آزمایشگاههای هوش مصنوعی از نگاه کسبوکار
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
رهیت کریشنان تو این مقاله پیشنهاد میده حرفهای شبهمذهبی دربارهٔ هوش مصنوعی رو یه لحظه کنار بذاریم و آزمایشگاههای پیشرو مثل OpenAI و Anthropic رو، که دارن برای عرضهٔ عمومی سهام (IPO) آماده میشن، مثل یه کسبوکار معمولی نگاه کنیم. به گفتهٔ نویسنده، مشکل اصلی نه سرمایهست نه حاشیهٔ سود؛ اینه که این شرکتها فقط یکی دو مدل از موج متنباز و بقیهٔ دنیا جلوترن و همین دو مدل خندق دفاعیشونه.
نویسنده میگه این برتری از استعداد، قدرت محاسباتی و دادههایی میاد که کاربرها موقع کدنویسی و کار باهاشون تولید میکنن. ولی آزمایشگاههای چینی نشون دادن این فاصله کمکم پر میشه. برای همین آزمایشگاهها دارن سراغ بازارهای دیگه میرن: OpenAI با بیش از یک میلیارد کاربر یه پلتفرم تبلیغاتی راه انداخته و دوباره سراغ رباتیک رفته، Anthropic هم آزمایشگاه زیستی (wet lab) داره. مشکل اینه که کمتر صنعتی هست که بشه ازش ۱۰۰ میلیارد دلار درآمد درآورد.
از اون طرف، مصرفکنندهها که الان بیش از ۲۰۰ میلیارد دلار خرج توکن میکنن دارن به سقف بودجهشون میرسن. نویسنده صحنهٔ مدیر مالیای رو تعریف میکنه که میپرسه «این خرج کجای صورت سود و زیان پیداست؟». به گفتهٔ اون، الان هم شرکتها مدلهای گرون رو فقط به کاربرهای اصلی میدن و بقیه رو میفرستن سراغ مدلهای ارزون. یعنی رقابت کمکم به قیمت و بازده میرسه، نه به قویترین مدل.
به نظر نویسنده، آزمایشگاهها دو راه دارن: یا مدل ارزونتر بسازن و سر حاشیهٔ سود کمتر با Deepseek و GLM و Minimax بجنگن، یا از راه قانونگذاری جلوی مدلهای رقیب رو بگیرن که هم سخته و هم ممکنه نتیجهٔ عکس بده. جایزهٔ بزرگتر اما RSI یا خودبهبودی بازگشتیه، یعنی مدلی که خودش پژوهش کنه و نسل بعدی خودش رو بسازه تا فاصلهٔ دو نسلی بشه بیست نسل.
نویسنده به این سناریو شک داره. میگه مدلی که معادلات Navier-Stokes رو حل میکنه هنوز نمیتونه یه دکهٔ موز رو بچرخونه، و با اینکه هزینهها هزار برابر شده هنوز اثر منفی جدی روی شغلهای اداری دیده نشده. به نظرش ما به ابرهوشهایی برای کارهای خاص میرسیم نه ابرهوشی که همهکار بکنه، و کسبوکارهای هوش مصنوعی هم مثل هر کسبوکار دیگهای تابع محدودیتهای معمولی اقتصاد میمونن.
نکات کلیدی:
- به گفتهٔ نویسنده، برتری OpenAI و Anthropic فقط یکی دو نسل مدل جلوتر از رقیبهاست.
- درآمد آزمایشگاهها حدود ۱۰۰ میلیارد دلار با رشد سالانهٔ سه برابره و مصرف توکن بیش از ۲۰۰ میلیارد دلار.
- هر دورهٔ آموزش مدل حدود یک میلیارد دلار، بهعلاوهٔ یک میلیارد برای داده و یک میلیارد برای نیروی انسانی هزینه داره.
- شرکتها دارن مدلهای گرون رو محدود میکنن و خرج رو به سمت مدلهای ارزونتر میبرن.
- نویسنده معتقده RSI (خودبهبودی بازگشتی) جایزهٔ اصلیه ولی احتمالاً یکشبه اتفاق نمیافته.
