic یا OpenAI منتقل کرد. این انعطاف به سازمان‌ها اجازه می‌دهد برای برخی کارها از مدل‌های دارای وزن باز و برای موارد دیگر از مدل‌های این دو شرکت استفاده کنند. گزارش، جزئیات فنی یا هزینه این جابه‌جایی‌ها را مشخص نمی‌کند.

دو شیوه استقرار و ادعای حفاظت از داده

نسخه ابری برای شرکت‌هایی طراحی شده که می‌توانند بار کاری خود را در محیط ابری اجرا کنند. اما این گزینه برای سازمان‌هایی مناسب نیست که حساس‌ترین داده‌ها یا فعالیت‌هایشان نباید به هیچ شبکه بیرونی متصل شود. NinjaTech برای این گروه، نسخه دیگری را عرضه می‌کند که در محیط جدا از شبکه، یا «air-gapped»، اجرا می‌شود. در این شیوه، مشتری سخت‌افزار را خودش تأمین می‌کند و نرم‌افزار NinjaTech را در همان محیط به‌کار می‌گیرد.

شرکت می‌گوید در هر دو شیوه استقرار، داده‌های مشتریان با داده‌های دیگران تجمیع نمی‌شود و برای آموزش مدل بیرونی نیز مورد استفاده قرار نمی‌گیرد. این ادعا بخشی از توضیح NinjaTech درباره نحوه حفاظت از داده است؛ گزارش جزئیات بیشتری درباره سازوکارهای امنیتی، ممیزی یا گواهی‌های مربوط به آن ارائه نمی‌کند. برای سازمان‌هایی که در حوزه‌های حساس فعالیت دارند، تفاوت میان استقرار ابری اختصاصی و محیط کاملاً ایزوله می‌تواند در انتخاب نسخه مناسب تعیین‌کننده باشد.

کارکنان هوش مصنوعی، بسته‌ها و خدمات پیاده‌سازی

NinjaTech کارکنان هوش مصنوعی خود را عامل‌هایی توصیف می‌کند که می‌توانند یک هدف را دریافت کنند و بدون نظارت پیوسته، در هر ساعت از شبانه‌روز برای انجام آن پیش بروند. کارکنان سازمان از طریق Slack و Microsoft Teams با این عامل‌ها ارتباط می‌گیرند. این توصیف به امکان انجام کارهای چندمرحله‌ای اشاره دارد، اما منبع نمونه مشخصی از وظایف یا ارزیابی مستقلی از عملکرد عامل‌ها ارائه نکرده است.

مشتریان می‌توانند بسته‌هایی با ۱۰۰، ۵۰۰ یا ۱۰۰۰ کارمند هوش مصنوعی انتخاب کنند و در صورت نیاز، تعداد بیشتری به سرویس اضافه کنند. این مقیاس‌بندی، تعداد عامل‌های قابل‌استفاده را هدف می‌گیرد؛ اما اطلاعات منتشرشده درباره تعداد کاربران انسانی، محدودیت‌های مصرف یا نحوه محاسبه هزینه افزودن عامل‌ها جزئیاتی ندارد. هزینه سالانه ثابت، در اصل قرار است خرید و استفاده از این کارکنان را در قالب توافقی واحد سامان دهد.

خدمات پیاده‌سازی نیز در همان قرارداد پلتفرم ارائه می‌شود. برای مشتریان حوزه سلامت، شرکت Optimum Healthcare IT این کار را انجام می‌دهد. سایر مشتریان با Infosys همکاری می‌کنند. Infosys در ماه اوت از طریق صندوق نوآوری خود در NinjaTech سرمایه‌گذاری کرد و پذیرفت دست‌کم به‌مدت یک سال شریک انحصاری خدمات حرفه‌ای این شرکت باشد. این همکاری، بخشی از مسیر عرضه و استقرار محصول در سازمان‌هاست، اما منبع درباره تعداد مشتریان یا پروژه‌های در دست اجرا اطلاعاتی نداده است.

NinjaTech یک استارتاپ مورد حمایت سرمایه‌گذاران خطرپذیر است که پهلوان در سال ۲۰۲۲، پس از ۱۱ سال کار در Google، آن را هم‌بنیان گذاشت. SRI Ventures و DCVC از سرمایه‌گذاران اولیه شرکت بوده‌اند. Ninja Enterprise هم‌اکنون در دسترس است و خریداران می‌توانند پیش از امضای قرارداد سالانه ظرفیت، با یک پروژه آزمایشی دارای دامنه مشخص کار را شروع کنند.

این خبر برای چه کسانی اهمیت دارد

این عرضه بیش از همه برای مدیران فناوری اطلاعات، مسئولان خرید و تیم‌هایی اهمیت دارد که می‌خواهند استفاده از عامل‌های هوش مصنوعی را از یک آزمایش محدود به چند وظیفه یا بخش گسترش دهند. یک هزینه سالانه ثابت می‌تواند بودجه‌بندی را ساده‌تر کند، اما ارزش آن به شرایط قرارداد و میزان استفاده واقعی بستگی دارد؛ جزئیاتی که در اطلاعات منتشرشده مشخص نشده‌اند.

سازمان‌هایی که به زیرساخت ابری اختصاصی، انتخاب میان مدل‌های مختلف یا اجرای کاملاً ایزوله نیاز دارند نیز می‌توانند این عرضه را بررسی کنند. برای خریداران، پرسش‌های عملی شامل هزینه نهایی، کنترل داده، کیفیت عملکرد عامل‌ها و تناسب هر مدل با وظیفه موردنظر است. NinjaTech می‌گوید محصولش این انتخاب‌ها را در یک پیشنهاد سازمانی جمع می‌کند؛ ارزیابی اینکه این ترکیب برای هر سازمان مقرون‌به‌صرفه و مناسب است، به نیازها و آزمون‌های همان مشتری بستگی خواهد داشت.