اگر امروز یک سرمایهگذار در بازارهای عمومی هستید، احتمالاً متوجه شدهاید که مرکز ثقل ثروت تکنولوژی تغییر کرده است. فقط سه شرکت اکنون در حال جابهجایی حجم سرمایهای هستند که پیشتر در ۲۵ سال تاریخ مدرن سیلیکونولی توزیع شده بود.
طبق گزارش ۹ جولای ۲۰۲۶ از مرکز NCVA-Pitchbook Venture Monitor، ارزش بازار SpaceX، OpenAI و Anthropic در حال فشار آوردن به زیرساختهای مالی صنعت است. این رشد در حالی رخ میدهد که بازارهای خصوصی با سیل سرمایهگذاری در هوش مصنوعی زاینده (Generative AI) — که شبیه به ساخت یک نیروگاه عظیم است که ابتدا باید میلیاردها دلار هزینه کند تا اولین وات برق را تولید کند — مواجه شدهاند. این تمرکز شدید سرمایه در دستان چند بازیگر کلیدی، بازتابی از مدل جدید توزیع سرمایه در بازار مدلهای بنیادی است که در آن چند شرکت برنده، بخش اعظم منابع جهانی را تصاحب میکنند.
همانطور که در تحلیل قبلی ما دربارهی شفافیت کاربر در Anthropic اشاره کردیم، این شرکت اکنون در حال گذار از یک آزمایشگاه تحقیقاتی به یک نهاد عمومی تریلیون دلاری است. این روند بخشی از استراتژی گستردهتر این شرکتها برای تغییر اولویت از پژوهشهای محض به سودآوری است تا بتوانند هزینههای عملیاتی عظیم خود را پوشش دهند. این مقیاس در تاریخ فناوری یک ناهنجاری است؛ چراکه طبق دادههای SEC، کل عواید IPOهای آمریکا در سال گذشته تنها ۷۰ میلیارد دلار بود.
بر اساس مستندات این گزارش، ابعاد این مقیاس تریلیونی به شرح زیر است:
- SpaceX پیشتر با ارزش ۱.۷۷ تریلیون دلار عمومی شده است.
- OpenAI و Anthropic هر دو به سمت ارزشگذاری تریلیونی حرکت میکنند.
- مجموع ارزش خلقشده توسط این سه شرکت، بیش از ۴ تریلیون دلار تخمین زده میشود.
برای درک بهتر این عدد، عرضه اولیه Uber در سال ۲۰۱۹ با ارزش ۸۴ میلیارد دلار که زمانی اتفاقی عظیم بود، کمتر از ۵ درصدِ دستاوردی است که SpaceX ثبت کرد. حتی مجموع رشد گوگل (۲۰۰۴)، تسلا (۲۰۱۰) و متا (۲۰۱۲) و خرید میلیارد دلاری Slack و WhatsApp هم به گرد پای موج فعلی AI نمیرسند.
به نظر تحلیلگران، این تورم ناشی از دو چرخش ساختاری است. اول اینکه شرکتها اکنون مدتزمان بیشتری در حالت خصوصی میمانند تا با ارزشهای بسیار بالاتر وارد بازار شوند. در همین راستا، تصمیم سام آلتمن برای تعویق عرضه اولیه OpenAI نمونهای از این استراتژی برای مدیریت ارزشگذاری و پیشگیری از سقوط احتمالی قیمتها در بدو ورود به بازار است. دوم اینکه هزینههای سرسامآور استنتاج (Inference) — همان لحظهای که مدل واقعاً جواب تولید میکند و شبیه به خودِ آشپزی است، نه دوره آموزش آشپز — نیاز به جذب سرمایه شدید دارد و ارزش مدلها را پیش از ورود به بازار عمومی بهطور مصنوعی بالا میبرد.
این وضعیت یک ریسک سیستمیک ایجاد میکند؛ اگر بازدهی پیشبینیشده از AI محقق نشود، کل این حباب تریلیونی میترکد. این فشار مالی میتواند بازار را برای بازیگران کوچکتر منجمد کند.
گام بعدی شما
- تحلیل کنید که آیا سبد سرمایهگذاری شما بیش از حد به زیرساختهای سنگین (Compute-heavy) وابسته است یا خیر.
- روند IPOهای شرکتهای متوسط AI در پایان ۲۰۲۶ را دنبال کنید تا اثر لغزش این غولها مشخص شود.
- تفاوت بین ارزشگذاری بر اساس «پتانسیل» و «درآمد واقعی» در مدلهای زبانی را رصد کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو