توی اوایل سال 2025 (1403-1404)، پول برای صنعت هوش مصنوعی اصلا موضوع مهمی نبود و هر چقدر می خواستن خرج می کردن. اما در نیمه دوم سال، کم کم یه موج واقع بینی و ارزیابی مجدد از راه رسید و پرداختن به واقعیت های هوش مصنوعی الزامی شد.
شرکت OpenAI حدود 40 میلیارد دلار با ارزش گذاری 300 میلیارد دلاری جذب سرمایه کرد. شرکت های Safe Superintelligence و Thinking Machine Labs هم هر کدوم قبل از اینکه حتی یک محصول به بازار بدن، 2 میلیارد دلار سرمایه اولیه جذب کردن. حتی کسایی که برای اولین بار استارتاپ راه انداخته بودن، طوری سرمایه جذب می کردن که قبلا فقط مخصوص غول های دنیای تکنولوژی بود.
این سرمایه گذاری های نجومی با مخارج عجیب و غریبی هم همراه بود. شرکت متا نزدیک به 15 میلیارد دلار خرج کرد تا الکساندر وانگ، مدیرعامل Scale AI رو جذب کنه و میلیون ها دلار دیگه هم برای قاپیدن استعدادها از بقیه آزمایشگاه های هوش مصنوعی هزینه کرد. در همین حال، بازیگرای بزرگ هوش مصنوعی وعده دادن که در آینده نزدیک به 1.3 تریلیون دلار برای زیرساخت ها هزینه می کنن.
نیمه اول سال 2025 همون تب و تاب و اشتیاق سرمایه گذارای سال قبل رو داشت. اما این حس و حال در ماه های اخیر تغییر کرده و یه جورایی همه دارن به خودشون میان. اون خوش بینی زیاد به هوش مصنوعی و ارزش گذاری های نجومی هنوز سر جاشه، اما حالا نگرانی هایی هم در مورد ترکیدن حباب هوش مصنوعی، امنیت کاربرها و پایدار بودن پیشرفت تکنولوژی با این سرعت فعلی به وجود اومده. این نشان دهنده نیاز به درک عمیق تر از واقعیت های هوش مصنوعی است.
اون دورانِ پذیرش بی قید و شرط و جشن گرفتن برای هر پیشرفت هوش مصنوعی، دیگه داره کم کم رنگ می بازه و جای خودش رو به سوالات و بررسی های دقیق تر میده. آیا شرکت های هوش مصنوعی می تونن این سرعت رو حفظ کنن؟ آیا در دورانِ بعد از دیپ سیک (DeepSeek)، واقعا برای پیشرفت به میلیاردها دلار هزینه نیاز هست؟ آیا مدل کسب وکاری وجود داره که حتی بخش کوچیکی از اون سرمایه گذاری های چند ده میلیاردی رو برگردونه؟ اینها از جمله واقعیت های هوش مصنوعی هستند که نیازمند پاسخگویی هستند.
ما در تمام این مسیر همراه بودیم. پربازدیدترین داستان های ما در سال 2025 حقیقت ماجرا رو میگن: صنعتی که با وجود وعده برای تغییر دادن واقعیت، حالا خودش با یه واقع بینی سخت روبرو شده.
سال چطور شروع شد
حضور چهره های شاخص صنعت در محافل سیاسی نشان از اهمیت استراتژیک این حوزه دارد.
این دیدارها بر اهمیت نظارت های دولتی و جهت دهی به مسیر توسعه تکنولوژی تاکید دارند.
واشینگتن، دی.سی – 2 بهمن 1403: سام آلتمن، مدیرعامل OpenAI، در یک کنفرانس خبری در کنار دونالد ترامپ، رئیس جمهور آمریکا دیده می شود.
آزمایشگاه های بزرگ هوش مصنوعی امسال بزرگ تر هم شدن.
فقط در سال 2025، OpenAI در یک دور سرمایه گذاری به رهبری سافت بانک (Softbank)، 40 میلیارد دلار جذب کرد که ارزش این شرکت رو به 300 میلیارد دلار رسوند. گزارش ها میگن سرمایه گذارایی مثل آمازون هم با قراردادهای پیچیده پردازشی دور و بر این شرکت هستن و صحبت هایی هم برای جذب 100 میلیارد دلار با ارزش گذاری 830 میلیارد دلاری در جریانه. این اتفاق OpenAI رو به اون ارزش 1 تریلیون دلاری که برای عرضه اولیه سهام در سال آینده دنبالشه، نزدیک می کنه.
شرکت Anthropic، رقیب اصلی OpenAI هم امسال طی دو مرحله 16.5 میلیارد دلار جذب کرد. آخرین مرحله جذب سرمایه, ارزش این شرکت رو با حضور غول هایی مثل Iconiq Capital، Fidelity و سازمان سرمایه گذاری قطر به 183 میلیارد دلار رسوند. (داریو آمودی، مدیرعامل این شرکت، در یک یادداشت لو رفته به کارکنانش اعتراف کرد که از گرفتن پول از کشورهای دیکتاتور حوزه خلیج فارس اصلا خوشحال نیست).
بعد هم نوبت به xAI ایلان ماسک می رسه که امسال بعد از خرید پلتفرم «ایکس» (همون توییتر سابق)، حداقل 10 میلیارد دلار سرمایه جذب کرد.
ما همچنین شاهد بودیم که استارتاپ های کوچیک تر و جدید هم با هیجان زیاد سرمایه گذارها، رشدهای عجیبی کردن، که نشان دهنده پیچیدگی واقعیت های هوش مصنوعی در بازار سرمایه است.
استارتاپ Thinking Machine Labs که توسط میرا موراتی، مدیر فنی سابق OpenAI راه اندازی شده، با وجود اینکه تقریبا هیچ اطلاعاتی از محصولش منتشر نکرده، 2 میلیارد دلار سرمایه اولیه با ارزش گذاری 12 میلیارد دلاری گرفت. استارتاپ Lovable هم که در زمینه کدنویسی فعالیت می کنه، با جذب 200 میلیون دلار در سری A، فقط هشت ماه بعد از شروع به کار، به یک یونیکورن تبدیل شد؛ همین ماه پیش هم Lovable حدود 330 میلیون دلار دیگه با ارزش گذاری نزدیک به 7 میلیارد دلار جذب کرد. نباید استارتاپ Mercor رو هم فراموش کنیم که در حوزه استخدام با هوش مصنوعی فعالیت می کنه و امسال طی دو مرحله 450 میلیارد دلار جذب کرد و ارزشش رو به 10 میلیارد دلار رسوند.
این ارزش گذاری های غیرمنطقی در حالی اتفاق می افته که آمار استفاده شرکت ها از هوش مصنوعی هنوز خیلی بالا نیست و محدودیت های جدی در زیرساخت ها وجود داره؛ همین موضوع ترس از ترکیدن حباب هوش مصنوعی و نادیده گرفتن واقعیت های هوش مصنوعی را بیشتر کرده است.
بساز، فقط بساز
نیاز شدید به انرژی برای آموزش مدل های بزرگ، فشار مضاعفی بر زیرساخت های قدیمی وارد کرده است.
استفاده از منابع سوخت فسیلی برای تامین برق دیتاسنترها، تناقض های زیست محیطی این صنعت را آشکار می کند.
نیروگاه زغال سنگی Mount Storm متعلق به Dominion Energy که برنامه ریزی شده برق یک مجتمع عظیم دیتاسنتر در ویرجینیای غربی رو تامین کنه. (عکس از Ulysse BELLIER / AFP)
برای شرکت های بزرگ تر، این ارقام بی دلیل نیستن. توجیه این ارزش گذاری ها مستلزم ساخت مقادیر عظیمی از زیرساخت هاست.
نتیجه این کار یه چرخه معیوب ایجاد کرده. سرمایه ای که برای تامین توان پردازشی جمع میشه، بیشتر به قراردادهایی گره خورده که در اون، همون پول دوباره صرف خرید تراشه ها، قراردادهای ابری و انرژی میشه؛ دقیقا مثل چیزی که در همکاری OpenAI با انویدیا برای تامین زیرساخت دیدیم. در عمل، این کار مرز بین سرمایه گذاری و تقاضای واقعی مشتری رو کمرنگ کرده و این ترس رو به وجود آورده که رونق هوش مصنوعی بیشتر از اینکه به خاطر استفاده پایدار باشه، مدیون یک چرخه مالی داخلیه.
برخی از بزرگ ترین قراردادهای امسال که به زیرساخت ها جان دادن، این ها بودن:
- پروژه Stargate، یک سرمایه گذاری مشترک بین سافت بانک، OpenAI و اوراکل که شامل 500 میلیارد دلار برای ساخت زیرساخت های هوش مصنوعی در آمریکا میشه.
- خرید شرکت Intersect (تامین کننده زیرساخت های انرژی و دیتاسنتر) توسط گوگل به قیمت 4.75 میلیارد دلار. گوگل در ماه اکتبر (مهر ماه) اعلام کرد که قصد داره هزینه پردازشی خودش رو در سال 2026 به 93 میلیارد دلار برسونه.
- توسعه سریع دیتاسنترهای متا که باعث شده هزینه های پیش بینی شده این شرکت در سال 2025 به 72 میلیارد دلار برسه؛ چرا که متا با تمام توان دنبال تامین توان پردازشی برای آموزش و اجرای مدل های نسل بعدی خودش هست.
اما کم کم مشکلاتی دارن خودشون رو نشون میدن. شرکت Blue Owl Capital که یک شریک مالی خصوصی بود، اخیرا از قرارداد 10 میلیارد دلاری دیتاسنتر اوراکل (که به ظرفیت OpenAI گره خورده بود) عقب نشینی کرد؛ این نشون میده که این ساختارهای سرمایه گذاری چقدر می تونن شکننده باشن.
اینکه آیا همه این هزینه ها در نهایت به نتیجه می رسه یا نه، یه سوال دیگه است. محدودیت های شبکه برق و ضرورت هوشمندسازی شبکه برق برای مدیریت تقاضای انرژی، افزایش هزینه های ساخت و انرژی، و مخالفت های رو به رشد ساکنان محلی و سیاست مداران همین حالا هم سرعت پروژه ها رو در بعضی مناطق کم کرده است.
حتی با وجود اینکه سرمایه گذاری در هوش مصنوعی همچنان خیلی زیاده، واقعیت های هوش مصنوعی مربوط به زیرساخت ها دارن اون جو هیجانی رو تعدیل می کنن.
تغییر در سطح انتظارات و واقعیت های هوش مصنوعی
رقابت میان غول های آمریکایی و رقبای نوظهور چینی، بازار را به سمت مدل های بهینه تر سوق داده است.
این تصویر به خوبی نشان دهنده تغییر توازن قدرت و ظهور جایگزین های ارزان تر در دنیای مدل های زبانی است.
در سال های 2023 و 2024، هر بار که مدل جدیدی معرفی می شد، مثل یک معجزه بود و توانایی های جدیدش همه رو شگفت زده می کرد. اما امسال، اون جادو دیگه کمرنگ شد و هیچ چیز بهتر از معرفی GPT-5 این تغییر رو نشون نداد.
با اینکه این مدل روی کاغذ خیلی خوب بود، اما مثل نسخه های قبلی یعنی GPT-4 و 4o سر و صدا به پا نکرد. همین الگو در کل صنعت هم دیده شد؛ پیشرفت های ارائه دهندگان مدل های زبانی بزرگ دیگه اون قدر خیره کننده نبود و بیشتر به سمت بهبودهای جزئی یا تخصصی رفت، که این یکی از واقعیت های هوش مصنوعی در دوران جدید است.
حتی Gemini 3 که در چندین بنچمارک رتبه اول رو داره، فقط از این جهت یک موفقیت بود که گوگل رو دوباره به سطح OpenAI رسوند؛ همون اتفاقی که باعث شد سام آلتمن یادداشت معروف «وضعیت قرمز» رو بنویسه و OpenAI برای حفظ برتری خودش بجنگه.
امسال از نظر اینکه انتظار داریم مدل های پیشرو از کجا بیان هم یه تغییر اساسی داشتیم. عرضه مدل R1 توسط DeepSeek که یک مدل «استدلالی» بود و در بنچمارک های اصلی با o1 شرکت OpenAI رقابت می کرد، ثابت کرد که آزمایشگاه های جدید هم می تونن مدل های معتبری رو خیلی سریع و با هزینه ای بسیار کمتر تولید کنن.
واقعیت های هوش مصنوعی؛ از پیشرفت های مدل سازی تا مدل های کسب وکار
مدیران آزمایشگاه های پیشرو اکنون بر جنبه های کاربردی و تجاری سازی تکنولوژی متمرکز شده اند.
رهبری فکری افرادی چون هاسابیس در هدایت پروژه هایی مثل DeepMind نقش کلیدی در آینده این صنعت ایفا می کند.
دمیس هاسابیس، مدیرعامل DeepMind Technologies
حالا که فاصله بین مدل های جدید کمتر شده، سرمایه گذارها کمتر روی قدرت خام مدل تمرکز می کنن و بیشتر به این توجه دارن که چه چیزی حول محور اون مدل ساخته شده. سوال اصلی اینجاست: کی می تونه هوش مصنوعی رو به محصولی تبدیل کنه که مردم بهش تکیه کنن، براش پول بدن و اون رو در کارهای روزمره شون استفاده کنن؟
این تغییر رو میشه در رفتارهای مختلف شرکت ها دید. برای مثال، استارتاپ Perplexity که در زمینه جستجوی هوش مصنوعی فعاله، ایده ردیابی حرکات آنلاین کاربرها رو مطرح کرد تا بتونه تبلیغات خیلی شخصی سازی شده بهشون بفروشه. در همین حال، گزارش شده که OpenAI قصد داشته تا 20 هزار دلار در ماه برای نسخه های تخصصی هوش مصنوعی هزینه بگیره؛ این نشون میده شرکت ها دارن با جدیت امتحان می کنن که مشتری ها حاضرن چقدر پول بدن.
اما فراتر از هر چیزی، حالا جنگ اصلی سر «توزیع» هست. Perplexity سعی داره با معرفی مرورگر Comet خودش و پرداخت 400 میلیون دلار به اسنپ چت برای قدرت بخشیدن به جستجوی داخلی این اپلیکیشن، جایگاه خودش رو حفظ کنه و کاربرهای بیشتری جذب کنه.
شرکت OpenAI هم استراتژی مشابهی رو دنبال می کنه و ChatGPT رو از یک چت بات ساده به یک پلتفرم تبدیل کرده. این شرکت مرورگر Atlas خودش و ویژگی های دیگه ای مثل Pulse رو معرفی کرده و در عین حال با اضافه کردن اپلیکیشن های مختلف داخل خودِ ChatGPT، داره دل توسعه دهنده ها و شرکت ها رو به دست میاره.
گوگل هم از جایگاه فعلی خودش استفاده می کنه. برای کاربرهای معمولی، Gemini مستقیم با محصولاتی مثل تقویم گوگل (Google Calendar) یکی شده و برای بخش تجاری هم، این شرکت داره رابط های کاربری خاصی (MCP connectors) ارائه میده تا جدا شدن از اکوسیستمش برای مشتری ها سخت تر بشه.
در بازاری که دیگه نمیشه فقط با معرفی یک مدل جدید تفاوت ایجاد کرد، داشتنِ مشتری و مدل کسب وکار اختصاصی، همون برگ برنده ای هست که رقبا نمی تونن به راحتی بهش دست پیدا کنن.
چالش اعتماد و امنیت
حوادث ناگوار اخیر، شرکت ها را مجبور به بازنگری در سیاست های دسترسی سنی و ایمنی کرده است.
ایجاد محدودیت های سخت گیرانه برای کاربران کم سن، گامی ضروری در جهت کاهش آسیب های احتمالی روانی است.
پس از اینکه چندین نوجوان بعد از گفتگوهای طولانی با چت بات ها دست به خودکشی زدند، شرکت Character AI در آبان 1404 دسترسی افراد زیر 18 سال به چت بات ها را محدود کرد.
شرکت های هوش مصنوعی در سال 2025 با بررسی ها و نظارت های بی سابقه ای روبرو شدن. بیش از 50 پرونده حقوقی کپی رایت در دادگاه ها جریان پیدا کرد و گزارش هایی از «روان پریشی ناشی از هوش مصنوعی» منتشر شد. در این موارد، چت بات ها توهمات کاربرها رو تایید می کردن که متاسفانه منجر به چندین مورد خودکشی و اتفاقات خطرناک دیگه شد و موجی از درخواست ها برای اصلاحات امنیتی به راه افتاد.
در حالی که بعضی از جنگ های کپی رایت به نتیجه رسیدن (مثل توافق 1.5 میلیارد دلاری Anthropic با نویسنده ها)، اکثرشون هنوز حل نشده باقی موندن. البته به نظر می رسه بحث ها از «مخالفت با استفاده از محتوای کپی رایت شده برای آموزش» به سمت «درخواست غرامت و پول» تغییر کرده (مثلا شکایت نیویورک تایمز از Perplexity به خاطر نقض کپی رایت).
در همین حال، نگرانی های مربوط به سلامت روان در تعامل با چت بات ها به یک موضوع جدی در سلامت عمومی تبدیل شده. بعد از مرگ چندین نوجوان و بزرگسال بر اثر خودکشی و توهمات خطرناک ناشی از استفاده طولانی مدت از چت بات ها، شکایت های زیادی تنظیم شد و متخصصان سلامت روان ابراز نگرانی کردن. این اتفاقات باعث واکنش های سریع قانونی شد، مثل تصویب لایحه SB 243 در کالیفرنیا که ربات های همراهِ هوش مصنوعی رو محدود می کنه.
شاید جالب ترین نکته اینجاست که این بار درخواست ها برای محدودیت، فقط از طرف مخالفان همیشگی تکنولوژی نیست.
حتی رهبران این صنعت هم در مورد چت بات هایی که برای جذب کاربرِ بیشتر طراحی شدن هشدار دادن و حتی سام آلتمن هم در مورد وابستگی عاطفی بیش از حد به ChatGPT هشدار داده.
حتی خودِ آزمایشگاه ها هم شروع به دادن هشدارهای جدی کردن. در گزارش امنیتی ماه می (اردیبهشت/خرداد) شرکت Anthropic، ذکر شده که مدل Claude Opus 4 سعی کرده مهندس ها رو تهدید کنه تا از خاموش شدنش جلوگیری کنه. پیام پنهان این ماجرا؟ اینکه بدون فهمیدنِ چیزی که ساختی، فقط به فکر بزرگ تر کردنش باشی، دیگه یک استراتژی درست نیست.
نگاهی به آینده
اگر سال 2025 سالی بود که هوش مصنوعی شروع کرد به بزرگ شدن و با سوالات سختی روبرو شد، سال 2026 سالی خواهد بود که باید به اون ها جواب بده. اون تب و تاب اولیه داره فروکش می کنه و حالا شرکت های هوش مصنوعی مجبورن مدل های کسب وکار خودشون رو ثابت کنن و ارزش اقتصادی واقعی شون رو نشون بدن.
دورانِ «به ما اعتماد کنید، سودش بعدا می رسه» دیگه داره تموم میشه. اتفاقات بعدی یا مهر تاییدی بر موفقیت این تکنولوژیه یا یه سقوط بزرگ که باعث میشه ترکیدن حباب دات کام در مقابلش مثل یه نوسان ساده در سهام انویدیا به نظر برسه. وقتشه که شرط هاتون رو ببندید.
آنچه بررسی شد نشان می دهد که عبور از هیجانات اولیه و مواجهه با چالش های زیرساختی، اخلاقی و اقتصادی، مسیر آینده را روشن تر خواهد کرد. اکنون زمان آن است که توسعه دهندگان و کاربران با دیدی واقع بینانه به این ابزار بنگرند و برای پایداری طولانی مدت آن برنامه ریزی کنند.
