خلاصه
- معیار جدید Q2T3 (چهار برابر، چهار برابر، سه برابر، سه برابر، سه برابر) برای رشد استارتاپ‌های هوش مصنوعی معرفی شده که خیلی تهاجمی‌تر از معیار قدیمی T2D3 هست.
- شرکت بسمبر ونچر پارتنرز این معیار رو تو گزارش «وضعیت هوش مصنوعی در سال ۲۰۲۵» معرفی کرده و نشونه هیجان زیاد سرمایه‌گذارها نسبت به هوش مصنوعی هست.
- دو نوع استارتاپ با رشد بالا تو دوره هوش مصنوعی وجود داره: «ابرنواخترها» که خیلی سریع رشد میکنن اما سودشون پایینه، و «ستاره‌های دنباله‌دار» که رشد متعادل‌تر با سود خوب دارن.
- ابرنواخترها تو سال اول میتونن به ۴۰ میلیون دلار ARR برسن ولی حاشیه سودشون حدود ۲۵ درصده؛ ستاره‌های دنباله‌دار با حاشیه سود ۶۰ درصد، تو چهار سال به ۱۰۳ میلیون دلار ARR میرسن.
- پنج پیش‌بینی مهم برای آینده: مرورگرها رابط اصلی ایجنت AI میشن، ۲۰۲۶ سال ویدیوی هوش‌مصنوعی هست، ارزیابی دقیق محصول حیاتیه، یه شبکه اجتماعی جدید AI محور میتونه ظهور کنه و شرکت‌های بزرگ شروع به خرید استارتاپ‌های AI میکنن.
یه معیار رشد جدید توی سیلیکون ولی سر و صدا کرده که نشون میده سرمایه‌گذارها چقدر در مورد هوش مصنوعی هیجان‌زده هستن. شرکت «بسمبر ونچر پارتنرز» (Bessemer Venture Partners) توی گزارش جدیدش به اسم «وضعیت هوش مصنوعی در سال ۲۰۲۵» یه معیار رشد معرفی کرده که سطح توقعات رو از اکوسیستم استارتاپ‌های هوش مصنوعی امروزی خیلی بالا میبره.
اسم این معیار Q2T3 هست که مخفف «چهار برابر، چهار برابر، سه برابر، سه برابر، سه برابر» به حساب میاد. این معیار یه تغییر بزرگ نسبت به انتظارات رشد کنترل شده‌تر دوران نرم‌افزارهای خدماتی (SaaS) رو نشون میده. اون موقع‌ها معیار معروف T2D3 بود که یعنی «سه برابر، سه برابر، دو برابر، دو برابر، دو برابر».
بسمبر توی گزارشش نوشته: «ما این معیارهای جدید و البته عجیب و غریب رو به اشتراک میذاریم تا واقعیت استارتاپ‌های برجسته هوش مصنوعی در این لحظه رو به نمایش بذاریم».
این شرکت اسم استارتاپ خاصی رو نبرده، اما گفته که با مطالعه ۲۰ استارتاپ هوش مصنوعی با رشد بالا و پایدار، هم از بین شرکت‌هایی که روشون سرمایه‌گذاری کرده و هم بقیه، به این معیار رسیده. شرکت‌هایی مثل Abridge و Cursor جزو این موارد بودن.
جالبه بدونید که بسمبر معمولا هر سال گزارشی به اسم «وضعیت کلاود» منتشر میکرد. اما امسال اسمش رو به «وضعیت هوش مصنوعی» تغییر داده و این خودش یه نشونه است از اینکه هوش مصنوعی مولد چقدر داره صنعت تکنولوژی رو تغییر میده، محاسبات ابری رو زیر و رو میکنه و مدل‌های کسب‌وکار نرم‌افزاری قدیمی رو تحت فشار میذاره.
از T2D3 تا Q2T3: سریع‌تر از همیشه
توی دهه گذشته، T2D3 مثل یه ستاره راهنما برای استارتاپ‌های SaaS بود. این معیار از استارتاپ‌ها میخواست که درآمد سالانه تکرارشونده (ARR) رو توی سال اول سه برابر کنن و سال دوم هم همین کار رو تکرار کنن. بعدش باید توی سال سوم، چهارم و پنجم این درآمد رو دو برابر میکردن.
در تئوری، این مسیر یه استارتاپ رو توی حدود پنج یا شش سال از درآمد سالانه ۱ یا ۲ میلیون دلار به بیش از ۱۰۰ میلیون دلار میرسوند که برای رسیدن به ارزش احتمالی ۱ میلیارد دلاری کافی بود.
اما حالا بسمبر فکر میکنه که T2D3 داره به سرعت توسط شرکت‌های مبتنی بر هوش مصنوعی کنار زده میشه. این شرکت‌ها به لطف ویژگی‌های خاص هوش مصنوعی مولد، سرعت رشد بی‌سابقه‌ای رو تجربه میکنن: چرخه‌های تولید محصول سریع، تقاضای انفجاری کاربران و کانال‌های توزیع جدید.
اینجا است که Q2T3 وارد میشه؛ یک مسیر خیلی تهاجمی‌تر. این معیار جدید یه مسیر سریع‌تر رو نشون میده که توش استارتاپ‌های هوش مصنوعی درآمدشون رو توی سال اول و دوم چهار برابر میکنن و بعد برای سه سال بعدی، هر سال سه برابرش میکنن. این یعنی رسوندن درآمد سالانه از ۳ میلیون دلار به بیش از ۱۰۰ میلیون دلار فقط توی چهار سال. این اتفاق تعریف «رشد انفجاری» رو توی دنیای بعد از ChatGPT کاملا تغییر میده.
دو مدل استارتاپ هوش مصنوعی: ستاره‌های دنباله‌دار در برابر ابرنواخترها
بسمبر میگه که توی دوره هوش مصنوعی، دو نوع استارتاپ با رشد شگفت‌انگیز وجود داره: «ابرنواخترها» (Supernovas) و «ستاره‌های دنباله‌دار» (Shooting Stars).
ابرنواخترها (Supernovas)
این‌ها استارتاپ‌های هوش مصنوعی هستن که با سرعتی بی‌سابقه در تاریخ نرم‌افزار رشد میکنن. این کسب‌وکارها خیلی سریع، گاهی توی همون سال اول فعالیت تجاریشون، از مرحله ایده اولیه به درآمد سالانه ۱۰۰ میلیون دلاری میرسن. بسمبر میگه: «این‌ها همزمان هیجان‌انگیزترین و ترسناک‌ترین استارتاپ‌هایی هستن که میبینیم».
این اعداد و ارقام اغلب در شرایطی به دست میان که ممکنه درآمد شکننده باشه. یعنی رشد سریع ممکنه نشون دهنده ارزش پایدار نباشه. بسمبر هشدار میده که هزینه‌های پایین برای تغییر سرویس، بازارهای خیلی رقابتی و محصولاتی که تفاوت کمی با هم دارن، میتونن حاشیه سود رو به سمت صفر یا حتی منفی ببرن.
میانگین معیارهای ابرنواخترها:
| معیار | سال اول تجاری‌سازی | سال دوم تجاری‌سازی |
|---|---|---|
| درآمد سالانه تکرارشونده (ARR) | ۴۰ میلیون دلار | ۱۲۵ میلیون دلار |
| حاشیه سود ناخالص | حدود ۲۵ درصد (گاهی منفی) | – |
| درآمد به ازای هر کارمند (ARR/FTE) | ۱.۱۳ میلیون دلار | – |
این شرکت‌ها با وجود حاشیه سود پایین، به ازای هر کارمند ۱.۱۳ میلیون دلار درآمد دارن که ۴ تا ۵ برابر بیشتر از معیارهای معمول SaaS هست. این بهره‌وری میتونه نشون دهنده پتانسیل بلندمدت برای کسب‌وکارهای خیلی کارآمد در مقیاس بزرگ باشه.
ستاره‌های دنباله‌دار (Shooting Stars)
در مقابل، ستاره‌های دنباله‌دار بیشتر شبیه شرکت‌های SaaS درجه یک هستن. اون‌ها به سرعت به تناسب محصول با بازار میرسن، مشتری‌ها رو حفظ میکنن و روابطشون رو گسترش میدن و حاشیه سود ناخالص قوی (حدود ۶۰ درصد) دارن. سرعت رشدشون به طور متوسط از شرکت‌های SaaS بیشتره، اما هنوز به تنگناهای سنتی بزرگ کردن یه سازمان وابسته است. بسمبر در موردشون میگه: «این کسب‌وکارها شاید هنوز تیتر خبرها نباشن، اما مشتری‌هاشون عاشقشونن و در مسیری قرار دارن که تاریخ نرم‌افزار رو بسازن».
میانگین معیارهای ستاره‌های دنباله‌دار (بر اساس مدل Q2T3):
| معیار | سال اول | سال دوم | سال سوم | سال چهارم |
|---|---|---|---|---|
| درآمد سالانه تکرارشونده (ARR) | ۳ میلیون دلار | ۱۲ میلیون دلار | ۴۰ میلیون دلار | ۱۰۳ میلیون دلار |
| حاشیه سود ناخالص | حدود ۶۰ درصد | – | – | – |
| درآمد به ازای هر کارمند (ARR/FTE) | ۱۶۴ هزار دلار | – | – | – |
بسمبر معتقده که هرچند ابرنواخترها جذابن، اما این دوره توسط صدها «ستاره دنباله‌دار» تعریف خواهد شد. به همین دلیل، این مدل مهم‌ترین معیاریه که بنیان‌گذاران هوش مصنوعی باید هدف قرار بدن.
دنیای هوش مصنوعی بعد از بیگ بنگ
بسمبر میگه اگه سال ۲۰۲۳ «بیگ بنگ» هوش مصنوعی بود، سال ۲۰۲۵ مثل «اولین نور» بعد از اون انفجاره. گرد و غبار اولیه داره کنار میره و شرکت‌های بنیادی و الگوهای موفقیت دارن خودشون رو نشون میدن. البته هنوز تا رسیدن به یه ثبات فاصله داریم.
با این حال، بعضی از سیگنال‌های رشد میتونن گمراه‌کننده باشن. خریدارها مشتاقن، دموهای هوش مصنوعی چشمگیرن و فروش میتونه به سرعت بالا بره، اما همه محصولات ارزش واقعی ارائه نمیدن. حفظ مشتری میتونه شکننده باشه، به خصوص وقتی هزینه‌های جابجایی کمه.
شدت رقابت هم به بالاترین حد خودش رسیده. حوزه‌های جذاب، ۲ تا ۳ برابر بیشتر از سال‌های گذشته رقیب جذب میکنن. غول‌های SaaS مثل Intercom هم دارن به ضرورت هوش مصنوعی پی میبرن و فشار رقابتی رو بیشتر میکنن. به طور خلاصه، دیگه «کلاودی» بدون هوش مصنوعی وجود نداره.
نقشه راه کیهان هوش مصنوعی
بسمبر برای بخش‌های مختلف هوش مصنوعی نقشه‌هایی رو ترسیم کرده و گفته که توی هر بخش چه «کهکشان‌هایی» در حال شکل‌گیری هستن و چه بخش‌هایی هنوز مثل «ماده تاریک» ناشناخته موندن.
۱. زیرساخت هوش مصنوعی
کهکشان‌های در حال شکل‌گیری: چند بازیگر بزرگ مثل OpenAI، Anthropic، Gemini و Llama همچنان بر فضای مدل‌های پایه تسلط دارن. مدل‌های متن‌باز پیشرفته مثل Kimi و Mixtral هم نشون دادن که اکوسیستم باز هنوز میتونه رقابت کنه. زیرساخت هوش مصنوعی وارد «پرده دوم» خودش شده؛ یعنی از حل کردن مسئله‌ها به سمت «تعریف کردن» مسئله‌ها حرکت میکنه.
ماده تاریک: «درس تلخ هوش مصنوعی» که توسط ریچ ساتن مطرح شده، یادآوری میکنه که بزرگ‌ترین پیشرفت‌ها در هوش مصنوعی از قدرت محاسباتی و یادگیری عمومی به دست اومدن، نه از ویژگی‌های دست‌ساز انسانی. هنوز مشخص نیست کدوم تکنیک‌ها برای وارد کردن زمینه و تخصص به مدل‌ها مؤثرتر خواهند بود.
۲. پلتفرم‌ها و ابزارهای توسعه‌دهنده
کهکشان‌های در حال شکل‌گیری: زبان طبیعی به رابط برنامه‌نویسی جدید تبدیل شده. یه لایه زیرساخت جدید به اسم پروتکل زمینه مدل (MCP) که توسط Anthropic معرفی شده، داره به یه استاندارد جهانی برای دسترسی ایجنت‌ها به داده‌های خارجی تبدیل میشه. بهش میگن «USB-C هوش مصنوعی».
ماده تاریک: حافظه و زمینه (Context) چالش‌های اصلی باقی موندن. توانایی به خاطر سپردن و شخصی‌سازی در طول زمان، ابزارها رو از «مفید» به «ضروری» تبدیل میکنه. شرکت‌هایی که بتونن این مسئله رو حل کنن، یه مزیت رقابتی بزرگ به دست میارن.
۳. هوش مصنوعی افقی و سازمانی
کهکشان‌های در حال شکل‌گیری: سیستم‌های ثبت سوابق (SoR) قدیمی مثل Salesforce و Oracle دارن تحت فشار قرار میگیرن. استارتاپ‌های جدید به جای «سیستم‌های ثبت سوابق» دارن «سیستم‌های اقدام» میسازن که نه تنها اطلاعات رو ذخیره میکنن، بلکه بر اساس اون‌ها عمل میکنن. این اتفاق در حوزه‌هایی مثل CRM، منابع انسانی و جستجوی سازمانی در حال رخ دادنه.
ماده تاریک: با وجود این پیشرفت‌ها، برخی از بزرگ‌ترین حوزه‌های سازمانی مثل ERP در مقیاس بزرگ هنوز کمتر تحت تاثیر قرار گرفتن. به نظر میرسه جایگزینی کامل این سیستم‌ها هنوز چند سالی زمان میبره.
۴. هوش مصنوعی عمودی (Vertical AI)
کهکشان‌های در حال شکل‌گیری: بسمبر معتقده پتانسیل هوش مصنوعی عمودی حتی از بازارهای موفق SaaS عمودی هم بیشتره. صنایعی که قبلا «تکنولوژی‌هراس» به نظر میرسیدن، حالا به سرعت در حال پذیرش هوش مصنوعی هستن. مثال‌هاش هم زیاده:
سلامت: Abridge یادداشت‌برداری بالینی رو خودکار میکنه.
حقوق: EvenUp تهیه بسته‌های درخواست حقوقی رو از چند روز به چند دقیقه کاهش میده.
آموزش: MagicSchool به معلم‌ها ابزارهای هوش مصنوعی برای ساده‌سازی کارهاشون ارائه میده.
ماده تاریک: سوالات مهمی باقی مونده: آیا شرکت‌های جدید با سیستم‌های قدیمی رقابت میکنن یا باهاشون یکپارچه میشن؟ آیا شرکت‌های بزرگ قدیمی میتونن برنده بشن؟ و آیا مزیت‌های داده‌ای پایدار خواهند بود؟
۵. هوش مصنوعی مصرف‌کننده
کهکشان‌های در حال شکل‌گیری: استفاده مصرف‌کننده‌ها از ابزارهای هوش مصنوعی از کارهای مرتبط با بهره‌وری مثل نوشتن و جستجو، به سمت موارد عمیق‌تر مثل درمان، همراهی و رشد شخصی در حال تغییره. ChatGPT و Gemini همچنان ابزارهای اصلی هستن. Perplexity به عنوان یه جایگزین موفق برای جستجوی مبتنی بر هوش مصنوعی ظاهر شده. ابزارهای ساخت موسیقی مثل Suno و تولید ویدیو مثل Runway هم دارن هر مصرف‌کننده‌ای رو به یه خالق تبدیل میکنن.
ماده تاریک: بعضی از واضح‌ترین نیازهای مصرف‌کننده‌ها مثل برنامه‌ریزی سفر و خرید آنلاین هنوز به خوبی برآورده نشدن، چون به زیرساخت‌های ایجنت پیشرفته‌تری نیاز دارن که بتونه از طرف کاربر اقدام کنه.
۵ پیش‌بینی برتر بسمبر برای آینده
این شرکت در نهایت پنج پیش‌بینی مهم رو برای سال‌های آینده مطرح کرده:
۱. مرورگر به رابط غالب برای هوش مصنوعی ایجنت تبدیل میشه. مرورگرهای نسل بعدی مثل Comet و Dia فقط ابزاری برای ناوبری نخواهند بود، بلکه یه رابط برنامه‌ریزی‌پذیر به کل دنیای دیجیتال میشن. جنگ جدید مرورگرها در راهه.
۲. سال ۲۰۲۶ سال ویدیوی مولد خواهد بود. کیفیت مدل‌هایی مثل Sora از OpenAI و Veo 3 از گوگل به سرعت در حال افزایشه و به زودی ویدیوی مولد از نظر تجاری در مقیاس بزرگ قابل استفاده میشه.
۳. ارزیابی‌ها (Evals) و شجره‌نامه داده به یک کاتالیزور حیاتی برای توسعه محصول هوش مصنوعی تبدیل میشن. شرکت‌ها دیگه به معیارهای عمومی اعتماد نمیکنن و به سمت چارچوب‌های ارزیابی خصوصی و قابل اعتماد برای موارد استفاده خودشون میرن.
۴. یک غول جدید رسانه اجتماعی مبتنی بر هوش مصنوعی میتونه ظهور کنه. همونطور که PHP فیسبوک رو ممکن کرد و دوربین موبایل اینستاگرام رو، قابلیت‌های جدید هوش مصنوعی مولد هم میتونه منجر به ظهور یه پلتفرم اجتماعی جدید و موفق بشه.
۵. شرکت‌های بزرگ با خرید استارتاپ‌ها به بازی برمیگردن. بعد از دو سال اختلال سریع توسط استارتاپ‌های هوش مصنوعی، غول‌های سازمانی با خریدن قابلیت‌هایی که نیاز دارن، به رقابت برمیگردن. انتظار میره در سال‌های ۲۰۲۵ و ۲۰۲۶ شاهد موجی از خرید و ادغام (M&A) باشیم.
دیدگاهتان را بنویسید