زومیت: جنون سرمایهگذاری روی سختافزار گرانقیمت هوش مصنوعی، زنگ خطر را به صدا درآورده است؛ آیا جهان میتواند یک بحران مالی دیگر را تحمل کند؟
ژانویهی ۲۰۲۵، وقتی تیمی ناشناخته در چین با بودجهای ۵٫۶میلیوندلاری، مدل متنباز دیپسیک را با قدرت و کارایی همتراز مدلهای برتر آمریکایی منتشر کرد، انگار زلزلهای مهیب در والاستریت رخ داد و در کمتر از ۲۴ساعت ۵۸۸ میلیارد دلار از ارزش سهام انویدیا دود شد.
تجربهی دیپسیک اولین ترک را روی سد عظیمی انداخت که غولهای فناوری پشت آن تریلیونها دلار سرمایه انباشتهاند؛ اتفاقی که نشان میداد وابستگی شدید بازار به سختافزار گرانقیمت، چگونه میتواند به ریسکی مرگبار تبدیل شود.
طی چندسال گذشته، غولهای سیلیکونولی با وعدهی ساخت آیندهای جادویی، تریلیونها دلار را صرف خرید گرانترین تراشههای تاریخ و ساخت دیتاسنترهای مگاواتی کردهاند؛ اما پشت این ویترین جذاب و چتباتهای باهوش، بازی مالی جنونآمیز و پنهانی در جریان است.
پولها در چرخههایی بسته جابهجا میشوند و درآمدها حتی به گَرد پای هزینههای نجومی هم نمیرسند. حالا در میانهی سال ۲۰۲۶، سایهی شوم حباب داتکام و کابوس سقوط اقتصادی سال ۲۰۰۸، دوباره روی تالارهای شیشهای بورس سنگینی میکند.
آیا این کوه یخ تریلیون دلاری قرار است اقتصاد جهانی را به عصر طلایی بهرهوری پرتاب کند یا بهزودی غرقشدن سرمایهها در مرگبارترین حباب مالی تاریخ را به تماشا خواهیم نشست؟
حباب هوش مصنوعی چیست و آیا جنون داتکام تکرار میشود؟
وقتی صحبت از حباب هوش مصنوعی میشود، همه ناخودآگاه به یاد اواخر دههی نود میلادی و دوران جنونآمیز داتکام میافتند. در آن سالها، هر شرکتی که پسوند داتکام به نام خود میچسباند، بدون آنکه حتی یک دلار درآمد واقعی داشته باشد، میلیونها دلار ارزشگذاری میشد.
سرمایهگذاران با چشمپوشی کامل از معیارهای سنتی مانند جریان نقدی و سودآوری، مبالغ هنگفتی را به استارتاپهایی تزریق میکردند که صرفاً وعدهی تسخیر بازار آینده را میدادند؛ اما تحلیلهای آماری نشان میدهد که تب هوش مصنوعی در سال ۲۰۲۶، ماهیتی منحصربهفرد دارد و مقایسهی سادهی آن با دوران داتکام میتواند گمراهکننده باشد.
برخلاف کابلهای فیبر نوری قدیمی، پردازندههای امروز پیشاز رسیدن به سوددهی مستهلک میشوند
حباب هوش مصنوعی در واقع شکافی است بین وعدههای بزرگ این فناوری و واقعیتهای اقتصادی امروز. حباب زمانی شکل میگیرد که سرمایهگذاران، مسحور آیندهی ماشینهای هوشمند، پولهای هنگفتی را بهسمت استارتاپها و زیرساختهای هوش مصنوعی سرازیر میکنند، بیآنکه هنوز سودآوری یا کاربرد ملموسی در کار باشد.
در تبوتاب AI، ترس از جا ماندن در رقابت تکاملی، جایگزین منطق بازار میشود و این تصویر را القا میکند که رشد صنعت هوش مصنوعی پایانی ندارد؛ اما انتظارات بیشاز حد و اغراقآمیز هر لحظه ممکن است با برخورد به موانع سخت دنیای واقعی، مثل هزینههای بالای پردازش، کمبود انرژی و محدودیتهای تجاری، در هم بشکند.
اما پیشگامان فعلی هوش مصنوعی نظیر مایکروسافت، گوگل، انویدیا و متا برخلاف استارتاپهای پوشالی دههی نود، ترازنامههای مالی فوقالعاده قدرتمند و حاشیهی سود واقعی و مدلهای کسبوکار کاملاً اثباتشدهای در زمینههای دیگر مانند تبلیغات دیجیتال، خدمات ابری و سختافزار دارند.
طبق تحقیقات گستردهی مؤسسهی سرمایهگذاری آموندی، اگرچه سهام مرتبط با هوش مصنوعی رشد خیرهکنندهای را تجربه کردهاند، هنوز از ارزشگذاریهای لجامگسیخته و انفجاری پایان دههی نود خبری نیست.
برای مثال انویدیا باوجود ارزش بازار نجومیاش، درآمدهای واقعی و عظیمی از فروش تراشهها کسب میکند و ساختار مالیاش هیچ شباهتی به شرکتهایی مثل سیسکو در اوج حباب اینترنت ندارد؛ ولی اگر بهروی دیگر سکه نگاه کنیم، استارتاپهای هوش مصنوعی را میبینیم که در زیر سایهی این غولهای سودآور، سرمایه میسوزانند.
شرکتهایی مثل OpenAI با ارزشگذاری ۸۵۰ میلیارددلاری و رقیب اصلیاش آنتروپیک با ارزش ۹۶۵ میلیارددلاری، ارقامی را روی کاغذ ثبت کردهاند که هیچگونه تناسب منطقی با درآمدهای فعلی و توانایی تجاریسازیشان ندارد.
در مرحلهی بعد در دوران داتکام، شرکتها میلیاردها دلار خرج کابلهای فیبر نوری کردند و آنها را زیر اقیانوسها کشیدند. وقتی حباب ترکید، کابلها همانجا ماندند و دههها بعد همچنان استفاده شدند.
اما زیرساختهای فیزیکی هوش مصنوعی امروز مثل پردازندههایی که شرکتهای سراسر دنیا برای خریدشان صف میکشند، چرخهی عمر بسیار کوتاهی دارند. اگر این سختافزار ظرف چندسال درآمد مطلوبی خلق نکنند، مستهلک و ازردهخارج میشوند و یک دهه بعد کارایی خاصی نخواهند داشت.
حالا بهنظر میرسد اقتصاد جهانی تمام تخممرغهایش را در یک سبد چیده است؛ زیرا در سال ۲۰۰۰، پنج شرکت برتر فناوری نهایتاً ۲۵درصد از حجم بازار را در اختیار داشتند و امروز این پنج غول بیشاز ۳۰درصد از کل شاخص S&P 500 را به خود اختصاص دادهاند.
تمرکز شدید بازار بدین معنا است که اگر یکیاز ستونهای بزرگ فناوری دچار لغزش شود، موج آسیبهایش بسیار سریعتر از سقوط داتکام کل بدنهی اقتصاد جهانی را درهم خواهد کوبید.
برای اینکه بفهمیم حباب هوش مصنوعی چگونه مدام بزرگتر میشود و چرا تحلیلگران نسبت به پایداری موج فعلی تردید دارند، باید عینک حسابداری و اقتصاد کلان به چشم بزنیم و به لایههای پنهان مهندسی مالی در سیلیکونولی نفوذ کنیم. صنعت هوش مصنوعی با فرایندهای مالی عجیبی کار میکند که ریسکهای هولناکش را پشت چهرهی فناوریهای محبوب پنهان کردهاند:
هزینههای سرمایهای (CapEx): این واژه در ادبیات هوش مصنوعی به بودجههایی اشاره دارد که صرف خرید سرورها، تراشههای پردازشی فوقپیشرفته، سیستمهای خنککنندهی مایع در مقیاس صنعتی و ساخت دیتاسنترهای عظیم مگاواتی میشود.
مخارج بهحدی سنگیناند که بخش عمدهای از جریان نقدینگی عملیاتی غولهای فناوری را به خود اختصاص میدهند و اجازهی مانور در بخشهای دیگر را نمیدهند.
تأمین مالی چرخشی: یکیاز پرخطرترین و فریبندهترین استراتژیهای مالی دنیای هوش مصنوعی را جایی میبینیم که غولهای فناوری، روی بازیگرانی سرمایهگذاری میکنند که مشتری خودشان هستند.
ارائهدهندگان بزرگ زیرساخت ابری نظیر مایکروسافت و آمازون، میلیاردها دلار سرمایه را به حساب استارتاپهای مشهور هوش مصنوعی مانند OpenAI یا آنتروپیک واریز میکنند؛ ولی بهشرطی که استارتاپها دقیقاً همان پول را در قالب قراردادهای بلندمدت، برای اجارهی فضای ابری و توان پردازشی به شرکت مادر بازگردانند.
اکوسیستم بستهی صنعت هوش مصنوعی هیچ نقدینگی واقعی جدیدی بههمراه ندارد و فقط پولها در یک حلقهی بینهایت میچرخند تا درآمدهایی مصنوعی روی کاغذ ثبت شوند.
اعتبارات خصوصی و بانکداری سایه: استارتاپهای ارائهدهندهی خدمات ابری ثانویه که به آنها نئوکلاود میگویند، برای تأمین مالی خرید تراشههای گرانقیمت انویدیا، بهجای بانکهای سنتی به بازارهای اعتبار خصوصی و غیرشفاف رو میآورند و از آنها وامهای کلانی میگیرند.
نئوکلاودها همان تراشهها را که طبیعتاً تاریخ مصرف محدودی دارند، بهعنوان وثیقهی وامهایشان تعیین میکنند. طبق گزارش تحقیقی مؤسسهی وندربیلت، این ساختار وامدهی دقیقاً مکانیزم اوراق بهادار مبتنیبر وام مسکن را تداعی میکند که بحران مالی ۲۰۰۸ را رقم زد.
بسیاری از اوقات بدهیها و تعهدات در قالب نهادهای SPV نگهداری میشوند، موضوعی که شفافیت بازار را از بین میبرد. بدینترتیب سرمایهگذاران، تحلیلگران و سهامداران، تصویر اشتباهی از سلامت مالی شرکت میبینند و براساس اطلاعات ناقص تصمیم میگیرند.
نهادهای مالی دیگری مثل جیپی مورگان درآمد نقطهی سربهسر را حتی تا ۲ تریلیون دلار در سال برآورد کردند؛ درحالیکه کل درآمد تولیدشده در صنعت هوش مصنوعی تا سال ۲۰۲۵، بهزحمت به چند ده میلیارد دلار میرسید.
گروه دوم که نگاهی بسیار بدبینانهای به قابلیتهای ذاتی فناوری دارد، به نظریهی محدودیتهای بهرهوری و اقتصادی استناد میکند؛ برای مثال دارون عجماوغلو، اقتصاددان برجسته و برندهی جایزهی نوبل دانشگاه امآیتی، با مدلسازی دقیق وظایف نیروی کار تخمین میزند که در ۱۰سال آینده، اتوماسیونِ کمتر از ۵درصد مشاغل، توجیه اقتصادی خواهد داشت و تأثیر هوش مصنوعی بر رشد تولید ناخالص داخلی آمریکا، عددی ناچیز و کمتر از ۰٫۹ درصد خواهد بود.
جیم کوولو، رئیس بخش تحقیقات سهام گلدمن ساکس نیز با عجماوغلو همصداست؛ او استدلال میکند که هوش مصنوعی از اساس برای حل مسائل آنقدر پیچیدهای که هزینههای تریلیون دلاری را توجیه کند، طراحی نشده؛ کوولو فرضیهی کاهش مداوم هزینههای AI، مثل قانون مور در نیمههادیها را بهدلیل پیچیدگیهای ساخت فیزیکی تراشهها و محدودیتهای زنجیره زیر سؤال میبرد.
در نقطهی مقابل دو مکتب مخالف، جبههای قدرتمند از مشاوران مدیریت و مدیران فناوری صف کشیدهاند که به نظریهی گذار ساختاری و تحول بلندمدت باور دارند. تحلیلگرانی مانند جوزف بریگز میگویند هوش مصنوعی مثل برق یا موتور بخار، فناوری با کاربرد عمومی است.
در طول تاریخ همواره زیرساختهای عظیم و پرهزینه پیشاز کشف کاربردهای تجاری و انقلابی ساخته شدهاند و بهزعم گروه خوشبین به هوش مصنوعی، معیارهای ارزشگذاری سنتی نمیتوانند پتانسیل واقعی این فناوری را بسنجند.
مدافعان هوش مصنوعی میگویند ارزش افزودهی واقعی این فناوری نه با فروش حق اشتراک چتباتها؛ بلکه بهشکل کاهش شدید هزینههای عملیاتی سازمانها و افزایش تصاعدی بهرهوری نمایان خواهد شد.
شرکت مککینزی نیز تخمین میزند که هوش مصنوعی مولد با متحولکردن شیوهی انجام کارها میتواند ارزش اقتصاد جهانی را ۲٫۶ تا ۴٫۴ تریلیون دلار افزایش دهد؛ اما شوکهای ناگهانی بازار افت ارزش بازار انویدیا پساز معرفی دیپسیک نشان میدهد که خوشبینی تئوریک چقدر شکننده است.
بهعلاوه دنیای مالی با منطق کوتاهمدت کار میکند. اگر بازگشت سرمایه یک دهه زمان ببرد؛ اما قسط وامهای کلان فردا صبح سر برسد، وحشت از بحران نقدینگی، حباب را خیلی زودتر از شکوفایی فناوری خواهد ترکاند.
باتوجهبه شرایط بهشدت متزلزل بازارهای مالی در میانهی سال ۲۰۲۶، ناظران اقتصادی و سیاستگذاران بینالمللی خود را برای مواجهه با احتمالات مختلفی آماده میکنند که هریک از آنها میتواند مسیر آیندهی اقتصاد دیجیتال و معیشت تودههای مردم را بهکلی دگرگون کند.
در حالت اول با اصلاح متمرکز بخش فناوری مواجه میشویم؛ درستمثل الگوی حباب داتکام. در این سناریوی نسبتاً خوشبینانه، سرمایهگذاران بهآرامی و بدون ایجاد وحشت عمومی، سرمایههای خود را از بخش زیرساخت هوش مصنوعی خارج میکنند.
در ادامهی اصلاح متمرکز صنعت AI، ارائهدهندگان کوچک خدمات ابری که با وامهای سنگین و بدون پشتوانه تراشه خریدهاند، بهسرعت ورشکست میشوند. غولهای فناوری نیز مجبور میشوند ترمز هزینههای سرمایهای خود را بکشند و برای حفظ بقا، به تعدیل گستردهی نیروهایشان روی بیاورند؛ شبیه به آنچه در سال ۲۰۰۰ رخ داد.
ولی ازآنجاکه فعالیتهای اصلی غولهای فناوری، مانند تبلیغات گوگل و متا یا خدمات ابری مایکروسافت، همچنان سودآور و پایدارند، بحران در درون مرزهای صنعت تکنولوژی محصور میماند و صدمات آن به اقتصاد خرد مصرفکنندگان عادی و سیستم بانکی جهانی سرایت نمیکند.
ازآنجاکه امروزه صندوقهای بازنشستگی بزرگ، سرمایهگذاران نهادی و بانکهای تجاری نیز تا حد زیادی در اوراق بدهی و اعتبارات مرتبط با دیتاسنترها سرمایهگذاری کردهاند، هرگونه سقوط تقاضا یا کاهش ناگهانی ارزش سختافزار میتواند زنجیرهای از ورشکستگیهای مالی را رقم بزند.
درحالیکه سایهی وحشت بر سر بازارهای مالی سنگینی میکند، مدیران ارشد غولهای فناوری در تلاشاند حمایت سیاستمداران را بهدست آورند. هر دو جبههی غرب و شرق استدلال میکنند که اگر حباب هوش مصنوعی بترکد و شرکتها زمین بخورند، طرف مقابل، گوی سبقت را در نبرد تسلیحاتی دیجیتال خواهد ربود.
محققان هشدار میدهند که دولتها تحت هیچ شرایطی نباید طناب نجاتی بهسوی شرکتهایی پرتاب کنند که بهدلیل طمع سیریناپذیر و سوءمدیریت ریسک، اقتصاد را به لبهی پرتگاه میکشانند. بهجای اینکه مالیاتدهندگان هزینهی رؤیاهای سیلیکونولی را بپردازند، شرکتهای درگیر باید فرآیند طبیعی بازسازی و ورشکستگی خود را طی کنند.
برخی تئوریسینهای اقتصادی پیشنهاد میدهند نسخهای مدرن از قانون گلس-استیگال برای صنعت هوش مصنوعی اجرا شود. همانطور که در دههی ۱۹۳۰ برای جلوگیری از فروپاشی زنجیرهای اقتصاد، بانکداری تجاری را از بانکداری سوداگرانه جدا کردند، امروز هم مرز میان مالکان دیتاسنترها و توسعهدهندگان مدلهای هوش مصنوعی مشخص شود.
تا زمانی که ارائهدهندگان بزرگ زیرساخت ابری بتوانند مالکیت استارتاپهای نرمافزاری را در اختیار داشته باشند، ماشین خلق درآمدهای مصنوعی و تأمین مالی چرخشی به کار خود ادامه خواهد داد. گروهی از کارشناسان تندرو حتی برای دهها دیتاسنتر عظیم و نیمهکارهای که پساز ترکیدن حباب هوش مصنوعی در سراسر جهان رها میشوند نیز برنامهریزی میکنند.
سارا مایرز وست، مدیر اجرایی مؤسسه AI Now، معتقد است که در صورت ورشکستگی گسترده، دولتها باید دیتاسنترهای رهاشده را بهعنوان داراییهای سرگردان ملی اعلام کنند تا دانشمندان، دانشگاهها و پژوهشگران مستقل بتوانند از توان پردازشی عظیمشان برای تحقیقات واقعی در راستای منافع عمومی جامعه بهرهمند شوند.
هوش مصنوعی بدون شک شیوهی کار و زندگی ما را بازتعریف خواهد کرد؛ اما مشخص نیست ناترازی میان سرمایههای تریلیون دلاری و درآمدهای اندک تا چه زمانی ادامه داشته باشد. شاید باید منتظر اصلاحی تاریخی و تلخ باشیم که واقعگرایی، منطق و توازن را به دنیای فناوری بازمیگرداند.
شاید هم سالها بعد وقتی به پشت سرمان نگاه میکنیم، این روزها را نه انقلاب هوش مصنوعی بدانیم و نه حباب؛ چون آینده را فناوریهایی میسازند که پساز بحران نیز نیاز واقعی مردم را حل میکنند.