قیمت حافظه تقریبا دو برابر شده، قیمت Mac و iPad بالا رفته و انتظار می رود iPhone هم به زودی افزایش قیمت را تجربه کند. اد زیتـرون، نویسنده خبرنامه Where’s Your Ed At و مجری پادکست Better Offline، معتقد است بخشی از این فشار قیمتی نتیجه سرمایه گذاری عظیم شرکت های فناوری روی زیرساخت هوش مصنوعی است؛ زیرساختی که به باور او ممکن است هیچ وقت نتواند هزینه خود را جبران کند.
زیتـرون سال هاست هوش مصنوعی را یک حباب می داند. MacRumors در گفت وگویی از او پرسیده است اگر این ارزیابی درست باشد، چه اتفاقی برای Apple و کاربران محصولات این شرکت رخ می دهد. پاسخ او در یک جمله خلاصه می شود: اپل احتمالا کنار می ایستد و سوختن بخش بزرگی از صنعت هوش مصنوعی را تماشا می کند.
اقتصاد مدل های زبانی با فروش معمول نرم افزار سازگار نیست
از نگاه زیتـرون، مشکل اصلی شرکت های فعال در حوزه مدل های زبانی بزرگ یا LLM این است که هزینه ارائه خدمات آن ها با مدل رایج فروش نرم افزار همخوانی ندارد. کاربران معمولا برای نرم افزار مبلغی ماهانه می پردازند و انتظار دارند سرویس، حتی با وجود محدودیت هایی مشخص، هزینه ای قابل پیش بینی داشته باشد. اما در سرویس های هوش مصنوعی، هر درخواست با مصرف توکن همراه است و هزینه آن به تعداد توکن های پردازش شده بستگی دارد؛ حتی اگر پاسخ نهایی مفید نباشد.
برای نمونه، اگر یک عامل کدنویسی در یک حلقه بی نتیجه گرفتار شود، کاربر همچنان هزینه توکن های مصرف شده را می پردازد. به گفته زیتـرون، شرکت های هوش مصنوعی می دانستند مصرف کنندگان حاضر نیستند هزینه واقعی این پردازش را پرداخت کنند. به همین دلیل، بیشتر آن ها اشتراک های ماهانه با سقف های مبهم ارائه کرده اند؛ اشتراک هایی که می توانند ده ها برابر هزینه پرداختی کاربر، توکن مصرف کنند.
او به بررسی SemiAnalysis اشاره می کند که بر اساس آن، یک اشتراک ۲۰ دلاری می تواند صدها دلار هزینه پردازش ایجاد کند و اشتراک ۲۰۰ دلاری نیز در برخی شرایط به هزاران دلار هزینه برسد. زیتـرون همچنین ادعای حاشیه سود ۷۰ درصدی روی توکن ها را فاقد شواهد کافی می داند و می گوید گزارش های خودش نشان داده OpenAI در سال ۲۰۲۵، با درآمد ۱۳.۰۷ میلیارد دلار، ۲۰.۹ میلیارد دلار زیان کرده است.
تقاضای سازمانی هم هنوز هزینه هوش مصنوعی را توجیه نمی کند
Anthropic و OpenAI در ماه مارس مشتریان سازمانی خود را به سمت صورتحساب مبتنی بر توکن بردند. چند هفته بعد مشخص شد Uber کل بودجه سالانه توکن خود را در یک فصل مصرف کرده است. مدیر عملیاتی Uber نیز گفته بود توجیه هزینه هوش مصنوعی دشوارتر شده، چون ارتباط دادن این هزینه به قابلیت های مفید و عرضه شده، آسان نیست. سم آلتمن این وضعیت را یک «مشکل بزرگ» خواند، اما راه حل مشخصی برای آن ارائه نکرد.
زیتـرون این مسئله را محدود به دو شرکت نمی داند. از دیدگاه او، Perplexity، Cursor و GitHub Copilot نیز با همان هزینه متغیر پردازش روبه رو هستند و کاربرانشان تمایل ندارند هزینه واقعی خدمات را بپردازند. او همچنین معتقد است محصولات مختلف هوش مصنوعی تفاوت بنیادینی با یکدیگر ندارند: بیشتر آن ها می توانند متن تولید کنند، خلاصه سازی انجام دهند یا جست وجو کنند. حتی در زمینه تولید کد، ابزارهای هوش مصنوعی گاهی به جای سریع تر کردن کار، کاربران را کند می کنند و کدهای بی کیفیت وارد پروژه ها می کنند.
به گفته او، ۸۹ درصد درآمد صنعت هوش مصنوعی در اختیار Anthropic و OpenAI است و بسیاری از شرکت های دیگر به جای درآمد واقعی از عبارت «درآمد سالانه سازی شده» استفاده می کنند؛ یعنی درآمد یک ماه را در ۱۲ ضرب می کنند. با این حال، درآمد سالانه سازی شده اغلب این شرکت ها هنوز نزدیک به ۱۰۰ میلیون دلار یا کمتر است.
دیتاسنترهای هوش مصنوعی؛ سرمایه گذاری میلیاردی با مشتریان محدود
ساخت دیتاسنترهای هوش مصنوعی معمولا بین ۱۸ تا ۳۶ ماه زمان می برد و میلیاردها دلار هزینه دارد. شرکت هایی که چنین پروژه هایی را می سازند، معمولا به بدهی و تامین مالی پروژه ای تکیه دارند و زمانی درآمد دریافت می کنند که مشتری وارد مجموعه شود. زیتـرون می گوید خارج از Anthropic و OpenAI، مشتریان واقعی چندانی برای این دیتاسنترها وجود ندارند؛ در حالی که خود این دو شرکت نیز برای ادامه فعالیت به جذب صدها میلیارد دلار سرمایه نیاز داشته اند.
او هشدار می دهد در صورت فروپاشی این مدل، بخش بزرگی از هزینه بر دوش صندوق های اعتبار خصوصی خواهد افتاد؛ صندوق هایی که منابعشان از سرمایه های بازنشستگی، از جمله صندوق معلمان سان فرانسیسکو یا CalPERS، تامین می شود. از نگاه او، این موضوع می تواند خطر سرایت گسترده در نظام مالی ایجاد کند. نجات این پروژه ها نیز ساده نخواهد بود، چون دیتاسنترها با ساختارهای تامین مالی پروژه ای و شرکت های هدف خاص یا SPV ساخته شده اند. خرید بدهی یا ایجاد درآمد مصنوعی برای جبران زیان، به صدها میلیارد دلار نیاز دارد و از نظر سیاسی نیز بسیار پرهزینه خواهد بود.
زیتـرون درباره Oracle موضع تندتری دارد. او معتقد است سرمایه گذاری بیش از ۳۴۰ میلیارد دلاری این شرکت در دیتاسنترهای هوش مصنوعی، همراه با صدها میلیارد دلار بدهی، به این فرض وابسته است که OpenAI تا سال ۲۰۳۰ به بزرگ ترین و سودآورترین شرکت جهان تبدیل شود. اگر این اتفاق نیفتد، از نظر او Oracle با خطر تمام شدن منابع مالی روبه رو می شود.
حباب هوش مصنوعی پیش از اپل، بازار حافظه و سهام را تحت فشار گذاشته است
شرکت های بزرگ ابری یا hyperscalerها برای ساخت دیتاسنترها بخش بزرگی از ظرفیت حافظه جهان را خریداری کرده اند و همین مسئله به گفته زیتـرون باعث شده قیمت DRAM در سال جاری تقریبا دو برابر شود. او پیش بینی می کند پیامدهای احتمالی فروپاشی حباب، بازارهای مختلفی را درگیر کند: شرکت های تایوانی مانند Quanta و Hon Hai یا Foxconn که از فروش سرورهای هوش مصنوعی سود برده اند، سرمایه گذاران کره ای در بازار KOSPI و سهام شرکت های بزرگ ابری و نیمه رسانا در آمریکا.
او تاکید می کند این اتفاق لزوما شرکت هایی مانند Hon Hai را نابود نمی کند، چون این شرکت درآمد قابل توجهی از Apple دارد؛ اما می تواند ارزش سهام و وضعیت سرمایه گذاران را به شکل محسوسی تحت تاثیر قرار دهد. در همین شرایط، افزایش هزینه قطعات به مصرف کنندگان منتقل شده است. تیم کوک افزایش قیمت های اخیر را «اجتناب ناپذیر» خوانده و قیمت Mac و iPad پیش از این افزایش یافته است. انتظار می رود مدل های iPhone نیز همین مسیر را دنبال کنند. برای مشاهده قیمت محصولات اپل می توانید به صفحه قیمت گذاری اپل سیب مراجعه کنید.
Apple Intelligence شاید اپل را از ورود عمیق تر به حباب بازداشت
هایپر اسکیلرها از سال ۲۰۲۲ بیش از یک تریلیون دلار هزینه سرمایه ای داشته اند. زیتـرون می گوید اگر نیمی از این مبلغ به دیتاسنترهای هوش مصنوعی مربوط باشد، این زیرساخت ها باید بیش از ۱.۵ تریلیون دلار سود واقعی، نه صرفا درآمد، ایجاد کنند تا توجیه پذیر باشند. در مقابل، Apple حدود ۱۴ میلیارد دلار هزینه می کند و برای اجرای Siri با Gemini نیز حدود یک میلیارد دلار در سال به Google می پردازد؛ در کنار آن، بخشی از پردازش را روی دستگاه انجام می دهد.
از دیدگاه زیتـرون، Apple Intelligence هم بدترین و هم بهترین اتفاق برای Apple در ارتباط با حباب هوش مصنوعی بوده است. معرفی اولیه این قابلیت ها باعث شد مجموعه ای از ابزارهای کم کاربرد با روشی بسیار پررنگ به کاربران تحمیل شود؛ از خلاصه هایی که خیلی زود به سوژه میم تبدیل شدند تا Siri جدیدی که به باور او حتی از نسخه قدیمی هم ضعیف تر بود. واکنش منفی کاربران، به اعتقاد او، باعث شد Apple محتاط تر عمل کند و سرعت سرمایه گذاری خود در حوزه هوش مصنوعی را پایین نگه دارد.
او می گوید با وجود تیترهای متعدد درباره عقب ماندن Apple، هنوز مشخص نیست این شرکت دقیقا از چه چیزی عقب افتاده یا چرا این عقب ماندگی اهمیت دارد. به باور زیتـرون، Apple ممکن است برای راضی نگه داشتن بازار فقط نام «AI» را روی محصولات مختلف قرار دهد، بدون اینکه با تمام توان وارد رقابت زیرساختی شود.
اپل احتمالا از فروپاشی حباب کنار می ایستد
اگر حباب هوش مصنوعی با کاهش ارزش دارایی ها، ظرفیت اضافی پردازشی یا حتی سقوط OpenAI از بین برود، زیتـرون انتظار ندارد اتفاق بزرگی برای کاربران iPhone رخ دهد. از نظر او، Apple احتمالا شرایط خود را حفظ می کند و از کنار ماجرا عبور می کند. این شرکت شاید هنگام شروع بحران چند خرید هدفمند انجام دهد، اما احتمال دارد هیچ اقدامی هم نکند.
تنها حوزه ای که زیتـرون برای Apple در آن ظرفیت بیشتری می بیند، Vision Pro است. او این محصول را از نظر تجاری ناموفق، اما از نظر ایده و نگاه آینده نگرانه یکی از جالب ترین محصولات سال های اخیر می داند. پیشنهاد او این است که Apple به جای ورود به مسابقه پرهزینه هوش مصنوعی، به کوچک تر و سبک تر کردن Vision Pro ادامه دهد؛ تا جایی که دستگاه تقریبا بی وزن و نامرئی به نظر برسد و به تنظیم مداوم نیاز نداشته باشد.
البته خود او هم می گوید Vision Pro هنوز با این هدف فاصله زیادی دارد. یک حرکت کوچک می تواند تصویر را از فوکوس خارج کند و دستگاه برای بعضی کاربران به دلیل نیاز به به روزرسانی، عملا قابل استفاده نبوده است. به باور زیتـرون، Vision Pro محصولی پر از ظرفیت بود که زودتر از زمان مناسب عرضه شد؛ اما آینده آن، برخلاف مسیر حباب هوش مصنوعی، هنوز کاملا بسته نشده است.
