توقف رشد هزینه‌های هوش مصنوعی؛ چالشی تازه در آستانه عرضه اولیه سهام Anthropic

کسب‌وکارها امروز بیش از هر زمان دیگری از هوش مصنوعی استفاده می‌کنند، اما لزوماً پول بیشتری برای آن نمی‌پردازند.

گزارش جدید پلتفرم مدیریت مالی Ramp نشان می‌دهد که با وجود جهش در حجم توکن‌های مصرفی، رشد هزینه‌کرد هوش مصنوعی در اواخر تابستان تقریباً متوقف شده است؛ نشانه‌ای آشکار از اینکه رقابت شدید قیمتی و زیرکی بیشتر مشتریان سازمانی، سقف درآمد شرکت‌هایی مانند OpenAI و Anthropic را محدود کرده است. طبق داده‌های Ramp، هزینه پرداخت‌شده برای توکن‌ها در ماه‌های اوت و سپتامبر تنها ۱٫۵ درصد رشد داشته است؛ در حالی که این رقم در ماه ژوئیه رشد چشمگیر ۴۲ درصدی را نسبت به ماه قبل تجربه کرده بود.

در شرایطی که استارتاپ Anthropic خود را برای عرضه اولیه سهام (IPO) آماده می‌کند، این آمارها حاکی از آن است که فرضیه سرمایه‌گذاران مبنی بر تداوم رشد سرسام‌آور شرکت‌های هوش مصنوعی ممکن است با واقعیت فاصله داشته باشد.

آرا خارازیان، اقتصاددان ارشد Ramp، در این زمینه توضیح می‌دهد: «تقریباً تمام هزینه‌های پرداختی در حوزه هوش مصنوعی توسط شرکت‌های فناورانه با رشد بالا و تحت حمایت سرمایه‌گذاران خطرپذیر انجام می‌شود. تا زمانی که این هزینه‌ها روندی صعودی داشته باشد مشکلی نیست، اما اگر به دلایل بازار یا عوامل دیگر این شتاب کند شود، همه آن‌ها به‌شکل هم‌زمان ترمز خواهند کشید و این وضعیت می‌تواند اثرات زنجیره‌ای گسترده‌ای به‌همراه داشته باشد.»

خارازیان می‌گوید شواهدی وجود دارد که نشان می‌دهد یک درصد برتر شرکت‌ها (سازمان‌هایی که عمیق‌ترین وابستگی را به ابزارهای هوش مصنوعی پیدا کرده‌اند) در ماه‌های اوت و سپتامبر با افتی اندک در هزینه‌کرد خود مواجه شده‌اند و میانگین ماهانه آن‌ها به زیر ۱۰ هزار دلار به ازای هر کارمند رسیده است؛ رقمی که در اوج روزهای تابستان ثبت شده بود. به گفته او، کند شدن رشد در همین گروه پرمصرف، «برای توقف کامل رشد درآمدی کافی است، حتی با وجود اینکه حجم پردازش و مصرف داده‌ها همچنان در حال افزایش است».

داده‌های Ramp رشد هزینه‌کرد را در میان شرکت‌های میانه و هم‌چنین ۱۰ درصد برتر نشان می‌دهد، اما این مقدار برای جبران افت گروه پرچمدار کافی نیست. شرکت‌های میانه به‌طور میانگین ماهانه ۱۲ تا ۱۵ دلار برای هر کارمند هزینه می‌کنند و شرکت‌های حاضر در دهک اول (۱۰ درصد برتر) بین ۶۰۰ تا ۱۰۰۰ دلار به ازای هر نیرو می‌پردازند.

خارازیان اشاره می‌کند: «اگر به سناریوهای کاربردی فعلی نگاه کنید، مشخص نیست که سایر شرکت‌ها نیز بتوانند به رکورد هزینه ۱۰ هزار دلار در ماه به ازای هر کارمند برسند.» هرچند در صنایعی مانند مهندسی نرم‌افزار و بازارهای مالی تقاضای فراوانی برای ایجنت‌های کدنویسی وجود دارد، «اما لزوماً یک مطب پزشکی یا یک نمایندگی فروش خودرو نیازی به چنین هزینه‌کرد سنگینی برای هوش مصنوعی نخواهد داشت».

او در ادامه می‌افزاید: «شاید دوران رشد انفجاری به پایان رسیده باشد و اکنون می‌دانیم که نمی‌توان درآمد چندان بیشتری از جیب آن یک درصد پرمصرف استخراج کرد.»

هرچند آمارهای ماه اکتبر نوعی شتاب‌گیری دوباره را نشان داد و هزینه خرید توکن‌ها بین ۲۳ سپتامبر تا ۲۳ اکتبر حدود ۸٫۹ درصد افزایش یافت، اما خارازیان معتقد است موانع پیش‌روی تداوم رشد هزینه‌ها همچنان بسیار قدرتمند هستند.

خارازیان (که مجموعه‌مقالاتی تحت عنوان «شکاف در فرضیه هوش مصنوعی» منتشر کرده است) تأکید می‌کند که این افت ناشی از کاهش تقاضا نیست؛ زیرا حجم استفاده از هوش مصنوعی کماکان روندی صعودی دارد. در عوض، او فضای به‌شدت رقابتی بازار را دلیل اصلی این پدیده می‌داند.

او می‌گوید: «تخفیف‌های قیمتی OpenAI و Anthropic هزینه بهره‌گیری از هوش مصنوعی را به مراتب ارزان‌تر کرده است.» در ماه سپتامبر، OpenAI قیمت API مدل‌های GPT-6 Sol و GPT-6 Luna را نصف کرد. در پاسخ به این جنگ قیمتی، استارتاپ Anthropic نیز نرخ مدل‌های Fable 5.1 و Opus 5.5 را به‌طور چشمگیری کاهش داد؛ تصمیمی که طبق اسناد مالی اخیر این شرکت، رشد درآمد آن را حدود ۶۰۰ میلیون دلار کاهش داده است. علاوه بر این، هر دو شرکت تخفیف‌های سازمانی سنگینی ارائه داده‌اند که اگرچه هدف آن وفادارسازی مشتریان بوده، اما در عمل به اهداف درآمدی نهایی آن‌ها لطمه زده است.

خارازیان خاطرنشان می‌کند که این شرایط، بازار را کاملاً به نفع خریداران رقم زده است.

ارائه یارانه برای فناوری‌های گران‌قیمت با هدف قفل کردن مشتریان و انحصار بازار، همواره بخشی از استراتژی سنتی غول‌های دنیای فناوری بوده است. کافی است به یاد آورید که کرایه تاکسی‌های اینترنتی مانند Uber و Lyft در سال‌های اولیه چقدر ارزان بود؛ اما امروز که رقبای اندکی در این عرصه باقی مانده‌اند، هزینه سفرهای درون‌شهری به‌شدت گران شده است. با این حال، خارازیان معتقد است چنین فرمولی در دنیای هوش مصنوعی پاسخگو نیست، چراکه حجم رقابت بی‌نهایت بالاست.

خارازیان می‌افزاید: «شرکت‌های Meta و Nvidia نیز خدمات سازمانی متنوعی با مدل‌های بسیار ارزان یا متن‌باز روانه بازار کرده‌اند.» او هم‌چنین به شرکت‌های پرتعداد ارائه‌دهنده مدل‌های متن‌باز در چین و ایالات متحده و استارتاپ نوظهوری به نام Jev اشاره می‌کند؛ ابزاری سبک برای انتخاب میان چند خروجی از پیش تعیین‌شده که عملکردی درخشان در پلتفرم مالی Ramp ثبت کرده است.

او توضیح می‌دهد: «در بسیاری از کاربردهای روزمره هوش مصنوعی، شما تنها به یک پاسخ ساده بله یا خیر نیاز دارید؛ بنابراین به‌جای مصرف مدل‌های سنگین، کار را به ابزارهایی مانند Jev می‌سپارید و همین فرایند، استفاده از ابزارهای ارزان را حتی ارزان‌تر از گذشته می‌کند.»

امکان به انجام رساندن وظایف پردازشی با هزینه‌ای بسیار کمتر، عامل دیگری در کاهش شتاب هزینه‌ها است. این موضوع تا حدی به تخفیف‌های شرکت‌های هوش مصنوعی مربوط می‌شود، اما بخش مهمی از آن به این دلیل است که سازمان‌ها در مدیریت صرفه‌جویانه هزینه‌های خود مهارت بیشتری پیدا کرده‌اند.

خارازیان می‌گوید: «هرچه شرکت‌ها در بهره‌گیری از هوش مصنوعی حرفه‌ای‌تر می‌شوند، شیوه‌های کنترل هزینه‌ها را بهتر یاد می‌گیرند. در نتیجه، پیش‌فرض‌هایی تنظیم می‌کنند که مانع از اجرای مدل‌های بسیار گران‌قیمت در وظایف طولانی می‌شود؛ سقف بودجه مشخصی برای کارکنان تعیین می‌کنند و با استفاده از مسیریاب‌های هوشمند (Routers)، پردازش‌ها را از مدل‌های استاندارد به مدل‌های سبک‌تر و بسیار ارزان‌تر منتقل می‌سازند.»

آکشای کوتاری، هم‌بنیان‌گذار پلتفرم Notion، اخیراً آمارهای داخلی شرکت خود را به اشتراک گذاشت که با تحلیل‌های Ramp کاملاً هم‌خوانی دارد. او این وضعیت متناقض را این‌گونه توصیف کرد: «مصرف توکن‌ها سر به فلک می‌کشد، اما هزینه‌ها فرو می‌ریزد.»

خارازیان تشریح می‌کند: «بسیاری از پیش‌فرض‌های ما درباره مسیر آینده هزینه‌کرد هوش مصنوعی در حال فروپاشی است. شما می‌توانید هوش مصنوعی بیشتری مصرف کنید اما هزینه کمتری برای آن بپردازید. این وضعیت برای مشتریان فوق‌العاده است، اما لزوماً برای توسعه‌دهندگان مدل‌ها خبر خوبی نیست و پرسش‌های جدی و تازه‌ای را پیرامون مسیر رشد درآمدی آن‌ها پیش می‌کشد.»

خبرگزاری بلومبرگ نیز گزارش داده است که ارزش‌گذاری احتمالی Anthropic از برآورد ۲ تریلیون دلاری اوایل اکتبر، به حدود ۱٫۲ تا ۱٫۳ تریلیون دلار سقوط کرده و حتی احتمال دارد رتبه اعتباری پایینی از آژانس‌های اعتبارسنجی دریافت کند. از سوی دیگر، OpenAI نیز ارزش‌گذاری پیشنهادی خود را از ۱٫۴ تریلیون دلار به ۱٫۲۵ تریلیون دلار کاهش داده و هدف جذب سرمایه اخیرش را حدود ۱۰ میلیارد دلار پایین آورده است.

به گفته خارازیان، پایگاه داده Ramp ریشه بسیاری از نگرانی‌های سرمایه‌گذاران را به وضوح نشان می‌دهد؛ با این حال، هنوز یک نقطه امید احتمالی برای بازگشت رشد هزینه‌ها وجود دارد، هرچند که در حال حاضر متکی بر حدس و گمان است.

بخش اعظم نظریه رشد انفجاری بر این باور استوار است که هوش مصنوعی بدون تردید کاربردهای نوینی پدید خواهد آورد که شتاب همه‌چیز را افزایش می‌دهد. ایجنت‌های کدنویسی هوش مصنوعی تنها حدود یک سال و نیم پیش به‌عنوان موفق‌ترین محصول تجاری پدیدار شدند و ارزش OpenAI و Anthropic را به سطوح تریلیون دلاری رساندند. اکنون امید سرمایه‌گذاران این است که انقلاب فناورانه دیگری ظهور کند و موج جدیدی از افزایش هزینه‌ها را رقم بزند.

برخی معتقدند ایجنت‌های شخصی، جایگزین موج قبلی ایجنت‌های کدنویسی خواهند شد. شرکت‌های OpenAI، SpaceXAI و Meta در کنار استارتاپ‌هایی مانند Instinct همگی ایجنت‌های شخصی اختصاصی خود را معرفی کرده‌اند. با این وجود، خارازیان تردید دارد که ایجنت‌های شخصی، که به گفته او «به اندازه کدنویسی بهره‌وری اقتصادی بالایی ایجاد نمی‌کنند»، بتوانند نیروی محرکه لازم را برای رشد پایدار این صنعت تأمین کنند.

خارازیان در پایان نتیجه می‌گیرد: «پیش‌بینی‌ها می‌گویند محصولات تازه‌ای معرفی خواهند شد که موج بعدی رشد را رقم می‌زنند؛ اما بر اساس آنچه امروز مشاهده می‌کنیم و با توجه به محصولات موجود و بالغ در بازار تجاری، رشد هزینه‌کرد هوش مصنوعی وارد فاز کندی شده است.»