در سالهای اخیر اعداد بسیار بزرگی وارد صنعت هوش مصنوعی شدهاند؛ از برنامه ۱.۴ تریلیون دلاری OpenAI برای ساخت زیرساخت گرفته تا زمانی که ارزش بازار انویدیا برای مدتی از ۵ تریلیون دلار هم عبور کرد.
طبیعی است که با دیدن چنین ارقامی، خیلیها بپرسند:
«آیا این رشد واقعی است یا داریم به سمت یک حباب میرویم؟»
اما واقعیت این است که هوش مصنوعی یک بخش واحد نیست.
سرمایهگذاریها در سه لایه کاملاً متفاوت جریان دارد و هر کدام رفتار منحصربهفرد خود را دارند:
-
لایه کاربرد (Application Layer)
-
زیرساخت استنتاج (Inference)
-
زیرساخت آموزش مدلهای بزرگ (Training)
برای فهم اینکه “حباب” هست یا نه، باید هر سه را جداگانه بررسی کنیم.
۱. لایه کاربردی AI — جایی که برخلاف تصور، هنوز کمسرمایهگذاری شده
با وجود تمام سروصدای مدلهای بزرگ و GPUها، بخش کاربردی AI ــ یعنی همان جایی که محصولات واقعی ساخته میشوند ــ هنوز آنطور که باید سرمایه جذب نکرده است.
این در حالی است که:
-
ارزش اصلی AI در اپلیکیشنها خلق میشود، نه فقط مدلها.
-
اپلیکیشنها هستند که باید هزینه زیرساختهای بزرگ را جبران کنند.
-
بیشتر کسبوکارها تازه در حال آزمایش جریانهای کاری «عاملمحور» هستند و هنوز خیلی از کاربردهای مهم ساخته نشدهاند.
بخشی از کمتوجهی به این لایه به این دلیل است که انتخاب «برندهها» در اپلیکیشنها سخت است.
سرمایهگذاران ترجیح میدهند به جای اینکه روی ۱۰ استارتاپ مختلف شرط ببندند، یکشبه روی زیرساختی سرمایهگذاری کنند که فرمولش واضحتر است.
اما در عمل، لایه اپلیکیشن همان جایی است که موج بعدی ارزشسازی AI اتفاق خواهد افتاد.
۲. زیرساخت استنتاج — تقاضا بیشتر از ظرفیت است
اگرچه استفاده از AI هنوز در ابتدای راه است، شرکتهای ارائهدهنده زیرساخت همین امروز هم برای تأمین توان پردازشی با مشکل روبهرو هستند.
دلایل این اتفاق:
-
مدلهای جدید در هر پردازش، حجم بالایی از توکن تولید میکنند.
-
ابزارهای هوشمند کدنویسی مثل Claude Code، Codex و Gemini 3 رشد قابل توجهی داشتهاند.
-
بسیاری از توسعهدهندگان هنوز از ابزارهای قدیمی استفاده میکنند؛ یعنی بازار فعلی فقط بخش کوچکی از تقاضای واقعی است.
به زبان ساده:
تقاضا برای استنتاج (inference) بسیار بیشتر از ظرفیت فعلی بازار است.
این اتفاق نشانه مثبتی است، چون نشان میدهد مسأله اصلی «کمبود مشتری» نیست، بلکه «کمبود توان» است.
البته اگر زیرساخت بیش از حد ساخته شود، امکان دارد برخی شرکتها ناچار شوند ظرفیت را با سود پایین بفروشند. اما نکته مهم این است که:
حتی در بدترین حالت، ظرفیت ساختهشده مصرف خواهد شد.
۳. زیرساخت آموزش مدلهای بزرگ — پرریسکترین بخش بازار
سرمایههای عظیمی برای آموزش مدلهای جدید جذب شده، اما این بخش از همه ریسکپذیرتر است.
چرا؟
-
مدلهای متنباز (Open-weight) در حال رشد هستند و ممکن است سهم بزرگی از بازار مدلهای اختصاصی را بگیرند.
-
هر سال هزینه آموزش مدلها به دلیل پیشرفت سختافزار و الگوریتمها کمتر میشود.
-
بنابراین مزیت تکنولوژیک بسیاری از شرکتها پایدار نیست.
در واقع، فقط معدودی از برندها—مثل ChatGPT یا Gemini—توانستهاند با قدرت توزیع یا شهرتشان یک «خندق رقابتی» ایجاد کنند.
اگر سرمایهگذاری در بخش آموزش بیش از حد بزرگ شود و بعد کاهش پیدا کند، امکان دارد بازار بهطور اشتباه به کل صنعت بدبین شود و سرمایه از بخشهایی خارج شود که هنوز فرصت رشد جدی دارند.
