با فروکش کردن هیجان اولیه پیرامون هوش مصنوعی مولد، حالا برخی از مدلهای استارتاپی که زمانی بسیار داغ بودند، زیر ذرهبین رفتهاند. دو نمونه شاخص در این میان «رَپرهای مدلهای زبانی بزرگ (LLM wrappers)» و «تجمیعکنندههای هوش مصنوعی» هستند؛ مدلهایی که به گفته برخی مدیران ارشد فناوری، آینده پایداری ندارند مگر اینکه مزیت رقابتی جدی ایجاد کنند.
دارن ماوری، مدیر سازمان جهانی استارتاپهای گوگل در بخشهای کلاد، دیپمایند و آلفابت، معتقد است بسیاری از این استارتاپها حالا چراغ هشدارشان روشن شده است. او که در مجموعه Google فعالیت میکند و با تیمهای Google Cloud، DeepMind و Alphabet Inc. همکاری دارد، میگوید بازار دیگر حوصله مدلهای سطحی را ندارد.
رَپرهای LLM در اصل استارتاپهایی هستند که یک مدل زبانی بزرگ مانند Claude، GPT-5 یا Gemini را میگیرند و با افزودن یک لایه رابط کاربری یا محصول، آن را برای یک کاربرد خاص عرضه میکنند؛ مثلاً اپلیکیشنی که با تکیه بر هوش مصنوعی به دانشآموزان در درس خواندن کمک میکند.
به گفته ماوری، اگر تمام ارزش یک استارتاپ به همان مدل پشتیبان وابسته باشد و عملاً نسخهای «وایتلیبل» از آن ارائه دهد، سرمایهگذاران و بازار دیگر برای چنین رویکردی صبر و اشتیاق سابق را ندارند. او تأکید میکند که صرفاً پیچیدن «یک مالکیت فکری بسیار نازک» دور مدلهایی مثل جمینای یا GPT-5، به معنای تمایز واقعی نیست.
از نگاه او، استارتاپها برای رشد پایدار باید «خندق دفاعی عمیق و گسترده» بسازند؛ چه از طریق تمایز افقی در بازار و چه با تمرکز عمیق بر یک حوزه تخصصی مشخص. به بیان ساده، باید چیزی فراتر از یک پوسته زیبا روی یک موتور آماده ارائه دهند.
در میان نمونههای موفقتر این حوزه میتوان به Cursor اشاره کرد؛ دستیار برنامهنویسی مبتنی بر GPT که تمرکز تخصصی بر توسعه نرمافزار دارد. همچنین Harvey AI که ابزارهای هوش مصنوعی ویژه حوزه حقوقی ارائه میدهد، از جمله استارتاپهایی هستند که تلاش کردهاند با تمرکز عمودی و تخصصی، مزیت رقابتی پایدارتری ایجاد کنند.