اگر امروز یک موتور استنتاج هوش مصنوعی را بهینه کنید، حاشیه سود شرکتتان می‌تواند تا فردا صبح افزایش یابد. این واقعیت تلخی است که مهندسان Z.ai و سایر آزمایشگاه‌های پیشرو با آن دست‌وپنجه نرم می‌کنند؛ جایی که تنها چند درصد بهبود در نرخ پردازش (Throughput)، در کمتر از ۲۴ ساعت مستقیماً به سود واقعی در دفتر حسابداری تبدیل می‌شود.
تیم ما اخیراً این تجربه را از نزدیک داشت. ما نزدیک به سه هفته تمام به تحلیل‌گرهای کد (Profiler) خیره شدیم و با کارهای خسته‌کننده و بدون زرق‌وبرق، سعی کردیم بهره‌وری زمان‌بندی (Scheduling) و حافظه VRAM را ذره‌ذره بالا ببریم. به محض اینکه این بهینه‌سازی‌ها را در شاخه اصلی کد ادغام و منتشر کردیم، نتیجه آنی بود. سخت‌افزار همان بود، مدل تغییر نکرد و مشتریان هم همان‌ها بودند؛ اما هزینه هر توکن پایین آمد و حاشیه سود ناخالص رشد کرد. یک بهینه‌سازی سطح پایین — که از ذهن یک عضو تیم متولد بعد از سال ۲۰۰۰ بیرون آمده بود — در یک شب به سود در دفاتر مالی تبدیل شد. پنج سال پیش، چنین سرعت تبدیل تکنولوژی به پول، غیرقابل تصور بود.
در زیرساخت‌های سنتی نرم‌افزاری و سخت‌افزاری، یک بهبود ۱۵ درصدی در بهره‌وری، مسیری طاقت‌فرسا تا تجاری‌سازی داشت. در دنیای زیرساخت (Infra)، تبدیل یک نوآوری در سطح کلاستر به مزیت تجاری آن‌قدر سخت بود که می‌توانست هر کسی را به شکستن ادامه دادن وا دارد. شما نمی‌توانستید به سادگی به مشتری بگویید ماشین ۱۵ درصد سریع‌تر شده و قیمت را از یک میلیون به ۱.۱۵ میلیون دلار برسانید. مشتریان در عوض شما را به مدل‌های پیچیده «هزینه کل مالکیت» (TCO) و ساختارهای ریسک می‌کشاندند. آن‌ها بر سر اثبات می‌جنگیدند: چطور ثابت می‌کنید ۱۵ درصد است؟ آیا در واقعیت فقط ۵ درصد نیست؟ چه کسی پایداری را تضمین می‌کند؟ چه کسی نوسانات زنجیره تأمین را متحمل می‌شود؟
به همین دلیل، یک پیشرفت فنی اغلب ماه‌ها یا سال‌ها طول می‌کشید تا به شکل درآمد واقعی از بازار بازگردد. شما به یک سازمان کامل نیاز داشتید تا به کندی در انتهای زنجیره تجاری حرکت کند تا تکنولوژی را به سود و مقیاس تبدیل کند. بدتر اینکه مدل‌ها عمر کوتاهی دارند. ممکن بود ماه‌ها برای بهینه‌سازی یک نسل خاص تلاش کنید، اما قبل از اینکه سرمایه‌گذاری حتی به نقطه سربه برسد، هدف شما ناپدید شود. زیرساخت استنتاج (Inference) — که در واقع لحظه تولید جواب توسط مدل است و شبیه خودِ آشپزی است، نه دوره آموزش آشپز — در وضعیت عجیبی بود: همه باور داشتند بالاخره مهم می‌شود، اما در آن لحظه مدل کسب‌وکار شفافی وجود نداشت.
امروز، ماهیت «توکن» این قواعد را بازنویسی کرده است. توکن‌ها اکنون مانند کالاهای لحظه‌ای (Spot Goods) عمل می‌کنند؛ یعنی قدرت پردازشی که در چند ثانیه تحویل داده می‌شود، نه محصولاتی که نیاز به طراحی، تولید و ارسال داشته باشند. این ویژگی واحد باعث فروپاشی زنجیره شده است. ظرفیت اضافه‌ای که از تولید روزانه استخراج می‌شود، به محض فعال شدن، مستقیماً به عنوان حاشیه سود ناخالص و مزیت رقابتی ثبت می‌شود. دیگر نیازی به انتظار برای سال مالی بعد، مدل‌های TCO یا تیم‌های بازاریابی برای اثبات ارزش نیست. این احتمالاً کوتاه‌ترین زنجیره بین تکنولوژی و سود در کل تاریخ است.
همان‌طور که در تحلیل قبلی ما درباره‌ی اقتصاد مدل‌های بازمتن اشاره کردیم، سرعت تغییرات در لایه‌های زیرین، حالا تعیین‌کننده برنده است.
چرخه بی‌رحمانه عمر مدل‌ها
اگرچه مسیر رسیدن به سود کوتاه‌تر شده، اما پنجره اثرگذاری مدل‌ها نیز به همان اندازه فشرده شده است. ما وارد عصر عجیبی شده‌ایم که در آن رهبری فنی با سرعتی ترسناک به نفوذ تجاری تبدیل می‌شود. اما انتهای این زنجیره هم کوتاه است: زمان حضور یک مدل در کانون توجه، اغلب به سه تا شش ماه کاهش یافته است. بسیاری از مدل‌ها در عرض یک تا سه ماه از «داغ‌ترین موضوع» به «سکوت مطلق» می‌رسند.
- Gemini 3 گوگل در نوامبر ۲۰۲۵ بر صدر جدول‌ها تکیه زد و باعث اعلام وضعیت «کد قرمز» در OpenAI شد. در آن زمان، تمام گفتگوها در گروه‌ها درباره ستایش Gemini بود. اما در عرض شش ماه، بحث‌ها تغییر کرد. اگرچه تعداد کاربران رشد کرد، اما کانون توجه روی آن مسیر خاص تنها سه ماه باقی ماند.
- Claude Opus 4.6 ابتدا توسط متخصصان داخلی و خارجی به عنوان چیزی معرفی شد که دنیا را تغییر می‌دهد و رقبا را نابود می‌کند. اما به سرعت جای خود را به نسخه‌های ۴.۷ و ۴.۸ داد و تحسین‌ها و انتقادها با هر انتشار جدید، از نزدیک آن‌ها را دنبال می‌کردند.
- Codex شرکت OpenAI یک بازگشت شدید داشت. نسخه‌های اولیه مسخره می‌شدند و واقعاً بد بودند. اما با انتشار GPT-5.4 و 5.5، گویی موتور Codex کاملاً تعویض شد. طبق اعلام رسمی، تعداد کاربران فعال هفتگی تا ۲ ژوئن ۲۰۲۶ از ۵ میلیون نفر گذشت که افزایشی ۶ برابری نسبت به زمان عرضه دسکتاپ در فوریه بود.
بازگشت‌های فنی و ارزش بازار
در چین، پیوند بین تکرار فنی و قیمت سهام تقریباً آنی شده است. منطق‌های سنتی ارزش‌گذاری — بر اساس تعداد کاربر، ساختارهای درآمدی یا خندقه های رقابتی (Moats) — تا حد زیادی شکست خورده‌اند. اکنون بازار فقط یک سوال می‌پرسد: آیا نسل فعلی مدل‌های شما به اندازه کافی قدرتمند است؟
- Z.ai یک سال پیش در وضعیت مخاطره‌آمیزی بود و به نظر می‌رسید از رقابت حذف شود. اما این وضعیت با انتشار سریع توالی نسخه‌های GLM-4.5، 4.6 و 4.7 و سپس GLM-5، 5.1 و 5.2 در ابتدای سال تغییر کرد؛ سه نسخه در سه ماه. شش ماه پس از عرضه اولیه (IPO) در هنگ‌کنگ، قیمت سهام آن تقریباً ۸ برابر شد و ارزش بازارش از ۶۰۰ میلیارد دلار هنگ‌کنگ گذشت.
- MiniMax نوسان معکوسی را نشان می‌دهد. در زمان عرضه اولیه، قیمت‌گذاری و ارزش آن مشابه Z.ai بود. قیمت سهامش در روز اول دو برابر شد و ارزش بازارش برای مدتی از ۱۳ میلیارد دلار گذشت. در جریان جهشی در مارس ۲۰۲۶، حتی برای لحظاتی از سهام لیست‌شده Baidu در هنگ‌کنگ پیشی گرفت. اما باد سریع تغییر جهت داد؛ نسل‌های M2.7 و M3 نتوانستند انتظارات را برآورده کنند، بازار روی قیمت‌ها تخفیف گرفت و ارزش بازارش به شدت از اوج خود سقوط کرد.
ظهور مهندسان «جوان»
این محیط، «لایه میانی» سنتی در سلسله‌مراتب شرکتی را حذف کرده است. این دوران برای کسانی که در اوایل دهه بیست زندگی خود هستند، بسیار مهربان است؛ زیرا معیارهای قضاوت اکنون به‌شدت عینی هستند: آیا بهره‌وری بالا رفت یا پایین آمد؟ آیا دقت تغییر کرد؟ وقتی یک پیشرفت فنی روی میز می‌آید، یک تست ساده تکلیف همه چیز را روشن می‌کند.
دیگر تقریباً جایی برای «سابقه‌ی کاری»، «رابطه‌ها» یا نیاز به تاییدیه پیشکسوتان نیست. توسعه‌دهندگان دیگر نیازی ندارند در خواندن آدم‌ها یا بازی‌های سیاسی استاد باشند و مهم نیست که بزرگان صنعت مهر تأیید بزنند یا خیر. یک جوان بیست و چند ساله می‌تواند با یک پیشرفت فنی که فوراً در محیط عملیاتی تایید می‌شود، ارزشی معادل صدها میلیون یا حتی میلیاردها دلار خلق کند.
این تغییر یعنی ارزشمندترین افراد زنجیره، کسانی هستند که واقعاً کار را انجام می‌دهند. دیگر نیازی نیست کل فرآیند با افرادی پر شود که شغلشان فقط «قضاوت درباره صلاحیت شما» باشد. بهره‌وری تولید، خودِ دلیل است و نتایج آن‌قدر سریع هستند که فوراً دیده شوند.
برای شما به عنوان خواننده، این یعنی خندق رقابتی دیگر درباره این نیست که چه کسی تیم فروش بهتری دارد یا برندش شناخته‌شده‌تر است، بلکه درباره این است که چه کسی می‌تواند سریع‌تر در پایین‌ترین لایه‌های پشته (Stack) تغییرات ایجاد کند. عصر «زنجیره‌های طولانی» به پایان رسیده و ما در عصر تبدیل آنی تکنولوژی به تجارت هستیم.
با تمرکز توجهات، محرک‌های اصلی ارزش‌گذاری اکنون کدنویسی و چندوجهی (Multimodal) — یعنی مدل‌هایی که مثل انسان‌ها هم‌زمان متن، عکس و صدا را می‌فهمند — هستند. ضرب‌آهنگ این دوران جهانی است، سرعتش ترسناک است و احتمالاً بی‌رحمانه‌تر خواهد شد. اما با حذف لایه‌های میانی سنگین، ارزش دوباره به نوآوری فنی و کسی که آن را خلق می‌کند بازگشته است. هرچه افراد کمتری در لایه‌های میانی باشند، کسانی که کار را انجام می‌دهند ارزشمندتر می‌شوند.
گام بعدی شما
- اگر مدیر محصول هستید، به جای تمرکز بر ویژگی‌های سطحی، روی کاهش هزینه استنتاج و افزایش نرخ توکن در هر ثانیه فشار بیاورید.
- اگر توسعه‌دهنده هستید، یاد بگیرید چگونه از ابزارهای Profiler برای شناسایی گلوگاه‌های حافظه VRAM استفاده کنید.
- روی مدل‌های استدلالی جدید تمرکز کنید، زیرا پنجره اثرگذاری آن‌ها بسیار کوتاه است و باید سریعاً از آن‌ها بهره ببرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو