اگر امروز مدیر یک شرکت فناوری هستید و بودجههای کلان را به زیرساختهای ابری اختصاص میدهید، باید بدانید که ریاضیاتِ بازگشت سرمایه در حال فروپاشی است. شکاف میان هزینههای سرسامآور سختافزاری و درآمدهای واقعی، صنعت را به سمت یک پرتگاه مالی میبرد. مبلغ خیرهکننده ۱.۱ تریلیون دلار، رقمی است که هایپراسکایلرها تا سال ۲۰۲۷ روی مراکز داده هوش مصنوعی شرطبندی کردهاند، اما محاسبات مربوط به بازگشت این سرمایه بهطور فزایندهای تحت فشار قرار گرفته است.
طبق گزارش ۱۶ سپتامبر ۲۰۲۶ از MIT Technology Review، مقیاس عظیم این مخارج در حال ایجاد یک پرتگاه مالی متزلزل برای کل صنعت است. این موج هزینهکرد در زمانی رخ میدهد که صنعت از مرحله استقرار آزمایشی به یک جستجوی مستأصلانه برای درآمدهای مقیاسپذیر تغییر مسیر داده است. همانطور که پیشتر پوشش دادیم، توسعهدهندگان با مهاجرت از OpenAI به جایگزینهای ارزانتری مانند Alibaba Qwen بهشدت در حال کاهش هزینهها هستند، اما ارائهدهندگان سختافزار و ابرهای زیربنایی، روی افزایش ظرفیت پافشاری میکنند. این وضعیت تضادی میان هزینه بالای محاسبات (Compute) و ارزش اقتصادی واقعی تولید شده توسط مدلها ایجاد میکند.
این وضعیت شبیه به ساختن یک اتوبان ۱۲ بانده در شهری است که هنوز کسی ماشین نخریده است؛ زیرساخت آماده است، اما جریان ترافیک (یا همان درآمد) هنوز به اندازه کافی سریع نیست تا هزینه ساخت را توجیه کند.
ریاضیات تریلیون دلاری
جسیکا واکتر، استاد امور مالی در دانشگاه پنسیلوانیا، مسیر هزینههای بزرگترین ارائهدهندگان ابری جهان را تحلیل کرد. او بهجای پیشبینی نحوه استقرار مدلها، بر روی «واقعیت تکاندهنده» سرمایهگذاریهای عظیم در مراکز داده تمرکز کرد. یافتههای او یک واقعیت عریان را برجسته میکند:
- مجموع هزینههای زیرساخت هوش مصنوعی انتظار میرود تا سال ۲۰۲۷ به نزدیکی ۱.۱ تریلیون دلار برسد.
- برای توجیه این حجم از هزینه، هایپراسکایلرها به افزایش فوقالعادهای در بهرهوری نیاز دارند.
- نرخهای رشد فعلی نشان میدهد که شرکتها ممکن است حتی تا سال ۲۰۳۰ به نقطه سربه (Break-even) نرسند.
زمینه: شکاف بهرهوری و ریسک دهه
این فشار مالی در زمانی رخ میدهد که صنعت با کاربرد واقعی مدلهای پیشرو (Frontier Models) دستوپنجه نرم میکند. در حالی که ساخت سختافزار قطعی است، جریانهای درآمدی همچنان در حد گمانهزنی باقی ماندهاند. شکاف میان هزینه ساخت «مغز» و ارزش خروجی آن، ریسک تعیینکننده این دهه است.
اگر جهش بهرهوری تا سال ۲۰۳۰ رخ ندهد، احتمالاً شاهد یک اصلاح عظیم در نحوه تامین مالی سختافزارهای AI خواهیم بود. شما باید دور بعدی گزارشهای سود سه ماهه هایپراسکایلرها را زیر نظر بگیرید تا ببینید آیا رشد درآمد واقعاً با این هزینههای سرمایهای همگام است یا خیر.
چرخش OpenAI به سمت دادههای زیستشناسی
در حالی که ریسکهای مالی بالا میرود، OpenAI سعی دارد با هدف قرار دادن بخش پزشکی، ارزشهای جدیدی خلق کند. OpenAI Foundation (بنیاد غیرانتفاعی مادر OpenAI) این هفته اعلام کرد که پروژهای را برای ایجاد مجموعهدادههای علمی باکیفیت تامین مالی میکند تا به هوش مصنوعی کمک کند تا در درمان بیماریها به پیشرفتهای بزرگی دست یابد.
این استراتژی که توسط روکساندرا تسلو، تحلیلگر سیاستگذاری پیشنهاد شده، شامل شرکت در مناقصات ورشکستگی شرکتهای بیوتکنولوژی شکستخورده است. OpenAI قصد دارد با تصاحب آنچه تسلو «آرشیو گمشده بیوتکنولوژی» مینامد، به موارد زیر دست یابد:
- پروندههای نظارتی دقیق (Regulatory Filings)
- استراتژیهای داخلی تولید
- دادههای حیاتی ایمنی حاصل از آزمایشهای شکستخورده
جنگ فلسفی بر سر سرعت توسعه و مقررات
فراتر از ترازنامههای مالی، یک جنگ فلسفی درباره سرعت توسعه AI در جریان است. جنسن هوانگ، مدیرعامل Nvidia و مارک زاکربرگ، مدیرعامل Meta، هر دو درخواستها برای کاهش هماهنگ سرعت توسعه AI را رد کردهاند.
هوانگ استدلال میکند که قوانین جدید ایمنی هوش مصنوعی غیرضروری هستند، در حالی که زاکربرگ ادعا میکند رقابت در بازار موثرترین محرک برای دستیابی به ایمنی است. این تنش به دولتها نیز رسیده است؛ جایی که رئیس FTC نسبت به اعطای معافیتهای ضد انحصار به شرکتهای AI هشدار داده است. این هشدار پس از درخواست خاص شرکت Anthropic برای دریافت معافیتهای ایمنی صادر شد. علاوه بر این، مدیرعامل انویدیا به شدت از درخواستها برای وضع قوانین جدید ضد انحصار انتقاد کرده است که نشاندهنده شکاف عمیق در ایالات متحده بر سر مقررات AI است.
ریسکهای وجودی و بحران اعتماد عمومی
با توانمندتر شدن مدلهای پیشرو، هشدارهای مربوط به انقراض بشر توسط AI در سیلیکونولی رایج شده است. MIT Technology Review اخیراً میزگردی با حضور نایل فرث (سردبیر اجرایی)، ویل داگلاس هِوِن (سردبیر ارشد AI) و گریس هاکینز (خبرنگار AI) برگزار کرد تا بررسی کنند که انقراض ناشی از AI واقعاً به چه معناست و چگونه میتوان این ریسکها را کاهش داد.
این نبودِ اجماع، به یک کسالت گستردهتر در اعتماد منجر شده است. پاتریک هیلمن، مدیر عملیاتی Logical Intelligence (استارتاپی به ریاست یان لکون)، اشاره کرد که «تنها نهادی که آمریکاییها ممکن است این روزها کمتر از واشینگتن به آن اعتماد کنند، سیلیکونولی است» و افزود که ایمان کمی به این شرکتها برای عمل در جهت منافع عمومی وجود دارد.
سیگنالهای پراکنده از صنعت
تحولات دیگر نشاندهنده چشماندازی تکهتکه است که در آن فناوری در مسیرهای کاملاً متفاوتی به کار گرفته میشود:
- امنیت سایبری: یک شرکت هک چینی از ابزارهای AI برای تبدیل دادههای سرقتی دولتی به گزارشهای اطلاعاتی استفاده میکند.
- بیوتکنولوژی: استارتاپ Generation Lab ادعا میکند درمان جوانسازیاش مانع گسترش سیستمیک پیری در جریان خون میشود. این شرکت بر اساس تحقیقات ایرینا کانبوی روی موشها، مدعی است ترکیبی از دو داروی موجود میتواند بافتها را جوان کند، هرچند از فاش کردن نام داروها خودداری میکند.
- علوم اعصاب: یک مغز دیجیتال مگس با نقشهبرداری از ۱۶۶ هزار نورون، برای ترید بیتکوین، رانندگی و بازی Doom آموزش دیده است.
- هرزنامه: پلتفرم iLand با استفاده از عاملهای هوش مصنوعی (AI Agents) — دستیارهای دیجیتالی که میتوانند بهجای کاربر تصمیم بگیرند و عمل کنند — در حال بازتعریف اسپم است و تاکنون ۱.۶ میلیون پیام ارسال کرده است. این در حالی است که برخی مطالعات اخیر نشان میدهند فقدان خلاقیت در این عاملها همچنان مانعی جدی برای خودبهبودی مدلهاست.
- سرگرمی: اولین سیتکام کاملاً تولید شده توسط AI با شکست مواجه شد و منتقدان شخصیتها را «مومهای بیروح» توصیف کردند.
تغییرات سیاسی و تکنولوژیک گستردهتر
خارج از حوزه AI، بخشهای دیگر نیز نوسانی هستند. در آسیا، ژانگ ییمینگ، بنیانگذار ByteDance، با ثروتی بیش از ۱۰۵ میلیارد دلار که حاصل رونق AI است، ثروتمندترین فرد منطقه شد. در همین حال، سنای آمریکا قوانین جدید کریپتو را به دلیل درگیری بر سر داراییهای دیجیتال دونالد ترامپ مسدود کرد؛ اقدامی که ضربه بزرگی به این صنعت تلقی میشود.
حتی ادبیات سیاسی نیز از جاهطلبیهای آیندهنگرانه تکنولوژی تقلید میکند. دونالد ترامپ برنامهای برای سامانه دفاع موشکی «گنبد طلایی» شامل شبکهای از حسگرها و رهگیرها اعلام کرده است. این پیشنهاد ۲۰۲۴ با طرح دفاع استراتژیک (SDI) رونالد ریگان در دهه ۸۰ میلادی مقایسه میشود که خود از فیلم «قتل در هوا» محصول ۱۹۴۰ الهام گرفته بود.
گام بعدی شما
- اگر در حوزه مدیریت محصول یا سرمایهگذاری هستید، شاخص «هزینه استنتاج در برابر درآمد کاربر» را به عنوان معیار اصلی ارزیابی ابزارهای AI قرار دهید.
- گزارشهای مالی سه ماهه شرکتهای Microsoft و Google را برای رصد نرخ رشد مراکز داده در برابر رشد درآمدات ابری دنبال کنید.
- در مورد استراتژیهای جدید جمعآوری داده (مانند مدل OpenAI در بیوتکنولوژی) تحقیق کنید تا بفهمید دادههای تخصصی چگونه جایگزین دادههای عمومی وب میشوند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو