مایکروسافت در تلاش است تا مشتریان سازمانی خود را متقاعد کند که نوسازی سیستم‌های کامپیوتری (PC Refresh) را نه به عنوان یک هزینه سخت‌افزاری ساده، بلکه به عنوان بخشی از سرمایه‌گذاری در حوزه هوش مصنوعی (AI Investment) در نظر بگیرند.
چالش هزینه‌های سخت‌افزاری و توکنومیکس
افزایش قیمت قطعات، به‌ویژه حافظه‌های RAM، به دلیل تقاضای شدید دیتاسنترهای هوش مصنوعی برای حافظه‌های با پهنای باند بالا (HBM)، باعث شده است که بسیاری از سازمان‌ها نوسازی سیستم‌های خود را به تعویق بیندازند. مارک لیتون، نایب‌رئیس فروش ویندوز در مایکروسافت، اشاره می‌کند که توکنومیکس (Tokenomics) در مدل‌های پیشرفته هوش مصنوعی بسیار هزینه‌بر شده و استفاده از عامل‌ها بر روی مدل‌های Frontier به سرعت گران می‌شود.
رویکرد Hybrid AI و پردازش در لبه (Edge)
راهکار پیشنهادی مایکروسافت، استفاده از مدل‌های ترکیبی یا Hybrid AI است. در این مدل، مدل‌های زبانی بزرگ (LLM) برای کارهای پیچیده در ابر اجرا می‌شوند و مدل‌های کوچک‌تر به‌صورت محلی روی دستگاه‌های کاربر (Edge) اجرا می‌گردند. مزایای این رویکرد عبارتند از:
- کاهش هزینه‌های توکن (Token cost) مربوط به سرویس‌های ابری
- کاهش تأخیر (Latency) در پاسخ‌دهی
- کنترل بیشتر بر داده‌ها و حفظ حریم خصوصی با نگه داشتن اطلاعات در محیط محلی
مدیریت عامل‌های هوش مصنوعی در سطح سیستم‌عامل
مایکروسافت قصد دارد ویندوز را به یک پلتفرم برای عامل‌های هوش مصنوعی (AI Agents) تبدیل کند. برای این منظور، فناوری Microsoft Execution Containers (MXC) معرفی شده است که امکان مجازی‌سازی (Virtualize) عامل‌ها را فراهم می‌کند. مدیران IT می‌توانند از طریق ابزارهایی مانند Intune و Entra، سیاست‌های دسترسی و امنیتی را به‌صورت متمرکز برای این عامل‌ها تعریف، رصد و حسابرسی (Audit) کنند تا اطمینان حاصل شود که این عامل‌ها در محیط‌های ایزوله و امن اجرا می‌شوند.
وضعیت بازار و چشم‌انداز آینده
با وجود این استراتژی‌ها، داده‌های مالی نشان می‌دهد که درآمد بخش OEM و دستگاه‌های ویندوز کاهش یافته است. شرکت‌هایی مانند Dell نیز اشاره کرده‌اند که سازمان‌ها به دلیل بودجه‌های محدود، در حال استفاده حداکثری از سخت‌افزارهای قدیمی (Sweating assets) هستند. با این حال، انتظار می‌رود با تثبیت قیمت‌ها و ظهور برنامه‌های کاربردی کلیدی، تقاضای انباشته برای AI PCهایی که توان پردازشی و عمر باتری لازم برای بارهای کاری هوش مصنوعی را دارند، افزایش یابد.
