پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

هشدار سرمایه‌گذار سیلیکون ولی درباره ارزش‌گذاری‌های حبابی و نجومی استارتاپ‌های هوش مصنوعی

انتشار:۳ مهر ۱۴۰۵(۳ روز پیش)
۶ دقیقه زمان مطالعه
۰ دیدگاه

ونکی گانسان، از شرکای ارشد Menlo Ventures، هشدار می‌دهد که در بازار هوش مصنوعی، قیمت‌گذاری‌های هیجانی جایگزین اصول بنیادین مالی شده‌اند و سرمایه‌گذاران باید پیش از پایان این روند صعودی، راهبرد خروج و اندازه سرمایه‌گذاری خود را مدیریت کنند.

هشدار سرمایه‌گذار سیلیکون ولی درباره ارزش‌گذاری‌های حبابی و نجومی استارتاپ‌های هوش مصنوعی

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • سرمایه‌گذار ارشد Menlo Ventures هشدار داد ارزش‌گذاری‌های ده‌ها میلیارد دلاری برای آزمایشگاه‌های هوش مصنوعی فاقد محصول و درآمد، نشانه‌ای از بروز چرخه بازتابی و قیمت‌گذاری‌های غیرواقعی است.
  • بسیاری از سرمایه‌گذاران اولیه با اتکا به سودهای کاغذی دست به ریسک‌های نامتعارف می‌زنند و در سوی دیگر، جاماندگان از بازار از ترس از دست دادن فرصت (FOMO) چک‌های هنگفت امضا می‌کنند.
  • به باور کارشناسان، برندگان دهه آینده در حوزه سرمایه‌گذاری خطرپذیر، کسانی خواهند بود که به جای انتخاب صرف استارتاپ‌ها، بر تعیین دقیق حجم موقعیت (Position Sizing) و تدوین استراتژی‌های خروج تمرکز کنند.
Sand Hill Road Sign
تابلوی نمادین خیابان Sand Hill Road در برابر آسمان آبی در شهر منلو پارک، کالیفرنیا؛ خیابانی در سیلیکون ولی که نماد صنعت سرمایه‌گذاری خطرپذیر شناخته می‌شود و دفاتر بسیاری از صندوق‌های سرمایه‌گذاری نامدار در آن قرار دارد. (منبع تصویر: Getty Images / Smith Collection)

در ژوئیه سال ۲۰۰۷، چاک پرینس (Chuck Prince)، مدیرعامل وقت سیتی‌گروپ، در گفت‌وگو با فایننشال تایمز جمله معروفی را به زبان آورد: «تا زمانی که موسیقی پخش می‌شود، بانک باید به رقصیدن ادامه دهد.» تنها چهار ماه بعد، او از سمت خود برکنار شد. این روزها، ونکی گانسان (Venky Ganesan)، سرمایه‌گذار ارشد صندوق Menlo Ventures، این جمله تاریخی را دستمایه یادداشتی تفصیلی در شبکه اجتماعی X قرار داده که در عرض چند روز بیش از نیم میلیون بازدید داشته است. پیام اصلی او صریح و هشداردهنده است: صنعت سرمایه‌گذاری خطرپذیر در حال تجربه یکی از گیج‌کننده‌ترین دوره‌های تاریخ خود است و بازیگرانی که همچنان در این میدان می‌رقصند، انگیزه‌های مختلفی برای تداوم این مسیر دارند.

گانسان مدعی نیست که کل بازار سقوط کرده یا ناکارآمد است؛ او اشاره می‌کند برخی از شرکت‌های حاضر در سبد سرمایه‌گذاری‌اش، با سرعتی فراتر از تمام تجربیات حرفه‌ای گذشته‌اش در حال رشد هستند. با این حال، او بر این نکته نیز دست می‌گذارد که استارتاپ‌هایی بدون محصول، بدون درآمد و با تیم‌های هم‌بنیان‌گذاری که همگی در یک اتاق کنفرانس کوچک جا می‌شوند، جذب سرمایه‌های میلیاردی با ارزش‌گذاری‌های ۱۰ تا ۵۰ میلیارد دلاری انجام می‌دهند. به باور او، هر دو گزاره به طور هم‌زمان حقیقت دارند و هر کسی که تلاش کند با چارچوب‌های سنتی و واحد به تحلیل هر دوی آن‌ها بپردازد، به بن‌بست تحلیلی خواهد رسید.

این سرمایه‌گذار برای واکاوی این پدیده به دو ایده اساسی رجوع می‌کند که هیچ‌کدام دستپخت خود او نیستند. نخستین مفهوم، «نظریه بازتابندگی» (Reflexivity) است که جورج سوروس از دهه ۱۹۸۰ میلادی آن را توسعه داد. وضعیت آب‌وهوا اهمیتی نمی‌دهد که شما درباره‌اش چه فکری می‌کنید، اما بازارهای مالی دقیقاً با ادراکات شما شکل می‌گیرند. در بازارها، قیمت‌ها باورهای معامله‌گران را تغییر می‌دهند و این باورها متقابلاً قیمت‌ها را بالا و پایین می‌کنند. گانسان می‌نویسد تا زمانی که این چرخه ادامه‌دار باشد، اوضاع دقیقاً شبیه به پیشرفت و شکوفایی واقعی به نظر می‌رسد.

چرخه بازتابی در حوزه هوش مصنوعی چگونه کار می‌کند؟

گانسان سازوکار این چرخه را با ذکر یک شفاف‌سازی حرفه‌ای توضیح می‌دهد: صندوق Menlo Ventures خود یکی از سرمایه‌گذاران استارتاپ Anthropic است. به گفته او، سرمایه‌گذاران مشاهده کردند که چگونه ارزش‌گذاری یک آزمایشگاه پیشرو (Frontier Lab) ابتدا از ۴ میلیارد دلار به ۱۸ میلیارد، سپس به ۶۰ میلیارد، ۱۸۰ میلیارد، ۳۸۰ میلیارد و اکنون به مرز یک تریلیون دلار نزدیک شده است. جامعه سرمایه‌گذاران از این روند نتیجه گرفتند که مسیر رشد یک آزمایشگاه نسل جدید هوش مصنوعی دقیقاً باید به همین منوال باشد. در نتیجه، قیمت‌گذاری آزمایشگاه‌های بعدی نیز صرفاً بر مبنای شبیه‌سازی همین نمودار صعودی انجام گرفت، نه دستاوردهای محصولی ملموس آن‌ها. در این فضا، افزایش ارزش‌گذاری در راندهای بعدی سرمایه‌گذاری به عنوان مهر تاییدی بر درستی مسیر تلقی می‌شود. به تعبیر او، ارزش‌گذاری از خروجی محاسبات مالی به خودِ سنجه و محرک اصلی تبدیل شده است؛ به طوری که سرمایه‌گذاران دیگر جریان نقدی آتی را تنزیل نمی‌کنند، بلکه ملاک عملشان صرفاً ارزش‌گذاری راند قبلی جذب سرمایه است.

او از استارتاپ‌هایی نظیر Thinking Machines و Reflection AI به عنوان نمونه‌های عینی این روند نام می‌برد؛ مواردی که داده‌های ثبت‌شده عمومی نیز ابعاد جالب‌تری به آن‌ها می‌بخشد. طبق گزارش‌ها، استارتاپ Reflection AI در اواسط سال ۲۰۲۵ با ارزش ۵۴۵ میلیون دلار تأمین مالی شد، در اکتبر همان سال ارزش‌گذاری آن به ۸ میلیارد دلار جهش کرد و در مارس ۲۰۲۶ به دنبال جذب سرمایه با ارزش پیش از سرمایه‌گذاری (Pre-money) ۲۵ میلیارد دلاری بود. از سوی دیگر، Thinking Machines در ژوئیه ۲۰۲۵ موفق به جذب ۲ میلیارد دلار با ارزش‌گذاری ۱۲ میلیارد دلار شد و گزارش‌های ماه اخیر نشان می‌دهند که این شرکت در حال مذاکره برای جذب حداقل یک میلیارد دلار دیگر با ارزش‌گذاری دست‌کم ۴۰ میلیارد دلار است. البته برآوردها نرخ درآمد سالانه (Run Rate) این شرکت را بین ۱۰۰ تا چندصد میلیون دلار تخمین می‌زنند؛ بنابراین وضعیت آن کاملاً مشابه نمونه‌های بدون درآمدی نیست که گانسان به شکل کلی اشاره می‌کند. همچنین گفته می‌شود این ارزش‌گذاری پیشنهادی از رقم ۵۰ میلیارد دلاری که این استارتاپ اواخر سال گذشته در پی آن بود کمتر است؛ موضوعی که نشان می‌دهد حتی در یک بازار بازتابی نیز این چرخه با اصطکاک و موانع جدی روبه‌رو می‌شود.

گانسان یادآور می‌شود که بسیاری از افراد یک نکته کلیدی از نظریه سوروس را نادیده می‌گیرند: هیچ‌کس نمی‌تواند پیش‌بینی کند که یک فرآیند بازتابی چه زمانی و چگونه پایان می‌یابد؛ فعالان بازار تنها می‌دانند که این چرخه قطعاً روزی به نقطه پایان خواهد رسید.

تلاقی سودهای روی کاغذ و ترس از جاماندن (FOMO)

ایده دوم به استعاره چاک پرینس بازمی‌گردد و توضیح می‌دهد که چرا با وجود آگاهی کامل از حباب و چرخه بازتابی، افراد هوشمند همچنان به حضور در این بازی ادامه می‌دهند. از دیدگاه گانسان، دو گروه متمایز در این میدان حاضر هستند.

گروه اول کسانی هستند که در مراحل اولیه وارد میدان شدند. سودهای ثبت‌شده روی کاغذ برای آن‌ها سرسام‌آور است و احساس می‌کنند در حال قمار با پولِ کازینو (House Money) هستند. اقتصاددانان رفتاری دهه‌ها به مطالعه این پدیده پرداخته‌اند؛ چنان‌که ریچارد تالر و اریک جانسون در سال ۱۹۹۰ اثبات کردند افراد پس از کسب سودهای چشمگیر تمایل بیشتری به ریسک‌پذیری پیدا می‌کنند، چرا که سودهای حاصله را دارایی واقعی خود نمی‌پندارند. گانسان این سرمایه را خطرناک‌ترین نوع پول می‌نامد؛ زیرا کمتر کسی برای پولی که با زحمت به دست نیامده، احترامی در حد سرمایه واقعی قائل است.

گروه دوم کسانی هستند که مراحل ابتدایی را از دست داده‌اند و سرمایه‌گذاران صندوق‌هایشان (LPها) نیز از این بابت ناامید هستند. آن‌ها اکنون می‌کوشند با نوشتن چک‌های بسیار سنگین در مراحل پایانی، عقب‌ماندگی خود را جبران کنند. گانسان این راهبرد را فرمولی تقریباً تضمین‌شده برای تبدیل یک فرصت سوخته به زیانی واقعی می‌داند. در یک سو توهم سرمایه‌های بادآورده قرار دارد و در سوی دیگر، ترس شدید از دست دادن فرصت (FOMO)؛ چرخه بازتابی نیز آتش هر دو را شعله‌ورتر می‌کند. هر گروه دلیلی برای ادامه حضور دارد و چون انگیزه‌ها متفاوت است، هیچ‌کس قادر نیست دیگری را از میدان بازی خارج کند.

مزیت واقعی: هنر مدیریت حجم موقعیت (Position Sizing)

پاسخ سنتی در صنعت سرمایه‌گذاری خطرپذیر معمولاً انتخاب دقیق‌تر شرکت‌هاست: «استارتاپ هوش مصنوعی برنده را پیدا کن و پیروز شو.» اما گانسان این رویکرد را یک تله می‌داند؛ زیرا زمانی که قیمت و ارزش‌گذاری به سیگنال اصلی بازار بدل می‌شود، حتی در صورت تشخیص درست پتانسیل یک شرکت، ممکن است قیمت آن را تا ده برابر اشتباه برآورد کنید. او به برترین سرمایه‌گذاران بازارهای عمومی اشاره می‌کند که به همان اندازه که بر «چه چیزی خریدن» وقت می‌گذارند، بر «چه میزان خریدن» و تعیین حجم سرمایه‌گذاری نیز تمرکز دارند.

پیش‌بینی او این است که برندگان دهه آینده در صنعت سرمایه‌گذاری خطرپذیر، ساختاربندی پرتفوی و تخصیص حجم (Position Sizing) را درست مانند کشف فرصت‌ها جدی خواهند گرفت. او دو پرسش بنیادین مطرح می‌کند که مدیران صندوق‌ها باید به آن پاسخ دهند: چه سهمی از صندوق به شرکت‌هایی اختصاص یافته که ارزش‌گذاری آن‌ها صرفاً متکی بر راند قبلی سرمایه‌گذاری است و نه درآمد عملیاتی؟ و دوم اینکه اگر این چرخه به جای ۵ سال آینده، در همین سال بعد بشکند، چه بر سر سبد سرمایه‌گذاری خواهد آمد؟

پیامدهای این وضعیت برای مدیران، سرمایه‌گذاران و بنیان‌گذاران

برای مدیران صندوق‌ها (GPs)، پرسش‌های فوق مانند یک آزمون استرس (Stress Test) عمل می‌کند که اغلب الگوهای سنتی فاقد آن هستند. تعیین سقف تمرکز بر دارایی‌هایی که صرفاً بر اساس آخرین راند قیمت‌گذاری شده‌اند و تهیه یک برنامه مکتوب برای شرایط افت ارزش‌گذاری (Down-round)، پاسخ‌هایی عملی به این چالش‌ها خواهند بود.

برای سرمایه‌گذاران بالادستی صندوق‌ها (LPs)، استراتژی خروج از سرمایه‌گذاری اهمیتی همپای ورود دارد. تریس کوهن (Trace Cohen) در پاسخی به گانسان تأکید کرد که دشوارترین تصمیم در دنیای سرمایه‌گذاری خطرپذیر، تشخیص زمان قطعی پیروزی است. او نوشت اگر در ارزش ۵۰ میلیون دلاری سرمایه‌گذاری کرده‌اید و ارزش شرکت اکنون به ۱۰ میلیارد دلار نزدیک شده، نیازی نیست قضاوت کنید که آیا ۱۰ میلیارد دلار گران است یا ارزان؛ بلکه باید تصمیم بگیرید چه میزان از این سود کسب‌شده را می‌خواهید نقد کنید. گانسان نیز با این دیدگاه موافقت کرد و افزود که این صنعت زمان بسیار ناچیزی را صرف چگونگی خروج از سرمایه‌گذاری‌ها می‌کند. سرمایه‌گذارانی که به توزیع سود نقدی و نه فقط ارقام روی کاغذ اهمیت می‌دهند، باید مدیران خود را به این انضباط مالی ملزم سازند.

برای بنیان‌گذاران استارتاپ‌ها، این درس مسیری معکوس دارد. ارزش‌گذاری گزافی که صرفاً توسط راند قبلی تعیین شده، به همان اندازه که یک دارایی به نظر می‌رسد، یک بدهی و تعهد سنگین است. این رقم سنگ محک راندهای بعدی را بسیار بالاتر می‌برد و حاشیه خطای استارتاپ را به حداقل می‌رساند. بنیان‌گذارانی که هم‌زمان با پخش موسیقی، بر جریان درآمدی پایدار و ساخت محصولات ماندگار تمرکز کنند، پس از خاموش شدن موسیقی نیز جایگاه خود را حفظ خواهند کرد.

پیش از پایان موسیقی، صندلی خود را پیدا کنید

گانسان یادداشت خود را با جمله‌ای به پایان می‌برد که هم‌زمان بوی نصیحت و هشدار می‌دهد: موسیقی متوقف خواهد شد؛ همان‌طور که همیشه چنین بوده است و سرمایه‌گذارانی که در این میانه می‌رقصند، باید بدانند صندلی‌های بازی کجاست. چاک پرینس هرگز ادعا نکرد که موسیقی تا ابد ادامه خواهد داشت؛ او تنها اذعان کرد تا زمانی که آهنگ نواخته می‌شود، نمی‌تواند روی صندلی بنشیند. سرمایه‌گذارانی که از سرنوشت او درس می‌گیرند، کسانی خواهند بود که پیش از تغییر ریتم و ضرب‌آهنگ، تکلیف صندلی‌های نجات خود را مشخص کرده باشند.

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!
آخرین اخبار

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!

مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمع‌وجور و تخصصی نشان می‌دهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدل‌های غول‌پیکر و پرهزینه ندارید و گزینه‌های بهینه همچنان در اوج هستند.

۲ دقیقه مطالعه
۰
۶ مهر
جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!
آخرین اخبار

جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!

نظرسنجی‌های تازه نشان می‌دهد که بیشتر کارمندان حس می‌کنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آن‌ها را زیر نظر گرفته‌اند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شده‌اند که شرکت‌ها را مجبور کند هرگونه مچ‌گیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

۳ دقیقه مطالعه
۰
۶ مهر
گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
آخرین اخبار

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!

مایکروسافت در تازه‌ترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفت‌انگیز که نشان می‌دهد امارات و سنگاپور با فاصله‌ای خیره‌کننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمی‌دارد.

۳ دقیقه مطالعه
۰
۶ مهر