«خستگی از مدل‌ها» در حالی از راه می‌رسد که آزمایشگاه‌های هوش مصنوعی با سرعتی جنون‌آمیز برای عرضه نسخه‌های جدید رقابت می‌کنند

برداشت فوری بازار ترکیبی است؛ با پیامدی اندکی نزولی برای تمایز میان مدل‌های هوش مصنوعی، اما همچنان با حمایت از هزینه‌کرد در زیرساخت هوش مصنوعی.

• ارائه‌دهندگان کاربردها و مدل‌های هوش مصنوعی: انتشارهای سریع می‌تواند نشانه تشدید رقابت و کوتاه‌تر شدن چرخه‌های محصول باشد. اگر مشتریان مدل‌های پی‌درپی را به‌جای تحول‌آفرین، صرفاً تدریجی و افزایشی ارزیابی کنند، قدرت قیمت‌گذاری و وفاداری کاربران ممکن است تضعیف شود. این امر نگرانی‌هایی درباره درآمدزایی، دوام حاشیه سود و توانایی آزمایشگاه‌های خصوصی مانند OpenAI و Anthropic برای توجیه نیازهای فزاینده سرمایه‌ای ایجاد می‌کند.

• Alphabet (GOOGL) و Meta (META): این خبر بیش از آنکه یک محرک روشن برای سودآوری ایجاد کند، ریسک اجرایی را افزایش می‌دهد. عرضه‌های مکرر ممکن است تعهد راهبردی آن‌ها به هوش مصنوعی را تقویت کند، اما هم‌زمان هزینه‌های تحقیقاتی، محاسباتی و بازاریابی را نیز افزایش می‌دهد. برای Alphabet، مسئله اصلی این است که آیا مدل‌های جدید درآمدزایی از جست‌وجو و خدمات ابری را تقویت می‌کنند یا نه؛ و برای Meta، اینکه آیا هوش مصنوعی به اندازه‌ای تعامل کاربران و بازده تبلیغات را بهبود می‌دهد که سرمایه‌گذاری انجام‌شده را جبران کند.

• زیرساخت هوش مصنوعی: اگر هر مدل جدید به ظرفیت اضافی برای آموزش و استنتاج نیاز داشته باشد، چرخه هزینه‌کرد می‌تواند برای Nvidia، AMD، Broadcom، ارائه‌دهندگان خدمات ابری، اپراتورهای مراکز داده و شرکت‌های مرتبط با برق همچنان مثبت باقی بماند. بااین‌حال، اگر شرکت‌ها از رقابت بر سر مدل‌های پیشرو به سمت بهره‌وری، تجمیع یا سامانه‌های متن‌باز کم‌هزینه‌تر حرکت کنند، «خستگی از مدل‌ها» می‌تواند در نهایت برای این ذی‌نفعان پیامدی نزولی داشته باشد.

• ارزش‌گذاری و احساسات بازار در بخش: این روایت این فرض را به چالش می‌کشد که هر عرضه مدل به‌طور خودکار بازار قابل‌دسترس را گسترش می‌دهد. همچنین ممکن است سرمایه‌گذاران را ترغیب کند میان شرکت‌هایی که درآمد قابل‌اندازه‌گیری ایجاد می‌کنند و شرکت‌هایی که عمدتاً بر مبنای ظرفیت آینده هوش مصنوعی ارزش‌گذاری شده‌اند، تمایز قائل شوند. در صورتی که عرضه‌های پیش‌رو نتوانند بهبودهای روشن در قابلیت‌ها یا پذیرش تجاری نشان دهند، این موضوع برای سهام هوش مصنوعی با ارزش‌گذاری بالا و حساس به مومنتوم، ریسک نزولی ایجاد می‌کند.

• افق زمانی: اثر کوتاه‌مدت احتمالاً تحت تأثیر اخبار و به‌صورت نسبی خواهد بود: سرمایه‌گذاران ممکن است به سمت رهبران زیرساختی و پلتفرم‌های سودآور متمایل شوند و در عین حال اشتیاق خود را نسبت به سرمایه‌گذاری‌های سفته‌بازانه در حوزه هوش مصنوعی کاهش دهند. جهت‌گیری میان‌مدت به این بستگی دارد که آیا روند انتشار مدل‌ها به تقاضای قوی‌تر از سوی شرکت‌ها منجر می‌شود یا صرفاً کالایی‌شدن را شتاب می‌بخشد.

معامله‌گران باید پذیرش مدل‌ها، قیمت‌گذاری استنتاج، راهنمایی‌های مربوط به هزینه‌های سرمایه‌ای بخش خدمات ابری، تقاضا برای GPU، هزینه‌های عملیاتی مرتبط با هوش مصنوعی و شواهدی مبنی بر بهبود درآمد تبلیغات، جست‌وجو، بهره‌وری یا درآمد سازمانی در پی عرضه‌های جدید را زیر نظر داشته باشند. کاهش معنادار در سرعت انتشار مدل‌ها برای معاملات مرتبط با زیرساخت نزولی خواهد بود؛ در حالی که ادامه عرضه‌ها بدون درآمدزایی روشن، برای ارائه‌دهندگان مدل و ارزش‌گذاری‌های هوش مصنوعی پیامد نزولی شدیدتری خواهد داشت.