سقوط سریع «سورا»؛ درس هایی درباره ویدیوهای هوش مصنوعی

شش ماه. همین مقدار زمان کافی بود تا یکی از پرحرف‌ترین اپلیکیشن‌های تولید ویدیو مبتنی بر هوش مصنوعی اوج بگیرد، به صدر برسد و ناپدید شود.

وقتی OpenAI در سپتامبر گذشته «سورا» را به‌عنوان یک اپ مستقل عرضه کرد، صرفاً وارد بازار نشد — بازار را آشفته کرد. ظرف چند روز، به صدر جدول اپ‌استور صعود کرد و در عرض یک هفته یک میلیون دانلود را پشت سر گذاشت. برای لحظه‌ای کوتاه به نظر می‌آمد که اوپن‌ای‌آی تولید ویدیوی مصرفی در مقیاس بزرگ را شکسته است.

حالا کار تمام شده است.

اوپن‌ای‌آی در یک پست کوتاه در X (توئیتر سابق) تعطیلی سرویس را تأیید کرد. توضیح طولانی نبود، خداحافظی نمایشی هم نبود — فقط یک ترک گفتن آرام. اما پشت پرده، دلیل‌ها چندان مرموز نیستند. راه‌اندازی و اداره «سورا» صرفاً پرهزینه نبود؛ بسیار پرهزینه بود.

وقتی رشد ویروسی با هزینه‌های دنیای واقعی روبه‌رو می‌شود

در اوج، «سورا» در نوامبر حدود 3.3 میلیون دانلود را تجربه کرد. سپس افت شروع شد. دسامبر 32٪ کاهش را نشان داد و ژانویه با سقوط 45٪ حتی بدتر شد. هیجان اولیه سریع‌تر از آنچه پیش‌بینی شده بود، فروکش کرد.

داستان درآمد هم مشابه بود. در طول عمر کوتاه اپ، درآمد تخمینی از خریدهای درون‌برنامه‌ای حدود 2.1 میلیون دلار گزارش شد. این رقم ممکن است نسبتاً محترمانه به نظر برسد — تا وقتی که آن را در مقابل هزینه‌های عملیاتی قرار دهید؛ هزینه‌ای که به‌طور گزارش‌شده تا 15 میلیون دلار در روز هم رسیده بود. در چنین سطحی، موفقیت با تعداد دانلود سنجیده نمی‌شود؛ با پایداری مالی و عملیاتی سنجیده می‌شود.

محاسبات ساده بود: اعداد با هم جور درنمی‌آمدند.

اما فشار مالی تنها مشکل نبود.

مشکل رشد سریع و پراکندگی کاربران

رشد ویروسی وقتی که زیرساخت‌ها و سیاست‌های داخلی برای مدیریت حجم قابل توجهی از محتوا آمادگی ندارند، می‌تواند مسئله‌ساز شود. افزایش ناگهانی کاربر به معنی افزایش درخواست‌های پردازش و تولید ویدیو، افزایش مصرف GPU و سرور، و نیاز به مقیاس‌بندی سیستم‌های پایش محتوا و پاسخ‌دهی به گزارش‌ها بود. این مسائل باعث می‌شوند که هزینه‌های عملیاتی به‌سرعت از پیش‌بینی‌ها فراتر روند و ظرفیت‌های تیم‌های پشتیبانی و نظارت به‌شدت تحت فشار قرار گیرد.

هزینه‌های زیرساختی سنگین

پردازش و تولید ویدیوهای پیچیده با کیفیت بالا نیازمند توان محاسباتی عظیم است: خوشه‌های GPU برای اینفرنس مدل‌های بزرگ تصویر و ویدیو، ذخیره‌سازی و پهنای باند برای بارگذاری و دانلود فایل‌های چندرسانه‌ای، و همچنین خدمات پس‌زمینه برای مدیریت صف‌ها، رمزگذاری و تحویل محتوا. هر کدام از این مؤلفه‌ها هزینه‌بر است و وقتی مقیاس کاربران به میلیون‌ها نفر می‌رسد، هزینه‌ها نمایی افزایش می‌یابد.

علاوه بر هزینه‌های سخت‌افزاری، هزینه‌های نیروی انسانی برای مهندسی زیرساخت، بهینه‌سازی مدل‌ها، پایش کیفیت، توسعه سیاست‌های محتوا و پشتیبانی کاربران نیز به‌شدت بالا می‌رود. مجموع این هزینه‌ها اندکی پس از راه‌اندازی می‌تواند به ارقامی برسد که سودآوری محصول را تحت‌الشعاع قرار دهد.

داستان درآمد و نسبت هزینه به درآمد

در حالی که 2.1 میلیون دلار درآمد از خرید درون‌برنامه‌ای در نگاه اول قابل توجه است، نسبت آن به هزینه‌های روزانه گزارش‌شده — که برخی منابع تا 15 میلیون دلار در روز تخمین زده‌اند — نشان‌دهنده یک شکاف بزرگ است. حتی اگر این ارقام اختلاف‌نظر داشته باشند، پیام واضح است: مدل درآمدیِ صرفاً مبتنی بر خرید درون‌برنامه‌ای برای پوشش هزینه‌های تولید و تحویل ویدیوی مبتنی بر هوش مصنوعی در مقیاس بزرگ کافی نیست، مگر اینکه سیاست‌های قیمت‌گذاری، مدل‌های اشتراک یا روش‌های درآمدی دیگر بازطراحی شوند.

چالش‌های محتوایی: عمیق‌تر از پول

«سورا» خیلی سریع به مصائب آشنا در حوزه تولید محتوای مبتنی بر هوش مصنوعی برخورد کرد: دیپ‌فیک‌ها، نقض حقوق کپی‌رایت و سردردهای ناشی از نظارت بر محتوا. کاربران ویدیوهایی تولید کردند که افراد واقعی را نمایش می‌داد — از جمله چهره‌های عمومی درگذشته — و شخصیت‌های دارای حق نشر مانند ماریو و پیکاچو نیز در خروجی‌ها ظاهر شدند، حتی با وجود مکانیسم‌های محافظتی. فناوری چشمگیر بود؛ اما حفاظ‌ها و سیستم‌های کنترلی نتوانستند به‌سرعت با تنوع و خلاقیت کاربران منطبق شوند.

دیپ‌فیک، اعتماد و مسئولیت‌پذیری

یکی از مشکلات اصلی در تولید ویدیو با هوش مصنوعی، امکان ایجاد محتوایی است که به‌راحتی قابل سوءاستفاده است. دیپ‌فیک‌های واقع‌نما می‌توانند برای گمراه کردن مخاطبان، ترویج اطلاعات نادرست، یا آسیب‌رساندن به اعتبار اشخاص استفاده شوند. برای شرکت‌هایی که فناوری تولید ویدیو را عرضه می‌کنند، ایجاد سیستم‌های تشخیص، برچسب‌گذاری و محدودسازی محتوا ضروری است — اما این سیستم‌ها پیچیده، پرهزینه و همیشه کامل نیستند.

حقوق مالکیت فکری و شخصیت‌ها

موضوع حق نشر و استفاده از شخصیت‌های شناخته‌شده نیز چالش‌ساز شد. قراردادهای مجوز و توافق‌نامه‌ها می‌توانند استفاده از شخصیت‌های دارای حقوق را مجاز کنند، اما تولید محتوا توسط کاربران بدون کنترل می‌تواند شرکت را در معرض دعاوی حقوقی قرار دهد. حتی تلاش برای ارائه مجوز گسترده (مانند ادعاهای اولیه درباره دسترسی به بیش از 200 شخصیت دیزنی) نیازمند سازوکارهای قانونی و مالی پیچیده است.

یک چرخش است، نه کناره‌گیری کامل

تعطیلی سرویس به این معنا نیست که اوپن‌ای‌آی از حوزه ویدیو به‌طور کلی عقب‌نشینی می‌کند. در عوض، شرکت تمرکز خود را تغییر می‌دهد. تیم پشت «سورا» اکنون روی تحقیق در زمینه «شبیه‌سازی جهان» کار خواهد کرد — حرکتی که به‌طور نزدیک با رباتیک و محیط‌های پیشرفته هوش مصنوعی مرتبط است.

هم‌زمان، اوپن‌ای‌آی در حال ساده‌تر کردن مجموعه محصولات خود است. به‌جای مدیریت ابزارهای مجزا، شرکت مرورگر، اپلیکیشن ChatGPT و قابلیت‌های کدنویسی را در تجربه‌ای یکپارچه‌تر برای دسکتاپ ادغام می‌کند تا پیچیدگی‌های پشتیبانی و نگهداری کاهش یابد.

شبیه‌سازی جهان و کاربردها

تحقیقات در «شبیه‌سازی جهان» به ساخت مدل‌هایی اطلاق می‌شود که محیط‌های فیزیکی و اجتماعی را شبیه‌سازی می‌کنند تا ربات‌ها، عامل‌های هوش مصنوعی و الگوریتم‌ها بتوانند در محیط‌های مجازی آموزش ببینند و آزموده شوند. چنین رویکردی مزایایی دارد: کاهش هزینه‌های آموزش در دنیای واقعی، امکان اجرای سناریوهای پیچیده، و توسعه رفتارهای ایمن‌تر برای ربات‌ها و سامانه‌های تعاملی. تمرکز روی این زمینه می‌تواند سهم مهمی در پیشبرد رباتیک و کارکردهای پیشرفته هوش مصنوعی داشته باشد—به‌ویژه در شرایطی که تولید محتوای ویدیویی در مقیاس بزرگ بسیار هزینه‌بر است.

همگرایی محصولات و ساده‌سازی تجربه

یکپارچه‌سازی مرورگر، اپ ChatGPT و ابزارهای برنامه‌نویسی به معنای کاهش تلاش برای نگهداری محصولات جداگانه و تجربه کاربری یکنواخت‌تر است. این رویکرد می‌تواند هزینه‌های توسعه و عملیات را کاهش دهد و در عین حال امکان ارائه قابلیت‌های چندمنظوره مانند تولید محتوای متنی، کد و تعاملات مبتنی بر مرورگر را فراهم کند. چنین همگرایی‌ای نشان می‌دهد که شرکت‌ها به‌دنبال بهینه‌سازی منابع و تمرکز روی هسته‌های فناوری‌ای هستند که بیشترین ارزش را ایجاد می‌کنند.

معاهده دیزنی: وعده‌ای که کامل نشد

یکی از قربانیان خاموش این تجربه، شراکت اعلام‌شده با دیزنی بود. این توافق که چند ماه پیش با سر و صدا اعلام شده بود، وعده دسترسی به بیش از 200 شخصیت از فرانچایزهایی مانند مارول و جنگ ستارگان و همچنین سرمایه‌گذاری یک میلیارد دلاری را داده بود. اما در عمل، این قرارداد هرگز به‌طور کامل محقق نشد و هیچ‌گونه نقل و انتقال مالی پیش از فروپاشی پروژه گزارش نشده است.

واکنش دیزنی محتاطانه و تقریباً دیپلماتیک بود — آن‌ها تصمیم اوپن‌ای‌آی برای تغییر اولویت‌ها را پذیرفتند بدون آن‌که موضع تهاجمی اتخاذ کنند. این نوع واکنش از سوی شرکای بزرگ نشان می‌دهد که بازیگران صنعت نیز نسبت به پیچیدگی‌ها و ریسک‌های اقتصادی تولید محتوای مبتنی بر هوش مصنوعی حساس شده‌اند.

چرا توافق‌ها ممکن است به نتیجه نرسند

در سطح شرکت‌های بزرگ، توافق‌های راهبردی بستگی شدیدی به شرایط بازار، ارزیابی‌های مالی و ارزیابی ریسک دارد. زمانی که پروژه‌ای با هزینه‌های عملیاتی بالا و عدم اطمینان نظارتی روبه‌رو می‌شود، حتی شرکت‌های بزرگ ممکن است قبل از آزادسازی سرمایه یا اجرای کامل توافق‌نامه، تجدیدنظر کنند. از این رو، اعلام عمومی یک توافق به‌معنای تحقق کامل آن نیست و ممکن است با جزئیات یا زمان‌بندی متفاوتی ادامه یابد یا اصلاً ادامه نیابد.

درس‌هایی برای صنعت و آینده تولید محتوای ویدیویی با هوش مصنوعی

در بازبینی این تجربه، «سورا» کمتر به‌عنوان یک شکست و بیشتر به‌عنوان یک آزمایش دیده می‌شود که بیش‌ازحد سریع مقیاس گرفت. این پروژه ثابت کرد که تقاضا برای ویدیوهای تولیدشده توسط هوش مصنوعی وجود دارد، اما همچنین آشکار ساخت که ارائه این تجربه به‌صورت مسئولانه و پایدار تا چه حد پرهزینه و پیچیده است.

چند درس کلیدی از این رویداد برای شرکت‌ها، سرمایه‌گذاران و سیاست‌گذاران وجود دارد:

• مدل‌های درآمدی باید با هزینه‌های عملیاتی سازگار باشند: تعرفه‌ها، اشتراک‌ها یا روش‌های ترکیبی درآمد باید به‌گونه‌ای طراحی شوند که هزینه‌های سنگین محاسباتی و نظارتی را پوشش دهند.
• نظم و مقررات محتوا و ابزارهای نظارتی از همان ابتدا ضروری‌اند: فناوری‌های تولید محتوا باید همراه با ابزارهای تشخیص، برچسب‌گذاری و محدودسازی سوءاستفاده توسعه یابند.
• همکاری‌های حقوقی و مجوزی باید از ابتدا شفاف و الزام‌آور باشند: شرکت‌ها برای استفاده از شخصیت‌ها یا محتوای دارای حق نشر نیازمند قراردادهای روشن و تضمین‌های مالی هستند.
• آزمون در مقیاس کوچک و فازبندی رشد بیشتر منطقی است: آزمایش تدریجی با اندازه‌گیری هزینه‌ها و تأثیرات قانونی می‌تواند از رشد شتابزده و پرهزینه جلوگیری کند.

گاهی مهم‌ترین سیگنال نه لانچ یک محصول، بلکه سرعتی است که یک شرکت حاضر است زمانی که اعداد با هم جور نیستند، دستگاه را خاموش کند. این اقدام، هرچند ممکن است کوتاه‌مدت به‌عنوان عقب‌نشینی دیده شود، می‌تواند از اتلاف منابع بیشتر جلوگیری کند و فرصت بازطراحی راهبردی را فراهم آورد.

در پایان، تجربه «سورا» یک یادآوری واقعی است که نوآوری‌های فناورانه در قلمرو هوش مصنوعی فقط به تواناییِ تولید نتایج خلاقانه محدود نمی‌شوند؛ بلکه به ظرفیت سازمانی برای مدیریت هزینه، ریسک حقوقی، سیاست‌گذاری محتوا و تعامل با شرکا و جامعه نیز بستگی دارند. این‌ها عناصر کلیدی‌ای هستند که تعیین می‌کنند آیا یک فناوری نوآورانه می‌تواند به محصولی پایدار و مفید برای عموم تبدیل شود یا تنها یک موج گذرا باقی می‌ماند.