تحلیلات کارشناسان: OpenAI هنوز فاصله زیادی تا دستیابی به سودآوری دارد

امروزه به‌سختی می‌توان در دنیای مجازی گشتی زد و با مفهومی مرتبط به هوش مصنوعی روبرو نشد. از میم‌های بی‌معنی در اینستاگرام گرفته تا بات‌های هوشمند که سکوهای اجتماعی را فرا گرفته‌اند و حتی دولت‌هایی که برای تدوین سیاست‌های خود به هوش مصنوعی متوسل شده‌اند؛ هوش مصنوعی در کانون توجهات تکنولوژیک قرار گرفته و به‌نظر می‌رسد که این روند در آینده نیز ادامه یابد.

بر اساس گزارشی از ویندوز سنترال، مایکروسافت به شدت به OpenAI وابسته شده تا بتواند به‌طور مؤثر دستیار کوپایلت را توسعه دهد؛ اما در حال حاضر، کوپایلت به‌طور مداوم به حمایت انسانی نیاز دارد و تا کنون در استفاده‌های واقعی و کاربردی خود به شکست‌هایی مواجه گشته است.

این چالش‌ها برای پلتفرم‌های دیگر همچون گوگل جمنای، گراک و سایرین نیز صادق است؛ این ابزارها بیشتر به‌عنوان «ماشین‌های گران‌قیمت برای تولید تصاویر تزئینی و سرگرمی» شناخته می‌شوند، نه پیشرفته‌ترین ابزارهایی که انتظار می‌رفت برای افزایش بهره‌وری ارائه دهند. اما این واقعیت‌ها مانع از گمانه‌زنی‌ها و رویاپردازی‌های مختلف نمی‌شود.

تعهد عظیم ۱٫۴ تریلیون دلاری OpenAI با درآمد ۲۰ میلیارد دلاری

شرکت‌ها به‌منظور تأمین مالی تعهدات خود به OpenAI و بالعکس، به جای تکیه بر درآمد واقعی و درآمدزایی پایدار، به‌طور فزاینده‌ای به «بدهی» متوسل می‌شوند.

OpenAI با تعهداتی ناشی از نیازهای محاسباتی خود به مبلغی حیرت‌آور معادل ۱٫۴ تریلیون دلار سقف گذاشته است، در حالی که درآمد پیش‌بینی‌شده‌اش در سال جاری تنها به ۲۰ میلیارد دلار می‌رسد. به‌منظور درک بهتر از این شکاف عمیق، باید گفت که درآمد فعلی این شرکت فقط ۱٫۴۳ درصد از تعهد، ۱٫۴ تریلیون دلاری آن را پوشش می‌دهد.

اگر OpenAI تا سال ۲۰۳۰ بتواند به درآمد ۲۰۰ میلیارد دلار دست یابد، برای برآورده کردن نیازهای مالی خود همچنان به ۲۰۷ میلیارد دلار سرمایه جدید نیاز خواهد داشت.

تحلیل‌های صورت‌گرفته توسط فایننشال تایمز و HSBC به این نکته اشاره می‌کند که وضعیت به سمت «غیرمنطقی‌شدن» پیشروی می‌کند. HSBC پیش‌بینی کرده است که حتی در صورت رسیدن درآمد OpenAI به ۲۰۰ میلیارد دلار تا سال ۲۰۳۰، آن برای حفظ خود به ۲۰۷ میلیارد دلار سرمایه‌ی جدید نیاز خواهد داشت.

با رشد OpenAI، هزینه‌های آن نیز به شدت افزایش می‌یابد. مدل‌های پیشرفته‌ای نظیر Sora 2 و GPT-5 به‌صورت روزانه میلیون‌ها دلار هزینه‌ ایجاد می‌کنند و در حال حاضر، با هدف ایجاد وابستگی در کاربران، خدمات را با ضرر ارائه می‌دهند. این رویکرد مشابه به اسپاتیفای است که به مدت یک دهه به‌منظور تغییر عادات شنیداری مردم دچار ضرر مالی شده است؛ اما OpenAI این کار را در مقیاس بسیار وسیع‌تر و احتمالاً با تأثیرات مخرب‌تری انجام می‌دهد.

بحران بدهی و ضعف اکوسیستم

نقاط ضعف این اکوسیستم به‌طور پیوسته نمایان می‌شود. شرکای OpenAI مانند سافت‌بانک، اوراکل، CoreWeave و دیگران فقط در سال ۲۰۲۵ به‌طور شگفت‌انگیزی ۹۶ میلیارد دلار به‌منظور تأمین نیازهای محاسباتی OpenAI وام گرفته‌اند.

در صورتی که OpenAI نتواند منابع مالی لازم را برای بازپرداخت تعهدات مالی خود پیدا کند، ممکن است با یک بحران نقدینگی مواجه شود که می‌تواند موجی از ورشکستگی‌ها را به دنبال داشته باشد؛ رخدادی که می‌تواند به بازارهای مالی به‌طور مشابه با حباب دات‌کام یا بحران مالی ۲۰۰۸ آسیب برساند.

محدودیت‌های فیزیکی از جمله کمبود منابع برق و تراشه، بر مشکلات افزوده است. ساتیا نادلا، مدیرعامل مایکروسافت، به‌تازگی اعتراف کرده است که این شرکت نمی‌تواند از ظرفیت کامل محاسباتی خود استفاده کند، زیرا نیروی برق کافی برای تأمین آن‌ها وجود ندارد.

چرا هوش مصنوعی در همه‌جا حضور دارد؟

تمام این برنامه‌ها ممکن است به باد روند اگر هوش مصنوعی از سوی کاربران پذیرفته نشود. به همین دلیل متا از چت‌بات‌های نه‌چندان کارآمد خود در واتساپ و اینستاگرام استفاده کرده و دکمه‌های بی‌استفاده‌ی کوپایلت را به پینت و نوت‌پد ویندوز افزوده و گوگل جمنای اصرار دارد که ایمیل‌ها را برای شما بررسی کند. شرکت‌ها در تلاش هستند عادات ما را به‌سمت این تکنولوژی‌ها تغییر دهند، زیرا کل شالوده‌های اقتصادی آن‌ها بر اساس وابستگی کامل افراد به این نوع فناوری بنا شده است.

مقاله‌های مرتبط

اگر مردم از این فناوری‌ها استفاده نکنند، اشتراک فعال نداشته باشند و بر روی تبلیغات چنین خدماتی کلیک نکنند، ساختار بدهی‌های شرکت‌ها به خطر خواهد افتاد و میلیاردها دلار بدهی بازپرداخت‌نشده باقی خواهد ماند.

آیا افراد تمایل دارند بابت چیزی هزینه کنند که ممکن است روزی شغل آنان را تهدید کند؟ چگونه کسی که شغل ندارد، قادر است هزینه‌های ChatGPT را پرداخت کند؟ برای اینکه این صنعت واقعاً کارایی داشته باشد، هزینه‌ها باید به سرعت کاهش یابد و شاید راه‌حل ماجرا در پیشرفت‌های تکنولوژی سرور و منابع انرژی نهفته باشد، نه فقط در توسعه‌ی مدل‌های زبانی بزرگ.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا