هوش مصنوعی و پرسش ۳ تریلیون دلاری: سرمایهگذاریها به کجا ختم میشوند؟
با افزایش هزینههای زیرساخت هوش مصنوعی به ۱.۵ تریلیون دلار در سال ۲۰۲۶، تحلیلگران هشدار میدهند که برای توجیه این سرمایهگذاریها به ۳ تریلیون دلار درآمد نیاز است. شکاف عمیق میان این رقم و درآمدهای فعلی شرکتهای پیشرو، پرسشهایی جدی درباره حباب هوش مصنوعی و پیامدهای آن برای اقتصاد جهانی ایجاد کرده است.
در حالی که غولهای فناوری میلیاردها دلار به زیرساخت هوش مصنوعی تزریق میکنند، یک پرسش ۳ تریلیون دلاری ذهن تحلیلگران را به خود مشغول کرده است: آیا این سرمایهگذاریهای عظیم هرگز بازخواهند گشت؟
به گزارش TechCrunch، دیوید کان (David Cahn)، شریک شرکت سرمایهگذاری Sequoia، از نخستین افرادی بود که ریاضیات پشت ولخرجی سیلیکون ولی در حوزه هوش مصنوعی را روی کاغذ آورد. او سه سال پیش با استناد به درآمد ۵۰ میلیارد دلاری Nvidia از فروش GPU در یک سال، محاسبه کرد که با احتساب هزینههای جاری مراکز داده و سود اپراتورها، برای بازپرداخت این سرمایهگذاری اولیه به ۲۰۰ میلیارد دلار درآمد نیاز است. حالا و پس از سه سال رشد انفجاری، کان هزینههای زیرساخت هوش مصنوعی در سال ۲۰۲۶ را ۱.۵ تریلیون دلار برآورد میکند و معتقد است که صنعت هوش مصنوعی باید ۳ تریلیون دلار درآمد کسب کند تا این هزینهها توجیهپذیر باشند.
این در حالی است که حتی این رقم نیز احتمالاً کمتر از مقدار واقعی است. کان هشدار میدهد که افزایش قیمت حافظه و استفاده فزاینده از تراشههای خاص استنتاج (inference)، هزینهها را بالاتر خواهد برد. او میگوید: «اخیراً درآمد مورد نیاز به ازای هر گیگاوات ظرفیت، به دلیل گلوگاههای جدید و رشد هزینههای ساخت، به شدت افزایش یافته است.»
در سوی دیگر معادله، درآمدهای شرکتهای پیشرو هوش مصنوعی قرار دارد. بر اساس گزارشها، درآمد سالانه تکرارشونده (ARR) شرکت Anthropic به ۶۰ میلیارد دلار رسیده و OpenAI نیز در سال ۲۰۲۵ درآمدی ۱۳ میلیارد دلاری (با نرخ تکرارشونده ۲۰ میلیارد دلار در پایان سال) ثبت کرده است. اما با وجود این ارقام چشمگیر، شکافی بزرگ بین درآمدهای فعلی و ۳ تریلیون دلار مورد نیاز وجود دارد.
تورستن اسلاک (Torsten Slok)، اقتصاددان ارشد شرکت مدیریت دارایی Apollo، به تازگی در یادداشتی به این شکاف پرداخته و اشاره کرده که ابرمقیاسسازها (hyperscalers) یعنی Google، Meta، Microsoft و Amazon همگی انتظار دارند جریان نقدی آزادشان در سال ۲۰۲۸ به شدت افزایش یابد و سرمایهگذاریهایشان در تراشهها سرانجام بازدهی داشته باشد. اما چه میشود اگر این پیشبینیها محقق نشود؟
اسلاک به یک خطر کلیدی اشاره میکند: روی آوردن سازمانها به مدلهای متنباز و ارزانتر (اغلب چینی) و کاهش کلی قیمت توکنها. سم آلتمن (Sam Altman)، مدیرعامل OpenAI، اعلام کرده که جدیدترین مدل این شرکت در وظایف کدنویسی ۵۴٪ کارآمدتر از نسل قبل عمل میکند. این برای کاربرانی که نگران هزینههای ایجنتهای هوش مصنوعیشان هستند عالی است، اما برای شرکتهایی که «کارخانههای توکن» ساختهاند، خبر خوبی نیست — مگر اینکه مصرف توکن به طور سرسامآوری افزایش یابد.
اسلاک هشدار میدهد که اگر ابرمقیاسسازها نتوانند به اهداف جریان نقدی خود برسند، واکنش بازار میتواند وخیم باشد. او مینویسد: «با توجه به اینکه افت و خیز بازار به شدت به تعداد محدودی شرکت گره خورده، یک بازپرداخت کندتر نه فقط یک مشکل بخشی، بلکه ریسکی برای کشاندن اقتصاد به رکود و ورود شاخص S&P 500 به فاز اصلاحی خواهد بود.»
این هشدارها در حالی مطرح میشود که سرمایهگذاران و فعالان صنعت فناوری با تبوتاب به دنبال کاربردهای درآمدزای هوش مصنوعی هستند. پرسش ۳ تریلیون دلاری نه فقط آزمونی برای مدلهای کسبوکار، بلکه محکی برای تابآوری کل اقتصاد دیجیتال است. آیا نوآوریهای هوش مصنوعی میتوانند به اندازهای ارزش خلق کنند که این اعداد نجومی را توجیه کنند؟ یا با حبابی روبهرو هستیم که ترکیدنش لرزه بر پیکر بازارهای جهانی خواهد انداخت؟