تب ساخت دیتاسنترهای هوش مصنوعی؛ آیا سرمایه‌گذاران قربانی مازاد عرضه و استهلاک سریع تراشه‌ها می‌شوند؟
سرمایه‌گذاری بی‌سابقه در ساخت دیتاسنترهای هوش مصنوعی ممکن است با سبقت گرفتن از تقاضای واقعی بازار، برخی از حامیان مالی را متضرر کند. با این حال، تاریخ نشان می‌دهد که مازاد ظرفیت کوتاه‌مدت در نهایت به سود اقتصاد تمام خواهد شد و زیرساخت‌های لازم را برای نسل بعدی فناوری فراهم می‌آورد.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- برخلاف کابل‌های فیبر نوری، تراشه‌های پردازش هوش مصنوعی طول عمر تجاری کوتاهی دارند و با معرفی نسل‌های جدید، ارزش خود را با سرعتی سرسام‌آور از دست می‌دهند.
- مازاد ظرفیت دیتاسنترها با کاهش هزینه پردازش و اجاره، زمینه را برای ورود استارتاپ‌ها، آزمایش مدل‌های جدید و پیدایش کاربردهای نوآورانه هوش مصنوعی هموار می‌کند.
- بزرگ‌ترین ریسک سرمایه‌گذاران نه مازاد همیشگی، بلکه زمان‌بندی نادرست است؛ چراکه پیشی گرفتن بیش از حد از تقاضا می‌تواند شرکت‌های متکی به وام را به ورشکستگی بکشاند.
پرسشی که این روزها مدام در رسانه‌ها و میان فعالان بازار تکرار می‌شود این است: اگر تب ساخت دیتاسنترهای هوش مصنوعی از تقاضای واقعی فراتر برود، چه اتفاقی خواهد افتاد؟
نگاهی به دهه‌ها فراز و فرود موج‌های فناوری نشان می‌دهد که مسئله دیگر این نیست که آیا صنعت بیش از حد ظرفیت‌سازی خواهد کرد یا خیر؛ پرسش واقعی این است که پس از آن چه رخ خواهد داد.
در حال حاضر، غول‌های ارائه‌دهنده خدمات ابری (هایپراسکیلرها) و فهرست فزاینده‌ای از رقبای تازه‌نفس، مبالغ بی‌سابقه‌ای را صرف ساخت و توسعه دیتاسنترهای هوش مصنوعی می‌کنند.
مازاد ظرفیت موضوعی نیست که فعالان این صنعت تمایل چندانی به بحث علنی درباره آن داشته باشند، اما مرور تاریخ نشان می‌دهد که پرداختن به آن ضروری است.
در اواخر دهه ۱۹۹۰ میلادی، شرکت‌های مخابراتی با این تصور که ترافیک اینترنت هر چند ماه یک‌بار دو برابر خواهد شد، روی میلیون‌ها مایل فیبر نوری سرمایه‌گذاری کردند؛ اما چنین اتفاقی نیفتاد، یا دست‌کم با آن سرعت پیش نرفت. در سال ۲۰۰۱، بخش عمده‌ای از این ظرفیت به فیبر «تاریک» (بلااستفاده) تبدیل شد و شرکت‌هایی مانند گلوبال کراسینگ (Global Crossing) و ورلدکام (WorldCom) زیر بار بدهی‌های سنگین اعلام ورشکستگی کردند.
با این حال، این همه ماجرا نبود. همان پهنای باند مازاد زمینه را برای ظهور یوتیوب، نتفلیکس، رایانش ابری و گوشی‌های هوشمند فراهم کرد. به بیان دیگر، سرمایه‌گذاران اولیه متضرر شدند، اما اقتصاد به زیرساخت‌های حیاتی و بنیادین دست یافت. تب ساخت راه‌آهن در قرن نوزدهم نیز درس مشابهی به‌همراه دارد؛ شرکت‌ها بسیار جلوتر از تقاضای موجود دست به ساخت‌وساز زدند و بسیاری از آنها ورشکست شدند، اما ورشکستگی شرکت راه‌آهن به معنای بی‌استفاده ماندن خطوط ریلی نبود. درس تاریخی ماجرا این است: سرمایه‌گذاری ناموفق برای حامیان اولیه می‌تواند میراثی ارزشمند برای آینده به جا بگذارد.
اما این بار یک تفاوت اساسی وجود دارد
کابل‌های فیبر نوری می‌توانند دهه‌ها کارآمد باقی بمانند، اما خوشه‌های پردازنده گرافیکی (GPU) با چرخه تحول فناورانه بسیار سریع‌تری روبه‌رو هستند. نسل‌های جدید تراشه‌ها می‌توانند بسیار پیش از پایان عمر مفید پردازنده‌های قدیمی، آنها را از سنگین‌ترین و پیشرفته‌ترین پردازش‌ها کنار بزنند.
تراشه‌های دیتاسنتر هوش مصنوعی ممکن است تنها برای چند سال ارزش تجاری بالایی داشته باشند؛ چراکه ورود نسل جدیدی از سیلیکون‌ها جایگزین آنها می‌شود و استفاده از مدل‌های قدیمی را برای پردازش‌های پیشرفته غیراقتصادی می‌کند.
زیرساخت فیزیکی دیتاسنترها سرمایه‌گذاری بلندمدت به شمار می‌آید، اما تراشه‌ها عملاً تاریخ انقضا دارند و به‌سرعت مستهلک می‌شوند. اگر تقاضا کمتر از انتظارات باشد، دیتاسنتری با ظرفیت خالی با دو بحران هم‌زمان مواجه می‌شود: درآمد بسیار ناچیز و تجهیزاتی که روزبه‌روز از ارزش آنها کاسته می‌شود.
به همین دلیل، نحوه تأمین مالی نقشی تعیین‌کننده دارد. شرکت‌هایی که با اتکا به جریان‌های نقدی عظیم خود دست به احداث دیتاسنتر می‌زنند، تاب‌آوری بیشتری در برابر تخمین اشتباه تقاضا دارند؛ اما مجموعه‌هایی که به‌شدت به وام و بدهی یا قراردادهای اجاره وابسته به چند مشتری معدود تکیه کرده‌اند، بسیار آسیب‌پذیر خواهند بود.
سناریوی ایجاد ظرفیت مازاد چگونه رقم خواهد خورد؟
فرآیند ایجاد ظرفیت مازاد احتمالاً در چند مرحله رخ خواهد داد.
در گام نخست، قیمت‌ها افت می‌کنند و اجاره قدرت پردازشی ارزان‌تر می‌شود. مشتریانی که پیش‌تر در صف دریافت ظرفیت پردازشی منتظر می‌ماندند، اکنون قدرت چانه‌زنی بیشتری به دست می‌آورند. در این میان، استارتاپ‌ها و شرکت‌های کوچک‌تری که تا دیروز توان مالی لازم را نداشتند، فرصتی برای آزمون و خطا و توسعه پروژه‌های خود پیدا می‌کنند.
در مرحله دوم، بازیگران ضعیف‌تر با تنگناهای شدید مالی روبه‌رو خواهند شد و باید انتظار فروش اضطراری دارایی‌ها، ادغام شرکت‌ها و وقوع ورشکستگی‌ها را داشت.
در مرحله سوم، بازار تجهیزات دست دوم رونق می‌گیرد؛ چراکه خریداران در پی تخفیف و حتی خود شرکت‌های بزرگ، ظرفیت‌های پردازشی مازاد را با قیمت‌های پایین‌تر خریداری می‌کنند. پردازنده‌های گرافیکی قدیمی‌تر نیز به سمت کارهای سبک‌تر مانند استنتاج مدل‌ها (پاسخگویی هوش مصنوعی)، پردازش ویدیو و محاسبات علمی هدایت می‌شوند.
در مرحله چهارم، میراث زیرساختی بر جای خواهد ماند. حتی اگر برخی دیتاسنترها تعطیل شوند، خطوط انتقال نیرو، پست‌های برق و شبکه‌های فیبر نوری نصب‌شده برای آنها ناپدید نمی‌شوند. مناطقی که شبکه توزیع برق خود را تقویت کرده‌اند، با آغاز موج بعدی تقاضا دست بالا را خواهند داشت.
این سناریوی مازاد عرضه برای سرمایه‌گذاران منطقی است و بازدهی آنها می‌تواند به مراتب بیشتر از حالت‌های دیگر باشد؛ آن هم بدون در نظر گرفتن این احتمال که مازاد زیرساخت‌ها، خود تقاضای جدیدی را جذب کند و آغازگر چرخه بعدی فناوری شود.
چرا رایانش ارزان‌تر می‌تواند موتور تقاضا را روشن نگه دارد؟
در این میان، یک استدلال متقابل مهم وجود دارد که شایسته توجه است: افزایش بهره‌وری رایانش می‌تواند هزینه‌ها را کاهش دهد و استفاده گسترده‌تر را رقم بزند. اگر این تقاضای فزاینده بر میزان صرفه‌جویی حاصل از بهره‌وری غلبه کند، مصرف کل افزایش می‌یابد؛ پدیده‌ای که در اقتصاد با عنوان «پارادوکس جونز» (Jevons paradox) شناخته می‌شود.
تاریخ بارها ثابت کرده که ارزان‌تر شدن قدرت پردازش و ذخیره‌سازی، مسیر را برای کاربردهای نوآورانه گشوده است. هر بار که توان پردازش یا ذخیره‌سازی داده‌ها به میزان چشمگیری ارزان‌تر شده، کاربردهای تازه‌ای برای آن خلق شده است.
البته بهبود بهره‌وری در توسعه مدل‌های هوش مصنوعی ممکن است نیاز پردازشی برای یک وظیفه مشخص را کاهش دهد؛ اما دسترسی به هوش مصنوعی ارزان‌تر، افق‌های تازه‌ای برای کاربردهایی می‌گشاید که پیش‌تر بسیار هزینه‌بر بودند. از سوی دیگر، اجرای مدل‌ها (مرحله استنتاج و تولید پاسخ) در نهایت می‌تواند به چنان حجم عظیمی برسد که بار کاری فعلی دیتاسنترها در مقایسه با آن بسیار کوچک به نظر برسد.
در نتیجه، مازاد ظرفیت کنونی می‌تواند موقتی باشد؛ چراکه زیرساخت‌ها صرفاً زودتر از کاربردهایی آماده شده‌اند که قرار است از آنها بهره ببرند.
خطر اصلی در زمان‌بندی نهفته است
خطر اصلی این نیست که ظرفیت مازاد برای همیشه بی‌استفاده بماند؛ خطر در سبقت گرفتن بیش از حد از تقاضای بازار نهفته است، به طوری که شرکت‌های سازنده پیش از رسیدن تقاضا به مرز ورشکستگی کشیده شوند.
درست حدس زدن مقصد نهایی اما اشتباه در برآورد زمان‌بندی، تا کنون باعث سقوط شرکت‌های هوشمند و خوش‌آتیه فراوانی شده است.
برای یک مدیر ارشد یا سرمایه‌گذار در این حوزه، این پرسش‌های بنیادین باید در کانون توجه قرار گیرند:
- چه کسی بودجه ساخت را تأمین می‌کند و چه سهمی از آن به بدهی و وام اختصاص دارد؟
- مشتریان هر اپراتور دیتاسنتر تا چه اندازه متمرکز هستند؟
- سرعت افت ارزش تراشه‌ها در مقایسه با درآمد تضمین‌شده از قراردادهای مشتریان چقدر است؟
- دسترسی اپراتور به منابع انرژی چقدر پایدار است و این برق با چه قیمتی تأمین می‌شود؟
مازاد عرضه شاید آسیب‌های مالی به‌همراه داشته باشد، اما هرگز به پایان هوش مصنوعی ختم نخواهد شد؛ این اتفاق بیشتر شبیه به نوعی بازتنظیم (Reset) بازار است که برای برخی دردناک و برای برخی دیگر سودآور خواهد بود. مهم‌ترین درسی که از رونق‌های تاریخی گذشته می‌توان گرفت این است که زیرساخت تنها وسیله‌ای برای رسیدن به هدف است، نه خود هدف.
مطالب مرتبط و پیشنهادی
رکورد تاریخی هوش مصنوعی متا؛ اپلیکیشن میوز در ۴۰ روز به ۱۰ میلیون دانلود رسید
اپلیکیشن هوش مصنوعی جدید متا به نام میوز در ۴۰ روز نخست عرضه در آمریکا از مرز ۱۰ میلیون دانلود عبور کرد و به جمع معدود برنامه‌های تاریخ مانند تردز پیوست. داده‌های تازه نشان می‌دهند که این دستیار هوشمند نه‌تنها از رقبایی همچون چت‌جی‌پی‌تی سریع‌تر رشد کرده، بلکه نرخ حفظ کاربر بالاتری را نیز به ثبت رسانده است.
شکست ترفند متا در دادگاه؛ نام مدیران تأییدکننده دانلود غیرقانونی برای آموزش هوش مصنوعی فاش می‌شود
دادگاه با رد دفاعیات متا، این غول فناوری را موظف کرد نام مدیران ارشدی را که مجوز دانلود غیرقانونی ده‌ها ترابایت کتاب را برای آموزش هوش مصنوعی صادر کرده بودند، فاش کند. این تصمیم پس از اعتراف کارمندان مبنی بر نقش مستقیم مدیران در نقض کپی‌رایت گرفته شد.
نجات تاریخی سرباز مجروح با پهپاد سنگین؛ ایده تخلیه هوایی سرانجام به واقعیت پیوست
نیروهای اوکراینی موفق شدند برای نخستین بار یک سرباز مجروح را با استفاده از پهپاد سنگین از خط مقدم نبرد نجات دهند. این عملیات کم‌سابقه که با کمک سیستم‌های خودکار و پهپادهای مجهز به هوش مصنوعی انجام شد، گامی بزرگ در حوزه امدادرسانی هوایی و رباتیک نظامی به شمار می‌رود.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.