Totul a început cu zvonurile că Nvidia ar fi pregătită să plătească nu mai puțin de 13 miliarde de dolari pentru Hugging Face, platforma care a devenit un fel de GitHub al erei AI. Hugging Face este locul unde dezvoltatorii din întreaga lume împărtășesc modele, benchmark-uri și instrumente pentru construirea de LLM-uri care nu sunt controlate de laboratoarele de top. Deși platforma a fost recent în centrul atenției datorită unor agenți OpenAI care au încercat să o „hackuiască”, valoarea ei strategică este imensă. Dacă achiziția se confirmă, Nvidia ar obține acces la o comunitate masivă de dezvoltatori, pe care i-ar putea direcționa către propriile sale cipuri și standarde.
Dar Nvidia nu se oprește aici. Deja a încheiat un acord de 6 miliarde de dolari cu Poolside, un constructor de modele open-weight, prin care cea mai mare parte a angajaților acestei companii se va muta la gigantul cipurilor. Iar Stripe, platforma de plăți online, a achiziționat OpenRouter, principalul furnizor de modele open-weight pentru afaceri, pentru peste 7 miliarde de dolari. Aceste tranzacții arată un apetit uriaș pentru un sector care, la prima vedere, se bazează pe oferirea gratuită a tehnologiei. Dar realitatea este mult mai nuanțată.
De ce sunt atât de valoroase aceste companii? În primul rând, pentru că Nvidia are nevoie să-și diversifice veniturile. În prezent, gigantul cipurilor depinde în mare măsură de acordurile cu hyperscalerii și laboratoarele de frontieră. Însă OpenAI și Google își construiesc propriile cipuri de inferență, cum ar fi noul cip Jalapeño de la OpenAI, anunțat recent. Dacă dezvoltatorii de modele își fac propriile hardware, Nvidia vrea să aibă o bucată din afacerea de construire a modelelor. Deja are propria familie de modele open-weight, Nemotron, dar adoptarea lor nu a fost spectaculoasă. Prin preluarea celor mai mari platforme de dezvoltare open-weight, Nvidia ar putea atrage o masă critică de utilizatori către ecosistemul său.
În al doilea rând, costul inferenței AI devine o preocupare tot mai mare. Companiile caută modele mai ieftine, construite de firme chinezești precum Moonshot, DeepSeek sau Alibaba. Deși adoptarea este încă mică – doar 6% dintre companii folosesc modele open-weight, conform unui sondaj realizat de Ramp, și doar 2% dintre inginerii software intervievați de Jellyfish – tendința este clară. Nik Albarran, responsabilul de produs AI la Jellyfish, explică faptul că modelele open-weight sunt folosite în principal de companii ale căror produse depind de sarcini repetitive de inferență, cum ar fi chat-urile de suport clienți. Acestea sunt volume mari, cu multă repetiție, iar un model open-weight poate fi reglat pentru a răspunde ieftin la întrebări.
Stripe a încadrat achiziția OpenRouter exact în această logică. Patrick Collison, cofondatorul și CEO-ul Stripe, a declarat: „Token-urile sunt moneda centrală pentru companiile care construiesc cu AI, iar potențialul economic real va depinde de utilizarea eficientă a resurselor de calcul limitate.” Pentru sarcini de codare sau agentice, însă, modelele de frontieră câștigă adesea, pentru că cerințele variază și necesită mai mult raționament. În plus, laboratoarele proprietare oferă acces mai ușor și, în unele cazuri, subvenții pentru token-uri.
Albarran subliniază că, pe măsură ce companiile își reglează fluxurile de lucru AI, va fi mai ușor să treacă la modele deschise. Totuși, principalul motiv pentru care firmele se uită acum la aceste modele este controlul și configurabilitatea, nu neapărat costurile. „Nu sunt multe companii în care acest lucru este deja cazul... dar dacă prețurile continuă să crească din partea laboratoarelor de frontieră, tot mai multe companii vor fi forțate să ia în considerare această opțiune”, a spus el. „Când fluxurile tale de lucru AI sunt mult mai mature, atunci are sens să investești în modele auto-găzduite.”
Un exemplu elocvent este Fireworks, un router și gazdă de modele open-weight pentru utilizatori corporativi, despre care se vorbește adesea ca o potențială țintă de achiziție pentru un gigant tech. CEO-ul său, Lin Qiao, spune că firma procesează 40 de trilioane de token-uri pe zi, mai mult decât API-urile Gemini sau OpenAI. Miza Fireworks este diversitatea modelelor: pe măsură ce LLM-urile proliferează și se îmbunătățesc, va fi mai ușor pentru companii să le antreneze special pentru nevoile lor. „Fiecare companie de aplicații ar trebui să ia în considerare angajarea unui cercetător intern”, a declarat Qiao pentru TechCrunch săptămâna trecută. „Își pot folosi produsul și datele despre produs pentru a-și construi propriul model. Viitorul este de fapt inteligența specializată. Literalmente, fiecare companie ar trebui să aibă propriul model pentru fiecare caz de utilizare, iar acest lucru se va întâmpla automat.”
Este ușor să uităm cât de devreme ne aflăm în dezvoltarea AI ca instrument și ca afacere. Dominanța OpenAI și Anthropic nu este inevitabilă. Pe măsură ce giganții tech își acoperă pariurile, achizițiile din spațiul open-weight ar putea remodela complet ecosistemul. Dacă Nvidia, Stripe și alții investesc masiv în aceste companii, înseamnă că văd un viitor în care modelele deschise nu sunt doar o alternativă, ci chiar fundamentul noii economii AI. Iar pentru dezvoltatori și companii, asta înseamnă mai multă libertate, costuri mai mici și o inovație accelerată. Rămâne de văzut cum vor evolua aceste tranzacții, dar un lucru este cert: open-weight nu mai este doar un moft, ci o piesă centrală în strategia marilor jucători.
De ce este important:
Această tendință de achiziții masive în domeniul modelelor open-weight semnalează o schimbare majoră în echilibrul de putere din industria AI. Dacă până acum atenția era concentrată pe laboratoarele de frontieră, acum giganții tech par să parieze pe descentralizare și accesibilitate. Pentru companii și dezvoltatori, asta înseamnă mai multe opțiuni, costuri reduse și control asupra propriilor soluții AI. În același timp, aceste achiziții ar putea accelera inovația, dar și consolidarea pieței, ceea ce ridică întrebări despre concurență și monopol. Este un moment crucial care va defini felul în care AI-ul va fi construit și folosit în următorii ani.
