آیا آزمایشگاه‌های هوش مصنوعی واقعاً می‌توانند سودده شوند؟
هوش مصنوعی با سرعتی عجیب وارد زندگی مردم و شرکت‌ها شده،اما پشت این رشد بزرگ یک سؤال سخت‌تر هر روز پررنگ‌تر می‌شود: آزمایشگاه‌هایی که مدل‌های معروف را می‌سازند، بالاخره چه زمانی می‌توانند واقعاً سودده شوند؟ داشتن میلیون‌ها کاربر و قراردادهای بزرگ با شرکت‌ها لزوماً به این معنی نیست که دخل‌وخرج این شرکت‌ها با هم جور درمی‌آید.
رویترز در گزارشی تحلیلی به وضعیت مالی شرکت‌هایی مثل آنتروپیک پرداخته است. آنتروپیک در سال ۲۰۲۵ حدود ۴.۶ میلیارد دلار درآمد داشته، اما هزینه محاسبات و زیرساخت آن به حدود ۷.۳ میلیارد دلار رسیده است. همین فاصله نشان می‌دهد که در بازار هوش مصنوعی، فروش محصول فقط یک طرف ماجراست و هزینه آموزش مدل، اجرای پاسخ‌ها و خرید توان پردازشی می‌تواند خیلی سریع‌تر رشد کند.
مشکل اصلی اینجاست که هر بار کاربر از یک مدل هوش مصنوعی سؤال می‌پرسد، پشت صحنه منابع محاسباتی مصرف می‌شود. وقتی پرسش‌ها طولانی باشند یا مدل برای پاسخ دقیق‌تر چند مرحله استدلال انجام دهد، هزینه هر درخواست بالاتر می‌رود. شرکت‌ها از یک طرف دوست دارند کاربران بیشتری جذب کنند و از طرف دیگر باید حواسشان باشد قیمت اشتراک یا قراردادها از هزینه واقعی سرویس کمتر نباشد.
بسیاری از آزمایشگاه‌ها در حال سرمایه‌گذاری سنگین برای ساخت مراکز داده و خرید تراشه هستند. این سرمایه‌گذاری برای رقابت ضروری است، اما فشار مالی زیادی ایجاد می‌کند. مدل‌های جدید به حافظه، برق و شبکه بیشتری احتیاج دارند و حتی بعد از آموزش هم برای پاسخ‌گویی شبانه‌روزی باید روی سرورهای قدرتمند اجرا شوند. به همین دلیل، بالا رفتن درآمد به تنهایی نمی‌تواند مشکل سودآوری را حل کند.
راه‌حل احتمالی، پیدا کردن کاربردهایی است که حاضر باشند برایشان پول بیشتری پرداخت کنند. ابزارهای سازمانی، برنامه‌نویسی، خدمات حقوقی و تحلیل داده می‌توانند حاشیه سود بالاتری از یک چت‌بات عمومی داشته باشند. شرکت‌ها همچنین تلاش می‌کنند مدل‌های کوچک‌تر و کم‌هزینه‌تری بسازند تا برای کارهای روزمره مجبور نباشند همیشه از بزرگ‌ترین مدل استفاده کنند.
با این حال، بازار هنوز در مرحله‌ای است که سرمایه‌گذاران حاضرند برای رشد آینده پول زیادی خرج کنند. این وضعیت تا زمانی ادامه پیدا می‌کند که نشانه‌های روشن‌تری از بازگشت سرمایه دیده شود. اگر هزینه تراشه و برق پایین نیاید یا قیمت‌گذاری سرویس‌ها اصلاح نشود، حتی مشهورترین آزمایشگاه‌ها هم باید بین سرعت رشد و رسیدن به سود یکی را انتخاب کنند.
در نهایت، آینده هوش مصنوعی فقط با کیفیت مدل‌ها تعیین نمی‌شود؛ مدل برنده مدلی است که بتواند با هزینه قابل کنترل، مسئله واقعی مشتری را حل کند. سؤال مهم برای سال‌های بعد این نیست که چه کسی قدرتمندترین مدل را دارد، بلکه این است که چه کسی می‌تواند این قدرت را به یک کسب‌وکار پایدار تبدیل کند.
منبع: Reuters
