سرمایهگذاری تریلیوندلاری روی هوش مصنوعی | غولهای فناوری به رشد ۲.۷ برابری نیاز دارند
غولهای فناوری در حال سرازیر کردن تریلیونها دلار برای توسعه زیرساختهای هوش مصنوعی هستند، اما یک بررسی جدید نشان میدهد برای توجیه این سرمایهگذاری عظیم، بهرهوری شرکتهای فعال در این حوزه باید تا سال ۲۰۳۰ حدود ۲.۷ برابر افزایش پیدا کند.
شهرآرانیوز؛ سرمایهگذاری تریلیوندلاری غولهای فناوری روی هوش مصنوعی، حالا به یکی از بزرگترین پروژههای سرمایهای تاریخ تبدیل شده است؛ اما فاصله میان هزینههای این شرکتها و درآمد فعلی هوش مصنوعی، پرسشهای جدی درباره بازگشت این سرمایهها ایجاد کرده است. برآوردها نشان میدهد هزینههای زیرساخت هوش مصنوعی تا سال ۲۰۲۷ میتواند به حدود ۱.۱ تریلیون دلار برسد و اگر رشد بهرهوری مورد انتظار محقق نشود، بخش بزرگی از این سرمایهگذاریها با ریسک مواجه خواهد شد.
بر اساس گزارش امآیتی تکنولوژی ریویو، جسیکا واچر (Jessica Wachter)، استاد امور مالی در مدرسه وارتون دانشگاه پنسیلوانیا، زمانی که میخواست تأثیر هوش مصنوعی بر اقتصاد طی چند سال آینده را ارزیابی کند، با فهرست طولانیای از ابهامات تجاری و فنی مواجه شد. بنابراین، او کار را از چیزی آغاز کرد که آن را یک واقعیت قابلتوجه میداند؛ واقعیتی که درباره آن تردیدی وجود ندارد: تعداد محدودی از شرکتهای موسوم به هایپراسکیلرها (Hyperscalers) در حال سرمایهگذاری مبالغ هنگفت برای ساخت مراکز داده هوش مصنوعی هستند. هایپراسکیلر به شرکتهایی گفته میشود که زیرساختهای پردازشی و ابری را در مقیاس بسیار عظیم میسازند و میتوانند منابعی مثل سرور، پردازنده، فضای ذخیرهسازی و شبکه را برای میلیونها کاربر بهصورت پویا افزایش یا کاهش دهند.
واچر بهجای تلاش برای پیشبینی میزان کاربردی بودن مدلهای هوش مصنوعی و گستردگی استفاده از آنها، صرفاً این سؤال را مطرح کرد که درآمد هایپراسکیلرها با چه سرعتی باید رشد کند تا هزینههای آنها تا سال ۲۰۲۷ توجیهپذیر باشد؛ سالی که به برآورد او و همکارش، هزینهها در آن به حدود ۱.۱ تریلیون دلار خواهد رسید. این رویکرد، یک روش حسابداری ساده و بدون پیچیدگی برای درک ابعاد تاریخی سرمایهگذاری گسترده امروز در حوزه هوش مصنوعی است.
هوش مصنوعی برای جبران این سرمایهگذاری به رشد ۲.۷ برابری نیاز دارد
شرکتهای فعال در حوزه هوش مصنوعی باید بهرهوری خود را ۲.۷ برابر افزایش دهند تا با در نظر گرفتن هزینه سرمایه، بازده ۱۵ درصدی و استهلاک داراییها، تا سال ۲۰۳۰ به نقطه سربهسر برسند. واچر میگوید این اتفاق غیرممکن نیست. نتیجه چنین رشدی میتواند اقتصادی را رقم بزند که مشابه رشد اقتصادی آمریکا در دوران رونق فناوری اطلاعات در دهه ۱۹۹۰ باشد؛ دورهای که حدود ۱۰ سال طول کشید. با این حال، اگر قرار باشد این اتفاق تا سال ۲۰۳۰ رخ دهد، میزان زیادی از رشد اقتصادی باید در عرض چند سال فشرده شود.
واچر که پیشتر اقتصاددان ارشد کمیسیون بورس و اوراق بهادار آمریکا (SEC) و مدیر بخش تحلیل اقتصادی و ریسک این نهاد بوده است، میگوید آنها در پرداخت بهره وامهای خود عقب خواهند ماند و این مسئله خطر ورشکستگی را به همراه دارد.
او و همکارش در مقاله پژوهشی خود نتیجه گرفتهاند که اگر یک جهش بهرهوری محقق نشود، سرمایهگذاری فعلی در توسعه زیرساختها به بزرگترین تخصیص نادرست سرمایه در تاریخ تبدیل خواهد شد.
غولهای فناوری در چهار سال بیش از ۵ تریلیون دلار هزینه میکنند
برای درک اینکه سرمایهگذاریهای عظیم امروز در زیرساختهای هوش مصنوعی با چه ریسک بزرگی همراه هستند، نیازی به ابرهوش هم نیست. هایپراسکیلرها امسال حدود ۷۵۰ میلیارد دلار هزینه خواهند کرد تا مراکز داده عظیمی را در سراسر کشور احداث کنند. این موج هزینهکرد نیز هیچ نشانهای از کاهش سرعت ندارد.
بر اساس برخی پیشبینیها، مجموع سرمایهگذاری شرکتهای هایپراسکیلر در حوزه هوش مصنوعی، شامل آلفابت، مایکروسافت، آمازون، متا و اوراکل که با OpenAI همکاری میکند، ممکن است طی چهار سال آینده از ۵ تریلیون دلار فراتر برود.
این یکی از بزرگترین سرمایهگذاریها است که تاکنون از سوی یک صنعت انجام شده است. اما مشکلی وجود دارد که برای هر کسی که با دقت این وضعیت را دنبال میکند، کاملاً آشکار است.
درآمد هوش مصنوعی هنوز با هزینههای تریلیون دلاری فاصله دارد
در حالی که هایپراسکیلرها قصد دارند تریلیونها دلار هزینه کنند، گری گنسلر، رئیس پیشین کمیسیون بورس و اوراق بهادار آمریکا (SEC) در دوران دولت بایدن و استاد فعلی مدرسه مدیریت اسلون دانشگاه MIT، میگوید مجموع درآمدهای هوش مصنوعی امسال حدود ۱۵۰ تا ۲۰۰ میلیارد دلار خواهد بود.
او میگوید چالش این است که هزینهکردها هنوز درآمد متناسبی با خود ندارند. این یک واقعیت است؛ و بعد این سؤال مطرح میشود که آیا این سرمایهگذاری در آینده بازده خود را خواهد داشت؟
آنچه در این سؤال تریلیوندلاری در معرض خطر قرار دارد، سلامت مالی شرکتهای بزرگ هوش مصنوعی و کل اقتصاد آمریکا است؛ چراکه این سرمایهگذاریها ممکن است بهزودی به حدود ۳ درصد از تولید ناخالص داخلی (GDP) برسند. پاسخ به این سؤال همچنین میتواند سرنوشت خود مراکز داده بسیار گرانقیمت را تعیین کند.
آینده مراکز داده هوش مصنوعی هنوز مشخص نیست
هیچکس واقعاً نمیداند این غولهای چند میلیارد دلاری در آینده تا چه اندازه سودآور و مفید خواهند بود. اگرچه مدلهای هوش مصنوعی طی چند سال گذشته پیشرفتهای چشمگیری داشتهاند، اما میزان ظرفیت پردازشی موردنیاز در آینده مشخص نیست.
این فناوری ممکن است کارآمدتر شود و در نتیجه وابستگی کمتری به قدرت پردازشی خام داشته باشد. از سوی دیگر، ممکن است تقاضا برای محصولات هوش مصنوعی کاهش پیدا کند یا مشتریان به سمت مدلهای ارزانتر بروند.
ریسکها، هم برای سرمایهگذاران و هم برای اقتصاد، امسال حتی بیشتر شدهاند؛ زیرا شرکتهای هوش مصنوعی شروع به استقراض مبالغ هنگفت برای ساخت تعداد بیشتری از مراکز داده کردهاند.
انتظار میرود جریان نقدی آزاد این مجموعه شرکتها، یعنی جریان نقدی حاصل از فعالیتهای عملیاتی منهای هزینههای سرمایهای، بهزودی وارد محدوده منفی شود.
آلفابت هم زیر فشار هزینههای زیرساخت هوش مصنوعی قرار گرفت
حتی آلفابت که به تولید و انباشت حجم عظیمی از نقدینگی شهرت دارد، در آخرین فصل مالی خود گزارش کرده است که درآمد نزدیک به ۱۲۰ میلیارد دلار این شرکت، تحت تأثیر هزینههای زیرساخت هوش مصنوعی قرار گرفته و در نهایت با کسری حدود ۵.۹ میلیارد دلاری در جریان نقدی آزاد مواجه شده است؛ این نخستین کسری چنینچنینی از زمان ورود گوگل به بازار سهام در سال ۲۰۰۴ محسوب میشود.
در کوتاهمدت، این مسئله برای بیشتر این شرکتها نگرانی مالی بزرگی ایجاد نمیکند. آنها درآمد زیادی دارند و از منابع مالی قدرتمندی برخوردارند. اما بدهی گران تمام میشود و برخی سرمایهگذاران در حال از دست دادن صبر خود هستند.
اگر تقاضای آینده برای قدرت پردازشی مراکز داده کاهش پیدا کند، شرکتها همچنان موظف خواهند بود بدهیهایی را که گرفتهاند بازپرداخت کنند.
علاوه بر این، با انتقال این وامها از طریق سازوکارهای مختلف مالی، ریسکها به بخشهای دیگر اقتصاد نیز سرایت میکنند.
تراشههای هوش مصنوعی هزینههای جدیدی به شرکتها تحمیل میکنند
پوشش دادن صرفاً هزینه هنگفت ساخت مراکز داده جدید کافی نخواهد بود. هایپراسکیلرها باید هزینه فزاینده سرمایه را نیز بپردازند؛ چراکه برای تأمین مالی پروژههای خود، بدهی بیشتری دریافت میکنند.
آنها به بازدهی نیاز دارند که آنقدر چشمگیر باشد که بتواند تمام این هزینهها را برای سرمایهگذاران و اعتباردهندگان توجیه کند.
در کنار این نگرانیها، شرکتها باید استهلاک میلیاردها دلار تراشهای را که درون این مراکز داده قرار گرفتهاند نیز جبران کنند؛ موضوعی که مانند یک بمب ساعتی مدفون در دل این سرمایهگذاریها عمل میکند.
عملکرد تراشههای گرانقیمت GPU که در قلب مراکز داده قرار دارند و تجهیزات محاسباتی که حدود ۶۰ درصد از هزینهها را تشکیل میدهند، تقریباً هر دو سال دو برابر میشود.
سرعت این پیشرفت به توضیح افزایش چشمگیر توانایی مدلهای هوش مصنوعی کمک میکند، اما هزینه خودش را نیز دارد.
مالکان مراکز داده هوش مصنوعی که امسال و سال آینده وارد مدار میشوند، اگر بخواهند تا پایان این دهه رقابتی باقی بمانند، باید میلیاردها دلار بیشتر برای نسل بعدی تراشهها هزینه کنند.
خطر تبدیل مراکز داده به داراییهای بلااستفاده
میهیر کشیرساگار از مرکز سیاست فناوری اطلاعات دانشگاه پرینستون میگوید بدون این سرمایهگذاریها، مراکز داده در معرض خطر تبدیل شدن به غولهایی قرار دارند؛ داراییهای بلااستفادهای که در نقاط مختلف پراکنده شدهاند.
اگر بخواهیم خیلی صریح بگوییم، شرکتهای هوش مصنوعی باید شروع به کسب درآمد بسیار بیشتری کنند و باید این کار را سریع انجام دهند.
اما حتی افزایش درآمدها بهتنهایی برای حفظ سرمایهگذاریهای این شرکتها در مراکز داده در بلندمدت کافی نخواهد بود.
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
