تصور کنید شرکتی را که برای جذب مشتری، خدماتش را ۷۰ برابر ارزان‌تر از قیمت واقعی می‌فروشد؛ OpenAI دقیقاً همین بازی خطرناک را پیش برد. حالا با رسیدن ضرر این شرکت به ۳۸.۵ میلیارد دلار، دوران «توقف رایگان» برای کاربران سازمانی به پایان رسیده است.
دوران یارانه‌های سنگین برای توکن (Token) — یعنی تکه‌های کوچکی از متن، شبیه برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — به اتمام رسیده و جای خود را به صورت‌حساب‌های متری داده است که بودجه‌های شرکتی را شوکه کرده است.
برای سال‌ها، پلتفرم‌های AI مانند یک «کالای پیشرو در ضرر» عمل کردند؛ یعنی سرمایه را می‌سوزاندند تا تقاضای مصنوعی ایجاد کنند. هدف این الگوریتم، اعتیاد کاربران به ابزارها بود تا در نهایت قیمت‌های گزافی را برای بازگشت سرمایه‌های کلان بپذیرند. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، این استراتژی رشد سریع اما ناپایدار بود.
این گذار تنها یک تغییر قیمت ساده نیست، بلکه یک اصلاح ساختاری است. وقتی شرکت‌ها از هزینه‌های ماهیانه پیش‌بینی‌پذیر به سمت هزینه‌های نوسانی توکن می‌روند، مزیت اقتصادی AI نسبت به نیروی انسانی در حال تبخیر شدن است.
زمینه‌ها و هشدارهای اولیه
این بحران در خلأ ایجاد نشد. طبق گزارش‌های منتشر شده، تردیدها درباره شکاف درآمدی AI از اواخر سال ۲۰۲۳ شروع شد. دیوید کان از Sequoia Capital در سپتامبر ۲۰۲۳ تحلیل «پرسش ۲۰۰ میلیارد دلاری AI» را منتشر کرد و تنها ۹ ماه بعد در گزارش دوم خود، این رقم را به ۶۰۰ میلیارد دلار رساند.
روزنامه‌نگاران مستقلی مانند اد زیترون، مدت‌ها پیش از رسانه‌های جریان اصلی، این مشکلات ساختاری را هشدار داده بودند. موج تغییر زمانی آغاز شد که شرکت‌ها به‌طور علنی از هزینه توکن‌هایی که کارکنانشان «می‌سوزاندند»، شکایت کردند.
شکاف یارانه‌ای و اعداد تکان‌دهنده
بر اساس بررسی منابع متعدد از جمله Ed Zitron و SemiAnalysis، مقیاس یارانه‌های قبلی تکان‌دهنده بود. این وضعیت باعث شد تقاضایی ایجاد شود که هیچ ارتباطی با ارزش واقعی بازار نداشت؛ در برخی تخمین‌ها، پلتفرم‌ها ۸ تا ۱۴ دلار هزینه می‌کردند تا تنها ۱ دلار درآمد کسب کنند.
تحلیل SemiAnalysis با اجرای تسک‌های کدنویسی طولانی نشان داد که در اشتراک‌های ۲۰۰ دلاری ماهیانه، کاربران می‌توانستند مقادیر عظیمی از محاسبات را مصرف کنند:
- کاربران Anthropic تا ۸,۰۰۰ دلار توکن را با پرداخت ۲۰۰ دلار مصرف می‌کردند (یارانه‌ی ۴۰ برابری).
- کاربران OpenAI تا ۱۴,۰۰۰ دلار توکن را با همان ۲۰۰ دلار می‌سوزاندند (یارانه‌ی ۷۰ برابری).
این یعنی OpenAI هزینه‌های مشتریان سازمانی را تا ۷۰ برابر بیشتر از مبلغ اشتراک پرداخت می‌کرد. جالب اینجاست که با وجود یارانه‌ی بسیار بیشتر OpenAI، نرخ پذیرش تجاری این شرکت متوقف شده اما Anthropic رشد چشمگیری داشته است.
فروپاشی حاشیه سود
تحلیلگران SemiAnalysis حاشیه سود ناخالص این پلتفرم‌ها را بررسی کردند. آن‌ها حتی با این فرض خوش‌بینانه که قیمت توکن‌ها ۴ برابر هزینه تولید آن‌هاست، باز هم ریاضیات پاسخ نمی‌داد.
با یارانه‌های فعلی، اگر کاربر تنها ۲۵٪ از سقف مجاز خود را مصرف کند، حاشیه سود پلتفرم به ۲۵- درصد می‌رسد. در واقع، این شرکت‌ها برای حفظ پایگاه کاربر خود، پول را در کوره می‌سوزاندند.
بحران مالی OpenAI
به نقل از مستندات مالی سال ۲۰۲۵ که در ۱۵ ژوئن ۲۰۲۶ توسط زیترون بررسی شد، OpenAI برای حفظ هایپ (Hype) خود، بسیار بیشتر از درآمدش هزینه می‌کند. این اعداد گسستی عمیق بین درآمد و مخارج را نشان می‌دهد.
OpenAI درآمد ۱۳.۰۷ میلیارد دلاری در برابر هزینه‌های ۳۴ میلیارد دلاری گزارش کرد. ضرر خالص شرکت به ۳۸.۵۳ میلیارد دلار رسید. بخشی از این رقم به دلیل تبدیل شرکت از نهاد غیرانتفاعی به انتفاعی و تغییر ارزش منافع قابل تبدیل است.
در پایان سال، OpenAI کمی بیش از ۵۰ میلیارد دلار دارایی داشت که تقریباً نیمی از آن وجه نقد بود. تکان‌دهنده‌ترین بخش، هزینه بازاریابی است؛ OpenAI مبلغ ۵.۷۳ میلیارد دلار صرف فروش و بازاریابی کرد که تقریباً ۴۴٪ از کل درآمدش است.
چرخش به سمت صورت‌حساب توکنی
برای توقف این خون‌ریزی مالی، صنعت به سمت صورت‌حساب مبتنی بر توکن می‌رود. Microsoft این روند را از آوریل ۲۰۲۶ آغاز کرد. اسناد داخلی فاش شده نشان می‌دهد مایکروسافت قصد دارد کاربران GitHub Copilot را به مدلی منتقل کند که بر اساس میزان واقعی محاسبات (Compute) — یعنی همان قدرت پردازشی سخت‌افزار برای اجرای مدل — هزینه پرداخت کنند.
- هزینه‌های داخلی: اسناد نشان داد هزینه اجرای کوپایلت بین ژانویه و آوریل تقریباً دو برابر شد.
- محدودیت کاربران: مایکروسافت قصد داشت ثبت‌نام‌های جدید برای لایه‌های دانشجویی و فردی را متوقف کند تا محدودیت‌های سخت‌گیرانه را اعمال نماید.
- مهاجرت داخلی: تیم‌های داخلی مایکروسافت در بخش ویندوز، آفیس و Teams تا ۳۰ ژوئن ۲۰۲۶ به Copilot CLI منتقل می‌شوند تا هزینه‌های داخلی کدنویسی AI مهار شود.
پارادوکس نیروی انسانی
شرکت‌ها اکنون کشف کرده‌اند که AI می‌تواند گران‌تر از کارمند باشد. در می ۲۰۲۶، برخی مدیران عامل متوجه شدند که با حذف یارانه‌ها، هزینه‌های آن‌ها ۷ برابر شده است.
Bryan Catanzaro، معاون یادگیری عمیق کاربردی در Nvidia، به Axios گفت هزینه‌های محاسباتی تیم او اکنون از حقوق کارکنانش بیشتر شده است. این اعترافعنی از سوی شرکتی است که «بیل‌های دوران تب طلا» (سخت‌افزارها) را می‌فروشد.
دیگر رهبران صنعت نیز شوک‌های مشابهی را گزارش کرده‌اند:
Praveen Naga، مدیر فنی Uber، بودجه‌های خود را پس از اینکه در اواسط ۲۰۲۶ «به شدت تخریب شدند»، بازنویسی کرد.
Amos Bar-Joseph از Swan AI صورت‌حساب ۱۱۳,۰۰۰ دلاری از Anthropic برای یک تیم چهار نفره دریافت کرد. این یعنی ۲۸,۰۰۰ دلار برای هر نفر در ماه، که احتمالاً از دستمزد ماهیانه آن‌ها بیشتر است.
رسانه‌های اصلی مانند Bloomberg و Scott Galloway نیز این روند را دنبال کرده‌اند. Jowi Morales اشاره کرد که هوش مصنوعی عامل‌محور (Agentic AI) — مدل‌هایی که می‌توانند به طور مستقل هدف‌ها را دنبال کنند و ابزارها را به کار بگیرند — می‌تواند تا ۱,۰۰۰ برابر بیشتر از AI استاندارد توکن مصرف کند و بدین ترتیب گران‌تر از استخدام انسان باشد.
یک مطالعه MIT در سال ۲۰۲۴ تأیید کرد که در ۷۷٪ موارد، نیروی انسانی هنوز ترجیح داده می‌شود.
تلهٔ بدهی
صنعت با یک بحران بدهی قریب‌الوقوع مواجه است. سرمایه‌گذاری عظیم در مرکز داده (Data Center) بسیار ریسکی است، زیرا ۶۰٪ این هزینه‌ها مربوط به سخت‌افزارهایی است که سریعاً مستهلک می‌شوند.
تحلیلگر Will Lockett تخمین می‌زند پلتفرم‌های AI در چند سال آینده حدود ۳ تریلیون دلار بدهی جمع کنند. سرویس‌دهی به این بدهی با نرخ بهره ۳٪، به سود سالانه ۳۰۹ میلیارد دلار نیاز دارد. حتی انحصارگرانی مثل گوگل نیز سود کافی برای بازپرداخت این مبلغ را ندارند.
ریاضیات جایگزینی
اگر فرض کنیم حاشیه سود ۱۰٪ باشد و هزینه AI با انسان برابر شود، برای بازپرداخت ۳۰۹ میلیارد دلار بدهی، صنعت باید ۴۶.۸ میلیون شغل (حدود ۲۷٪ از تمام مشاغل آمریکا) را جایگزین کند تا از ورشکستگی نجات یابد.
حتی با احتساب هزینه‌های جانبی کارمند (بیمه و فضای اداری)، این رقم به جایگزینی ۳۲.۵ میلیون شغل می‌رسد. صنعت برای بقا، روی مقیاس تکان‌دهنده‌ای از حذف نیروی انسانی شرط‌بندی کرده است.
بازدهی هایپرسکیلرها
طبق داده‌های FT / Panmure Liberum، بازدهی سرمایه‌گذاری AI از ۲۰۲۵ تا ۲۰۳۰ حتی در خوش‌بینانه‌ترین حالت (بدون هزینه عملیاتی) برای غول‌های فناوری غم‌انگیز است:
- Amazon: ۷.۲+ درصدی
- Microsoft: ۹.۲- درصدی
- Alphabet: ۱۵.۷- درصدی
- Meta: ۲۸.۸- درصدی
- Oracle: ۳۵.۶- درصدی
تنها آمازون بازدهی مثبت نشان می‌دهد، آن هم با فرض صفر بودن هزینه‌های عملیاتی. در واقعیت، استهلاک GPU و قبض‌های برق، این ضررها را عمیق‌تر می‌کند.
واکنش‌ها و عقب‌نشینی بازار
افزایش ناگهانی قیمت‌ها باعث عقب‌نشینی شرکت‌ها شده است. Sam Altman اخیراً پذیرفت که هزینه‌ها به یک «مسئله بزرگ» برای مشتریان تبدیل شده و OpenAI در حال بررسی کاهش شدید قیمت‌ها برای رقابت با Anthropic است.
این روند با دیدگاه‌های متخصصانی هم‌سو است که معتقدند برای بقای اقتصادی، بخش بزرگی از حجم عملیات هوش مصنوعی باید به مدل‌های ارزان منتقل شود تا هزینه‌ها مهار گردند.
Anthropic نیز در ژوئن ۲۰۲۶ مجبور شد صورت‌حساب توکنی برای Claude Agent SDK را متوقف کند، زیرا هزینه برای کاربران سنگین بیش از حد شدید بود.
این نوسانات مالی باعث می‌شود مسیر سودآوری برای IPOهای احتمالی OpenAI و Anthropic بسیار گمانه‌زنانه باشد. در حالی که این شرکت‌ها میلیاردها می‌سوزانند، xAI چنان عملکرد ضعیفی داشته که گفته می‌شود کارکنانش از آن استفاده نمی‌کنند و ماسک مجبور شده زیرساخت‌های رقیبان را اجاره کند.
گام بعدی شما
- اگر مدیر محصول یا CTO هستید، بودجه AI خود را از مدل «اشتراکی» به «مصرفی» تغییر دهید تا با شوک‌های قیمتی مواجه نشوید.
- مصرف توکن‌های مدل‌های عامل‌محور خود را مانیتور کنید؛ این‌ها می‌توانند هزینه‌های شما را ۱,۰۰۰ برابر افزایش دهند.
- در ارزیابی ROI (بازگشت سرمایه)، هزینه استهلاک سخت‌افزار را در محاسبات خود بگنجانید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو