تصور کنید مدیر ارشد یک شرکت نرمافزاری هستید که باید تصمیم بگیرد آیا روی ساخت یک مدل زبانی جدید سرمایهگذاری کند یا ابزاری بسازد که از مدلهای موجود برای حل مشکلات واقعی استفاده کند. پاسخ شرکت Accel در تازهترین اقدام خود، به شدت به گزینه دوم متمایل است.
در ۱۱ اوت ۲۰۲۶، شرکت Accel صندوق جدیدی به ارزش ۵۵۰ میلیون دلار برای بازار هند بسته است که تنها چند هفته پس از بازگشایی، با استقبال بیش از حد سرمایهگذاران تکمیل شد. طبق گزارشهای منتشر شده، این صندوق بخشی از یک تلاش گستردهتر ۳.۵ میلیارد دلاری برای جمعآوری سرمایه در سطح جهانی است. این حجم از سرمایهگذاری در حالی رخ میدهد که بازار جهانی سرمایههای جسورانه با رکود مواجه است، اما اعتماد به اکوسیستم هند همچنان بالاست.
در حالی که بسیاری از تحلیلگران درباره توانایی هند در ساخت مدلهای بنیادی (Foundation Model) — که مثل یک مغز جامع و همهکاره است که میپذیرد هر چیزی را یاد بگیرد — تردید دارند، Accel فرصت واقعی را در «لایه کاربردی» میبیند. همانطور که در تحلیل قبلی ما دربارهی استراتژیهای استقرار هوش مصنوعی اشاره کردیم، ارزش واقعی اکنون از مرحله ساخت مدل به مرحله استفاده از آن منتقل شده است. به گفته پرایانک سواروپ، شریک این شرکت، در حالی که پیشگامان اولیه روی مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — تمرکز کردند، فرصتهای بکر در لایه کاربردی همچنان دستنتاپاست. این تمایل به تمرکز بر لایههای کاربردی در مقابل مدلهای بنیادی، یادآور استراتژیهای مشابهی است که در شرکتهای دیگر میبینیم؛ برای مثال رویکرد DeepSeek برای جایگزینی تراشههای خارجی با مدلهای بومی نشان میدهد که چگونه تمرکز بر بهینهسازی زیرساختی میتواند مکمل لایههای کاربردی باشد.
نکته جالب این است که Accel هنوز بیش از ۵۵ درصد از سرمایه صندوق قبلی ۶۵۰ میلیون دلاری خود در هند را در اختیار دارد. به نقل از گزارش TechCrunch، این شرکت قصد دارد سرمایههای جدید را از سال ۲۰۲۷ تزریق کند و تا آن زمان از بودجه صندوق قدیمیتر استفاده نماید.
استراتژی سرمایهگذاری و حوزههای تمرکز
شکر کیرانی، شریک Accel، تأکید میکند که هوش مصنوعی در چهار بخش کلیدی به عنوان یک کاتالیزور افقی عمل میکند، نه یک محصول مستقل. او معتقد است سرمایههای کلانی برای مراحل اولیه در این دستهها آماده است:
- اینترنت مصرفکننده: محصولاتی که از ابتدا با هوش مصنوعی ساخته شدهاند و برای بازار داخلی هند طراحی شدهاند.
- فینتک (Fintech): نرمافزارهایی که برای مدیریت پیچیدگیهای مالی از هوش مصنوعی استفاده میکنند.
- تولید پیشرفته: راهکارهای فناوری عمیق (Deep Tech) برای مقیاسپذیری صنعتی.
- نرمافزارهای سازمانی: ابزارهایی که از استعداد مهندسی هند برای حل مشکلات شرکتی بهره میبرند.
تعمیق لایه کاربردی هوش مصنوعی
شرکای این شرکت، از جمله پرایانک سواروپ، شکر کیرانی و بهارات شانکار سوبرامانیان، معتقدند استارتاپهای هندی در حال ترکیب هوش مصنوعی با تخصصهای خدماتی هستند. این رویکرد دقیقاً بخشهایی را هدف قرار میدهد که نظارت انسانی در آنها حیاتی است.
به عنوان نمونه، استارتاپ RapidClaims که تحت حمایت Accel است، کدگذاری پزشکی را برای ارائهدهندگان خدمات بهداشتی ایالات متحده خودکار میکند. این شرکت با ترکیب هوش مصنوعی و تخصص دامنه، به دقت ۹۵ درصدی در کدگذاری رسیده است؛ بازاری که پیشتر کاملاً در دست برونسپاریهای دستی در هند و فیلیپین بود.
اعتبارسنجی بازار و رشد اکوسیستم
این استراتژی با نگاه غولهای جهانی همسو است. طبق اعلانهای رسمی، OpenAI و Anthropic هر دو هند را به عنوان بزرگترین بازار خود خارج از آمریکا شناسایی کردهاند. همچنین ابزار کدنویسی Cursor گزارش داده است که هند یکی از سریعترین مراکز رشد توسعهدهندگان و بزرگترین بازار برای کاربران حرفهای (Power Users) است.
Accel در این دیدگاه خوشبینانه تنها نیست. سایر شرکتها نیز تمرکز خود را بر هند بازگرداندedند:
- Peak XV Partners: اخیراً ۱.۳ میلیارد دلار برای صندوقهای هند و جنوب شرق آسیا جمع کرد.
- General Catalyst: متعهد شده است که طی پنج سال آینده ۵ میلیارد دلار در هند سرمایهگذاری کند.
- Lightspeed Venture Partners: در حال بررسی صندوقی ۳۰۰ تا ۳۵۰ میلیون دلاری برای هند است.
این تغییر رویکرد نشاندهنده ارتقای کیفیت کارآفرینان محلی است. کیرانی میگوید جاهطلبی و کیفیت ایدههای فعلی در هند بسیار فراتر از هر چیزی است که در سالهای گذشته دیدهاند.
معماری تامین مالی جهانی
برای پشتیبانی از این شرطبندیها، Accel برای نخستین بار چهار صندوق را بهطور همزمان راهاندازی کرد: صندوقهای اختصاصی آمریکا و اروپا، صندوق هند و یک صندوق رشد ۱.۳۵ میلیارد دلاری. این ساختار به سرمایهگذاران اجازه داد تا پلتفرم جهانی این شرکت را در یک پنجره واحد ارزیابی کنند.
صندوق رشد میتواند از شرکتهای موفق هر منطقه پشتیبانی کند؛ از اولین چک سازمانی (که در ۸۰ درصد پورتفولیو اتفاق میافتد) تا زمان عرضه اولیه در بورس (IPO). این استراتژی پیشتر برای شرکتهایی مانند Flipkart و Freshworks موفقیتآمیز بوده است.
با تمرکز بر لایه کاربردی، Accel از برخورد مستقیم با آزمایشگاههای سنگین و هزینهبرِ مدلهای زبانی اجتناب میکند و در عوض، جایگاه خود را برای تصاحب ارزشی میگیرد که از بهکارگیری این مدلها در فرآیندهای واقعی کسبوکار حاصل میشود.
گام بعدی شما
- اگر توسعهدهنده هستید، ابزارهای لایه کاربردی را که تخصص دامنه (Domain Expertise) را با AI ترکیب میکنند، شناسایی کنید؛ اینها برندگان واقعی دوره بعد هستند.
- مدلهای رشد شرکتهای هندی را دنبال کنید تا ببینید چگونه ابزارهای محلی به موفقیتهای جهانی تبدیل میشوند.
- بررسی کنید که کدام صنایع سنتی در ایران هنوز از Brute-force انسانی استفاده میکنند تا فرصتهای لایه کاربردی را بیابید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو