پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

حساب‌وکتاب هوش مصنوعی جور درنمی‌آید: درآمدها جوابگوی هزینه‌های نجومی زیرساخت نیست!

انتشار:۲۲ مهر ۱۴۰۵(۱ ساعت پیش)
۳ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

گزارش تکان‌دهنده گارتنر نشان می‌دهد سرمایه‌گذاری‌های سنگین در دیتاسنترهای هوش مصنوعی تا سال ۲۰۳۰ بسیار فراتر از درآمدهای حاصله خواهد بود. این عدم توازن مالی می‌تواند تا ۸۰ درصد از ارائه‌دهندگان خدمات ابری پردازنده‌های گرافیکی را به کام ورشکستگی یا خروج از بازار بکشاند.

حساب‌وکتاب هوش مصنوعی جور درنمی‌آید: درآمدها جوابگوی هزینه‌های نجومی زیرساخت نیست!

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • مؤسسه پژوهشی گارتنر پیش‌بینی کرده که تا سال ۲۰۳۰ حدود ۷ تریلیون دلار صرف زیرساخت هوش مصنوعی می‌شود، در حالی که درآمدهای حاصله حتی کفاف نیمی از هزینه‌ها را نخواهد داد.
  • برای بازگشت سرمایه منطقی به ۸.۵ تریلیون دلار درآمد نیاز است، اما پیش‌بینی شده که کل درآمدهای بازار حداکثر به ۳.۶ تریلیون دلار برسد.
  • پیش‌بینی می‌شود بیش از ۸۰ درصد از ارائه‌دهندگان ابری نوظهور پردازنده‌های گرافیکی به دلیل افت حاشیه سود و فشار هزینه‌ها تا پایان دهه از بازار حذف شوند.

سرویس‌های هوش مصنوعی احتمالاً تا سال ۲۰۳۰ درآمد کافی برای جبران هزینه‌های هنگفت زیرساختی را ایجاد نخواهند کرد؛ وضعیتی بحرانی که نشان می‌دهد بیش‌تر ارائه‌دهندگان ابری نوظهور (Neoclouds) یا از دور رقابت خارج می‌شوند یا توسط غول‌های فناوری خریداری خواهند شد.

این نتیجه‌گیری نگران‌کننده از تازه‌ترین ارزیابی مؤسسه پژوهشی گارتنر (Gartner) به دست آمده است. تحلیلگران این مؤسسه کل سرمایه‌گذاری‌های پیش‌بینی‌شده برای دیتاسنترهای هوش مصنوعی را در چند سال آینده محاسبه کرده و پس از مقایسه آن با درآمدهای مورد انتظار از کاربردهای هوش مصنوعی، متوجه شدند این اعداد و ارقام اصلاً با هم همخوانی ندارند.

داده‌های گارتنر برگرفته از گزارشی با عنوان «برای ادغام بازار هوش مصنوعی آماده شوید: کاهش ارزش دارایی‌ها ممکن است تا سال ۲۰۳۲ از ۴ تریلیون دلار فراتر برود» است؛ گزارشی که نشان می‌دهد هوش مصنوعی حداقل تا پیش از سال ۲۰۳۲ فروش کافی برای پوشش سودآور تمام هزینه‌های سرمایه‌ای نخواهد داشت. با این حال، از آنجا که افق پیش‌بینی‌های صنعت عموماً پایان دهه جاری را هدف می‌گیرد، گارتنر محاسبات خود را برای سال ۲۰۳۰ نیز ارزیابی کرده است.

ویل سامر (Will Sommer)، مدیر ارشد تحلیل در گارتنر، می‌گوید: «انتظار می‌رود در سال ۲۰۲۶ شرکت‌های فعال در حوزه هوش مصنوعی نزدیک به ۱ تریلیون دلار روی زیرساخت‌ها هزینه کنند و پیش‌بینی می‌شود بین سال‌های ۲۰۲۷ تا ۲۰۳۰ نیز ۶ تریلیون دلار دیگر به این سرمایه‌گذاری سنگین افزوده شود.»

او در ادامه توضیح می‌دهد: «با این حال، پژوهش‌های ما نشان می‌دهد درآمدهای سازمانی و مصرف‌کنندگان در حوزه هوش مصنوعی برای ایجاد بازده سودآور روی این حجم از مخارج سرمایه‌ای برنامه‌ریزی‌شده، به‌هیچ‌وجه کافی نخواهد بود.»

با فرض نرخ بازده سرمایه‌گذاری (ROIC) ۱۲ درصدی — که بسیاری از کسب‌وکارها آن را کف استاندارد و قابل‌قبول می‌دانند — گارتنر برآورد کرده که اپراتورهای دیتاسنترهای هوش مصنوعی برای پوشش مخارج سرمایه‌ای، هزینه‌های تأمین مالی و دستیابی به این سود، به ۸.۵ تریلیون دلار درآمد کل نیاز دارند.

اما متأسفانه پیش‌بینی‌ها حاکی از آن است که مجموع درآمدهای سازمانی و مصرف‌کننده مرتبط با دیتاسنترهای هوش مصنوعی در این بازه زمانی، حداکثر به ۳.۶ تریلیون دلار خواهد رسید؛ رقمی که شکاف مالی عمیقی با سرمایه‌گذاری‌های انجام‌شده دارد.

بازدهی بسیار کم‌تر از حد انتظار می‌تواند اپراتورها را ناچار کند ارزش دارایی‌های غیرقابل بازیافت خود را کاهش دهند؛ به‌ویژه به این دلیل که ورود مداوم پردازنده‌های گرافیکی (GPU) جدیدتر، سخت‌افزارهای قدیمی را با سرعتی بالا مستهلک و از رده خارج می‌کند.

پیامد مستقیم این وضعیت، یک غربالگری سخت و اساسی میان شرکت‌های ارائه‌دهنده خدمات زیرساخت هوش مصنوعی خواهد بود. گارتنر معتقد است ارائه‌دهندگان ابری نوظهور (Neoclouds) — یعنی شرکت‌های تخصصی که پردازنده‌های گرافیکی را در قالب سرویس اجاره می‌دهند — سنگین‌ترین آسیب را خواهند دید. این مؤسسه پیش‌بینی می‌کند که ۸۰ درصد از این شرکت‌ها تا پس از سال ۲۰۳۰ نتوانند به عنوان نهادهای مستقل به بقای خود ادامه دهند.

سامر در این رابطه تأکید می‌کند: «البته وضعیت برای همه بحرانی نیست؛ برخی فراتر از انتظار عمل خواهند کرد، عملکرد گروهی ضعیف خواهد بود و عده‌ای هم مجبور به خروج کامل از بازار می‌شوند.»

گارتنر پیش‌بینی می‌کند که غول‌های بزرگ فناوری (Hyperscalerها) طوفان این بحران را به مراتب بهتر تاب خواهند آورد، چرا که مدل تجاری و درآمدهای آن‌ها بسیار فراتر از خدمات هوش مصنوعی گسترده شده است.

سال گذشته نیز مؤسسه معتبر مکنزی (McKinsey & Company) هشدار داده بود که شرکت‌های ابری نوظهور برای جلوگیری از تبدیل شدن به یک عرضه‌کننده صرفِ کالاهای مصرفی، باید به سمت لایه‌های بالاتری از زنجیره ارزش هوش مصنوعی و ارائه خدمات متنوع حرکت کنند.

در حال حاضر نگرانی فزاینده‌ای در بازارهای مالی نسبت به حجم نجومی سرمایه‌های تزریق‌شده به پروژه‌های هوش مصنوعی به وجود آمده و برخی تأمین‌کنندگان مالی و وام‌دهندگان بزرگ را نسبت به ادامه مسیر مردد کرده است.

ماه گذشته، گروه سافت‌بانک (SoftBank) در تلاش برای جذب منابع مالی جدید جهت سرمایه‌گذاری روی اوپن‌ای‌آی (OpenAI)، با افزایش چشمگیر هزینه‌های استقراض و سود وام‌ها روبه‌رو شد.

مؤسسه مالی جفریز (Jefferies) نیز طی گزارشی اعلام کرد که شرکت‌های پیشرویی مثل OpenAI و آنتروپیک (Anthropic) به دلیل رقابت مدل‌های متن‌باز و مدل‌های چینی که با قیمت‌شکنی وارد بازار شده‌اند، در مسیر سودآوری با چالش‌های جدی مواجه هستند.

شرکت مشاوره مدیریت بین اند کمپانی (Bain & Company) هم در گزارش اخیر خود برآورد کرده که صنعت هوش مصنوعی برای حفظ زیرساخت‌های لازم تا سال ۲۰۳۱ به درآمد سالانه ۶ تریلیون دلار نیاز دارد؛ این گزارش نیز تأکید کرده که بدون خلق کاربردها و محصولات تحول‌آفرین جدید، با کمبود شدید درآمد روبه‌رو خواهیم شد.

علاوه بر این، نهادهای بین‌المللی مانند صندوق بین‌المللی پول (IMF) و بانک تسویه‌حساب‌های بین‌المللی نیز نسبت به تبعات ترکیدن احتمالی حباب هوش مصنوعی و موج‌های لرزه‌ای آن بر کل اقتصاد جهانی ابراز نگرانی کرده‌اند.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

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.

مطالب مرتبط و پیشنهادی

پایان عصر توسعه سنتی نرم‌افزار؛ ایجنت‌های هوش مصنوعی قواعد بازی برنامه‌نویسی را به هم ریختند!
آخرین اخبار

پایان عصر توسعه سنتی نرم‌افزار؛ ایجنت‌های هوش مصنوعی قواعد بازی برنامه‌نویسی را به هم ریختند!

دیگر دوران توسعه سنتی نرم‌افزار و چرخه‌های قدیمی SDLC برای سیستم‌های هوشمند به سر آمده است؛ چرا که ایجنت‌های هوش مصنوعی شبیه نرم‌افزارهای ثابت نیستند و رفتاری غیرقطعی و شبیه به انسان دارند. حالا شرکت‌ها برای مهار و به‌کارگیری این ایجنت‌ها باید چرخه‌ای کاملاً جدید به نام ADLC تعریف کنند و آن‌ها را نه مثل چند خط کد ساده، بلکه درست مانند کارمندان تازه استخدام‌شده آموزش دهند و مدیریت کنند.

۷ دقیقه مطالعه
۰
۲۲ مهر
چرا هوش مصنوعی به جای نجات سیستم درمان، دارد هزینه‌های پزشکی را نجومی‌تر می‌کند؟
آخرین اخبار

چرا هوش مصنوعی به جای نجات سیستم درمان، دارد هزینه‌های پزشکی را نجومی‌تر می‌کند؟

گزارش تازه مؤسسه فناوری سلامت پترسون نشان می‌دهد که ورود هوش مصنوعی به سیستم درمان، بدون اصلاح قوانین و ساختار پرداخت‌ها، نه‌تنها باری از دوش بیماران برنمی‌دارد، بلکه هزینه‌های پزشکی را نجومی‌تر می‌کند. در واقع اگر مشوق‌های مالی به سمت درمان واقعی هدایت نشوند، رویای تحول سلامت توسط هوش مصنوعی بر باد خواهد رفت.

۴ دقیقه مطالعه
۰
۲۲ مهر
سلاح مخفی غول‌های وکالت در رقابت هوش مصنوعی؛ وقتی کوه پرونده‌ها برگ برنده می‌شود
آخرین اخبار

سلاح مخفی غول‌های وکالت در رقابت هوش مصنوعی؛ وقتی کوه پرونده‌ها برگ برنده می‌شود

دفاتر بزرگ حقوقی بعد از دو سال خرج کردن برای اشتراک ابزار‌های مثل OpenAI و Harvey، حالا متوجه شده‌اند برگ برنده واقعی چیزی است که فقط خودشان دارند: کوهی از پرونده‌ها و دهه‌ها تجربه ناگفته وکلای کارکشته. این موسسات با سرمایه‌گذاری‌های صدها میلیون دلاری، در تلاشند چت‌بات‌ها و مدل‌های زبانی را با استراتژی‌های پیروزی در دادگاه و قلق‌های مخصوص به خودشان آموزش دهند تا برتری رقابتی بی‌نقصی در برابر رقبا بسازند.

۵ دقیقه مطالعه
۰
۲۲ مهر