کارمند OpenAI در یک ماه ۱۰ میلیون دلار توکن هوش مصنوعی مصرف کرد
پیتر اشتاین‌برگر، سازنده دستیار هوش مصنوعی متن‌باز OpenClaw و از اعضای فنی OpenAI، فاش کرد که در یک ماه حدود ۱۰ میلیون دلار توکن هوش مصنوعی مصرف کرده است. او این رقم را در گفت‌وگویی با دین کنشت، مدیر ارشد فناوری شرکت Cloudflare، در کنفرانس Cloudflare Connect 2026 در سان‌فرانسیسکو مطرح کرد.
این رقم چشمگیر نشان می‌دهد که اجرای گسترده عامل‌های پیشرفته هوش مصنوعی می‌تواند هزینه‌های محاسباتی بسیار بالایی داشته باشد. اشتاین‌برگر همچنین اذعان کرد که تمام کارهایی که با چنین میزان مصرف توکن تولید می‌شوند، لزوماً مفید نیستند.
پیتر اشتاین‌برگر کیست و OpenClaw چیست؟
پیتر اشتاین‌برگر سازنده OpenClaw است؛ عاملی هوش مصنوعی با کد منبع باز که برای انجام وظایفی فراتر از پاسخ‌گویی به پرسش‌ها طراحی شده است. عامل‌های هوش مصنوعی می‌توانند با نرم‌افزارها تعامل داشته باشند، گردش کارها را اجرا کنند و فعالیت‌های مختلف را با درجات متفاوتی از نظارت انسانی خودکار سازند.
اشتاین‌برگر در اوایل سال ۲۰۲۶ به OpenAI پیوست و قرار بود توسعه OpenClaw از طریق یک بنیاد متن‌باز ادامه پیدا کند.
فعالیت‌های او شامل آزمایش روش‌های توسعه نرم‌افزار مبتنی بر هوش مصنوعی است؛ روش‌هایی که در آن‌ها عامل‌ها می‌توانند در نوشتن کد، بازبینی مشارکت‌های برنامه‌نویسان، مدیریت وظایف و دیگر فعالیت‌های مهندسی نرم‌افزار کمک کنند.
چرا او ۱۰ میلیون دلار برای توکن‌های هوش مصنوعی هزینه کرد؟
شرکت‌های هوش مصنوعی معمولاً هزینه استفاده از مدل‌های خود را بر اساس توکن محاسبه می‌کنند؛ توکن‌ها واحدهایی هستند که برای پردازش متن و اطلاعات دیگر به کار می‌روند. زمانی که یک سامانه هوش مصنوعی بارها حجم زیادی از اطلاعات زمینه‌ای را تحلیل می‌کند، کد تولید می‌کند، خروجی‌ها را بازبینی می‌کند یا چند عامل را به‌طور هم‌زمان به کار می‌گیرد، هزینه‌ها می‌توانند به‌شدت افزایش یابند.
در جریان گفت‌وگوی کنفرانس، کنشت اشاره کرد که اشتاین‌برگر به بودجه‌ای تقریباً نامحدود برای مصرف توکن دسترسی داشته است. اشتاین‌برگر در پاسخ گفت که بسیاری از افراد درک نمی‌کنند همه کارهای حاصل از این فرایند مفید نیستند.
رقم اعلام‌شده ۱۰ میلیون دلار، برآورد او از هزینه مصرف توکن‌های هوش مصنوعی در ماه گذشته است. این رقم به معنای آن نیست که کاربران عادی OpenClaw نیز با چنین صورت‌حسابی روبه‌رو خواهند شد. همچنین گزارش، جزئیات دقیقی درباره مدل‌های استفاده‌شده، نوع فعالیت‌های پردازشی یا حجم توکن‌های مصرفی ارائه نمی‌کند.
عامل‌های هوش مصنوعی می‌توانند بخش بیشتری از کارها را به فضای ابری منتقل کنند
اشتاین‌برگر همچنین این پرسش را مطرح کرد که چرا عامل‌های هوش مصنوعی همچنان تا این اندازه به رایانه‌های کاربران وابسته‌اند و به‌جای آن، به‌طور کامل در فضای ابری فعالیت نمی‌کنند.
عامل‌هایی که روی زیرساخت‌های ابری اجرا می‌شوند، می‌توانند به‌صورت پیوسته فعال بمانند، وظایف مختلف را با یکدیگر هماهنگ کنند و بدون نیاز به روشن ماندن رایانه کاربر فعالیت کنند. بااین‌حال، انتقال بارهای کاری به فضای ابری ملاحظات دیگری نیز به همراه دارد؛ از جمله هزینه زیرساخت، حریم خصوصی داده‌ها و امنیت.
برای کسب‌وکارها، چالش اصلی این است که مشخص کنند آیا افزایش بهره‌وری حاصل از سامانه‌های هوش مصنوعی خودمختار، هزینه اجرای آن‌ها را توجیه می‌کند یا خیر.
همه خروجی‌های تولیدشده با هوش مصنوعی مفید نیستند
افشای این هزینه‌ها بار دیگر یکی از محدودیت‌های خودکارسازی با هوش مصنوعی را برجسته می‌کند: استفاده بیشتر لزوماً به ارزش‌آفرینی بیشتر منجر نمی‌شود.
عامل‌ها ممکن است وظایف را تکرار کنند، خروجی‌های غیرضروری تولید کنند یا برای بررسی کار خود به فراخوانی‌های بیشتری از مدل نیاز داشته باشند. این فرایند می‌تواند هزینه‌ها را افزایش دهد، بی‌آنکه به همان نسبت بهره‌وری بهبود پیدا کند.
بنابراین، سازمان‌هایی که هوش مصنوعی را به کار می‌گیرند، باید میزان مصرف توکن را زیر نظر داشته باشند، بودجه‌های مشخصی تعیین کنند و ارزیابی کنند که آیا گردش کارهای خودکار نتایج قابل‌اندازه‌گیری و ارزشمندی ایجاد می‌کنند یا خیر.
عامل‌های هوش مصنوعی به سازوکارهای امنیتی بهتری نیاز دارند
اشتاین‌برگر همچنین درباره خطرات اعطای دسترسی‌های گسترده به عامل‌های هوش مصنوعی صحبت کرد. عاملی که به فایل‌ها، برنامه‌ها یا اطلاعات حساس دسترسی دارد، در صورت تصمیم‌گیری اشتباه یا پیروی از دستورهای مخرب می‌تواند مشکلات امنیتی ایجاد کند.
او پیشنهاد کرد که یک عامل بتواند نقش بررسی‌کننده مجوزهای عامل دیگر را بر عهده بگیرد و به ارزیابی این موضوع کمک کند که آیا انجام یک اقدام ضروری است و آیا آن اقدام در چارچوب محدودیت‌های امنیتی تعیین‌شده قرار می‌گیرد یا خیر.
چنین رویکردی می‌تواند لایه نظارتی دیگری ایجاد کند، اما نیاز به کنترل‌های امنیتی متعارف و پاسخ‌گویی انسانی را از بین نمی‌برد.
این تحولات برای آینده هوش مصنوعی چه معنایی دارند؟
هزینه ماهانه ۱۰ میلیون دلاری اعلام‌شده، هم توانایی‌های عامل‌های هوش مصنوعی و هم هزینه‌های سوق دادن آن‌ها به سمت انجام مستقل‌تر وظایف را نشان می‌دهد. درحالی‌که کسب‌وکارها به دنبال خودکارسازی توسعه نرم‌افزار و دیگر گردش‌های کاری هستند، توجیه اقتصادی همچنان یکی از محدودیت‌های مهم این فناوری به شمار می‌رود.
مرحله بعدی گسترش هوش مصنوعی نه‌تنها به مدل‌های توانمندتر، بلکه به کاهش هزینه استنتاج، زیرساخت‌های کارآمدتر و روش‌های بهتر برای اطمینان از ارزش واقعی کارهای خودکار نیز بستگی خواهد داشت.
منبع تصویر: اینستاگرام