شرکت تتر (Tether)، صادرکننده استیبل‌کوین USDT، در کنار سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی، به دنبال توسعه فناوری‌هایی است که کنترل بیشتری در اختیار کاربران قرار می‌دهند. بااین‌حال، بررسی هزینه‌های پلتفرم هوش مصنوعی محلی QVAC نشان می‌دهد اجرای مدل‌های هوش مصنوعی روی لپ‌تاپ شخصی لزوماً از استفاده از سرویس‌های ابری ارزان‌تر نیست.

هزینه خرید لپ‌تاپ در برابر هوش مصنوعی ابری

در بررسی QVAC، قیمت یک لپ‌تاپ با ۳۲ گیگابایت حافظه، حدود ۲٬۳۹۹ دلار در نظر گرفته شده است. اگر این هزینه را روی چهار سال تقسیم کنیم، سهم ماهانه خرید دستگاه تقریباً ۵۰ دلار خواهد بود؛ هزینه‌ای که باید با مبلغ پرداختی برای استفاده از مدل‌های هوش مصنوعی ابری مقایسه شود.

طبق برآورد این مطالعه، یک مدل متراکم به نام Qwen3.8-27B می‌تواند طی ۱۷۶ ساعت کار در ماه، حدود ۵۵ میلیون توکن پردازش کند. توکن واحدی است که مدل‌های هوش مصنوعی برای خواندن و تولید متن از آن استفاده می‌کنند.

با استفاده از تعرفه‌های بررسی‌شده سرویس ابری Alibaba Cloud در سنگاپور، هزینه پردازش این حجم از داده حدود ۳۵٫۷۵ دلار در ماه برآورد می‌شود؛ یعنی کمتر از هزینه ماهانه محاسبه‌شده برای خرید لپ‌تاپ. البته این مقایسه تقریبی است و هزینه برق، تفاوت عملکرد مدل‌ها و سایر مخارج را در نظر نمی‌گیرد.

چه زمانی خرید سخت‌افزار به‌صرفه می‌شود؟

بر اساس محاسبات CryptoSlate، با تعرفه‌های مورد بررسی، برای اینکه هزینه ماهانه سخت‌افزار ۵۰ دلاری با هزینه استفاده از سرویس ابری برابر شود، باید تقریباً ۷۷ میلیون توکن در ماه پردازش شود. این مقدار از ظرفیت تخمینی ۵۵ میلیون توکن برای مدل مورد بررسی بیشتر است.

بااین‌حال، نتیجه برای همه کاربران یکسان نیست:

• افرادی که از قبل لپ‌تاپ مناسبی دارند: می‌توانند بدون پرداخت هزینه خرید دستگاه جدید، از مدل‌های محلی استفاده کنند؛ هرچند هزینه برق و محدودیت سخت‌افزار همچنان مطرح است.

• کاربران با مصرف کم: ممکن است با پرداخت هزینه متناسب با میزان استفاده از سرویس ابری، هزینه کمتری نسبت به خرید دستگاه جدید داشته باشند.

• کاربران حرفه‌ای و پرتکرار: در صورت پردازش حجم بالایی از داده و انتخاب سخت‌افزار مناسب، ممکن است اجرای محلی از نظر اقتصادی توجیه‌پذیر شود.

این محاسبات فرض می‌کنند مدل محلی و نسخه ابری برای انجام کار موردنظر مناسب‌اند؛ اما لزوماً کیفیت و توانایی یکسانی ندارند.

چرا تتر به هوش مصنوعی محلی علاقه دارد؟

مزیت هوش مصنوعی محلی فقط کاهش هزینه نیست. اجرای مدل روی دستگاه شخصی می‌تواند امکان استفاده آفلاین، وابستگی کمتر به سرویس‌دهندگان ابری و کنترل بیشتر بر داده‌ها را فراهم کند. البته اگر ابزارهای متصل به مدل اطلاعات را به سرویس‌های دیگر ارسال کنند، حریم خصوصی همچنان به نحوه پیاده‌سازی آن‌ها بستگی دارد.

تتر همچنین در دور تأمین مالی ۱٫۵ میلیارد دلاری شرکت Tenstorrent مشارکت کرده است؛ شرکتی فعال در حوزه فناوری پردازنده و زیرساخت هوش مصنوعی. ارزش‌گذاری Tenstorrent پس از این دور تأمین مالی به ۶٫۲ میلیارد دلار رسید، اما مبلغ دقیق سرمایه‌گذاری تتر اعلام نشده است. همچنین، این سرمایه‌گذاری به‌تنهایی به معنای ادغام محصولات Tenstorrent با QVAC یا کاهش هزینه کاربران نیست.

جمع‌بندی: اجرای هوش مصنوعی روی سخت‌افزار شخصی می‌تواند کنترل و حریم خصوصی بیشتری فراهم کند، اما از نظر هزینه همیشه برنده نیست. حجم استفاده، قیمت سخت‌افزار، تعرفه سرویس‌های ابری و توانایی مدل انتخاب‌شده تعیین می‌کنند کدام روش برای هر کاربر به‌صرفه‌تر است.