معرفی Underdog؛ هوش مصنوعی محلی با تمرکز بر حریم خصوصی و مدل کسب‌وکار نوین در سیلیکون‌ولی

در دنیای کنونی که مدل‌های زبانی بزرگ (LLM) برای اجرای استنتاج (Inference) نیازمند ارسال داده‌های حساس کاربر به مراکز داده ابری هستند، «سیجیل ون» (Sigil Wen)، توسعه‌دهنده جوان و نخبه، با معرفی دستیار هوش مصنوعی جدید خود با نام Underdog، رویکردی متفاوت و ساختارشکنانه را در پیش گرفته است.

معماری هوش مصنوعی تمام‌بومی و موتور پردازشی Husky

تفاوت بنیادین Underdog در نحوه اجرای مدل‌های هوش مصنوعی است. برخلاف رقبایی نظیر Muse یا Instinct که برای پردازش‌های سنگین به زیرساخت‌های ابری متکی هستند، Underdog از موتور اختصاصی و بهینه‌شده‌ای به نام Husky استفاده می‌کند. این موتور با هدف کاهش گلوگاه‌های انتقال داده میان پردازنده مرکزی (CPU) و واحد پردازش گرافیکی (GPU) طراحی شده است تا مدل‌های هوش مصنوعی بتوانند با سرعت بالا و تأخیر کم، به‌صورت کاملاً محلی (On-device) روی سیستم کاربر اجرا شوند.

در حال حاضر، این دستیار بر روی سیستم‌عامل‌های مک و ویندوز در دسترس است و نسخه‌های لینوکس، اندروید و iOS نیز در نقشه راه توسعه آن قرار دارند. هسته اصلی این دستیار، یک مدل ۲۷ میلیارد پارامتری (27B) است که بر پایه معماری Qwen3.8-27B بهینه‌سازی شده است. بنا به ادعای سازنده، این مدل در بسیاری از بنچمارک‌های استدلالی، عملکردی قابل‌مقایسه با مدل Claude Opus 4.6 (که تا شش ماه گذشته در صدر بازار قرار داشت) ارائه می‌دهد.

امنیت و حریم خصوصی: پارادایم نوین «دسترسی صفر»

از منظر امنیت، Underdog استانداردهای سخت‌گیرانه‌ای را پیاده‌سازی کرده است. تمامی کلیدهای دسترسی به حساب‌های کاربری (مانند ایمیل یا سرویس‌های مالی) که کاربر به هوش مصنوعی اجازه می‌دهد با آن‌ها تعامل داشته باشد، به صورت محلی و رمزنگاری‌شده ذخیره می‌شوند. هدف اصلی سیجیل ون در این پروژه، که آن را «مانیفست هوش مصنوعی» خود می‌نامد، پایان دادن به دوره «تسلیم اطلاعات خصوصی در ازای دریافت هوشمندی» است. با اجرای مدل بر روی سخت‌افزار شخصی، اطلاعات حیاتی کاربر هرگز از سیستم خارج نمی‌شوند و در معرض نشت داده‌های ابری قرار نمی‌گیرند.

مدل اقتصادی: بهره‌گیری از زیرساخت‌های مالی به جای فروش داده

یکی از نوآورانه‌ترین بخش‌های Underdog، مدل اقتصادی آن است. در حالی که رقبا برای تأمین هزینه‌های سرور، کاربران را ملزم به پرداخت اشتراک‌های گران‌قیمت می‌کنند یا به استخراج داده‌های کاربران روی می‌آورند، Underdog با بهره‌گیری از زیرساخت‌های پرداخت Stripe (با سرمایه‌گذاری پاتریک کالیسون)، روش «کارمزد تراکنش» (Interchange Fee) را پیاده‌سازی کرده است. در این مدل، Underdog هنگام انجام خریدها یا تراکنش‌های مالی کاربر از طریق هوش مصنوعی، درصد بسیار ناچیزی را به عنوان کارمزد دریافت می‌کند. این رویکرد باعث می‌شود که تضاد منافع میان کاربر و پلتفرم از بین رفته و مدل کسب‌وکار مستقیماً با موفقیت مالی کاربر هم‌راستا شود.

نتیجه‌گیری و آینده پروژه

پروژه Conway Research (شرکت مادر Underdog) که توسط سرمایه‌گذاران برجسته‌ای همچون Andreessen Horowitz و Khosla Ventures حمایت می‌شود، نویدبخش دوران جدیدی از هوش مصنوعی «سخت‌افزار-محور» است. با تداوم روند بهبود مدل‌های کوچک (SLM)، Underdog نشان می‌دهد که می‌توان بدون قربانی کردن قابلیت‌های استدلالی، حریم خصوصی کاربر را در اولویت قرار داد. این رویکرد می‌تواند زنگ خطری برای شرکت‌هایی باشد که ماهیت وجودی‌شان بر جمع‌آوری کلان‌داده‌های کاربران بنا شده است.