حباب هوش مصنوعی در 2027 می‌ترکد؟ راز پنهان ChatGPT و Claude

اد زیترون، تحلیلگر و نویسنده‌ای که سال‌هاست تو صنعت تکنولوژی فعالیت می‌کنه، تو مصاحبه‌ای با برنامه The Diary of a CEO یه تز جنجالی مطرح کرد: هوش مصنوعی مولد، در اصل یه صنعت زیان‌ده غول‌پیکره که با پول شرکت‌های دیگه سرپا مونده. اون معتقده محبوبیت گسترده ChatGPT و Claude به‌تنهایی ثابت نمی‌کنه که این صنعت پایدار یا سودآوره. این مقاله همون ادعاها رو باز می‌کنه، می‌سنجه و نشون می‌ده برای کسی که هر ماه اشتراک AI می‌خره چه معنایی داره.

اشتراک ماهانه ثابت فقط یه روکش سادهه روی یه اقتصاد پیچیده‌تر؛ زیرش قیمت‌گذاری واقعی بر اساس توکن مصرفیه، نه یه نرخ یکسان برای همه. وقتی اشتراک ماهانه می‌خری، در واقع داری یه سقف مصرف نامحدود (یا خیلی بالا) رو با قیمت ثابت می‌خری، نه هزینه واقعی محاسبه‌شده بر اساس مصرفت. برای همین، هزینه واقعی اشتراک ChatGPT با این نرخ ثابت یکی نیست.

پشت پرده، سرویس‌های هوش مصنوعی بر اساس تعداد توکن قیمت‌گذاری می‌شن. توکن یعنی واحدی نزدیک به سه‌چهارم یه کلمه؛ هم متنی که به مدل می‌دی (ورودی) و هم چیزی که مدل تولید می‌کنه یا حتی برای «فکر کردن» مصرف می‌کنه (خروجی) توکن حساب می‌شه. قیمت‌گذاری API این‌طوریه که به ازای هر میلیون توکن ورودی و خروجی، مبلغ مشخصی پرداخت می‌کنی. طبق صفحه رسمی قیمت‌گذاری اوپن‌ای‌آی، مدل‌های مختلف قیمت‌های متفاوتی دارن؛ مثلاً مدل‌های سبک‌تر ارزون‌تر از مدل‌های قدرتمندتر قیمت‌گذاری می‌شن، و این تفاوت می‌تونه چند برابر باشه.برای مقایسهٔ بهتر می‌تونی Claude Sonnet 5: راهنمای کامل قابلیت‌های agentic و مقایسه با Opus رو ببینی.

حالا فرقش با اشتراک مصرفی رو ببین: وقتی از طریق API استفاده می‌کنی، هر درخواست دقیقاً بر اساس توکن مصرفی حساب می‌شه. اما وقتی اشتراک ماهانه ثابت می‌خری، شرکت سازنده مدل ریسک مصرف زیاد رو خودش قبول می‌کنه. طبق ادعای زیترون در همین مصاحبه، یه گروه تحلیلی به نام Semi Analysis بررسی کرده و به این نتیجه رسیده که یه کاربر با اشتراک ۲۰۰ دلاری ChatGPT می‌تونه تا ۱۴ هزار دلار ارزش توکن مصرف کنه؛ روی اشتراک انتروپیک این رقم حدود ۸ هزار دلاره. حتی روی اشتراک ۲۰ دلاری معمولی، به گفته زیترون، کاربر می‌تونه تا ۴۰۰ دلار توکن بسوزونه.

نکته مهم اینه که چرا اصلاً سقف مصرف وجود داره. اگه شرکت‌ها واقعاً هزینه واقعی هر درخواست رو از کاربر می‌گرفتن، دیگه اشتراک ماهانه با قیمت ثابت معنی نداشت؛ همه باید بر اساس مصرف واقعی‌شون پول می‌دادن. وجود سقف مصرف دقیقاً به این خاطره که شرکت بتونه جلوی زیان نامحدود رو بگیره، نه اینکه بخواد لطفی در حقت بکنه.

طبق ادعای مطرح‌شده در مصاحبه، اوپن‌ای‌آی در یک سال گذشته ۲۰.۹ میلیارد دلار زیان کرده.

نکته کلیدی اینجاست: تعداد کاربر بالا رفتن، بار مصرف رو هم بالا می‌بره. یعنی هرچی کاربر بیشتری از ChatGPT یا Claude استفاده کنه، هزینه پردازش (برق، تراشه، ظرفیت سرور) هم بیشتر می‌شه. اگه قیمت هر درخواست کمتر از هزینه واقعی اجرای اون درخواست باشه، رشد کاربر به‌جای کم کردن زیان، اون رو بزرگ‌تر می‌کنه. این دقیقاً برعکس منطق عادی کسب‌وکاره که «هرچی مشتری بیشتر، سود بیشتر».

سمت مقابل این استدلال هم قابل شنیدنه: طرفدارای این صنعت می‌گن پول همیشه یه شاخص عقب‌افتاده از ارزشه. یعنی شرکت‌ها ممکنه عمداً جلوتر از بازگشت سرمایه هزینه کنن، دقیقاً همون‌طور که خیلی از فناوری‌های بزرگ تاریخ (مثل راه‌آهن یا اینترنت اولیه) هم همین مسیر رو رفتن؛ اول ضرر، بعد رشد نمایی و در نهایت سودآوری. این استدلال منطقیه ولی جواب نمی‌ده که چرا هزینه هر درخواست به‌جای کم شدن، طبق ادعای مطرح‌شده در مصاحبه، بیشتر شده.

پول تو این صنعت یه چرخه بسته‌ست: شرکت‌های ابری به سازنده‌های مدل سرمایه می‌دن، سازنده‌های مدل اون رو صرف اجاره همون زیرساخت ابری می‌کنن و فروشنده تراشه از وسط این چرخه درآمدش رو می‌گیره. این یعنی بخش زیادی از رقمی که به‌عنوان «رشد» یا «سرمایه‌گذاری در AI» اعلام می‌شه، در واقع همون پول قدیمی داره بین چند بازیگر بزرگ می‌چرخه.

مثلا آمازون امسال ۵۰ میلیارد دلار به اوپن‌ای‌آی و ۵ میلیارد دلار به انتروپیک فرستاده؛ گوگل هم ۱۰ میلیارد دلار به انتروپیک تزریق کرده.

حدود ۷۰ درصد از کل درآمد اعلام‌شده هوش مصنوعی در سه شرکت بزرگ (آمازون، گوگل، مایکروسافت) از دو شرکت اوپن‌ای‌آی و انتروپیک میاد؛ همون دو شرکتی که هنوز زیان‌ده‌ان و بدون کمک مالی همین شرکت‌های بزرگ نمی‌تونن سرپا بمونن. این یه حلقه بسته‌ست: شرکت بزرگ پول می‌ده، سازنده مدل با همون پول از شرکت بزرگ سرویس ابری می‌خره، و شرکت بزرگ اون خرید رو به‌عنوان «رشد درآمد AI» گزارش می‌ده.

این نکته با روش‌های ادعایی رقم‌گذاری هم پیچیده‌تر می‌شه. شرکت‌ها معمولاً به‌جای اعلام درآمد سالانه واقعی و تأییدشده، از یه معیار به اسم «نرخ سالانه‌شده» (annualized run rate) استفاده می‌کنن. این عدد یعنی درآمد یه بازه کوتاه (مثلاً یک ماه یا چند هفته) رو ضرب می‌کنن تا معادل یک سال بشه؛ اما این روش محاسبه دقیقاً تعریف‌شده نیست و می‌تونه بر اساس آخرین ماه، یا حتی آخرین چهار هفته حساب بشه. درآمد سالانه‌شده با درآمد واقعی محقق‌شده در طول یک سال کامل فرق داره؛ اولی یه پیش‌بینی خوش‌بینانه‌ست، دومی یه واقعیت حسابداری.

مثال ملموسی که تو مصاحبه بهش اشاره شده، پروژه دیتاسنتر استارگیت ابیلین در تگزاسه؛ همکاری اوپن‌ای‌آی و اوراکل. این دیتاسنتر ظرفیتی حدود ۱.۲ گیگاوات داره و قراره در هر کدوم از هشت ساختمانش، ۵۰ هزار پردازنده گرافیکی از نوع Nvidia GB200 نصب بشه. برای مقایسه، طبق همین ادعا، کل شهر بریستول در انگلستان سالانه حدود ۷۸۰۰ مگاوات برق مصرف می‌کنه؛ یعنی این یه دیتاسنتر تنها، برق بیشتری نسبت به کل مصرف سالانه یه شهر واقعی می‌کشه، اون هم در فضایی هزار برابر کوچک‌تر.

این مقیاس عظیم دلیل اصلی چیزیه که تو زبان مالی بهش «مخارج سرمایه‌ای» یا capex می‌گن. برخلاف هزینه‌های جاری مثل حقوق یا برق مصرفی روزانه که فوری روی صورت سود و زیان ثبت می‌شن، capex یه سرمایه‌گذاری بلندمدته: ساختن دیتاسنتر، خرید تراشه، تجهیز زیرساخت. این هزینه‌ها روی کاغذ به‌عنوان دارایی ثبت می‌شن، ولی نقدینگی واقعی رو همون لحظه از شرکت می‌گیرن.

این شرکت‌ها تا الان بیش از یک تریلیون دلار روی این زیرساخت خرج کردن و قصد دارن سال بعد یک تریلیون دلار دیگه هم اضافه کنن. مشکل اینجاست که بیشتر این شرکت‌ها (به‌جز مایکروسافت که طبق ادعای همین مصاحبه وضعیت متفاوتی داره) برای تأمین این مبلغ مجبور شدن بدهی بگیرن. یعنی این سرمایه‌گذاری عظیم، با پول نقد موجود شرکت انجام نشده، بلکه بخشی از اون از طریق وام و بدهی تأمین شده؛ ریسکی که در صورت کند شدن رشد درآمد، فشار مضاعفی روی ترازنامه شرکت می‌ذاره.

این هزینه‌ها دقیقاً همون چیزیه که پشت اون درخواست ساده‌ای که برای ChatGPT یا Claude می‌فرستی پنهان شده. هر بار که یه سؤال می‌پرسی، یه بخش کوچیک از این زیرساخت غول‌پیکر روشن می‌شه، برق مصرف می‌کنه و باید نگهداری بشه؛ صرف‌نظر از اینکه پاسخ دقیق و مفید بگیری یا نه.

یه محدودیت مهم اینجا اینه که این ارقام مقیاس زیرساخت (مثل پروژه استارگیت ابیلین) به‌تنهایی نشون نمی‌ده چه بخشی از این ظرفیت واقعاً صرف اجرای درخواست‌های ChatGPT یا Claude می‌شه و چه بخشی صرف آموزش مدل‌های نسل بعدی، مثل GPT-6، می‌شه. طبق صفحه رسمی OpenAI، مدل‌هایی مثل GPT-6 Astra و GPT-6 Sol در همین بازه زمانی معرفی شدن؛ یعنی بخش قابل‌توجهی از این زیرساخت گیگاواتی، هم‌زمان صرف پژوهش و آموزش مدل بعدی می‌شه، نه فقط پاسخ دادن به سؤال کاربر امروز. این تفکیک روشن نیست و همین ابهام یکی از دلایلیه که نمی‌شه هزینه دقیق «هر پاسخ» رو محاسبه کرد.

نکته دیگه اینه که این مخارج سرمایه‌ای فقط مخصوص یه شرکت نیست؛ الگوی مشابهی رو تو معرفی مدل‌های جدید هم می‌بینی. مثلاً OpenAI در کنار توسعه GPT-6 Sol و GPT-6 Astra، هم‌زمان روی گسترش ChatGPT به محصولات دیگه مثل ChatGPT for Word هم سرمایه‌گذاری کرده؛ یعنی هزینه زیرساخت فقط صرف اجرای مدل زبانی نیست، بلکه صرف ساخت و نگهداری کل اکوسیستم محصولی می‌شه که تو فقط بخش کوچیکی از اون رو به شکل اشتراک ماهانه می‌بینی.

نکته‌ای که زیترون تو مصاحبه به شکل یه سؤال بلاغی مطرح می‌کنه اینه: این شرکت‌ها یه چیز رو با روش‌های فعلی «حل» نمی‌کنن، فقط دارن زمان می‌خرن. سؤال اینه که این زمان‌خریدن تا کی ادامه داره.

برای کاربر عادی، این تحلیل‌ها یه معنای عملی مستقیم دارن: ساختار قیمت‌گذاری فعلی احتمالاً پایدار نیست و می‌تونه در آینده تغییر کنه. این به این معنی نیست که فردا اشتراکت قطع می‌شه، ولی چند سناریو محتمله که بهتره برای پذیرششون آماده باشی.

راه عملی برای سنجش ارزش اشتراکت اینه که واقعاً ببینی چقدر ازش استفاده می‌کنی و چه کاری باهاش انجام می‌دی. اگه هر روز برای کار واقعی (نوشتن، کدنویسی، تحلیل) ازش استفاده می‌کنی، ارزش دریافتی‌ات محسوسه. اگه فقط گاه‌به‌گاه یه سؤال ساده می‌پرسی، شاید پلن پایین‌تر یا حتی نسخه رایگان برات کافی باشه.برای مقایسهٔ بهتر می‌تونی بهترین اشتراک ۲۰ دلاری هوش مصنوعی: مقایسه ۳ گزینه برتر رو بخونی.

کادینر دقیقاً همین‌جا وارد می‌شه: پلن‌های ChatGPT شامل Go، Plus، Pro 5X و Pro 20X، و همین‌طور Claude Pro، به‌صورت اکانت اختصاصی و روی ایمیل شخصی خودت فعال می‌شن، نه اکانت اشتراکی یا چندنفره. این یعنی تاریخچه چت‌ها و تنظیماتت حفظ می‌مونه و نگران تغییر رمز از سمت فروشنده نیستی. با توجه به اینکه ساختار قیمت‌گذاری این سرویس‌ها ممکنه تغییر کنه، بهتره قبل از خرید، قیمت به‌روز رو در صفحه محصول کادینر ببینی. اگه سؤالی درباره تفاوت پلن‌ها یا نحوه فعال‌سازی داری، پشتیبانی کادینر از طریق تلگرام در دسترسه و می‌تونی مستقیم بپرسی کدوم پلن به کارت میاد.

حباب هوش مصنوعی، اگه واقعاً وجود داشته باشه، از جایی می‌ترکه که رشد کاربر دیگه نتونه هزینه واقعی زیرساخت رو توجیه کنه. رقم ثابت بیست دلاری که هر ماه پرداخت می‌کنی، فقط قله همون یخیه که زیرش یه اقتصاد پیچیده از سرمایه‌گذاری متقابل، بدهی و تعهد ظرفیته. محبوبیت ChatGPT و Claude واقعیه؛ میلیون‌ها نفر هر روز ازشون استفاده می‌کنن. اما این استفاده گسترده، به‌تنهایی ثابت نمی‌کنه که مدل مالی پشتش پایداره.

سؤال محوری این بود: آیا پولی که پرداخت می‌کنی، هزینه واقعی اجرای این مدل‌ها رو پوشش می‌ده؟ بر اساس شواهدی که بررسی کردیم، جواب فعلاً روشن نیست؛ و همین ابهام دلیل کافیه که به‌عنوان یه کاربر آگاه، مصرفت رو بسنجی، منبع خریدت رو دقیق انتخاب کنی و منتظر تغییرات احتمالی در قیمت و ساختار پلن‌ها باشی. برای فهم بهتر تفاوت بین پلن‌های موجود و اینکه کدوم واقعاً به کارت میاد، می‌تونی راهنمای انتخاب اشتراک هوش مصنوعی در مجله کادینر رو هم ببینی.