هزینه‌های گزاف و سود ناچیز، چالش‌هایی برای استارتاپ‌های کدنویسی در حوزه هوش مصنوعی ایجاد می‌کند
راه‌اندازی یک کسب‌وکار نوپا در زمینه هوش مصنوعی به شیوه‌ای خاص و چالش‌برانگیز است. یکی از مشکلات اصلی پیش‌روی این‌گونه استارتاپ‌ها، هزینه‌هایی بسیار بالا در مقایسه با حاشیه سود اندک آنهاست.
طبق گزارشی از تک کرانچ، با وجود تمام شهرت و جنجال‌های رخ داده حول دستیاران هوش مصنوعی در زمینه کدنویسی، در عمل، استارتاپ‌های حامی این فناوری‌ها ممکن است به شدت زیان‌ده باشند. برخی منابع مطلع گزارش داده‌اند که توسعه این نوع ابزارها ممکن است به قدری هزینه‌بر باشد که حاشیه سود ناخالص آنها به شدت منفی گردد؛ به عبارت دیگر هزینه‌های تولید محصول بیشتر از مطالبات مالی‌ای است که این استارتاپ‌ها می‌توانند از مشتریان خود دریافت کنند.
استارتاپ‌های فعال در حوزه هوش مصنوعی، سود اندکی دارند
در ماه فوریه، خبری منتشر شد مبنی بر اینکه استارتاپ هوش مصنوعی Windsurf که در عرصه کدنویسی فعالیت می‌کند، در حال تلاش برای جذب سرمایه‌ای بزرگ به ارزش ۲.۸۵ میلیارد دلار با حمایت شرکت سرمایه‌گذاری Kleiner Perkins است. این مبلغ دو برابر ارزیابی استارتاپ در ۶ ماه قبل از آن بوده است. با این حال، این توافق هیچ‌گاه به نتیجه نرسید و در ماه آوریل اعلام شد که Windsurf در نظر دارد که خود را به OpenAI با ارزشی تقریباً ۳ میلیارد دلار بفروشد.
کسب‌وکارهای نوپا در حوزه هوش مصنوعی به دلیل هزینه‌های بالای کار با مدل‌های زبانی بزرگ (LLM) با حاشیه سود پایینی مواجه هستند. دستیاران هوش مصنوعی کدنویسی به‌ویژه زیر فشار هستند تا جدیدترین، پیشرفته‌ترین و پرهزینه‌ترین مدل‌ها را ارائه دهند، چرا که تولیدکنندگان مدل‌ها نسخه‌های تازه خود را به طور مشخصی برای بهبود کدنویسی و انجام وظایف مرتبط مانند اشکال‌زدایی و بهینه‌سازی طراحی می‌کنند.
این معضل با رقابت شدید در بازار دستیارهای کدنویسی و ابزارهای تعاملی پیچیده‌تر می‌شود. در این حوزه، رقبا از قبل دارای پایگاه‌های مشتری گسترده‌ای هستند، همچون Cursor به‌طور ویژه از شرکت Anysphere و GitHub Copilot.
یکی از ساده‌ترین روش‌ها برای افزایش حاشیه سود در استارتاپ‌های هوش مصنوعی، توسعه مدل‌های خودمختار توسط استارتاپ‌هاست که به این ترتیب می‌توانند هزینه‌های پرداختی به ارائه‌دهندگان خارجی مانند Anthropic و OpenAI را حذف نمایند. اما این راهکار خود با ریسک‌هایی مانند هزینه‌های زیاد برای ساخت مدل‌های اختصاصی و چالش‌های فنی همراه است.
