پس از ماهها سرمایهگذاری سنگین روی ابزارهای هوش مصنوعی، شرکتها اکنون بهجای افزایش مصرف، به دنبال کاهش هزینهها و افزایش بهرهوری هستند. این تغییر رویکرد، علاوه بر سوق دادن سازمانها به استفاده از مدلهای ارزانتر، رشد شرکتهایی مانند OpenAI و آنتروپیک را نیز تحت فشار قرار داده و آنها را برای جذب سرمایههای جدید به سمت عرضه اولیه سهام (IPO) سوق داده است.
پایان «توکنمکسینگ» و آغاز عصر بهرهوری
بازار جهانی هوش مصنوعی با واقعیت اقتصادی تازهای روبهرو شده است. براساس گزارشهای جدید، شرکتها و استارتاپها از دورهای که به «توکنمکسینگ» (Tokenmaxxing) یا مصرف بیمحابای توکنهای هوش مصنوعی شناخته میشد، فاصله گرفتهاند و اکنون تمرکز خود را بر مدیریت هزینهها و استفاده از مدلهای مقرونبهصرفه قرار دادهاند.
کارشناسان صنعت معتقدند موج اولیه هیجان هوش مصنوعی جای خود را به تصمیمگیریهای اقتصادی داده است؛ جایی که مدیران مالی بیش از هر زمان دیگری به هزینه واقعی استفاده از این فناوری توجه میکنند.
صورتحسابهای سنگین، زنگ خطر را به صدا درآورده است
یکی از مهمترین عوامل این تغییر، افزایش چشمگیر هزینه استفاده از مدلهای هوش مصنوعی، بهویژه در حوزه تولید کد، است. برای نمونه، شرکت اوبر تنها در چهار ماه نخست سال، کل بودجه سالانه اختصاصیافته به هوش مصنوعی را مصرف کرد و در ادامه ناچار شد محدودیتهایی برای دسترسی کارکنان به این ابزارها اعمال کند.
این چالش تنها به شرکتهای بزرگ محدود نیست. گزارش مؤسسات مشاورهای نشان میدهد بسیاری از کسبوکارهای متوسط، برنامههای توسعه هوش مصنوعی خود را متوقف کردهاند تا طی ۱۲ تا ۱۸ ماه آینده، نرخ بازگشت سرمایه (ROI) این فناوری با شفافیت بیشتری مشخص شود.
در همین حال، پلتفرم مدیریت مالی Ramp اعلام کرده است که بسیاری از واحدهای مالی هنوز ابزار یا سازوکار مشخصی برای مدیریت هزینههای متغیر و پنهان توکنها در اختیار ندارند و همین موضوع، هزینههای هوش مصنوعی را به یکی از مبهمترین بخشهای بودجه سازمانها تبدیل کرده است.
توسعهدهندگان نیز به فکر کنترل هزینه افتادهاند
در واکنش به این فشارها، شرکتهای توسعهدهنده مدلهای هوش مصنوعی نیز ناچار به ارائه ابزارهای مدیریت مصرف شدهاند.
OpenAI بهتازگی پنلهای تحلیلی و قابلیتهای جدیدی برای مشتریان سازمانی معرفی کرده است که امکان تعیین سقف مصرف اعتبار و محدودسازی بودجه کاربران را فراهم میکند. آنتروپیک نیز داشبوردی مشابه ارائه کرده تا مدیران بتوانند برای کاربران و تیمها محدودیتهای مالی تعریف کنند و از افزایش کنترلنشده هزینهها جلوگیری شود.
با این حال، بسیاری از کارشناسان معتقدند مدلهای قیمتگذاری فعلی هنوز در مراحل ابتدایی بلوغ قرار دارند و تا رسیدن به ساختاری شفاف و قابل پیشبینی فاصله زیادی باقی مانده است.
مهاجرت به مدلهای ارزانتر آغاز شده است
افزایش هزینهها بسیاری از شرکتها را به سمت جایگزینهای اقتصادیتر سوق داده است. «فلو کریولو»، مدیرعامل استارتاپ ۲۵ نفره Lindy، اعلام کرده است که این شرکت استفاده از مدل Claude آنتروپیک را کنار گذاشته و به مدل متنباز و کمهزینه شرکت چینی DeepSeek مهاجرت کرده است؛ تصمیمی که به گفته او طی چند ماه، میلیونها دلار صرفهجویی به همراه داشته و نقش مهمی در تداوم فعالیت شرکت ایفا کرده است.
همزمان، رویکردی با عنوان «مدل روتینگ» (Model Routing) نیز در حال گسترش است؛ روشی که در آن وظایف ساده به مدلهای ارزانتر سپرده میشود و تنها پردازشهای پیچیده به مدلهای پیشرفته ارجاع داده میشوند. این راهکار، ضمن حفظ کیفیت، هزینه استفاده از هوش مصنوعی را به شکل قابلتوجهی کاهش میدهد.
رقابت غولهای فناوری برای شکستن انحصار
همزمان با تغییر رفتار بازار، شرکتهای بزرگ فناوری نیز استراتژیهای تازهای برای کاهش هزینهها در پیش گرفتهاند. مایکروسافت مدلهای کمهزینهتری عرضه کرده، آمازون با توسعه تراشههای اختصاصی به دنبال کاهش هزینه پردازش است و گوگل نیز با ارائه مدل Gemini 3.5 Flash گزینهای با قیمتی بهمراتب پایینتر از مدلهای همرده وارد بازار کرده است.
مایکروسافت که از سرمایهگذاران اصلی OpenAI و آنتروپیک به شمار میرود، اکنون در GitHub Copilot نیز از فناوری «مدل روتینگ» استفاده میکند. «ساتیا نادلا»، مدیرعامل این شرکت، اخیراً هشدار داده است که آینده صنعت هوش مصنوعی نباید به چند مدل انحصاری وابسته باشد؛ زیرا تمرکز بیش از حد قدرت در اختیار تعداد محدودی از ارائهدهندگان، میتواند پیامدهای اقتصادی و حتی سیاسی به همراه داشته باشد.
عرضه اولیه؛ راهی برای تأمین سرمایه آینده
در شرایطی که رشد بازار با فشار هزینهها روبهرو شده است، OpenAI و آنتروپیک نیز به دنبال جذب منابع مالی تازه هستند. گزارشها حاکی از آن است که OpenAI با درآمد سالانه نزدیک به ۲۵ میلیارد دلار و آنتروپیک با نرخ درآمدی حدود ۴۷ میلیارد دلار، بهصورت محرمانه روند ورود به بورس را آغاز کردهاند.
تحلیلگران معتقدند شتاب این دو شرکت برای عرضه اولیه سهام، بیش از هر چیز ناشی از پیشبینی کاهش آهنگ رشد بازار و نیاز روزافزون به سرمایههای جدید است؛ چراکه منابع سرمایهگذاران خطرپذیر سنتی دیگر پاسخگوی هزینههای چندمیلیارددلاری توسعه مدلهای پیشرفته هوش مصنوعی نیست.
