طبق گزارش وال استریت ژورنال، اوپنایآی (OpenAI) در حال بررسی کاهش شدید قیمتهایی است که از توسعهدهندگان و شرکتها دریافت میکند، در پیشبینی کاهشهای مشابه از سوی آنتروپیک (Anthropic). مذاکرات همچنان در حال بررسی است، زیرا هر دو شرکت این ماه به صورت محرمانه برای عرضه اولیه سهام (IPO) درخواست دادهاند و هیچکدام سودآور نبودهاند.
"فکر میکنم راههای زیادی خواهیم داشت که میتوانیم به مردم کمک کنیم تا با هزینه کمتر، ارزش بیشتری کسب کنند،" سام آلتمن در یک رویداد اخیر، طبق گزارش وال استریت ژورنال، گفت. این نقل قول در پسزمینه گزارش اوپنایآی از حاشیه سود عملیاتی تعدیل شده -۱۲۲٪ در سهماهه اول ۲۰۲۶ قرار گرفت – به این معنی که برای هر یک دلار درآمد، ۱.۲۲ دلار ضرر کرده است.
فشار واقعی است. همانطور که Decrypt قبلاً گزارش داده بود، سهم ChatGPT از ترافیک وب هوش مصنوعی مولد جهانی از ۷۷.۶٪ در ماه می ۲۰۲۵ به ۵۳.۷٪ در آوریل ۲۰۲۶ کاهش یافت. برای اولین بار، شرکتهای بیشتری که توسط شاخص Ramp AI ردیابی میشوند، برای آنتروپیک هزینه میکنند تا اوپنایآی. نرخ سالانه درآمد آنتروپیک از ۹ میلیارد دلار در پایان سال ۲۰۲۵ به ۴۷ میلیارد دلار در ماه می ۲۰۲۶ افزایش یافت – یک جهش ۴۲۲ درصدی در پنج ماه – که تقریباً به طور کامل توسط Claude Code هدایت شد، و سهماهه دوم ۲۰۲۶ اولین سهماهه سودآور این شرکت بود.
اوپنایآی از آن زمان ابزار کدنویسی خود، Codex را، به یکی از اولویتهای شرکت تبدیل کرده است. اما در حال جبران عقبماندگی است.
هر دو شرکت در حال جنگی نه چندان خاموش برای جذب هرچه بیشتر مشتریان در میان بزرگترین تب فناوری جهان از زمان عصر داتکام هستند. شرکتها از هر نوعی اکنون در رقابت برای استفاده از هوش مصنوعی به نحوی یا دیگری هستند. مدیر ارشد فناوری اوبر تا آوریل کل بودجه هوش مصنوعی خود را برای سال ۲۰۲۶ مصرف کرده بود، برخی از کارمندان جیپی مورگان بیش از حقوق خود برای استفاده از هوش مصنوعی هزینه میکنند، طبق گفته مدیر ارشد داده بانک برای بخش پرداختهای آن.
این همان عملی است که در سیلیکون ولی "tokenmaxxing" نامیده میشود – مصرف هرچه بیشتر توکنهای هوش مصنوعی (قطعات داده پردازش شده توسط مدلهای هوش مصنوعی) – اغلب بدون بازده سرمایهگذاری مشخص. الکس کارپ، مدیرعامل پالانتیر، هفته گذشته در AIPCon آن را به اعتیاد به پورنوگرافی تشبیه کرد. تحلیلگران جیپی مورگان این ماه یادداشتی با عنوان "قبضهای هوش مصنوعی از کنترل خارج شدهاند" منتشر کردند. شرکتهایی که بیشترین آسیبپذیری را در برابر این پیامدها دارند، همانهایی هستند که اکنون به فکر جنگ قیمتی هستند.
تامی شاونسی از Delphi Ventures این هفته در یک پست X که به طور گسترده به اشتراک گذاشته شد، دام ساختاری را تشریح کرد: نرخ ثابت ۲۰ دلار در ماه همیشه کمتر از آنچه استفاده سنگین واقعاً هزینه دارد قیمتگذاری شده بود – یک محصول پیشرو برای افزایش پذیرش، نه پوشش هزینههای محاسباتی. هنگامی که یک کسب و کار واقعی به هوش مصنوعی در مقیاس نیاز دارد، به سمت API حرکت میکند، به ازای هر توکن پرداخت میکند، اما قدرت محاسباتی بسیار بیشتری مصرف میکند.
همه با این نظر موافق نیستند. برخی معتقدند انحصار چندجانبه هوش مصنوعی در نیمکره غربی به شرکتها اجازه میدهد تا برای پردازش دستورات خود (prompts) قیمتهای فزایندهای را دریافت کنند – قیمتگذاری بسیار پایین مدلهای چینی دلیلی بر این مدعاست. اگر چنین باشد، ممکن است جایی برای تغییرات شدید قیمت وجود داشته باشد در حالی که شرکتها همچنان از نظر مالی در وضعیت باثباتی قرار دارند.
نظر داغ: آنها یارانه نمیگیرند، حاشیههای سودشان دیوانهکننده است. آنها فقط به طور کامل مشتریان API را غارت میکنند. هر کسی که از deepseek استفاده کرده یا چیزی را میزبانی کرده و محاسبات هزینه سختافزار/برق را انجام داده، این را میداند. https://t.co/XQ477Qw3Vv
— روی (@usr_bin_roygbiv) ۱۱ ژوئن ۲۰۲۶
استقرار واقعی سازمانی به سمت قیمتگذاری API بر اساس مصرف حرکت میکند و شرکتها اعتبارات را بسیار سریعتر از آنچه نرخهای ثابت پیشنهاد میکردند، مصرف میکنند. در همین حال، ارائهدهندگان استنتاج متنباز (شرکتهایی که قدرت محاسباتی را فراهم میکنند تا مدلهای هوش مصنوعی بتوانند اطلاعات را پردازش کنند) به سرعت در حال گسترش هستند، با ابزارهای عاملمحور (agentic tools) که کاتالیزور رشد آنها هستند. این پلتفرمها مدلهای هوش مصنوعی پیشرو چین مانند DeepSeek, GLM, MiMo, Kimi یا Minimax را ارائه میدهند که با Claude Opus در معیارهای کدنویسی رقابت میکنند، با قیمتی تقریباً یک سیزدهم جایگزینهای بسته.
شاونسی نوشت: "آزمایشگاههای چینی مدلهای پیشرفته را متنباز میکنند. مدل بزرگترین هزینه یک ارائهدهنده استنتاج است، و آنها آن را رایگان به دست میآورند." تا زمانی که این وضعیت ادامه داشته باشد، کف قیمتگذاری هوش مصنوعی به سمت صفر کاهش مییابد – و هرگونه بازیابی حاشیه سود در اوپنایآی یا آنتروپیک به یک مسئله ریاضی بدون راهحل روشن تبدیل میشود.
شاونسی اشاره کرد که کل این فرضیه تنها در صورتی از بین میرود که چین به سمت مدلهای بسته حرکت کند، که برای آزمایشگاههای آمریکایی مطلوب خواهد بود.
تا کنون، به نظر میرسد اکثر آزمایشگاههای هوش مصنوعی چین به رویکرد متضاد متعهد هستند.
