OpenAI و Anthropic بیش از ۴۰٪ از کل تأمین مالی سرمایهگذاری خطرپذیر جهانی را در نیمه اول سال ۲۰۲۶ جذب کردند
سرمایهگذاری خطرپذیر جهانی در نیمه اول سال ۲۰۲۶ به ۵۱۰ میلیارد دلار رسید، رکوردی که از کل ۴۴۰ میلیارد دلار سرمایهگذاری شده در کل سال ۲۰۲۵ فراتر میرود. این رقم کلی نشاندهنده یک اکوسیستم استارتآپی پررونق است. اما تفکیک آن داستان دیگری را روایت میکند: فقط OpenAI و Anthropic بیش از ۴۰٪ از این کل را به خود اختصاص دادند، تمرکز سرمایهای در دو شرکت که در تاریخ سرمایهگذاری خطرپذیر بیسابقه است.
حجم این سرمایهگذاریها به قدری است که باید صریح بیان شود. OpenAI در مارس ۲۰۲۶ یک دور سرمایهگذاری ۱۲۲ میلیارد دلاری را به رهبری آمازون (۵۰ میلیارد دلار)، انویدیا (۳۰ میلیارد دلار) و سافتبنک (۳۰ میلیارد دلار) بست که ارزش آن را به ۸۵۲ میلیارد دلار رساند. Anthropic نیز در پی آن، دوری را جمعآوری کرد که ارزش آن را به حدود ۹۶۵ میلیارد دلار رساند – به اندازهای به یک تریلیون دلار نزدیک که این تمایز برای آنچه درباره اعتماد سرمایهگذاران نشان میدهد، اهمیت چندانی ندارد. همراه با دور ۲۰ میلیارد دلاری xAI و افزایش سرمایه ۱۶ میلیارد دلاری Waymo، چهار شرکت در یک سهماهه ۱۸۸ میلیارد دلار جذب کردند، یعنی تقریباً ۶۵٪ از کل سرمایهگذاری خطرپذیر جهانی در آن دوره.
این تمرکز واقعاً چه تأثیری بر بقیه بازار دارد
سوال واضح این است که آیا این بازاری سالم با یک برنده غیرمعمول بزرگ است، یا بازاری که در آن تخصیص سرمایه به عنوان مکانیزمی برای کشف نسل بعدی شرکتهای مهم دیگر کار نمیکند. شواهد اولیه به سمت پاسخ دوم اشاره دارد، حداقل در دو جای خاص.
اول، آزمایشگاههای مدل بنیادی رده دوم – شرکتهایی مانند Reka و AI21 که هجده ماه پیش مدلهای واقعاً رقابتی میساختند – گزارش شده است که اندازه چکهای سرمایهگذاری نهادی برای آنها کوچکتر شده است، زیرا شرکای محدود (LPs) مواجهه خود با هوش مصنوعی را به سه یا چهار آزمایشگاهی متمرکز میکنند که واضحترین مسیر برای سلطه را دارند. وقتی یک LP میتواند با نوشتن یک چک به صندوقی که دارای موقعیت در OpenAI یا Anthropic است، مواجهه با هوش مصنوعی داشته باشد، دلیل برای شرطبندی روی یک آزمایشگاه کوچکتر و پرخطرتر به طور قابل توجهی تضعیف میشود. این قضاوتی در مورد فناوری آن شرکتها نیست – این یک اثر ساختاری تمرکز سرمایه است که هیچ ارتباطی با کیفیت محصول ندارد.
دوم، استارتآپهای هوش مصنوعی لایه کاربردی – شرکتهایی که محصولاتی را بر روی مدلهای پیشرو میسازند نه اینکه مدل خود را آموزش دهند – به دلیل اینکه حجم زیادی از سرمایه در لایه زیرساخت قفل شده است، به سختی میتوانند با ارزشگذاریهای چندبرابری ممتاز سرمایه جذب کنند. تحلیلگران صنعت انتظار دارند حداقل سه معامله مهم ادغام و تملک (M&A) در محدوده ۱ تا ۵ میلیارد دلار در سال ۲۰۲۶ رخ دهد، زیرا شرکتهای لایه کاربردی که نمیتوانند دور بعدی خود را جذب کنند، به جای ادامه به عنوان شرکتهای مستقل، توسط رقبای با سرمایه بهتر خریداری میشوند.
بخشی از داستان که فروپاشی نیست
ارزش دارد که در مقابل این چارچوببندی که استارتآپهای غیر هوش مصنوعی کاملاً از سرمایه محروم هستند، مقاومت کنیم. تقریباً ۵۸ میلیارد دلار تنها در سهماهه اول ۲۰۲۶ به استارتآپهای غیر هوش مصنوعی اختصاص یافت – رقمی که بزرگترین سهماهه سرمایهگذاری خطرپذیر در تاریخ قبل از ۲۰۱۸ میبود. در اعداد مطلق، سرمایه در دسترس برای شرکتهای خوب غیر هوش مصنوعی همچنان قابل توجه است. خوانش صادقانه این نیست که بقیه اکوسیستم استارتآپی در حال مرگ است؛ بلکه این است که معیار آنچه قابل تأمین مالی محسوب میشود، بیسروصدا تغییر کرده است، و این تغییر بدون آنکه اکثر بنیانگذاران خارج از حوزه هوش مصنوعی پیشرو متوجه شوند، رخ داده است.
یک بعد جغرافیایی نیز قابل توجه است: شرکتهای مستقر در ایالات متحده ۸۳٪ از سرمایه خطرپذیر جهانی را در سهماهه اول ۲۰۲۶ جذب کردند که نسبت به ۷۱٪ در سال قبل افزایش شدیدی داشت. این یک اثر تمرکز دوم است که بر روی تمرکز شرکتهای هوش مصنوعی سوار میشود – سرمایه فقط در چند شرکت جمع نمیشود، بلکه در چند شرکت در یک کشور جمع میشود، که پیامدهایی برای جایی که نسل بعدی شرکتهای فناوری رقابتی جهانی ساخته میشوند، دارد.
بنیانگذاران خارج از رده هوش مصنوعی پیشرو چه باید بکنند
اگر در حال حاضر خارج از چهار آزمایشگاه برتر هوش مصنوعی در حال جذب سرمایه هستید، پیامد عملی این است که موقعیتیابی کلی مبتنی بر هوش مصنوعی دیگر برای دسترسی به ارزشگذاریهای ممتاز کافی نیست – این چارچوب زمانی کار میکرد که سرمایه هوش مصنوعی به دنبال هر خانه معتبری بود؛ اما وقتی سرمایه هوش مصنوعی سه یا چهار خانه آشکار دارد که همه چیز را تحتالشعاع قرار میدهد، دیگر کار نمیکند. آنچه هنوز خوب جذب میکند: خندقهای واقعی داده یا توزیع که به کیفیت مدل مرتبط نیستند، کاربردهای عمودی خاص که در آن دانش دامنه مهمتر از قابلیت خام مدل است، و بازیهای زیرساختی که صرفنظر از اینکه کدام آزمایشگاه پیشرو برنده شود، همچنان مفید باقی میمانند. بنیانگذاران همچنین باید انتظار جدول زمانی طولانیتر برای جذب سرمایه در خارج از رده هوش مصنوعی داشته باشند، زیرا LPs و صندوقها چرخههای بررسی بیشتری را به ازای هر چک غیرپیشرو صرف میکنند – پول ناپدید نشده است، اما توجه اختصاص داده شده برای یافتن آن کاهش یافته است.