دردسر ۲.۵ تریلیون دلاری هوش مصنوعی؛ آیا حذف ۲۵۰ میلیون شغل تنها راه نجات سرمایهگذاران است؟
تب تند سرمایهگذاری روی زیرساختهای هوش مصنوعی از مرز ۲.۵ تریلیون دلار گذشته، اما حسابوکتابهای مالی نشان میدهند این صنعت برای بازگشت سرمایه با چالشی باورنکردنی روبهرو است. طبق بررسیهای جدید، هوش مصنوعی برای جبران این هزینههای نجومی چارهای جز جایگزینی معادل ۲۵۰ میلیون شغل تماموقت ندارد؛ بحرانی نگرانکننده که شباهت عجیبی به روزهای پیش از ترکیدن حباب داتکام پیدا کرده است.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- سرمایهگذاری روی هوش مصنوعی به مرز ۲.۵ تریلیون دلار رسیده، در حالی که درآمد سالانه کل این صنعت در خوشبینانهترین سناریوها به زحمت به ۱۵۰ تا ۲۵۰ میلیارد دلار میرسد و این یعنی یک شکاف مالی وحشتناک.
- طبق محاسبات، هوش مصنوعی برای جبران این هزینهها باید بهرهوری یا جایگزینی معادل ۲۵۰ میلیون شغل ۱۰۰ هزار دلاری در سال ایجاد کند؛ رقمی نجومی که حتی از کل بازار کار غیرکشاورزی آمریکا (۱۵۹ میلیون نفر) هم بسیار فراتر میرود!
- تأمینکنندگان زیرساخت و مراکز داده در معرض بحرانی مشابه حباب داتکام هستند؛ در حالی که قیمت استفاده از مدلهای هوش مصنوعی مدام ارزانتر میشود، هزینه ساخت دیتاسنترها و استهلاک ۵ ساله تراشهها کمرشکن شده است.
- هوش مصنوعی برای بازگشت سرمایهگذاری ۲.۵ تریلیون دلاری فعلی، باید جایگزین ۲۵۰ میلیون شغل تماموقت شود.
- مدلهای هوش مصنوعی مدام ارزانتر و کارآمدتر میشوند، اما هزینههای سرسامآور سختافزارها اصلاً کاهش پیدا نکرده است.
- تأمینکنندگان زیرساختهای عظیم هوش مصنوعی ممکن است با کوهی از هزینههای کمرشکن تنها رها شوند.
از زمان عرضه چتجیپیتی (ChatGPT) در اواخر سال ۲۰۲۲، غولهای فناوری وارد یک رقابت تسلیحاتی تمامعیار شدهاند؛ مسابقهای جنونآمیز برای ساخت مراکز داده مقیاس بزرگ (Hyperscaler)، توسعه تراشههای اختصاصی و اتصال به شبکههای برق عظیم تا عطش بیپایان پردازش هوش مصنوعی سیراب شود.
حجم سرمایهگذاری توسعهدهندگان هوش مصنوعی در طول تاریخ فناوری بیسابقه بوده است. با این حال، پرسش کلیدی و بیپاسخی که رهبران فناوری اطلاعات، سرمایهگذاران و کارشناسان مدام مطرح میکنند این است: تمام این هزینههای نجومی در نهایت چگونه جبران خواهند شد و از کجا پرداخت میشوند؟
بررسی و تحلیل جدیدی از سوی مارین ایوزیچ (Marin Ivezic)، بنیانگذار شرکت اپلاید کوانتوم (Applied Quantum)، نشان میدهد که حسابوکتابها اصلاً جور درنمیآید. برای توجیه اقتصادی این سرمایهگذاری عظیم، بازار هوش مصنوعی باید سالانه حدود ۲.۵ تریلیون دلار درآمدزایی داشته باشد؛ رقمی که برآوردهای فعلی حتی به گرد پای آن هم نمیرسند.
هوش مصنوعی باید ۲۵۰ میلیون موقعیت شغلی را جایگزین کند
برآوردهای خوشبینانه درآمد سالانه کل صنعت هوش مصنوعی را در حال حاضر بین ۱۵۰ تا ۲۵۰ میلیارد دلار تخمین میزنند که نشاندهنده یک کسری چند تریلیون دلاری است.
ایوزیچ بر این باور است که هوش مصنوعی برای رسیدن به کف درآمد سالانه ۲.۵ تریلیون دلار، باید جایگزین یا ارائهدهنده بهرهوری معادل ۲۵۰ میلیون شغل تماموقت باشد؛ با این فرض پایه که حقوق و مزایای سالانه هر نیروی کار تماموقت حدود ۱۰۰ هزار دلار در نظر گرفته شود.
این کوه سرمایهگذاری ۲.۵ تریلیون دلاری از دو بخش تشکیل شده است: ۱.۵ تریلیون دلار که از سال ۲۰۲۲ تاکنون خرج خرید تجهیزات سختافزاری شده، و سالانه ۱ تریلیون دلار سرمایهگذاری تکمیلی جدید که مدام به این ساختار تزریق میشود. اما اینجا یک مشکل کوچک وجود دارد: کل بازار کار غیرکشاورزی در ایالات متحده تنها ۱۵۹ میلیون شغل دارد!
تأمینکنندگان زیرساخت نیز در هضم و جبران این هزینهها با بنبست جدی مواجه شدهاند. تراشههای هوش مصنوعی فوقپیشرفته تقریباً هر پنج سال یکبار قدیمی و منسوخ میشوند، اما طول عمر مراکز دادهای که این تراشهها درون آنها نصب شدهاند نزدیک به ۲۰ سال برآورد میشود؛ تناقضی فاحش که به هزینههای وحشتناک استهلاک منجر میشود. ایوزیچ این معضل را «قاعده ۵۰ سنت» مینامد؛ یعنی تأمینکنندگان به ازای هر یک دلاری که سرمایهگذاری میکنند، باید سالانه دستکم ۵۰ سنت درآمد ناخالص داشته باشند تا هزینهها جبران شود.
ماجرا زمانی پیچیدهتر میشود که میبینیم استفاده از مدلهای هوش مصنوعی با وجود جهش باورنکردنی در قابلیتها، روزبهروز ارزانتر میشود. برای نمونه، قیمت دسترسی به مدلهایی با سطح توانایی GPT-4 از سال ۲۰۲۲ تاکنون بیش از ۱۰۰ برابر افت کرده است؛ اما هزینههایی که تأمینکنندگان زیرساخت متحمل میشوند نهتنها کمتر نشده، بلکه روندی صعودی داشته است. این شیب معکوس، بازگشت سرمایه اولیه را برای سرمایهگذاران زیرساخت دشوارتر از همیشه کرده است.
ایوزیچ هشدار میدهد که این شرایط یادآور روزهای تلخ حباب داتکام است. درست همانطور که امروز تأمینکنندگان زیرساخت صورتحسابهای سنگین دنیای هوش مصنوعی را متقبل میشوند، در دوران رونق داتکام نیز شرکتهای مخابراتی ثروتهای نجومی را خرج کابلکشی شبکههای فیبر نوری کردند. اما در نهایت بیشتر آن شرکتهای مخابراتی هرگز موفق به زنده کردن سرمایه خود نشدند و در معروفترین نمونه، غول مخابراتی گلوبال کراسینگ (Global Crossing) ورشکست شد.
نکته اساسی ایوزیچ این است که در آن دوران، شرکتهایی که خدماتشان را روی آن زیرساختها بنا کردند به ثروتهای کلان رسیدند، اما کسانی که زیرساخت فیزیکی را ساختند و هزینه توسعه را پرداختند، با کوهی از بدهیهای سرسامآور و بدون هیچ راه فراری تنها ماندند.
این سرمایهگذاری ۲.۵ تریلیون دلاری در نهایت باید از جایی پرداخت شود و اکنون کل بازار زیرساخت هوش مصنوعی روی همین حباب ایستاده است. هوش مصنوعی مدام ارزانتر و پیشرفتهتر میشود و کسبوکارها راههای تازهای برای بهرهگیری از آن پیدا میکنند؛ اما هر رشدی نیازمند ثبات است، و تکیه زدن بر یک حباب لرزان هرگز معنای ثبات نمیدهد.
مطالب مرتبط و پیشنهادی

انقلاب بعدی در پایش سیستمها؛ چرا تصمیمگیری هوش مصنوعی به تلهمتری باکیفیت گره خورده است؟
سالهاست تیمهای فنی تصور میکنند جمعآوری حجم بالایی از دادهها و لاگها، پایش سیستمها و کنترل هوش مصنوعی را سادهتر میکند؛ اما امروزه انبوه دادههای پراکنده و هزینهبر به یک چالش بزرگ تبدیل شده است. اکنون نگاه مهندسان تغییر کرده و تمرکز اصلی روی پالایش هوشمند تلهمتری در همان سرچشمه است تا مدلهای هوش مصنوعی با دادههایی دقیق و قابلاعتماد تصمیمگیری کنند.

جذب سرمایه ۲۱ میلیون دلاری استارتاپ Opsin برای مهار خرابکاری ایجنتهای هوش مصنوعی در شرکتها
با هجوم گسترده کارمندان شرکتها به استفاده از ایجنتهای خودکار، نظارت بر رفتار این ابزارهای هوش مصنوعی از دست مدیران خارج شده و به یک کابوس امنیتی تبدیل شده است. حالا استارتاپ امنیت سایبری Opsin با جذب سرمایهای ۲۱ میلیون دلاری وارد میدان شده تا جلوی خرابکاریهای ناخواسته و دسترسیهای پرخطر ایجنتها به دادههای محرمانه سازمانها را بگیرد.

هشدار تند رئیس آنتروپیک: «سمت دوستدختر و پارتنر هوش مصنوعی نروید؛ این بدترین استفاده از فناوری است!»
دانیلا آمودی، رئیس شرکت آنتروپیک، با هشداری جدی از کاربران خواست دور روابط عاطفی با رباتها را خط بکشند و تأکید کرد شکلگیری پیوند عاشقانه با هوش مصنوعی، نهتنها تنهایی افراد را عمیقتر میکند، بلکه یکی از مخربترین و بدترین کاربردهای متصور برای این فناوری است.
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.