هشدار نایب رئیس گوگل درباره خطر برای استارتاپ های هوش مصنوعی

با فروکش کردن هیجان اولیه در بازار، خطر برای استارتاپ های هوش مصنوعی که صرفا به عنوان واسطه یا پوسته عمل می کنند افزایش یافته است و اکنون تمرکز بر ایجاد ارزش واقعی و مالکیت معنوی برای بقا در این فضای رقابتی ضرورت دارد.

رونق هوش مصنوعی مولد باعث شده بود که در هر دقیقه یه استارتاپ جدید متولد بشه. اما حالا که کم کم گرد و خاک ها داره می خوابه، خطر برای استارتاپ های هوش مصنوعی رو نشون میده و دو مدل کسب وکاری که یه زمانی خیلی روی بورس بودن، بیشتر شبیه درس عبرت به نظر می رسن: پوسته های مدل های زبانی بزرگ (LLM wrappers) و تجمیع کننده های هوش مصنوعی (AI aggregators).

درک خطر برای استارتاپ های هوش مصنوعی: درس هایی از پوسته های LLM و تجمیع کننده ها

دارن موری، که مدیریت سازمان جهانی استارتاپ های گوگل رو در بخش های کلاد، دیپ مایند و آلفابت بر عهده داره، می گه استارتاپ هایی که با این ترفندها کار می کنن، انگار «چراغ چک شون» روشن شده. این موضوع نشان دهنده یک خطر برای استارتاپ های هوش مصنوعی است که به سرعت رشد کرده اند.

پوسته های LLM در واقع استارتاپ هایی هستن که مدل های زبانی بزرگ موجود مثل کلود (Claude)، جی پی تی (GPT) یا جمنای (Gemini) رو با یه لایه ی محصول یا رابط کاربری (UX) می پوشونن تا یه مشکل خاص رو حل کنن. یه نمونه اش می تونه استارتاپی باشه که از هوش مصنوعی برای کمک به درس خوندن دانش آموزها استفاده می کنه.

موری در قسمت این هفته پادکست Equity گفت: «اگه واقعا فقط دارید روی مدل بک اِند حساب می کنید که همه کارها رو انجام بده و عملا دارید اون مدل رو با برند خودتون می فروشید (white-labeling)، صنعت دیگه صبر و تحمل زیادی برای این کار نداره.»

موری معتقده که ایجاد یه «مالکیت معنوی خیلی ضعیف دور جمنای یا GPT-5» نشون دهنده اینه که شما تمایز خاصی نسبت به بقیه ندارید. این ضعف می تواند منجر به خطر برای استارتاپ های هوش مصنوعی شود که فاقد مزیت رقابتی پایدار هستند.

او گفت: «برای اینکه یه استارتاپ پیشرفت کنه و رشد داشته باشه، باید مزیت های رقابتی عمیق و گسترده ای داشته باشه که یا به صورت افقی متمایز باشن یا برای یه بازار عمودی خاص طراحی شده باشن.» نمونه هایی از پوسته های LLM با مزیت رقابتی عمیق شامل کِرسر (Cursor)، دستیار کدنویسی مبتنی بر GPT، یا هاروی (Harvey AI)، دستیار هوش مصنوعی حقوقی هستن.

به عبارت دیگه، در حالی که گزارش ها از کندی رشد ChatGPT حکایت دارند، استارتاپ ها دیگه نمی تونن انتظار داشته باشن که فقط یه رابط کاربری روی این مدل ها بکشن و محصول شون بگیره؛ کاری که شاید در اواسط سال 1403، زمانی که OpenAI فروشگاه ChatGPT رو راه انداخت، ممکن بود. الان چالش اصلی، ساختن یه ارزش محصول پایداره تا از خطر برای استارتاپ های هوش مصنوعی نوپا جلوگیری شود.

فشار حاشیه سود و خطر برای استارتاپ های هوش مصنوعی تجمیع کننده

تجمیع کننده های هوش مصنوعی زیرمجموعه ای از پوسته ها هستن؛ استارتاپ هایی که چندین مدل زبانی بزرگ رو در یک رابط کاربری یا لایه API جمع می کنن تا پرسش ها رو بین مدل های مختلف هدایت کنن و به کاربرها اجازه دسترسی به چندین مدل رو بدن. این شرکت ها معمولا یه لایه ارکستراسیون (مدیریت اجرا) ارائه می دن که شامل ابزارهای نظارت، حاکمیت یا ارزیابی هست. مثلا: استارتاپ جستجوی هوش مصنوعی Perplexity یا پلتفرم توسعه دهنده OpenRouter که از طریق یک API واحد، دسترسی به چندین مدل هوش مصنوعی رو فراهم می کنه.

با اینکه خیلی از این پلتفرم ها جای پای خودشون رو محکم کردن، اما حرف موری برای استارتاپ های تازه وارد واضحه: «سمت کسب وکار تجمیع کنندگی نرید.»

به طور کلی، این روزها تجمیع کننده ها رشد یا پیشرفت زیادی ندارن؛ چون به گفته ی او، کاربرها دنبال این هستن که «یه سری مالکیت معنوی داخلی» وجود داشته باشه تا مطمئن بشن بر اساس نیازشون، در زمان درست به مدل درست هدایت می شن – نه فقط به خاطر محدودیت های پردازشی یا دسترسی پشت صحنه. این وضعیت یک خطر برای استارتاپ های هوش مصنوعی تجمیع کننده محسوب می شود.

موری دهه هاست که در حوزه ابری فعالیت می کنه و قبل از اینکه به گوگل کلاد بیاد، در AWS و مایکروسافت تجربه کسب کرده و دیده که این مسائل چطور پیش می رن. او گفت وضعیت امروز شبیه روزهای اول رایانش ابری در اواخر دهه 1380 و اوایل دهه 1390 شمسی هست، یعنی زمانی که کسب وکار ابری آمازون تازه داشت اوج می گرفت.

در اون زمان، یه سری استارتاپ به وجود اومدن تا زیرساخت های AWS رو دوباره بفروشن و خودشون رو به عنوان راه های ورود ساده تری معرفی می کردن که ابزارها، یکپارچه سازی صورت حساب و پشتیبانی رو ارائه می دادن. اما وقتی آمازون ابزارهای سازمانی خودش رو ساخت و مشتری ها یاد گرفتن چطور مستقیما خدمات ابری رو مدیریت کنن، اکثر اون استارتاپ ها از بازار حذف شدن. تنها کسایی زنده موندن که خدمات واقعی مثل امنیت، مهاجرت داده یا مشاوره DevOps اضافه کردن.

تجمیع کننده های هوش مصنوعی امروزه با فشار حاشیه سود مشابهی روبرو هستن، چون ارائه دهنده های مدل دارن خودشون ویژگی های سازمانی رو گسترش می دن و احتمالا واسطه ها رو کنار می زنن. این موضوع یکی از اصلی ترین عوامل خطر برای استارتاپ های هوش مصنوعی در این حوزه است.

از طرف دیگه، موری نسبت به وایب کدینگ (vibe coding) و پلتفرم های توسعه دهنده خوش بینه که در سال 1404 با استارتاپ هایی مثل Replit، Lovable و Cursor (که به گفته موری همه شون مشتری گوگل کلاد هستن) سالی رکوردشکن داشتن و سرمایه گذاری های کلان و مشتری های زیادی رو جذب کردن.

موری همچنین انتظار رشد قوی در فناوری های مستقیم برای مصرف کننده رو داره؛ یعنی در شرکت هایی که برخی از این ابزارهای قدرتمند هوش مصنوعی رو در اختیار مشتری ها قرار می دن. او به فرصتی اشاره کرد که دانشجوهای فیلم و تلویزیون دارن تا از ویدیو ساز هوش مصنوعی گوگل یعنی Veo برای جون بخشیدن به داستان ها استفاده کنن.

فراتر از هوش مصنوعی، موری همچنین فکر می کنه که زیست فناوری و فناوری های اقلیمی دوران اوج شون رو سپری می کنن؛ هم از نظر سرمایه گذاری خطرپذیری که وارد این دو صنعت می شه و هم «حجم باورنکردنی داده هایی» که استارتاپ ها برای خلق ارزش واقعی بهش دسترسی دارن، اون هم به روش هایی که قبلا هرگز ممکن نبود.

روند فعلی نشان می دهد که دوران صرفا «بسته بندی» مدل های دیگران به پایان رسیده است. استارتاپ های موفق آینده آن هایی هستند که فراتر از یک رابط کاربری ساده، راه حل های عمیق و تخصصی برای صنایع مختلف ارائه می دهند یا از هوش مصنوعی برای حل چالش های پیچیده در حوزه هایی مانند زیست فناوری و اقلیم استفاده می کنند.

Google VP warns that two types of AI startups may not survive