داده‌های تراکنشی Ramp از هزاران کارت شرکتی نشان می‌دهد رکود هزینه توکن هوش مصنوعی در اوت و سپتامبر به ۱.۵٪ رسیده، در حالی که ژوئیه ۴۲٪ رشد داشته است. این رکود همزمان با آماده‌سازی طرح عمومی اولیه Anthropic و کاهش ارزشیابی آن از ۲ تریلیون به ۱.۲–۱.۳ تریلیون دلار رخ داده است.
روایتی که سال‌ها بازار را می‌چرخاند — استفاده می‌افزاید، هزینه هم می‌افزاید — اکنون چالش‌برانگیز شده. حجم توکن‌ها همچنان رو به بالا است، اما درآمد در هر توکن در حال فروپاشی است. آرا خارازیان، اقتصاددان ارشد Ramp، این پدیده را «شکاف در استدلال هوش مصنوعی» می‌نامد و سری وبلاگ‌ها را تحت این عنوان منتشر کرده است. این تمرکز هزینه در شرکت‌های تکنولوژی با رشد بالا، در حالی است که بیگ‌تک ۷۴۰ میلیارد دلار برای هوش مصنوعی می‌خرج کند و سه غول جریان نقدی منفی دارند.
تمرکز هزینه در ۱٪ برتر شرکت‌ها
تقریباً تمام هزینه هوش مصنوعی از شرکت‌های تکنولوژی با رشد بالا و با سرمایه‌گذاری ریسک‌پذیر می‌آید. ۱٪ برتر شرکت‌ها — «اکثر وابسته به هوش مصنوعی» — در اوج تابستان نزدیک ۱۰ هزار دلار در ماه برای هر کارمند خرج می‌کردند. در اوت و سپتامبر این گروه کمی زیر این سطح افتاد.
رده‌های هزینه برای هر کارمند در ماه:
- ۱٪ برتر: ~۱۰ هزار دلار (اوج تابستان)، کمی کمتر در اوت–سپتامبر
- ۱۰٪ برتر: ۶۰۰ تا ۱۰۰۰ دلار
- میانه: ۱۲ تا ۱۵ دلار
خارازیان می‌گوید: «رکود در ۱٪ برتر برای کند کردن کل درآمد کفایت می‌کند، با وجود اینکه حجم‌ها در حال افزایش هستند.» داده‌های Ramp رشد هزینه در رده‌های میانه و ۱۰٪ برتر را نشان می‌دهد، اما این کافی نیست. او افزود: «اگر به موارد استفاده امروز نگاه کنید، لزوماً مشخص نیست که آن‌ها به سطح ۱۰ هزار دلاری ۱٪ برسند.» اگرچه تقاضای زیادی برای عامل‌های کدنویسی در نرم‌افزار و مالی وجود دارد، «لزوماً درست نیست که یک مطب پزشک یا یک نمایشگاه خودرو نیاز به آن‌قدر هزینه روی هوش مصنوعی داشته باشد.»
جنگ قیمت درآمد را فرسوده
OpenAI در سپتامبر قیمت API را برای GPT-6 Sol و GPT-6 Luna نصف کرد. Anthropic با کاهش قابل‌توجه برای Fable 5.1 و Opus 5.5 پاسخ داد، حرکتی که شرکت اعلام کرد رشد درآمد را حدود ۶۰۰ میلیون دلار کاهش داده. هر دو شرکت تخفیف‌های سازمانی ارائه می‌دهند تا هزینه را قفل کنند، اما این تخفیف‌ها اکنون اهداف درآمدی خودشان را تحت فشار قرار داده‌اند.
اقدامات کلیدی قیمتی:
- OpenAI: کاهش ۵۰٪ برای GPT-6 Sol و GPT-6 Luna (سپتامبر)
- Anthropic: کاهش‌های قابل‌توجه برای Fable 5.1 و Opus 5.5
- فایل Anthropic: تأثیر ~۶۰۰ میلیون دلاری بر رشد درآمد
- هر دو: تخفیف‌های سازمانی که هزینه را قفل می‌کنند اما درآمد را فشرده می‌کنند
خارازیان گفت: «کاهش قیمت OpenAI و Anthropic… فقط استفاده از هوش مصنوعی را ارزان‌تر کرده.» او این پویایی را «بازار خریدار» توصیف کرد.
پویایی بازار خریدار و رقبای جدید
Meta و Nvidia پیشنهادهای سازمانی با مدل‌های ارزان یا وزن‌های باز معرفی می‌کنند. ارائه‌دهندگان مدل چینی فشار را بیشتر می‌کنند. ابزاری به نام Jev — یک مسیریاب سبک برای انتخاب بین خروجی‌های از پیش تعیین‌شده — در رتبه‌بندی Ramp به سرعت صعود می‌کند. برای کارهای ساده بله/خیر، شرکت‌ها مدل‌های ارزان را از طریق Jev مسیریابی می‌کنند و هزینه را بیشتر کاهش می‌دهند.
منظر رقابتی در حال گسترش:
- Meta: پیشنهادهای سازمانی با مدل‌های ارزان
- Nvidia: پیشنهادهای سازمانی با مدل‌های وزن‌های باز
- آزمایشگاه‌های چینی: چندین شرکت مدل باز
- Jev: مسیریاب سبک برای خروجی‌های از پیش تعیین‌شده (کارهای بله/خیر)
- سایر شرکت‌های مدل باز: مبتنی بر آمریکا و چین
خارازیان گفت: «برای بسیاری از موارد استفاده هوش مصنوعی، شما فقط به یک بله/خیر ساده نیاز دارید. پس مدل‌های ارزان‌تان را به Jev منتقل می‌کنید، و حالا چیزهای ارزان‌تان حتی ارزان‌تر می‌شوند.» او اشاره کرد این پویایی‌ها مثل کارهای اینترنتی سوارکاری کار نمی‌کنند چون «رقابت بیش از حد است.»
بهینه‌سازی هزینه توسط مشتریان
شرکت‌ها در صرفه‌جویی بهتر شده‌اند. کاربران پیشرفته بودجه می‌گذارند، برای کارهای طولانی‌مدت پیش‌فرض مدل‌های ارزان‌تر را انتخاب می‌کنند، و هزینه را از مدل‌های استاندارد به مدل‌های سبک‌تر از طریق مسیریاب‌ها منتقل می‌کنند. اکشای کوتهاری، هم‌بنیان‌گذار Notion، خلاصه کرد: «توکن‌ها برر می‌روند. هزینه‌ها آه می‌کشند.»
تاکتیک‌های بهینه‌سازی مشاهده‌شده:
- اعمال بودجه روی کارمندان
- استفاده از پیش‌فرض‌هایی که از مدل‌های گران برای کارهای طولانی‌مدت جلوگیری می‌کنند
- انتقال هزینه از مدل‌های استاندارد و سبک به مدل‌های حتی ارزان‌تر سبک از طریق مسیریاب‌ها
- مسیریابی کارهای ساده (بله/خیر) از طریق ابزارهایی مثل Jev
شتاب مجدد اکتبر و شکاکیت
داده‌های اکتبر شتاب مجددی نشان داد، با افزایش ۸.۹٪ هزینه توکن از ۲۳ سپتامبر تا ۲۳ اکتبر. خارازیان هشدار می‌دهد که بادهای مخالف قوی باقی مانده‌اند. این رکود مسئله تقاضا نیست — حجم‌ها بالا هستند. این مسئله قیمتی و کارایی است.
خارازیان گفت رکود «به دلیل مسئله تقاضا نیست. باز هم حجم‌های هوش مصنوعی بالا هستند. در عوض به طبیعت رقابتی بازار اشاره می‌کند.» او افزود: «دوران رشد فوق‌العاده ممکن است تمام شده باشد، و اکنون که می‌دانیم شاید عصاره‌ای برای از ۱٪ برتر خارج کردن باقی نمانده باشد.» این کاهش ارزشیابی همزمان با گزارش‌هایی است که سودآوری Anthropic می‌تواند کاهش ارزش‌گذاری IPO را جبران کند.
کاهش ارزشیابی و نگرانی‌های اعتباری
بلومبرگ گزارش می‌دهد ارزشیابی بالقوه Anthropic از ۲ تریلیون به ۱.۲–۱.۳ تریلیون دلار افتاده. شرکت همچنین روبروی رتبه‌بندی «زباله» از آژانس‌های اعتباری است. کاهش موازی ارزشیابی OpenAI به ۱.۲۵ تریلیون دلار و کاهش ۱۰ میلیارد دلاری هدف جمع‌آوری سرمایه نشان می‌دهد مجموعه داده Ramp احتمالاً نگرانی‌های گسترده‌تر سرمایه‌گذاران را مطلع می‌کند.
امیدهای رشد بعدی: عامل‌های شخصی
سرمایه‌گذاران امیدوارند عامل‌های شخصی محرک درآمد بعدی به سبک عامل‌های کدنویسی شوند. OpenAI، xAI و Meta عامل‌های شخصی منتشر کرده‌اند، در کنار استارتاپ‌هایی مثل Instinct. خارازیان شکاک است. عامل‌های شخصی «به اندازه کدنویسی از نظر اقتصادی تولیدی نیستند»، می‌گوید، و ممکن است تقویت لازم برای رشد بی‌وقفه را فراهم نکنند.
منظر عامل شخصی:
- OpenAI: عامل شخصی منتشر کرده
- xAI: عامل شخصی منتشر کرده
- Meta: عامل شخصی منتشر کرده
- Instinct: استارتاپ عامل شخصی
خارازیان گفت: «پیش‌بینی این است که محصولات جدید معرفی خواهند شد که رشد بیشتر را القا کنند. اما بر اساس آنچه امروز می‌بینیم و محصولات موجود و آنچه از نظر تجاری پیشرفته است، هزینه هوش مصنوعی شروع به کند شدن کرده.»
پیامدهای سرمایه‌گذار و ریسک سیستمی
خارازیان از اثرات متوالی هشدار داد: «تقریباً کل هزینه روی هوش مصنوعی از شرکت‌های تکنولوژی با رشد بالا و با سرمایه‌گذاری ریسک‌پذیر می‌آید. این خوب است تا زمانی که هزینه هوش مصنوعی بالا برود، اما اگر به دلیل چیزی در بازار یا عامل دیگر کند شود، آن‌ها همگی به طور همزمان کند می‌شوند، و این می‌تواند به اثرات متوالی دیگر منجر شود.»
پویایی رقابتی در برابر تشبیه سوارکاری
رقابت قیمتی در هوش مصنوعی شبیه جنگ‌های اولیه سوارکاری است، اما با تفاوت حیاتی. Uber و Lyft در نهایت ادغام شدند و قیمت‌ها را بالا بردند. در هوش مصنوعی، Meta، Nvidia، آزمایشگاه‌های چینی و جوامع وزن‌های باز رقابت دائمی را تضمین می‌کنند. هیچ بازیگر منفردی نمی‌تواند بازار را در گوشه بگیرد.
دوران رشد فوق‌العاده ممکن است تمام شده باشد. شرکت‌های مدل اکنون با معضل کلاسیک نوآور روبرو هستند: کاهش قیمت‌های خودشان و رقابت وزن‌های باز درآمد در هر توکن را که برای توجیه ارزشیابی تریلیونی لازم است، نابود می‌کنند. مشتریان برنده‌اند — آن‌ها از هوش مصنوعی بیشتر برای پول کمتر استفاده می‌کنند. اما ارائه‌دهندگان مدل‌های پرهزینه باید انگیزه‌های رشد جدید بیابند یا گسترش کندتر و پایدارتر را بپذیرند.
داده‌های هزینه فصل چهارم را رصد کنید تا تایید شود آیا شتاب اکتبر دوام می‌آورد. قیمت‌گذاری طرح عمومی Anthropic تست خواهد کرد که آیا بازارهای عمومی روایتی جدید رشد را می‌پذیرند. کیلر اپلیکیشن بعدی — اگر عامل‌های شخصی نباشند، پس چی؟ — کارت برنده باقی‌مانده است که می‌تواند منحنی هزینه را مجدداً راه بینداز.
گام بعدی شما
- اگر بودجه هوش مصنوعی تیم شما در حال رشد است، پیش‌فرض‌های مدل را بررسی کنید: کارهای طولانی‌مدت را به مدل‌های سبک‌تر یا مسیریاب‌هایی مثل Jev بسپارید.
- ارزشیابی‌های طرح عمومی Anthropic و OpenAI را در ماه‌های آینده رصد کنید؛ آن‌ها سیگنال قوی‌تری از نظر بازار درباره دوام درآمد می‌دهند.
- برای موارد استفاده ساده بله/خیر، مدل‌های باز و ارزان را از طریق مسیریاب‌های سبک تست کنید — هزینه می‌تواند یک رده پایین‌تر برود.
گفتگو