شاخص نیمه‌هادی‌های فیلادلفیا: کاهش ۱۰ درصدی ارزش سهام فناوری

اگر شما از آن دسته سرمایه‌گذارانی هستید که هرماهه روی هر سهم مرتبط با AI شرط می‌بستید، باید بدانید که بازی تغییر کرده است. بازار دیگر با شنیدن کلمه «هوش مصنوعی» رشد نمی‌کند، بلکه تشنه‌ی دیدن اعداد واقعی در ترازنامه‌هاست.

شاخص نیمه‌هادی‌های بورس فیلادلفیا (Philadelphia Semiconductor Index) هفته گذشته ۱۰ درصد سقوط کرد و بدترین عملکرد خود را از آوریل ۲۰۲۵ تا امروز ثبت نمود. این ریزش نشان‌دهنده‌ی چرخی در دیدگاه معامله‌گران است؛ آن‌ها دیگر به خوش‌بینی کورکورانه اکتفا نمی‌کنند و به دنبال توجیهات ملموس برای هزینه‌های کلان زیرساختی هستند.

این نوسانات زمانی رخ می‌دهد که بازار متوجه یک حقیقت ساده شده است: مخارج عظیم برای خرید تراشه و ساخت مرکز داده (Data Center) — که شبیه ساخت جاده‌های اتوبان در دوران اولیه اینترنت است — باید در نهایت به سود خالص تبدیل شود تا ارزش فعلی شرکت‌ها توجیه گردد. این فشار بر زیرساخت‌ها در حالی رخ می‌دهد که بحران جهانی حافظه به دلیل مقیاس‌دهی سریع مدل‌های هوش مصنوعی خود به چالشی جدی برای زنجیره تأمین تبدیل شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی حباب‌های تکنولوژیک اشاره کردیم، فاصله میان «ساخت زیرساخت» و «کسب درآمد از محصول» همواره نقطه بحرانی هر موج فناوری است.

به گزارش بلومبرگ در تاریخ ۲۰ ژوئیه ۲۰۲۶، این موج فروش در کل بخش فناوری گسترده بود:

• شاخص نزدک ۱۰۰ (Nasdaq 100) در یک هفته ۴.۱ درصد کاهش یافت.
• بخش فناوری اطلاعات، بدترین عملکرد را در شاخص S&P 500 داشت که کلاً ۱.۶ درصد ریزش کرد.

این وضعیت در واقع یک «بررسی واقعیت» برای حباب هوش مصنوعی است. در روزهای نخست اینترنت، زیرساخت‌ها سریعاً ساخته شدند اما برنامه‌های درآمدزا دیرتر رسیدند؛ اکنون نیز مدل‌های زبانی بزرگ ساخته شده‌اند، اما ابزارهای کسب درآمد هنوز با سرعت کافی مقیاس‌پذیر نشده‌اند تا اشتهای بازار برای رشد را سیر کنند. این عدم قطعیت در بازار، حتی تصمیمات استراتژیک شرکت‌های پیشرو را تحت تاثیر قرار داده است؛ چنان‌که OpenAI در جریان ریزش سهام فناوری، مدل GPT-4.5 را برای آمادگی در مسیر GPT-5 حذف کرد.

برای یک سرمایه‌گذار عادی، این یعنی استراتژی «خرید در کف» (Buying the Dip) برای سهام AI ریسکی‌تر شده است. تمرکز بازار از اینکه «چه کسی بزرگ‌ترین مدل را می‌سازد» به این تغییر کرده که «چه کسی واقعاً از این مدل‌ها پول درمی‌آورد».

گام بعدی شما

• گزارش‌های مالی तिमाही (Quarterly Earnings) شرکت‌های سخت‌افزاری را با دقت رصد کنید.
• به جای تعداد GPUهای مستقر شده، روی نرخ رشد درآمد حاصل از ادغام‌های AI تمرکز کنید.
• سبد دارایی خود را از تمرکز مطلق بر سخت‌افزار به سمت شرکت‌های نرم‌افزاری با مدل درآمدی اثبات‌شده ببرید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.