اگر از روی تابلوها و کاتالوگها قضاوت میکردیم، در جیتکس ۲۰۲۵ تقریباً همهچیز هوش مصنوعی بود؛ از بازاریابی و مدیریت پروژه تا مراکز داده، امنیت، نفت و گاز و حتی محصولاتی که ارتباطشان با هوش مصنوعی را فقط سازندگانشان میتوانستند توضیح دهند. شعار نمایشگاه هم تکلیف را روشن کرده بود: «AI Everything». اما هرچه بیشتر در غرفهها میگشتم و سؤالهای فنیتری میپرسیدم، فاصله میان آنچه روی دیوار نوشته شده بود و آنچه واقعاً ساخته شده بود بیشتر به چشم میآمد.
این نوشته سفرنامهای از جنس شرح هتل، پرواز و گردش در دبی نیست. روایت یک هفته جستوجوی هدفمند میان هزاران غرفه است؛ با این پرسش که پشت این حجم از هیاهوی هوش مصنوعی چه محصولی وجود دارد، بازار به کدام سمت میرود و چرا بسیاری از شرکتها هنوز نمیدانند دقیقاً چه چیزی را به چه کسی میفروشند.
سفر قبل از پرواز آغاز شد
جیتکس نمایشگاهی نیست که بتوان صبح وارد آن شد و با قدمزدن تصادفی به نتیجه رسید. در بخش اصلی یا Global نمایشگاه ۲۲۹۳ غرفه حضور داشتند. از این تعداد، ۷۱۷ غرفه برچسب هوش مصنوعی داشتند، ۱۰۰۸ غرفه فاقد این برچسب بودند و درباره ۵۶۸ غرفه نیز اطلاعات دستهبندیشده مناسبی وجود نداشت.
در بخش استارتاپی، Expanded North Star، نیز ۳۷۹۳ غرفه ثبت شده بود که ۷۸۹ مورد از آنها خود را در دسته هوش مصنوعی قرار داده بودند. در مجموع باید از میان نزدیک به هفت هزار غرفه، مواردی انتخاب میشد که احتمال داشت حرف تازهای در حوزه امنیت هوش مصنوعی، MLOps، AutoML، زیرساخت، هوش مصنوعی صنعتی و سکوهای ساخت راهکار داشته باشند.
از این رو پیش از سفر، مشخصات غرفهها را از روی سایت نمایشگاه بررسی کردم و دو فهرست جداگانه برای بخش اصلی و بخش استارتاپی ساختم. هدفم تماشای آخرین ابزارهای روز یا جمعآوری کاتالوگ نبود. میخواستم سطح بلوغ محصولات را ببینم، نمونههای مشابه محصولات ایرانی را پیدا کنم، نحوه عرضه آنها را بررسی کنم و بفهمم مشتری و سرمایهگذار بینالمللی در این بازار به چه چیزهایی توجه میکند.
در فهرست رسمی بخش استارتاپی، ۶۸ استارتاپ با نام ایران حضور داشتند. مشاهدات میدانی نشان میداد بیش از ۳۰ استارتاپ ایرانی دیگر نیز با نام کشورهایی غیر از ایران ثبت شدهاند. البته این تغییر پرچم مختص ایرانیها نبود. تعداد قابل توجهی از شرکتها با نام یک کشور در نمایشگاه حاضر شده بودند، اما تیم، بنیانگذاران و محل اصلی فعالیتشان به کشور دیگری مربوط بود. برای نمونه، Cloudangles خود را یک شرکت آمریکایی معرفی میکرد، درحالیکه در اصل محصول یک تیم هندی و برخاسته از دانشگاه بود. بنابراین آمار کشورها در چنین نمایشگاههایی را نباید بدون ملاحظه، نشانه اندازه واقعی زیستبوم فناوری هر کشور دانست.
روز اول؛ غرفههایی که کسی در آنها نبود
زمان پرواز عملاً امکان خواب مناسب را از بین برده بود. به همین دلیل، روز پیش از آغاز نمایشگاه صرف پالایش دوباره فهرستها شد و کار جدی از نخستین روز Expanded North Star آغاز شد.
قرار بود همه استارتاپهای منتخب را ببینم، اما چیزی که انتظارش را نداشتم، تعداد زیاد کانترهایی بود که هیچکس در آنها حضور نداشت. برخی غرفهها نه مسئول داشتند، نه محصولی برای نمایش و نه حتی نشانهای از حضور تیم ثبتنامکننده. این وضعیت فقط مربوط به استارتاپهای ایرانی نبود و میان تیمهای کشورهای مختلف دیده میشد. بعضی غرفهها را چند بار در ساعات مختلف سر زدم و باز هم کسی برای پاسخگویی پیدا نشد.
بعداً بخشی از علت روشن شد. شلوغترین نقطه نمایشگاه استارتاپها نه سالن محصولات، بلکه تالار سرمایهگذاری بود؛ فضایی که ورود به آن به رزرو قبلی نیاز داشت و تعداد زیادی از بنیانگذاران، کانترهایشان را رها کرده بودند تا شاید در آنجا سرمایهگذاری پیدا کنند. تناقض جالبی بود: برای جذب سرمایه به نمایشگاه آمده بودند، اما سرمایهگذار یا مشتریای که به غرفه مراجعه میکرد با یک صندلی خالی مواجه میشد.
جانمایی نیز کمکی نمیکرد. میان شماره و محل واقعی بعضی کانترها تفاوت وجود داشت و پیدا کردنشان به پرسوجو نیاز داشت. بدترین وضعیت به سالن شماره ۲ مربوط بود؛ زیرزمینی با سقف کوتاه، نور کم و رفتوآمد محدود که بخش بزرگی از استارتاپهای ایرانی در آن مستقر شده بودند. طبیعی بود که چنین سالنی در مقایسه با بخشهای اصلی نمایشگاه کمتر دیده شود.
با همه این اوصاف، همان روز نخست یکی از معدود نمونههای جدی سفر پیدا شد: AI Planet.
Planet؛ محصولی که دستکم میدانست چه مسئلهای را حل میکند
AI Planet با نام بلژیک در نمایشگاه حاضر شده بود، اما تیم آن اصالتاً هندی بود. محصولشان یک سکوی کامل برای تعریف پروژههای صنعتی، ساخت عاملهای هوشمند و خودکارسازی فرایندها بود. رابط کاربری خوب، شناخت قابل قبول از مسائل صنعتی و امکان کار با موضوعاتی مانند مدلسازی سهبعدی و ترسیم مدار، آن را از انبوه چتباتها و سازندگان گردشکار متمایز میکرد.
این تیم برخلاف بسیاری از غرفهها صرفاً چند API را کنار هم نگذاشته بود. معلوم بود روی مسئله صنعتی فکر کرده و میداند کاربر سازمانی به چه چیزی نیاز دارد. بااینحال، محصول یک نقطهضعف مهم داشت: برای پیادهسازی هر کاربست، همچنان به حضور متخصصان خود شرکت وابسته بود. یعنی مشتری نمیتوانست سکو را بگیرد و مستقلاً راهکار مورد نظرش را بسازد. امنیت دادههای محرمانه و جلوگیری از دسترسی تیم اجرا به اطلاعات مشتری نیز هنوز پاسخ مناسبی نداشت.
این استارتاپ تا آن زمان دو میلیون دلار سرمایه جذب کرده بود و برای دور بعدی به دنبال پنج میلیون دلار میگشت. بخش مهمی از روز دوم را صرف گفتوگو با تیم Planet کردم تا علاوه بر محصول، مدل عملیاتی، شیوه قیمتگذاری و منطق جذب سرمایه آنها را بهتر درک کنم.
همینجا یکی از تفاوتهای اصلی میان استارتاپهای آماده و ناآماده آشکار میشد. استارتاپ آماده الزاماً بهترین فناوری را ندارد، اما میداند چه چیزی ساخته، مشتریاش کیست، چرا به سرمایه احتیاج دارد و آن سرمایه را کجا مصرف خواهد کرد. بسیاری از استارتاپهای حاضر، مخصوصاً تعدادی از تیمهای ایرانی، پاسخ روشنی برای این پرسشها نداشتند. با وجود هزینه قابل توجه حضور در نمایشگاه، نه سناریوی مناسبی برای عرضه محصول داشتند و نه رقم و مصرف سرمایه درخواستی را دقیق تعریف میکردند.
حتی در مقایسه با الکاماستارز دورههای گذشته الکامپ، سطح بلوغ بخش بزرگی از استارتاپهای حاضر پایینتر به نظر میرسید. بزرگی نمایشگاه و بینالمللی بودن آن لزوماً به معنای بلوغ بالاتر همه شرکتکنندگان نیست.
وقتی همهچیز به Agent تبدیل میشود
در روزهای بعد به بخش Global رفتم. اگر میخواستیم جیتکس ۲۰۲۵ را در چند واژه خلاصه کنیم، احتمالاً باید از LLM، Agent و Agentic AI نام میبردیم. بخش بزرگی از محصولات، بهخصوص در سالن ۲۶ و بخش استارتاپی، نسخهای از یک سکوی ساخت عامل یا گردشکار مبتنی بر مدل زبانی بودند.
مشکل این نبود که این حوزه اهمیت ندارد؛ مشکل این بود که بسیاری از محصولات مزیت قابل دفاعی نداشتند. در گفتوگو با تیمها معمولاً یک سؤال ساده میپرسیدم: «محصول شما چه تفاوتی با n8n یا ابزارهای متنباز مشابه دارد؟» تعداد قابل توجهی از ارائهدهندگان در پاسخ درمانده میشدند یا از سادهتر بودن رابط کاربری و داشتن چند الگوی آماده حرف میزدند.
Airtool نمونهای از همین وضعیت بود. ادعای یک سکوی کامل کسبوکار را داشت، اما در بررسی فنی مشخص شد محصول هنوز ناقص است و برتری روشنی نسبت به n8n ندارد. Netstratum نیز نسخه دیگری از همان ایده را عرضه میکرد. وقتی درباره امنیت پرسیدم، on-premise بودن را بهعنوان پاسخ نهایی مطرح کردند؛ گویی نصب نرمافزار در محل مشتری بهتنهایی همه مسائل امنیتی را حل میکند.
AdvisorLauren، AIM Intelligence و چند تیم دیگر نیز تقریباً همین الگو را تکرار میکردند. محصول بهصورت امن معرفی میشد، اما تعریف امنیت به «داخل سازمان نصب میشود» محدود بود. در بسیاری از موارد خبری از کنترل زمان اجرا، تفکیک دسترسی عاملها، ثبت و ممیزی تصمیمها، کنترل ورودی و خروجی مدل، مدیریت زنجیره تأمین یا معماری واقعی Zero Trust نبود.
از این منظر، یکی از نتایج مهم نمایشگاه برای من این بود که عبارتهای «امن»، «سازمانی» و «Zero Trust» به همان سرنوشتی دچار شدهاند که خود عبارت «هوش مصنوعی» پیشتر دچار شده بود: ابتدا یک مفهوم فنیاند و مدتی بعد به برچسب بازاریابی تبدیل میشوند.
دو فراری برای محصولی که هنوز ساخته نشده بود
Airia یکی از شلوغترین غرفههای نمایشگاه را داشت؛ تا حد زیادی به لطف دو خودروی فراری فرمول یک که توجه بازدیدکنندگان را جلب میکردند. شرکت ادعا میکرد راهکاری کامل در حوزه MLOps، عاملهای سازمانی و امنیت هوش مصنوعی عرضه میکند.
مدیر فروش غرفه به موضوع مسلط بود و تقریباً هر مسئله و کاربستی را بهخوبی میفهمید. هر سؤالی هم با پاسخ مثبت مواجه میشد. اگر فقط به همین گفتوگو و کاتالوگها اکتفا میکردیم، تصور میشد با یکی از کاملترین محصولات نمایشگاه روبهرو هستیم.
گفتوگوی عمیقتر با مسئول فنی اما تصویر دیگری نشان داد. آنچه در تبلیغات آمده بود و مدیر فروش تأیید میکرد، بیشتر نقشه راه و آرزوهای شرکت بود تا قابلیتهای موجود. برآورد من این بود که کمتر از ۲۰ درصد امکانات ادعایی واقعاً پیادهسازی شده است.
بااینحال، Airia یک درس مهم داشت. شیوه غرفهآرایی، ساخت کاتالوگ، روایت قابلیتها و توان مدیر فروش در فهم مسئله مشتری بسیار حرفهای بود. ممکن است محصولی از نظر فنی جلوتر باشد، اما اگر نتواند خود را درست روایت کند، در نمایشگاه از محصولی که هنوز بخش بزرگی از وعدههایش را نساخته عقب میماند. نمایشگاه فقط رقابت فناوری نیست؛ رقابت روایت، اعتمادسازی و مهندسی ادراک هم هست.
چهار ساعت در Cloudangles
Cloudangles از معدود غرفههایی بود که ارزش بازگشت و گفتوگوی طولانی داشت. در مجموع بیش از چهار ساعت از زمان سفر را به بررسی محصولات این شرکت اختصاص دادم.
یکی از محصولات آنها سکویی جامع برای مدیریت فرایندهای دادهای و استفاده از عاملها برای آغاز، اجرا و بهینهسازی این فرایندها بود. محصول از نظر دامنه امکانات قابل توجه بود، هرچند رابط کاربری آن ضعفهای جدی داشت. برخلاف بسیاری از نمونههای نمایشی، در اینجا اجزای مختلف یک پشته واقعی کنار هم قرار گرفته بودند.
محصول دیگر شرکت به محاسبات کوانتومی مربوط میشد و امکان اجرای شبیهسازی، انجام محاسبات واقعی و مقایسه نتایج را فراهم میکرد. تیم همچنین روی مدلهای زبانی کوانتومی برای مدلسازی پروتئین کار میکرد و در حال ثبت اختراع آن بود.
نمایندگان شرکت ابتدا تأکید میکردند که به دنبال جذب سرمایه نیستند، اما در پایان گفتوگو عدد ۲۰ میلیون دلار را بهعنوان سرمایه مورد نظر مطرح کردند. شاید این هم بخشی از همان آیین مذاکره باشد: شرکتی که به سرمایه نیاز ندارد، معمولاً با عدد مناسب متوجه میشود که چندان هم بینیاز نیست.
هوآوی؛ برنده تجاری نمایشگاه
اگر معیار را وسعت، جذابیت، انسجام روایت و توان جلب توجه در نظر بگیریم، برنده تجاری جیتکس ۲۰۲۵ هوآوی بود. بزرگترین غرفه نمایشگاه تقریباً همه فناوریهای هوش مصنوعی این شرکت را کنار هم قرار داده بود؛ از آموزش و معدن تا نفت و گاز، برق و خدمات شهری.
نکته مهم این بود که هوآوی سختافزار را در مرکز نمایش قرار نداده بود. بهجای ردیفکردن سرور و کارت پردازشی، برای هر صنعت مجموعهای از نرمافزارها و سناریوهای کاربردی نشان میداد. البته این نرمافزارها در عمل محملی برای فروش زیرساخت هوآوی بودند. راهکارها بهصورت Total Solution عرضه میشدند و کمتر تمایلی به معماری چندفروشندهای وجود داشت.
برای مثال، در حوزه نفت و گاز هفت کاربست محدود نمایش داده میشد. هیچکدام الزاماً یک محصول کامل و آماده برای همه مشتریان نبود. در نمونه نگهداری پیشگویانه فقط چند موتور دوار پوشش داده شده بود و توضیحدهنده میگفت سایر نیازها ظرف ۴۵ روز متناسب با درخواست مشتری توسعه داده میشوند.
این شیوه عرضه یک نکته راهبردی داشت: مشتری صنعتی معمولاً برای خرید GPU، شبکه یا فضای ذخیرهسازی به نمایشگاه نمیآید؛ او مسئلهاش را میشناسد. هوآوی سختافزار را پشت روایت حل مسئله پنهان کرده بود و کل پشته خود را از مسیر یک نیاز قابل فهم میفروخت.
چند فناوری که میان هیاهو دیده میشدند
در میان انبوه محصولات تکراری، نمونههای قابل توجه دیگری نیز وجود داشتند.
FuriosaAI، استارتاپی کرهای، کارت پردازشی ویژه استنتاج عرضه میکرد که بنا بر ادعای شرکت، کارایی آن در سطح A100 و قیمتش حدود یکسوم آن بود. تولید صنعتی کارت هنوز آغاز نشده و برای دسامبر ۲۰۲۵ برنامهریزی شده بود، اما اصل تلاش برای ساخت جایگزینهای تخصصیتر و ارزانتر برای استنتاج ارزش بررسی داشت.
Cerebras سختافزار بسیار قدرتمندی برای آموزش و استنتاج معرفی کرده بود و افزایش سرعت تا ده برابر را وعده میداد. بااینحال، مدیر غرفه تمایل چندانی به ارائه اطلاعات نداشت و حتی برخورد مناسبی با برخی بازدیدکنندگان محلی دیده نمیشد. فناوری خوب، جای ضعف در ارتباط با مشتری را پر نمیکند.
VESSL AI یکی از کاملترین مجموعهها را برای مدیریت زیرساخت، کلاستر، تنظیم و استقرار مدلهای زبانی و ساخت گردشکار عاملها عرضه میکرد. نقطه قوت آن جامعیت راهکار و ارائه امکانات BSS بود که در محصولات مشابه کمتر دیده میشد. در مقابل، لایه گردشکار فرایندی آن بسیار سادهتر از بخش زیرساخت بود.
VAST Data با تمرکز بر لایه داده، مجموعه یکپارچهای از ابزارهای گردآوری، مدیریت و استفاده عاملها از داده عرضه میکرد. یکپارچگی و پشتیبانی محصول از ویژگیهای شاخص آن بود.
EDB نیز تلاش کرده بود امکانات هوش مصنوعی را روی PostgreSQL قرار دهد و نوعی رابط میان عاملهای هوشمند و پایگاه داده رابطهای ایجاد کند. محصول جالب بود، اما مسئول غرفه نتوانست مزیت رقابتی روشنی توضیح دهد یا نشان دهد چرا این معماری باید مشخصاً بهصورت افزونهای روی PostgreSQL پیاده شود.
XL++ در مقایسه با بسیاری از این نامهای بزرگ، ابزاری ساده بود: افزونهای برای افزودن قابلیتهای پیشرفته به Excel. اما همین محصول ساده میتوانست برای کاربری که تمام دنیای کاریاش اکسل است—مثلاً یک حسابدار—ارزش واقعی بیشتری از بسیاری از سکوهای پرادعای Agentic AI ایجاد کند. نوآوری همیشه به معنای پیچیدگی بیشتر نیست؛ گاهی شناخت دقیق کاربر مهمتر از تعداد مدلها و عاملهاست.
کوانتوم هم از هیاهو بینصیب نمانده بود
همان اتفاقی که برای هوش مصنوعی افتاده، بهتدریج در حوزه کوانتوم نیز در حال تکرار است. برخی شرکتها صرف حضور واژه Quantum در عنوان خود را مزیت رقابتی میدانستند، بدون آنکه محصول یا حتی درک فنی قابل توجهی ارائه کنند.
QuGates خود را یک شرکت نسل جدید DeepTech و Quantum-AI معرفی میکرد، اما در عمل چیز قابل اعتنایی از کوانتوم برای نمایش نداشت. Multiverse Computing نیز مدعی فناوری ویژه فشردهسازی مدل بود، اما آنچه در غرفه توضیح داده شد تفاوت روشنی با quantization متداول نداشت. مطابق ادعای شرکت، حجم مدلها تا ۹۵ درصد کاهش و سرعت حدود دو برابر افزایش مییافت، اما مسئول غرفه تسلط کافی برای توضیح مبانی فنی نداشت. ممکن است کار واقعی شرکت عمیقتر از توضیحات ارائهشده باشد، ولی نمایشگاه محل داوری بر اساس چیزی است که شرکت میتواند نشان دهد و از آن دفاع کند.
امنیت هوش مصنوعی؛ غایب بزرگ نمایشگاه
یکی از اهداف اصلی من بررسی محصولاتی بود که واقعاً به امنیت هوش مصنوعی میپردازند. نتیجه ناامیدکننده بود: در کل نمایشگاه، چه در بخش استارتاپی و چه در بخش Global، تقریباً هیچ غرفهای معماری جامعی برای امنیت هوش مصنوعی عرضه نمیکرد.
بسیاری از شرکتها امنیت را با نصب on-premise یکی میدانستند. برخی دیگر از Zero Trust حرف میزدند، اما خدماتشان در بهترین حالت به امنیت شبکه، احراز هویت یا ثبت ورودی و خروجی محدود میشد.
CyberKnight غرفهای بزرگ و ارائهای حرفهای داشت و خودشان پس از شنیدن پرسشهایی که در غرفههای دیگر مطرح میکردم، مرا دعوت کردند. با وجود ادعاهای گسترده، خدمات شرکت عمدتاً در لایه شبکه باقی میماند و حتی برخی قابلیتهایی مانند DPI نیز در سطح ابتدایی بودند. در پایان گفتوگو، مسئول آمریکایی غرفه عملاً پذیرفت که برای بخش مهمی از پرسشها محصولی ندارد. بااینحال، نحوه غرفهآرایی و جذب مخاطبشان بسیار حرفهای بود.
Bytezera سکوی خود را Zero Trust و آماده انطباق معرفی میکرد، اما در بررسی مشخص شد ابزار پایهای برای ساخت راهکارهای مبتنی بر مدلهای متنباز است و الزامات اصلی ZTAI را پوشش نمیدهد. حتی در ادبیات این حوزه نیز ضعف جدی وجود داشت و امنیت باز هم به آموزش و بهرهبرداری on-premise تقلیل داده میشد.
Airia تنها شرکتی بود که دستکم مسئله امنیت هوش مصنوعی را میفهمید، اما همانطور که گفته شد فاصله محسوسی میان ادعا و پیادهسازی داشت. Sector8 نیز توضیحاتی درباره کنترل زمان اجرای LLM، شناسایی Prompt Injection، دادههای محرمانه و Shadow AI ارائه کرده بود، اما با وجود چند بار مراجعه، امکان گفتوگو و مشاهده محصول فراهم نشد.
این خلأ مهم است. بازار با سرعت به سمت عاملهایی میرود که فقط پاسخ تولید نمیکنند، بلکه به داده، ابزار و سامانههای عملیاتی دسترسی دارند و میتوانند اقدام کنند. بااینحال، عمده صنعت هنوز امنیت را در همان نقطهای متوقف کرده که مدل داخل یا خارج سازمان نصب میشود. مسئله واقعی از جایی شروع میشود که عامل تصمیم میگیرد، ابزار فراخوانی میکند، داده میخواند و عملی را در سامانه سازمانی انجام میدهد.
دولت امارات؛ جذابتر از استارتاپها
شاید عجیبترین مشاهده سفر این بود که بزرگترین و یکی از شلوغترین سالنهای جیتکس به دولت امارات تعلق داشت و درعینحال، از بسیاری از سالنهای تجاری و استارتاپی جذابتر بود.
در هر بخش خدمات و نرمافزارهایی نمایش داده میشد که نمونه مشابهشان در بسیاری از غرفههای خصوصی وجود نداشت. رونماییها عموماً واقعی، کاربردی و متصل به یک خدمت عمومی مشخص بودند. رقابت میان امیرنشینها باعث شده بود هرکدام بخواهند آخرین دستاوردهایشان در هوشمندسازی دولت را نشان دهند.
این تفاوت مهم بود: در سالن استارتاپها، بسیاری از تیمها برای یک فناوری دنبال مسئله میگشتند؛ در سالن دولت، مسئله از قبل وجود داشت و فناوری برای حل آن به کار گرفته شده بود. همین جابهجایی ساده، کیفیت خروجی را تغییر میداد.
پاویون کشورها در مجموع چندان قابل توجه نبود و سالن اختصاصیافته به آنها تقریباً از خلوتترین بخشها محسوب میشد؛ حتی پاویون عربستان نیز استثنا نبود. در مقابل، پاویونهایی که در دل سالنهای تخصصی قرار گرفته بودند بهتر دیده میشدند. ظاهراً قرار گرفتن زیر یک پرچم ملی، اگر با مسئله، محصول و روایت روشن همراه نباشد، بهتنهایی مزیتی ایجاد نمیکند.
آنچه پس از یک هفته باقی ماند
جیتکس ۲۰۲۵ زیر سایه شعار AI Everything برگزار شد؛ شعاری که باعث شده بود حتی شرکتهایی که ارتباطی با هوش مصنوعی نداشتند، بهدنبال راهی برای چسباندن این عنوان به غرفه خود باشند. نتیجه برای بازدیدکننده الزاماً مثبت نبود. پیدا کردن چند محصول واقعی میان انبوهی از ادعاها، مشاورهفروشیها، چتباتها و گردشکارهای مشابه دشوار شده بود.
بخش بزرگی از محصولات حول LLM و Agent ساخته شده بودند، اما اغلب مزیت رقابتی روشنی نداشتند. تعداد زیادی از غرفهها اساساً شرکت مشاور بودند و محصولی برای نمایش نداشتند. برخی محصولات قدیمی نیز بدون تغییر اساسی، فقط با افزودن چند قابلیت مدل زبانی و یک برچسب AI دوباره عرضه شده بودند.
در غیاب حضور قدرتمند و مستقیم شرکتهایی مانند مایکروسافت و انویدیا، بسیاری از غرفههایی که با نام آنها در بخشهای اشتراکی حاضر بودند عملاً نقش کارگزار داشتند. گوگل تا حدودی استثنا بود و در غرفهای نسبتاً کوچک، اجزای Google AI را با روایت منسجمتری کنار هم قرار داده بود.
هوآوی برنده تجاری نمایشگاه بود، نه الزاماً به این دلیل که کاملترین فناوری را داشت، بلکه چون بهتر از دیگران میدانست چگونه زیرساخت را در قالب راهحل بفروشد. سالن دولت امارات نیز نشان داد کاربرد واقعی و مسئله روشن میتواند از صدها استارتاپ پرزرقوبرق جذابتر باشد.
در بخش استارتاپی، ضعف اصلی به فناوری محدود نمیشد. بسیاری از تیمها استراتژی مشخصی برای جذب سرمایه نداشتند؛ نمیدانستند چه میزان سرمایه، برای چه مدتی و با چه مصرفی نیاز دارند. برخی حتی نمیتوانستند در چند دقیقه توضیح دهند چه چیزی را برای کدام مشتری ساختهاند.
و سرانجام، امنیت هوش مصنوعی غایب بزرگ نمایشگاه بود. در بازاری که همه از عاملهای خودمختار، مدلهای سازمانی و اتصال هوش مصنوعی به فرایندهای واقعی حرف میزنند، هنوز بسیاری on-premise بودن را مترادف امنیت میدانند. این شاید مهمترین فاصله میان نمایش امروز و نیاز فردای سازمانها باشد.
سفر برای من با دو تیم هندی، AI Planet و Cloudangles، پایان یافت؛ دو تیمی که نه بینقص بودند و نه پاسخ همه مسائل را داشتند، اما دستکم محصولی ساخته بودند که میشد ساعتها درباره معماری، مدل عملیاتی، بازار و جذب سرمایه آن گفتوگو کرد.
بعد از یک هفته راهرفتن میان هزاران غرفه، مهمترین دستاورد دیدن تازهترین فناوری نبود. مهمتر از آن، دیدن فاصلهای بود که میان «فناوری»، «محصول»، «عرضه» و «ادعا» وجود دارد.
این مسئله در گزارش الکامپ ۲۹ از زاویهٔ ارتباط شرکتها، بازار، سرمایهگذار و تشکل صنفی دنبال شده است. در جیتکس ۲۰۲۵ هوش مصنوعی تقریباً همهجا نوشته شده بود؛ اما برای پیدا کردن خود هوش مصنوعی، هنوز باید سؤالهای زیادی میپرسیدیم.