الکس کارپ، مدیر عامل شرکت Palantir Technologies، در 1 ژوئیه 2026، انتقاد شدیدی از مدل کسب‌وکار غالب صنعت هوش مصنوعی ارائه کرد و استدلال کرد که ساختار قیمت‌گذاری مبتنی بر توکن که توسط OpenAI و Anthropic پیشگام شده بود، اساساً ناقص است.

کارپ طی سخنانی در رویدادی که بر همکاری در حال گسترش Palantir با NVIDIA برای استقرار ایمن هوش مصنوعی تاکید می‌کرد، گفت که مدل قیمت‌گذاری هر توکن که توسط آزمایشگاه‌های پیشرو هوش مصنوعی استفاده می‌شود، نشان‌دهنده تخصیص نادرست منابع و مالکیت معنوی است. بر اساس پوشش CNBC، Yahoo Finance و چندین رسانه دیگر، کارپ اعلام کرد: "چیزی کاملاً اشتباه شده است" در این رویکرد.

این نظرات یکی از مهم‌ترین انتقادات عمومی نسبت به اقتصاد حاکم بر صنعت هوش مصنوعی از سوی یک مدیر ارشد فناوری است. برای تجزیه و تحلیل مداوم استراتژی کسب و کار هوش مصنوعی، [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news) ما را در AI Buzz Wire دنبال کنید.

موردی در برابر قیمت گذاری توکن

مدل مبتنی بر توکن - که در آن مشتریان به ازای هر واحد متن پردازش شده توسط یک مدل هوش مصنوعی پرداخت می‌کنند - به مکانیزم استاندارد قیمت‌گذاری در صنعت هوش مصنوعی تبدیل شده است. OpenAI، Anthropic، Google، و سایرین همگی بر اساس مصرف توکن شارژ می‌کنند و اقتصاد مبتنی بر استفاده را شبیه به صورت‌حساب آب و برق ایجاد می‌کنند.

کارپ استدلال کرد که این مدل باعث ایجاد انگیزه در ضایعات می شود و از مالکیت معنوی محافظت نمی کند. او پیشنهاد کرد که شرکت‌ها باید در عوض به سمت مدل‌های وزن باز حرکت کنند که می‌توانند بر روی زیرساخت‌های داخلی اجرا شوند و به سازمان‌ها کنترل بیشتری بر داده‌ها و هزینه‌هایشان بدهند. این با استراتژی خود Palantir برای استقرار هوش مصنوعی در محیط های امن و کنترل شده برای مشتریان دولتی و سازمانی همسو است.

این انتقاد بازتاب بحث در حال رشد صنعت در مورد پایداری اقتصاد مبتنی بر توکن است. همانطور که توسط TechCrunch گزارش شده است، Together AI ارائه دهنده نئوکلاد خاطرنشان کرد که پذیرش مدل منبع باز در سال گذشته سه برابر شده است زیرا شرکت ها به دنبال جایگزین هایی برای توکن های مدل مرزی گران قیمت هستند.

مشارکت امنیتی Palantir-NVIDIA

اظهارات کارپ زمانی بیان شد که Palantir همکاری خود را با NVIDIA در زمینه استقرار هوش مصنوعی مستقل برای سازمان‌های دولتی ایالات متحده تعمیق بخشید. این مشارکت بر ارائه زیرساخت هوش مصنوعی ایمن و داخلی متمرکز است که به APIهای ابری خارجی یا خدمات مبتنی بر توکن متکی نیست.

این رویکرد به شدت با مدل ارائه شده توسط OpenAI و Anthropic، که در آن داده‌های مشتری در سرورهای آزمایشگاه‌های هوش مصنوعی پردازش می‌شود، در تضاد است. برای مشتریان دولتی و دفاعی که نگران حاکمیت داده‌ها هستند، مدل Palantir-NVIDIA کنترل بیشتری را ارائه می‌کند - البته با هزینه اولیه بالاتر.

کارپ این مشارکت را به عنوان مدرکی نشان داد که آینده هوش مصنوعی سازمانی در استقرار کنترل‌شده و در سطح زیرساخت به جای فراخوان‌های API مبتنی بر مصرف نهفته است. او استدلال کرد که تمرکز صنعت هوش مصنوعی بر به حداکثر رساندن مصرف توکن باعث شده است که امنیت، حفاظت از IP و پایداری بلندمدت پایین بیاید.

یک صنعت گسترده تر

انتقاد کارپ در لحظه ای از تشدید بررسی مدل های تجاری هوش مصنوعی است. شرکت‌ها در بخش‌های مختلف گزارش داده‌اند که به عنوان مقیاس‌های استفاده از هوش مصنوعی، فشار بر بودجه‌های خود فشار می‌آورند، و برخی از سازمان‌ها هزینه‌های ابزارهای هوش مصنوعی را محدود می‌کنند. تحقیقات گارتنر هشدار داده است که در صورت ادامه روند قیمت‌گذاری فعلی، هزینه‌های کدگذاری هوش مصنوعی می‌تواند در عرض دو سال با حقوق توسعه‌دهندگان رقابت کند.

در همین حال، جنبش AI منبع باز همچنان به شتاب خود ادامه می دهد. مدل‌های Llama متا، DeepSeek، Mistral و خانواده Qwen علی‌بابا، همگی شکاف عملکرد را با مدل‌های مرزی اختصاصی کاهش داده‌اند و به شرکت‌ها جایگزین‌های مناسبی برای خدمات گران‌قیمت مبتنی بر API داده‌اند.

استدلال کارپ مبنی بر اینکه صنعت باید به سمت مدل‌های با وزن باز و دور از مصرف توکن حرکت کند، می‌تواند در بین خریداران شرکت‌های آگاه از هزینه طنین‌انداز شود. با این حال، آزمایشگاه‌های هوش مصنوعی مخالفت می‌کنند که قیمت‌گذاری آن‌ها منعکس‌کننده هزینه‌های هنگفت آموزش و اجرای مدل‌های مرزی است، و اینکه مدل مبتنی بر مصرف به مشتریان اجازه می‌دهد فقط برای آنچه استفاده می‌کنند بپردازند.

بعید است که این بحث به زودی حل شود، اما انتقادات برجسته کارپ تضمین می کند که این بحث به عنوان یک گفتگوی محوری در تکامل صنعت هوش مصنوعی باقی خواهد ماند.

از هوش مصنوعی جلوتر بمانید

برای اطلاع از آخرین مدل‌های کسب‌وکار هوش مصنوعی، پذیرش سازمانی، و بحث‌های صنعتی، به [AI Buzz Wire] (https://aibuzzwire.news) مراجعه کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →