החברה מאחורי CleanMyMac הימרה על שבב במקום שרת, ועכשיו מנסה לשכנע אלפי מפתחי מאק ללכת באותה דרך.
🔗 קישור למוצר: Setapp
יש משהו כמעט אנכרוניסטי בהחלטה להשקיע בבינה מלאכותית שרצה על המחשב עצמו, בזמן שכל התעשייה רצה לענן ולמודלים ענקיים יותר ויותר. אבל זו בדיוק ההימור של מק-פאו (MacPaw), החברה האוקראינית שמוכרת בעיקר בזכות CleanMyMac ופלטפורמת המנויים Setapp: שותפות ארוכת-טווח עם סטארטאפ הבינה המלאכותית Liquid AI, שמטרתה לבנות גרסה מקומית לחלוטין של Eney - עוזר ה-AI של מק-פאו למאק.
הרעיון בבסיס השותפות פשוט להסביר, קשה לבצע: לקחת עוזר אישי שיודע לנהל קבצים, ליצור תזכורות ולבצע פעולות במערכת, ולגרום לו לפעול בלי לשדר שום דבר לשרת חיצוני. Liquid AI תתאים את מודלי השפה הקנייניים שלה, ה-Liquid Foundation Models, במיוחד לסביבת macOS, בעוד מק-פאו מכניסה לתמונה שני רכיבים משלה: מנוע הסקה בשם Elix, ושכבת זיכרון בשם Mnemos שאמורה לתת לעוזר "זיכרון" מתמשך בין שיחות - במקום להתחיל כל פעם מאפס.
כי היעד הסופי הוא לא רק Eney. לפי הפרסום, מק-פאו מתכננת להנגיש את אותה תשתית on-device למפתחים חיצוניים דרך Setapp - השירות שדרכו כבר משתמשים אלפי אפליקציות למאק. במילים אחרות: אם התוכנית תצליח, מפתח קטן שבונה אפליקציית פרודוקטיביות למאק יוכל להשתמש במנוע הסקה מקומי מוכן מראש, בלי לבנות משהו כזה בעצמו ובלי לשלם על שרתי inference בענן. הפלטפורמה גם אמורה לתת גישה למודלים ענניים של חברות כמו גוגל, כך שהיא לא מנסה להיות תחליף מוחלט לענן - אלא שכבת ביניים שבוחרת מתי כדאי לעבד מקומית ומתי לא.
הסיבה הפרקטית לכך היא לא רק פרטיות, אלא גם ביצועים: מודל שרץ על השבב של המחשב לא תלוי בזמן תגובה של שרת מרוחק, וממשיך לעבוד גם בלי חיבור לרשת. עבור עוזר שאמור לנהל קבצים אישיים ולזכור הקשר לאורך זמן, זה הבדל משמעותי - לא רק שאלה של שיווק "פרטיות" אלא ארכיטקטורה שמשנה את חוויית השימוש בפועל.
יש כאן גם היגיון עסקי ברור למק-פאו: Setapp היא מודל מנויים שתלוי בכך שמפתחים ימשיכו לבנות בשבילו אפליקציות איכותיות. אם החברה תצליח לתת להם בחינם (או בזול) תשתית AI מקומית ומוכנה, זה יתרון תחרותי מול חנויות אפליקציות אחרות שבהן כל מפתח צריך לפתור את בעיית ה-AI לבד. Eney, לפי ההודעה, יהיה המוצר הראשון שירוץ על הפלטפורמה החדשה, עם תוצאות ראשונות מובטחות עד סוף השנה.
השאלה הפתוחה היא כמובן ביצועים בפועל: מודלים מקומיים היסטורית פשרו על יכולת לעומת מודלי ענק בענן, ו-Liquid AI תצטרך להוכיח שהמודלים הייעודיים שלה ל-macOS לא ירגישו כמו גרסה "קלה" של הדבר האמיתי. עד אז, זו הימור מעניין על כיוון הפוך למגמה - וכדאי לעקוב אם הוא באמת יגיע למפתחים, או יישאר בעיקר סיפור שיווקי יפה על נייר.
