OpenAI వంటి సొంత AI మోడల్స్ కు బదులుగా, అమెరికా (US) మరియు యూరప్ (EU) లోని కంపెనీలు తమ సొంత సర్వర్లలోనే (self-hosted) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మోడల్స్ ను వాడుకునే దిశగా అడుగులు వేయవచ్చని Meta మాజీ ఎగ్జిక్యూటివ్ సూచిస్తున్నారు. ఖర్చుల నియంత్రణ, మౌలిక సదుపాయాలపై పట్టు, డేటా భద్రత వంటి కారణాలు ఈ మార్పునకు దోహదం చేస్తాయి. అయితే, డేటా ప్రైవసీ, భౌగోళిక-రాజకీయ నిబంధనలు వంటి సవాళ్లను అధిగమించాల్సి ఉంటుంది.
అసలేం జరిగింది?
Meta Platforms లో గతంలో పనిచేసిన ప్రోడక్ట్ మేనేజర్ అయిన Xiaoyin Qu, అమెరికా (US) మరియు యూరప్ (EU) లోని పెద్ద కంపెనీలు OpenAI, Anthropic వంటి ప్రొప్రైటరీ (proprietary) AI మోడల్స్ పై ఆధారపడటాన్ని తగ్గించుకోవచ్చని అభిప్రాయపడ్డారు. తమ సొంత అంతర్గత మౌలిక సదుపాయాలపై (internal infrastructure) హోస్ట్ చేసుకోగలిగే ఓపెన్-వెయిట్ (open-weight) మోడల్స్ పట్ల వ్యాపారాలు ఆసక్తి చూపుతున్నాయని ఆయన తెలిపారు. కంపెనీల డేటాపై పూర్తి నియంత్రణ, దీర్ఘకాలిక ఖర్చులు తగ్గించుకోవడం, తమ వ్యాపారానికి సంబంధించిన డేటాతో AI మోడల్స్ ను మెరుగుపరచుకోవడం (fine-tune) వంటి అంశాలు ఈ మార్పునకు ప్రధాన కారణాలని Qu పేర్కొన్నారు.
సొంత AI వైపు మొగ్గు
చాలా పెద్ద కార్పొరేషన్లకు, ప్రస్తుతం APIల ద్వారా AI ప్రొవైడర్ల మోడల్స్ ను ఉపయోగించడం (frontier model approach) అనేది వెండార్ లాక్-ఇన్ (vendor lock-in) మరియు డేటా బహిర్గతమయ్యే (data exposure) అవకాశాల గురించి ఆందోళన కలిగిస్తోంది. తమ సొంత నెట్వర్క్ పరిధిలోనే ఓపెన్-వెయిట్ మోడల్స్ ను హోస్ట్ చేసుకోవడం ద్వారా, కంపెనీలు తమ సున్నితమైన డేటాను తమ వద్దే ఉంచుకోవచ్చని భావిస్తున్నారు.
ముఖ్యంగా ఫైనాన్స్, హెల్త్కేర్, ప్రభుత్వ రంగం వంటి కఠినమైన నియంత్రణలు పాటించాల్సిన రంగాలలో, డేటా సార్వభౌమాధికారం (data sovereignty) చాలా ముఖ్యం కాబట్టి ఈ సౌలభ్యం బాగా ఆకర్షణీయంగా ఉంటుంది. అంతేకాకుండా, కంపెనీలు తమ AI కార్యకలాపాలను విస్తరించుకునే కొద్దీ, API కాల్స్ కు చెల్లించే మొత్తం గణనీయంగా పెరుగుతుంది. దీంతో, దీర్ఘకాలిక ఆర్థిక వ్యూహంగా కస్టమ్-బిల్ట్ సొల్యూషన్స్ వైపు చూసే అవకాశం ఉంది.
భద్రత, నిబంధనలపరమైన రిస్క్
ఖర్చు తగ్గించుకుని, సొంతంగా AI మోడల్స్ ను హోస్ట్ చేసుకునే ఆలోచన ఆకర్షణీయంగా ఉన్నప్పటికీ, అమెరికా, యూరప్ మార్కెట్లలో చైనా AI మోడల్స్ ను వాడాలనే సూచనకు పెద్ద అడ్డంకులున్నాయి. ప్రాథమిక రిస్క్ ఏమిటంటే, కఠినమైన నియంత్రణలు, భౌగోళిక-రాజకీయ పరిస్థితులు. డేటా ప్రైవసీ, మేధో సంపత్తి హక్కులు (intellectual property), జాతీయ భద్రత (national security) వంటి కారణాల వల్ల పశ్చిమ దేశాల ప్రభుత్వాలు చైనా టెక్నాలజీపై నిఘా పెంచాయి.
ఏదైనా కార్పొరేషన్, ముఖ్యంగా AI వంటి కీలక రంగంలో, విదేశీ టెక్నాలజీని (foreign-developed software) స్వీకరిస్తే, అది తప్పనిసరిగా తీవ్రమైన భద్రతా ఆడిట్లకు, నిబంధనల సమీక్షలకు దారితీస్తుంది. వాణిజ్య విధానాలలో మార్పులు వస్తే, ఇటువంటి నిర్ణయం నియంత్రణల పరంగా ఇబ్బందులను తెచ్చిపెట్టడమే కాకుండా, భవిష్యత్ కార్యకలాపాలపై ఆంక్షలకు దారితీసే ప్రమాదం ఉంది. పాశ్చాత్య సంస్థలకు, చైనా మోడల్స్ వాడటం వల్ల కలిగే ఖర్చు ఆదా కంటే, చట్టపరమైన, ప్రతిష్టాత్మకమైన నష్టభయం ఎక్కువగా ఉండవచ్చని పెట్టుబడిదారులు గమనించాలి.
హైబ్రిడ్ AI భవిష్యత్తు
పరిశ్రమ పరిశీలకులు చెప్పిన దాని ప్రకారం, ఎంటర్ప్రైజ్ AI మార్కెట్లో పాశ్చాత్య ప్రొవైడర్లను పూర్తిగా వదిలేసే అవకాశం లేదు. బదులుగా, 'మల్టీ-మోడల్' (multi-model) వ్యూహం పెరుగుతోంది. కంపెనీలు సాధారణ పనుల కోసం శక్తివంతమైన ప్రొప్రైటరీ మోడల్స్ ను ఉపయోగిస్తూనే, ప్రత్యేకమైన (specialized), ప్రైవేట్ (private) లేదా తక్కువ ఖర్చుతో కూడిన (cost-sensitive) పనుల కోసం సొంతంగా లేదా ఓపెన్-సోర్స్ (open-source) సొల్యూషన్స్ ను అభివృద్ధి చేసుకుంటున్నాయి.
ఈ హైబ్రిడ్ విధానం వ్యాపారాలకు రెండు ప్రపంచాలలోని ఉత్తమమైన వాటిని ఉపయోగించుకునే అవకాశాన్ని కల్పిస్తుంది: ఫ్రంటియర్ మోడల్స్ యొక్క అధునాతన సామర్థ్యాలు, సొంతంగా హోస్ట్ చేసుకునే మోడల్స్ యొక్క భద్రత, అనుకూలత (customization). IT సర్వీస్ ప్రొవైడర్లు, సిస్టమ్ ఇంటిగ్రేటర్లు—వీరు US ఆధారిత AI దిగ్గజాలతో బలమైన భాగస్వామ్యాలు కలిగి ఉంటారు—వారి క్లయింట్లు సంక్లిష్టమైన, బహుళ-స్థాయి AI నిర్మాణాలను (multi-layered AI architectures) నిర్వహించడంలో సహాయపడే వారి పాత్ర మరింత ప్రాముఖ్యతను సంతరించుకుంటుందని ఈ ట్రెండ్ సూచిస్తోంది.
పెట్టుబడిదారులు ఏం గమనించాలి?
టెక్, IT సేవల రంగంలో పెట్టుబడిదారులు కొన్ని పరిణామాలను నిశితంగా గమనించవచ్చు. మొదటిది, IT కన్సల్టింగ్ సంస్థల వ్యాఖ్యలలో మార్పులను గమనించాలి—వారి క్లయింట్లు AI అడాప్షన్ వ్యూహాలలో సింగిల్-వెండార్ పై ఆధారపడటానికా లేక మల్టీ-వెండార్ నిర్మాణాలకా ప్రాధాన్యత ఇస్తున్నారో చూడాలి. రెండవది, AI సాఫ్ట్వేర్ దిగుమతులు, వినియోగంపై నియంత్రణపరమైన అప్డేట్స్ ను పర్యవేక్షించాలి, ఎందుకంటే ఇది విదేశీ AI మోడల్స్ ను కంపెనీలు ఎంత స్వేచ్ఛగా స్వీకరించగలవో నిర్దేశిస్తుంది. చివరిగా, పెద్ద క్లౌడ్ ప్రొవైడర్ల మూలధన వ్యయ నమూనాలను (capital spending patterns) ట్రాక్ చేయాలి, ఎందుకంటే వారి ధరల నమూనాలు ఎంటర్ప్రైజ్ క్లయింట్లను సొంతంగా హోస్ట్ చేసుకునే పరిష్కారాల వైపు వెళ్లకుండా నిరోధించడానికి సర్దుబాటు చేయబడవచ్చు.