Dalam artikel ini
- Kajian kebolehlaksanaan: bolehkah anda membina AI untuk menyaingi Claude dan ChatGPT? Dan berapakah kosnya?
- Apakah sebenarnya maksud "menyaingi Claude dan ChatGPT"?
- Laluan pertama: model frontier dari awal — kos yang sangat besar
- Laluan kedua: model berdaulat atau khusus — pelaburan strategik yang besar
- Laluan ketiga: membina di atas model terbuka — pilihan paling bijak bagi 99% syarikat
- Perbandingan tiga laluan
- Pilihan sumber terbuka secara terperinci: model yang mana, dan bagaimana membina di atasnya?
- Cadangan pakar Origami
- Bagaimana Origami membantu
- Sumber
Kajian kebolehlaksanaan: bolehkah anda membina AI untuk menyaingi Claude dan ChatGPT? Dan berapakah kosnya?
Jawapan jujur daripada pakar Origami: membina model frontier dari awal pada skala Claude atau ChatGPT menelan kos ratusan juta hingga lebih satu bilion dolar, dan secara realistik hanya mampu dicapai oleh makmal gergasi dan negara. Namun perkataan "menyaingi" membawa tiga maksud kos yang sangat berbeza — dan bagi syarikat biasa, laluan yang bijak hanya memerlukan sebahagian kecil daripada kos itu. Kajian ini menghuraikan ketiga-tiga laluan dan kos setiap satu dengan jujur.
Apakah sebenarnya maksud "menyaingi Claude dan ChatGPT"?
Sebelum bercakap tentang kos, anda perlu menentukan cita-cita, kerana jurang antara laluan-laluan ini diukur dalam ribuan kali ganda:
- Model frontier dari awal: anda membina "otak" baharu yang menyaingi model terkini dunia dalam semua perkara.
- Model berdaulat atau khusus: anda membina model yang lebih kecil, atau meneruskan latihan model terbuka, untuk berkhidmat kepada sesuatu bahasa, sektor atau negara.
- Membina di atas model terbuka: anda mengambil model terbuka yang sedia ada dan menyesuaikannya kepada data anda supaya ia menang dalam bidang anda sendiri.
Laluan pertama: model frontier dari awal — kos yang sangat besar
Ini ialah laluan paling sukar dan paling mahal. Menurut Epoch AI, yang pakar dalam menjejaki kos latihan, kos melatih model frontier meningkat kira-kira 2.4 kali ganda setahun, dan larian latihan terbesar dijangka melebihi satu bilion dolar menjelang 2027 — menjadikannya "di luar jangkauan semua kecuali organisasi yang paling kukuh dari segi kewangan". Kos itu terbahagi antara perkakasan (47–67%), gaji kakitangan penyelidikan dan pembangunan (29–49%) dan tenaga (2–6%).
Secara praktikal, ini bermakna puluhan ribu GPU (sebuah H100 berharga kira-kira $25,000–$40,000, sebuah B200 kira-kira $30,000–$50,000) yang membentuk kluster bernilai ratusan juta, ditambah penyelidik bertaraf tertinggi yang masing-masing berpendapatan lebih satu juta dolar, set data yang sangat besar dan kerja bertahun-tahun. Kesimpulannya: ini bukan pilihan untuk syarikat, tetapi untuk makmal seperti OpenAI, Anthropic, Google dan DeepSeek, atau program kebangsaan yang besar.
Laluan kedua: model berdaulat atau khusus — pelaburan strategik yang besar
Di sini anda tidak bersaing di peringkat global dalam semua perkara; anda membina model yang lebih kecil (atau meneruskan latihan model terbuka secara mendalam) untuk cemerlang dalam sesuatu bahasa atau sektor. Arab Saudi ialah contoh yang jelas melalui usahanya dalam AI berdaulat, seperti syarikat HUMAIN dan model "ALLaM" milik Pihak Berkuasa Data dan Kecerdasan Buatan Saudi (SDAIA). Laluan ini menelan kos antara berjuta-juta hingga puluhan juta dolar, memerlukan pasukan penyelidikan khusus, kluster pengkomputeran, data yang bersih dan 6 hingga 18 bulan. Ia sesuai untuk kerajaan dan perusahaan besar yang mempunyai objektif strategik.
Laluan ketiga: membina di atas model terbuka — pilihan paling bijak bagi 99% syarikat
Di sinilah terletaknya jawapan praktikal. Anda mengambil model berpemberat terbuka yang kukuh (DeepSeek V4, Qwen, Llama atau GLM) dan menyesuaikannya kepada data anda melalui penalaan halus (fine-tuning) dan Penjanaan Diperkaya Dapatan Semula (RAG). Anda tidak mengalahkan ChatGPT dalam semua perkara — anda mengalahkannya dalam bidang anda, bahasa anda dan data anda, dan itulah yang penting bagi perniagaan anda. Kos di sini turun daripada "sangat besar" kepada antara puluhan ribu hingga beberapa juta riyal bergantung pada cita-cita dan infrastruktur, dalam tempoh beberapa minggu hingga bulan. Kelebihan tambahan: anda boleh mengehos sendiri supaya data anda kekal bersama anda — penting di bawah Undang-undang Perlindungan Data Peribadi (PDPL).
Perbandingan tiga laluan
| Pilihan | Apakah ia | Anggaran kos | Tempoh | Sesuai untuk siapa |
|---|---|---|---|---|
| Model frontier dari awal | Model berskala Claude/GPT yang dibina dari asas | Ratusan juta hingga lebih satu bilion dolar | Bertahun-tahun | Makmal gergasi dan negara |
| Model berdaulat atau khusus | Model yang lebih kecil, atau latihan lanjutan yang mendalam bagi model terbuka | Berjuta-juta hingga puluhan juta dolar | 6–18 bulan | Kerajaan dan perusahaan besar |
| Membina di atas model terbuka | Menyesuaikan model terbuka kepada data anda (fine-tuning + RAG) | Puluhan ribu hingga beberapa juta riyal | Beberapa minggu hingga bulan | Kebanyakan syarikat |
Anda jarang perlu membina enjin baharu; biasanya anda perlu membina kereta yang sesuai untuk jalan anda di sekeliling enjin yang sedia ada.
Pilihan sumber terbuka secara terperinci: model yang mana, dan bagaimana membina di atasnya?
Memandangkan membina di atas model terbuka ialah laluan yang tepat bagi kebanyakan syarikat, berikut ialah perincian praktikalnya: model mana yang patut dipilih, bagaimana membina di atasnya dan berapa kos setiap pendekatan.
Model terbuka terkemuka pada 2026:
| Model | Pembangun | Terkenal kerana |
|---|---|---|
| DeepSeek V4 | DeepSeek | Model sumber terbuka paling kukuh untuk pengekodan berasaskan ejen, dan yang paling murah |
| Qwen3-Coder | Alibaba | Khusus untuk kod dan berbilang bahasa |
| GLM-5.2 | Z.ai | Pengekodan jangka panjang dan konteks 1M token |
| Llama 4 | Meta | Ekosistem alatan yang sangat besar dan sokongan komuniti yang luas |
| Kimi K2 | Moonshot | Konteks panjang dan prestasi umum yang kukuh |
Bagaimana membina di atasnya? Empat pendekatan, mengikut kos dan usaha yang semakin meningkat:
- 1) Penggunaan terus + kejuruteraan prompt: anda menjalankan model seadanya (melalui API awan atau dihos sendiri) dan mengemudinya dengan arahan yang bijak, tanpa sebarang latihan. Paling murah dan paling pantas — beberapa hari hingga minggu, daripada ribuan hingga puluhan ribu riyal.
- 2) Penjanaan Diperkaya Dapatan Semula (RAG): anda menyambungkan model kepada pangkalan pengetahuan dan dokumen anda supaya ia menjawab berdasarkan data anda sendiri tanpa melatihnya — sesuai untuk pembantu pengetahuan yang mengenali produk dan dasar anda. Beberapa minggu, puluhan ribu riyal.
- 3) Penalaan halus / LoRA: anda melatih model dengan contoh daripada bidang dan gaya anda supaya ia menguasai tugas khusus anda (nada, pengelasan, format output). Beberapa minggu hingga bulan, puluhan hingga ratusan ribu riyal.
- 4) Pralatihan berterusan: anda menyuapkan model dengan sejumlah besar data daripada bidang atau bahasa anda untuk mendalamkan pengetahuannya secara asas — paling berkuasa dan paling mahal, menghampiri "laluan berdaulat". Beberapa bulan, ratusan ribu ke atas.
Pengehosan sendiri dan privasi: kelebihan besar model terbuka ialah anda menjalankannya pada infrastruktur anda sendiri (awan peribadi atau pelayan tempatan), jadi data anda tidak pernah keluar dari organisasi anda — penentu utama di bawah Undang-undang Perlindungan Data Peribadi (PDPL). Anda memerlukan GPU yang bersesuaian dengan saiz model (daripada satu kad untuk model kecil hingga kluster untuk model besar), dan anda mengimbangi kos pengehosan tetap dengan kos API awan berdasarkan penggunaan.
Cadangan pakar Origami
Jangan cuba mengatasi makmal gergasi dalam latihan di gelanggang mereka sendiri — itu ialah pertarungan berbilion dolar. Langkah bijak ialah membina penyelesaian khusus di atas model terbuka yang menang dalam bidang anda, bahasa Arab anda, privasi data anda dan kos anda. Laluan ini boleh dicapai, memberikan pulangan pelaburan yang tinggi dan memberi anda "AI anda sendiri" tanpa bil berbilion dolar.
Bagaimana Origami membantu
Di Origami, kami mengkaji kebolehlaksanaan terlebih dahulu, kemudian memilih laluan dan model yang tepat untuk matlamat dan bajet anda, menyesuaikan model kepada data anda (fine-tuning + RAG), mengehosnya sendiri untuk privasi sepenuhnya dan menyambungkannya kepada sistem dan ejen anda melalui MCP. Matlamatnya ialah AI yang bersaing dalam bidang anda, pada kos yang realistik dan dikaji dengan teliti.
Sumber
- Epoch AI — kos melatih model frontier: epoch.ai
- Pihak Berkuasa Data dan Kecerdasan Buatan Saudi (SDAIA): sdaia.gov.sa
Angka kos perkakasan ialah anggaran pasaran bagi GPU NVIDIA pada masa penerbitan dan tertakluk kepada perubahan.
Soalan lazim
Bolehkah saya membina model seperti ChatGPT dengan bajet sebuah syarikat?
Tidak dari awal — model frontier menelan kos ratusan juta hingga lebih satu bilion dolar dan terhad kepada makmal gergasi dan negara. Namun anda boleh membina "AI anda sendiri" yang bersaing dalam bidang anda dengan menyesuaikan model terbuka kepada data anda, bermula daripada puluhan ribu riyal.
Apakah laluan paling murah untuk bermula?
Membina di atas model berpemberat terbuka (seperti DeepSeek atau Qwen) dan menyesuaikannya dengan penalaan halus (fine-tuning) dan RAG pada data anda. Kosnya bermula daripada puluhan ribu riyal untuk pembantu khusus dan meningkat mengikut jumlah data, infrastruktur dan pengehosan sendiri.
Adakah model terbuka yang disesuaikan benar-benar mampu bersaing?
Ya, tetapi di medan pertempuran yang betul: ia tidak akan mengalahkan ChatGPT dalam semua perkara, tetapi ia mengalahkannya dalam bidang anda, bahasa Arab anda, data anda sendiri, privasi anda dan kos anda — dan itulah biasanya yang benar-benar penting bagi perniagaan anda.
Berapakah sebenarnya kos model frontier dari awal?
Menurut Epoch AI, kosnya meningkat kira-kira 2.4 kali ganda setahun, dan larian latihan terbesar dijangka melebihi satu bilion dolar menjelang 2027 — sebelum mengambil kira gaji penyelidikan dan pembangunan (sehingga separuh daripada kos), infrastruktur dan tenaga. Secara praktikal: ratusan juta hingga berbilion, sebab itulah ia terhad kepada segelintir organisasi yang paling kukuh dari segi kewangan.
Ikuti Origami di Google
Tetapkan Origami sebagai sumber pilihan dan artikel kami akan muncul dahulu untuk anda dalam Carian Google dan Berita Utama.
