مدل اشتراکی هوش مصنوعی به دلیل مصرف بالای توکن در فرایندهای عاملمحور، OpenAI و آنتروپیک را در خطر ضرردهی جدی قرار داده است.
مدل قیمتگذاری با نرخ ماهانه ثابت، یکی از مهمترین عوامل رشد سریع ابزارهای هوش مصنوعی مانند ChatGPT و Claude بوده است. بااینحال، تحلیلهای جدید نشان میدهند که این هزینههای دریافتی، فاصله زیادی با پوشش هزینههای واقعی کاربران پرمصرف دارند.
مؤسسه تحلیلی SemiAnalysis با تست اشتراکهای پیشرفته شرکتهای OpenAI و آنتروپیک و اجرای تسکهای برنامهنویسی طولانیمدت و فرایندهای عاملمحور تا مرز تمام شدن محدودیتهای هفتگی، عمق این شکاف مالی را محاسبه کرده است. یافتههای این شرکت نشان میدهد که هزینه استفاده حداکثری از این اشتراکها براساس نرخهای استاندارد API، به مراتب بالاتر از رقمی است که کاربران پرداخت میکنند.
شرکتهای هوش مصنوعی هزینههای سنگینی میپردازند
براساس این محاسبات، یک اشتراک ۲۰۰ دلاری ChatGPT Pro 20x در صورت استفاده حداکثری، بر مبنای قیمتگذاری API حدود ۱۴,۰۰۰ دلار برای OpenAI هزینه ایجاد میکند. طرح مشابه Claude Max 20x از شرکت آنتروپیک نیز که ۲۰۰ دلار در ماه قیمت دارد، سقفی معادل ۸,۰۰۰ دلار هزینه توکن روی دست این شرکت میگذارد.

این ارقام به خوبی نشان میدهند که چرا نرخ بهرهوری و استفاده کاربران برای شرکتهای سازنده هوش مصنوعی تا این حد حیاتی است. به گزارش SemiAnalysis، آنتروپیک در طرحهای Claude Pro و Claude Max 5x تنها زمانی به مرحله بازگشت سرمایه میرسد که میزان بهرهوری و استفاده کاربر حدود ۲۰ درصد باشد. OpenAI وضعیت سختتری دارد؛ حاشیه سود این شرکت در طرحهای ChatGPT Plus و ChatGPT Pro 5x به محض عبور میزان استفاده کاربر از ۱۱.۴ درصد، کاملاً از بین میرود و شرکت وارد فاز ضرردهی میشود.
این وضعیت در اشتراکهای گرانقیمتتر بحرانیتر است؛ آنتروپیک در طرحهای بالارده خود با رسیدن میزان استفاده کاربر به ۱۰ درصد، حاشیه سود ناخالص صفر را تجربه میکند، درحالیکه OpenAI تنها با عبور از مرز ۵.۷ درصد استفاده، وارد محدوده منفی و زیاندهی میشود. این یعنی برای ضرردهشدن این اشتراکها، نیازی به استفادههای عجیب و غریب و افراطی نیست.
با این وجود، افزایش قیمت یا محدود کردن دسترسی کاربران راهکار سادهای نخواهد بود، چرا که مدلهای اشتراکی نقشی کلیدی در جذب کاربر داشتهاند و عقبنشینی از آنها خطر کاهش شتاب رشد را در بازار رقابتی به همراه دارد.

بخشی از این فشار مالی به نحوه استفاده از هوش مصنوعی مربوط میشود. میزان مصرف توکنها به شدت درحال افزایش است؛ به ویژه در سیستمهای عاملمحور که گاهی تا ۱,۰۰۰ برابر بیشتر از یک پرامپت معمولی به توکن نیاز دارند. این حجم از تقاضا، سازمانهای بزرگ را مجبور کرده است تا در دسترسی آزاد کارکنان خود به این ابزارها بازنگری کنند.
شرکتهایی مانند مایکروسافت، متا و آمازون پس از بالا رفتن شدید هزینهها، برنامههای داخلی خود را که کارمندان را به استفاده سنگین از هوش مصنوعی تشویق میکرد، محدود کردهاند.
اگرچه SemiAnalysis پیشبینی کرده که با توسعه زیرساختها، هزینه اجرای مدلهای میانرده در آینده کاهش پیدا میکند و به ارقامی مانند ۲۰ دلار در ماه میرسد، اما این قاعده شامل حال پیشرفتهترین مدلهای نسل بعد نخواهد شد و احتمالاً دسترسی به قدرتمندترین قابلیتهای هوش مصنوعی در آینده، به جای اشتراکهای ماهانه، صرفاً از طریق API و پرداخت به ازای مصرف عرضه شود.
