اگر هزینه‌های سرسام‌آور مدل‌های هوش مصنوعی را دنبال می‌کنید، استراتژی جدید اسنپ (Snap) یک درس عملی در مدیریت بودجه است. طبق گزارش تک‌کرانچ (TechCrunch) در ۱۸ ژوئن ۲۰۲۶، این شرکت تیم داخلی ویدیوهای هوش مصنوعی زاینده (Generative AI) — که شبیه آشپزخانه‌ای است که دستور پخت‌های جدید را امتحان می‌کند تا غذای نهایی تولید شود — را به شرکتی مستقل به نام Dotmo تبدیل کرد تا فشار مالی پردازش‌های سنگین را از ترازنامه‌ی خود حذف کند.
این تصمیم در حالی می‌آید که اسنپ سال متلاطمی را پشت سر گذاشته است. در اوایل سال ۲۰۲۶، این شرکت ابتدا واحد عینک‌های هوشمند خود یعنی Specs را به دلیل قیمت ۲۲۰۰ دلاری و سقوط ارزش سهام جدا کرد. همچنین در موجی از تعدیل نیرو، ۱۰۰۰ employee از سازمان حذف شدند. همان‌طور که در تحلیل قبلی ما درباره‌ی مدل‌های کسب‌وکار در عصر AI اشاره کردیم، بسیاری از شرکت‌ها اکنون مجبورند بین «مالکیت کامل» و «زنده ماندن» یکی را انتخاب کنند. در این مسیر، مدیریت اثرات زیست‌محیطی و هزینه‌های جاری به دغدغه‌ای کلیدی تبدیل شده است؛ به‌طوری که حتی غول‌هایی مانند آنتروپیک نیز در تلاش‌اند تا ردپای کربنی ناشی از این پردازش‌های عظیم را جبران کنند.
بر اساس مستندات منتشر شده، این جدایی کامل نیست و یک مدل ترکیبی است:
- Dotmo بر توسعه مدل‌های هوش مصنوعی برای بازی‌های تعاملی و سرگرمی تمرکز می‌کند.
- بابی مورفی (Bobby Murphy)، مدیر فنی اسنپ، سرمایه‌گذار اصلی این شرکت است و سهم شخصی بزرگی دارد، هرچند همچنان به‌صورت تمام‌وقت در اسنپ می‌ماند.
- اسنپ در ازای اعطای مجوزهای تکنولوژی به شرکت جدید، سهم قابل‌توجهی از سهام آن را دریافت کرد.
این رویکرد به اسنپ اجازه می‌دهد بار مالی استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند و منابع سخت‌افزاری را می‌بلعد — را به دوش شرکت جدید بیندازد و در عین حال از رشد احتمالی Dotmo سود ببرد. در واقع، اسنپ یک بخش هزینه‌بر داخلی را به یک شراکت استراتژیک تبدیل کرده است.
گام بعدی شما
- اگر مدیر محصول هستید، مدل «شرکت‌های اسپین-آف» (Spin-off) را برای تیم‌های R&D پرهزینه بررسی کنید.
- روند جذب سرمایه خارجی Dotmo را دنبال کنید تا بفهمید آیا این مدل بدون حمایت اسنپ بقا دارد یا خیر.
- اثر این جدایی بر کیفیت فیلترهای ویدیو در اپلیکیشن اسنپ را در هفته‌های آینده بسنجید.
اما ابعاد سخت‌افزاری این کاهش هزینه‌ها حتی پیچیده‌تر است؛ برای درک اینکه چرا پردازش ویدیو اینقدر گران است، تحلیل ما درباره تراشه‌های Blackwell را بخوانید.
گفتگو