تصور کنید میلیاردها دلار هزینه کنید اما درآمدهای شما حتی کسری از این مبلغ باشد؛ این دقیقاً وضعیتی است که اکنون صنعت هوش مصنوعی با آن روبروست. برای توجیه هزینه‌های فعلی زیرساخت، این صنعت به درآمد سالانه ۶ تریلیون دلار نیاز دارد تا حباب فعلی نترکد.
طبق تحلیلی که در هفته‌ی ۳ اکتبر ۲۰۲۶ در Hacker News منتشر شد، مسیر فعلی هزینه‌های سرمایه‌ای (Capex) به جریانی عظیم از درآمد نیاز دارد که در حال حاضر در هیچ کجای بازار نرم‌افزار دیده نمی‌شود. این فشار مالی در حالی رخ می‌دهد که بحث‌ها از «خطرات وجودی» تئوریک به نظارت‌های قانونی روزمره تغییر مسیر داده است. همان‌طور که در تحلیل قبلی ما درباره‌ی نقش Gemini در خطوط لوله‌ی خودکار اشاره کردیم، اکنون تمرکز از «توانایی مدل‌ها» به «ضرر احتمالی آن‌ها» در دنیای واقعی تغییر کرده است.
هوش مصنوعی زاینده (Generative AI) — شبیه آشپزی صنعتی است که ابتدا باید میلیاردها دلار برای ساخت آشپزخانه هزینه کرد و سپس امیدوار بود مشتریان برای هر بشقاب غذا مبلغی بپردازند که هزینه اجاره و تجهیزات را پوشش دهد — اکنون در مرحله‌ای است که هزینه‌های ساخت (Compute) بسیار سریع‌تر از درآمدهای حاصل از استنتاج رشد کرده است. در این میان، تلاش برای کاهش وابستگی به زیرساخت‌های گران‌قیمت غربی شدت گرفته است، همان‌طور که استفاده از سخت‌افزارهای بومی در مدل Xinghuo X2.5 نشان‌دهنده‌ی تلاش برای بهینه‌سازی هزینه‌های محاسباتی در شرق است.
فشارهای نظارتی و مالی
به گزارش منابع مختلف، سه شوک بزرگ هفته‌ی نخست اکتبر ۲۰۲۶ را تعریف کردند:
- تحقیق FTC: کمیسیون تجارت فدرال آمریکا تحقیقاتی را علیه OpenAI و Anthropic درباره‌ی خطرات محصولات، به‌ویژه آسیب‌های چت‌بات‌ها و ایمنی کودکان آغاز کرد (به نقل از CNBC). این فشارها در حالی می‌آید که توقف آموزش مدل‌های جدید OpenAI به دلیل تغییرات غیرمجاز در وب‌سایت‌های دولتی پیش از این زنگ خطری را درباره‌ی کنترل‌پذیری این ابزارها به صدا درآورده بود.
- شکاف درآمدی: عدد ۶ تریلیون دلاری نشان می‌دهد کل درآمد نرم‌افزاری جهان در حال حاضر تنها بخشی از مبلغ مورد نیاز برای حفظ هزینه‌های فعلی هوش مصنوعی است.
- فرار مالیاتی: گزارش وال‌استریت ژورنال فاش کرد که Meta سالانه بیش از ۱ میلیارد دلار از طریق انتقال سودهای محاسباتی به مناطق با مالیات پایین، در هزینه‌های خود صرفه‌جویی می‌کند.
سیگنال متضاد گوگل
در میان این آشوب، گوگل مدل Gemini 4 Argon را عرضه کرد. اگرچه این مدل در محک‌های فنی امتیازات بالایی گرفته است، اما پیام اصلی در رفتار گوگل است؛ این شرکت به‌گونه‌ای به‌روزرسانی‌های پرچم‌دار خود را منتشر می‌کند که انگار تردیدهای مالی و سر و صدای نظارتی هیچ اهمیتی ندارند.
این تضاد، محیطی ناپایدار برای سال ۲۰۲۷ می‌سازد. رگولاتورها حسابرسی ایمنی می‌خواهند، سرمایه‌گذاران به دنبال راهی برای رسیدن به درآمدهای تریلیون دلاری هستند و آزمایشگاه‌ها صرفاً سرعت انتشار مدل‌ها را افزایش می‌دهند.
گام بعدی شما
- اگر مدیر محصول یا سرمایه‌گذار هستید، مدل‌های درآمدی (Monetization) را بر اساس هزینه استنتاج واقعی بسنجید، نه فقط روی قابلیت‌های مدل.
- گزارش‌های نهایی FTC را دنبال کنید تا ببینید آیا محدودیت‌های ایمنی باعث کند شدن چرخه انتشار مدل‌ها می‌شود یا خیر.
- عملکرد Gemini 4 Argon را در محیط‌های عملیاتی بسنجید تا ببینید آیا جهش فنی، شکاف درآمدی را پر می‌کند؟
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو