مدل را اجاره کنید. مالک مهار مالک شبکه

در سال 2004، تایگر وودز قبلا بزرگترین گلف باز زنده بود. هشت رشته. سالها به عنوان شماره یک جهان. هیچ چیزی در داده ها نمی گوید چیزی را اصلاح کنید. او به هر حال تابش را بازسازی کرد. او با همکاری هنک هانی، مکانیک هایی را که بزرگترین نتایج او را به همراه داشت، از بین برد و از ابتدا شروع کرد. دقت رانندگی او به 182 کاهش یافت. مطبوعات گفتند بازی او در حال شکست است.

سه سال بعد او بهترین فصل دوران حرفه ای خود را سپری کرد.

این معضلی است که تقریبا هر شرکتی که با آن کار می کنیم در آن قرار دارد. اعداد خوب هستند یکی از اعضای تیم در حال تغییر گردش کار با یک مدل زبان است و آن را پذیرش هوش مصنوعی می نامد. حرکت آسان این است که آن را رها کنید و قراردادهای SaaS را برای یک سال دیگر تمدید کنید. همچنین بزرگترین ریسک موجود در ترازنامه است.

تبدیل شدن به هوش مصنوعی نیاز به چیزی نزدیکتر به بازسازی Tiger دارد. سی یا پنجاه مدل تخصصی، هماهنگ شده در یک سازمان بازگشتی که هر سه ماهه هوشمندتر می شود. من پرونده کامل معماری را در Infinite Leverage ساختم. تمدید با یک فروشنده قدیمی SaaS که یک لفاف هوش مصنوعی را روی محصول سال گذشته چسبانده بود، به هم زدن صندلی‌های عرشه در تایتانیک است که در The AI ​​Shuffle پوشش داده‌ام. مدل های زبان مکان خوبی برای شروع هستند. آنها مکانی برای توقف نیستند و آزمایشگاه های مرزی از شما می خواهند.

من در Peak Token نوشتم که سازندگان مدل های مرزی خودشان را از بازار خودشان قیمت گذاری می کنند. شکاف قابلیت بین بهترین مدل بسته و بهترین مدل باز تقریبا بسته شده است در حالی که شکاف قیمت بسیار زیاد است. کالایی که قیمتی مانند کالای لوکس دارد، برای مدت طولانی لوکس نمی ماند. آزمایشگاه های مرزی همین داده ها را می بینند. پاسخ، بازتاب استاندارد یک تجارت نرم‌افزاری است که خندق آن در حال فرسایش است: مشتریان را در اینرسی نگه دارید، زمانی که دیگر نمی‌توانید آنها را روی توانایی نگه دارید.

من فروپاشی نرم افزار گسترده تر را در Software Is Not Going Down Alone و پاسخ بدهی فعلی را در The SaaS Debt Trap پوشش دادم.

که مرا به کلمه ای می رساند که می خواهم رهبران شروع به استفاده کنند. نقاط خفه کردن نقطه خفه هر مکانی در معماری شما است که در آن یک طرف تصمیم می گیرد چه چیزی بپردازید، چه چیزی را می توانید استفاده کنید و با چه سرعتی می توانید حرکت کنید. هر پشته آنها را دارد. بعضی ها فوق العاده هستند. تعداد کمی ارزش دویدن به سمت آنها را دارند. بیشتر آنها بی سر و صدا به قیمت آزادی شما تمام می شود. خطرناک ترین لایه لایه ای است که تقریبا هیچ کس در اتاق هیئت مدیره هنوز درباره آن بحث نمی کند.

چیزی که همه را ثروتمندتر کرد

تاریخ به عنوان زمینه بهترین اثر شبکه ای که تا به حال ساخته ام در LinkShare بود. ما بر بازاریابی وابسته تسلط داشتیم، و تسلط برای همه کسانی که آن را لمس کردند خوب بود.

برای شرکت‌های وابسته که ترافیک را به بازرگانان ارسال می‌کنند، ترازو ما یک هدیه بود. مکانی برای یافتن بهترین بازرگانان. یک مجموعه گزارش یک چک در پایان ماه به جای تعقیب پنجاه پرداخت کوچک. برای بازرگانان، ادغام به همان اندازه ارزشمند بود. یک شبکه با مقیاسی برای شکار کمیسیون های بازی کلاهبرداران و پلاگین هایی که بی سر و صدا کمیسیون ها را هنگام پرداخت می ربایند. هزار برنامه پراکنده هرگز نمی توانستند در آن دعواها پیروز شوند. یک شبکه می تواند.

هیچ کس در LinkShare به دام نیفتاد. وابستگان و بازرگانان ماندند زیرا ترک به معنای دست کشیدن از چیزی بود که زندگی آنها را آسانتر می کرد. شبکه و علاقه مشتری به همین جهت است.

این شکل بهترین مشاغلی است که تا کنون ساخته شده است. جستجوی گوگل با استفاده بیشتر افراد از آن بهبود می یابد. Waze با هر راننده دقیق تر می شود. eBay برای یک فروشنده ارزش بیشتری دارد زیرا خریداران آنجا هستند و برای یک خریدار ارزش بیشتری دارد زیرا فروشندگان آنجا هستند. پی پال هر چه بیشتر متصل شود ایمن تر می شود. Collective[i] با هر شرکت جدید در شبکه در مورد رفتار اقتصادی هوشمندتر می شود. Intelligence.com روابط حرفه ای را ترسیم می کند و هر عضو جدید نقشه را تیز می کند. در تمام مدت باز است. خود شبکه دلیل ماندن است.

اونی که تو رو گروگان نگه میداره

حال نوع دیگر، اثر مرتبه دوم از تصمیماتی که امروز می گیرید. بسیاری از رهبران در ابتدا به معنای هوش مصنوعی بودن فکر نمی کنند. آزمایشگاه‌های هوش مصنوعی سعی می‌کنند با یادگیری از نرم‌افزار از این مزیت استفاده کنند.

SQL یک استاندارد عمومی است. هر پایگاه داده ای آن را اجرا می کند. اوراکل PL/SQL را به عنوان هدیه اختراع کرد. منطق خود را در پایگاه داده قرار دهید، آن را سریعتر اجرا کنید، کارهایی را انجام دهید که SQL ساده نمی تواند. نیمه دیگر معامله این بود که هر رویه به زبانی نوشته می شد که فقط اوراکل به آن صحبت می کرد. SQL استاندارد قابل حمل باقی ماند. PL/SQL که در اطراف آن پیچیده شده بود این کار را نکرد. در طول سال‌ها، دهه‌ها منطق کسب‌وکار به لهجه‌ای مسلط شد که هیچ پایگاه‌داده‌ای دیگر آن را درک نمی‌کرد. زمانی که یک شرکت می خواست اوراکل را ترک کند، این صورتحساب مجوز نرم افزاری نبود. این بازنویسی چندین دهه کد بود.

مایکروسافت بازی مشابهی را در مقابل WordPerfect اجرا کرد: به راحتی می‌توان فایل‌های قدیمی خود را وارد کرد، غیرممکن است که آن‌ها را به‌طور کامل خارج کنید. خود قالب تبدیل به نقطه خفه شد.

چیزی که شما را آنجا نگه می دارد، ارزش محصول نیست. هزینه خروج است. وقتی این هزینه از ارزش اقامت بیشتر شود، دیگر مشتری نیستید. شما یک گروگان با تاریخ تمدید هستید. شکاف بین دو خط، حاشیه ای است که فروشنده از شما گرفت. من در مورد نسخه دیواری این نمایشنامه در Karp and Nadella Are Selling You a Wall نوشتم.

در هوش مصنوعی، lock-in یک شبه حرکت می کند

قفل نرم افزار در طول سال ها اجرا شد. مدیران وقت داشتند تله را پیدا کرده و بازسازی را برنامه ریزی کنند. هوش مصنوعی چنین ادبی را اعطا نمی کند. در عرض چند هفته پس از تصمیم وزارت جنگ، حال و هوای سازمانی از ChatGPT و به کلود تغییر کرد. سپس موج دوم مدت کوتاهی پس از آن و با مدی سریع به سمت مدل‌های با وزن باز حرکت کرد. اگر پیچیده‌ترین کسب‌وکارهای نرم‌افزاری روی زمین نمی‌توانستند سوئیچینگ را کنترل کنند، تصور نکنید که شما مال خود را کنترل خواهید کرد.

شما در سال آینده به مدل های زیادی نیاز خواهید داشت، نه یک مدل، و مدل های تخصصی از OpenAI یا Anthropic نمی آیند. امروز قفل شدن در یک فروشنده مدل زبان، شما را از بیست و نه مدل از سی مدل مهمی که به کار خواهید برد، قفل می کند. این مشکل هزینه نیست. این یک اشتباه معماری وجودی است که کل چرخه بعدی را صرف پرداخت آن خواهید کرد.

در Collective[i] ما هر هفته در این چرخه زندگی می کنیم. ترکیب مدل زیر دستیاران Telli به طور مداوم تغییر می کند. هنگامی که یک نسخه با وزن باز جدید منتشر می شود، آن را در برابر جریان کاری فروش که مهم هستند و در عرض چند روز برنده را ارتقا می دهند آزمایش می کنیم. هنگامی که رهاسازی مرزی در یک کار خاص بی‌صدا بدتر می‌شود، که اتفاق می‌افتد، مسیرهای مهار در همان ساعتی که دریفت را مشاهده می‌کنیم، در اطراف آن حرکت می‌کنند. مشتری هرگز مبادله را نمی بیند که نکته اصلی همین است.

شرکت‌هایی که مهم‌ترین بارهای کاری خود را روی یک پشته تک‌فروشنده اجرا می‌کنند، آن‌ها را در مدل سه‌شنبه گذشته اجرا می‌کنند، به این امید که قیمت تغییر نکند و قابلیت تغییر نکند. امید یک معماری نیست.

خندقی به هر نام دیگری

هیچکدام از اینها فروشندگان را شرور نمی کند. بنیان‌گذاران و سرمایه‌گذاران در پشت آزمایشگاه‌های مرزی هوش مصنوعی مهارت خود را در نرم‌افزار آموختند و کتاب بازی نرم‌افزار را با دقت در هوش مصنوعی به کار می‌برند. سرمایه گذاران نرم افزار را تنها بر اساس درآمد تامین نمی کنند. آنها آن را با قابلیت دفاع تامین می کنند. وارن بافت روی کلمه خندق شغلی ایجاد کرد. ایجاد موانع برای خروج، انحراف از تجارت نرم افزار نیست. این تجارت نرم افزاری است که مستقیما به هوش مصنوعی وارد می شود.

چیزی که تغییر کرد این بود که خندق های قدیمی از کار افتادند. تجزیه و تحلیل مورنینگ استار در اوایل سال 2026 نشان داد که چهار ستون از پنج ستون خندق کلاسیک بیشتر قدرت پیش‌بینی خود را تحت قرار گرفتن در معرض هوش مصنوعی از دست داده‌اند و شرکت‌هایی که بیشتر در معرض هوش مصنوعی بودند عملکرد کمتری نسبت به شرکت‌های انعطاف‌پذیر در ماه‌های اول سال نزدیک به 26 درصد داشتند. 1 من مکانیک را در The Arc of a Company’s Life پوشش دادم. آزمایشگاه های مرزی همان داده ها را می خوانند. آنها می دانند که شکاف توانایی در حال بسته شدن است و شکاف قیمت ضریب ده است. پاسخ آنها دو حرکت دارد.

اولین حرکت تسخیر نظارتی است. من این مورد را به طور طولانی در مرگ بشریت بیان کردم. آزمایشگاه‌های مرزی برای مقررات هوش مصنوعی که به عنوان ایمنی قاب می‌شود، فشار می‌آورند. مقرراتی که آنها می‌خواهند اتفاقا دقیقا مقرراتی است که رقابت آزاد را از بازار شرکت‌ها حذف می‌کند. نوار انطباق را به اندازه کافی بالا ببرید و تنها آزمایشگاه‌ها با پول و وکلا که آن را پاکسازی می‌کنند، بتوانند به Fortune 500 خدمت کنند. تماس برای ایمنی به خندقی تبدیل می‌شود که دیگر قابلیت آن را ندارد. آنها زنگ خطر را به صدا در نمی آورند زیرا از یک مدل هوشمندتر می ترسند.

آنها زنگ خطر را به صدا در می آورند زیرا از یک رایگان می ترسند.

حرکت دوم مهندسان مستقر رو به جلو است. آزمایشگاه‌ها بهترین مهندسان خود را به داخل Fortune 500 می‌فرستند تا با هزینه‌ی صفر، ادغام هوش مصنوعی شرکت را برای آنها بسازند. در ظاهر یک هدیه است. در عمل هر جریان کاری تولید به مدل آن آزمایشگاه، قراردادهای آن آزمایشگاه، مفروضات آن آزمایشگاه متصل می شود. مهندس بعد از شش ماه دور می شود. وابستگی ها باقی می مانند آزمایشگاه به طور تصادفی یک قلاب نساخته است. آنها آن را روی سکه شما ساختند و شما از آنها تشکر کردید.

منطق استراتژیک یک سطح بالاتر است. این آزمایشگاه‌ها می‌دانند که هر مدلی را که کسب‌وکار شما اجرا می‌کند نمی‌سازند. آنها می دانند که شرکت سی مغز در راه است. چیزی که آنها می خواهند این است که دروازه بان باشند که هر مدل دیگری باید از آن عبور کند تا به شما برسد. اگر لایه ارکستراسیون متعلق به یک آزمایشگاه باشد، هر فروشنده مدل دیگری پیمانکار فرعی آنها می شود، نه تامین کننده شما. روزی که آن لایه را واگذار می کنید، روزی است که کسب و کار خود را به اشتراک نقشه راه یک آزمایشگاه تبدیل کرده اید.

شش مکان یک نقطه خفه می تواند در پشته هوش مصنوعی شما قرار گیرد

این تمایز را در هوش مصنوعی مشخص کنید و در هر لایه یک نقطه خفه پیدا کنید. آنها یک نوع نیستند و مرتب کردن آنها قلب تصمیم معماری است.

شش مکان در پشته هوش مصنوعی قرار دارند که بر اساس افرادی که واقعا به آنها خدمت می کنند مرتب شده اند. شبکه بالا همانی است که شما می خواهید. لایه هارنس، حافظه، داده ها و سیستم ثبت لایه هایی هستند که فروشنده برای نگهداری شما از آن استفاده می کند. مدل وسط برای تکیه دادن خوب است در حالی که بهترین است. آن پنجره به سرعت بسته می شود.

1. مدل. نقطه خفگی کالا.

ضعیف ترین لایه ای که آزمایشگاه های مرزی روی آن ایستاده اند. همه تقریبا همین چیزها را دارند. بنابراین آزمایشگاه‌ها با دریافت داده‌های داخلی شما در داخل دیوارهایشان و با تبدیل کردن خود به نگرانی‌های حاکمیتی و انطباق شما، مدل را به یک نقطه خفه تبدیل می‌کنند. حاکمیت اغلب جایی است که قفل با پوشیدن کت و شلوار مسئولانه وارد می شود. من این مورد را در «ایمن‌ترین حرکت همه چیز برای شما تمام می‌کند» و در چارچوب AI-First برای هوش مصنوعی مسئول ایجاد کردم.

هر نسخه باز جدید فاصله را کم می کند. DeepSeek V4-Pro در اواسط سال 2026 با 80.6 درصد در SWE-bench Verified، در یک چهارم یک نقطه از Claude Opus 4.6 در 80.8 فرود آمد. Kimi K2.6 یک ربع بعد از Opus گذشت. Kimi K3 یکی از کسانی است که در حال نوشتن این مطلب هستند. شکاف معیار دانش بیست تا سی نقطه ای قدیمی به سه تا پنج کاهش یافته است و در هر انتشار باز دوباره کاهش می یابد. خروجی GPT-5.5 تقریبا سی دلار در هر میلیون توکن فهرست می‌شود. یک API با وزن باز معادل حدود چهار مورد اجرا می شود. شما برای کار کالایی نرخ های لوکس می پردازید. 2

Grok Bot در 11 آگوست 2026 ارسال شد. پنج هفته بعد روی تقریبا یک میلیون دستگاه قرار گرفت و با یک کلیپ درآمد ماهانه سی و هفت میلیون دلاری تلفن همراه کار کرد، که بیش از دو برابر آنچه خط تلفن همراه xAI در 9 ماه قبل به ارمغان آورده بود. 3 یک محصول مصرفی منفرد در یک مدل غیر مرزی کل خط کسب و کار را در یک سه ماهه تغییر داد. این لایه را انتزاع کنید، هر تماس را ثبت کنید، به میل خود مبادله کنید.

2. حافظه و زمینه. ساکت ترین قلاب.

هر روز رشد می کند و نامرئی است. حافظه نماینده شما، زمینه انباشته شده، جاسازی‌ها، درخواست‌های اصلاح شده در طول ماه‌ها، همه در قالبی نگهداری می‌شوند که فقط فروشنده می‌تواند آن را بخواند. بیشترین PL/SQL موجود در پشته. فروشنده آن را یک ویژگی می‌نامد، و تا روزی که شما را ترک می‌کنید و متوجه می‌شوید که همه چیزهایی که سیستم در مورد کسب و کار شما آموخته است، وجود دارد.

3. گرانش داده ها. ترک یعنی ترک آنچه به آن آموختی.

هنگامی که داده‌های اختصاصی شما در خط لوله تنظیم دقیق یک ارائه‌دهنده زندگی می‌کنند، تغییر به معنای دور شدن از چیزی است که سال‌ها برای آموزش آن صرف کرده‌اید. فروشندگان این را به عنوان سود به سختی می فروشند. مدل کسب و کار شما را می شناسد. این کار را انجام می دهد. دقیقا به همین دلیل قلاب است.

4. سیستم ثبت. وقتی هوش مصنوعی تبدیل به میز می شود.

حرکت Salesforce، برای هوش مصنوعی اعمال شد. وقتی دستیار به مکانی تبدیل می‌شود که افراد شما در تمام طول روز کار می‌کنند، حذف آن به عنوان یک مبادله متوقف می‌شود و به یک رویداد سراسری شرکت تبدیل می‌شود.

متصدیان SaaS می دانند که در حال حذف شدن هستند و پاسخ منسجمی ندارند. برخی درها را با API های بدون هد باز می کنند تا بتوانند لایه داده را در زیر هر چیزی که هوش مصنوعی برنده می شود باقی بمانند. Salesforce واضح ترین مثال است. دیگران بی سر و صدا درها را می بندند. Slack شرکت‌ها را از استفاده از داده‌های Slack خود برای آموزش مدل‌های خود ممانعت می‌کند، در همان لحظه که شرکت مادر شراکت‌های باز هوش مصنوعی را در طرف دیگر خانه ایجاد می‌کند. یک شرکت، دو استراتژی متضاد، برنامه صفر.

حرکتی که جواب می‌دهد این است که داده‌های خود را از سیستم رکورد SaaS خارج کرده و به فروشگاهی که مالک آن هستید، معمولا Snowflake یا Databricks است. این امر آخرین نگه‌داری فروشنده را بر بستر هوش مصنوعی شما سلب می‌کند. غول‌های SaaS میلیاردها دلار وام می‌گیرند تا سهام خود را در سه‌ماهه‌ای که باید محصولات خود را روی بستر هوش مصنوعی بازسازی کنند، بازخرید کنند. آنها نیستند. به همین دلیل است که بقیه در حال ساخت بستر هوش مصنوعی در اطراف خود هستند.

5. شبکه. نقطه خفگی ارزش خواستن دارد.

یکی طبیعی. الگوی LinkShare. الگوی جمعی[i]. الگوی Intelligence.com با رشد برای همه بهتر می شود، زیرا هر شرکت کننده جدید سیگنالی را که کل شبکه از آن می آموزد گسترش می دهد. تنها لایه ای که انگیزه فروشنده و مشوق مشتری در آن جهت یکسان را نشان می دهد. در پایان به آن باز می گردم.

6. مهار. کسی که همه چیز را تعیین می کند.

لایه تقریبا هیچ کس تماشا نمی کند. اونی که بقیه رو کنترل میکنه

مهار نقطه خفه است که مهم است

مهار مهمترین چیز در هوش مصنوعی است و کمترین چیزی که در مورد آن صحبت شده است. این لایه ارکستراسیون است که بسیاری از مدل ها را به یک نتیجه تجاری تبدیل می کند. این جایی است که یادگیری بازگشتی زندگی می کند. این جایی است که منطق شرکت شما نه در داخل مدل بلکه بالای آن قرار دارد. اینجا جایی است که هر دلار ارزشی که هوش مصنوعی برای کسب و کار شما تولید می کند، به شما تعلق می گیرد یا با شخص دیگری از خانه خارج می شود. آن را در مکان نامناسبی بسازید و شرکت شما در نهایت بر روی هر مدلی که ارائه‌دهنده شما تصمیم گرفته است در این سه ماهه تبلیغ کند، با هر قیمتی که در آینده تصمیم بگیرد کار کند.

آن را واگذار کنید و شخص دیگری دروازه بان هر نتیجه ای باشد که شرکت شما می تواند ایجاد کند.

هر فراخوانی مدل و هر تصمیم نماینده از این لایه عبور می کند. هر درسی که نمایندگان شما می آموزند در اینجا یا هیچ کجا نوشته می شود. هر توکنی که می سوزانید اینجا قیمت می گیرد. مالک آن باشید و شرایط را تعیین کنید. آن را اجاره کنید و شخص دیگری این کار را برای همیشه انجام دهد.

Claude Code یک محصول عالی و یک مهار اختصاصی است که محکم به یک خانواده مدل متصل است. شما نمی توانید مدل را عوض کنید. شما نمی توانید مهار را چنگال کنید. مقایسه‌های مهار 2026 مستقل، آن را در اجرای کد قوی‌ترین و در انعطاف‌پذیری چند مدل ضعیف‌ترین مهاربندی اصلی را رتبه‌بندی می‌کند. 4 طراحی دقیقا همانطور که در نظر گرفته شده است کار می کند و هدف این است که مدل و مهار یک محصول جدا نشدنی باشد. اوراکل سی سال پیش همین کار را با PL/SQL انجام داد.

مهارهای باز در موقعیت مخالف ساخته شده اند. OpenClaw، پروژه تحت مجوز MIT پیتر اشتاینبرگر، با حدود 354000 ستاره GitHub و گسترده ترین قابلیت پیکربندی، بزرگترین ردپای جامعه در این رده را دارد. هرمس یک رویکرد تحقیقاتی و خود-بهبودی را اتخاذ می کند و در معماری حافظه پیشرو است. OpenCode، Aider و Pi یک ویژگی مهم را به اشتراک می گذارند. کد هارنس خوانا و قابل چنگال است. می توانید آن را روی زیرساخت خود اجرا کنید.

تفاوت بین اینها و عامل کدنویسی فروشنده، تفاوت بین مالکیت ماشین و اجاره زمان برای شخص دیگری است.

بسیاری از مدل ها، در کنسرت کار می کنند

از ابتدا فرض کنید که چندین مدل را همزمان اجرا خواهید کرد. نه چند طعم چت بات. مجموعه‌ای از انواع مختلف هوش که هر کدام برای شغل متفاوتی ساخته شده‌اند.

یک مدل زبان برای خواندن و نوشتن. یک مدل استدلال برای حل یک مشکل سخت گام به گام. یک مدل اقتصادی برای پیش‌بینی آنچه که یک بازار یا یک خریدار احتمالا انجام می‌دهد، که نمی‌تواند توسط یک چت بات با لحن مطمئن جعل شود. یک مدل رباتیک یا جهانی برای فضای فیزیکی. مدل‌های بینایی، گفتار، و ویدیویی برای روش‌هایی که کار وارد می‌شود. مدل‌های محلی کوچک برای کارهای تکراری با حجم بالا. بازیابی و جاسازی مدل‌ها برای زمینه. هر کدام یک متخصص هستند و موارد خوب قابل تعویض نیستند، به همان اندازه که یک متخصص قلب با یک مهندس سازه قابل تعویض است.

من پرونده کامل معماری را در AI-First Framework for Responsible AI ساختم. شرکت شما در چند سال آینده با ده‌ها نفر از این متخصصان کار خواهد کرد. هیچ آزمایشگاه مرزی واحدی همه آنها را نخواهد ساخت. آزمایشگاه های مرزی در ستون های زبان و استدلال خوب هستند. آنها مغز پیش بینی اقتصادی، مغز رباتیک فضایی فیزیکی، یا مدل های کوچک تخصصی که بیشتر کار واقعی را انجام می دهند، نمی سازند. قفل کردن خود در Anthropic یا OpenAI شرطی است که یک آزمایشگاه هر مغزی را که شرکت شما نیاز دارد ارائه می دهد. نخواهد شد.

مدل های زبان تنها کالایی ترین قطعه از دنیای هوش مصنوعی هستند. اگر تا به حال از مدیر عاملی شنیده اید که می گوید "ما هوش مصنوعی داریم" و دلیل آن این است که تیم های آنها از ChatGPT یا Claude استفاده می کنند، شما با شرکتی صحبت می کنید که داروی ورودی را با سیستم عامل اشتباه گرفته است. من این بحث معماری را در The Next Computer Is Alive مطرح کردم. تمام هوش مصنوعی هوش محدودی است. حرکت برنده بسیاری از متخصصان در کنسرت است، نه یک ژنرالیست که همه چیز را انجام دهد.

حلقه بازگشتی در مهار زندگی می کند

عواملی که خود را بهبود می بخشند دیگر یک آزمایش فکری نیستند. پژوهش خودکار Karpathy هفتصد آزمایش ML را روی یک GPU طی دو روز بدون هیچ انسانی در حلقه داخلی انجام داد و بیست راه برای سریع‌تر کردن آموزش پیدا کرد. Self-Harness دارای عواملی است که مهار خود را از طریق یک حلقه پیشنهاد، ارزیابی، پذیرش بهبود می بخشند. DeepMind's AlphaEvolve الگوریتم ضرب ماتریس بهتری را به همین ترتیب پیدا کرد. 5 الگوی هر بار یکسان است. یک نماینده عمل می کند، کار امتیاز می گیرد، درس نوشته می شود و اجرای بعدی بهتر است.

بازگشت وجود دارد، و خندق به مهار نقل مکان کرد. حلقه ای که هر هفته نمایندگان شما را باهوش تر می کند در داخل مدل زندگی نمی کند. در لایه ای زندگی می کند که کار را نمره می دهد، درس را ذخیره می کند و آن را پس می دهد. آن لایه مهار است و حافظه آن باید قابل بازرسی، قابل حمل و مال شما باشد. من نسخه سازمانی را در Infinite Leverage و The Agent Swarm Just Killed Scale as a Moat پوشش دادم.

مهار را اجاره کنید و حلقه را اجاره کرده اید. هر درسی که نمایندگان شما یاد می‌گیرند به قالب اختصاصی شخص دیگری تعلق می‌گیرد و هوش ترکیبی که فکر می‌کردید در حال ساختن هستید، در انبار آن‌ها قرار دارد و نام شما روی هیچ‌کدام از آن‌ها نیست.

مهار هزینه های شما را تعیین می کند

یک ماشین تولیدی را تصور کنید که قیمت هر لوله ای را که شما مجاز به خرید آن هستید تعیین می کند، در حالی که همان لوله در جای دیگری به قیمت کسری به فروش می رسد. دستگاه فقط روی لوله خودش کار می کند. این یک عامل کدگذاری است که به یک خانواده مدل متصل است. اوبر و بسیاری از کاربران توکن سنگین قبلا آموخته‌اند که گردش‌های کاری عاملی بدون هشدار از طریق بودجه‌ها عبور می‌کنند. 6 کنترل مهار را از دست بدهید و کنترل صورتحساب را برای همیشه از دست می دهید.

مسیریابی جایی است که پول وجود دارد

به محض اینکه صاحب مهار شدید، مشکل هزینه قابل حل می شود. OpenRouter به شما یک API در میان صدها مدل می دهد و برای هر پرس و جو یک API قابل انتخاب را انتخاب می کند. راب می، که Backupify را تأسیس کرد، Neurometric.ai را در ژانویه 2025 برای مسیریابی مبتنی بر وظیفه تأسیس کرد. قوس مشتری او همیشه یکسان است. شرکتی که دویست هزار در ماه در استنتاج مرزی می سوزاند، حجم کاری خود را شناسایی می کند، آن را به یک مدل کوچک تخصصی هدایت می کند و فروپاشی خط را تماشا می کند. سپس با حجم کاری بعدی دوباره این کار را انجام می دهند. استفاده از مرز به صفر نمی رسد.

این به جایی می رسد که در واقع به یک مدل مرزی نیاز بود، که سهم بسیار کمتری از آن چیزی است که هر کسی تصور می کرد.