سه سال پیش، دیوید کان (David Cahn)، یکی از شرکای مجموعه Sequoia، جزو اولین افرادی بود که با انجام محاسبات دقیق ریاضی، رقمی را برای پیامدهای هزینههای غولآسای سیلیکون ولی در زمینه زیرساختهای هوش مصنوعی مشخص کرد.
به گزارش واضح به نقل از تککرانچ، او در سال ۲۰۲۳ به گزارش درآمد سالانه ۵۰ میلیارد دلاری انویدیا از فروش پردازندههای گرافیکی (GPU) واکنش نشان داد. او با شروع از این رقم و افزودن هزینههای ضمنی راهاندازی و مدیریت مراکز داده و همچنین حاشیه سود اپراتورهای آنها، نتیجه گرفت که برای جبران این سرمایهگذاری اولیه، به ۲۰۰ میلیارد دلار درآمد نیاز است.
افزایش سرسامآور هزینههای زیرساخت هوش مصنوعی در سال ۲۰۲۶
او این موضوع را به عنوان یک چالش مطرح کرد و از کارآفرینان خواست تا محصولات و خدمات هوش مصنوعی جدیدی را برای استفاده از این زیرساختها و تولید درآمد خلق کنند. اکنون با نگاهی به امروز و پس از گذشت سه سال از توسعه و مقیاسپذیری فوقالعاده سریع (Hyperscaling)، «کان» رقم جدیدی را برای هزینههای زیرساخت هوش مصنوعی در سال ۲۰۲۶ اعلام کرده است: ۱.۵ تریلیون دلار.
با در نظر گرفتن همه موارد، او محاسبه میکند که صنعت هوش مصنوعی باید ۳ تریلیون دلار درآمد کسب کند تا خرید این همه تراشه و سایر هزینههای مراکز داده توجیه اقتصادی داشته باشد. تازه این رقم احتمالاً کمتر از حد واقعی تخمین زده شده است؛ چرا که هزینههای رو به افزایش حافظه و استفاده فزاینده از تراشههای خاص یا تراشههای مخصوص استنتاج (Inference-specific)، این رقم را بالاتر نیز خواهد برد. او مینویسد: «اخیراً به دلیل پویایی این گلوگاهها و افزایش هزینههای ساختوساز، درآمد مورد نیاز به ازای هر گیگاوات هزینه سرمایهای (CapEx) به شدت افزایش یافته است.»
شکاف عمیق میان هزینههای سرمایهگذاری و درآمد شرکتهای بزرگ هوش مصنوعی
در طرف دیگر این ترازنامه، تصور میشود که Anthropic به نرخ درآمد سالانه (ARR) ۶۰ میلیارد دلاری دست یافته است، در حالی که گزارشها نشان میدهند OpenAI در سال ۲۰۲۵ حدود ۱۳ میلیارد دلار درآمد داشته است (اگرچه در نوامبر ۲۰۲۵، این شرکت اعلام کرد که نرخ درآمد سالانه آن به ۲۰ میلیارد دلار رسیده است) و احتمالاً در سال جاری درآمد بیشتری کسب میکند. با این حال، به وضوح شکاف بزرگی وجود دارد که باید پر شود.
کسی که به این شکاف توجه ویژهای دارد، تورستن اسلوک (Torsten Slok)، اقتصاددان ارشد شرکت آپولو (Apollo)، مدیر غولآسای دارایی است. او در یادداشتی اخیر اشاره میکند که شرکتهای بزرگ فناوری یا همان هایپراسکیلرها (شامل گوگل، متا، مایکروسافت و آمازون) همگی شتاب عظیمی را در جریان نقدینگی آزاد خود برای سال ۲۰۲۸ پیشبینی میکنند. به این معنی که آنها انتظار دارند بازگشت سرمایه حاصل از خرید تمام آن تراشهها را مشاهده کنند.
خطرات کاهش قیمت توکنها و مدلهای متنباز برای غولهای فناوری
اما اگر این اتفاق نیفتد چه میشود؟ اسلوک به ریسکی اشاره میکند که در حال حاضر در سراسر حوزه استفاده از هوش مصنوعی شاهد آن هستیم: سازمانهای بیشتری به سمت مدلهای متنباز (Open Weight) ارزانتر روی میآورند که اغلب چینی هستند، نه مدلهایی که توسط آزمایشگاههای پیشرو (Frontier Labs) ساخته شدهاند؛ و در نتیجه قیمت کلی توکن هوش مصنوعی در حال کاهش است. طبق گفته سام آلتمن، مدیرعامل OpenAI، آخرین مدل این شرکت در کارهای برنامهنویسی ۵۴ درصد در مصرف توکن بهینهتر عمل میکند. این موضوع برای کاربرانی که نگران هزینه کارگزاران هوش مصنوعی خود هستند خوب است، اما برای شرکتهایی که کارخانههای تولید توکن میسازند بد خواهد بود، مگر اینکه کاربران به طور چشمگیری میزان استفاده کلی خود از توکنها را افزایش دهند.
تهدید جدی اقتصاد جهانی و خطر رکود بازار
اسلوک نگران است که اگر هایپراسکیلرها به اهداف جریان نقدینگی خود نرسند، واکنش بازار میتواند بسیار شدید باشد. او مینویسد:
«با توجه به اینکه بخش زیادی از بازار به تعداد محدودی از نامهای بزرگ وابسته است، بازگشت سرمایه کندتر صرفاً یک مشکل بخشی نخواهد بود، بلکه خطر سوق دادن اقتصاد به سمت رکود اقتصادی و شاخص S&P ۵۰۰ به سمت یک اصلاح بزرگ را به همراه دارد.»
این دقیقاً همان نکتهای است که باید در حین هدایت کارگزاران هوش مصنوعی خود به سمت توکنهای ارزانتر، به خاطر داشته باشید.
آگهی فردا