ម៉ូដែល AI ទម្ងន់បើកចំហកំពុងបិទគម្លាតជាមួយនឹងម៉ូដែលបិទជិតក្នុងល្បឿនដ៏គួរឱ្យចាប់អារម្មណ៍មួយ: ជាមួយនឹងយុគសម័យបន្តបន្ទាប់គ្នានៃគំរូភាសាធំ ៗ ម៉ូដែលបើកចំហត្រូវចំណាយពេលពាក់កណ្តាលដើម្បីតាមទាន់គំរូបិទដំបូងនៃសម័យនោះ នេះបើយោងតាមការវិភាគថ្មីមួយដោយក្រុមហ៊ុនស្រាវជ្រាវ semiconductor SemiAnalysis ។

ការ​សិក្សា​ដែល​មាន​ចំណង​ជើង​ថា "តើ​ម៉ូដែល​បើក​ចំហ​ចាប់​បាន​ឬ​ទេ?" ហើយត្រូវបានបោះពុម្ពផ្សាយនៅថ្ងៃទី 21 ខែសីហា ដោយ Evan Cloutier, Max Kan, Jordan Nanos និង Dylan Patel គឺជាការប៉ុនប៉ងជាប្រព័ន្ធបំផុតមួយ ដែលមិនទាន់កំណត់បរិមាណសំណួរដែលព្យួរលើឧស្សាហកម្ម AI ទាំងមូល៖ ប្រសិនបើម៉ូដែលបើកចំហនៅតែមានសមត្ថភាពដូចព្រំដែនបិទជិតក្នុងតម្លៃមួយចំណែក តើមន្ទីរពិសោធន៍ព្រំដែនមានអាជីវកម្មជាប់លាប់ទេ? សម្រាប់ការគ្របដណ្តប់យ៉ាងស៊ីជម្រៅនៃការចេញផ្សាយម៉ូដែលដែលជំរុញការផ្លាស់ប្តូរនេះ សូមអនុវត្តតាម AI Buzz Wire។

យុគសម័យបីនៃព្រំដែន AI

អ្នកនិពន្ធអះអាងថា ប្រវត្តិសាស្រ្តនៃ LLMs ធ្លាក់ចូលទៅក្នុងយុគសម័យបីផ្សេងគ្នា - ការធ្វើមាត្រដ្ឋានដំបូង ការវែកញែក និងភ្នាក់ងារ - នីមួយៗតំណាងឱ្យការកើនឡើងមុខងារជាជំហាននៅក្នុងអ្វីដែលគំរូអាចធ្វើបានដោយមានប្រយោជន៍។

ចំណុចសំខាន់នៃវិធីសាស្រ្តរបស់ពួកគេគឺថាការប្រៀបធៀបគំរូនៅទូទាំងសម័យជាមួយនឹងគោលតែមួយគឺជាកំហុសមួយ។ រាល់ស្តង់ដារគោលគឺជាផលិតផលនៃសម័យកាលរបស់វា៖ វាត្រូវបានបង្កើតឡើងដើម្បីស្វែងយល់ពីភាពខុសគ្នានៃសមត្ថភាពដែលមាននៅពេលនោះ បន្ទាប់មកត្រូវបានកើនឡើងដោយអ្នកផលិតម៉ូដែលរហូតដល់វាឆ្អែត ហើយនៅពេលនោះឧស្សាហកម្មឈប់យកចិត្តទុកដាក់ ហើយបន្តទៅមុខទៀត។ ផ្ទុយទៅវិញ ក្រុម SemiAnalysis បានដំណើរការសំណុំពិន្ទុគោលដែលបានជ្រើសរើសសម្រាប់ម៉ូដែលនៃសម័យនីមួយៗដើម្បីបង្កើតពិន្ទុសមត្ថភាពរួម។

បានមើលតាមវិធីនេះ គម្លាតបើកចំហទល់នឹងបិទផ្លាស់ទីជារង្វង់។ នៅពេលចាប់ផ្តើមនៃយុគសម័យនីមួយៗ មន្ទីរពិសោធន៍ព្រំដែនបញ្ចប់ការស្រាវជ្រាវដ៏ជោគជ័យ បង្វឹកគំរូដ៏គួរឱ្យចាប់អារម្មណ៍ និងលោតទៅមុខ។ បន្ទាប់មកមន្ទីរពិសោធន៍ផ្សេងទៀតកំណត់អត្តសញ្ញាណភាពជឿនលឿនសំខាន់ៗ បញ្ច្រាសវិស្វករពួកវា និងបិទគម្លាត។ អ្នកនិពន្ធសរសេរថា "គ្មានអ្វីលាក់កំបាំងជារៀងរហូតទេ ជាពិសេសនៅពេលដែលអ្នកធ្វើការចំហុយ"។ "វាគ្រាន់តែជាសំណួរថាតើវាត្រូវការរយៈពេលប៉ុន្មាន" ។

ការវាស់វែងរបស់ពួកគេនៃសំណួរនោះបានធ្វើឱ្យការស្វែងរកចំណងជើងនៃការសិក្សា៖ ជាមួយនឹងជំនាន់នីមួយៗ គំរូប្រភពបើកចំហត្រូវចំណាយពេលពាក់កណ្តាលដើម្បីចាប់យកគំរូប្រភពបិទដំបូងនៃសម័យនោះ។

ហេតុអ្វីបានជាវដ្តនេះមានអារម្មណ៍ខុសគ្នា

របាយការណ៍នេះគឺមិនច្បាស់អំពីភាពខុសគ្នារវាងពេលវេលាគំរូបើកចំហពីមុន និងបច្ចុប្បន្ន។ អ្នកនិពន្ធកត់សំគាល់ថា "DeepSeek moment" នៃខែមករា 2025 បានបង្កើតចំណងជើង ប៉ុន្តែ "គ្មាននរណាម្នាក់ពិតជាបានប្រើ R1 ដើម្បីធ្វើការងារដែលមានតម្លៃសេដ្ឋកិច្ចនោះទេ" ។

ផ្ទុយទៅវិញ ពួកគេចង្អុលទៅម៉ូដែលដូចជា GLM 5.3 និង Kimi K3 ថា "មានសមត្ថភាពពិតប្រាកដនៃការសរសេរកូដដូចគ្នា និងកិច្ចការភ្នាក់ងារជាច្រើនដែលបានធ្វើឱ្យ Anthropic កើនឡើងដល់ $65B+ ARR" ដែលជាការយោងទៅលើគន្លងប្រាក់ចំណូលដែលការសរសេរកូដ និងបន្ទុកការងារភ្នាក់ងារបានជំរុញសម្រាប់អ្នកបង្កើត Claude ។ ការទាមទារនោះមានទម្ងន់ជាក់លាក់ ដោយសារតែម៉ូដែលបើកចំហទាំងនេះមិនគ្រាន់តែជាឧបករណ៍បង្ហាញម៉ូដប៉ុណ្ណោះទេ។ ពួកគេកំពុងត្រូវបានដាក់ពង្រាយនៅក្នុងផលិតកម្មសម្រាប់ភារកិច្ចដូចគ្នាដែលបង្កើតប្រាក់ចំណូលពិតប្រាកដសម្រាប់មន្ទីរពិសោធន៍បិទជិត។

លេខប្រើប្រាស់ពង្រឹងការផ្លាស់ប្តូរ។ Fireworks ដែលជាអ្នកផ្តល់ការសន្និដ្ឋានដែលបម្រើដល់ម៉ូដែលបើកចំហជាច្រើន ឥឡូវនេះកំពុងដំណើរការថូខឹនច្រើនជាង 40 ពាន់ពាន់លានក្នុងមួយថ្ងៃ - ពីរដងនៃបរិមាណ API របស់ OpenAI នៅចុងខែមីនា នេះបើយោងតាម ​​SemiAnalysis ។ ដូចដែលរបាយការណ៍បាននិយាយថា "ពេលវេលាដ៏គួរឱ្យរំភើបមួយក្នុងការក្លាយជាអ្នកប្រើប្រាស់និមិត្តសញ្ញា" ជាមួយនឹងការប្រយុទ្ធដើម្បីនិមិត្តសញ្ញាឥឡូវនេះបានពង្រីកយ៉ាងល្អលើសពី OpenAI-Anthropic duopoly ។

សំណួរនៃទំនិញ

ការសិក្សានេះដោះស្រាយដោយផ្ទាល់នូវភាពភ័យខ្លាច ដែលវាដាក់ស្លាក FUD ពីជ្រុងខ្លះ ម៉ូដែលបើកចំហដែលមានសមត្ថភាព និងថោកនឹងធ្វើឱ្យស្រទាប់គំរូទាំងស្រុង ដែលជាលទ្ធផលដែលនឹងមានមហន្តរាយសម្រាប់រឹមមន្ទីរពិសោធន៍ព្រំដែន។

ផ្នែកសាធារណៈនៃការវិភាគឈប់ខ្វះចម្លើយពេញលេញ ដោយចង្អុលអ្នកអានទៅកាន់គំរូ Tokenomics ដែលបង់ប្រាក់របស់ក្រុមហ៊ុនសម្រាប់ការព្យាបាលលម្អិតនៃហិរញ្ញវត្ថុរបស់ OpenAI និង Anthropic ។ ប៉ុន្តែទិសដៅនៃការធ្វើដំណើរគឺច្បាស់ណាស់៖ ប្រសិនបើម៉ូដែលបើកចំហនៃសម័យនីមួយៗមកដល់ពាក់កណ្តាលពេលវេលានៃយុគសម័យមុន នោះបង្អួចដែលបន្ទប់ពិសោធន៍បិទជិតអាចគិតថ្លៃបុព្វលាភសម្រាប់សមត្ថភាពព្រំដែនបន្តធ្លាក់ចុះ។

អ្នកនិពន្ធក៏ព្រមានប្រឆាំងនឹងការអាននិន្នាការនេះថាជាការកាត់ទោសប្រហារជីវិតសម្រាប់ការស្រាវជ្រាវព្រំដែន។ គោលការណ៍ស្ដង់ដារ ពួកគេសរសេរថា "កុំប្រាប់រឿងពេញ" ហើយការសន្និដ្ឋានរបស់របាយការណ៍ត្រូវបានពិពណ៌នាថាជា "ការធ្លាក់ចុះ" លើគំរូព្រំដែនជាងអ្នកអានគិតដំបូង - មួយផ្នែកដោយសារតែភាពស្មើគ្នានៃស្តង់ដារឆៅគឺមិនដូចគ្នាទៅនឹងភាពស្មើគ្នាក្នុងភាពអាចជឿជាក់បាន ការរួមបញ្ចូលផលិតផល ការចែកចាយសហគ្រាស ឬដើមទុនដែលត្រូវការសម្រាប់បម្រើគំរូតាមខ្នាត។

ហេតុអ្វីវាសំខាន់

សម្រាប់អ្នកទិញ ការរកឃើញនេះធ្វើឱ្យមានសុពលភាពនូវយុទ្ធសាស្រ្តដែលសហគ្រាសជាច្រើនបានអនុវត្តរួចហើយ៖ លំនាំដើមដើម្បីបើក ឬម៉ូដែលថោកជាងសម្រាប់បរិមាណនិមិត្តសញ្ញាភាគច្រើន ខណៈពេលដែលរក្សាទុកម៉ូដែលបិទជិតសម្រាប់កិច្ចការពិបាកបំផុត។ សម្រាប់មន្ទីរពិសោធន៍ វាកំណត់បរិមាណនៃការច្របាច់ដែលពួកគេប្រឈមមុខនឹងមុខពីរ — ម៉ូដែលបើកចំហខាងក្រោម និងការចំណាយលើការគណនាដ៏ធំសម្បើមខាងលើ។

ហើយសម្រាប់ប្រព័ន្ធអេកូប្រភពបើកចំហ ទិន្នន័យ SemiAnalysis ផ្តល់នូវអ្វីមួយដែលតែងតែខ្វះខាត៖ ភស្តុតាង ជាជាងមនោគមវិជ្ជា ដែលគម្លាតនេះកំពុងបិទនៅលើកាលវិភាគដែលអាចព្យាករណ៍បាន។ ប្រសិនបើគំរូពាក់កណ្តាលពេលវេលាឈានចូលដល់យុគសម័យបន្ទាប់នៃ AI ព្រំដែន សំណួរដ៏មានតម្លៃបំផុតរបស់ឧស្សាហកម្មនេះមិនថា តើម៉ូដែលបើកចំហរតាមទាន់ទេ ប៉ុន្តែអ្វីដែលនៅតែអាចការពារបានបន្ទាប់ពីពួកគេធ្វើ។

តាមដានការប្រកួត Open-Weight AI Race អានព័ត៌មាន AI បន្ថែម →