سرعت، محصول جدید اوپن‌ای‌آی و گوگل در هوش مصنوعی

همزمان با بلوغ بازار فناوری، اوپن‌ای‌آی و گوگل در هفته گذشته با عرضه نسل جدیدی از مدل‌های زبانی، سرعت هوش مصنوعی را از یک شاخص فنی به یک محصول مستقل و پولی تبدیل کردند. این تغییر استراتژیک که گذار از «تولید محتوا» به «پردازش بلادرنگ» را رقم می‌زند، نشان می‌دهد کسب‌وکارها اکنون برای کاهش زمان پاسخ‌دهی و ارتقای تجربه کاربری هزینه می‌کنند؛ تحولی بنیادین که زیرساخت‌های اقتصاد دیجیتال و سرویس‌های مالی مبتنی بر داده را برای اجرای لحظه‌ای دستورات، وارد فاز جدیدی از رقابت تجاری می‌کند.

تبدیل سرعت به یک محصول مستقل در هوش مصنوعی

بر اساس گزارش PYMNTS، اوپن‌ای‌آی سطح جدیدی به نام «Ultrafast» را معرفی کرده که در حال حاضر یک نسخه پیش‌نمایش برای گروه کوچکی از مشتریان است. این سطح، مدل GPT-5.6 Sol این شرکت را تا ۱۴ برابر سریع‌تر از سطح استاندارد، با سرعتی معادل ۷۵۰ توکن خروجی در ثانیه اجرا می‌کند. مدل زیربنایی همان است، اما صرفاً سریع‌تر پاسخ می‌دهد و این امر nhờ پردازش روی تراشه‌های شرکت Cerebras ممکن شده است. مشتریان اولیه شامل شرکت‌هایی مانند Jane Street، Podium، Basis و Rogo هستند که در حال آزمایش این فناوری برای کاربردهایی نظیر کدنویسی، تحقیقات مالی، پشتیبانی مشتریان، تعاملات صوتی و تجارت الکترونیک هستند.

دستیابی به سرعت ۷۵۰ توکن در ثانیه یک دستاورد فنی چشمگیر است. برای درک بهتر این عدد، باید توجه داشت که میانگین سرعت خوانش انسان حدود ۲۰۰ تا ۲۵۰ کلمه در دقیقه است و ۷۵۰ توکن در ثانیه به معنای تولید متنی بسیار فراتر از سرعت درک انسان است. این سطح از سرعت، پیش‌تر به معنای انتخاب یک مدل کوچک‌تر یا تخصصی‌تر بود، اما اکنون مدل‌های بزرگ و قدرتمند نیز می‌توانند بلادرنگ پاسخ دهند. همان‌طور که در تحلیل‌های پیشین پی‌کار درباره زیرساخت پردازشی Cerebras اشاره شد، معماری این تراشه‌ها امکان پردازش موازی عظیم را فراهم کرده و گلوگاه‌های حافظه را در استنتاج هوش مصنوعی از بین برده است.

چرا سرعت در هوش مصنوعی اهمیت استراتژیک پیدا کرده است؟

تا پیش از این، توسعه‌دهندگان و کسب‌وکارها با یک دوراهی مواجه بودند: یا از مدل‌های بزرگ و دقیق اما کند استفاده کنند، یا مدل‌های کوچک و سریع اما کم‌دقت. اکنون، با معرفی سطوح Ultrafast، این موازنه برهم خورده است. سرعت دیگر یک ویژگی جانبی نیست، بلکه به یک «محصول» تبدیل شده است. در دنیای کسب‌وکار، به‌ویژه در بخش‌های مالی و فین‌تک، میلی‌ثانیه‌ها ارزش مالی دارند. تأخیر در پاسخ‌دهی یک دستیار صوتی هوشمند، یا کندی در پردازش یک تراکنش مالی پیچیده، مستقیماً بر تجربه کاربری و سودآوری تأثیر می‌گذارد.

گوگل نیز در همین راستا، مدل‌های سریع‌تری را با تمرکز بر کاهش تأخیر (Latency) و افزایش توان عملیاتی (Throughput) منتشر کرده است تا نشان دهد در رقابت فعلی، سرعت به اندازه هوشمندی مدل اهمیت دارد. این رویکرد نشان می‌دهد که شرکت‌های فناوری متوجه شده‌اند کسب‌وکارها برای حذف اصطکاک زمانی در فرآیندهای خود، حاضرند حق امتیاز (Premium) پرداخت کنند.

اثر بر بازیگران بازار فین‌تک و اقتصاد دیجیتال

ورود سرعت به عنوان یک محصول مستقل، بازیگران بازار فین‌تک را به شدت تحت تأثیر قرار می‌دهد. شرکت‌هایی مانند Jane Street که در حوزه تحقیقات مالی و معاملات الگوریتمی فعال هستند، از این سرعت برای پردازش آنی داده‌های بازار و اجرای استراتژی‌های معاملاتی استفاده می‌کنند. از سوی دیگر، شرکت‌هایی مانند Rogo که در حوزه حسابداری و تحلیل مالی فعالیت می‌کنند، می‌توانند گزارش‌های پیچیده مالی را در کسری از ثانیه تولید کنند.

این تحول، مسیر را برای توسعه پرداخت‌های مبتنی بر عامل‌های هوشمند (AI Agents) هموارتر می‌کند. عامل‌های هوشمند برای انجام تراکنش‌های مالی، نیازمند تصمیم‌گیری آنی و پردازش بلادرنگ شرایط بازار هستند. همچنین، در بخش اعتبارسنجی و وام‌دهی هوشمند، سرعت پردازش داده‌های کاربران و تحلیل ریسک در لحظه، می‌تواند زمان انتظار برای تایید وام را از چند روز به چند ثانیه کاهش دهد. شرکت‌هایی مانند Podium و Basis نیز از این سرعت برای بهبود تعاملات بلادرنگ با مشتریان در بسترهای تجارت و پشتیبانی استفاده می‌کنند.

نسبت این موضوع با اکوسیستم فناوری و فین‌تک ایران

در اکوسیستم فین‌تک ایران، شرکت‌های پرداخت، نئوبانک‌ها و لندتک‌ها به طور فزاینده‌ای از هوش مصنوعی برای کشف تقلب، پشتیبانی مشتریان و تحلیل ریسک استفاده می‌کنند. با این حال، دسترسی به «سرعت» به عنوان یک محصول، نیازمند زیرساخت‌های محاسباتی قدرتمند و کم‌تأخیر است. در حالی که شرکت‌های بزرگ جهانی با خرید اشتراک‌های Ultrafast به سرعت‌های فوق‌العاده دسترسی پیدا می‌کنند، شرکت‌های ایرانی به دلیل محدودیت‌های دسترسی به سخت‌افزارهای پیشرفته و همچنین چالش‌های زیرساخت شبکه، با محدودیت‌هایی در ارائه خدمات بلادرنگ مواجه هستند.

این شکاف تکنولوژیک می‌تواند در بلندمدت بر کیفیت خدمات فین‌تک‌های ایرانی، به‌ویژه در بخش‌هایی که نیازمند تعاملات صوتی آنی یا تحلیل‌های مالی لحظه‌ای هستند، تأثیر بگذارد. با این حال، تلاش استارتاپ‌های ایرانی برای بهینه‌سازی مدل‌های زبانی بومی و استفاده از تکنیک‌های کوانتیزاسیون (Quantization) برای افزایش سرعت استنتاج روی سخت‌افزارهای موجود، یک نقطه قوت استراتژیک محسوب می‌شود که می‌تواند تا حدی این عقب‌ماندگی زیرساختی را جبران کند.

جمع‌بندی و پرسش‌های پیش‌رو

رقابت اوپن‌ای‌آی و گوگل نشان می‌دهد که دوران «فقط هوشمند بودن» به پایان رسیده و دوران «هوشمند و فوق‌سریع بودن» آغاز شده است. سرعت پاسخ‌دهی دیگر یک مزیت رقابتی موقت نیست، بلکه به یک استاندارد جدید برای کسب‌وکارها تبدیل شده است. پرسش اصلی این است که آیا این سرعت به زودی به یک کالای عمومی (Commodity) تبدیل می‌شود و قیمت‌ها کاهش می‌یابد، یا اینکه شرکت‌ها همواره برای حفظ لبه تکنولوژیک، هزینه‌های بالاتری پرداخت خواهند کرد؟ همچنین، نحوه تنظیم مقررات برای استفاده از هوش مصنوعی فوق‌سریع در معاملات مالی و تصمیم‌گیری‌های حساس، یکی از چالش‌های پیش‌روی رگولاتورها خواهد بود.

سؤالات متداول

۱. سطح Ultrafast اوپن‌ای‌آی چیست و چه تفاوتی با مدل‌های استاندارد دارد؟
سطح Ultrafast یک سرویس جدید است که مدل GPT-5.6 Sol را با استفاده از تراشه‌های Cerebras تا ۱۴ برابر سریع‌تر (۷۵۰ توکن در ثانیه) اجرا می‌کند، بدون اینکه هوشمندی مدل کاهش یابد.

۲. چرا سرعت در هوش مصنوعی برای کسب‌وکارها اهمیت پیدا کرده است؟
سرعت باعث کاهش اصطکاک زمانی در فرآیندها می‌شود. در کاربردهایی مانند پشتیبانی صوتی، معاملات الگوریتمی و تحلیل آنی داده‌ها، میلی‌ثانیه‌ها تأثیر مستقیمی بر تجربه کاربری و سودآوری دارند.

۳. شرکت‌های فین‌تک چگونه از هوش مصنوعی فوق‌سریع استفاده می‌کنند؟
فین‌تک‌ها از این سرعت برای پردازش بلادرنگ داده‌های بازار، اعتبارسنجی آنی کاربران، کشف تقلب در لحظه و توسعه عامل‌های هوشمند (AI Agents) برای انجام تراکنش‌های خودکار استفاده می‌کنند.

۴. نقش تراشه‌های Cerebras در افزایش سرعت هوش مصنوعی چیست؟
معماری خاص تراشه‌های Cerebras با حافظه یکپارچه و پردازش موازی عظیم، گلوگاه‌های انتقال داده را حذف کرده و امکان استنتاج بلادرنگ مدل‌های بزرگ زبانی را فراهم می‌کند.

۵. تأثیر این تحول بر فین‌تک‌های ایرانی چیست؟
فین‌تک‌های ایرانی برای ارائه خدمات بلادرنگ مانند پشتیبانی صوتی و تحلیل لحظه‌ای نیازمند زیرساخت محاسباتی قدرتمند هستند. محدودیت دسترسی به سخت‌افزارهای پیشرفته چالشی است که با بهینه‌سازی مدل‌های بومی و تکنیک‌های کوانتیزاسیون در حال مدیریت است.

برای دنبال کردن تحلیل‌های بیشتر درباره فین‌تک، بانکداری دیجیتال و اقتصاد نوآوری، گزارش‌های تخصصی پی‌کار را در بخش فین‌تک و اقتصاد دیجیتال بخوانید.

در سال ۲۰۲۶، سرعت پردازش و کاهش تأخیر در پاسخ‌دهی مدل‌های هوش مصنوعی، به مزیت رقابتی اصلی و محصول جدید شرکت‌هایی مانند اوپن‌ای‌آی و گوگل تبدیل شده است. برای تحلیل بیشتر این تحولات در اقتصاد دیجیتال، می‌توانید به بخش مقالات پی‌کار مراجعه کنید و گزارش کامل این تغییر استراتژی را در پی‌مِنتس مطالعه نمایید.