بسنت می‌گوید آمریکا برای رقابت با چین به مدل‌های هوش مصنوعی متن‌باز بیشتری نیاز دارد

تأثیر بر بازار: ترکیبی، با گرایشی اندکی مثبت برای زیرساخت هوش مصنوعی ایالات متحده و زیست‌بوم‌های مدل‌های باز، اما بالقوه منفی برای اقتصاد مدل‌های اختصاصی.

اظهارات بسنت احتمال آن را افزایش می‌دهد که سیاست هوش مصنوعی ایالات متحده از توسعه مدل‌های دارای وزن‌های باز/متن‌باز حمایت کند و در برابر مقرراتی که انتشار مدل‌ها را به‌طور معناداری محدود می‌کنند، مقاومت نشان دهد. این مقاله اشاره می‌کند که چارچوب اوت دولت، مدل‌های باز را از بررسی‌های امنیتی دولتی پیش از انتشار معاف کرده است؛ همچنین فعالان صنعت استدلال کرده‌اند که مدل‌های باز از نوآوری و رقابت‌پذیری حمایت می‌کنند.

پیامدهای سهام

• تأمین‌کنندگان زیرساخت هوش مصنوعی و نیمه‌رساناها: در میان‌مدت بالقوه صعودی. دسترسی گسترده‌تر به مدل‌های توانمند می‌تواند آزمایش‌گری، استقرار سازمانی و تقاضای کل برای توان محاسباتی، شبکه و ظرفیت مراکز داده را افزایش دهد. انویدیا، دل و دیگر شرکت‌های مرتبط با زیرساخت می‌توانند منتفع شوند، مشروط بر اینکه مدل‌های باز استفاده کلی از هوش مصنوعی را گسترش دهند، نه اینکه صرفاً سهم بازار را جابه‌جا کنند.
• پلتفرم‌های ابری: ترکیبی تا مثبت. مدل‌های باز ممکن است بارهای کاری استنتاج و مصرف خدمات ابری را افزایش دهند، اما مشتریان نیز می‌توانند قدرت چانه‌زنی بیشتری پیدا کنند و با سهولت بیشتری بین ارائه‌دهندگان جابه‌جا شوند.
• توسعه‌دهندگان هوش مصنوعی اختصاصی: در حاشیه، ترکیبی تا نزولی. اگر مدل‌های باز شکاف عملکردی را کاهش دهند، قیمت‌گذاری ممتاز، قفل‌شدن مشتریان و فرضیات مربوط به درآمدزایی بلندمدت ارائه‌دهندگان مدل‌های بسته ممکن است تحت فشار قرار گیرد. در مقابل، حمایت دولت از توسعه مدل‌های آمریکایی می‌تواند محیط کلی تأمین مالی و پذیرش را برای شرکت‌هایی مانند Anthropic، مایکروسافت و متا بهبود بخشد.
• ریسک کالایی‌شدن مدل‌ها: پرسش اصلی سرمایه‌گذاری این است که آیا متن‌باز بازار هوش مصنوعی را گسترش می‌دهد یا لایه مدل را به کالایی تبدیل می‌کند. حالت نخست به نفع زیرساخت است؛ حالت دوم می‌تواند حاشیه سود نرم‌افزار را فشرده کرده و صرفه کمیابی مرتبط با توسعه‌دهندگان پیشرو مدل‌ها را کاهش دهد.

اثرات کلان و بین‌دارایی‌ها

تأثیر فوری بر اقتصاد کلان باید محدود باشد، زیرا این موضوع سیگنال‌دهی سیاستی است، نه یک برنامه جدید هزینه‌کرد، یارانه، تغییر در کنترل صادرات یا قانون تصویب‌شده. کانال مهم‌تر، رقابت راهبردی با چین است: محدودیت‌های بیشتر بر دسترسی چین به فناوری ایالات متحده، خرید دولتی قوی‌تر مدل‌های داخلی یا حمایت از پژوهش در زمینه مدل‌های باز می‌تواند صرف ریسک‌های ژئوپولیتیکی و سیاست فناوری را افزایش دهد. این مقاله به‌طور مشخص توسعه مدل‌های چینی را به تقطیر سامانه‌های آمریکایی مرتبط می‌کند و در نتیجه، اجرای مقررات آتی و اقدامات کنترل صادرات می‌تواند به محرکی برای بازار تبدیل شود.

بعید است دلار آمریکا، بازده اوراق خزانه‌داری و شاخص‌های گسترده سهام واکنش معناداری نشان دهند، مگر اینکه این اظهارات به هزینه‌کرد مالی قابل‌اندازه‌گیری، تغییرات مقرراتی یا بازنگری در رشد بهره‌وری ایالات متحده منجر شوند. یک راهبرد موفق در زمینه مدل‌های باز می‌تواند در نهایت از طریق انتشار سریع‌تر فناوری، اثر مثبتی بر رشد داشته باشد، اما هم‌زمان ممکن است قدرت قیمت‌گذاری شرکت‌های پیشرو در حوزه هوش مصنوعی را کاهش دهد.

افق زمانی و ریسک‌ها

• کوتاه‌مدت: احتمالاً چرخش بخشی و آثار ارزشیابی در سهام هوش مصنوعی، نه حرکتی گسترده در بازار.
• میان‌مدت: در صورتی مهم‌تر خواهد بود که کنگره مشوق‌های مدل‌های باز، مقررات خرید دولتی، حمایت‌های مسئولیتی یا اقدامات هدفمند علیه تقطیر غیرقانونی مدل‌ها را تصویب کند.
• بلندمدت: بالقوه مهم برای بهره‌وری هوش مصنوعی، حاشیه سود نرم‌افزار، تقاضای نیمه‌رساناها و رقابت فناوری ایالات متحده و چین.

معامله‌گران باید پیشنهادهای قانونی مشخص، تعهدات خرید فدرال، تغییرات کنترل صادرات، انتشار مدل‌ها از سوی توسعه‌دهندگان بزرگ آمریکایی و چینی، شواهد کاهش هزینه‌های استنتاج و شتاب‌گرفتن پذیرش سازمانی را زیر نظر داشته باشند. برداشت اولیه همچنان ترکیبی است: سیاست حمایتی می‌تواند بازار هوش مصنوعی را گسترش دهد، اما مدل‌های باز ممکن است هم‌زمان خندق رقابتی و صرف ارزش‌گذاری ارائه‌دهندگان مدل‌های بسته را تضعیف کنند.