حاشیه سود اپل در چنبره هزینه‌های هوش مصنوعی و بحران حافظه

وقتی هوش مصنوعی به کام سخت‌افزار می‌افتد

مدت‌ها بود که اهالی کوپرتینو (Cupertino) با حاشیه سودهای نجومی و بهینه‌سازی‌های افراطی در زنجیره تأمین، نبض بازار را در دست داشتند. اما گزارش مالی اخیر اپل (Apple) نشان می‌دهد که بازی عوض شده است. ترکیبِ «هوش مصنوعی» و «حافظه» به یک کلاف سردرگم تبدیل شده که حاشیه سود فصل طلایی تعطیلات را تهدید می‌کند. برای من که روز و شبم با کوانتایزیشن (Quantization) مدل‌های Llama روی کارت‌های گرافیک RTX می‌گذرد، دیدن اینکه چطور اپل با این حجم از منابع هنوز درگیر مدیریت هزینه‌های VRAM و زیرساخت‌های استنتاج (Inference) است، هم جالب است و هم تأمل‌برانگیز.

توسعه سیری (Siri) که اکنون به سمت مدل‌های زبانی بزرگ (LLM) سوق پیدا کرده، دیگر یک قابلیت نرم‌افزاری ساده نیست. این یک هیولای تشنه به منابع است. اپل اعتراف کرده که هزینه‌های مرتبط با Apple Intelligence، آن هم در مقیاسی که برای میلیون‌ها دستگاه در سراسر جهان نیاز است، مستقیماً از جیب حاشیه سود ناخالص شرکت پرداخت می‌شود. این یعنی اپل در حال انتقال از مدل سودآوریِ سخت‌افزار-محور به سمت مدل هزینه‌برِ زیرساخت-محور است.

قمار بزرگ روی حافظه؛ چرا قیمت‌ها پایین نمی‌آیند؟

یکی از دردهای مزمن در دنیای گجت‌ها، قیمت حافظه‌های پرسرعت است. در حالی که ما در انجمن‌های اوپن‌سورس (Open Source) سعی می‌کنیم با تکنیک‌های فشرده‌سازی مثل GGUF یا EXL2، مدل‌ها را روی سخت‌افزارهای ضعیف‌تر اجرا کنیم، اپل با یک چالش لجستیکی روبروست. تقاضا برای رم‌های با ظرفیت بالا به دلیل نیاز Apple Intelligence به حافظه بیشتر جهت استنتاج محلی (Local Inference)، قیمت تمام‌شده دستگاه‌ها را بالا برده است.

اینکه اپل می‌گوید هزینه‌های حافظه بر سود تأثیر می‌گذارد، یک کدِ رمزی برای این است که بگوید: «ما نمی‌توانیم سخت‌افزار را به اندازه کافی ارزان تولید کنیم تا هوش مصنوعی جدید روی آن اجرا شود». در دنیای ایجنت‌های خودران و مدل‌های محلی، حافظه حرف اول و آخر را می‌زند. اگر شما ۸ گیگابایت رم داشته باشید، عملاً در اجرای مدل‌های هوش مصنوعیِ مدرن دست‌بسته هستید. اپل حالا در تله‌ای افتاده که خودش برای کاربرانش چیده: نیاز به حافظه بیشتر برای هوش مصنوعی، هزینه تولید را بالا می‌برد و قیمت نهایی را به مرزهای روانی خریداران نزدیک می‌کند.

نبرد در سنگر مدل‌های محلی در برابر دیوارهای بسته

اپل سعی دارد هوش مصنوعی را به صورت محلی (On-device) اجرا کند که از نظر حریم خصوصی و آزادی داده‌ها، رویکردی قابل‌احترام است. اما این استراتژی، هزینه‌های تحقیق و توسعه (R&D) را به شکل نجومی افزایش می‌دهد. برخلاف مدل‌های متن‌باز (Open Source) که توسط جامعه جهانی بهبود می‌یابند، اپل مجبور است تمام بارِ مالی و فنیِ معماری Mixture of Experts یا مدل‌های اختصاصی خودش را به تنهایی به دوش بکشد.

من همیشه معتقد بوده‌ام که آینده هوش مصنوعی در دستان مدل‌های محلی است. اما این مدل‌های محلی وقتی در ساختار «باغ محصور» (Walled Garden) اپل قرار می‌گیرند، به جای اینکه از قدرت جامعه بهره‌مند شوند، به یک مرکز هزینه بزرگ تبدیل می‌شوند. اپل عملاً در حال رقابت با خودش است؛ از یک سو باید بهترین تجربه هوش مصنوعی را ارائه دهد و از سوی دیگر باید با افزایش سرسام‌آور هزینه‌های زیرساختی مقابله کند تا سهامدارانش را راضی نگه دارد.

آینده‌ای که دیگر فقط با فروش آیفون ساخته نمی‌شود

فصل تعطیلات برای اپل همیشه به معنای رکوردشکنی در فروش آیفون (iPhone) بوده است. اما امسال داستان متفاوت است. سیریِ جدید (Siri AI) قرار است برگ برنده باشد، اما اگر این برگ برنده باعث شود هزینه‌های عملیاتی از سود فروش پیشی بگیرد، استراتژی هوش مصنوعی اپل با یک بن‌بست جدی مواجه خواهد شد. ما شاهد تغییر پارادایم در شرکت هستیم: از یک شرکت فروشنده سخت‌افزار، به شرکتی که باید برای هر کوئریِ هوش مصنوعی، هزینه استهلاک و محاسبات سنگین را مدیریت کند.

برای من به عنوان یک توسعه‌دهنده که روی اجرای آفلاین مدل‌ها تعصب دارم، دیدن اینکه اپل چطور با این چالش‌ها دست‌وپنج نرم می‌کند، جذاب است. آیا آن‌ها می‌توانند با بهینه‌سازی‌های نرم‌افزاری، نیاز به سخت‌افزار گران‌قیمت را کاهش دهند؟ یا اینکه باید منتظر باشیم تا قیمت‌های نجومی محصولات اپل حتی بالاتر برود؟ پاسخ در کوانتایزیشن و بهینه‌سازی‌های لایه‌های زیرین است که امیدوارم اپل هم مثل ما در دنیای اوپن‌سورس، راهکارهای خلاقانه‌ای برایش پیدا کند، نه اینکه فقط هزینه‌ها را به دوش مشتری بیندازد.