مایکروسافت متوجه شده است که در جایگاه یک ارکستراتور و هماهنگکننده هوش مصنوعی، جایگاه بسیار سودآورتری دارد تا اینکه صرفاً به عنوان یک بازرسیفروش یا واسطه برای فناوریهای OpenAI عمل کند. رویکرد جدید این شرکت به مدلهای دارای وزنهای باز (Open-Weight)، تلاشی هدفمند برای تثبیت سلطه بیچونوچرای سرویس ابری آژور (Azure) در بازار است.
UCT اکوسیستم متنباز برای حفظ رهبری تکنولوژی
این غول نرمافزاری اکنون با جدیت تمام در حال پیشبرد مدلهای وزنهای باز است. مایکروسافت بهتازگی نامهای سرگشاده با عنوان «وزنهای باز و رهبری هوش مصنوعی آمریکا» را در کنار شرکتهایی نظیر متا، انویدیا، هاگینگ فیس و میسترال امضا کرده است. این گروه معتقدند که رهبری در صنعت هوش مصنوعی نه با تکgetModelهای پیشرفته، بلکه با ایجاد یک اکوسیستم قوی و باز سنجیده میشود که نفوذ آن تمام بخشهای صنعتی را در بر بگیرد.
مدلهای وزنهای باز قرار است نوآوری را شتاب بخشیده و وابستگی توسعهدهندگان به چند ارائهدهنده محدود را از بین ببرند. در همین راستا، این نامه روش «تقطیر» (Distillation) را به عنوان یک مسیر کاملاً مشروع برای توسعه هوش مصنوعی تایید میکند. در فرآیند تقطیر، یک مدل زبانی کوچکتر از خروجیهای مدلهای قدرتمندتر آموزش میبیند؛ سنتی که ریشه در جنبش نرمافزارهای متنباز دارد.
پشت پرده حمایت مایکروسافت؛ حفظ انحصار از طریق ابر
اشتیاق ناگهانی مایکروسافت برای توسعه هوش مصنوعی باز، با بررسی دقیق مدل کسبوکار این شرکت کاملاً منطقی جلوه میکند. درآمد اصلی مایکروسافت بر بستر زیرساختهای ابری آژور و وابستگی شدید کاربران به اکوسیستم ویندوز و آفیس استوار است. میزبانی مدلهای متنباز متعدد روی آژور، به مشتریان دلایل کمتری برای مهاجرت به پلتفرمهای رقیب میدهد. از سوی دیگر، تکیه کمتر بر مدلهای گرانقیمت OpenAI و Anthropic بهطور مستقیم حاشیه سود مایکروسافت را افزایش میدهد.
تکهتکه شدن بازار مدلهای زبانی مانع از آن میشود تا هر آزمایشگاه هوش مصنوعی بهقدری قدرتمند شود که کسبوکار سیستمعاملی و ابری مایکروسافت را تهدید کند. ساتیا نادلا، مدیرعامل مایکروسافت، بر استفاده از «مدل مناسب برای هر وظیفه با کمترین هزینه» تاکید دارد؛ رویکردی که جلوی انحصار ارزشآفرینی توسط چند مدل محدود را میگیرد.
کاهش هزینهها به بهای افت کیفیت برای کاربران
مایکروسافت مدلهای ساخت OpenAI و Anthropic را در ابزارهایی نظیر گیتهاب کوپایلوت، اکسل و اوتلوک با خانواده مدلهای داخلی خود یعنی MAI جایگزین میکند. کارشناسان معتقدند این جایگزینی منفعت مستقیمی برای کاربران ندارد. بر اساس بنچمارکهای مستقل، عملکرد مدلهای MAI بهمراتب ضعیفتر از رقبای اصلی بوده و تقریباً در سطح Deepseek V3.2 قرار دارد.
در نتیجه این اقدام، مشتریان سرویسهای مبتنی بر هوش مصنوعی، محصولی با کیفیت پایینتر را با پرداخت همان هزینه قبلی دریافت میکنند، در حالی که مایکروسافت سود کلانی از این استراتژی به جیب میزند. این شرکت در ادعاهای خود مدلهای MAI را صرفاً با نسخههای فشرده و ضعیفتری مانند GPT-5.4 Mini مقایسه میکند و از ارائه استانداردهای شفاف سنجش عملکرد طفره میرود.
مایکروسافت حتی تلاشی برای پنهان کردن ماهیت کاهشهزینهای این استراتژی ندارد. در وبلاگ رسمی این شرکت بهصراحت بیان شده است که مدلهای کوچکتر خانواده MAI قادرند روی پردازندههای گرافیکی قدیمیتر انویدیا مانند H100 و A100 اجرا شوند. این موضوع نیاز به خرید جدیدترین شتابدهندههای سختافزاری را منتفی کرده و هزینههای استقرار را برای خود مایکروسافت بهشدت کاهش میدهد. توسعه نسخههای بیشتری از این مدلهای اقتصادی برای سایر سرویسهای مجموعه، نشاندهنده مسیر جدید این شرکت در راستای سودآوری هرچه بیشتر است.
