A héten várhatóan megerősítik az egyik legérdekesebb tech-üzletet: a hírek szerint az Nvidia 13 milliárd dollár körüli összegért felvásárolná a Hugging Face-et, az open-weight (nyílt súlyú) AI-modellek és benchmarkok megosztására szolgáló platformot. A Hugging Face-et mostanra sokan ismerik mint azt a központi szereplőt, amely a hatalmas nyelvi modelleken (LLM) kívüli fejlesztők és üzemeltetők ökoszisztémáját szolgálja — olyan szerepet tölt be, mint az AI-korszak GitHubja.
A Nvidia-Hugging Face-pletykák előtt az Nvidia már kötött egy 6 milliárd dolláros megállapodást a Poolside-dal, egy nyílt súlyú modelleket fejlesztő céggel, amelynek keretében a Poolside dolgozóinak jelentős része átkerül a chipgyártóhoz. Emellett két héttel ezelőtt a Stripe több mint 7 milliárd dollárért felvásárolta az OpenRoutert, amely az üzleti használatra szánt open-weight modellek egyik vezető szolgáltatója.
Ez nagy mennyiségű tőkét juttat egy alapvetően „ingyenes megosztásra” épülő szegmensbe, és jól mutatja a jelenlegi trendeket az AI iparágban.
Mi motiválja a nagy cégeket?
A Nvidia számára fontos stratégiai cél, hogy csökkentse a függését a nagy hyperscalerektől és a legnagyobb laboroktól. Ez különösen fontos annak fényében, hogy az olyan modelleket építő szereplők, mint az OpenAI és a Google, saját inferenciachipeken dolgoznak — például az OpenAI most bejelentett Jalapeño chipje. Ha a modellalkotók saját chipeket készítenek, a Nvidia szeretne részesedést szerezni magukból a modellalkotási folyamatból is.
A vállalatnak már van saját nyílt modellek családja, a Nemotron, de ezek eddigi elterjedése korlátozott volt. A Hugging Face-hez hasonló nagy fejlesztői közösség megszerzésével az Nvidia könnyebben irányíthatja a felhasználókat a saját chipek és szabványok felé.
Költségnyomás és alternatív modellek
Nőnek a kérdések az AI inferencia költségeivel kapcsolatban, ezért egyes cégek olcsóbb, jellemzően kínai fejlesztésű modelleket vizsgálnak, például a Moonshot, DeepSeek és Alibaba megoldásait. Jelenleg az elfogadás még kicsi, de növekvő: a Ramp költési adatain alapuló felmérése szerint a cégek 6%-a használ open-weight modelleket, míg a Jellyfish fejlesztői eszközöket készítő cég mérései alapján ez az arány a szoftvermérnökök körében 2%.
Nik Albarran, a Jellyfish AI termékvezetője szerint az open-weight modellek elsősorban olyan vállalatoknál terjednek, amelyek terméke ismétlődő inferenciafeladatokra épül — például ügyfélszolgálati chatmegoldásoknál. Ezeknél a nagy volumenű, ismétlődő kéréseknél az open-weight modelleket olcsóbban lehet finomhangolni és üzemeltetni.
Ez a logika érvényes a Stripe számára is, amely az OpenRouter felvásárlását úgy pozícionálta, hogy a tokenek a központi „valutát” jelentik az AI-alkalmazások gazdaságaiban, és a valós megtérülés a számítási erőforrások hatékony használatától függ — ahogy Patrick Collison, a Stripe vezérigazgatója fogalmazott.
Ugyanakkor kódolási és „agentikus” feladatoknál a változatos, összetett kérdések és a nagyobb következtetésigény miatt gyakran a frontier (zárt, nagy laborok által fejlesztett) modellek bizonyulnak jobbnak. Ezek a modellek sokszor könnyebben elérhetők, és előfordul, hogy token-támogatással ösztönzik a használatot. Albarran szerint ahogy a vállalati AI-munkafolyamatok kiforrottabbá válnak, könnyebbé válik majd az open-modellekre való átállás — de jelenleg a fő motiváció a kontroll és konfigurálhatóság, nem elsősorban a költségcsökkentés.
Szolgáltatók és jövőkép
Lin Qiao, a Fireworks vezérigazgatója — amely egy vezető, vállalati felhasználók számára modellek routolásával és hosztolásával foglalkozó cég — azt állítja, hogy vállalata napi szinten 40 billió (trillion) tokent dolgoz fel, ami meghaladja a Gemini vagy az OpenAI API-forgalmát. A Fireworks üzleti modellje a modell-diverzifikációra épít: ahogy a LLM-ek szaporodnak és fejlődnek, egyre egyszerűbb lesz a vállalatok számára, hogy saját igényeikre szabott modelleket képezzenek.
Qiao szerint minden termékalapú cégnek érdemes lenne belső kutatót alkalmaznia, aki a termék- és termékadatokat felhasználva saját modellt fejleszt. Szerinte a jövő a specializált intelligenciáé: cégenként, esetenként külön modellek fogják kiszolgálni az alkalmazásokat, és ez szerinte természetes módon fog bekövetkezni.
Korai szakasz és versengő modellek
Könnyen elfelejtjük, milyen korai stádiumban van még az AI, mint eszköz és üzlet. Bár az OpenAI és az Anthropic ma erős pozícióban vannak, ez nem feltétlenül végleges állapot. Ahogy a nagy technológiai vállalatok igyekeznek diverzifikálni és biztosítani a hozzáférést a legfontosabb laborokhoz, az open technológiák iránti vonzalom jelentős mértékben növekszik, és egyre vonzóbb stratégiát képvisel a piacon.
