هوش مصنوعی عمودی؛ موتور رشد تازه شرکت‌های فناوری خصوصی

هوش مصنوعی عمودی، یعنی سامانه‌هایی که برای یک صنعت یا کار مشخص ساخته می‌شوند، در کنفرانس Private Tech Trailblazers سال ۲۰۲۶ به‌عنوان یکی از موتورهای رشد شرکت‌های فناوری مطرح شد. به گزارش SiliconANGLE از این رویداد در پالو آلتو، شرکت‌هایی از حوزه‌های رستوران‌داری، ساخت‌وساز، سلامت و پرداخت می‌کوشند با داده‌های اختصاصی، عامل‌های هوشمند و سخت‌افزار ویژه، مسائلی را حل کنند که نتیجه اقتصادی آن قابل‌اندازه‌گیری باشد.

این رویکرد در شرایطی اهمیت پیدا می‌کند که به گفته سخنرانان کنفرانس، مدل‌های پایه هوش مصنوعی بیش‌ازپیش به کالاهایی قابل‌جایگزینی تبدیل می‌شوند. در چنین فضایی، داشتن داده‌های ویژه، شناخت فرایندهای یک صنعت و توانایی پیوند نرم‌افزار با سخت‌افزار می‌تواند از خود مدل ارزشمندتر باشد. گزارش رویداد، ۹ نمونه از این تغییر را در شرکت‌های خصوصی و فناوری‌محور برجسته کرده است.

هوش مصنوعی عمودی و ارزش داده‌های اختصاصی

Raj De Datta، هم‌بنیان‌گذار و مدیرعامل Bloomreach، گفت ارزش در حال حرکت از لایه مدل به حوزه‌هایی مانند تجارت الکترونیک و بازاریابی است. این شرکت حدود ۱۰۰ مدل به‌کار می‌گیرد و موتور هوش مصنوعی Loomi خود را با داده‌های هفت میلیارد پروفایل مصرف‌کننده آموزش داده است. به گفته De Datta، مدل‌های این سامانه پنج تا ۱۰ برابر بهتر از مدل‌های زبانی بزرگ آماده عمل می‌کنند. نزدیک به نیمی از مشتریان Bloomreach از دست‌کم یک عامل هوش مصنوعی استفاده می‌کنند و شمار مشتریانی که چهار عامل دارند، طی یک سال ۲۳ برابر شده است.

عامل هوش مصنوعی، نرم‌افزاری است که می‌تواند با دریافت هدف، وظایفی را به‌نمایندگی از کاربر انجام دهد. در خدمات مالی نیز Airwallex می‌گوید چنین عامل‌هایی را روی سامانه جهانی پرداخت خود اضافه می‌کند. این شرکت که در سال ۲۰۱۵ در ملبورن تأسیس شد، طی سال‌ها بیش از ۹۰ مجوز و ارتباط بانکی و کارت ایجاد کرده است. Irvin Sha، از مدیران Airwallex، گفت در تجارت عامل‌محور، سازگاری میان سامانه‌ها و دقت برای محافظت از همه طرف‌های معامله اهمیت خواهد داشت.

در نمونه‌ای دیگر، CloudWalk از عامل‌هایی برای پاسخ‌گویی به مشتریان استفاده می‌کند. به گفته Luis Silva، مدیرعامل شرکت، نیمی از بیش از ۱۰ میلیون کاربر فعال آن هر روز با عامل‌ها تعامل دارند و این سامانه‌ها ۹۹ درصد درخواست‌های پشتیبانی را مدیریت می‌کنند؛ سهمی که ۱۸ ماه پیش ۶۵ درصد بود. عامل‌ها روی خوشه‌ای از صدها پردازنده گرافیکی Nvidia Blackwell اجرا می‌شوند. این شرکت می‌گوید برای کاهش خطر خطا در جابه‌جایی پول، سازوکارهای کنترلی را در هسته سامانه‌های خود گنجانده است.

از بیمارستان و کارگاه تا ربات‌های انسان‌نما

در حوزه سلامت، Hippocratic AI عامل‌های صوتی می‌سازد که کارهایی مانند تعیین وقت، آماده‌سازی پیش از جراحی، پیگیری پس از ترخیص و مدیریت بیماری‌های مزمن را انجام می‌دهند. این شرکت می‌گوید سامانه‌هایش تشخیص پزشکی نمی‌دهند و دارو تجویز نمی‌کنند. Shubhra Jain، مدیر ارشد بازرگانی شرکت، گفت سامانه برای ایمنی از ۳۱ مدل استفاده می‌کند: یکی مکالمه را پیش می‌برد و ۳۰ مدل دیگر آن را زیر نظر می‌گیرند. شش نظام سلامت سرمایه‌گذار نیز شش میلیون تماس واقعی بیماران را برای تنظیم دقیق سامانه فراهم کرده‌اند.

در ساخت‌وساز، All3 نرم‌افزار طراحی ساختمان، تولید قطعات و ربات متحرک Mantis را در یک زنجیره کاری گرد آورده است. Rodion Shishkov، هم‌بنیان‌گذار و مدیرعامل شرکت، گفت نیروی کار ۵۵ تا ۶۰ درصد هزینه ساخت‌وساز را تشکیل می‌دهد. رویکرد All3 این است که فرایند را طوری طراحی کند که موقعیت‌های پیش‌بینی‌نشده کمتر شوند؛ در نتیجه، لازم نیست ربات برای هر حالت استثنایی جداگانه آموزش ببیند. شرکت پس از جذب سرمایه اولیه حدود ۲۵ تا ۳۰ میلیون‌دلاری، در حال آماده‌سازی نخستین محل خود برای ساخت یک ساختمان هم‌زیستی شش‌طبقه است.

Bear Robotics نیز ربات‌های انسان‌نما را به ناوگانی افزوده که به گفته هم‌بنیان‌گذارش، حدود ۱۶ هزار ربات متحرک خودران در میدان دارد. این شرکت عمدتاً به رستوران‌های ژاپن و کره خدمات می‌دهد و در خانه‌های مراقبتی و کازینوها نیز فعال است. ربات‌های انسان‌نمای آن از همان نرم‌افزار پایه و زیرساخت ابری ربات‌های دیگر استفاده می‌کنند. Bren Pierce گفت مدل‌های پایه‌ای که با چندصد نمونه یاد می‌گیرند، پردازشگرهای داخل ربات و کمک مدل‌های زبانی بزرگ به برنامه‌نویسی، زمانی را که پیش‌تر ماه‌ها طول می‌کشید به چند روز رسانده‌اند. با این حال، دست‌های لمسی همچنان مانعی پرهزینه‌اند.

تراشه کم‌مصرف، خودرو برقی و سرمایه‌گذاری بزرگ

تخصصی‌شدن فقط به نرم‌افزار محدود نیست. Unconventional AI در حال طراحی هم‌زمان سخت‌افزار و نرم‌افزار است و مدعی است رویکردش می‌تواند مصرف انرژی سامانه‌های هوش مصنوعی را حدود هزار برابر کاهش دهد. Ali Esfahani، مدیر مالی شرکت، گفت این شرکت در اول ژوئن تراشه‌ای را برای ساخت آزمایشی به Taiwan Semiconductor Manufacturing Co. فرستاده است. ایده شرکت استفاده از پویایی‌های فیزیکی برای محاسبه است؛ در این روش، تغییر وضعیت سامانه بخشی از کارکرد حافظه را برعهده می‌گیرد. این ادعا و نتایج اولیه، به گفته شرکت، در برابر سامانه‌های متداول قرار می‌گیرد.

Harbinger Motors هم خودروهای برقی و هیبریدی متوسط را با قیمتی هم‌سطح نمونه‌های دیزلی عرضه می‌کند. John Harris، هم‌بنیان‌گذار و مدیرعامل شرکت، گفت یک کامیون تحویل معمولی در کالیفرنیا با احتساب هزینه شارژ می‌تواند سالانه حدود ۳۰ هزار دلار در مصرف سوخت صرفه‌جویی کند. این شرکت خودروهای تحویل، شاسی خودروهای تفریحی، سامانه‌های ذخیره انرژی و خودروهای زمینی خودران ارتش را در خطوط تولید خود می‌سازد.

توسعه چنین فناوری‌هایی به سرمایه قابل‌توجه نیاز دارد. JD Moriarty از Bank of America گفت شرکت‌های هوش مصنوعی و رباتیک برای رشد به سرمایه بیشتری احتیاج دارند و بازارهای عمومی بیش از گذشته به شرکت‌های بزرگ‌مقیاس توجه می‌کنند. به روایت گزارش، فعالیت بازار سرمایه در سال ۲۰۲۶ بیشتر به سمت سخت‌افزار و نیمه‌رساناها متمایل است. John Furrier از theCUBE Research نیز تأکید کرد داده‌های تخصصی برای شکل‌گیری هوش مصنوعی عمودی اهمیت محوری دارند، زیرا هم مدل‌ها و هم زیرساخت پردازشی به داده نیاز دارند.

مزیت رقابتی در اتصال مدل، داده و صنعت

نمونه‌های مطرح‌شده در کنفرانس یک مسیر واحد را نشان نمی‌دهند: برخی شرکت‌ها مدل اختصاصی می‌سازند، برخی عامل‌ها را به فرایندهای موجود وصل می‌کنند و برخی دیگر سخت‌افزار یا ربات را با نرم‌افزار یکپارچه می‌کنند. بااین‌حال، وجه مشترک آن‌ها تلاش برای حل مسئله‌ای مشخص در یک صنعت است. این تمرکز می‌تواند به نتایج ملموس‌تری منجر شود، اما ساخت زیرساخت، گردآوری داده و رعایت الزامات ایمنی و مقررات نیز هزینه و پیچیدگی دارد.

برای سرمایه‌گذاران، شرکت‌های خصوصی و مشتریان سازمانی، پرسش اصلی فقط این نیست که کدام مدل توانایی بیشتری دارد؛ بلکه این است که آیا شرکت می‌تواند به داده و فرایند ویژه دسترسی داشته باشد، محصول را در مقیاس واقعی به‌کار بگیرد و رشد خود را با سرمایه لازم پشتیبانی کند. دیدگاه مطرح‌شده در کنفرانس این بود که در بازاری با مدل‌های عمومی مشابه، دوام مزیت رقابتی بیش از تازگی فناوری به این عوامل وابسته خواهد بود.

این خبر برای چه کسانی اهمیت دارد

این روند برای مدیران کسب‌وکارهایی اهمیت دارد که می‌خواهند هوش مصنوعی را وارد عملیات روزمره کنند؛ به‌ویژه در سلامت، تجارت، ساخت‌وساز و خدمات مالی. همچنین سرمایه‌گذاران و فعالان سخت‌افزار باید به هزینه انرژی، زیرساخت پردازشی و میزان سرمایه موردنیاز توجه کنند. برای کاربران نهایی نیز نتیجه مهم آن، گسترش عامل‌هایی است که می‌توانند بخشی از کارهای خدماتی را انجام دهند؛ هرچند کیفیت، نظارت و ایمنی آن‌ها همچنان به طراحی و کاربردشان وابسته است.