استارتآپهای هوش مصنوعی با ارزشگذاریهایی سرمایه جذب میکنند که معیارهای سنتی را به چالش میکشند — در اینجا آنچه این روند را هدایت میکند
در سرمایهگذاری خطرپذیر سنتی، ارزشگذاری شرکتها به چندبرابر درآمد، نرخ رشد و مسیر سودآوری گره خورده است. یک شرکت SaaS که ۵۰ درصد رشد سالانه دارد ممکن است با ۱۵ تا ۲۰ برابر درآمد معامله شود. این معیارها وجود دارند زیرا شرکتهای کافی ساخته و فروخته شدهاند تا مشخص شود بازار برای مجموعه معینی از شاخصها چه خواهد پرداخت.
شرکتهای زیرساخت هوش مصنوعی — به ویژه توسعهدهندگان مدلهای مرزی — در این چارچوب نمیگنجند. ارزشگذاری ۶۱ میلیارد دلاری Anthropic، ۵۰ میلیارد دلاری گزارششده xAI، و بیش از ۳۰۰ میلیارد دلاری OpenAI از جمعآوری سرمایه سال ۲۰۲۵: هیچکدام با چندبرابر درآمد متعارف توجیه نمیشوند. با این حال، سرمایهگذاران نهادی پیچیده — Google، Amazon، Microsoft، صندوق سرمایهگذاری عمومی عربستان سعودی، Sequoia، Andreessen Horowitz — چکها را مینویسند. درک آنچه میخرند نیازمند خروج از کتاب بازی استاندارد سرمایهگذاری خطرپذیر است.
آنچه سرمایهگذاران واقعاً ارزشگذاری میکنند
دارایی که شرکتهای هوش مصنوعی مرزی در اختیار دارند عمدتاً درآمد نیست — بلکه موقعیت است. یک توسعهدهنده مدل با قابلیتهای پیشرفته در گلوگاه یک پشته زیرساختی قرار دارد که همه چیز دیگر به آن وابسته خواهد بود. استدلال این است: هر کسی که بهترین مدلهای بنیادی را کنترل کند، دسترسی به لایه شناختی نرمافزار را کنترل میکند. اگر آن لایه به اندازهای که سرمایهگذاران باور دارند مهم باشد، ارزش اقتصادی که از آن عبور میکند در نهایت درآمدهای فعلی را تحتالشعاع قرار خواهد داد.
این مشابه منطقی است که ارزشگذاریهای اولیه زیرساخت اینترنت را توجیه میکرد. یک شرکت فیبر نوری در سال ۱۹۹۹ با درآمد ناچیز میتوانست ارزشگذاری عظیمی داشته باشد اگر سرمایهگذاران باور داشتند ترافیک اینترنت چندین برابر افزایش خواهد یافت. سوال این نبود «این امروز چقدر میارزد؟» بلکه «ارزش گزینه مالکیت زیرساخت بحرانی در دنیایی که این امر بسیار مهم از آب درمیآید چقدر است؟»
برای هوش مصنوعی، این شرط بر اساس چند فرضیه خاص بسته میشود: اینکه هزینههای استنتاج به شدت کاهش خواهد یافت (و هوش مصنوعی را در کاربردهای بیشتری از نظر اقتصادی مقرونبهصرفه میکند)، اینکه قابلیتهای مدل بهبود خواهد یافت (مجموعه موارد استفاده قابل دسترس را گسترش میدهد)، و اینکه مزیتهای حرکت اول در زیرساخت آموزش و استعداد پایدار هستند (موانع ورودی ایجاد میکند که حاشیه سود را محافظت میکند).
مدل استارتآپهای مبتنی بر GPU
یکی از ویژگیهای غیرعادی اقتصاد استارتآپهای هوش مصنوعی، شدت سرمایهبری قبل از ایجاد درآمد است. آموزش مدلهای مرزی هر بار صدها میلیون دلار هزینه دارد. یک استارتآپ که جمعآوری سرمایه ۵۰۰ میلیون دلاری اعلام میکند ممکن است ۳۰۰ میلیون دلار آن را در ۱۸ ماه اول صرف محاسبات کند. نسبت درآمد به سرمایهگذاری بر اساس معیارهای استاندارد نگرانکننده به نظر میرسد — تا زمانی که متوجه شوید این هزینه در حال ساخت یک دارایی (یک مدل آموزشدیده) است، نه اینکه صرف فروش و بازاریابی شود.
این امر به یک پویایی تأمین مالی غیرعادی منجر شده است که در آن شرکتهایی با درآمد صفر، با ارزشگذاریهایی سرمایه جذب میکنند که به معنای نتایج نهایی تریلیون دلاری است. این اعداد تنها زمانی معنا پیدا میکنند که باور داشته باشید دارایی در حال ساخت — یک مدل مرزی رقابتی — واقعاً نادر و به اندازه کافی ارزشمند است تا هزینه را توجیه کند. با گسترش این حوزه، تعداد سازمانهایی که میتوانند به طور معتبر در مرز رقابت کنند کم باقی مانده است: دورههای آموزش نه تنها به سرمایه، بلکه به زیرساخت تخصصی، تراکم استعداد و دانش نهادی انباشته نیاز دارند که سالها طول میکشد تا ساخته شود.
بازار Seed: آنچه برای جمعآوری سرمایه در سال ۲۰۲۶ لازم است
در پایینتر از لایه مدلهای مرزی، محیط تأمین مالی در سال ۲۰۲۶ گزینشیتر شده است. موج ۲۰۲۳-۲۰۲۴ شرکتهای «لایهرویی» هوش مصنوعی — برنامههایی که بر روی API OpenAI ساخته شده بودند با تمایز نازک — تا حد زیادی تعدیل شده است. سرمایهگذارانی که از آن شرکتها پشتیبانی کردند دیدند چه اتفاقی میافتد وقتی API زیربنایی به حدی بهبود مییابد که محصول را کالایی میکند.
آنچه اکنون در مراحل Seed و Series A تأمین مالی میشود معمولاً در چند دسته قرار میگیرد. بازیهای زیرساختی — شرکتهایی که پایگاههای داده برداری بهتر، بهینهسازی استنتاج، ابزارهای Fine-tuning و Frameworkهای ارزیابی میسازند — همچنان سرمایه جذب میکنند زیرا ارزش را مستقل از اینکه کدام مدل مرزی برنده شود ارائه میدهند. برنامههای کاربردی عمودی هوش مصنوعی با مزایای دادهای واقعی و هزینههای تعویض — هوش مصنوعی پزشکی آموزشدیده بر روی دادههای بالینی اختصاصی، هوش مصنوعی حقوقی عمیقاً یکپارچه با سیستمهای گردش کار — از ابزارهای بهرهوری افقی بادوامتر به نظر میرسند. و کاربردهای چندوجهی یا دنیای فیزیکی (رباتیک، بینایی کامپیوتر برای موارد استفاده صنعتی) علاقه تازهای جلب میکنند زیرا مدلها قابلیت خود را در آن حوزهها نشان میدهند.
ادغامها و تملکها در کجا رخ میدهد
تصاحبهای بزرگ فناوری هوش مصنوعی در ۲۰۲۵-۲۰۲۶ عمدتاً تصاحبهای مبتنی بر استعداد و فناوری بوده است نه تصاحب درآمد. تصاحب تیمهای کلیدی از Character.AI توسط Google، سرمایهگذاری عمیقتر Microsoft در OpenAI، موقعیت قابل توجه Amazon در Anthropic — الگوی بازیگران مستقر است که برای دسترسی به قابلیت و استعداد پرداخت میکنند، نه خرید جریانهای درآمد اثباتشده.
این برای بنیانگذاران مهم است زیرا به این معناست که مسیرهای خروج نیازی به ساخت تا سودآوری ندارند. تیمی که یک قابلیت هوش مصنوعی قابل اثبات میسازد، حتی در مقیاس متوسط، ارزش تملک واقعی دارد اگر آن قابلیت سالها طول بکشد تا خریدار بزرگ فناوری به صورت داخلی بسازد. مسیر «بساز برای تملک» در هوش مصنوعی رایجتر از موجهای نرمافزاری قبلی است.
شرط زیرساخت در مقابل شرط کاربرد
قدیمیترین اصل در سرمایهگذاری در تب طلا فروش بیل است. معادل هوش مصنوعی آن تز «کلنگ و بیل» است: به جای شرط بندی روی اینکه کدام کاربرد هوش مصنوعی برنده میشود، روی زیرساختی شرط بندی کنید که همه صرف نظر از برنده شدن هر کاربرد به آن نیاز دارند. این منطق سرمایهگذاری عظیمی را به ابرهای GPU، APIهای استنتاج، پایگاههای داده برداری و ابزارهای نظارت بر هوش مصنوعی هدایت کرده است.
استدلال مقابل این است که زیرساخت کالایی میشود. AWS هزینه همان خدماتی را که میفروخت کاهش داد و همان پویایی در زیرساخت هوش مصنوعی در حال ظهور است. قیمتگذاری API استنتاج با افزایش رقابت به شدت کاهش یافته است. قابلیت پایگاه داده برداری در پایگاههای داده همهمنظوره جذب میشود. شرکتهایی که با ارزشگذاری بالا روی بازیهای صرفاً زیرساختی سرمایه جذب کردند میبینند قدرت قیمتگذاری آنها سریعتر از حد انتظار فرسایش مییابد.
چشمانداز تأمین مالی ۲۰۲۶ به بنیانگذارانی پاداش میدهد که میتوانند یک خندق رقابتی پایدار را بیان کنند — خواه دادههای اختصاصی، یکپارچگی عمیق با مشتری، یک پیشروی قابلیت که با استفاده ترکیب میشود، یا یک مزیت توزیع که رقبای بزرگتر نمیتوانند به راحتی تکرار کنند. دورانی که «ما در حوزه هوش مصنوعی کار میکنیم» برای تمایز کافی در یک دور تأمین مالی بود گذشته است.