هشدار معاون گوگل: دو مدل استارتاپ هوش مصنوعی ممکن است دوام نیاورند

در حالی که موج استارتاپ‌های هوش مصنوعی طی دو سال اخیر رشد انفجاری را تجربه کرده، حالا یکی از مدیران ارشد گوگل نسبت به آینده برخی مدل‌های کسب‌وکار هشدار داده است؛ موضوعی که برای فعالان حوزه آموزش هوش مصنوعی و کارآفرینان این اکوسیستم اهمیت بالایی دارد.

Darren Mowry، معاون گوگل در بخش استارتاپ‌های Cloud و DeepMind، اعلام کرده دو نوع استارتاپ ممکن است در چرخه بعدی بازار با مشکل جدی مواجه شوند:

• LLM Wrapperها

• AI Aggregatorها

در گفت‌وگو با پادکست Equity، او اعلام کرد بسیاری از این کسب‌وکارها اکنون با «چراغ چک روشن» فعالیت می‌کنند؛ استعاره‌ای برای مدل‌هایی که نشانه‌های ضعف ساختاری دارند.

LLM Wrapperها؛ مدل کسب‌وکار با تمایز حداقلی

LLM Wrapperها استارتاپ‌هایی هستند که روی مدل‌های زبانی بزرگی مانند Claude، GPT یا Gemini یک لایه رابط کاربری یا محصول اضافه می‌کنند تا مسئله‌ای مشخص را حل کنند.

به گفته مووری، اگر یک استارتاپ «تقریباً همه کار را به مدل بک‌اند بسپارد» و صرفاً یک لایه نازک محصولی روی آن بسازد، دیگر بازار صبر سابق را ندارد. او تأکید می‌کند که صرفاً پیچیدن «مالکیت فکری بسیار سطحی» حول مدل‌هایی مانند OpenAI یا Google DeepMind نشان‌دهنده نبود تمایز واقعی است.

از نظر او، استارتاپ‌ها باید «خندق‌های رقابتی عمیق و گسترده» ایجاد کنند — چه از طریق تمایز افقی در بازار و چه تمرکز عمودی بر یک صنعت خاص.

نمونه‌هایی از Wrapperهایی که توانسته‌اند ارزش عمیق‌تری خلق کنند عبارت‌اند از:

• Cursor، دستیار کدنویسی مبتنی بر GPT

• Harvey AI، دستیار هوش مصنوعی برای حوزه حقوق

به بیان دیگر، دوران افزودن یک UI ساده روی GPT و انتظار جذب سریع کاربر — مشابه دوره راه‌اندازی ChatGPT Store در سال ۲۰۲۴ — به پایان رسیده است.

AI Aggregatorها؛ فشار حاشیه سود و حذف واسطه‌ها

Aggregatorها زیرمجموعه‌ای از Wrapperها محسوب می‌شوند. این استارتاپ‌ها چندین مدل زبانی را در یک رابط یا API واحد تجمیع می‌کنند و درخواست‌ها را بین مدل‌های مختلف مسیریابی می‌کنند.

نمونه‌هایی در این دسته شامل:

• Perplexity

• OpenRouter

اگرچه برخی از این پلتفرم‌ها رشد قابل‌توجهی داشته‌اند، مووری توصیه صریحی به استارتاپ‌های جدید دارد: «وارد کسب‌وکار تجمیع‌کننده‌ها نشوید.»

او معتقد است کاربران دیگر صرفاً دسترسی به چند مدل را نمی‌خواهند، بلکه به دنبال «مالکیت فکری داخلی» هستند که تضمین کند بهترین مدل در زمان مناسب و بر اساس نیاز واقعی انتخاب شود — نه صرفاً بر اساس محدودیت‌های محاسباتی یا دسترسی.

شباهت با دوران اولیه رایانش ابری

مووری که سابقه فعالیت در AWS و مایکروسافت را نیز دارد، وضعیت فعلی را مشابه سال‌های ابتدایی رایانش ابری می‌داند؛ زمانی که استارتاپ‌هایی برای فروش مجدد زیرساخت Amazon Web Services شکل گرفتند.

با توسعه ابزارهای سازمانی توسط خود آمازون و افزایش دانش مشتریان، بیشتر آن واسطه‌ها حذف شدند. تنها شرکت‌هایی باقی ماندند که خدمات واقعی مانند امنیت، مهاجرت یا مشاوره DevOps ارائه می‌دادند.

به باور او، امروز نیز ارائه‌دهندگان مدل‌های هوش مصنوعی در حال افزودن قابلیت‌های سازمانی هستند و این موضوع می‌تواند حاشیه سود Aggregatorها را تحت فشار قرار دهد.

فرصت‌های جدید: پلتفرم‌های توسعه‌دهنده و فناوری مصرف‌کننده

در مقابل، مووری نسبت به «Vibe Coding» و پلتفرم‌های توسعه‌دهنده خوش‌بین است. در سال ۲۰۲۵، استارتاپ‌هایی مانند:

• Replit

• Lovable

• Cursor

سرمایه‌گذاری و جذب کاربر چشمگیری را تجربه کردند.

او همچنین رشد قابل‌توجهی را در حوزه فناوری‌های مستقیم به مصرف‌کننده پیش‌بینی می‌کند؛ به‌عنوان نمونه استفاده از ابزار تولید ویدیوی هوش مصنوعی Veo برای دانشجویان سینما و تلویزیون جهت تولید محتوای خلاقانه.

فراتر از هوش مصنوعی: زیست‌فناوری و اقلیم

مووری علاوه بر AI، به رشد سرمایه‌گذاری در زیست‌فناوری و فناوری اقلیم اشاره می‌کند؛ صنایعی که به لطف دسترسی به حجم عظیمی از داده‌ها می‌توانند ارزش‌هایی خلق کنند که پیش‌تر ممکن نبود.

جمع‌بندی

موج اولیه تب استارتاپ‌های هوش مصنوعی بسیاری را وارد بازار کرد، اما به نظر می‌رسد فاز جدید بر «تمایز واقعی، مالکیت فکری عمیق و ارزش پایدار» تمرکز دارد. مدل‌هایی که صرفاً روی دسترسی به مدل‌های پایه تکیه دارند، ممکن است در رقابت با بازیگران بزرگ دوام نیاورند.