نوآورترین شرکت های هوش مصنوعی در سال ۲۰۲۵

دکتر جعفر مهراد استاد پیشکسوت دانشگاه شیراز و بنیانگذار موسسه ISC: در دو سال گذشته، برخی از نوشته هایی که در خبرگزاری لیزنا منتشر کردم، با هوش مصنوعی و کاربردهای آن در حوزه «علم اطلاعات و کتابداری» و «مدیریت دانش» مرتبط بود. هدف من این است که متخصصان اطلاعات را از این طرق با روند های علمی نوظهور آشنا کنم تا با بررسی  روندها، با تحولات شگرفی که در ارتباط با رشته ما در حال رخ دادن است، اطلاعات بیشتری را بدست آورند. به عبارت دیگر، هدف من این است که شکاف بین نوآوری های پیشرفته هوش مصنوعی و پیاده سازی عملی آن را در محیط کتابخانه ها و مراکز اطلاعات علمی ایران پر کنم. تلاش می کنم تا جامعه علم اطلاعات و دانش شناسی را با دانشی آشنا کنم تا  پلتفرم ها و  ابزارهای هوش مصنوعی را به نحو بهتری شناخته و به طور موثری از آن استفاده کنند.

ترجمه ای را که در زیر مطالعه خواهید کرد نوآورترین شرکت های هوش مصنوعی را در سال ۲۰۲۵ معرفی می کند. این شرکت ها، به باورم در دستیابی به قابلیت های هوش مصنوعی، موفقیت تجاری، تاثیر پژوهش، تاثیر برنامه ها و تاثیر اجتماعی، در مقایسه با شرکت های دیگر، موفق تر عمل کرده اند. انچه یک شرکت را در هوش مصنوعی «نواورانه» می کند، اغلب شامل ترکیبی از این عوامل است. در توصیف شرکت ها، در عین رعایت امانت از نظر محتوا، اندکی  در ترجمه دخل و تصرف کردم تا متن ترجمه کوتاه تر شود، که آن نیز، آن گونه می خواستم، میسر نشد:

***

نوآورترین شرکت های هوش مصنوعی  در سال ۲۰۲۵: چرا انتروپیک، گوگل دیپ مایند، OpenAI، انویدیا ‌و مایکروسافت جزو نوآورترین شرکت های هوش مصنوعی «فست کمپانی» برای سال ۲۰۲۵ هستند؟

 صنعت هوش مصنوعی در سال ۲۰۲۴ به طور قابل توجهی به سمت «هوش مصنوعی عمومی» تغییر کرد. پیش از این، دستاوردهای هوش خیره کننده ای که منجر به ایجاد چت ربات هایی مانند چت جی پی تی و کلود شد، از مدل های بزرگ و‌ داده ها و قدرت محاسباتی استفاده شده برای آموزش آن ها ناشی شده بود. زمانی که پیشرفت مقیاس پذیری عظیم کاهش یافت، پژوهشگران می دانستند‌که به یک استراتژی جدید، فراتر از آموزش، برای ادامه حرکت به سمت مدل های هوش مصنوعی عمومی، که به طور کلی هوشمندتر از انسان هستند، نیاز دارند.

 با شروع مدل محوری 01 OpenAI, محققان شروع به اعمال قدرت محاسباتی بیشتری برای استدلال بی درنگ یک مدل کردند، درست بعد از این که کاربر مشکل یا سوالی را از آن درخواست کرد. مدل 01 نسبت به مدل های دیگر به زمان های بیشتری برای تولید پاسخ نیاز داشت، اما پاسخ های آن بهتر از مدل های غیراستدلالی بود. مدل 01 در تست های معیار رایج، به سرعت به بالای رتبه بندی صعود کرد و به زودی انتروپیک، گوگل دیپ‌مایند، دیپ سیک و‌دیگران مدل های خود را برای استدلال بی درنگ آموزش دادند. 

 آزمایشگاه های بزرگ هوش مصنوعی اکنون به تعداد زیادی از پردازنده های گرافیکی انویدیا که برای آموزش استفاده می کردند نیاز دارند تا از استدلال های بی درنگ مدل هایشان پشتیبانی کنند. این بخشی از دلیلی است که انویدیا شاهد افزایش ۱۷۱  درصدی سهام خود در سال ۲۰۲۴ بود. این شرکت تراشه ها، با ایجاد ویژگی های جدید در پردازنده های گرافیکی خود، آن ها را حتی بهتر از قبل برای استدلال بلادرنگ مناسب تر نمود. نتیجه مدل جدیدی به نام Blackwell و تراشه های جدیدی به نام B100 و B200 بود. انویدیا پردازنده های گرافیکی جدید را در مارس ۲۰۲۴ رونمایی کرد و به سرعت، کل عرضه سال ۲۰۲۴ خود را به بزرگ‌ترین اپراتورهای مرکز داده فروخت.

 حتی قبل از مدل های استدلالی جدید، برخی از محبوب ترین شرکت های هوش مصنوعی، سیستم های جدید هوش مصنوعی پیشرفته ای را تولید کردند. گوگل دیپ‌مایند، پلتفرمی از مدل های چندوجهی بومی به نام‌ جمینای که تصاویر، صدا و زبان را درک می کند راه اندازی کرد. انتروپیک به اعمال فشار شدید بر OpenAI ادامه داد و‌ اولین شرکتی بود که یک مدل هوش مصنوعی را منتشر کرد که می توانست وظایف را بر روی رایانه کاربر انجام دهد. هوش مصنوعی مینسترال مدل های چشمگیر زبان های کوچکی را منتشر کرد که می توانند بر روی لپ تاپ ها و تلفن‌ها با Ministral 3B  و Ministral 8B اجرا شوند، مانند مایکروسافت با مدل های Phi-3 و Phi-4 و Runway مجددا با مدل های نسل جدید ویدیویی Gen-3 Alpha خود را به وضعیت جدید تبدیل کرد. 

 و‌ در تمام این مدت، یک آزمایشگاه کوچک هوش مصنوعی در چین بی سر و صدا در حال توسعه مدل های هوش مصنوعی جدید، از جمله مدل های استدلالی بود، که تا پایان سال ۲۰۲۴ موج شوک را در صنعت هوش مصنوعی به جریان انداخت. دیپ سیک شماره ۱، در فهرست نواورانه ترین شرکت های آسیا-اقیانوسیه، مدل های پیشرفته ای را با هزینه و با قدرت پردازنده های گرافیکی بسیار کمتر از انچه که هر کسی تصور می کرد، وارد بازارهای جهانی کرد. حتی کار خود را از طریق مقالات تحقیقاتی و با منبع باز مدل های خود را به نمایش گذاشت. پیشرفت های دیپ سیک باعث نگرانی شد، اما تفکر تازه و باز بودن آن احتمالا تا سال آینده باعث نوآوری های بزرگ تر و سریع تر از سوی شرکت های برتر هوش مصنوعی جهان خواهد بود.

 ۱- انویدیا:

 شرکت انویدیا، که در سال ۱۹۹۳ تاسیس شد، نیرویی پیشگام در محاسبات شتاب دهنده است. انویدیا که در ابتدا با اختراع پردازنده های گرافیکی در سال ۱۹۹۹ بر متحول کردن گرافیک رایانه شخصی تمرکز داشت، که باعث‌رشد بازار بازی شد، از آن زمان تا کنون تاثیر خود را در صنایع متعددی گسترش داده است. پردازنده های گرافیکی آنها، گرافیک کامپیوتری مدرن را دوباره تعریف و محاسبات موازی را متحول کردند. اخیرا، فناوری GPU NVIDIA به نیروی محرکه انقلاب مدرن هوش مصنوعی تبدیل شده است و‌ پیشرفت هایی را در یادگیری عمیق، وسایل نقلیه خود ران، رباتیک و‌ موارد دیگر ببار آورده است. امروزه، انویدیا ارایه دهنده پیشرو در زیرساخت های محاسباتی کامل است که راه حل های سخت افزاری و نرم افزاری را برای بازی، تجسم حرفه ای، مراکز داده و بخش های خودرو ارایه و آینده فناوری را شکل می دهد. اکنون، در حالیکه مشتریان انویدیا به دنبال هوش در سطح انسانی هستند، پردازنده  و ‌پلتفرم پیشگامانه Blackwell آن اماده است. برای کارهای کلی آموزش مدل، پردازنده Blackwell تا ۲/۵ برابر قدرتمند تر از مدل قبلی خود H100 است و برای کار کردن به انرژی کمتری نیاز دارد. بزرگ‌ترین اپراتورهای مرکز داده و آزمایشگاه های هوش مصنوعی ، از جمله گوگل، متا، مایکروسافت ، OpenAI, تسلا و xAI صدها هزار پردازنده های گرافیکی بلک ول را می خرند یا قصد خرید دارند.

 ۲- OpenAI:

 شرکت OpenAI که در دسامبر ۲۰۱۵ تاسیس شد، یک شرکت پیشرو در تحقیقات و استقرار هوش مصنوعی است. ماموریت اصلی آن این است که اطمینان حاصل کند که هوش مصنوعی عمومی (سیستم های بسیار خودمختار که در کارهای با ارزش اقتصادی از انسان بهتر عمل می کنند)، به نفع بشریت است. از سال ۲۰۱۹، شرکت OpenAI به طور مداوم مدل های خود را با ارایه داده های آموزشی و قدرت محاسباتی بیشتر به آن ها بهبود بخشیده است. بقیه صنعت از آن پیروی کرده است. شرکت OpenAI در خط مقدم پژوهش های هوش مصنوعی قرار دارد و‌مدل های پیشرفته ای مانند GPT, از جمله GPT-40 قدرتمند، را توسعه داده است که قابلیت های قابل توجهی در درک ‌و‌ تولید زبان طبیعی نشان می دهد. آن ها همچنین مسول محصولات پیشگامانه مانند چت جی پی تی، یک چت ربات هوش مصنوعی مکالمه، و Sora، یک مدل هوش مصنوعی هستند که قادر به تولید ویدیوی واقعی و تخیلی از دستورالعمل های متنی است.

 ۳- گوگل دیپ مایند:

 تحقیقات اساسی در معماری مدل هوش مصنوعی و آموزش مدل که منجر به چت ربات های امروزی شد در اواخر دهه ۲۰۲۰ در گوگل اتفاق افتاد. گوگل، مدت ها قبل از چت جی پی تی، یک ربات گفتگوی بزرگ مبتنی بر مدل زبانی ایجاد کرد، اما همان طور که داستان پیش می رفت، به دلیل نگرانی ها در مورد ایمنی، حریم خصوصی و خطرات قانونی، این سیستم را در معرض عموم قرار نداد. این تردید، گوگل را در رقابت هوش مصنوعی که با راه اندازی چت جی پی تی دنبال شد، عقب انداخت. انتشار Gemini 2.0 از گوگل دیپ مایند در سال ۲۰۲۴، لحظه ای را رقم زد که گوگل رسما به آن رسید. مدل Gemini 2.0 اولین مدل هوش مصنوعی در بازار است که به طور بومی «چندوجهی» است، به این معنی که می تواند تصاویر، ویدیو، صدا و کدهای کامپیوتری را به همان روشی که متن انجام می دهد، پردازش و تولید کند. مدل جمینای همچنین به دلیل توانایی کنترل سایر خدمات گوگل مانند «نقشه مسیریاب» و «جستجو» قابل توجه است.

 ۴- انتروپیک:

 هو ش مصنوعی تولیدی تا کنون عمدتا برای چند کار استفاده شده است: نوشتن و خلاصه کردن متن و نیز تولید تصاویر. گام بعدی ساختن مدل های زبان بزرگ استدلال و استفاده از ابزار است. باشروع کلود 3.5 سونت، مدل انتروپیک می تواند انچه را که روی صفحه کاربر اتفاق می افتد، از جمله محتوای اینترنتی، درک کند. کلود قادر است مکان نما (رابط کاربری) را فعال، دگمه ها را کلیک و متن را تایپ کند. بعلاوه، کلود می تواند فرمی را براساس اطلاعات موجود در وب سایت های باز شده در برگه های مرورگر پر کند. نیز، کلود می تواند وظایفی مانند ساخت یک وب سایت شخصی یا مرتب سازی تدارکات یک سفر یک روزه را تکمیل کند. تماشای عملکرد هوش مصنوعی ، کلیک بر روی باز کردن برگه های جدید، اجرای جستجوها و‌ پر کردن فیلدهای داده بسیار عجیب است.  در فوریه ۲۰۲۵، انتروپیک کلود 3.7 سونت را عرصه کرد، مدلی بزرگ‌تر که می تواند به طور خودکار به حالت استدلال برای سوالات سخت تبدیل شود.

 ۵- مایکروسافت :

 توسعه مدل های فی (Phi) مایکروسافت با سوالی که محققان این شرکت در سال ۲۰۲۳ مطرح کردند، اغاز شد: «چقدر می توانیم مدلی بسازیم که نشانه هایی از هوش در حال ظهور را نشان دهد؟» معلوم می شود که این لحظه مهمی در تکامل «مدل های زبان کوچک» یا مدل هایی است که در سناریوهایی که حافظه، قدرت پردازش یا اتصال محدود و سرعت پاسخ دهی مهم است، عملکرد خوبی دارند. در طول ۲۰۲۴، مایکروسافت دو نسل از مدل های کوچک را عرضه کرد که قابلیت های استدلال و منطقی را نشان می دادند که به صراحت آموزش داده نشده بود. در ماه آوریل این شرکت مجموعه ای از مدل های Phi-3 را منتشر کردکه در زبان، استدلال، کدنویسی و معیارهای ریاضی برتری داشتند - احتمالا به این دلیل که مایکروسافت آن ها را با استفاده از داده های مصنوعی تولید شده توسط مدل های زبان بسیار بزرگ‌تر و توانمندتر آموزش داده است. مردم در طول سال ۲۰۲۴، انواع متن باز Phi-3 را بیش از ۴ و نیم میلیون بار در هگینگ فیس (Hugging Face) دانلود کردند. در اواخر سال ۲۰۲۴، مایکروسافت مدل های زبان کوچک Phi-4 خود را منتشر کرد و اعلام داشته است که عملکرد این سیستم حتی بهتر از GPT-40 شرکت OpenAI می باشد. مایکروسافت این مدل را تحت یک مجوز منبع باز منتشر کرد، بنابراین توسعه دهندگان می توانند از آن برای توسعه مدل های لبه (edge models) یا برنامه هایی که روی تلفن ها یا لپ تاپ ها اجرا می شوند استفاده کنند.

 ۶- امازون:

 پلتفرم امازون AWS (سرویس وب امازون)، اخیرا نسخه جدیدی از پردازنده Trainium خود را برای هوش مصنوعی به نام Trainium2 منتشر کرده است که -در برخی تنظیمات-می تواند تسلط پردازنده های گرافیکی انویدیا را به چالش بکشد. تراشه Trainium2 برای تامین قدرت محاسباتی عظیم مورد استفاده در آموزش بزرگ‌ترین مدل های هوش مصنوعی و برای کار در زمان استنتاج پس از استقرار مدل ساخته شده است. این پلتفرم می گوید Trainium در کارهایی که معمولا توسط پردازنده های گرافیکی انجام می شود ۳۹ تا ۴۹ درصد مقرون به صرفه تر است. 

 ۷- ارم (ARM):

 ارم، طراح نیمه هادی بریتانیایی مدت ها است که معماری مورد استفاده در تراشه هایی را که در دستگاه های کوچکی مانند تلفن ها، حسگرها و سخت افزار اینترنت اشیا را کاربرد دارند، به صنعت فناوری ارایه کرده است. با فرا رسیدن فصل جدیدی که در آن تراشه های دستگاه لبه (edge device) مدل های هوش مصنوعی را اجرا می کنند، این امر اهمیت تازه ای پیدا کرده است. اما، مراکز داده نقش بزرگی در این تکامل دارند و اغلب برخی یا همه پردازش های سنگین هوش مصنوعی را انجام و نتایج را به دستگاه لبه تحویل می دهند. ارم، در حال برنامه ریزی برای راه اندازی CPU خود در سال جاری است که متا یکی از اولین مشتریان آن است. 

 ۸- گرتل:

 گرتل در سال ۲۰۲۴ با تخصص در ایجاد و مدیریت داده های آموزشی مصنوعی به شهرت رسید. این شرکت در دسترس بودن عمومی محصول شاخص خود، Gretel Navigator را اعلام کرد که به توسعه دهندگان اجازه می دهد از زبان طبیعی یا دستورات SQL برای ایجاد، تقویت، ویرایش و مدیریت مجموعه داده های آموزشی مصنوعی یا تنظیم دقیق و ازمایش مجموعه داده های آن ها استفاده کند. این پلتفرم در حال حاضر جامعه ای متشکل از ۱۵۰/۰۰۰ توسعه دهنده را جذب کرده است که بیش از ۳۵۰ میلیارد قطعه داده  آموزشی را ترکیب کرده اند. گرتل با گوگل همکاری دارد تا داده های آموزشی مصنوعی خود را به راحتی در دسترس مشتریان گوگل Cloud قرار دهد. این شرکت در ماه ژوین همکاری مشابهی را  با Databricks اعلام کرد که به مشتریان سازمانی آن شرکت اجازه می دهد به داده های آموزشی مصنوعی برای مدل های خود که در فضای ابری Databricks  اجرا می شوند، دسترسی داشته باشند.

۹- هوش مصنوعی میسترال (Mistral AI):

هوش مصنوعی میسترال (Mistral AI)، ورود فرانسه به مسابقه هوش مصنوعی مولد، به طور مداوم بر انتروپیک، گوگل و OpenAI  در لبه پیشرو توسعه مدل هوش مصنوعی فشار آورده است. هوش مصنوعی میسترال مجموعه ای از مدل های جدید حاوی پیشرفت های فناوری قابل توجه را در سال ۲۰۲۴ منتشر کرد و رشد سریعی را در کسب و‌ کار خود، هم از طریق بازاریابی مستقیم API های خود و هم با مشارکت استراتژیک ، نشان داد. در اوایل سال، این شرکت یک جفت منبع باز به  نام Large 2 را معرفی کرد که با ۱۲۳ میلیارد پارامتر، پیشرفت های قابل توجهی را در تولید کد، ریاضی، استدلال و فراخوانی تابع نشان داد. نیز، این شرکت Ministral 3B و Ministral 8B را منتشر کرد - هر دو مدل های کوچک تری هستند که می توانند در لپ تاپ و تلفن اجرا شوند و حدود ۵۰ صفحه متنی از اطلاعات زمینه ارایه شده توسط کاربر را ذخیره کنند. میسترال با بازاریابی خود به عنوان جایگزینی کم هزینه و انعطاف پذیر برای شرکت های هوش مصنوعی ایالات متحده مانند OpenAI موفقیت های بزرگی بدست آورده است.

 ۱۰- هوش مصنوعی فایرورکس:

 هوش مصنوعی فایرورکس (Fireworks AI) یک ارایه دهنده پیشرو  در خدمات مدل های زبان پیشرفته است که بر فراخوانی توابع و پردازش چند وجهی تمرکز دارد. هوش مصنوعی فایرورکس، یک محیط زمان اجرا سفارشی را فراهم می اورد که برخی از کارهای مهندسی قابل توجهی را که معمولا با زیرساخت ها برای استقرار هوش مصنوعی مرتبط است، حذف می کند. جدیدترین مدل آن FireFunction V2 براساس Llama 3 ساخته شده و برای فراخوانی توابع، مکالمه و پیروی از دستورات بهینه سازی شده است. 

 ۱۱- هوش مصنوعی SNORKEL:

 این هوش مصنوعی با کمک به شرکت ها، که بتوانند داده های اختصاصی خود را برای استفاده در مدل های هوش مصنوعی اماده کنند، تجارت چشمگیری بوجود آورده است. پلتفرم توسعه داده های Snorkel Flow AI به شرکت ها روشی مقرون به صرفه  برای برچسب گذاری و تنظیم داده های اختصاصی خود می دهد تا بتوانند برای سفارشی سازی و ارزیابی مدل های هوش مصنوعی برای اهداف تجاری منحصر به فرد شان استفاده کنند. در سال ۲۰۲۴، اسنورکل از تصاویر پشتیبانی کرد و به شرکت ها اجازه داد مدل های هوش مصنوعی چندوجهی و تولیدکننده های تصویر را با استفاده از تصاویر اختصاصی خود آموزش دهند. بعلاوه، این پلتفرم نسل افزوده بازیابی (RAG) را به سیستم های خود اضافه کرد، که به مشتریان خود اجازه می داد تنها مرتبط ترین تیکه های اطلاعات را از اسناد طولانی - مانند پایگاه دانش اختصاصی - برای استفاده در آموزش هوش مصنوعی بازیابی کنند. اکنون، شش تا از بزرگ‌ترین بانک ها و همچنین برندهایی مانند Wayfair, Chubb و Experian از Snorkel Flow استفاده می کنند.

 ۱۲-  CALYPSOAI:

 از آنجا که هوش مصنوعی در فرایندهای تصمیم گیری به ابزاری مهم مبدل شده است، شرکت ها به دنبال راه هایی برای بدست آوردن دید بیشتر در عملکرد مدل ها هستند. این رویکرد برای شرکت هایی که در صنایع تحت نظر هستند دو برابر می شود که باید دایما مراقب سوگیری و سایر خروجی های ناخواسته باشند. هوش مصنوعی CalypsoAI, یکی از نخستین ها بود که این نیاز نوظهور را تشخیص داد و به سرعت با ویژگی های قابل توضیح پیشرفته در پلتفرم زیرساخت هوش مصنوعی خود پاسخ داد. چیزی که در Calypso تعجب اور است، دسترسی به فناوری مشاهده پذیری آن است. در سال ۲۰۲۴، این پلتفرم امنیتی، هوش مصنوعی خود را راه اندازی کرد که از داده های سازمانی با ایمن سازی، ممیزی و نظارت بر همه مدل های فعال هوش مصنوعی مولد که ممکن است یک شرکت استفاده کند، صرفنظر از فروشنده مدل یا میزبانی داخلی یا خارجی مدل، محافظت می کند. همچنین، Calypso ابزارهای تجسمی جدیدی را معرفی کرد که شفافیت رفتار مدل هوش مصنوعی را فراهم می کند.

 ۱۳- هوش مصنوعی گالیله:

 تیم های توسعه هوش مصنوعی، از پلتفرم هوش مصنوعی گالیله برای اندازه گیری، بهینه سازی و نظارت بر دقت مدل ها و برنامه های خود استفاده می کنند. در اوایل سال ۲۰۲۴، پس از دو سال تحقیق، گالیله مجموعه ای از مدل های ارزیابی به نام لونا را منتشر کرد که برای تشخیص خروجی های مضر آموزش دیده اند. این مدل ها،  پلتفرم گالیله را قادر می سازند تا به سرعت کار یک مدل زبان بزرگ را مورد بررسی قرار دهند. این سیستم تنها حدود ۲۰۰ میلی ثانیه طول می کشد، و زمان برای جلوگیری از مشاهده خروجی هوش مصنوعی توسط کاربر کفایت می کند. استفاده از یک مدل زبان بزرگ استاندارد برای انجام این کار ممکن است، ولی گران می باشد. مدل های هدفمند گالیله دقیق تر، مقرون به صرفه تر و مهم تر از همه سریع تر هستند. گالیله مدعی است که مشتریان خود را در سال ۲۰۲۴، چهار برابر کرده است و Twilio, Comcast, Chegg, Reditt, و JPMorgan از مشتریان این هوش مصنوعی هستند.

 ۱۴- هوش مصنوعی Runway:

 یکی از امیدها و ترس های بزرگ در مورد هوش مصنوعی این است که بتواند ویدیویی تولید کند که به اندازه کافی خوب باشد تا هنر و اقتصاد فیلم سازی را برای همیشه تغییر دهد. این فناوری در طول سال ۲۰۲۴، گام های مهمی در جهت آینده برداشته، و یکی از شرکت های پیشرو که در پیشرفت های هنری موثر است، استارتاپ تولید ویدیوی Runway در نیویورک است. هنگامی که این شرکت مدل جدید Gen-3 Alpha را در ژوین ۲۰۲۴ منتشر کرد، بسیاری از افراد جامعه هوش مصنوعی، در X در مورد باورپذیری این ویدیوی تولید شده اثربخش،  به گفتگو پرداختند. پلتفرم Runway به پیشرفت های عمده ای در ابزارهای خود برای کنترل ظاهر ویدیوهای هوش مصنوعی نایل شده است. این مدل هم بر روی تصاویر و هم بر روی ویدیو آموزش داده شده و می تواند براساس ورودی های متن یا تصویر ویدیو تولید کند. هالیوود پیشرفت هوش مصنوعی مولد را از نزدیک تماشا می کند و Runway می گوید اکنون شروع به تولید نسخه های سفارشی مدل های خود برای بازیگران صنعت سرگرمی کرده است.

 ۱۵- سیستم های سربراس (Cerebras Systems):

 سیستم های هوش مصنوعی، برای اجرا در «مقیاس» به قدرت محاسباتی فوق العاده ای نیاز دارند. این بدان معنی است که هزاران یا میلیون ها تراشه باید به یکدیگر متصل شوند تا حجم کار را به اشتراک بگذارند، اما اتصالات شبکه بین تراشه ها می تواند سرعت کار را کاهش دهد. فناوری Cerebras Systems به گونه ای طراحی شده است که از مزایای سرعت و نیروی محاسباتی زیاد در یک تراشه بزرگ بهره مند شود. به عنوان مثال، اخرین تراشه WSE-3 (نسل سوم موتور مقیاس ‌ویفر) این شرکت، به اندازه بک بشقاب غذاخوری در ۸۱۴ میلی متر مربع است که ۵۶ برابر بزرگ‌تر از تراشه های H100 پیشرو در بازار انویدیا است. این تراشه دارای ۴ تریلیون ترانزیستور شگفت انگیز و ۴۴ گیگابایت حافظه است و می توان آن ها را در کنار هم قرار داد تا ابررایانه هایی مانند Condor Galaxy را تشکیل دهند. این سیستم هوش مصنوعی مورد تقاضای شرکت های زیادی از جمله در جمله امارات متحده عربی است. تا کنون، Cerebras در سازمان های تحقیقاتی بزرگی مانند کلینیک مایو، آزمایشگاه های ملی ساندیا (Sandia)، آزمایشگاه ملی لارنس لیورمور و آزمایشگاه ملی لوس الموس جایگاه شیرینی پیدا کرده است. فروش این شرکت در سال ۲۰۲۳  حدود ۷۸/۸ میلیون دلار و در نیمه اول سال ۲۰۲۴ در حدود ۱۳۶/۴ میلیون دلار بود. 

منبع: Sullivan, Mark. The most innovative companies in artificial intelligence for 2025. Fast Company, March 18, 2025