اگر بودجهی ابزارهای فنی تیمتان را مدیریت میکنید، باید بدانید که دوران صورتحسابهای ثابت به پایان رسیده است. مایکروسافت در حال تغییر مدل درآمدی گیتهاب کوپایلت (GitHub Copilot) است تا هزینههای سرسامآور زیرساختی خود را جبران کند.
این اتفاق در حالی رخ میدهد که صنعت هوش مصنوعی با یک دیوار مالی برخورد کرده است. مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — برای هر پاسخ نیاز به محاسبات سنگینی دارند. همانطور که در تحلیلهای پیشین ما دربارهی اقتصاد مراکز داده اشاره کردیم، تکیه بر سرمایههای ریسکپذیر برای پوشش هزینهها دیگر پاسخگو نیست و حالا شرکتهایی مثل Anthropic که آمادهی عرضه در بورس (IPO) هستند، باید پاسخ دقیقی به پرسش سودآوری بدهند.
به گزارش پادکست Equity از وبسایت TechCrunch در تاریخ ۷ ژوئن ۲۰۲۶، وضعیت فعلی قیمتگذاری هوش مصنوعی بسیار متزلزل است:
- مایکروسافت مدل پرداخت ثابت را کنار میگذارد تا هزینه هر استنتاج (Inference) — مثل خودِ آشپزی، نه دورهی آموزش آشپز — را مستقیماً از کاربر بگیرد.
- شرکت اوبر (Uber) بودجهی هوش مصنوعی خود را سریعتر از حد انتظار مصرف کرده و مجبور شده محدودیتهای شدیدی برای استفاده کاربران اعمال کند.
- قیمت ۲۰ دلاری ChatGPT Plus از ابتدا یک تخمین تقریبی بود، نه یک استراتژی دقیق بر اساس هزینه.
این تغییر برای جیب شما به این معناست که دیگر نمیتوانید با یک مبلغ ثابت، هر چقدر میخواهید کد تولید کنید. از این پس، هر خط کد که مدل تولید میکند، هزینهای دارد. این یعنی دوران «هوش مصنوعی ارزان» به پایان رسیده و آزمایشگاهها یا باید هزینهها را کاهش دهند یا حاشیه سود را بالا ببرند.
گام بعدی شما
- بررسی دقیقتر سوابق مالی (S-1) شرکتهای AI در زمان IPO برای درک ریسکهای هزینه.
- تخمین میزان توکن (Token) — تکههای کوچکی از متن، مثل برشهای یک کیک طولانی که مدل تکهتکه میخورد — مصرفی تیم توسعه برای پیشبینی بودجه.
- بررسی ابزارهای جایگزین با وزنهای باز (Open Weights) که در آنها دستور پخت مدل علناً منتشر شده است.
اما این فشار مالی تنها روی نرمافزار نیست؛ بحران تراشههای گرافیکی وضعیت را پیچیدهتر میکند — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو