بازنگری سرمایه‌گذاری a16z: 86% معاملات VC به سمت AI می‌رود، جشن یک تریلیون دلاری تازه آغاز شده است

نویسنده: Z Potentials

نکات برجسته Z

• فاصله بین اینکه مدل‌ها چه کاری می‌توانند انجام دهند و اینکه واقعاً چگونه استفاده می‌شوند، دلیل هیجان من در مورد لایه‌های کاربردی است.
• شرکت‌هایی که در صدر 1% هزینه‌های ابزارهای AI قرار دارند، هزینه‌های میانه‌شان تقریباً هشت برابر هزینه‌های 10% اول است.
• برای شرکت‌های تحت رهبری بنیان‌گذاران، خود بنیان‌گذار یک کلاس دارایی است.

این مقاله از پادکست رسمی a16z با عنوان «AI، زیرساخت و چرخه سرمایه‌گذاری بعدی» گردآوری شده است. دیوید جورج، سارا وانگ، الکس ایمرمن و سانتیاگو "سانتی" رودریگز چهار شریک از صندوق رشد a16z هستند. این قسمت با استفاده از 25 نمودار کلیدی در گزارش سالانه «وضعیت بازارها»، به بحث در مورد سودهای پشت افزایش بازار، رقابت تسلیحاتی قدرت محاسباتی بین شرکت‌های فوق‌العاده بزرگ، نرخ پذیرش بسیار پایین در لایه‌های مدل و کاربرد، و آخرین مشاهدات در بازار مصرف، نرم‌افزار عمومی، IPO و بازار ثانویه می‌پردازد. این برنامه در تاریخ 30 سپتامبر 2026 منتشر شد.

01 فناوری "همه‌چیز دوره‌ای" است

دیوید: خوش آمدید به پادکست a16z. من دیوید جورج هستم و امروز همکارانم سارا وانگ، الکس ایمرمن و سانتیاگو رودریگز با من هستند. ما در این قسمت به بررسی 25 نمودار کلیدی در آخرین گزارش «وضعیت بازارها» می‌پردازیم: سودهای پشت افزایش بازار، مقیاس ساخت AI، شواهدی از رشد نرخ پذیرش و اینکه این دوره چه معنایی برای سخت‌افزار، نرم‌افزار و شرکت‌های خصوصی نسل بعدی دارد. ما معنی نمودارها را توضیح خواهیم داد و همچنین درباره آنچه در خط مقدم شرکت‌ها می‌بینیم صحبت خواهیم کرد. سارا، الکس، سانتی، از اینکه اینجا هستید متشکرم.

در روز انتشار این پادکست، ما همچنین گزارش کامل «وضعیت بازارها» را منتشر خواهیم کرد. این یک سنت سالانه از تیم رشد ماست که بزرگ‌ترین روندها در فناوری، AI و زیرساخت را در یک ماده جمع‌آوری می‌کند و امروز ما برخی از نمودارهای جالب را برای بحث انتخاب کرده‌ایم. اگر می‌خواهید تصویر کامل را ببینید، حتماً نسخه کامل را بخوانید، که شامل اطلاعات زیادی است. زمینه‌هایی که امروز درباره آن‌ها صحبت خواهیم کرد شامل کلان‌اقتصاد ------ CapEx، مراکز داده، تقاضای در حال رشد سریع؛ و همچنین مشاهدات خط مقدم ------ مدل‌ها، کاربردها و بررسی عمیق چندین حوزه عمودی است. فناوری در حال ایجاد یک هیجان سرمایه‌گذاری در تمام اقتصاد است: رشد سود از افزایش بازار حمایت می‌کند و تقاضای AI هزینه‌های زیرساخت را به مراتب فراتر از پیش‌بینی‌های قبلی سوق می‌دهد. شرکت‌های فوق‌العاده بزرگ تقریباً تمام جریان نقدی عملیاتی اخیر خود را به ساخت ظرفیت اختصاص داده‌اند و تقاضا در تقریباً تمام مواردی که ما مشاهده کرده‌ایم همچنان از عرضه فراتر می‌رود. این پول به سمت چیپ‌ها، برق، خنک‌کننده، ساخت و نیروی کار ماهر و بیشتر می‌رود. این گسترش همزمان با نیاز بزرگ‌تر ما برای بازسازی زیرساخت‌های فیزیکی است و در حال ایجاد فرصت‌هایی برای صنایع مختلف است.

خوب، بیایید مستقیماً شروع کنیم. صفحه اول: فناوری "همه‌چیز دوره‌ای" است. این قسمت ممکن است کمی بدیهی به نظر برسد، اما اعداد در این صفحه امروز به طرز شگفت‌انگیزی به نظر می‌رسند ------ تجهیزات فناوری پیشرفته، نرم‌افزار و تحقیق و توسعه اکنون تقریباً 55% از هزینه‌های سرمایه‌گذاری ایالات متحده را تشکیل می‌دهند، که عددی شگفت‌آور است. فناوری در حال هدایت دوره‌های سرمایه‌گذاری در تمام زمینه‌های اقتصادی است، از نرم‌افزار و مدل‌ها تا برق، ساخت و ظرفیت‌های صنعتی. سهام فناوری تقریباً 40% از کل ارزش بازار سهام ایالات متحده را تشکیل می‌دهد و از بین ده شرکت با بالاترین ارزش بازار در جهان، هشت شرکت آمریکایی فناوری هستند. این یک روایت بزرگ است، شما می‌توانید آن را در capex ببینید، در ساخت مراکز داده و همچنین در سرمایه‌گذاری‌های انجام شده به سمت شرکت‌های مدل ------ شرکت‌های مدل در مجموع بیش از 350 میلیارد دلار جمع‌آوری کرده‌اند. اگر به تاریخ طولانی‌تری نگاه کنیم، زیرا این مقایسه بیشتر از همه نقل قول شده است: مقیاس این ساخت و ساز به نسبت GDP، اکنون از آن زمان که راه‌آهن ساخته شد، بیشتر است. ما همه یک احساس داریم: اگر به پنج تا هفت سال، حتی ده سال بعد برگردیم و به این اعداد نگاه کنیم، مقدار تجمعی احتمالاً بیش از 20 برابر حال حاضر خواهد بود. بنابراین، این واقعاً مانند فصل بعدی جمله مارک آندریسن "نرم‌افزار جهان را می‌بلعد" به نظر می‌رسد.

الکس: در 15 سال گذشته، نرم‌افزار همه این صنایع را تغییر داده است، اما در آن زمان تنها تعداد کمی از افراد قادر به ساخت نرم‌افزار بودند ------ ما همگی اینگونه نبودیم. و امروز، به خودمان نگاه کنید: هر یک از ما چندین وظیفه خودکار داریم که هر شب اجرا می‌شوند. اگر این منطق را دنبال کنیم، تقاضای نرم‌افزار به معنای نیاز به قدرت محاسباتی، چیپ‌ها، برق و ساخت بسیار بیشتری است. بنابراین دیدن اینکه اکنون بیشتر سرمایه‌گذاری‌ها در فناوری متمرکز شده‌اند، تعجب‌آور نیست. ما اغلب از شنوندگان همان سؤال را می‌شنویم: همه اینها فوق‌العاده است، اما آیا این یک حباب است؟ بازار به بالاترین حد خود رسیده است، اما نسبت‌های فعلی بازار در واقع کاهش یافته است ------ سهام تقریباً 20% افزایش یافته است، اما نسبت‌ها تقریباً 20% کاهش یافته‌اند. این بدان معناست که افزایش قیمت ناشی از سودهای بنیادی است، نه از گسترش نسبت‌ها. نسبت سود به سهام S&P 500 کمتر از 20 برابر است و بیشتر شرکت‌های تشکیل‌دهنده S&P 500 شرکت‌های بسیار باکیفیتی هستند. این با حباب اینترنت کاملاً متفاوت است ------ در آن زمان، شرکت‌هایی که بالاترین ارزش بازار را داشتند، قیمت سهامشان به دلیل افزایش نسبت‌ها به شدت افزایش یافت و بسیاری از سهام با نسبت P/E 100 معامله می‌شدند. اکنون اینگونه نیست. در عوض، برخی از شرکت‌های ذخیره‌ای ------ که خودشان به شدت دوره‌ای هستند ------ با نسبت‌های پیش‌بینی سود بین شش تا هفت برابر معامله می‌شوند. بنابراین تفاوت بسیار زیادی وجود دارد.

سانتی: در اینجا یک نکته مهم وجود دارد: از زمان ظهور GPT نزدیک به چهار سال پیش، بازار 90% افزایش یافته است، با نرخ سالانه 17%. معمولاً وقتی چهار سال متوالی رشد 17% سالانه را می‌بینید، واکنش غریزی این است که "این قطعاً باید کاهش یابد"، و ما اکنون واقعاً در یک دوره داغ هستیم. اما وقتی این را با شرایطی که قبلاً گفتیم ترکیب می‌کنید ------ بازار با نسبت‌های سود کمتر از 20 برابر معامله می‌شود، و سودها همچنان با سرعت 15% در حال رشد هستند ------ این احساس واقعاً با سال 2021 اخیر متفاوت است، و همچنین با سال 2000 که در آن زمان نسبت‌ها و رشد واقعاً همزمان نبودند.

دیوید: کاملاً موافقم. من قبلاً در "مقایسه راه‌آهن" به مقیاس ساخت capex اشاره کرده‌ام. فقط به شرکت‌های فوق‌العاده بزرگ نگاه کنید ------ Alphabet، Amazon، Meta، Microsoft و Oracle ------ که capex آن‌ها در سال 2026 حدود 780 میلیارد دلار است، در حالی که در سال 2025 این رقم 416 میلیارد دلار است؛ تمام پیش‌بینی‌ها به سمت بیش از 1 تریلیون دلار در سال 2027 اشاره دارد. در اینجا یک الگو وجود دارد: هر نسل از پلتفرم‌های محاسباتی، از تعداد کاربران و کاربردهای بسیار بیشتری نسبت به قبل پشتیبانی می‌کند. این دور ساخت و ساز می‌تواند به این سرعت اتفاق بیفتد و تقاضا همچنان از عرضه فراتر باشد، زیرا تعداد کاربران به وسیله کانال‌های توزیع موجود هدایت می‌شود. این روند بر اساس اینترنت، محاسبات ابری و تلفن‌های همراه بنا شده است، بنابراین به طور نظری می‌تواند به سرعت به میلیاردها کاربر دسترسی پیدا کند ------ که با دوره‌های فناوری قبلی به شدت متفاوت است.

سارا: من فکر می‌کنم این نکته ارزش گسترش دارد. ما به طرز قابل توجهی از الگوی "گاهی یک سؤال می‌پرسیم" فراتر رفته‌ایم. به ظهور هوش مصنوعی فکر کنید: وظایف موازی، وظایف طولانی‌مدت ------ شما قبلاً هم اشاره کرده‌اید، وظایف در حالی که شما در شب خواب هستید یا در روز کارهای دیگری انجام می‌دهید، ادامه خواهند داشت. اگر هوش مصنوعی بتواند به طور خودکار کد بنویسد، جستجو کند و این وظایف را انجام دهد، آنگاه قدرت محاسباتی مورد نیاز برای این پلتفرم‌ها بسیار بیشتر از آن چیزی خواهد بود که ما در هر زمان دیگری تصور کرده‌ایم.

دیوید: کاملاً موافقم. این تصویر نشان‌دهنده آنچه در سمت capex در حال وقوع است: پیش‌بینی capex پنج شرکت فوق‌العاده بزرگ در مدت زمان کوتاهی به طور مداوم به شدت افزایش یافته است. آنچه قبلاً به عنوان سقف به نظر می‌رسید و ممکن بود چندین فصل یا حتی سال‌ها طول بکشد تا به آن برسد، اکنون به هدف‌های نزدیک تبدیل شده است، زیرا تقاضای محاسباتی همچنان در حال گسترش است. با دیدن این تصویر، من فکر می‌کنم در هر نقطه‌ای از زمان، واکنش غریزی انسان این است که "سرمایه‌گذاری از اینجا به آرامی خواهد شد". اما در چهار سال گذشته، به عنوان یک اقتصاد، ما همیشه شدت این روند را دست کم گرفته‌ایم. همانطور که سارا گفت، با پیشرفت مدل‌ها، نرخ استفاده از ظرفیت‌های نصب شده به طور مداوم در حال افزایش است. بنابراین اعداد ذکر شده توسط دیوید، تخمین‌های واقعی فعلی هستند.

الکس: به قول دی جی، ما همه تقاضای فعلی محاسباتی را "مدل بستر" می‌نامیم. یک مثال بسیار قانع‌کننده که همه ما تجربه کرده‌ایم: حدود یک سال پیش، سم آلتمن و سارا فریار به خاطر تعهدات عظیم محاسباتی مورد انتقاد قرار گرفتند، و همه فکر می‌کردند که آن‌ها بی‌پروا و تهاجمی هستند. و اکنون، همه می‌گویند آن تصمیم بسیار پیش‌بینی‌کننده بوده است. حتی با این حال، فقط دو هفته پیش، ما دیدیم که OpenAI مجبور شد اشتراک برنامه Pro را متوقف کند ------ یک سرویس در سطح 2000 دلار که همچنان تقاضا برای آن بیش از عرضه است. ما در حال تجربه یک تقاضای غیرقابل تأمین هستیم.

دیوید: هر کسی در هر حلقه از زنجیره تأمین و هر کسی که با ما صحبت کرده است، به ما می‌گوید که تقاضا از عرضه فراتر است. در برخی از حلقه‌های زنجیره تأمین مراکز داده، مواد یا محصولات ممکن است تا سال 2028 به دست بیایند. بنابراین این تنش‌ها کاهش نخواهد یافت. در عین حال، شما همچنین می‌توانید شواهدی از کسب‌وکارهای با کیفیت بالا را از سمت تقاضا مشاهده کنید: Microsoft، Google و Amazon به طور مجموع حدود 1.7 تریلیون دلار سفارشات انباشته در ابر دارند. این مشتریان متعهد به انباشت سریع هستند و پلتفرم‌ها در حال سرمایه‌گذاری کلان برای خدمت به این تقاضا هستند. بنابراین، اگرچه جریان نقدی آزاد در دوره ساخت فعلی تحت فشار است، اما پیش‌بینی‌های اجماعی نشان می‌دهد که از سال 2028 به بعد بهبود خواهد یافت و سپس به طور قابل توجهی افزایش خواهد یافت. شما می‌توانید به آخرین کنفرانس تلفنی گزارش مالی Amazon نگاه کنید، آن‌ها به خوبی این دینامیک منحنی J را توضیح داده‌اند: عمر واقعی استفاده از GPU (یا TPU) واقعاً نسبتاً طولانی است. شما ابتدا باید "پوسته" مرکز داده را بسازید، که زمان می‌برد؛ سپس چیپ‌ها را خریداری کنید، اما عمر اقتصادی چیپ‌ها بسیار طولانی است و بیشتر از آن چیزی است که هر یک از ما پیش‌بینی کرده‌ایم.

سارا: بله، من می‌دانم که برخی از شرکت‌های فوق‌العاده بزرگ واقعاً به خاطر بدهی برای capex مورد انتقاد قرار گرفته‌اند، اما مشابه دینامیک آزمایشگاه‌های مدل، آن‌هایی که به خاطر تردید محافظه‌کارتر بودند، بعداً پشیمان شدند. شما اخیراً در آن قسمت پادکست با گاویر در مورد Microsoft صحبت کردید، اما من فکر می‌کنم این یک مشکل در کل صنعت است.

سانتی: بله، یک سیگنال دیگری که به طور مکرر مورد بحث قرار می‌گیرد، قیمت‌های بازار موجود GPU است: هر GPU که می‌تواند قدرت محاسباتی را فعال کند، می‌تواند با قیمت جذابی اجاره شود و شرکت‌های فوق‌العاده بزرگ می‌توانند بازده قابل توجهی کسب کنند. این نکته کلیدی است که ما اغلب درباره آن بحث می‌کنیم: هر بار که چنین موجی به وجود می‌آید، ارزش عظیمی برای کاربران و مصرف‌کنندگان ایجاد می‌کند. تا کنون، مصرف‌کنندگان و کاربران از این موضوع ارزش زیادی کسب کرده‌اند ------ و این نیز دلیلی است که آن‌ها به شدت از آن استفاده می‌کنند. شرکت‌هایی که به این کاربران خدمت می‌کنند، به خوبی درآمد کسب می‌کنند. و سپس به تدریج به سمت چیپ‌ها ------ هزینه‌های به دست آوردن چیپ‌ها نسبت به 12، 18، 24 ماه پیش بسیار بیشتر است، اما شما هنوز هم می‌توانید حاشیه‌های بالایی کسب کنید و از کاربران خود مقدار زیادی مازاد ایجاد کنید.

02 عصر جدید اتم‌ها

دیوید: در مورد سرمایه‌گذاری‌های کلان شرکت‌های بزرگ، باید آن را به عنوان دفتر سفارش دیگران ببینیم. این پلتفرم‌های تاریخی که بیشترین سود را داشته‌اند، به طور مداوم در حال سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی هستند. همان‌طور که قبلاً اشاره شد، این امر به طور موقت جریان نقدی آزاد آن‌ها را کاهش می‌دهد، اما برای سفارشات تراشه، برق و ساخت و ساز یک مزیت بزرگ است------ و این نیز دلیل این است که این موج گسترده‌تر فناوری به یک موج صنعتی تبدیل شده است. ما زمان بیشتری را صرف بررسی شرکت‌هایی می‌کنیم که به این موج صنعتی خدمت می‌کنند، در تمام مراحل زنجیره تأمین مراکز داده. جالب است که به طور سنتی دنیای ما بیشتر درباره تبدیل IP موجود به پول بوده است------ یک بار بسازید و به طور نامحدود بفروشید؛ اما این کسب‌وکارها باید مسائل پیچیده‌تری را مدیریت کنند: تأمین مالی، مدیریت روابط با تأمین‌کنندگان، پیش‌بینی ظرفیت و پیش‌بینی تقاضا. ما می‌بینیم که برخی تیم‌ها در این زمینه مهارت دارند، در حالی که برخی دیگر با مشکل مواجه هستند یا حتی متوقف می‌شوند. این با تخصص‌هایی که معمولاً بر روی آن‌ها وقت می‌گذاریم کمی متفاوت است. این ما را به "عصر جدید اتم‌ها" می‌برد. این صفحه اعداد بزرگ است: تا سال 2040، نیاز به سرمایه‌گذاری در زیرساخت‌های جهانی به 90 تریلیون دلار تخمین زده می‌شود. اما نکته مهم این است که این فراتر از هوش مصنوعی و مراکز داده است و شامل برق، آب، جاده‌ها و حمل و نقل نیز می‌شود. ما این را در سبد سرمایه‌گذاری خود در همه جا می‌بینیم: کارخانه بزرگ Anduril که به اندازه 87 زمین فوتبال است؛ Waabi به شدت در حال گسترش مراکز حمل و نقل خود است؛ و همچنین سرمایه‌گذاری صد میلیارد دلاری SpaceX در لوئیزیانا. امروز شرط‌بندی بر روی آینده، از دیدگاه ما، با گذشته متفاوت است. همان‌طور که سانتی گفت، این به معنای ساخت کارخانه، گسترش زیرساخت‌ها و افزایش مشاغل ماهر در سرتاسر کشور است.

سانتی: وقتی به مراکز داده می‌رسیم، سرمایه‌گذاری در زیرساخت‌های فیزیکی با سرمایه‌گذاری در نرم‌افزار بسیار متفاوت است. ایلان سال‌ها پیش مفهوم "کارخانه به عنوان محصول" را مطرح کرد. بسیاری از بنیان‌گذاران عالی که ما از آن‌ها حمایت می‌کنیم از تسلا یا اسپیس‌ایکس آمده‌اند و این تعجب‌آور نیست، زیرا آن‌ها می‌دانند که در سطح اجرایی، کارخانه در نهایت به یک مزیت رقابتی بزرگ در فرآیند مقیاس‌پذیری تبدیل خواهد شد. ما اغلب درباره افسانه‌های زیادی در مورد مراکز داده می‌شنویم: آن‌ها منابع آب آمریکا را تمام می‌کنند؛ ثروتمندان نمی‌خواهند در نزدیکی آن‌ها زندگی کنند؛ و یکی از موردعلاقه‌های ما------ هزینه برق من به شدت افزایش خواهد یافت. اما به نظر می‌رسد که ممکن است غیرمستقیم باشد، مراکز داده واقعاً می‌توانند به کاهش هزینه برق شما کمک کنند. یک مطالعه اخیر در آمریکا نشان می‌دهد که با افزایش ظرفیت مراکز داده به میزان 10 درصد، قیمت برق برای ساکنان 40 واحد پایه کاهش می‌یابد. می‌توانید این‌گونه فکر کنید: شبکه برق یک فضای هزینه ثابت مشترک است------ تیرک‌های برق، کابل‌ها، ایستگاه‌های برق. یک مشتری بزرگ و پایدار مانند مرکز داده می‌تواند این هزینه‌ها را بر روی واحدهای بیشتری از برق تقسیم کند. به طور ساده، تقاضای بیشتر در یک سیستم مشترک چیز خوبی است.

دیوید: بله، من کاملاً با شما موافقم. سرمایه‌گذاری در زیرساخت‌های مشترک همچنین می‌تواند به بهبود سودآوری خانوارها و کسب‌وکارهای مرتبط کمک کند.

سارا: این موضوع به اندازه کافی مورد توجه رسانه‌ها قرار نگرفته است. دینا پاول اخیراً در یک پادکست به پروژه متا در لوئیزیانا اشاره کرد، جایی که آن‌ها با جامعه همکاری کردند تا هزینه برق را کاهش دهند. امروز نمونه‌های واقعی وجود دارد، این فقط حرف نیست.

03 لایه مدل و لایه کاربرد: درآمد قابل توجه، نرخ پذیرش بسیار پایین

سارا: کاملاً موافقم. حالا بیایید درباره روندهای لایه مدل و لایه کاربرد صحبت کنیم. از یک سو، همان‌طور که پیش‌بینی کرده بودیم، هوش مصنوعی در حال ایجاد درآمد قابل توجه و صرفه‌جویی است؛ از سوی دیگر، نرخ پذیرش هنوز در مراحل بسیار اولیه است. بر این اساس، روند بسیار واضح است: هزینه‌ها به شدت کاهش می‌یابند. ما قبلاً از هوش‌افزاها صحبت کرده‌ایم، اکنون هوش‌افزاها در کارهای گسترده‌تر به لحاظ اقتصادی قابل انجام شده‌اند. و در همین حال که ما صحبت می‌کنیم، وضعیت در حال تغییر است: نوآوری‌های جدیدی مانند Jev که توسط آزمایشگاه‌های جدیدی مانند TypeSafe ارائه می‌شود، در حال پیشبرد این موضوع به شدت است. شما خواهید دید که تفاوت هزینه دو مرتبه‌ای واقعاً می‌تواند بر تعداد موارد استفاده تأثیر بگذارد. این کمی شبیه پارادوکس جِوِنز است، بنابراین این نام به خوبی انتخاب شده است. به طور کلی، این برای هر دو لایه مدل و لایه کاربرد یک وضعیت عالی است. این بهبودها در حال ایجاد فرصت‌های واقعی برای شرکت‌های نرم‌افزاری در زمینه رشد و سودآوری هستند. این به این معنا نیست که همه برنده خواهند شد، اما تعجب‌آور نیست که هوش مصنوعی در حال جذب سرمایه‌گذاری ریسک‌پذیر به صنایع گسترده‌تری است. ما همچنین می‌بینیم که شرکت‌های بیشتری در بازار خصوصی به مقیاس‌های بزرگ دست می‌یابند. این یک تصویر جدید نیست، اما یکی از تصاویر مورد علاقه من است: مجموع درآمد OpenAI و Anthropic. در چند سال گذشته، هر بار که ما جلسه داخلی GP داریم، این تصویر را نشان می‌دهیم و هر ماه آن را به‌روز می‌کنیم، زیرا خیلی سریع قدیمی می‌شود. نکته کلیدی را می‌توانید در اعداد ببینید: درآمد سالانه OpenAI و Anthropic به سطح غیرمعمولی رسیده است. ما دوست داریم آن را با بزرگ‌ترین شرکت‌های نرم‌افزاری تاریخ مقایسه کنیم------ در سمت راست می‌توانید ببینید که حتی با تخمین درآمد خالص جدیدترین شرکت‌های نرم‌افزاری، درآمد خالص جدید آزمایشگاه‌های پیشرو به‌طور قابل توجهی بیشتر شده است. این نه تنها مقیاس است، بلکه ترکیب شگفت‌انگیز سرعت نیز هست.

سانتی: اما ما هنوز در مراحل اولیه هستیم. جالب است که در مقایسه با سایر پلتفرم‌ها، در مورد انتقال به هوش مصنوعی، ما نه تنها در نسبت جمعیت استفاده‌کننده از هوش مصنوعی در مراحل اولیه هستیم، بلکه در سهم مصرف این کاربران از هوش مصنوعی (share of wallet) نیز در مراحل اولیه هستیم. این با سال 2008 متفاوت است------ در آن زمان ما بر اساس "نسبت افرادی که آیفون دارند" مدل‌سازی می‌کردیم؛ اکنون ما باید هم به این فکر کنیم که چند نفر از محصولات هوش مصنوعی استفاده می‌کنند و هم به این فکر کنیم که آن‌ها تا چه حد از آن استفاده می‌کنند.

سارا: بله، نکته "هنوز در مراحل اولیه" بسیار مهم است و اینجا یک مجموعه از شاخص‌ها وجود دارد که می‌تواند این را تأیید کند. یکی، نرخ واقعی استقرار شرکت‌های S&P 500 برابر با 69 درصد است------ اگر شما هم مانند ما "معتاد به هوش مصنوعی" هستید، این تقریباً نزدیک به انتظارات شماست. اما وقتی به تأثیر قابل اندازه‌گیری نگاه می‌کنید------ این ممکن است یک شاخص خوب برای اندازه‌گیری پیشرفت استقرار آن‌ها باشد------ 30 درصد است. و به شاخص نهایی، یک شاخص پیگیری زمان، واقعاً تنها 2 درصد است. بنابراین ما معتقدیم که هوش مصنوعی در حال ارائه نتایج است، اما در استفاده عمیق‌تر درون سازمان‌ها و پیگیری طولانی‌مدت این نتایج، هنوز فضای زیادی وجود دارد. از این استقرارهای پراکنده، به سمت تأثیر واقعی و تکراری در جریان‌های کاری، صادقانه بگویم که این مرحله بعدی است. می‌توانم بگویم که با اکثر شرکت‌هایی که با آن‌ها صحبت کرده‌ایم، تماس آن‌ها با هوش مصنوعی هنوز عمدتاً در سطح Microsoft Copilot باقی مانده است، و این خود نشان می‌دهد که آن‌ها چقدر راه درازی در پیش دارند.

الکس: بله، فاصله بین اینکه مدل چه کاری می‌تواند انجام دهد و اینکه واقعاً چگونه استفاده می‌شود، دقیقاً دلیلی است که من به لایه کاربرد این‌قدر هیجان‌زده هستم. سارا، گفتگویی که تو با علی غودسی و مارتین از Databricks داشتی بسیار عالی بود، او به این نکته اشاره کرد که هوش مصنوعی می‌تواند دنیا را به خوبی درک کند، اما تقریباً هیچ چیزی درباره شرکتی که در آن هستید نمی‌داند. ما در شرکت‌های لایه کاربردی در سبد سرمایه‌گذاری خود این وضعیت را مشاهده می‌کنیم------ آن‌ها در حال پر کردن این فاصله هستند. در چند ماه گذشته، یک مثال برای من بسیار جالب بود: Revolut یک تیم مهندسی بسیار باتجربه دارد، اما آن‌ها هنوز باید با 11 Labs همکاری کنند تا مدل صوتی برتر 11 Labs را به حساب‌های مشتری و فرآیندهای بانکی متصل کنند تا وقتی من به عنوان مشتری تماس می‌زنم، سوالات من به طور روان، کارآمد و ایمن حل شود. فرصت‌های امروز به طور عمده در این است که این قابلیت‌ها را به کار بگیریم و خدمات قابل اعتماد بسازیم.

04 کاربران سنگین در حال فاصله گرفتن هستند

سارا: علاوه بر اینکه نرخ پذیرش شرکت‌ها هنوز در مراحل اولیه است، یک روند قابل توجه دیگر که می‌خواهیم با داده‌ها نشان دهیم این است که: کاربران سنگین در حال فاصله گرفتن هستند. شما می‌توانید فکر کنید که هزینه‌های هوش مصنوعی در شرکت‌ها به طور عمومی در حال افزایش است، اما آن کاربران سنگین که ما درباره آن‌ها صحبت می‌کنیم، هزینه‌های بسیار بیشتری می‌کنند. ما برخی از داده‌های YipitData را بررسی کردیم: هزینه‌های ابزار هوش مصنوعی در 1 درصد برتر شرکت‌ها، هزینه میانه آن‌ها تقریباً هشت برابر هزینه 10 درصد برتر است.

جالب است که 1 درصد برتر تقریباً معادل مجموع 2 تا 10 درصد برتر است.

حتی در شرکت‌های سبد سرمایه‌گذاری خودمان------ می‌توانید بگویید که آن‌ها تقریباً به طور کامل بومی هوش مصنوعی هستند------ هزینه‌های کاربران برتر تقریباً بین 7500 تا 9000 دلار در ماه است. در حالی که هزینه‌های کاربران میانه------ که همچنین از این شرکت‌های بومی هوش مصنوعی هستند------ به قیمت اشتراک ماهانه نزدیک‌تر است، حدود 200 دلار، ممکن است یک اشتراک دیگر هم داشته باشند، 200 تا 400 دلار. بنابراین اگر به فاصله بین کاربران میانه و برتر نگاه کنید، این فاصله هزینه بیش از 20 برابر است.

دیوید: بله، یکی از مسائلی که ما با شرکت‌های سبد سرمایه‌گذاری خود بحث می‌کنیم این است که: آن‌ها واقعاً چه میزان نرخ پذیرش دارند و چگونه آن را اندازه‌گیری می‌کنند. به عنوان مثال، اگر شما به نسبت هزینه‌ای که آن‌ها برای ابزارهای هوش مصنوعی صرف می‌کنند نسبت به هزینه‌های کارکنان نگاه کنید: برای شرکت‌های بزرگ و پیشرو در فهرست 500 ثروتمند، امروز تقریباً 1 درصد است.

در حالی که برای شرکت‌های بومی هوش مصنوعی در سبد ما، این می‌تواند به 10 درصد برسد. بنابراین همه این‌ها فقط به این مربوط می‌شود که چقدر زود گسترش می‌یابد و چقدر عمیق گسترش می‌یابد. ما یک مثال دیگر در سبد سرمایه‌گذاری خود دیده‌ایم: بسیاری از شرکت‌ها وقتی برای اولین بار Cursor یا Cognition را خریداری می‌کنند بسیار هیجان‌زده هستند، اما واقعیت این است که این فقط آغاز سفر است. از خرید، آزمایش این ابزارها تا پذیرش کامل، هنوز مسیر طولانی در پیش است.

05 موارد قابل اندازه‌گیری: سمت هزینه و سمت درآمد

سانتی: سارا، شما قبلاً اشاره کردید که ما شروع به دیدن موارد قابل اندازه‌گیری کرده‌ایم. ما در گزارش خود چندین شرکت را نام برده‌ایم که واقعاً این شاخص‌ها را افشا کرده‌اند و بهبودهای واقعی ناشی از هوش مصنوعی را مشاهده کرده‌اند. در سمت هزینه: Chime افشا کرده است که در چهار سال گذشته، آن‌ها هر سال بیش از 10 درصد هزینه خدمات خود را کاهش داده‌اند، با محاسبه مرکب، هزینه خدمات تقریباً 50 درصد کاهش یافته است------ که این پشتوانه‌ای از شرکت سبد ما به نام Decagon دارد. در سمت درآمد، من فکر می‌کنم مثال Shopify جالب است: آن‌ها دستیار هوش مصنوعی (sidekick) را راه‌اندازی کرده‌اند که به بازرگانان کمک می‌کند سریع‌تر شروع کنند. نتیجه این است که نسبت مشتریانی که در 15 روز پس از ورود به پنج سفارش می‌رسند، 8 درصد افزایش یافته است. Shopify این شاخص را پیگیری می‌کند، زیرا به محض اینکه بازرگانان به پنج سفارش برسند، آن‌ها باقی می‌مانند و همچنان از Shopify استفاده می‌کنند. بنابراین این نیز یک موفقیت معنادار برای کسب‌وکار آن‌ها است.

سارا: قطعاً. وقتی به مزایای کاهش هزینه خدمات می‌رسیم: شما فضای بیشتری برای رقابت دارید------ قیمت‌گذاری بهتر، ممکن است خدمات گسترده‌تری داشته باشید، و می‌توانید دوباره در رشد سرمایه‌گذاری کنید. این مزایا نه تنها به مشتریان می‌رسد، بلکه به حاشیه سود نیز می‌رسد و سپس سرمایه دوباره به کار می‌رود. یک پدیده بسیار جذاب دیگر این است که: البته هر شرکت متفاوت است و نمی‌توان به طور کلی قضاوت کرد، اما در این دور، شرکت‌های موجود نیز عملکرد خوبی داشته‌اند. ServiceNow مثال خوبی است، آن‌ها افشا کرده‌اند که ارزش قرارداد سالانه هوش مصنوعی (ACV) آن‌ها بیش از 1 میلیارد دلار است و استقرارهای agentic 9 برابر افزایش یافته است. بنابراین شما می‌توانید در کل تکنولوژی استک ببینید که از شرکت‌های موجود تا شرکت‌های جدید.

دیوید: ما اغلب درباره یک سوال جالب بحث می‌کنیم------ شرکت‌های پیشرو در سبد ما، مانند Stripe، با ما صحبت کرده‌اند: آن‌ها واقعاً سرمایه‌گذاری‌های اضافی هوش مصنوعی را کجا صرف می‌کنند؟ آیا آن‌ها در حال سرمایه‌گذاری برای ساخت محصولات جدید برای مشتریان و افزایش درآمد هستند؟ یا برای بهینه‌سازی سمت هزینه و افزایش کارایی؟ این مانند سنگ محک ماست: بنیان‌گذاران و CEO این شرکت‌ها، در کجا بزرگ‌ترین فرصت‌ها را می‌بینند. فرصت‌های رشد درآمد بی‌نهایت است، در حالی که فرصت‌های سمت هزینه......

دیوید: بهبود در سمت هزینه------ البته شما می‌توانید آن را دوباره سرمایه‌گذاری کنید، اما این همیشه فقط یک فرصت بالقوه است که همیشه وجود خواهد داشت. اگر شما فکر می‌کنید که بهترین استفاده از سرمایه امروز بهینه‌سازی ساختار هزینه است، این برای فرصت‌های جدید درآمد شما چه معنایی دارد؟

Santi: حتی در بهینه‌سازی هزینه‌ها نیز طعم‌های متفاوتی وجود دارد. یکی از آن‌ها کاهش هزینه‌های خدمات است که به شما اجازه می‌دهد دوباره سرمایه‌گذاری کنید و شرکت بهتری شوید. من فکر می‌کنم شش ماه پیش، کل صنعت ما واقعاً بر روی "سیستم‌های ثبت سوابق" (systems of record) تمرکز کرده بود. اگر مهندسان شما مشغول بازسازی یک سیستم ثبت سوابق هستند فقط برای صرفه‌جویی در چند هزار یا چند ده هزار دلار، من فکر می‌کنم این منابع می‌توانند به شکل بهتری استفاده شوند.

Sarah: بله، اگر این‌ها را جمع‌بندی کنیم، برای کسب‌وکارهای کاربردی، واحد مربوطه در واقع هزینه "انجام وظایف مشتری" است. اگر بتوانید این را از هم جدا کنید------شما برای مشتری وظایف را انجام می‌دهید و هزینه می‌گیرید، می‌توانید با مسیرهای بهتری محصولات را اقتصادی‌تر کنید------این فوق‌العاده است، زیرا اکنون شما در هر مرحله از گران‌ترین مدل‌ها استفاده نمی‌کنید، اما وظایف هنوز انجام می‌شوند. من فکر می‌کنم ما شاهد بهبود بیشتر در حاشیه سود بهترین شرکت‌های کاربردی خواهیم بود.

06 وقتی هزینه‌ها به شدت کاهش می‌یابند، بازارهای جدید باز می‌شوند

Alex: کاملاً موافقم. سارا اشاره کرده بود که ServiceNow شاهد استفاده گسترده‌ای از عامل‌ها بوده است. عامل‌ها در اینجا هستند و در حال انجام وظایف هستند. وظایف نیاز به مراحل متعدد دارند، مراحل متعدد به معنای فراخوانی چندین مدل است------این توضیح می‌دهد که چرا استفاده از توکن‌های عامل در OpenRouter 14 برابر افزایش یافته است. با این حال، این مراحل به طور فزاینده‌ای ارزان‌تر می‌شوند. ما شاهد برنامه‌های کشف شده‌ای هستیم------سیستم‌ها می‌توانند اطلاعات پس‌زمینه را دوباره استفاده کنند و نه اینکه هر بار از ابتدا پردازش کنند. من می‌بینم که Hebbia از این بهره‌برداری کرده است: بار کاری چت مالی آن‌ها، هزینه‌های عملیاتی را 10 برابر کاهش داده است. بودجه مشابه اکنون می‌تواند کارهای بیشتری را پشتیبانی کند.

Sarah: بله، من فکر می‌کنم دیدگاه وسیع‌تر شما این است: هزینه‌های پایین‌تر به عامل‌ها اجازه می‌دهد که اکنون خطاها را بررسی کنند، دوباره تلاش کنند و به یکباره حجم زیادی از وظایف را باز کنند------در گذشته، استدلال یا فراخوانی ابزار ممکن بود به قدری گران باشد که غیرقابل تحمل باشد. در سناریوهایی که قابلیت اطمینان دقیقاً کلید استفاده از عامل‌ها است، این نکته به ویژه مهم است. همچنین، ما قبلاً درباره TypeSafe صحبت کرده‌ایم، تصور کنید وقتی هزینه‌ها یک یا دو مرتبه کاهش می‌یابند، تعداد موارد استفاده‌ای که باز می‌شود واقعاً غیرقابل تصور است.

David: به علاوه، تأخیر به طور قابل توجهی بهبود یافته است. کاملاً همین‌طور.

Alex: بله، بنابراین شرکت‌ها اکنون به طور فزاینده‌ای جدی به این فکر می‌کنند که چگونه در مقیاس بزرگ تأخیر یا عملکرد را با هزینه بهینه کنند. به عنوان مثال، Databricks از مسیریابی استفاده می‌کند------برای هر وظیفه خاص مدل مناسب را انتخاب می‌کند------تا عملکرد و هزینه را بهبود بخشد. روتر هوشمند آن‌ها عملکرد بهتری دارد: با هزینه‌ای 35 درصد کمتر از قوی‌ترین مدل تک، مسائل بیشتری را حل کرده است. ما اکنون شاهد روش‌های دیگری هستیم که میکروتنظیم نامیده می‌شود: Harvey و Elise AI مثال‌هایی هستند. Elise یک مدل کوچک‌تر را میکروتنظیم کرده است، هزینه‌ها 60 درصد کاهش یافته و تأخیر نیز بسیار کمتر است، بنابراین برخی از موارد استفاده در صحنه‌های صوتی به صورت بلادرنگ ممکن شده‌اند. این پیشرفت‌های مهندسی، AI را مفیدتر و ارزان‌تر کرده است.

07 مصرف‌کننده: نرخ اشتراک 2 درصد و "منحنی لبخند"

David: ما عمدتاً درباره استفاده درون شرکتی صحبت کردیم، اما مصرف‌کننده نیز بسیار مهم است------بالاخره ما در آنجا برخی از بزرگ‌ترین بازده‌ها را داشته‌ایم و زمان زیادی را صرف کرده‌ایم. ما فکر می‌کنیم که مصرف‌کننده هنوز در مراحل اولیه است. یک نظرسنجی اخیر نشان داد، تنها کمی بیش از 2 درصد از خانواده‌های آمریکایی واقعاً برای AI هزینه اشتراک پرداخت کرده‌اند. شاید اشتراک بهترین راه برای تبدیل شدن به درآمد برای اکثر خانواده‌ها نباشد، اما تا به حال همین‌طور بوده است. نکته جالب در مورد درآمد اشتراک این است که یکی از بهترین نرخ‌های نگهداری را که ما در بخش مصرف‌کننده دیده‌ایم، دارد. Alex دوست دارد درباره "منحنی لبخند" صحبت کند------واقعاً تعداد کمی از منحنی‌های نگهداری وجود دارند که نه تنها صاف هستند، بلکه با بهبود محصول و بازگشت مردم، در واقع "لبخند" می‌زنند و به سمت بالا می‌روند. اما این دقیقاً همان چیزی است که ما در AI می‌بینیم، و این به وضوح نشان می‌دهد که اشتراک می‌تواند ارزشی را به پرداخت‌کنندگان ارائه دهد.

Sarah: به طور تصادفی درباره اشتراک، این اعداد در من شوک ایجاد می‌کنند------به ویژه وقتی به تصویر گوشه پایین سمت راست نگاه می‌کنم------چقدر کوچک هستند. به یاد داشته باشید Amazon Prime، که بیش از 200 میلیون خانواده دارد. Netflix نیز مثال خوبی است------70 میلیون خانواده. این اعداد باعث می‌شود که من بخواهم دوباره تأیید کنم، من فکر می‌کنم "آیا این اشتباه است؟" بنابراین کاملاً موافقم، این تازه شروع کار است.

Alex: بله. شریک ما Josh Elman یک جمله‌ای دارد که من دوست دارم، شاید کمی غیرقابل پیش‌بینی باشد: AI مصرفی چیزی است که من در زندگی روزمره‌ام استفاده می‌کنم، لزوماً نیازی به بازپرداخت ندارد. بنابراین از نظر او، 97 درصد از خانواده‌ها از AI استفاده می‌کنند اما هنوز پولی پرداخت نکرده‌اند، شاید عجیب نباشد. شما درست می‌گویید Santi، من واقعاً از منحنی نگهداری لبخند خوشم می‌آید------ما دوست داریم ببینیم کاربران به طور فزاینده‌ای بازمی‌گردند. یکی دیگر از ویژگی‌های مشترک پلتفرم‌های مصرفی بزرگ این است که زمان می‌برد: کاربران فعال Facebook، Instagram، TikTok و Snap هر روز 30 تا 60 دقیقه وقت می‌گذارند. و امروز بهترین دستیاران AI------که اکنون بسیاری از آن‌ها در حال ظهور هستند------همه می‌خواهند اولین برنامه من باشند. من امیدوارم که آن‌ها بتوانند به شدت پایدار، همیشه آنلاین و فوق‌العاده فعال باشند، در این صورت، ممکن است آن‌ها دیگر جایی نباشند که من بیشترین زمان را صرف می‌کنم. درست است، وقتی عامل‌ها در پس‌زمینه کار می‌کنند و ما دیگر از داده‌های خارجی برای مشاهده میزان مشارکت مانند زمان صرف شده در رسانه‌های اجتماعی استفاده نمی‌کنیم، کار ما دشوارتر می‌شود، اما این بسیار مهم است. من به یاد می‌آورم وقتی مدل جدید در دسامبر منتشر شد، حتی در کار ما، ما یک وظیفه تحقیق عمیق یا وظیفه عامل را راه‌اندازی می‌کردیم و سپس به شهر می‌رفتیم------این در معیارهای سنتی زمان صفحه نمایش منعکس نمی‌شود و با میزان مشارکتی که نسل‌های قبلی محصولات مصرفی پیگیری می‌کردند، متفاوت است.

Santi: بله، کاملاً موافقم. هنوز زود است، اما مصرف‌کننده واقعاً یک لحظه جدید و هیجان‌انگیز است.

Alex: Muse و Instinct بدون شک بازیکنان جدیدی هستند، اما آن‌ها به سرعت در حال رشد هستند. آن‌ها به همراه ChatGPT، به طور فزاینده‌ای جستجوهای من را از جستجوی سنتی می‌ربایند.

این یک لحظه بسیار پویا است، بنابراین اگر شما یک پلتفرم کشف مصرفی موجود یا یک بازار موجود هستید، واقعاً باید اکنون به فکر مرحله بعدی باشید. من چند سوال می‌پرسم. اول، من چقدر تقاضای افزایشی از عامل AI می‌توانم دریافت کنم؟ آن‌ها چقدر سفارش اضافی می‌توانند به ارمغان بیاورند؟ دوم، در کسب‌وکار من، چه نسبتی از استخر سود از مالکیت روابط مشتری و کشف ناشی می‌شود؟ هفته گذشته اخبار زیادی بود: Amazon به Muse گفت "نه، متشکرم"، اما Instacart گفت "بله، لطفاً". به Amazon (و AWS) و Instacart فکر کنید: درآمد تبلیغاتی آن‌ها بیشتر از تمام سود عملیاتی آن‌ها است. بنابراین درآمد تبلیغاتی و مالکیت روابط مشتری بسیار مهم است. اما برای Amazon، دسترسی به Muse چقدر تقاضای جدید یا مشتری جدید به ارمغان می‌آورد؟ نه خیلی. و به Instacart نگاه کنید: نفوذ آنلاین مواد غذایی هنوز نسبتاً در مراحل اولیه است و هنوز بسیاری از سفارشات برای رقابت وجود دارد. احتمال خوشبینانه این است که: سفارشات بیشتری از این برنامه‌ها به دست می‌آید. در گذشته من باید به روش‌های مختلف کلیک می‌کردم تا سفارش بعدی را بزنم؛ اگر این را به عامل بسپارم، ناگهان دیگر کلیکی وجود ندارد، اما امیدوارم GMV بیشتری داشته باشم. سفرهایی که قبلاً می‌خواستم اما رزرو نکردم، رزرو می‌شوند؛ سفارش شام که امشب می‌خواهیم، انجام می‌شود. بنابراین من خوشبینانه فکر می‌کنم که GMV بیشتری خواهد بود که بخشی از درآمد تبلیغاتی از دست رفته را جبران می‌کند.

David: اما اینجا یک سوال باز وجود دارد: چگونه جبران می‌شود؟ به عنوان مثال، Amazon بیش از 70 میلیارد دلار درآمد تبلیغاتی دارد که یک مدل درآمدزایی با حاشیه بسیار بالا است و کاملاً بر اساس این است که مصرف‌کنندگان به وب‌سایت دسترسی پیدا کنند و بر روی تبلیغات کلیک کنند. اگر آن‌ها دیگر این کار را نکنند، چه می‌شود؟ امروز، Meta و Google به طور مشهور تبلیغات را بهتر از هر پلتفرم اینترنتی دیگری انجام می‌دهند و در بازارهای ایالات متحده و توسعه‌یافته هر کاربر می‌تواند بیش از 200 دلار درآمد داشته باشد. Meta اساساً یک برنامه سرگرمی است، ببینید چه اتفاقی می‌افتد، ممکن است نسبتاً ایمن باشد. از طرف Google------جالب است که دو سال پیش که همه این‌ها اتفاق افتاد، تمام صحبت‌ها حول Google این بود که "خدای من، کسب‌وکار جستجوی Google چه خواهد شد"، در حالی که در واقع بسیار مقاوم بود. بخشی از دلیل این است که کلمات کلیدی با نرخ درآمدزایی بالا نسبتاً ایمن هستند------این کلمات بیشتر شبیه "من نیاز به خرید بیمه دارم" یا "به من هتل در این شهر را پیدا کن" هستند.

David: یا چیزهای مشابه------شما می‌توانید به طور مستقیم درآمدزایی کنید، اما AI هنوز نمی‌تواند این کارها را برای شما انجام دهد. اگر این تغییر کند، ممکن است دینامیک بسیار متفاوتی باشد.

David: بله، من می‌خواهم یک نکته اضافه کنم: روایت هفته گذشته کمی "منفی و" بود، بسیار منفی------"ببینید، این بازارها تحت تأثیر قرار خواهند گرفت". اما من واقعاً فکر می‌کنم که دیدگاه مثبت این است: اول، آن 70 میلیارد دلار که در تبلیغات Amazon خرج می‌شود، ممکن است فقط به یک کانال دیگر منتقل شده باشد------ممکن است به طور مستقیم به شکل‌های مختلف بر روی عامل‌ها خرج شود، یا راه‌های بهتری برای دسترسی پیدا کند؛ دوم، با کاهش اصطکاک، ممکن است ما شاهد مصرف بیشتری باشیم------مردم ممکن است بیشتر خرید کنند، این یک چرخش مثبت برای رشد اقتصادی است. من فکر می‌کنم ما کمی در دام این گفته "این به استخر سود آسیب می‌زند" گرفتار شده‌ایم، اما در واقع ممکن است فقط خوب باشد. ...... بله، هر دو ممکن است همزمان درست باشند.

David: ممکن است استخر سود تغییر کند، اما به طور کلی برای اقتصاد افزایشی است. من فکر می‌کنم اگر سه سال دیگر به عقب نگاه کنیم و در سطح کلان هیچ بهبود معناداری در کارایی مشاهده نشود------این ممکن است هزینه‌های تبلیغاتی را بالاتر ببرد------همه ما ناامید خواهیم شد. اما همچنین ممکن است که برخی از استخرهای سود در برخی مکان‌ها ناپدید شوند و سپس دوباره توزیع شوند.

Alex: واکنش فوری این است که ارزش خالص کل اکوسیستم مثبت است. افزایش Meta به مراتب بیشتر از ضررهای بازارها است.

08 تفکیک بازار نرم‌افزار عمومی

Sarah: بله، برگردیم به بحث نرم‌افزار، ممکن است بیشتر به بازار عمومی منتقل شود. بارزترین روند در این نمودارها این است: ترکیب به وضوح به سمت شرکت‌های با رشد کندتر و سودآورتر تغییر کرده است. در اینجا حدود 75 درصد از نمونه نرم‌افزار عمومی سودآور هستند، در حالی که تنها 30 درصد با سرعت 20 درصد یا بیشتر رشد می‌کنند.

David: این یک عدد شگفت‌انگیز است: تنها 30 درصد از شرکت‌های نرم‌افزار عمومی با سرعت بیش از 20 درصد رشد می‌کنند------و نه فقط 20 درصد، بلکه 30 درصد.

Alex: اگر شما خطی در 30 درصد بکشید، ما قبلاً بحث کرده‌ایم، تعداد مطلق کمتر از پنج شرکت است. و در بازار خصوصی، هر شرکتی که ما می‌بینیم و زمان صرف می‌کنیم، رشد آن‌ها به مراتب بیشتر از 30 درصد است.

David: و راستش این کمی واضح است: شما با مدیران IT و CIO صحبت می‌کنید------ببینید آن‌ها چه رشدی دارند و چه مقدار پول برای AI خرج می‌کنند، این پول به راحتی از جایی می‌آید که دیگر برای پروژه‌های نرم‌افزار SaaS جدید هزینه نمی‌کنند.

David: ما در چندین شرکت نرم‌افزار SaaS سرمایه‌گذاری کرده‌ایم، از جمله در بازارهای عمومی. گفت‌وگوهای ما با بنیان‌گذاران این شرکت‌ها بسیار متمرکز است: چگونه می‌توانم از توزیع موجود خود استفاده کنم ------ در بسیاری از موارد بسیار قوی، مشتریان قفل شده‌اند، همان‌طور که قبلاً به سانتی گفتید، مشتریان از دست نخواهند رفت ------ تا محصولات جدید و جالب AI را به آنها معرفی کنم و درآمد را بیشتر افزایش دهم؟ من فکر می‌کنم برای از بین بردن بزرگ‌ترین ترس‌ها در مورد "آخرالزمان SaaS"، ما نیاز داریم که یک دوره زمانی را مشاهده کنیم: شرکت‌های نرم‌افزاری همچنان اعداد بالایی مانند ۹۸٪ حفظ ناخالص را ثبت کنند ------ این همیشه یکی از نکات کلیدی جذابیت آنها به عنوان اهداف سرمایه‌گذاری بوده است؛ ادامه دادن به بهبود کارایی که درباره‌اش صحبت کردیم؛ اما مهم‌تر از همه، تسریع در رشد درآمد. این نه تنها نشان می‌دهد که آنها از نظر دفاعی ایمن هستند، بلکه نشان می‌دهد که سرمایه‌گذاری‌های تهاجمی آنها واقعاً می‌تواند کسب‌وکار را بهتر کند.

Sarah: من فکر می‌کنم دیدگاه‌هایی که چند ماه پیش در مورد "دو مسیر" در وبلاگتان نوشتید، به عنوان یک قاعده تجربی بسیار جالب است. شاید بتوانید کمی بیشتر در مورد جزئیات درصدهای خاص به اشتراک بگذارید.

David: بله، هر چه بیشتر بنویسم و با بنیان‌گذاران صحبت کنم، بیشتر احساس می‌کنم: تقریباً هر کسی که با او صحبت کرده‌ایم می‌گوید "بله، من در تلاش هستم تا رشد درآمد را بیشتر کنم". این به وضوح مسیر اصلی شرکت‌هایی است که ما در آنها سرمایه‌گذاری و حمایت می‌کنیم. این با یک سال پیش بسیار متفاوت است ------ زمانی که ترس این بود که "همه با کدگذاری vibe سیستم‌های نرم‌افزاری خود را بازنویسی خواهند کرد"، در حالی که به وضوح در بازار این اتفاق نمی‌افتاد. اما فشار برای ارائه تسریع در رشد درآمد بسیار زیاد است. بنابراین ما گفتیم: هدف را بر روی تسریع بالای ۱۰٪ قرار دهید، این عدد بالایی است، اما با محصولات شگفت‌انگیز و بودجه‌ای که AI می‌تواند به دست آورد، به نظر می‌رسد که ممکن است. ما منتظر نتایج هستیم. ما چند شرکت داریم که به این هدف نزدیک شده‌اند و در ۱۲ تا ۱۸ ماه آینده نتایج را خواهیم دید.

Sarah: بله، قطعاً. همان‌طور که در هر چیزی، شما نمی‌توانید هر شرکتی را در یک سطل "نرم‌افزاری" قرار دهید و درباره کاهش مضاعف و کاهش رشد صحبت کنید. در واقع، نرم‌افزار به شدت متنوع شده است: به این تصویر نگاه کنید، امنیت سایبری و قابلیت مشاهده واقعاً درخشان هستند، نرم‌افزار عمودی به طور کلی نیز از برنامه‌های افقی بهتر حمایت می‌کند. چارچوبی که ما برای فکر کردن به "چه چیزی پایدار است و حتی خوب رشد می‌کند، چه چیزی در حال کاهش بلندمدت است" استفاده می‌کنیم این است: واقعاً فکر کنید که AI چگونه تقاضای مشتریان برای این محصول را تغییر می‌دهد. خطرات امنیت سایبری که AI به همراه دارد به طور کامل افشا شده است؛ اما با ایجاد نرم‌افزار و عامل‌های بیشتر که نیازهای جدید امنیتی و نظارتی را ایجاد می‌کنند، این واقعاً تقاضای بیشتری برای بازیگران موجود در این بازارها ایجاد می‌کند ------ شما می‌توانید نشانه‌های CrowdStrike را در سمت راست ببینید. از طرف دیگر، برنامه‌ها با تغییرات مختلفی در جریان کار مواجه هستند: یکی از بهترین مدیران عامل ما، علی غودسی، دوست دارد درباره "گیوتین AI" و اینکه چه چیزی اول حذف خواهد شد صحبت کند. شما همچنین می‌توانید از طرف دیگر فکر کنید: AI واقعاً به چه چیزی نیاز دارد. با قرار دادن این دو دینامیک در کنار هم، من فکر می‌کنم می‌توانیم بیشتر وضعیت‌هایی را که در بازار عمومی مشاهده می‌کنیم توضیح دهیم.

Alex: بله، من فکر می‌کنم این با آنچه در بازار خصوصی مشاهده می‌کنیم بسیار سازگار است. همان‌طور که شما، سارا، در زمینه امنیت اشاره کردید، عامل‌ها به سیستم‌های بیشتری دسترسی پیدا می‌کنند و اقدام‌های بیشتری انجام می‌دهند ------ رویدادهای OpenAI و Hugging Face برای بسیاری از افراد چشم‌گشا بود. بنابراین امنیت در اولویت است. همچنین، به شرکت‌های AI عمودی نگاه کنید: آنها سریع‌ترین شرکت‌ها در بازار خصوصی ما هستند، Harvey، Abridge، Elise، سریع‌تر از هر پیشگام دیگری در صنایع خود رشد کرده‌اند. این نشان‌دهنده این است که مشتریان متوجه شده‌اند: کلید فقط مدل نیست ------ ما قبلاً درباره‌اش صحبت کرده‌ایم ------ بلکه این است که چگونه آن را سازماندهی کنید، چگونه برنامه‌هایی را در اطراف آن بسازید و نیازهای جریان کار مرتبط با حوزه‌های عمودی چه هستند.

Santi: ما زمان زیادی را صرف مشاهده بازار عمومی می‌کنیم، نه برای سرمایه‌گذاری، بلکه برای تعیین قیمت مضاعف خروج، بنابراین ما به شدت پیگیری می‌کنیم. اگر بخواهیم این سال را خلاصه کنیم: چند ماه اول سال "آخرالزمان SaaS" بود. ما یک وبلاگ نوشتیم که چه نوع شرکت‌هایی خوب عمل خواهند کرد. به امروز نگاه کنید، شاخص نرم‌افزار واقعاً به موقعیت ابتدایی سال بازگشته است، اما واقعاً به دو دسته برنده و بازنده AI تقسیم شده است. بازار عمومی گاهی اوقات مسائل را بیش از حد ساده می‌کند. اما به نظر شما، برندگان AI فقط کسانی نیستند که می‌توانند ساختار هزینه را بهبود بخشند، بلکه کسانی هستند که واقعاً در حال تسریع هستند و این پول‌های جدید را به دست آورده‌اند؛ اگر شما این را به دست نیاورده‌اید، ممکن است از این موج جا بمانید.

Sarah: برعکس، ما می‌خواهیم برخی از داده‌های عملیاتی شرکت‌های خصوصی را نشان دهیم و ببینیم مشتریان واقعاً چه کار می‌کنند. در داده‌های مشتریان SaaS Stripe واقعاً یک کشف "ضد روایت" وجود دارد: رشد پس از ورود به سال ۲۰۲۶ تسریع شده است، هم برای شرکت‌های جوان و هم برای شرکت‌های بالغ.

David: Stripe آن را "RenaSaaS" می‌نامد.

Santi: اوه، "Renaissance".

David: من واقعاً از اصطلاح "RenaSaaS" خوشم می‌آید.

Sarah: بله، من هم از "RenaSaaS" خوشم می‌آید.

09 بین عمومی و خصوصی: قهرمانان خصوصی ۲.۴ تریلیون دلاری و IPO

Santi: ما کمی درباره بازار عمومی صحبت کردیم، سارا درباره تسریع SaaS در بازار خصوصی صحبت کرد. ما اغلب سؤال می‌شویم: آیا شرکت‌ها برای مدت طولانی‌تری خصوصی خواهند ماند؟ به شش شرکت برتر که بر اساس آخرین ارزیابی رتبه‌بندی شده‌اند نگاه کنید: Anthropic، OpenAI، Databricks، Stripe، Waymo، Revolut، که مجموعاً حدود ۲.۴ تریلیون دلار ارزش دارند. این بیشتر از کل ارزش بازار IPO در ده سال گذشته است (بدون احتساب SpaceX)، که به طور کلی حدود ۱.۷ تریلیون دلار است. بنابراین فقط حجم فعالیت در این بازار ------ دوباره می‌گویم، شش شرکت، ۲.۴ تریلیون دلار ------ تقریباً به اندازه شاخص Russell 2000 است، که یک شاخص بزرگ بازار عمومی است و در آن چند صد مدیر صندوق عمومی وقت خود را صرف می‌کنند. بنابراین، صرف زمان بر روی این قهرمانان مرحله پایانی به طور فزاینده‌ای هیجان‌انگیز می‌شود، آنها می‌توانند به سرمایه‌گذاری در رشد ادامه دهند، نه حداکثر کردن سود کوتاه‌مدت. اما دیوید، می‌توانید درباره اینکه چگونه به شرکت‌ها در مورد IPO مشاوره می‌دهیم و چه زمانی باید در بازار خصوصی بمانند صحبت کنید......

David: بله، شما ببینید، درباره IPO، به ویژه برای شرکت‌هایی که توسط بنیان‌گذاران رهبری می‌شوند، ما همیشه در حال صحبت هستیم و من نیز درباره آن نوشته‌ام: در این مرحله، بنیان‌گذار خود یک کلاس دارایی است. دلیل ما برای شرط‌بندی و برخی از دلایل اینکه برخی از شرکت‌ها خصوصی باقی می‌مانند این است که آنها معمولاً می‌توانند در بازار خصوصی سرمایه‌گذاری‌های بزرگ‌تری انجام دهند و این سرمایه‌گذاری‌ها دارای دوره بازگشت طولانی‌تری هستند. زاک و ایلان به وضوح استثنائات بازار عمومی هستند. اما شما می‌توانید در اعداد شرکت‌هایی مانند Databricks و Stripe ببینید که چگونه این موضوع نمایان می‌شود: سرمایه‌گذاری‌های جدید بزرگ در زمینه‌های محصولات جدید، که به دنبال آن می‌توان تسریع درآمد را مشاهده کرد. شما همچنین می‌توانید این کار را در یک شرکت عمومی انجام دهید، اما تحت بررسی‌های سخت‌تری قرار می‌گیرد ------ به وضوح، قیمت سهام Meta در پایین‌ترین سطح خود به زیر ۱۰۰ دلار سقوط کرد، زمانی که مردم به شدت به سرمایه‌گذاری‌های آنها در AR/VR شک داشتند. برای ما، نحوه صحبت ما با بنیان‌گذاران این است: IPO فقط یک رویداد تأمین مالی دیگر است. شما به یک شرکت عمومی تبدیل می‌شوید، نسبت به یک شرکت خصوصی، چه چیزی به دست می‌آورید؟ به وضوح شما می‌توانید در بازار خصوصی به مقیاس بزرگی دست یابید. همچنین برخی از شرکت‌ها مانند شرکت‌های عمومی عمل می‌کنند: به شدت بر کارایی تأکید می‌کنند و تقریباً هر شاخصی را پیگیری می‌کنند. همچنین برخی از شرکت‌ها ممکن است از افشای عمومی مالی بهره‌مند شوند و در سطح شرکتی و مصرف‌کننده اعتماد مشتریان را به دست آورند ------ به عنوان مثال، پس از IPO Navan، ما دیدیم که دوباره تسریع می‌شود، بخشی از آن به این دلیل است که برخی از شرکت‌های بزرگ‌تر به دلیل اینکه آنها یک شرکت عمومی هستند به آنها بیشتر اعتماد می‌کنند.

David: بله، البته چنین مثال‌هایی وجود دارد: نیاز به سرمایه ممکن است با گذشت زمان بسیار بزرگ شود، و استخر سرمایه در بازار خصوصی بسیار عمیق است و می‌تواند به بسیاری از این شرکت‌ها خدمت کند، اما در یک نقطه، نیاز به سرمایه حتی ممکن است به حدی بزرگ شود که بازار خصوصی نتواند آن را تحمل کند.

Santi: و این بازار عمومی است. در بازار خصوصی، ما زمان زیادی را صرف حوزه دیگری به نام بازار ثانویه می‌کنیم. در اینجا دو دینامیک وجود دارد. اول، ما شاهد افزایش تعداد شرکت‌ها هستیم که برای کارکنان پیشنهاد خرید (tender) می‌دهند ------ اگر آنها تصمیم بگیرند که خصوصی باقی بمانند، به کارکنان این امکان را می‌دهند که خارج از بازار عمومی نقدینگی به دست آورند. یک داده جالب این است که Carta نشان می‌دهد نرخ مشارکت در پیشنهادات خرید تنها ۵۸٪ است ------ کارکنان انتخاب می‌کنند که نقدینگی را نپذیرند زیرا به عملکرد کسب‌وکار خود بسیار اعتماد دارند. این دقیقاً برعکس روایت "کارکنان در حال نقد کردن" است ------ آنچه ما می‌بینیم این است که کارکنان انتخاب می‌کنند که نقد نکنند زیرا به شرکت خود بسیار اعتماد دارند.

David: تصور کنید اگر آن ۱۰۰٪ باشد، قیمت خانه‌ها در سان‌فرانسیسکو چه خواهد شد؟

David: این واقعاً دشوار خواهد بود. بله. ما به وضوح در این پیشنهادات خرید به طور مکرر شرکت می‌کنیم و آنها را رهبری می‌کنیم. ما معتقدیم که اینها چیزهای خوبی هستند. آنها دو هدف دارند. اول، برای کارکنان و کارکنان بالقوه، گاهی اوقات دشوار است که با جذابیت نقدینگی بازار عمومی رقابت کنند ------ RSU که هر فصل با پایه مالیاتی خالص به حساب شما واریز می‌شود. بنابراین این یک سلاح رقابتی در بازار خصوصی است که در رقابت با شرکت‌های عمومی برای جذب استعداد یا نگه‌داشتن کارکنان استفاده می‌شود. از طرف دیگر: ما پیشنهاد می‌کنیم که ارزیابی‌ها را به طور مکرر بازنشانی کنید. این می‌تواند قیمت سهام خصوصی شما را تازه نگه دارد، دلایل متعددی وجود دارد: اول، آسان‌تر است که درباره این موضوع با کارکنان و کارکنان بالقوه صحبت کنید؛ دوم، اگر می‌خواهید M&A انجام دهید ------ بسیاری از شرکت‌های ما این کار را انجام داده‌اند ------ شما پول تازه‌ای دارید که می‌توانید استفاده کنید.

Santi: من فکر می‌کنم که بحث درباره تخفیف در بازار ثانویه بسیار زیاد است، زیرا این دینامیک در پنج سال گذشته بوده است: وقتی از سال‌های ۲۰۲۱، ۲۲، ۲۳، ۲۴ خارج می‌شویم، تخفیف میانگین در بازار ثانویه نسبت به قیمت آخرین دور بسیار معنادار است، زیرا ممکن است برخی از دورها بیش از حد بالا یا قدیمی تعیین شده باشند. اما آنچه امروز واقعاً مشاهده می‌شود این است که وقتی بازار ثانویه معامله‌ای دارد، تخفیف نسبت به قیمت آخرین دور اساساً صفر است. این دقیقاً نشان می‌دهد که قیمت‌های تأمین مالی شرکت‌ها تازه است و همیشه سرمایه‌گذاران جدیدی وجود دارند که مایلند به همان قیمت خرید کنند ------ این در یک یا دو سال گذشته این‌گونه نبوده است.

10 همه چیز AI است: فرصت‌های بعدی

David: بله، دیدگاه خوبی است. این اسلاید جالب به نام "همه چیز AI است". در این نمای ۲۰۲۶، شرکت‌های مرتبط با AI ۸۶٪ از فعالیت‌های معاملاتی VC در ایالات متحده را تشکیل می‌دهند، که نسبت به ۶۵٪ در سال ۲۰۲۵ افزایش یافته است. به وضوح، AI به مقصد اصلی سرمایه‌گذاری ریسک تبدیل شده است.

Alex: بله، اما تحت برچسب AI، فرصت‌ها واقعاً به طرز قابل توجهی گسترش یافته است: برنامه‌های شرکتی، برنامه‌های مصرفی، و همچنین خدمات، نیمه‌هادی‌ها، و برق.

Alex: همچنین دفاع. توجه زیادی به OpenAI، xAI و Anthropic معطوف شده است، اما به جز این، مجموعه فرصت‌های ما هرگز به این اندازه عمیق و گسترده نبوده است.

David: در نهایت، ما فکر می‌کنیم که صحبت درباره برخی از حوزه‌هایی که اکنون بسیار هیجان‌زده هستیم جالب خواهد بود. به وضوح، ما به برخی از کارهای مصرفی که توسط عامل‌ها انجام خواهد شد پرداخته‌ایم ------ شما می‌توانید آن را عامل‌های خودکار، عامل‌های مستقل، یا مصرفی با استفاده سنگین بنامید. اگر از این زاویه فکر کنید: عامل‌های مصرفی می‌توانند تمام کارهایی را انجام دهند که شما نمی‌خواهید انجام دهید، به شما چیزهایی بدهند که شما هرگز وقت یا پولی برای آن صرف نمی‌کنید ------ این بسیار جذاب است و من فکر می‌کنم گسترش آن سریع خواهد بود.

ربات‌ها یکی از حوزه‌هایی هستند که ما زمان و توجه زیادی را صرف آن کرده‌ایم و ما به طور تصادفی فکر می‌کنیم که این حتی ممکن است بزرگ‌تر از LLM باشد ------ اما ممکن است سه تا پنج سال زودتر بیاید. بنابراین در پنج سال آینده، این یک حوزه بزرگ سرمایه‌گذاری و هیجان خواهد بود.

خودروهای خودران در اینجا هستند، رانندگی بدون راننده ممکن شده است و این یک زمان بسیار هیجان‌انگیز است. اگر به صنعت خودرو و حمل و نقل نگاه کنیم: این یکی از بزرگترین صنایع جهان است، اما ممکن است ما در مورد آن زیاد صحبت نکنیم زیرا اکنون زمان زیادی را صرف صحبت در مورد هوش مصنوعی می‌کنیم. اگر به مسافت پیموده شده توسط اوبر و لیفت نگاه کنیم، این تنها حدود 1% از کل مسافت پیموده شده در ایالات متحده را تشکیل می‌دهد. من فکر می‌کنم با وجود شبکه‌های خودران که 14 برابر ایمن‌تر از رانندگان انسانی هستند، در سال‌های آینده این عدد حداقل یک مرتبه افزایش خواهد یافت. علاوه بر این، ایالات متحده هر سال 17 میلیون خودروی جدید می‌فروشد و من فکر می‌کنم در دهه آینده همه آنها خودران خواهند بود.

دیوید: هوش مصنوعی در کنار بیولوژی: این یک حوزه فوق‌العاده هیجان‌انگیز است، افرادی که در آزمایشگاه‌ها هستند به وضوح در مورد این موضوع صحبت می‌کنند ------ کشف داروهای جدید، حل برخی از بیماری‌های ناتوان‌کننده در جهان، این وعده‌ای است که ما همه امید زیادی به آن داریم و در دهه آینده شاهد پیشرفت‌های زیادی خواهیم بود.

دیوید: سلامت شخصی یک حوزه دیگر است که من خودم بسیار هیجان‌زده هستم ------ به عنوان یک حداکثری سلامت (health maximalist)، همیشه احساس کرده‌ام که هیچ مکان خوبی وجود ندارد که بتوانید تمام اطلاعات خود را در آن قرار دهید و مشاوره‌های بسیار شخصی‌سازی شده دریافت کنید.

دیوید: در نهایت، ورود به شرکت‌ها و گسترش فراتر از کدنویسی: این همان چیزی است که سارا شما به تازگی در مورد آن صحبت کردید ------ گسترش واقعی فناوری در شرکت‌ها هنوز خیلی زود است و من فکر می‌کنم این فوق‌العاده، فوق‌العاده هیجان‌انگیز خواهد بود.

دیوید: در نهایت، یک حوزه دیگر که در سبد هوش مصنوعی نیست، ما آن را «دینامیزم آمریکایی» می‌نامیم ------ بازآرایی کل فناوری «دینامیزم آمریکایی». ما مدت‌هاست که در این حوزه سرمایه‌گذاری کرده‌ایم و سرمایه‌گذاران بزرگی هستیم. این هنوز تنها کمتر از 5% از کل هزینه‌های دفاعی کشور را تشکیل می‌دهد. تأمین‌کنندگان نوآور مانند آندوریل، سارنیک، کستلیون، ما انتظار داریم که این به شدت با تغییرات تقاضا افزایش یابد.

دیوید: حوزه‌های هیجان‌انگیز زیادی وجود دارد. به وضوح ما در حوزه هوش مصنوعی بسیار فعال هستیم و نسبت به تأثیر آن بر کل اقتصاد خوشبین هستیم ------ ساختار بسیار بزرگی دارد، اما ما فکر می‌کنیم که این در ایالات متحده یک افزایش بزرگ در بهره‌وری خواهد بود. خوشحال بودم که با شما برنامه ضبط کردم. متشکرم.