آدم موسری، رئیس اینستاگرام، در مصاحبهای با پادکست لنی (Lenny's Podcast) پیشبینی کرد که متا در عرض یک تا دو سال آینده مجبور خواهد شد محدودیتهای سختگیرانه بر هزینه توکن هوش مصنوعی برای هر مهندس وضع کند. این اظهارنظر در حالی بیان شده که گिगانتهای تکنولوژی درگیر مدیریت هزینههای فزاینده مدلهای زبانی بزرگ (LLM) هستند.
چرا متا به فکر سقفگذاری هزینه توکن است؟
موسری تشبیهی کرد: «میتوانید تصور کنید که در یک یا دو سال آینده، نرخ سوختوساز (burn rate) یک مهندس قوی برابر با حقوق یا هزینه استخدام او شود. در آن جهان، شما احتمالاً باید سقفهایی تعیین کنید.» او این هزینه را مشابه هزینههای عملیاتی (OpEx)، فایل حقوق (payroll) و بودجه برچسبگذاری دادهها دانست که باید بهینه توزیع شوند.
- توکن (Token): واحد محاسبه هزینه پردازش ورودی و خروجی در مدلهای هوش مصنوعی.
- ROI-positive: استفاده از بودجه به طوری که بازدهی سرمایهگذاری (Return on Investment) مثبت باشد.
هشدارهای پیشین: از تابلو امتیازات تا حذف مجوزها
متا پیش از این یک تابلو امتیازات داخلی هزینه توکن را تعطیل کرده بود، چرا که هزینههای هوش مصنوعی شرکت را در مسیر صرف میلیاردها دلار در سال ۲۰۲۶ قرار داده بود. موسری این کار را «ساخت توکنسوز (incinerator)» خواند که ارزش قليلًا ایجاد میکند.
متا تنها نیست:
- اوبر (Uber): بودجه کدنویسی هوش مصنوعی ۲۰۲۶ را تا آوریل تمام کرد.
- مایکروسافت (Microsoft): مجوزهای Claude Code را لغو و مهندسان را به GitHub Copilot CLI هدایت کرد.
استراتژی بلندمدت: جنگ قیمتی و کاهش هزینه
موسری معتقد است در درازمدت، جنگ قیمتی بین سازندگان مدلهای هوش مصنوعی (مانند OpenAI، Anthropic، Google DeepMind) باعث کاهش چشمگیر هزینه توکنها خواهد شد. تا آن زمان، مدیریت منبع بهترتیبی شبیه تخصیص GPU، CPU، رم و ذخیرهسازی خواهد بود.
تحلیل: تأثیر بر فرهنگ مهندسی و نوآوری
اعمال سقف توکن میتواند دو لبه داشته باشد: از یک سو جلوی هزینههای خارج از کنترل را میگیرد و از سوی دیگر ممکن است آزادی آزمایش و خطا مهندسان را محدود کند. کلید موفقیت، انعطافپذیری سقفها بر اساس «اعتماد به توانایی مهندس برای تولید ارزش» است، همانطور که موسری تأکید کرد.
منبع اصلی: The Verge / Lenny's Podcast
