حباب هوش مصنوعی چطور به نگرانی تازه بازارهای جهانی تبدیل شد؟
بازارهای مالی در ۸ بهمن یکی از متلاطمترین روزهای تاریخ صنعت فناوری را پشت سر گذاشتند. انتشار مدل استدلالی دیپسیک از سوی یک شرکت چینی، تصور رایج درباره هزینه ساخت مدلهای پیشرفته هوش مصنوعی را زیر سوال برد و موجی از فروش سهام شرکتهای فعال در زنجیره تراشه و دیتاسنتر به راه انداخت. سهام انویدیا در یک جلسه معاملاتی حدود ۱۷ درصد سقوط کرد و نزدیک به ۵۹۳ میلیارد دلار از ارزش بازار این شرکت کاهش یافت. مجموع افت ارزش شرکتهای تراشه، برق، تجهیزات شبکه و زیرساختهای مرتبط با هوش مصنوعی نیز از یک تریلیون دلار عبور کرد.
اهمیت این شوک فقط در اندازه سقوط سهام انویدیا نبود. سرمایهگذاران ناگهان با پرسشی روبهرو شدند که تا پیش از آن کمتر کسی حاضر بود با صدای بلند مطرح کند. اگر بتوان مدلهای قدرتمند را با سختافزار کمتر، معماری بهینهتر و هزینه پایینتر توسعه داد، تکلیف صدها میلیارد دلار سرمایهای که برای خرید پردازندههای گرانقیمت و ساخت دیتاسنترهای عظیم اختصاص یافته چه خواهد شد؟ همین پرسش کافی بود تا بخشی از خوشبینی چندساله بازار جای خود را به تردید بدهد.
عدد ۵٫۶ میلیون دلار که در گزارشهای مربوط به دیپسیک بازتاب گستردهای پیدا کرد، نیازمند توضیح دقیق است. این مبلغ، کل هزینه ساخت دیپسیک یا مدل استدلالی آن نبود. گزارش فنی مدل دیپسیک V3 نشان میداد آموزش رسمی این مدل حدود ۲٫۷۸۸ میلیون ساعت پردازنده H800 مصرف کرده و هزینه محاسباتی آن با فرض اجاره ساعتی دو دلار، نزدیک به ۵٫۵۷۶ میلیون دلار بوده است. هزینه نیروی انسانی، داده، زیرساخت، آزمایشهای ناموفق، تحقیقات قبلی و توسعه مدل استدلالی در این رقم محاسبه نشده بود. با این حال، همان برآورد محدود نیز برای تغییر نگاه بازار کافی بود.
صدها میلیارد دلار برای تراشه و دیتاسنتر
در شرایطی که درآمد مستقیم بسیاری از خدمات هوش مصنوعی هنوز با هزینه زیرساخت فاصله دارد، رقابت شرکتهای بزرگ فناوری برای ساخت ظرفیت محاسباتی متوقف نشده است. برآورد بریجواتر نشان میدهد آمازون، مایکروسافت، آلفابت و متا ممکن است در سال جاری در مجموع حدود ۶۵۰ میلیارد دلار برای زیرساختهای فناوری و هوش مصنوعی هزینه کنند. این رقم برای سال قبل حدود ۴۱۰ میلیارد دلار برآورد شده بود. برخی محاسبات جدیدتر، مخارج هایپراسکیلرها را نزدیک به ۶۷۳ میلیارد دلار و برآورد موسسه یو بی اس آن را تا حدود ۷۷۰ میلیارد دلار اعلام کردهاند.
تفاوت میان این ارقام الزاماً به معنای تناقض نیست. تعداد شرکتهای مورد بررسی، زمان انتشار برآورد، تفاوت سال مالی شرکتها و تعریف هزینه مرتبط با هوش مصنوعی باعث میشود محاسبات نهادهای مالی با یکدیگر متفاوت باشد. بخشی از این هزینهها نیز به انبار، شبکه ابری، پردازندههای عمومی، ساختمان و فعالیتهای غیرمرتبط با هوش مصنوعی اختصاص دارد. با این حال، جهت کلی روشن است. اقتصاد فناوری وارد دورهای شده که در آن چند شرکت محدود، بودجههایی هماندازه تولید ناخالص داخلی برخی کشورها را صرف زیرساخت دیجیتال میکنند.
- آمازون برنامه مخارج سرمایهای خود را نزدیک به ۲۰۰ میلیارد دلار اعلام کرده است.
- آلفابت هزینهای در محدوده ۱۸۰ تا ۱۹۰ میلیارد دلار پیشبینی کرده است.
- متا محدوده ۱۲۵ تا ۱۴۵ میلیارد دلار را برای مخارج سرمایهای در نظر گرفته است.
- برآورد سالانه مخارج مایکروسافت در برخی گزارشها به حدود ۱۹۰ میلیارد دلار رسیده است.
بانک تسویههای بینالمللی برآورد کرده است پنج شرکت بزرگ ابری آمریکا طی یک دوره دوساله بیش از یک تریلیون دلار مخارج سرمایهای مرتبط با توسعه هوش مصنوعی خواهند داشت. این نهاد هشدار داده که رشد تعهدات سرمایهای از رشد سود و جریان نقد آزاد برخی شرکتها جلو افتاده است. گرگ جنسن، مدیر سرمایهگذاری مشترک بریجواتر، وضعیت تازه بازار را چنین توصیف کرده است: «رونق هوش مصنوعی وارد مرحله خطرناکتری شده است.» منظور او این است که شرکتها دیگر فقط از نقدینگی انباشته خود استفاده نمیکنند و برای ادامه رقابت، به انتشار بدهی و منابع مالی بیرونی وابستهتر شدهاند.
برآورد پیمکو نشان میدهد مخارج سرمایهای هایپراسکیلرها ممکن است طی دو سال آینده به معادل ۹۴ درصد جریان نقدی عملیاتی آنها برسد. این نسبت چند سال قبل حدود ۴۰ درصد بود. انتشار ناخالص اوراق شرکتی این گروه نیز در سال قبل از ۱۰۰ میلیارد دلار فراتر رفت. یو بی اس پیشبینی کرده است انتشار اوراق شرکتهای فناوری آمریکا در سال جاری به حدود ۳۶۰ میلیارد دلار برسد و سهم بدهی عمومی هایپراسکیلرها از آن نزدیک به ۲۴۰ میلیارد دلار باشد.
بازاری که هنوز درآمد واقعی دارد
با وجود افزایش نگرانیها، مقایسه صنعت هوش مصنوعی با شرکتهای بدون درآمد دوران دات کام تصویر کاملی ارائه نمیدهد. مایکروسافت اعلام کرده کسبوکار هوش مصنوعی این شرکت از ۳۷ میلیارد دلار درآمد تکرارشونده سالانه عبور کرده و رشد آن به ۱۲۳ درصد رسیده است. آمازون نیز نرخ سالانه درآمد فعالیتهای هوش مصنوعی در خدمات ابری خود را بیش از ۲۰ میلیارد دلار اعلام کرده است. متا و گوگل هم از هوش مصنوعی برای بهبود تبلیغات، پیشنهاد محتوا و افزایش نرخ تبدیل استفاده میکنند. بنابراین درآمد اقتصادی این فناوری فقط در فروش اشتراک یک چتبات خلاصه نمیشود.
ساتیا نادلا، مدیرعامل مایکروسافت، موج فعلی را «آغاز یکی از مهمترین تغییرات پلتفرمی» توصیف کرده است. اندی جسی، مدیرعامل آمازون، نیز در دفاع از هزینههای سنگین شرکت گفته است: «ما بر اساس حدس سرمایهگذاری نمیکنیم.» به گفته او، برای بخش قابلتوجهی از ظرفیت ابری که طی سالهای آینده وارد مدار خواهد شد، از هماکنون تعهد مشتری وجود دارد. جسی هوش مصنوعی را «فرصتی یکبار در طول عمر» میداند.
در سوی دیگر بازار، حتی برخی مدیران اصلی صنعت نیز احتمال شکلگیری هیجان بیش از حد را رد نمیکنند. سام آلتمن، مدیرعامل OpenAI، در پاسخ به این پرسش که آیا سرمایهگذاران بیش از اندازه هیجانزده شدهاند، گفته است: «نظر من مثبت است.» موضع او نشان میدهد میتوان همزمان به قدرت تحولآفرین یک فناوری اعتقاد داشت و بخشی از قیمتگذاریهای شکلگرفته پیرامون آن را اغراقآمیز دانست.
آنتروپیک پس از جذب ۶۵ میلیارد دلار سرمایه، در بازار خصوصی حدود ۹۶۵ میلیارد دلار ارزشگذاری شد و درآمد سالانهشده خود را بیش از ۴۷ میلیارد دلار اعلام کرد. OpenAI نیز در آخرین دور تأمین مالی، ارزشی نزدیک به ۸۵۲ میلیارد دلار به دست آورد و گزارشهایی درباره هدفگذاری ارزش یک تریلیون دلاری آن منتشر شد. این ارقام نشانه نبود درآمد نیستند، اما بر فرض رشد بسیار سریع فروش، حفظ حاشیه سود و کاهش هزینه پردازش در سالهای آینده استوارند. هرگونه تغییر در یکی از این فرضها میتواند ارزیابی سرمایهگذاران را به سرعت دگرگون کند.
شاخص نیمههادی فیلادلفیا طی یک دوره یکساله تقریباً دو برابر شد، اما پس از رسیدن به اوج، حدود ۱۸ درصد عقب نشست. همزمان نزدیک به ۱۰ میلیارد دلار سرمایه تازه وارد صندوقهای متمرکز بر تراشه شد. این دو حرکت متضاد نشان میدهد بازار میان دو روایت گرفتار شده است. یک روایت از آغاز عصر جدید بهرهوری سخن میگوید و روایت دیگر میپرسد آیا سود آینده میتواند قیمت امروز را توجیه کند.
حباب هوش مصنوعی چگونه در دل یک فناوری واقعی شکل گرفت؟
حباب مالی همیشه پیرامون یک دارایی بیارزش شکل نمیگیرد. گاهی فناوری، کالا یا زیرساخت مورد نظر کاملاً واقعی است، اما قیمت پرداختشده برای آن از درآمدی که میتواند ایجاد کند فاصله میگیرد. راهآهن، برق، اینترنت و مسکن همگی در دورههایی شاهد سرمایهگذاری افراطی بودهاند، درحالیکه اصل نیاز به آنها هرگز از بین نرفته است. مسئله اصلی در بازار هوش مصنوعی نیز بیفایدهبودن فناوری نیست، بلکه فاصله میان سرعت سرمایهگذاری، سرعت درآمدزایی و ساختار تأمین مالی است.
عرضه عمومی ابزارهای مولد، شرکتها و سرمایهگذاران را با یک تغییر احتمالی در شیوه تولید روبهرو کرد. مدیرانی که احتمال میدادند هوش مصنوعی نرمافزار، تبلیغات، آموزش، پزشکی، برنامهنویسی و خدمات مالی را متحول کند، حاضر نبودند چند سال برای روشنشدن نتیجه صبر کنند. در صنایع شبکهای، عقبماندن از رقیب ممکن است به از دست رفتن مشتری، داده، توسعهدهنده و سهم بازار منجر شود. به همین دلیل، ترس از کمسرمایهگذاری بر ترس از اتلاف سرمایه غلبه کرد.
این وضعیت به مسابقهای انجامید که در آن هر شرکت از منظر فردی تصمیمی قابلفهم میگیرد، اما مجموع تصمیمها ممکن است به ظرفیت مازاد منتهی شود. یک مقاله کاری بانک تسویههای بینالمللی نشان میدهد رقابت برای جلو افتادن از سایر شرکتها میتواند میزان سرمایهگذاری را به حدود ۱٫۵ برابر سطح بهینه اجتماعی برساند. در سناریوهایی که تقاضا واکنش ضعیفتری نشان میدهد، شدت بیشسرمایهگذاری بیشتر میشود و پس از رسیدن زیرساخت به حدود سه تریلیون دلار، خالص مازاد اقتصادی مدل میتواند منفی شود. این ارقام نتیجه مدلسازیاند، نه اندازه قطعی حباب، اما سازوکار رقابت را بهخوبی توضیح میدهند.
شکاف میان درآمد، ارزشگذاری و هزینه سرمایه
دیوید کان، سرمایهگذار سکویا کپیتال، در گزارش مشهور «سوال ۶۰۰ میلیارد دلاری» استدلال کرد که صنعت برای توجیه هزینه تراشهها و دیتاسنترها باید سالانه صدها میلیارد دلار درآمد نهایی بیشتری ایجاد کند. برآورد او درباره اندازه دقیق شکاف محل بحث است، اما پرسش اصلی همچنان پابرجاست. خریدار نهایی چه کسی است و چه مقدار حاضر است برای این فناوری پول بپردازد؟ درآمد فروش تراشه برای انویدیا قطعی است، اما بازده خرید همان تراشه برای شرکت ابری، استارتاپ مدل و مشتری سازمانی هنوز باید در عمل ثابت شود.
جیم کوولو، رئیس تحقیقات سهام گلدمن ساکس، گفته است: «اقتصاد هوش مصنوعی امروز از دو سال قبل هم پرسشبرانگیزتر است.» او همچنین هشدار داده است: «شرکتهای تراشه نباید به بهای شرکتهای بالاتر زنجیره شکوفا شوند.» این تعبیر به یکی از نابرابریهای اساسی رونق فعلی اشاره دارد. فروشنده پردازنده با تحویل سختافزار درآمد خود را ثبت میکند، اما خریدار باید طی چند سال از اجاره ظرفیت، فروش نرمافزار یا کاهش هزینه نیروی کار، سرمایه خود را بازگرداند.
گلدمن ساکس محاسبه کرده است حدود ۷۵ درصد ارزش شاخص S&P 500 به سود و جریانهای نقدی بیش از یک دهه آینده وابسته است. اگر فرض رشد بلندمدت فقط یک واحد درصد کاهش یابد، حدود ۱۵ درصد از ارزش شاخص میتواند از بین برود. این حساسیت نشان میدهد چرا حتی خبری درباره افزایش بهرهوری یک مدل چینی میتواند صدها میلیارد دلار از ارزش یک شرکت آمریکایی کم کند. قیمت سهام فقط بازتاب درآمد امروز نیست، بلکه مجموعهای از فرضها درباره سالهای دور است.
تمرکز بازار این حساسیت را تشدید کرده است. ده شرکت بزرگ S&P 500 نزدیک به ۴۰ درصد وزن شاخص را در اختیار دارند. در چنین بازاری، سرمایهگذارانی که صندوق شاخصی میخرند نیز بدون آنکه مستقیماً سهام فناوری انتخاب کرده باشند، در معرض همان شرکتها قرار میگیرند. بانک انگلستان اعلام کرده ارزشگذاری سهام فناوری متمرکز بر هوش مصنوعی همچنان کشیده است. اندرو بیلی، رئیس این بانک، نیز گفته است: «خطر اصلاح شدید بازار سهام همچنان بالاست.»
در آزمون تنش بانک انگلستان، اصلاح شدید ارزشگذاریهای مرتبط با هوش مصنوعی میتوانست تولید ناخالص داخلی بریتانیا را حدود ۲٫۲ واحد درصد کاهش دهد. این رقم پیشبینی وقوع بحران نیست، بلکه نشان میدهد افت قیمت داراییها از مسیر کاهش ثروت، افت سرمایهگذاری، محدودشدن اعتبار و کاهش اعتماد مصرفکننده چگونه میتواند بر اقتصاد واقعی اثر بگذارد.
در بازار سرمایه خصوصی نیز اشتهای ریسک با سرعت افزایش یافته است. بر اساس شاخص هوش مصنوعی دانشگاه استنفورد، سرمایهگذاری خصوصی جهانی در هوش مصنوعی در سال قبل به ۳۴۴٫۷ میلیارد دلار رسید که ۱۲۷٫۵ درصد بیشتر از دوره قبل بود. شرکتهای هوش مصنوعی مولد حدود ۱۷۰٫۹ میلیارد دلار از این سرمایه را جذب کردند. سهم آمریکا ۲۸۵٫۹ میلیارد دلار بود، درحالیکه چین ۱۲٫۴ میلیارد دلار، بریتانیا ۵٫۹ میلیارد دلار، فرانسه ۴٫۳۶ میلیارد دلار، کانادا ۴٫۲۸ میلیارد دلار، هند ۴٫۰۹ میلیارد دلار و آلمان ۳٫۸۹ میلیارد دلار سرمایه خصوصی جذب کردند.
تعداد رویدادهای تأمین مالی از ۳۵۳۸ مورد به ۵۵۰۵ مورد افزایش یافت و متوسط اندازه هر رویداد به حدود ۶۶٫۵ میلیون دلار رسید. تعداد معاملات بیش از یک میلیارد دلار نیز از ۱۵ مورد به ۲۸ مورد افزایش پیدا کرد. این رشد همزمان در تعداد، اندازه و ارزش معاملات الزاماً اثبات حباب نیست، اما نشان میدهد سرمایهگذاران حاضر شدهاند منابع بسیار بزرگتری را پیش از روشنشدن سودآوری نهایی به شرکتهای این حوزه اختصاص دهند.
اعتبار خصوصی و پولی که در حلقه صنعت میچرخد
ویژگی مهم دیگر رونق هوش مصنوعی، نزدیکی نقش سرمایهگذار، فروشنده و مشتری است. یک شرکت ابری ممکن است در آزمایشگاه سازنده مدل سرمایهگذاری کند و همان آزمایشگاه بخش مهمی از سرمایه دریافتی را برای خرید ظرفیت ابری سرمایهگذار مصرف کند. شرکت تراشهساز نیز ممکن است در مشتری آینده خود سهم بخرد و قرارداد خرید سختافزار، مبنای دریافت وام برای ساخت دیتاسنتر قرار گیرد.
برای نمونه، آمازون اعلام کرده بود ممکن است تا ۲۵ میلیارد دلار در آنتروپیک سرمایهگذاری کند و آنتروپیک نیز متعهد شود طی یک دوره دهساله بیش از ۱۰۰ میلیارد دلار برای فناوریهای ابری آمازون هزینه کند. این سازوکار به معنای درآمد جعلی نیست، زیرا سرمایه واقعی جابهجا میشود و خدمات واقعی نیز ارائه میشود. مسئله آن است که چه مقدار از تقاضا مستقل از رابطه سرمایهگذاری است و آیا پس از توقف تزریق سرمایه نیز ادامه خواهد داشت.
با افزایش هزینهها، بازار اعتبار خصوصی نیز به یکی از منابع اصلی تأمین مالی دیتاسنترها تبدیل شده است. مورگان استنلی برآورد کرده توسعه این زیرساختها طی چند سال آینده به حدود ۱٫۵ تریلیون دلار سرمایه نیاز دارد و اعتبار خصوصی ممکن است بیش از نیمی از این مبلغ، معادل حدود ۸۰۰ میلیارد دلار، را تأمین کند. حجم تأمین مالی مرتبط با هوش مصنوعی نیز در یک دوره یکساله از حدود ۱۵ میلیارد دلار به نزدیک ۱۲۵ میلیارد دلار رسیده است. انتظار میرود ۵۰ تا ۶۰ میلیارد دلار اوراق جدید مبتنی بر داراییهای زیرساختی نیز وارد بازار شود.
بخشی از وامها به نئوکلاودها پرداخت میشود. این شرکتها پردازندههای گرانقیمت را خریداری میکنند و ظرفیت آنها را به سازندگان مدل یا مشتریان سازمانی اجاره میدهند. در برخی قراردادها، همان پردازندهها و درآمدهای اجاره آینده بهعنوان وثیقه استفاده میشوند. مشکل زمانی پدیدار میشود که نسل تازه تراشهها وارد بازار شود، قیمت اجاره پردازنده کاهش یابد یا مشتری اصلی قرارداد خود را تمدید نکند. در این حالت، ارزش وثیقه و درآمد پروژه بهطور همزمان افت میکند.
نهادهای پروژهای نیز برای جداسازی مالکیت، بدهی و ریسک هر دیتاسنتر به کار میروند. این ساختارها در بسیاری از پروژههای زیرساختی رایجاند و ذاتاً نشانه تخلف محسوب نمیشوند. با این حال، پراکندگی تعهدات میان شرکت مادر، صندوق اعتبار خصوصی، بیمهگر، بانک، مالک زمین و نهاد پروژهای، ارزیابی میزان واقعی اهرم مالی را دشوار میکند. بانک تسویههای بینالمللی این شیوه را نوعی استقراض سایه توصیف کرده است.
طرفداران سرمایهگذاری گسترده معتقدند تمرکز صرف بر درآمد امروز، ارزش آینده فناوری را نادیده میگیرد. دیوید سولومون، مدیرعامل گلدمن ساکس، از وضعیت موجود با عنوان «ابرچرخه مخارج سرمایهای هوش مصنوعی» یاد کرده است. جان گری، رئیس بلکاستون، توسعه هوش مصنوعی را «بزرگترین محرک رشد اقتصادی آمریکا» دانسته و در عین حال گفته است ساخت دیتاسنتر و کارخانه نیمههادی به حجم عظیمی از بدهی خصوصی نیاز دارد.
ماسانوشی سان، مدیرعامل سافتبانک، نگرانی از حباب هوش مصنوعی را «پوچ» خوانده و پیشبینی کرده است سرمایهگذاری سالانه در این حوزه در افق بلندمدت به پنج تریلیون دلار برسد و ارزشی معادل ۲۰ درصد تولید ناخالص داخلی جهان ایجاد کند. این دیدگاه را باید در کنار موقعیت او بهعنوان یکی از بزرگترین سرمایهگذاران فناوری سنجید. خوشبینی مدیران صنعت به تنهایی اثبات بازده نیست، همانطور که نگرانی اقتصاددانان نیز به تنهایی فروپاشی بازار را قطعی نمیکند.
شواهد بهرهوری نیز دوگانهاند. پژوهش اداره ملی تحقیقات اقتصادی آمریکا روی ۵۱۷۹ کارمند پشتیبانی مشتری نشان داد ابزارهای هوش مصنوعی بهطور متوسط بهرهوری را ۱۴ درصد افزایش دادهاند. این افزایش برای کارکنان تازهکار و کممهارت حدود ۳۴ درصد بود، اما برای کارکنان باتجربه اثر محدودی داشت. مطالعات دیگر از رشد ۱۴ تا ۱۵ درصدی بهرهوری خدمات مشتری، حدود ۲۶ درصد در توسعه نرمافزار و در برخی وظایف بازاریابی تا ۵۰ درصد خبر دادهاند.
از سوی دیگر، مطالعه شرکت مشاوره بوستون نشان داد کاربران هوش مصنوعی در وظایف متناسب با توان مدل، کار را ۲۵ درصد سریعتر انجام دادند و کیفیت خروجی آنها حدود ۴۰ درصد افزایش یافت، اما در وظایف خارج از محدوده توان مدل، عملکردشان ۲۳ درصد ضعیفتر شد. این یافته نشان میدهد هوش مصنوعی میتواند هم بهرهوری ایجاد کند و هم در صورت استفاده نادرست، خطا را با سرعت بیشتری گسترش دهد.
مککینزی ارزش اقتصادی بالقوه هوش مصنوعی مولد را سالانه ۲٫۶ تا ۴٫۴ تریلیون دلار برآورد کرده است. این عدد درآمد شرکتهای هوش مصنوعی یا سود سهامداران نیست، بلکه ارزش بالقوه حاصل از کاهش هزینه، افزایش تولید و تغییر فرایندهای کاری است. در مقابل، دارون عجماوغلو، استاد اقتصاد موسسه فناوری ماساچوست، گفته است: «افزایش تولید ناخالص داخلی احتمالاً محدود خواهد بود.» برآورد او نشان میدهد هوش مصنوعی ممکن است طی یک دهه ۱٫۱ تا ۱٫۶ درصد به تولید ناخالص داخلی اضافه کند و رشد سالانه بهرهوری ناشی از آن نزدیک به ۰٫۰۵ درصد باشد. او همچنین معتقد است حدود ۴٫۶ درصد وظایف اقتصادی ممکن است در این دوره بهصورت سودآور تحت تأثیر اتوماسیون قرار گیرند.
محدودیت برق نیز در محاسبه بازده نقش تعیینکننده دارد. آژانس بینالمللی انرژی برآورد کرده مصرف برق دیتاسنترهای جهان از حدود ۴۸۵ تراواتساعت به نزدیک ۹۵۰ تراواتساعت طی چهار سال آینده برسد و حدود سه درصد برق جهان را به خود اختصاص دهد. مصرف مراکز متمرکز بر هوش مصنوعی در همین فاصله تقریباً سه برابر خواهد شد. فاتح بیرول، مدیر اجرایی این آژانس، گفته است: «هوش مصنوعی یکی از بزرگترین داستانهای امروز جهان انرژی است.»
در سناریوی پایه آژانس، مصرف برق دیتاسنترها سالانه حدود ۱۵ درصد و مصرف سرورهای شتابیافته نزدیک به ۳۰ درصد رشد میکند. آمریکا و چین حدود ۸۰ درصد افزایش جهانی را ایجاد میکنند و دیتاسنترها میتوانند نزدیک به نیمی از رشد تقاضای برق آمریکا را به خود اختصاص دهند. این محدودیت ممکن است مانع ساخت ظرفیت مازاد شود، اما همزمان هزینه اتصال شبکه، برق، خنکسازی و تأمین مالی را بالا میبرد و بازده اقتصادی پروژهها را تحت فشار قرار میدهد.
ترکیدن حباب هوش مصنوعی چه بلایی سر اقتصاد میآورد؟
ترکیدن حباب هوش مصنوعی لزوماً به معنای ناپدیدشدن مدلهای زبانی، تعطیلی خدمات ابری یا بازگشت اقتصاد به دوران پیش از این فناوری نیست. حباب مالی زمانی تخلیه میشود که سرمایهگذاران متوجه شوند درآمد آینده کمتر از برآوردهای قبلی است و حاضر نباشند همان قیمت را برای سهام، بدهی یا داراییهای زیرساختی بپردازند. فناوری میتواند باقی بماند، اما صاحبان سرمایه، وامدهندگان و شرکتهایی که با فرض رشد نامحدود بدهی گرفتهاند، زیان سنگینی متحمل شوند.
سناریوی کمهزینهتر آن است که تقاضا بهتدریج ظرفیت ساختهشده را جذب کند و رشد مخارج بدون سقوط ناگهانی کند شود. یو بی اس پیشبینی کرده نرخ رشد هزینههای سرمایهای هایپراسکیلرها از حدود ۷۶ درصد در سال جاری به ۲۵ درصد در دوره بعد و فقط ۶ درصد در دو سال بعد کاهش یابد. این پیشبینی به معنای کاهش مقدار مخارج نیست، اما برای شرکتی که قیمت سهامش بر ادامه رشد نمایی بنا شده، کندشدن رشد میتواند همان اثری را داشته باشد که کاهش درآمد بر یک شرکت معمولی دارد.
در فرود نرم، قیمت اجاره توان پردازشی کاهش مییابد، حاشیه سود سازندگان تراشه کمتر میشود و استارتاپهای ضعیفتر در شرکتهای بزرگ ادغام میشوند. مشتریان سازمانی از سختافزار ارزانتر و رقابت بیشتر میان ارائهدهندگان خدمات ابری سود میبرند. زیرساخت برق، فیبر، زمین، ساختمان و خنککننده نیز باقی میماند و برای نسلهای بعدی خدمات دیجیتال مورد استفاده قرار میگیرد.
از سقوط سهام تا تعدیل نیرو و کاهش سرمایهگذاری
در سناریوی اصلاح شدید، درآمد هوش مصنوعی افزایش مییابد، اما نه بهاندازهای که همه پروژهها و ارزشگذاریها را توجیه کند. نخستین واکنش در بازار سهام رخ میدهد. ارزش شرکتهای تراشه، تجهیزات برق، شبکه، خنککننده و نئوکلاودها کاهش پیدا میکند و سرمایهگذارانی که در قیمتهای بالا وارد شدهاند، با زیان روبهرو میشوند. صندوقهای شاخصی نیز به دلیل تمرکز بازار از این افت مصون نخواهند بود.
کاهش قیمت سهام از مسیر اثر ثروت به مصرف خانوارها آسیب میزند. خانوارهایی که ارزش حساب بازنشستگی یا پرتفوی سرمایهگذاری خود را کمتر میبینند، خریدهای بزرگ را به تعویق میاندازند. شرکتها نیز با افزایش هزینه سرمایه و کاهش ارزش سهام، برنامههای توسعه را محدود میکنند. این روند میتواند از صنعت فناوری به ساختوساز، انرژی، املاک صنعتی، مشاوره و حملونقل تجهیزات سرایت کند.
دیتاسنتر یک پروژه منفرد نیست. ساخت آن به زمین، شبکه برق، ترانسفورماتور، کابل، سیستم خنککننده، تجهیزات ساختمانی، فیبر نوری، نیروی مهندسی و قراردادهای طولانی تأمین انرژی نیاز دارد. لغو پروژهها میتواند هزاران شغل مستقیم و غیرمستقیم را تحت تأثیر قرار دهد. شهرهایی که درآمد مالیاتی و برنامه توسعه خود را بر ورود دیتاسنترها بنا کردهاند نیز با کاهش درآمد و داراییهای نیمهکاره مواجه میشوند.
شرکتهای بزرگ فناوری احتمالاً برای محافظت از حاشیه سود، هزینه نیروی انسانی را سریعتر از سایر مخارج کاهش میدهند. تعدیل نیرو ابتدا در پروژههای آزمایشی، فروش، بازاریابی و واحدهایی رخ میدهد که ارتباط مستقیمی با درآمد ندارند. سپس فشار به پیمانکاران، شرکتهای مشاوره، ارائهدهندگان داده و استارتاپهایی منتقل میشود که بخش بزرگی از فروش آنها به چند مشتری محدود وابسته است.
در مقابل، کاهش قیمت محاسبات میتواند فرصت تازهای برای شرکتهای کوچک، دانشگاهها و توسعهدهندگان ایجاد کند. پس از ترکیدن حباب دات کام نیز بسیاری از سرمایهگذاران زیان کردند، اما شبکه فیبر نوری و زیرساخت اینترنت باقی ماند و پایه رشد نسل بعدی شرکتهای دیجیتال شد. تفاوت آن است که پردازندههای هوش مصنوعی سریعتر از کابل فیبر مستهلک میشوند. نسل تازه تراشه میتواند کارایی نسل قبلی را کاهش دهد، هرچند ساختمان، اتصال برق، فیبر و بخشی از تجهیزات همچنان ارزش اقتصادی خواهند داشت.
کریستالینا جورجیوا، مدیرعامل صندوق بینالمللی پول، گفته است: «هوش مصنوعی نزدیک به ۴۰ درصد مشاغل جهان را تحت تأثیر قرار میدهد.» این اثر فقط به حذف شغل مربوط نیست. برخی کارکنان بهرهورتر میشوند، برخی وظایف تغییر میکنند و گروهی نیز قدرت چانهزنی خود را از دست میدهند. اگر اصلاح مالی همزمان با تغییر ساختار اشتغال رخ دهد، اقتصاد با ترکیبی از کاهش سرمایهگذاری، نااطمینانی شغلی و افت مصرف روبهرو خواهد شد.
چه زمانی بحران فناوری به بحران مالی تبدیل میشود؟
تفاوت اصلی میان یک سقوط شبیه دات کام و بحرانی شبیه بحران مالی جهانی، در میزان بدهی و پیوند آن با نظام مالی نهفته است. سقوط سهام به خودی خود بیشتر به سهامداران زیان میزند، اما نکول بدهی میتواند بانک، بیمهگر، صندوق بازنشستگی و بازار اعتبار را درگیر کند. خطر زمانی افزایش مییابد که دارایی خریداریشده با وام، وثیقه همان وام باشد و ارزش آن همزمان با درآمد پروژه کاهش پیدا کند.
نئوکلاودی را در نظر بگیرید که پردازندههای گرانقیمت را با اعتبار خصوصی خریداری کرده و آنها را به یک مشتری بزرگ اجاره داده است. اگر مشتری قرارداد را کاهش دهد، درآمد شرکت افت میکند. اگر همزمان نسل تازه پردازنده وارد بازار شود، ارزش وثیقه نیز پایین میآید. وامدهنده ممکن است وثیقه بیشتری مطالبه کند یا داراییها را بفروشد. فروش اجباری پردازندهها قیمت بازار را پایینتر میآورد و به شرکتهای مشابه آسیب میزند.
- کاهش قیمت اجاره پردازنده، جریان نقد پروژه را تضعیف میکند.
- افت ارزش سختافزار، پوشش وثیقه وام را کاهش میدهد.
- نکول مستأجر دیتاسنتر، ارزش اوراق مبتنی بر قرارداد اجاره را پایین میآورد.
- صندوق اعتبار خصوصی ممکن است برای پاسخ به برداشت سرمایهگذاران، داراییهای دیگر را بفروشد.
- بانک تأمینکننده خط اعتباری صندوق نیز ممکن است وامدهی خود را محدود کند.
- کاهش اعتبار به شرکتهای سالمتر نیز سرایت میکند و سرمایهگذاری اقتصاد را پایین میآورد.
صندوقهای بازنشستگی و بیمهگران معمولاً برای کسب بازده بالاتر، بخشی از منابع خود را به اعتبار خصوصی اختصاص میدهند. اگر زیان پروژههای دیتاسنتری در این صندوقها متمرکز شده باشد، فشار فقط متوجه سرمایهگذاران ثروتمند نخواهد بود و میتواند ارزش داراییهای بازنشستگی یا توان پرداخت تعهدات بیمهای را کاهش دهد. با این حال، هنوز شواهد کافی وجود ندارد که اندازه و پیوند این بدهیها با خانوارها و بانکها به سطح بازار مسکن پیش از بحران مالی جهانی رسیده باشد.
بانک تسویههای بینالمللی معتقد است ریسکهای کلان مالی فعلاً قابلکنترلاند، اما پایداری رونق به تحقق «انتظارات بالای درآمدی» وابسته است. این عبارت مرز میان خطر بالقوه و بحران قطعی را مشخص میکند. بازار ممکن است بدون فروپاشی بانکها اصلاح شود، اما هرچه سهم بدهی، تعهدات خارج از ترازنامه و وثیقههای سریعالافت بیشتر شود، احتمال سرایت افزایش مییابد.
اگر بحران ابعاد اعتباری پیدا کند، واکنش دولتها و بانکهای مرکزی تعیینکننده خواهد بود. کاهش نرخ بهره میتواند فشار تأمین مالی را کمتر کند، اما در صورت تداوم تورم، فضای سیاست پولی محدود خواهد بود. تضمین نقدینگی نیز ممکن است از فروش اجباری دارایی جلوگیری کند، ولی نجات مستقیم سهامداران و مدیرانی که ریسک افراطی پذیرفتهاند، هزینه بحران را به مالیاتدهندگان منتقل میکند و انگیزه خطرپذیری آینده را افزایش میدهد.
سیاستگذاران میتوانند پیش از وقوع بحران، شرکتها را به افشای دقیقتر تعهدات خرید پردازنده، قراردادهای ابری، بدهی نهادهای پروژهای، ارزش وثیقه و تمرکز مشتری ملزم کنند. آزمون تنش صندوقهای اعتبار خصوصی، بررسی ارتباط آنها با بانکها و بیمهگران و محدودکردن وامدهی بر پایه ارزش خوشبینانه سختافزار، احتمال سرایت را کاهش میدهد.
تفکیک روشن میان سرمایهگذاری سهامی، قرارداد خرید خدمات و درآمد عملیاتی نیز اهمیت دارد. زمانی که سرمایهگذار، فروشنده و مشتری به یکدیگر وابستهاند، صورتهای مالی باید نشان دهند چه مقدار از تقاضا از بازار مستقل ایجاد شده و چه مقدار حاصل رابطه تأمین مالی است. این شفافیت لزوماً مانع سرمایهگذاری نمیشود، اما به بازار اجازه میدهد کیفیت درآمد را بهتر ارزیابی کند.
در صورت ورشکستگی پروژهها، زیرساختهای قابلاستفاده میتوانند به جای رهاشدن، از طریق مزایده به دانشگاهها، مراکز تحقیقاتی، شرکتهای کوچک یا شبکههای محاسبات عمومی منتقل شوند. این رویکرد زیان سرمایهگذار اولیه را جبران نمیکند، اما اجازه میدهد بخشی از سرمایه فیزیکی ایجادشده به دانش، پژوهش و خدمات عمومی تبدیل شود.
حساسترین تصمیم اقتصادی آن است که دولت میان محافظت از ثبات مالی و نجات ارزش سهام شرکتها تفاوت قائل شود. حمایت از نظام پرداخت، سپردهگذاران و جریان اعتبار با تضمین سود سرمایهگذاران فناوری یکسان نیست. اگر زیان پروژههای پرریسک بدون بررسی به بودجه عمومی منتقل شود، جامعه هزینه تصمیمهایی را میپردازد که منفعت اولیه آنها عمدتاً نصیب سهامداران خصوصی شده است.
تخلیه حباب میتواند همزمان زیان و فرصت ایجاد کند. قیمت پایینتر سختافزار، رقابت بیشتر میان ارائهدهندگان خدمات ابری و خروج شرکتهای کمبازده ممکن است استفاده از هوش مصنوعی را برای کسبوکارهای واقعی ارزانتر کند. در مقابل، اگر بدهیهای پنهان و تعهدات متقابل بزرگتر از برآوردهای فعلی باشند، اصلاح بازار میتواند به کاهش اعتبار، افت سرمایهگذاری و رکود گستردهتر منجر شود. مرز میان این دو مسیر را نه هوشمندی مدلها، بلکه کیفیت درآمد، ساختار بدهی و توان شرکتها برای تبدیل ظرفیت محاسباتی به جریان نقد پایدار تعیین میکند.
