علی‌بابا از مدل هوش مصنوعی رونمایی کرد که می‌تواند ویدئو و صدا را در تلفن‌ها پردازش کند

شرکت هلدینگ گروه علی‌بابا (Alibaba Group Holding Ltd.) مدل جدیدی از هوش مصنوعی را در سری Qwen خود منتشر کرده است که به گفته این شرکت، قادر به پردازش متن، تصاویر، صدا و ویدئو است و به اندازه‌ای کارآمد است که می‌تواند مستقیماً روی تلفن‌های همراه و لپ‌تاپ‌ها اجرا شود.

این شرکت اعلام کرد که انتظار دارد مدل جدید، که اکنون به صورت عمومی در Hugging Face و GitHub در دسترس است، برای ساخت به اصطلاح «عوامل هوش مصنوعی» (AI agents) استفاده شود که می‌توانند، به عنوان مثال، به فردی کم‌بینا کمک کنند تا از طریق توضیحات صوتی لحظه‌ای، در محیط اطراف خود حرکت کند.

علی‌بابا از زمانی که امسال تماماً بر روی فناوری هوش مصنوعی سرمایه‌گذاری کرده، محصولات هوش مصنوعی را با سرعتی سرسام‌آور عرضه کرده است. این رهبر تجارت الکترونیک و رایانش ابری در چین، تنها چند روز پس از آنکه DeepSeek در ژانویه سروصدا به پا کرد، نسخه متفاوتی از مدل Qwen خود را ارائه داد. و اوایل این ماه، نسخه جدیدی از برنامه دستیار هوش مصنوعی خود، Quark، را رونمایی کرد.

علی‌بابا قطعاً تنها توسعه‌دهنده هوش مصنوعی نیست که مدلی چندوجهی (multimodal) ساخته است. OpenAI و گوگل شرکت آلفابت (Alphabet Inc.) هر دو ابزارهای هوش مصنوعی مولد (generative AI) را ارائه می‌دهند که انواع مختلف ورودی از جمله متن و صدا را پردازش می‌کنند. روز سه‌شنبه، OpenAI با افزودن ویژگی‌های پیشرفته‌تر تولید تصویر به ChatGPT، قابلیت‌های خود را گسترش داد.

علی‌بابا در بیانیه‌ای اعلام کرد که سیستم جدید Qwen2.5-Omni-7B آن عملکرد بسیار بالایی را به‌ویژه در درک و تولید گفتار نشان داده است.

این شرکت اینترنتی که توسط جک ما (Jack Ma) تأسیس شده است، قصد دارد بیش از آنچه در دهه گذشته هزینه کرده، صرف شبکه هوش مصنوعی و رایانش ابری خود کند. علی‌بابا در نظر دارد با تکامل مدل‌ها و نیاز روزافزون به قدرت محاسباتی، به شریکی کلیدی برای شرکت‌های توسعه‌دهنده و کاربر هوش مصنوعی در دنیای واقعی تبدیل شود.

از زمانی که DeepSeek با مدلی قدرتمند که طبق گزارش‌ها تنها با چند میلیون دلار ساخته شده بود، از OpenAI پیشی گرفت، رهبران فناوری چین بازار را با عرضه پیاپی خدمات هوش مصنوعی کم‌هزینه اشباع کرده‌اند و قیمت پیشنهادی شرکت‌های برتر مانند OpenAI و گوگل را کاهش داده‌اند.

در حالی که هنوز مشخص نیست آیا این نسخه‌های هوش مصنوعی با پیشرفته‌ترین سیستم‌های توسعه‌دهندگان غربی هوش مصنوعی برابری می‌کنند یا از آن‌ها فراتر می‌روند، این گزینه‌های جدیدتر فشار بیشتری بر مدل‌های تجاری شرکت‌های پیشرو آمریکایی وارد می‌کنند.