به گزارش شهرآرانیوز، هوش مصنوعی (AI) به سرعت در حال تغییر زندگی و کسبوکارهاست و شرکتها میلیاردها دلار برای ساخت مراکز داده و زیرساختهای مورد نیاز آن سرمایهگذاری میکنند. اما این رشد سریع، با ریسکهایی همراه است: گاهی شرکتها برای پروژههایی پول زیادی خرج میکنند که تقاضای واقعی برای آنها کمتر از انتظار است، چیزی که در اقتصاد به آن «حباب» میگویند. این مطلب به بررسی فرصتها و چالشهای زیرساختی و مالی حباب هوش مصنوعی میپردازد و نشان میدهد چرا حتی سرمایهگذاریهای کلان هم میتوانند با مشکلاتی مواجه شوند.
بسیاری از افراد حبابهای فناوری را به شکلی آخرالزمانی تصور میکنند، اما واقعیت اقتصادی حباب آنقدرها هم ترسناک نیست. از دید اقتصاد، حباب در واقع یک شرطبندی بزرگ است که نتیجهاش بیش از حد تقاضا عرضه داشته است.
نکته مهم این است که وضعیت همیشه «همه یا هیچ» نیست و حتی شرطبندیهای خوب هم اگر با دقت انجام نشوند، میتوانند شکست بخورند.
بر اساس گزارشی که سایت تککرانچ منتشر کرده است، چالش اصلی در مورد حباب هوش مصنوعی، تفاوت سرعت بین توسعه سریع نرمافزارهای هوش مصنوعی و روند کند ساخت و تامین انرژی دیتاسنترها است.
چون ساخت این مراکز داده سالها طول میکشد، بسیاری از شرایط بین زمان شروع پروژه و زمان بهرهبرداری تغییر خواهد کرد. زنجیره تامین خدمات هوش مصنوعی پیچیده و پویا است و پیشبینی میزان عرضه مورد نیاز چند سال بعد دشوار است. مسئله تنها میزان استفاده از هوش مصنوعی در سال ۲۰۲۸ نیست، بلکه نحوه استفاده از آن و احتمال رخداد پیشرفتهایی در انرژی، طراحی نیمههادی یا انتقال نیرو نیز اهمیت دارد.
با توجه به بزرگی این سرمایهگذاریها، راههای زیادی برای شکست وجود دارد و ریسک سرمایهگذاری برای استفاده از هوش مصنوعی امروز بسیار بالا شدهاست.
هفته گذشته، یک کمپلکس دیتاسنتر مرتبط با اوراکل در نیومکزیکو با اعتبار ۱۸ میلیارد دلاری از سوی ۲۰ بانک تامین شده است. اوراکل پیشتر قرارداد ۳۰۰ میلیارد دلاری خدمات ابری با OpenAI امضا کرده و همراه با سافتبانک قصد دارند مجموعاً ۵۰۰ میلیارد دلار زیرساخت هوش مصنوعی در قالب پروژه «استارگیت» بسازند. متا نیز اعلام کرده در سه سال آینده ۶۰۰ میلیارد دلار برای زیرساخت سرمایهگذاری خواهد کرد. حجم عظیم این پروژهها باعث شده رصد آنها دشوار باشد.
در عین حال، هنوز ابهام زیادی درباره سرعت رشد تقاضا برای خدمات هوش مصنوعی وجود دارد.
بر اساس یک نظرسنجی، تقریباً همه شرکتهای بزرگ از هوش مصنوعی در برخی زمینهها استفاده میکنند، اما تعداد کمی آن را در مقیاس واقعی به کار گرفتهاند. هوش مصنوعی توانسته در موارد خاص به کاهش هزینه کمک کند، اما تاثیر قابل توجهی بر کسبوکار کلی نداشته است و اکثر شرکتها هنوز در حالت «منتظر و ببین» قرار دارند.
حتی اگر تقاضا برای هوش مصنوعی بیپایان باشد، پروژهها ممکن است با مشکلات زیرساختی سادهتر نیز مواجه شوند. مشکلاتی مانند کمبود فضای دیتاسنتر تا کمبود چیپ؛ زیرا بسیاری از دیتاسنترها هنوز ظرفیت برق نسل جدید چیپها را ندارند و خالی ماندهاند.
در حالی که شرکتهایی مانند Nvidia و OpenAI با سرعت بالا پیش میروند، شبکه برق و محیط ساختهشده هنوز با همان سرعت گذشته حرکت میکنند. این موضوع فرصتهای زیادی برای ایجاد گلوگاههای پرهزینه ایجاد میکند، حتی اگر همه چیز دیگر درست پیش برود.