شش غول هوش مصنوعی چین تنها حدود ۱۰ درصد درآمد OpenAI و Anthropic را دارند؛ نقطه عطف تجاری‌سازی نزدیک است
گزارش جدید Epoch AI نشان می‌دهد تا سپتامبر ۲۰۲۶، مجموع درآمد مرتبط با هوش مصنوعی شش شرکت چینی شامل علی‌بابا، بایت‌دنس، زیپو (Zhipu)، مون‌شات AI، دیپ‌سیک و مینی‌مکس تنها حدود ۱۰ درصد درآمدی است که OpenAI و Anthropic روی هم ایجاد می‌کنند؛ رقمی که در حدود ۱۰ میلیارد دلار برآورد شده است.
این گزارش پنج مسیر اصلی درآمدزایی شرکت‌های هوش مصنوعی چین را بررسی می‌کند: اپلیکیشن‌های مصرف‌کننده، فراخوانی مدل‌ها از طریق API، سفارشی‌سازی برای شرکت‌ها و دولت‌ها، هزینه‌های صدور مجوز و درآمد غیرمستقیم از طریق اکوسیستم‌های موجود. یافته‌ها تفاوت‌های ساختاری عمیقی را در سودآوری مدل‌های مختلف کسب‌وکار نشان می‌دهد.
از نظر درآمد مطلق، درآمد سالانه‌شده Anthropic حدود ۶۵ میلیارد دلار و OpenAI حدود ۴۰ میلیارد دلار است. در چین، بایت‌دنس با حدود ۴ میلیارد دلار پیشتاز است و پس از آن علی‌بابا با حدود ۲.۴ میلیارد دلار، زیپو با حدود ۱.۸ میلیارد دلار، مون‌شات AI و دیپ‌سیک هر کدام با حدود ۱ میلیارد دلار و مینی‌مکس با حدود ۸۰۰ میلیون دلار قرار دارند. مجموع این ارقام در محدوده ۱۰ میلیارد دلار است. البته ارقام مربوط به بایت‌دنس و علی‌بابا عمدتاً درآمد خدمات مدل به‌عنوان سرویس (MaaS) را نشان می‌دهد و کل فعالیت‌های مرتبط با هوش مصنوعی آن‌ها را شامل نمی‌شود.
فاصله میان تعداد کاربران و تبدیل آن‌ها به مشتری پولی
پایگاه کاربران اپلیکیشن‌های هوش مصنوعی چین هم‌اکنون بسیار گسترده است. طبق داده‌های QuestMobile، دو‌باو (Doubao) حدود ۳۸۰ میلیون کاربر فعال ماهانه، تونگ‌یی (Tongyi) حدود ۱۷۰ میلیون کاربر و دیپ‌سیک حدود ۱۳۰ میلیون کاربر دارند. اما تعداد زیاد کاربران به‌طور مستقیم به سودآوری منجر نشده است؛ نرخ پایین تبدیل کاربران رایگان به مشتری پولی و درآمد اندک به ازای هر کاربر همچنان از ضعف‌های اصلی این بازار محسوب می‌شود.
داده‌های مینی‌مکس نمونه روشنی از این مسئله است. در ۹ ماه نخست سال ۲۰۲۵، اپلیکیشن‌های مبتنی بر هوش مصنوعی این شرکت، شامل ابزارهای تولید ویدئو، تولید صدا و اپلیکیشن همراه Talkie، به‌طور میانگین ۲۷.۶ میلیون کاربر فعال ماهانه داشتند، اما تنها ۱.۷۷ میلیون نفر از آن‌ها پرداخت‌کننده بودند؛ یعنی نرخ تبدیل حدود ۶ درصد. حاشیه سود ناخالص این بخش تنها ۴.۷ درصد بود. در مقابل، کسب‌وکار پلتفرم باز و خدمات سازمانی این شرکت در همان دوره حاشیه سود ناخالص ۶۹.۴ درصدی داشت. این اختلاف، دشواری کسب درآمد از بازار مصرف‌کننده را به‌خوبی نشان می‌دهد.
نرخ پایین تبدیل کاربران تنها مشکل شرکت‌های چینی نیست. طبق گزارش The Information، از میان حدود ۹۰۰ میلیون کاربر هفتگی فعال ChatGPT، کاربران پرداخت‌کننده در سال ۲۰۲۵ حدود ۵ درصد را تشکیل می‌دادند و هزینه پردازش کاربران غیرپرداخت‌کننده سالانه ۳.۹ میلیارد دلار برای OpenAI ایجاد می‌کرد. با این حال، قیمت‌گذاری در چین پایین‌تر است؛ طرح استاندارد تولید ویدئوی Hailuo از مینی‌مکس تنها ۵۵ یوان چین (حدود ۸.۲ دلار) و اشتراک VIP چت‌بات زیپو حدود ۷۹ یوان (حدود ۱۲ دلار) قیمت دارد، در حالی که ChatGPT Plus ماهانه ۲۰ دلار هزینه دارد. درآمد تبلیغاتی می‌تواند بخشی از این فاصله را جبران کند؛ برای نمونه، درآمد تبلیغاتی Talkie در ۹ ماه نخست ۲۰۲۵، ۲۰.۹ درصد از کل درآمد مینی‌مکس را تشکیل داد، اما نمی‌تواند ماهیت کم‌حاشیه کسب‌وکارهای مصرف‌کننده را به‌طور بنیادی تغییر دهد.
معضل قیمت‌گذاری در راهبردهای مدل‌های متن‌باز
شرکت‌های هوش مصنوعی چین عموماً انتشار مدل‌های دارای وزن باز را ترجیح می‌دهند؛ رویکردی که گسترش اکوسیستم را سرعت می‌بخشد، اما هم‌زمان قدرت قیمت‌گذاری API را تحت فشار قرار می‌دهد.
مدل GLM 5.3 Flash زیپو نمونه‌ای از این وضعیت است. در ۲۶ اوت ۲۰۲۶، زیپو این مدل را با تخفیف تبلیغاتی ۵۰ درصدی در OpenRouter عرضه کرد و هم‌زمان وزن‌های آن را منتشر کرد. ظرف چند ساعت، شرکت‌های ثالث شروع به ارائه خدمات کردند؛ یک روز بعد ۱۲ رقیب شکل گرفتند و تا ۱۵ سپتامبر تعداد آن‌ها به ۲۶ مورد رسید که ۸ مورد قیمت پایین‌تری نسبت به زیپو داشتند. سهم توکن‌های زیپو در OpenRouter طی ۲۰ روز از ۸۸ درصد به ۲۲ درصد سقوط کرد و حجم روزانه توکن ۷۰ درصد کاهش یافت، هرچند استفاده کلی از مدل در همان دوره ۱۷ درصد افزایش پیدا کرد.
تحلیل Epoch AI نشان می‌دهد زمانی که توسعه‌دهندگان مدل‌های متن‌باز قیمت API خود را بالاتر از ارزان‌ترین گزینه‌های میزبانی تعیین می‌کنند، سهم آن‌ها از مصرف توکن به‌شدت کاهش می‌یابد. این گزارش با بررسی دیپ‌سیک تخمین می‌زند تنها حدود ۸ درصد از کل هزینه مشتریان برای مدل‌های دیپ‌سیک مستقیماً به خود این شرکت می‌رسد.
از نظر حاشیه سود ناخالص، کسب‌وکار API زیپو در سال ۲۰۲۵ حدود ۱۸.۹ درصد بود و در نیمه نخست ۲۰۲۶ به ۲۴.۶ درصد رسید. دیپ‌سیک یک استثنا محسوب می‌شود؛ حاشیه سود ناخالص API سری V4 این شرکت بین ۷۰ تا ۸۰ درصد تخمین زده شده است، زیرا بیش از ۷۰ درصد توان پردازشی خود را به آموزش مدل اختصاص می‌دهد نه استنتاج، و با بهینه‌سازی بهره‌وری هزینه هر واحد پردازش را کاهش داده است.
تلاش‌های تازه برای سفارشی‌سازی سازمانی و هزینه‌های صدور مجوز
استقرارهای سفارشی برای شرکت‌ها و دولت‌ها زمانی یکی از کسب‌وکارهای پردرآمد شرکت‌های هوش مصنوعی چین بود. زیپو نمونه شاخص این حوزه است؛ در سال ۲۰۲۵، استقرار خصوصی ۷۳.۷ درصد از کل درآمد این شرکت را تشکیل می‌داد و حاشیه سود ناخالص آن حدود ۴۸.۸ درصد بود. مشتریان این بخش شامل نهادهای دولتی، شرکت‌های دولتی و بانک‌ها بودند. این شرکت پیش‌تر با گروه سرمایه‌گذاری شهری هانگژو برای ساخت مدل‌های تخصصی در حوزه حمل‌ونقل عمومی، کنترل سیلاب و نگهداری جاده‌ها و پل‌ها همکاری کرده بود.
با این حال، زیپو به‌صورت فعال این کسب‌وکار را کاهش داده است. گزارش میان‌دوره‌ای شرکت اعلام کرد هزینه‌های تحویل و نگهداری این پروژه‌ها نسبتاً ثابت هستند و مانع بهره‌گیری از مقیاس اقتصادی می‌شوند. سهم درآمد استقرار خصوصی از ۷۳.۷ درصد در سال ۲۰۲۵ به ۱۳.۵ درصد در نیمه نخست ۲۰۲۶ کاهش یافت، زیرا شرکت به سمت خدمات ابری استاندارد و ارائه API حرکت می‌کند.
علی‌بابا و بایت‌دنس نیز در راهکارهای سازمانی و دولتی فعال هستند. در ماه مه ۲۰۲۶، علی‌بابا کلاد با بیمارستان تونگ‌جی برای تصویربرداری پزشکی و آموزش مدل‌های پژوهشی همکاری کرد؛ همچنین Volcano Engine متعلق به بایت‌دنس با شرکت China International Capital Corporation برای توسعه مدل‌های مالی سفارشی همکاری داشت. این دو غول فناوری نسبت به شرکت‌های صرفاً مدل‌محور، به دلیل پایگاه گسترده‌تر مشتریان سازمانی و زیرساخت ابری، مزیت مشخصی در حفظ این کسب‌وکار دارند.
هزینه‌های صدور مجوز یک مسیر درآمدی نوظهور است، اما داده‌های عمومی درباره آن بسیار محدود است. در ۲۷ ژوئیه ۲۰۲۶، مون‌شات AI وزن‌های مدل Kimi K3 را تحت مجوز MIT اصلاح‌شده منتشر کرد. بر اساس این مجوز، اگر یک دریافت‌کننده مجوز کسب‌وکار مدل به‌عنوان سرویس با درآمد سالانه‌شده بیش از ۲۰ میلیون دلار راه‌اندازی کند، باید قرارداد تجاری جداگانه‌ای با مون‌شات AI امضا کند. طبق گزارش Reuters، مون‌شات AI به دنبال دریافت حداکثر ۳۰ درصد از درآمد خدمات مبتنی بر K3 در Microsoft Azure، AWS و Google Cloud است. با این حال، اجرای عملی این مجوز با ابهاماتی روبه‌رو است؛ وضعیت حقوقی مالکیت وزن مدل‌ها هنوز مشخص نیست، ردیابی استفاده تجاری از مدل‌های خاص و درآمد دریافت‌کنندگان مجوز دشوار است و کاربردهای داخلی نیز از این توافق مستثنا شده‌اند.
زیپو نیز مسیر مشابهی را دنبال می‌کند. آمازون در اکتبر ۲۰۲۶ مدل GLM-5.3 زیپو را در Bedrock یکپارچه کرد و بخشی از درآمد را با این شرکت تقسیم خواهد کرد. زیپو همچنین با چندین ارائه‌دهنده بزرگ خدمات ابری در چین و خارج از کشور قراردادهای تقسیم درآمد امضا کرده است، هرچند نسبت‌های دقیق اعلام نشده‌اند.
منطق درآمدزایی غیرمستقیم غول‌های فناوری
برای علی‌بابا و بایت‌دنس، ارزش راهبردی مدل‌های هوش مصنوعی بیشتر در اثر تقویتی آن‌ها بر کسب‌وکارهای موجود است تا درآمد مستقیم از خود مدل‌ها.
تقاضا برای پردازش، مستقیم‌ترین بهره‌مند این روند است. گسترش استفاده از اپلیکیشن‌های هوش مصنوعی، تقاضا برای رایانش ابری را افزایش داده است. درآمد خدمات ابری و پردازشی هوش مصنوعی علی‌بابا در سه‌ماهه دوم ۲۰۲۶ به ۷.۱ میلیارد دلار رسید و رشد سالانه آن به ۴۵ درصد شتاب گرفت. درآمد محصولات مرتبط با هوش مصنوعی نیز به ۱.۸۲۴ میلیارد دلار رسید و برای دوازدهمین فصل متوالی رشد سه‌رقمی سالانه ثبت کرد. ادی وو، مدیرعامل گروه علی‌بابا، گفت اکوسیستم مدل‌های متن‌باز در حال افزایش تقاضا برای خدمات رایانش ابری است و چرخه‌ای مثبت ایجاد می‌کند.
اکوسیستم تبلیغات جایی است که بایت‌دنس بیشترین سود را می‌برد. مدل تولید ویدئوی Seedance هزینه تولید محتوای سریال‌های کوتاه را به‌طور چشمگیری کاهش داده است. در سه‌ماهه نخست ۲۰۲۶، حدود ۱۲۸ هزار مینی‌سریال منتشر شد که بیش از ۹۵ درصد آن‌ها با هوش مصنوعی تولید شده بودند؛ در حالی که کل این رقم در سال ۲۰۲۵ حدود ۳۳ هزار مورد بود. تولیدکنندگان این محتوا سپس برای جذب مخاطب در Douyin تبلیغ می‌کنند. طبق گفته یک فعال صنعت، هزینه روزانه تبلیغ‌کنندگان سریال‌های کوتاه مبتنی بر هوش مصنوعی در پلتفرم‌های بایت‌دنس در اوج خود به حدود ۱۲۰ میلیون یوان (حدود ۱۷.۹ میلیون دلار) رسیده است.
طبق داده‌های IDC، Volcano Engine در سال ۲۰۲۵ حدود ۴۹.۵ درصد از حجم فراخوانی توکن مدل‌های بزرگ در ابر عمومی چین را مدیریت کرد و درآمد MaaS آن در همان سال حدود ۲۲۱ میلیون دلار بود. بایت‌دنس اخیراً هدف درآمدی خود برای سال ۲۰۲۶ را به ۴ میلیارد دلار افزایش داده است.
گزارش Epoch AI به نتیجه‌ای بدبینانه نمی‌رسد. برای شرکت‌های بزرگ فناوری که زیرساخت ابری، پلتفرم‌های تبلیغاتی و اکوسیستم‌های محتوایی دارند، مدل‌های هوش مصنوعی بیشتر نقش تقویت‌کننده دارند و از طریق افزایش فروش پردازش، تقویت وابستگی کاربران به پلتفرم و رشد درآمد تبلیغاتی، بازده تجاری غیرمستقیم ایجاد می‌کنند. اما برای شرکت‌های صرفاً مدل‌محور، تنش میان انتخاب مسیرها شدیدتر است: مدل‌های باز باعث افزایش نفوذ اکوسیستم و سرعت انتشار می‌شوند، اما قدرت قیمت‌گذاری را کاهش می‌دهند؛ مدل‌های بسته حاشیه سود را حفظ می‌کنند، اما خطر عقب ماندن در رقابت اکوسیستمی را افزایش می‌دهند. مجوزهای اصلاح‌شده و تقسیم درآمد با پلتفرم‌های ابری راه‌حل‌های میانه‌ای هستند، اما میزان اثرگذاری آن‌ها هنوز باید در طول زمان مشخص شود.
بازنگری محتاطانه بازار سرمایه
فشار برای تجاری‌سازی مستقیماً در بازارهای سرمایه دیده می‌شود. زیپو و مینی‌مکس که در بورس حضور دارند، نمونه‌های روشنی هستند: گزارش‌های میان‌دوره‌ای ۲۰۲۶ آن‌ها نشان می‌دهد درآمد شش ماه گذشته از کل درآمد سال قبل بیشتر شده است، اما پس از حذف موارد حسابداری مانند تجدید ارزش سهام ممتاز ناشی از عرضه اولیه، زیان خالص تعدیل‌شده آن‌ها همچنان در حال افزایش است. دلیل اصلی مشابه است: هزینه بالای آموزش نسل بعدی مدل‌ها و افزایش هزینه‌های پردازش و استنتاج به دلیل رشد کاربران و فراخوانی API، سودآوری را تحت فشار قرار داده است.
این دو شرکت در ژانویه امسال در بورس هنگ‌کنگ عرضه شدند. ارزش بازار آن‌ها در اوج به‌ترتیب از یک تریلیون دلار هنگ‌کنگ (حدود ۱۲۷.۵ میلیارد دلار) و نزدیک ۴۰۰ میلیارد دلار هنگ‌کنگ (حدود ۵۱ میلیارد دلار) عبور کرد، اما اکنون به حدود ۳۰۰ میلیارد دلار هنگ‌کنگ (حدود ۳۸.۲ میلیارد دلار) و بیش از ۷۰ میلیارد دلار هنگ‌کنگ (حدود ۸.۹ میلیارد دلار) کاهش یافته است. دلیل اصلی اصلاح ارزش‌گذاری، احساسات بازار نیست، بلکه واقعیت‌های مالی است: درآمد افزایش یافته، اما سودآوری هم‌پای آن رشد نکرده است.
این واقعیت فضای ارزش‌گذاری شرکت‌های بزرگ مدل‌محور خصوصی را نیز محدود می‌کند. طبق گزارش بلومبرگ، مون‌شات AI آخرین دور جذب سرمایه خود را با ارزش‌گذاری حدود ۵۰ میلیارد دلار تکمیل کرده و قصد دارد در سه‌ماهه نخست ۲۰۲۷ در هنگ‌کنگ عرضه اولیه شود. درآمد تکرارشونده سالانه‌شده (ARR) این شرکت از ۱۰۰ میلیون دلار در مارس ۲۰۲۶ به ۱ میلیارد دلار در اوت افزایش یافته و طبق منابع بلومبرگ ممکن است تا پایان سال به ۲ میلیارد دلار برسد. با این حال، یک دیدگاه مشترک در صنعت شکل گرفته است: شرکتی که منابع پردازشی بیشتری در اختیار داشته باشد، توکن‌ها را با هزینه پایین‌تر تولید کند و مدل تجاری روان‌تری داشته باشد، مزیت واقعی شرکت‌های مدل بزرگ را در اختیار خواهد داشت.
پیتر تیل در مراسم دریافت جایزه Axel Springer در برلین، قضاوتی برخلاف جریان مطرح کرد: گوگل عصر مدل‌ها، یعنی شرکتی که بتواند ارزش انحصاری ایجاد کند، ممکن است هرگز در عصر هوش مصنوعی ظهور نکند. او این وضعیت را با صنعت هواپیمایی مقایسه کرد؛ صنعتی که ارزش اجتماعی عظیمی ایجاد می‌کند، اما رقابت سود آن را از بین می‌برد. ارزش ایجادشده در لایه مدل ممکن است بسیار بزرگ باشد، اما سهمی که شرکت‌ها می‌توانند از آن جذب کنند شاید بسیار اندک باشد.
استدلال اصلی تیل این است که مدل‌ها بیشتر شبیه کالاهای فکری قابل جایگزینی هستند. هزینه جابه‌جایی کاربران پایین است، تفاوت محصولات اغلب طی چند ماه تغییر می‌کند، کاربران نتیجه می‌خواهند نه نام یک مدل خاص، و تغییر مدل در APIها و گردش‌های کاری رخ می‌دهد نه در روابط اجتماعی. اگر اثرات شبکه‌ای وجود داشته باشد، احتمالاً بیشتر در لایه گردش کار، داده و مجوزها شکل می‌گیرد نه در مدل پایه. داده‌های Epoch AI نیز این دیدگاه را تأیید می‌کند: از سال ۲۰۲۳، هزینه دستیابی به سطح توانایی مشابه حدود ۴۷ درصد در هر فصل کاهش یافته که معادل حدود ۱۳ برابر ارزان‌تر شدن سالانه است.
با این حال، تیل می‌پذیرد که این تنها یک ارزیابی احتمالی است. تراشه‌ها، انرژی و ظرفیت‌های کمیاب همچنان سودآوری بالایی دارند؛ همچنین ممکن است تعداد محدودی از شرکت‌ها که مدل‌ها را در گردش‌های کاری غیرقابل جایگزین ادغام می‌کنند، به معنای مورد نظر تیل به انحصار برسند. یانگ ژیلین، بنیان‌گذار مون‌شات AI، پیش‌تر گفته بود: «عرضه اولیه سهام ابزاری برای سرعت بخشیدن به AGI است؛ زمانی حرکت خواهیم کرد که زمان مناسب فرا برسد.» اکنون آن زمان فرا رسیده و شرکت باید سوار این قطار شود.
با ادامه پیشرفت توانایی مدل‌های هوش مصنوعی چین، نحوه ایجاد تعادل میان گسترش اکوسیستم و درآمدزایی توسط هر شرکت، به یکی از معیارهای مهم برای ارزیابی آینده هوش مصنوعی پیشرفته چین تبدیل خواهد شد.