شاخص Ramp: استفاده کسب‌وکارها از هوش مصنوعی بیشتر و هزینه آن کمتر شده است

هزینه هوش مصنوعی برای شرکت‌های آمریکایی کاهش یافته، اما استفاده از این فناوری همچنان رو به افزایش است؛ شاخص تازه Ramp می‌گوید مصرف هوش مصنوعی از زمان اوج مخارج در ژوئیه حدود ۵۰ درصد بیشتر شده و در پایان سپتامبر به رکورد رسیده است. Ara Kharazian، اقتصاددان Ramp، کاهش هزینه‌ها را عمدتاً نتیجه رقابت میان OpenAI و Anthropic و ارزان‌تر شدن مدل‌ها می‌داند. این روند نشان می‌دهد که رشد استفاده از هوش مصنوعی لزوماً با افزایش هم‌زمان صورت‌حساب شرکت‌ها همراه نیست.

هزینه کمتر در کنار مصرف بیشتر

بر اساس تازه‌ترین شاخص هوش مصنوعی Ramp، مخارج شرکت‌های آمریکایی برای هوش مصنوعی پس از رسیدن به اوج در ژوئیه کاهش پیدا کرده است. با این حال، داده‌های مربوط به استفاده از مدل‌ها مسیر متفاوتی را نشان می‌دهند: مصرف از زمان آن اوج حدود ۵۰ درصد افزایش یافته و در آخرین روزهای سپتامبر رکورد ثبت کرده است.

این دو روند در نگاه نخست متناقض به نظر می‌رسند، اما کاهش هزینه در کنار رشد استفاده می‌تواند با ارزان‌تر شدن دسترسی به مدل‌ها توضیح داده شود. Kharazian به پایین آمدن قیمت مدل‌های پیشرفته و عرضه مدل‌های استاندارد و سبک‌تر با هزینه کمتر اشاره کرده است. مدل‌های سبک‌تر معمولاً برای انجام کارهای مشخص به کار می‌روند و در این گزارش، عامل مهمی در کاهش هزینه استفاده عنوان شده‌اند؛ هرچند Ramp جزئیات کاربردهای جداگانه یا میزان صرفه‌جویی را منتشر نکرده است.

گزارش رقم دقیقی برای مجموع مخارج یا مقدار کاهش آن ارائه نمی‌کند. بنابراین داده‌های منتشرشده بیشتر جهت کلی تغییر را نشان می‌دهند: هزینه‌کرد پس از اوج ژوئیه پایین آمده، در حالی که میزان استفاده افزایش پیدا کرده است. این تمایز مهم است، چون شاخص درباره هم‌زمانی روندها اطلاعات می‌دهد، اما به‌تنهایی اندازه صرفه‌جویی هر شرکت یا هزینه هر نوع فعالیت را مشخص نمی‌کند.

رقابت OpenAI و Anthropic در هزینه‌های مدل‌ها

Kharazian می‌گوید افت هزینه‌ها تقریباً به‌طور کامل از رقابت میان OpenAI و Anthropic ناشی شده است. به گفته او، کاهش قیمت مدل‌های برتر در کنار گزینه‌های استاندارد و سبک‌تر، شرایطی ایجاد کرده که شرکت‌ها بتوانند استفاده بیشتری داشته باشند و در عین حال کمتر هزینه کنند. این توضیح، رقابت میان ارائه‌دهندگان را به یکی از محورهای اصلی تفسیر شاخص Ramp تبدیل می‌کند.

ترکیب هزینه‌کرد توکنی در هفته پایانی سپتامبر نیز سهم بالای این دو شرکت را نشان می‌دهد. طبق داده‌های Ramp، Anthropic حدود ۵۱ درصد و OpenAI حدود ۴۴٫۵ درصد از هزینه‌کرد توکنی را به خود اختصاص داده‌اند. توکن واحدی است که مدل‌های زبانی برای پردازش متن و تولید پاسخ به کار می‌برند؛ در سرویس‌های مبتنی بر API، هزینه استفاده می‌تواند با میزان پردازش توکن ارتباط داشته باشد.

این درصدها به هزینه‌کرد توکنی در بازه‌ای مشخص مربوط‌اند، نه لزوماً به تمام مخارج هوش مصنوعی شرکت‌ها یا سهم این دو شرکت از کل بازار. همچنین Ramp توضیح داده که داده‌های توکن از زیرمجموعه‌ای از داده‌های اصلی به دست می‌آیند. در نتیجه، ارقام سهم را باید در چارچوب همان نمونه و همان هفته خواند، نه به‌عنوان نمایی کامل از همه کاربران یا همه انواع خرید هوش مصنوعی.

مدل‌های متن‌باز سهم کوچکی از مخارج دارند

با وجود گسترش گزینه‌های مختلف، مدل‌های متن‌باز هنوز سهم محدودی از هزینه‌کرد کسب‌وکارها دارند. Kharazian می‌گوید این مدل‌ها کمتر از پنج درصد مخارج شرکت‌ها را تشکیل می‌دهند. این آمار درباره سهم هزینه است و به‌تنهایی نشان نمی‌دهد مدل‌های متن‌باز در چند شرکت یا برای چه کارهایی استفاده می‌شوند.

در این گزارش، یکی از توضیح‌های مطرح‌شده برای افت هزینه، رقابت میان دو شرکت بزرگ و ارزان‌تر شدن مدل‌هاست؛ در مقابل، سهم محدود مدل‌های متن‌باز از مخارج نشان می‌دهد که در داده‌های بررسی‌شده، هزینه‌های تجاری عمدتاً به سرویس‌های پولی مربوط بوده است. با این حال، اطلاعات منتشرشده جزئیاتی درباره علت‌های این سهم پایین، تفاوت قیمت‌ها یا معیار انتخاب مدل از سوی شرکت‌ها ارائه نمی‌دهد.

به همین دلیل، نتیجه شاخص را نباید به معنای کنار رفتن مدل‌های متن‌باز دانست. داده‌ها فقط سهم آن‌ها از هزینه‌کرد ثبت‌شده را گزارش می‌کنند و درباره استفاده بدون هزینه، اجرای داخلی مدل‌ها یا میزان کاربرد در هر شرکت اطلاعات جداگانه‌ای ندارند. آنچه با اطمینان می‌توان گفت این است که در سنجه مالی ارائه‌شده، سهم مخارج مربوط به مدل‌های متن‌باز کمتر از پنج درصد بوده است.

محدودیت‌های داده‌های شاخص Ramp

شاخص Ramp تراکنش‌های بیش از ۷۰ هزار شرکت آمریکایی را دنبال می‌کند، اما همه نتایج آن بر پایه همین مجموعه گسترده نیست. داده‌های مربوط به توکن از نمونه‌ای کوچک‌تر گرفته شده‌اند و گزارش فقط مخارج API را پوشش می‌دهد. API یا رابط برنامه‌نویسی کاربردی، راهی است که از طریق آن یک شرکت می‌تواند مدل هوش مصنوعی را در نرم‌افزار یا فرایندهای خود به کار بگیرد.

Ramp همچنین می‌گوید داده‌های شاخص به سمت مشتریان بزرگ هوش مصنوعی متمایل است. بنابراین، ارقام گزارش ممکن است رفتار شرکت‌هایی را که مصرف بیشتری دارند بهتر بازتاب دهند و نباید بی‌واسطه به همه کسب‌وکارها تعمیم داده شوند. افزون بر این، چون معیار بررسی‌شده هزینه API است، گزارش تصویری کامل از هر نوع سرمایه‌گذاری مرتبط با هوش مصنوعی ارائه نمی‌کند.

کاهش مخارج پیش از این نیز در داده‌های Ramp دیده شده بود، اما Kharazian می‌گوید افت فعلی مدت غیرمعمولی ادامه پیدا کرده است. زمان آغاز روند در گزارش به اوج هزینه‌کرد در ژوئیه برمی‌گردد؛ در سوی دیگر، استفاده تا انتهای سپتامبر افزایش یافته و رکورد زده است. این کنار هم قرار گرفتنِ هزینه کمتر و استفاده بیشتر، موضوع اصلی شاخص جدید است، هرچند محدودیت‌های نمونه و دامنه داده‌ها در تفسیر آن اهمیت دارند.

این خبر برای چه کسانی اهمیت دارد

این داده‌ها برای مدیرانی اهمیت دارد که هزینه API و انتخاب مدل را در بودجه هوش مصنوعی شرکت دنبال می‌کنند. گزارش Ramp نشان می‌دهد پایین آمدن هزینه دسترسی به مدل‌ها می‌تواند هم‌زمان با افزایش استفاده رخ دهد، اما مقدار صرفه‌جویی هر شرکت را مشخص نمی‌کند. ازاین‌رو، تصمیم‌گیران باید آمار کلی را در کنار هزینه‌ها و الگوی مصرف خود ارزیابی کنند.

برای شرکت‌های فعال در توسعه مدل نیز شاخص، نشانه‌ای از اهمیت رقابت قیمتی است: Kharazian بخش عمده افت را به رقابت OpenAI و Anthropic نسبت می‌دهد و داده‌های هفته پایانی سپتامبر تمرکز هزینه‌کرد توکنی بر این دو را نشان می‌دهند. در عین حال، سهم کمتر از پنج‌درصدی مدل‌های متن‌باز در مخارج ثبت‌شده، تصویری محدود از جایگاه مالی آن‌ها در نمونه Ramp ارائه می‌کند. این ارقام به‌تنهایی درباره کیفیت مدل‌ها یا برتری فنی هیچ‌یک داوری نمی‌کنند.