جان زیتو از آپولو، در سخنرانی در کنفرانس مالی مورگان استنلی در آمریکا، استدلال کرد معیارهای مبتنی بر توکن، اقتصاد هوش مصنوعی را به‌اشتباه قیمت‌گذاری می‌کنند، چون به‌جای «ارزش کسب‌وکار»، «نرخ گذردهی» را رصد می‌کنند. ارزیابی او توکن‌ها را «محصولات جانبی» می‌بیند نه شاخص‌های بهره‌وری؛ و تمرکز را به سمت «هزینه به‌ازای هر واحدِ هوش مفید» می‌برد. بر این مبنا، قیمت هوش مصنوعی در حال کاهش توصیف می‌شود، حتی در حالی‌که روایت‌های پررنگ خبری همچنان حول شمار توکن‌ها می‌چرخند.

با این حال، کاهش هزینه واحدها لزوماً به کاهش مخارج منجر نمی‌شود: جهش مصرف می‌تواند همچنان مجموع صورت‌حساب‌ها را بزرگ‌تر کند و مدیران مالی (CFOها) را به سمت حکمرانی سخت‌گیرانه‌تر بکشاند. شرکت‌ها از فاز «بوفه رایگان» فاصله می‌گیرند و به سمت سقف‌گذاری، هشدارها، مسیریابی مدل و کنترل‌های سخت‌تر هزینه حرکت می‌کنند. قیمت‌گذاری پریمیوم احتمالاً برای مدل‌های مرزی (frontier) که بازده سرمایه‌گذاری (ROI) روشن است، پابرجا می‌ماند؛ در حالی‌که کارهای کم‌ارزش‌تر به گزینه‌های ارزان‌تر مهاجرت می‌کنند. معامله بزرگ‌ترِ هوش مصنوعی ممکن است ادامه یابد، اما مضارب ارزش‌گذاری زیر ذره‌بین می‌روند؛ زیرا بازارها «اهرم‌سازی واقعی از هوش» را از رشدهایی که صرفاً از مصرف بی‌مهار توان محاسباتی ناشی می‌شود، تفکیک می‌کنند.

کارایی به‌جای رشد: روایت جدید سرمایه‌گذاری در هوش مصنوعی

ما می‌بینیم بازار کم‌کم درک می‌کند که داستان هوش مصنوعی از یک روایت سادهِ رشد به روایتی درباره کارایی در حال تغییر است. این ایده که مخارج هوش مصنوعی قطاری است که از کنترل خارج شده، به چالش کشیده می‌شود؛ چون شرکت‌ها اکنون بر بازده سرمایه‌گذاریِ این مخارج متمرکز شده‌اند. این یعنی خرید بی‌محابای هر چیزی که به هوش مصنوعی مرتبط است، احتمالاً رو به پایان است.

این چرخش همین حالا در داده‌ها دیده می‌شود. گزارش‌های درآمدی سه‌ماهه اول 2026 ارائه‌دهندگان بزرگ ابر نشان داد در حالی‌که مصرف کلی هوش مصنوعی افزایش یافته، رشد APIهای گران‌ترین مدل‌های مرزی از 60% به 45% در مقایسه سال‌به‌سال کند شده است. در مقابل، استفاده از مدل‌های کوچک‌ترِ متن‌باز روی پلتفرم‌های آن‌ها بیش از سه برابر شده است؛ که تأیید می‌کند مشتریان فعالانه به‌دنبال جایگزین‌های ارزان‌تر برای وظایف کم‌حساسیت‌تر هستند.

از نگاه ما، این به افزایش معنادار نوسان برای بازیگران بزرگ زیرساخت هوش مصنوعی اشاره دارد. گزارش‌های درآمدی ژوئیه 2026 برای نمادی مثل NVIDIA آزمون مهمی خواهد بود و ما معتقدیم بازار اختیار معامله، ریسک بازنگری در راهنمایی (guidance) را در نتیجه این فشارِ کاراییِ شرکتی کمتر از واقع قیمت‌گذاری کرده است. خرید استرادل یا استرَنگِل در آستانه آن گزارش می‌تواند راهی محتاطانه برای بهره‌گیری از احتمال حرکت قیمتی بزرگ در هر دو جهت باشد.

این الگو را پیش‌تر هم دیده‌ایم؛ به‌ویژه اوایل دهه 2000، زمانی که بازار از ارزش‌گذاری بر مبنای «تعداد چشم‌ها» (eyeballs) به ارزش‌گذاری بر مبنای سود واقعی تغییر مسیر داد. هزینه هر واحد مفیدِ هوش در حال سقوط است؛ روندی شبیه «قانون مور»، اما بازار همچنان به شرکت‌ها بر اساس حجم خامِ توان محاسباتی که می‌فروشند پاداش می‌دهد. یک تحلیل اخیر نشان می‌دهد هزینه یک پرسش پیچیده کدنویسی طی 18 ماه گذشته بیش از 90% کاهش یافته است؛ یک باد مخالفِ قدرتمندِ تورم‌زدا برای شرکت‌هایی که توان پردازشی خام را با پریمیوم می‌فروشند.

راهبردهای معاملاتی و پیامدهای بازار

این وضعیت فرصت‌های روشن برای معاملات جفتی (pair trades) ایجاد می‌کند. ما به‌دنبال موقعیت خرید (long) روی شرکت‌هایی هستیم که «کلنگ و بیل» مدیریت هزینه و کاراییِ هوش مصنوعی را فراهم می‌کنند، و در مقابل، موقعیت فروش (short) روی ارائه‌دهندگان محاسباتِ خالص (pure-play) می‌گیریم که مضارب‌شان منعکس‌کننده فشردگی حاشیه سودِ پیشِ‌رو نیست. برای نمونه، اعلام یک پلتفرم جدید کنترل هزینه هوش مصنوعی توسط شرکتی مثل ServiceNow در ماه گذشته، دقیقاً از جنس نام‌هایی است که از این فاز جدیدِ سخت‌گیری شرکتی منتفع می‌شوند.

به‌نظر می‌رسد بازار گسترده‌تر بی‌تفاوت است؛ با وجود این تغییرات بنیادی زیرپوستی، VIX نزدیک کف 14 در نوسان است. این نشان می‌دهد راهبردهای پوشش ریسک (hedging) در حال حاضر نسبتاً ارزان‌اند. ما معتقدیم خرید اختیار فروش (put) روی سبدی از شرکت‌های نرم‌افزاری هوش مصنوعیِ پرشتاب که صرفاً مدل‌های گرانِ طرفِ ثالث را در محصول خود تعبیه می‌کنند، راهی کم‌هزینه برای موضع‌گیری در برابر «ممیزی» (audit) پیشِ‌روی مضارب هوش مصنوعی است.