بر اساس گزارش تازه روزنامه وال‌استریت ژورنال، شرکت اوپن‌ای‌آی — توسعه‌دهنده مدل زبانی ChatGPT — موفق به جمع‌آوری ۱۱ میلیارد دلار سرمایه شد، در حالی که هدف پیش‌بینی‌شده ۳۰ میلیارد دلار بود. این شکاف ۱۹ میلیارد دلاری، نشان‌دهنده تغییر محسوس در اعتماد سرمایه‌گذاران به پروژه‌های بلندپروازانه هوش مصنوعی است.
بازار سرمایه‌گذاری در حوزه هوش مصنوعی هرچند همچنان داغ محسوب می‌شود، اما در ماه‌های اخیر شاهد احتیاط بیشتری از سوی سرمایه‌گذاران بوده است. بسیاری از آن‌ها حالا با نگاهی دقیق‌تر به بازگشت سرمایه و سودآوری واقعی مدل‌های هوش مصنوعی نگاه می‌کنند و حاضر نیستند بدون توجیه اقتصادی، منابع کلانی اختصاص دهند.
چرا هدف ۳۰ میلیارد دلاری محقق نشد؟
چندین عامل در این کاهش نقش داشته‌اند. نخست، هزینه‌های بسیار بالای آموزش و نگهداری مدل‌های بزرگ زبانی که نگرانی جدی سرمایه‌گذاران ایجاد کرده است. دوم، افزایش رقبایی چون Anthropic، Google و Meta که سهم بازار را تهدید می‌کنند. سوم، سؤالات حقوقی و نظارتی که صنعت هوش مصنوعی در سراسر جهان با آن دست‌وپنجه نرم می‌کند.
- کاهش اعتماد سرمایه‌گذاران نسبت به سودآوری کوتاه‌مدت
- افزایش رقابت فشرده در بازار مدل‌های زبانی
- هزینه‌های سرسام‌آور زیرساخت‌های محاسباتی
- نگرانی‌های نظارتی و قانونی پیرامون هوش مصنوعی
عوارض احتمالی برای جامعه هوش مصنوعی
اگرچه ۱۱ میلیارد دلار هم رقم قابل‌توجهی است، اما کاهش تأمین مالی می‌تواند بر سرعت توسعه مدل‌های بعدی و پروژه‌های تحقیقاتی بلندمدت تأثیر بگذارد. همچنین شرکتهای کوچک‌تر که برای زنده‌ماندن به همکاری با پلتفرم‌هایی مثل اوپن‌ای‌آی وابسته‌اند، ممکن است با محدودیت‌هایی مواجه شوند.
یک نقطه عطف در روایت سرمایه‌گذاری هوش مصنوعی
این رویداد را می‌توان نشانه‌ای از بلوغ تدریجی بازار دانست. دوران سرمایه‌گذاری بی‌رویه و بدون بررسی درست در حال پایان است و پروژه‌های هوش مصنوعی از این پس باید بتوانند مسیر روشنی برای سودآوری ارائه کنند تا سرمایه لازم را جلب نمایند.
پرسش‌های پرتکرار
اوپن‌ای‌آی چه مقدار سرمایه جمع‌آوری کرد و هدف اصلی چقدر بود؟
بر اساس گزارش وال‌استریت ژورنال، اوپن‌ای‌آی ۱۱ میلیارد دلار جمع‌آوری کرد، در حالی که هدف اولیه ۳۰ میلیارد دلار بود؛ یعنی تقریباً ۶۳ درصد آن هدف تحقق پیدا نکرد.
کاهش تأمین مالی چه تأثیری بر صنعت هوش مصنوعی خواهد داشت؟
این کاهش می‌تواند سرعت توسعه مدل‌های پیشرفته را کند کند، شرکتهای کوچک‌تر را با محدودیت منابع مواجه سازد و به‌طور کلی رویکرد سرمایه‌گذاران را از شور هیجانی به سمت ارزیابی دقیق‌تر سودآوری تغییر دهد.
