در حالی که جهان فناوری طی دو سال گذشته بر کمبود تراشه‌های گرافیکی و محدودیت‌های شبکه برق متمرکز بود، رهبران دو غول نیمه‌رسانا یعنی اینتل و برودکام زنگ خطر جدیدی را به صدا درآورده‌اند. به باور آن‌ها، مانع اصلی پیشرفت هوش مصنوعی در سال‌های پیش رو نه محدودیت‌های فنی یا فیزیکی، بلکه «بحران تأمین سرمایه» و هزینه‌های غیرقابل‌پایدار زیرساخت‌ها خواهد بود.
تغییر پارادایم چالش‌ها: از کمبود تراشه تا بحران نقدینگی
از زمان انفجار محبوبیت هوش مصنوعی مولد در اواخر سال ۲۰۲۲، صنعت فناوری همواره با مجموعه‌ای از گلوگاه‌های ساختاری دست‌وپنجه نرم کرده است. ابتدا کمبود ظرفیت تولید تراشه‌های پیشرفته در کمپانی TSMC و تقاضای سرسام‌آور برای پردازنده‌های انویدیا مطرح بود، سپس محدودیت‌های تأمین برق و آب برای خنک‌سازی مراکز داده به تیتر اول رسانه‌ها تبدیل شد. با این حال، اظهارات اخیر رهبران اینتل (Intel) و برودکام (Broadcom) نشان می‌دهد که مرحله جدیدی از چالش‌های بنیادین آغاز شده است: مرحله‌ای که در آن جریان نقدینگی و ظرفیت بازارهای مالی توان پاسخگویی به اشتهای بی‌پایان هوش مصنوعی را ندارد.
چرا توسعه هوش مصنوعی تا این حد تشنه سرمایه است؟
ساخت، نگهداری و ارتقای زیرساخت‌های محاسباتی هوش مصنوعی به مبالغی فراتر از ظرفیت سنتی صنعت فناوری نیاز دارد. غول‌های ابری مانند مایکروسافت، آلفابت، متا و آمازون تنها در سال جاری ده‌ها میلیارد دلار صرف خرید سرورها و احداث دیتاسنترها کرده‌اند. ساختارهای مورد نیاز مدل‌های بزرگ زبانی (LLMs) هزینه‌های چندلایه‌ای دارند که مهم‌ترین آن‌ها عبارت‌اند از:
- خرید شتاب‌دهنده‌های محاسباتی: پردازنده‌های گرافیکی و تراشه‌های اختصاصی بخش عمده‌ای از بودجه‌های CapEx (هزینه‌های سرمایه‌ای) را می‌بلعند.
- زیرساخت‌های پیشرفته شبکه: اتصال هزاران تراشه با پهنای باند فوق‌العاده بالا نیازمند سوئیچ‌های اپتیکال و کابل‌کشی‌های بسیار پرهزینه است.
- تجهیزات تأمین انرژی و خنک‌کاری مایع: ایجاد نیروگاه‌های اختصاصی و سیستم‌های خنک‌کننده نوآورانه هزینه‌های تأسیساتی را چندبرابر کرده است.
| بخش هزینه | نقش در زیرساخت AI | وضعیت فشار مالی |
|---|---|---|
| تراشه‌های پردازشی (GPU/ASIC) | آموزش و استنتاج مدل‌ها | بسیار بالا و وابسته به چرخه ارتقای سالانه |
| انرژی و برق پایدار | تأمین توان مراکز داده چند گیگاواتی | نیازمند سرمایه‌گذاری بلندمدت در زیرساخت |
| شبکه‌سازی و اتصال متقابل | انتقال داده‌ها بین خوشه‌های سرور | هزینه‌های فزاینده به ازای هر گره جدید |
| تحقیق، توسعه و نرم‌افزار | بهینه‌سازی الگوریتم‌ها و خوشه‌بندی | هزینه سنگین جذب استعدادهای متخصص |
دیدگاه برودکام: ضرورت حرکت به سمت تراشه‌های سفارشی و بهینه‌سازی هزینه
هوک تن (Hock Tan)، مدیرعامل برودکام، همواره رویکردی متمرکز بر سودآوری و واقع‌گرایی مالی داشته است. او معتقد است تکیه صرف بر پردازنده‌های همه‌منظوره گران‌قیمت در بلندمدت برای کسب‌وکارها اقتصادی نخواهد بود. از دیدگاه برودکام، شرکت‌های بزرگ فناوری به ناچار باید به سمت طراحی تراشه‌های سفارشی (ASIC) حرکت کنند تا بتوانند هزینه نهایی پردازش هر توکن هوش مصنوعی را کاهش دهند؛ در غیر این صورت، رشد تصاعدی هزینه‌های عملیاتی حاشیه سود آن‌ها را از بین خواهد برد.
اینتل و چالش بزرگ تأمین مالی کارخانه‌های پیشرفته
از سوی دیگر، اینتل با چالش دوسویه‌ای روبه‌رو است. این کمپانی نه تنها باید تراشه‌های رقابتی برای پردازش هوش مصنوعی تولید کند، بلکه در حال پیشبرد جاه‌طلبانه‌ترین برنامه ساخت کارخانه‌های تراشه‌سازی (Foundry) در ایالات متحده و اروپاست. ساخت هر کارخانه پیشرفته تولید نیمه‌رسانا به بیش از ۲۰ میلیارد دلار سرمایه‌گذاری نیاز دارد. کمبود نقدینگی و افت سودآوری کوتاه‌مدت می‌تواند توان اینتل و سایر سازندگان را در توسعه هم‌گام با تقاضای بازار به‌شدت محدود کند.
هوش مصنوعی بدون زیرساخت فیزیکی معنا ندارد و زیرساخت فیزیکی نیازمند سرمایه‌ای است که حتی تریلیون دلاری‌های سیلیکون‌ولی نیز به تنهایی قادر به تأمین مداوم آن نیستند.
معمای بازگشت سرمایه (ROI) و بی‌صبر شدن وال‌استریت
یکی از دلایل اصلی مطرح شدن هشدار کمبود سرمایه، تغییر رفتار سرمایه‌گذاران و بازارهای مالی است. وال‌استریت اکنون فراتر از وعده‌های هیجان‌انگیز، به دنبال درآمدهای واقعی حاصل از هوش مصنوعی می‌گردد. در شرایطی که شرکت‌ها سالانه بیش از ۲۰۰ میلیارد دلار در زیرساخت‌های محاسباتی سرمایه‌گذاری می‌کنند، درآمد مستقیم ناشی از محصولات مبتنی بر هوش مصنوعی مولد هنوز فاصله زیادی با این ارقام دارد. عدم تطابق میان هزینه‌های سرسام‌آور اولیه و بازگشت سرمایه کند، می‌تواند جریان تأمین مالی را با افت ناگهانی مواجه کند.
پیامدهای این گلوگاه برای اکوسیستم فناوری
اگر هشدارهای مدیران اینتل و برودکام محقق شود، دنیای فناوری دستخوش تحولات زیر خواهد شد:
- کاهش شانس بقای استارتاپ‌های متکی بر مدل‌های پایه: تنها ابرشرکت‌های با پشتوانه مالی عظیم توان رقابت در آموزش مدل‌های نسل بعد را خواهند داشت.
- اولویت یافتن کارآمدی مدل‌ها به جای بزرگ‌تر کردن آن‌ها: توسعه‌دهندگان به سمت ساخت مدل‌های کوچک‌تر، تخصصی‌تر و بهینه‌تر سوق پیدا خواهند کرد.
- ائتلاف‌های مالی بزرگ با صندوق‌های حاکمیتی: غول‌های فناوری برای تأمین مالی دیتاسنترها بیش از پیش به صندوق‌های سرمایه‌گذاری دولتی و شرکای خارج از وال‌استریت وابسته خواهند شد.
جمع‌بندی
هشدارهای هم‌زمان غول‌های سخت‌افزاری نشان می‌دهد که ماه عسل هیجان اولیه هوش مصنوعی به پایان رسیده و صنعت وارد فاز انضباط مالی شده است. اکنون برندگان واقعی نه لزوماً شرکت‌هایی با بزرگ‌ترین مدل‌ها، بلکه بازیگرانی خواهند بود که بتوانند بیشترین بازده محاسباتی را با کمترین هزینه سرمایه‌ای ممکن خلق کنند.
سؤالات متداول
چرا مدیران اینتل و برودکام کمبود سرمایه را مانع اصلی هوش مصنوعی می‌دانند؟
زیرا ساخت دیتاسنترهای پیشرفته، خرید تراشه‌ها و تأمین انرژی نیازمند صدها میلیارد دلار بودجه سالانه است که ادامه این حجم از هزینه‌کرد بدون درآمدزایی متناسب، برای بازار مالی غیرممکن خواهد بود.
تفاوت گلوگاه فعلی با کمبود تراشه‌های سال‌های گذشته چیست؟
در گذشته مشکل اصلی ظرفیت تولید کارخانه‌ها و زنجیره تأمین فیزیکی بود، اما اکنون چالش اساسی توجیه اقتصادی و تأمین نقدینگی لازم برای خریدهای کلان زیرساختی است.
چگونه تراشه‌های سفارشی (ASIC) می‌توانند به حل این بحران کمک کنند؟
تراشه‌های سفارشی برای وظایف مشخص طراحی می‌شوند و نسبت به پردازنده‌های همه‌منظوره گران‌قیمت، مصرف برق کمتر و هزینه تمام‌شده پایین‌تری برای هر پردازش دارند.
آیا بحران سرمایه باعث توقف توسعه مدل‌های هوش مصنوعی خواهد شد؟
خیر، اما تمرکز صنعت را از ساخت مدل‌های غول‌پیکر و پرهزینه به سمت توسعه مدل‌های کوچک‌تر، بهینه‌تر و با بازده اقتصادی بالاتر تغییر خواهد داد.
