آیا آزمایشگاههای بزرگ استارتاپها را تصاحب میکنند؟
در حالیکه استارتاپهای هوش مصنوعی در سیلیکونولی با سرعتی خیرهکننده رشد میکنند، توازن قدرت در این صنعت بهتدریج بهسمت شرکتهای بزرگ توسعهدهندهی مدلهای زبانی متمایل شده است.
آزمایشگاههایی مانند OpenAI و Anthropic اکنون نفوذی چنان گسترده در زنجیرهی ارزش هوش مصنوعی دارند که میتوانند بر مسیر سودآوری و حتی بقای شرکتهای کوچکتر تأثیر مستقیم بگذارند.
رقابت پنهان در دل همکاری
در نگاه نخست، همکاری میان بازیگران بزرگ و کوچک دنیای هوش مصنوعی دوستانه بهنظر میرسد. اما در زیر این همکاری، رقابتی پنهان جریان دارد.
استارتاپهایی مانند Adept (سازندهی اپلیکیشن Cursor برای برنامهنویسان)، Harvey (فعال در حوزهی حقوقی) و OpenEvidence (در خدمات پزشکی) همگی بر پایهی مدلهای زبانی توسعهیافته توسط شرکتهایی چون OpenAI و Anthropic کار میکنند.
این استارتاپها هزینهی استفاده از مدلها را میپردازند، اما برخلاف آزمایشگاههای بزرگ، درگیر هزینههای سنگین تحقیق و توسعهی مدلهای پیشرفته نیستند؛ ازاینرو سریعتر به سودآوری میرسند. با این حال، وابستگی شدید به پلتفرمهای اصلی، آنها را آسیبپذیر میکند.
سلطهی آزمایشگاهها و نگرانی سرمایهگذاران
سرمایهگذاران انتظار دارند که آزمایشگاههای OpenAI و Anthropic در آینده بخش بزرگی از سود استارتاپهای وابسته را تصاحب کنند، زیرا ارزشگذاری میلیاردی این دو شرکت — حدود ۵۰۰ میلیارد دلار برای OpenAI و ۱۸۳ میلیارد دلار برای Anthropic — این پیشبینی را توجیه میکند.
این روند یادآور الگوی آشنای پلتفرمهای دیجیتال است؛ مشابه کاری که آمازون با فروشندگان مستقل خود انجام داد. همین موضوع نگرانیها دربارهی تمرکز بیش از حد قدرت در دست چند بازیگر اصلی را افزایش داد.
وابستگی قیمتی و فشارهای پنهان
نمونهی روشن این نابرابری در اکتبر ۲۰۲۴ رخ داد؛ زمانی که گزارشهایی منتشر شد مبنی بر اینکه شرکت Anthropic بخش زیادی از درآمد خود را صرف پرداخت هزینههای ابری به Amazon Web Services میکند و برای جبران آن، قیمت استفاده از مدلهایش را برای مشتریانی چون Cursor افزایش داد.
این اتفاق نشان داد استارتاپهای هوش مصنوعی عملاً تحت تأثیر مستقیم سیاستهای قیمتگذاری آزمایشگاههای بزرگ قرار دارند و هر تغییر در زنجیرهی تأمین میتواند مدل اقتصادی آنها را برهم بزند.
استراتژی بقا برای شرکتهای کوچک
برای مقابله با این فشارها، بسیاری از استارتاپها مدلهای کسبوکار خود را بازتعریف کردهاند.
راهکارهای اصلی آنها عبارتاند از:
- ترکیب مدلهای مختلف: استفاده از چند مدل زبانی، از جمله مدلهای متنباز، برای کاهش هزینه و افزایش انعطاف.
- قیمتگذاری مبتنی بر نتیجه: تمرکز بر کیفیت خروجی بهجای میزان استفاده از مدل، رویکردی که شرکتهایی مانند Harvey دنبال میکنند.
- جمعآوری دادههای تخصصی: بهبود عملکرد مدلها با استفاده از دادههای اختصاصی و بازخورد کاربران در حوزههای تخصصی مانند حقوق و پزشکی.
بهعنوان نمونه، Cursor مدلهای خود را هر چند ماه با دادههای تازه بهروزرسانی میکند تا تجربهی برنامهنویسی کاربران را بهبود دهد. همچنین Harvey با ادغام در سامانههای داخلی شرکتهای حقوقی، ارزش افزودهی خدمات خود را افزایش داده است.
چالشهای روبهرشد در بازار هوش مصنوعی
با گسترش دامنهی کاربرد هوش مصنوعی از تولید متن به تصویر، ویدئو و عاملهای خودکار، رقابت در این بازار شدیدتر میشود.
استارتاپهای کوچک برای جذب استعدادهای برتر با کمبود منابع مالی روبهرو هستند، در حالیکه آزمایشگاههای بزرگ با بودجههای کلان و زیرساختهای اختصاصی، موقعیتی مسلط دارند.
با این حال، برتری شرکتهای بزرگ تضمینشده نیست. شباهت فزایندهی مدلهای زبانی و امکان مهاجرت آسان میان پلتفرمها، فضای رقابتی تازهای ایجاد کرده که میتواند در میانمدت تعادل قدرت را تغییر دهد.
چشمانداز بازار
پیشبینیها نشان میدهد تا سال ۲۰۳۰، بخش عمدهی بازار خدمات مبتنی بر هوش مصنوعی در اختیار شرکتهای نرمافزاری و ارائهدهندگان راهحلهای تخصصی خواهد بود.
در این میان، توسعهدهندگان مدلهای زبانی بزرگ با وجود نقش زیربناییشان، سهم کوچکتری از سود کل بازار خواهند داشت.
در نهایت، آیندهی این صنعت به توانایی شرکتها در ترکیب فناوری، داده و تخصص کاربردی بستگی دارد ( نه صرفاً به قدرت مدلهای زبانی پایه). رقابت میان آزمایشگاههای بزرگ و استارتاپهای چابک هنوز ادامه دارد و نتیجهی نهایی «توازن قدرت» در عصر هوش مصنوعی، همچنان نامشخص است.