۲۵ اکتبر. نیمه دوم

خوش آمدید به قسمت دوم لایو ۲۵ اکتبر ۲۰۲۶. در این قسمت، موضوعات تخصصی‌تر و عملی‌تر را بررسی می‌کنیم، با تمرکز بر کسانی که فعالانه در این حوزه کار می‌کنند. **برنامه‌های آینده:** قبل از شروع بحث اصلی، به اطلاع برنامه‌های پیش رو می‌رسانیم: * **کانادا:** کلگری و ونکوور در هفته‌های آینده. * **تگزاس:** دالاس (قطعی)، آستین (احتمالی). * **کانادا شرقی:** تورنتو، مونترال (احتمالی). * **آمریکای شرقی:** نیویورک، واشنگتن دی‌سی (احتمالی). * **اروپا:** اواخر سال یا اوایل ژانویه ۲۰۲۷، شامل آلمان، اسپانیا و احتمالا اسکاندیناوی. از کسانی که مایل به همکاری در این برنامه‌ها هستند، دعوت به همکاری می‌شود. **از استارتاپ تا امپلوی هوش مصنوعی:** بحث اصلی حول این ایده است که چگونه یک فرد یا یک تیم کوچک می‌توانند با استفاده از هوش مصنوعی (AI) یک استارتاپ یا کمپانی را راه‌اندازی کنند. کلمه "استارتاپ" و "کمپانی" در این زمینه معنای جدیدی پیدا کرده است. اکنون می‌توانیم به جای یک تیم انسانی، یک "انسان با انبوهی از امپلوی‌های AI" یا "ایجنت‌های AI" داشته باشیم. **تحول AI از علمی-تخیلی به واقعیت:** این پدیده دیگر یک مفهوم علمی-تخیلی نیست، بلکه امروزه به واقعیت پیوسته است. نمونه بارز آن، فروش کمپانی‌ای به ارزش ۸۰ میلیون دلار است که توسط یک نفر و در عرض ۶ ماه راه‌اندازی شده بود. این نشان‌دهنده رشد سریع و توانمندی‌های فزاینده AI است. **رشد توانمندی‌های AI:** * **۱۸ ماه پیش:** AI قادر به انجام تسک‌های ساده مانند نوشتن یک تابع پایتون یا دانلود و پاکسازی یک دیتاست بود. * **۹ تا ۱۲ ماه پیش (اوایل ۲۰۲۶):** توانایی AI به حدی رسید که می‌توانست پروژه‌های کوچک را تولید کند. این به معنی دریافت یک توصیف کلی و تولید یک پروژه کامل بود. * **در حال حاضر:** AI به سمت تولید "امپلوی" (کارمند) پیش می‌رود. امپلوی AI برخلاف پروژه، دارای دید بلندمدت‌تر و هدفمندتر است و می‌تواند مسیر کمپانی را دنبال کند. این نشان‌دهنده شبیه‌تر شدن AI به انسان در توانایی برنامه‌ریزی بلندمدت است. **انواع امپلوی‌های AI:** دو نگاه به امپلوی‌های AI وجود دارد: 1. **نام‌گذاری انسانی:** برخی افراد به ایجنت‌های AI نام‌های انسانی می‌دهند (مانند "قلی" برای بک‌اند اینجینیر یا "محمد" برای فرانت‌اند دولوپر) تا جنبه انسانی به قضیه بدهند. این رویکرد با هدف ایجاد ارتباط نزدیک‌تر با دنیای قدیمی انسانی است. 2. **ایجنت‌های تخصصی:** رویکرد دیگر، تمرکز بر عملکرد تخصصی ایجنت‌ها بدون نام‌گذاری انسانی است. این ایجنت‌ها به عنوان تیم‌هایی از متخصصین AI عمل می‌کنند. **تغییر ساختار تیم‌ها:** با ظهور AI، نیاز به تیم‌های بزرگ انسانی کاهش یافته است. پروژه‌هایی که قبلاً نیازمند ۲۰ تا ۳۰ نفر بودند، اکنون می‌توانند توسط یک نفر با تیم AI انجام شوند. این امر منجر به کاهش چشمگیر ارتباطات و جلسات، و افزایش سرعت و آزادی عمل می‌شود. **مدل‌های جدید راه‌اندازی کمپانی:** * **تک‌نفره:** یک نفر با ایده، تیم AI خود را تشکیل می‌دهد و به درآمدزایی می‌رسد. * **دو تا سه نفره:** * یک نفر "بیلدر" (سازنده) که تمام جنبه‌های فنی را پوشش می‌دهد. * یک نفر "سلر" (فروشنده) که ایده را به مشتریان و سرمایه‌گذاران می‌فروشد (اغلب نقش CEO را دارد). * در برخی موارد، یک نفر مسئول ساخت جسم فیزیکی (مانند مواد یا مولکول‌ها). **آمار و روندهای واقعی:** * **استارتاپ‌های تک‌نفره:** تعداد استارتاپ‌های تک‌نفره در حال افزایش است. در سال ۲۰۱۹، ۳۶ استارتاپ تک‌نفره وجود داشت که این رقم تا سال ۲۰۲۵ (دو سال پیش) افزایش یافته و انتظار می‌رود در حال حاضر بسیار بیشتر باشد. * **فروش کمپانی:** یک مورد فروش کمپانی‌ای به ارزش ۸۰ میلیون دلار در عرض ۶ ماه، نشان‌دهنده قدرت این مدل است. * **کاهش دورهای سرمایه‌گذاری (Seed Round):** تعداد دورهای سرمایه‌گذاری Seed کاهش یافته است، زیرا پول زیادی برای راه‌اندازی کمپانی‌های نرم‌افزاری لازم نیست. سرمایه‌گذاری‌ها بیشتر به سمت شرکت‌های بزرگ و زیرساخت‌های سنگین (مانند GPU و دیتا سنتر) هدایت می‌شود. * **دوگانه شدن بازار:** بازار به دو دسته تقسیم شده است: 1. **شرکت‌های غول‌پیکر:** مانند OpenAI، Anthropic، Tesla، که نیازمند سرمایه‌گذاری‌های عظیم در زیرساخت‌ها، GPU، و تیم‌های بزرگ دانشمند AI هستند. 2. **تیم‌های کوچک و تک‌نفره:** که با استفاده از AI، محصولات و راه‌حل‌های بزرگ و پیچیده را با هزینه کم تولید می‌کنند. **مثال عملی: پروژه طراحی مولکول:** یک وب‌سایت نمونه با کانسپت طراحی مولکول نشان داده می‌شود. این وب‌سایت، که توسط یک نفر و با استفاده از AI ساخته شده، شامل بخش‌های مختلفی است: * **فرانت‌اند و دیزاین:** با کیفیت بالا و حرفه‌ای. * **تحقیقات:** AI مسائل کلیدی در حوزه مربوطه را تحقیق و گردآوری کرده است. * **توسعه و مهندسی:** AI مسائل پیچیده را حل کرده و راه‌حل‌هایی ارائه داده است. * **مدیریت پروژه:** AI گزارش‌های پیشرفت را ارائه می‌دهد و نمونه‌های طراحی مختلف را تولید می‌کند. این پروژه، که قبلاً نیازمند ۳۰ نفر نیروی متخصص بود، اکنون توسط یک نفر و با هزینه پایین AI (حدود ۲۰۰ دلار در ماه برای کلاد) انجام می‌شود. این امر نشان‌دهنده کاهش چشمگیر هزینه تولید محصول و افزایش سرعت اجرای ایده‌هاست. **مدل کسب‌وکار در حوزه مولکولی:** مدل پیشنهادی برای این نوع پروژه‌ها به این صورت است: * **انتیتی اول (AI Designer):** مسئول طراحی و توسعه راه‌حل‌های AI (مانند طراحی مولکول). این بخش، خروجی خود را در قالب یک گزارش دقیق (شامل فرمول‌ها، نمودارها و اعداد) به تیم سازنده ارائه می‌دهد. * **انتیتی دوم (Builder & Seller):** مسئول ساخت فیزیکی، تست، اسکیل و فروش محصول. این تیم، که ماهیت آن با تیم اول متفاوت است، شامل بخش‌های عملیاتی مانند آزمایشگاه و فروش خواهد بود. **آینده و چالش‌ها:** * **سرعت تغییرات:** دنیای AI با سرعت بسیار بالایی در حال تغییر است و هیچ "جزیره امنی" وجود ندارد. * **رقابت:** رقابت شدید است و ایده‌های کوچک به سرعت توسط دیگران تکرار می‌شوند. * **اهمیت ایده:** در آینده، ایده و چشم‌انداز بزرگ، عامل کلیدی موفقیت خواهد بود. * **کاهش نیاز به نیروی انسانی سنتی:** بسیاری از مشاغل سنتی در حال جایگزینی با AI هستند. **صنعت AI و سرمایه‌گذاری:** * **سرمایه‌گذاری در غول‌ها:** بخش عمده سرمایه‌گذاری‌های VC به سمت شرکت‌های بزرگ AI مانند OpenAI و Anthropic هدایت می‌شود. * **دو لیگ اصلی:** بازار به دو لیگ تقسیم شده است: شرکت‌های غول‌پیکر با سرمایه‌گذاری‌های عظیم و تیم‌های کوچک و سریع که با AI محصولات بزرگ تولید می‌کنند. * **کاهش اهمیت تیم‌های متوسط:** مدل‌های سنتی با تیم‌های بزرگ مهندسی در حال منسوخ شدن هستند. **بحث پیرامون سهام‌های اهرمی (Leveraged ETFs) و ریسک:** در بخش پایانی، به موضوع سهام‌های اهرمی (مانند سه برابر کننده یا سه برابر کننده معکوس) پرداخته می‌شود. این سهام‌ها به دلیل نوسانات شدید، ریسک بالایی دارند و صرفاً برای "قمار" (Gambling) مناسب هستند. این بحث برای افراد زیر سن قانونی توصیه نمی‌شود. با این حال، در شرایط فعلی که تقاضا برای AI بالاست، برخی از این سهام‌ها پتانسیل رشد قابل توجهی دارند، اما سرمایه‌گذاری در آن‌ها نیازمند درک عمیق ریسک است. **فیزیکال AI:** فیزیکال AI به عنوان گام بعدی بزرگ در AI شناخته می‌شود. دو حوزه اصلی در فیزیکال AI وجود دارد: 1. **رباتیک و خودران‌ها:** مانند ربات‌های تسلا و انویدیا. 2. **طراحی مولکولی و متریال:** که با سرعت در حال پیشرفت است اما موفقیت‌های آن کمتر به چشم می‌آید. **نتیجه‌گیری:** دنیای AI به سرعت در حال تحول است و ساخت محصولات و راه‌اندازی کمپانی‌ها بسیار ارزان‌تر و سریع‌تر شده است. این امر فرصت‌های جدیدی را برای افراد و تیم‌های کوچک فراهم می‌کند، اما رقابت را نیز افزایش می‌دهد. درک این تغییرات و انطباق با آن‌ها برای موفقیت در آینده ضروری است.