افزایش چشمگیر هزینه‌ها در تب داغ هوش مصنوعی؛ جهش قیمت تراشه‌ها، سرورهای ابری و نرم‌افزارها

شرکت‌های OpenAI و Anthropic به‌همراه بزرگ‌ترین ارائه‌دهندگان خدمات ابری در رقابتی فشرده برای ساخت مدل‌های قدرتمندتر هوش مصنوعی به سر می‌برند و برخی از پیشگامان این حوزه برای تأمین مخارج سنگین خود به جذب سرمایه‌های کلان خارجی روی آورده‌اند. در این میان، سازمان‌هایی که خارج از این رقابت مستقیم قرار دارند اما با حداکثر سرعت در حال به‌کارگیری هوش مصنوعی هستند نیز با افزایش ملموس قیمت تراشه‌های حافظه، سرورهای اختصاصی پردازنده گرافیکی (GPU) و اشتراک‌های نرم‌افزاری دست‌وپنجه نرم می‌کنند.

شرکت Anthropic در اصلاحیه امیدنامه عرضه عمومی اولیه خود (IPO) در دوم نوامبر، از تعهدات خرید و اجاره‌ای به ارزش تقریبی ۸۹۵٫۴ میلیارد دلار پرده برداشت که تقریباً تمام آن به زیرساخت‌های محاسباتی اختصاص دارد. حدود ۲۱۴ میلیارد دلار از این تعهدات مشمول شرایط ویژه یا حق فسخ است و سررسید آن‌ها تا سال ۲۰۴۵ ادامه می‌یابد. این شرکت در ۹ ماه نخست سال ۲۰۲۶ درآمدی معادل ۳۳٫۲ میلیارد دلار گزارش کرده است. برخی از قراردادها Anthropic را ملزم می‌سازد هزینه منابع را «صرف‌نظر از میزان مصرف واقعی» بپردازد؛ یعنی حتی برای ظرفیت‌هایی که شرکت استفاده نکرده است نیز باید پرداخت کامل انجام شود. Anthropic در این گزارش تصریح کرده است: «ما باید پایگاه مشتریان خود را به‌سرعت گسترش دهیم و درآمدمان را بالا ببریم تا جریان نقدینگی لازم برای انجام این تعهدات تأمین شود.»

در تاریخ ۲۸ اکتبر، شرکت مادر گوگل یعنی آلفابت از منفی شدن جریان نقدینگی آزاد خود برای دومین فصل پیاپی خبر دادرویدادی که در پی مخارج سرمایه‌ای ۵۱٫۴ میلیارد دلاری در سه‌ماهه سوم ثبت شد. طبق گزارش بلومبرگ، این شرکت هم‌زمان با توسعه زیرساخت‌های هوش مصنوعی خود، در ماه اوت اقدام به فروش ۲۵ میلیارد دلار اوراق قرضه کرده است.

فشار هزینه‌ها اکنون به‌طور مستقیم بر بودجه سازمان‌ها نمایان شده است. بر اساس نظرسنجی اخیر پیرامون زیرساخت‌ها و محاسبات هوش مصنوعی، اکثریت پاسخ‌دهندگان (۵۶ درصد) اظهار داشتند که در ۱۲ ماه گذشته، ارائه‌دهندگان نرم‌افزار اقدام به وضع کارمزد اضافی برای هوش مصنوعی کرده‌اند، به بهانه این فناوری قیمت تمدید قرارداد را بالا برده‌اند یا قابلیت‌های قبلی سازمان را به پلن‌های گران‌قیمت‌تر انتقال داده‌اند. علاوه بر این، ۳۸ درصد از شرکت‌کنندگان، فراتر رفتن هزینه‌ها از بودجه مصوب را دلیل اصلی تعویق، محدودسازی یا لغو پروژه‌های هوش مصنوعی خود در یک سال اخیر معرفی کردند؛ در حالی که تنها ۱۲ درصد از آن‌ها کمبود منابع محاسباتی را عامل توقف پروژه‌ها دانسته‌اند.

افزایش تا ۴۳ درصدی قیمت سرویس Microsoft 365 از اول ژوئیه

در میان شرکت‌هایی که حداقل با یکی از این تغییرات قیمتی از سوی ارائه‌دهندگان نرم‌افزار مواجه شده‌اند، ۴۰ درصد اعلام کردند که این هزینه‌های مازاد، ۱۰ درصد یا بیشتر از کل بودجه سالانه نرم‌افزاری آن‌ها را بلعیده است.

مایکروسافت در اول ژوئیه قیمت پایه برخی از اشتراک‌های تجاری Microsoft 365 را افزایش داد. این افزایش بها برای بسته‌های سازمانی شامل پیام‌رسان Teams بین ۵ تا ۱۳ درصد و برای پلن Microsoft 365 F1 بدون Teams تا ۴۳ درصد گزارش شد؛ مایکروسافت این گرانی را به اضافه شدن ابزارهای نوین هوش مصنوعی، امنیت و مدیریت پیشرفته مرتبط دانست. مشترکان تجاری فعلی، فارغ از نحوه خرید خود، این تغییر نرخ را در نخستین تمدید قرارداد پس از اول ژوئیه مشاهده خواهند کرد.

شرکت Salesforce نیز هم‌زمان با رونمایی از بسته‌های اختصاصی پلتفرم هوش مصنوعی Agentforce، قیمت پایه نسخه‌های Enterprise و Unlimited سرویس‌های ابری Sales Cloud، Service Cloud، Field Service و چند محصول تخصصی دیگر را از اول اوت ۲۰۲۵ با میانگین ۶ درصد افزایش قیمت همراه کرد و دلیل آن را «نوآوری‌های مستمر و ارزش چشمگیر ارائه‌شده به مشتریان» اعلام نمود.

تعهدات معوق ارائه‌دهندگان خدمات ابری به مرز ۲٫۵ تریلیون دلار نزدیک می‌شود

چهار غول خدمات ابری در تازه‌ترین گزارش‌های عملکرد خود، از مجموع تعهدات معوق (Backlog) حدود ۲٫۴۸ تریلیون دلاری خبر داده‌اند: مایکروسافت با ۶۷۷ میلیارد دلار، اوراکل با ۶۶۴ میلیارد دلار، آمازون با ۵۷۸ میلیارد دلار (عمدتاً از بخش AWS) و گوگل کلود با ۵۶۱ میلیارد دلار. این شرکت‌ها تعاریف حسابداری متفاوتی برای تعهدات معوق دارند و این ارقام قراردادهای غیرمرتبط با هوش مصنوعی را نیز در بر می‌گیرد. با این حال، ایمی هود (Amy Hood)، مدیر مالی مایکروسافت، در ماه ژانویه به تحلیلگران گفت که در آن مقطع زمانی، شرکت OpenAI به‌تنهایی حدود ۴۵ درصد از کل تعهدات تجاری مایکروسافت را تشکیل می‌داد. هم‌چنین روزنامه وال استریت ژورنال گزارش داد که OpenAI قراردادی پنج‌ساله به ارزش ۳۰۰ میلیارد دلار برای تأمین زیرساخت پردازشی با اوراکل به امضا رسانده است. در همین حال، تازه‌ترین گزارش مالی ارائه‌شده به سازمان بورس آمریکا توسط آمازون، نشان می‌دهد تعهدات OpenAI به سرویس AWS رقمی معادل ۱۳۸ میلیارد دلار است.

شرکت آلفابت پیش‌بینی مخارج سرمایه‌ای خود برای سال ۲۰۲۶ را بین ۱۹۵ تا ۲۰۵ میلیارد دلار تعیین کرده است و آنات اشکنازی (Anat Ashkenazi)، مدیر مالی شرکت، انتظار دارد این رقم در سال ۲۰۲۷ نیز افزایشی چشمگیر داشته باشد.

دو برابر شدن قیمت حافظه ظرف مدت ۱۲ ماه

مؤسسه پژوهشی گارتنر در گزارش ۲۱ اکتبر خود اعلام کرد: «طی ۱۲ ماه گذشته، تقاضای سنگین ناشی از تجهیز مراکز داده موجب شد قیمت تراشه‌های حافظه بیش از دو برابر افزایش یابد؛ موجی از افزایش بها که تأثیرات دومینووار آن به تمام زنجیره تأمین در بخش‌های ذخیره‌سازی، سرورها، شبکه‌سازی، کامپیوترهای شخصی و دستگاه‌های الکترونیکی سرایت کرده است.» جان دیوید لاولاک (John-David Lovelock)، تحلیلگر ارشد گارتنر، خاطرنشان کرد: «پیش‌بینی می‌شود اثر تورم حافظه تا پایان سال ۲۰۲۷ پایدار بماند و تنها پس از آن زمان، تثبیت نسبی قیمت‌های سخت‌افزار آغاز شود.»

ایمی هود در ۲۹ آوریل به سرمایه‌گذاران اعلام کرد که مایکروسافت مخارج سرمایه‌ای حدود ۱۹۰ میلیارد دلاری را برای سال تقویمی ۲۰۲۶ در نظر گرفته است که تقریباً ۲۵ میلیارد دلار از آن مستقیماً ناشی از افزایش بهای قطعات است. البته مایکروسافت در ماه ژوئیه به‌دلیل بازنگری در ساختار اجاره مراکز داده پیش‌بینی خود را به ۱۷۵ میلیارد دلار و سپس در ماه اکتبر با اشاره به تأخیر در دریافت ظرفیت‌های زیرساختی از پیمانکاران ثالث، رقم نهایی را به حدود ۱۷۰ میلیارد دلار تقلیل داد.

چهار نوبت افزایش قیمت پردازنده‌های گرافیکی رزروشده در AWS طی سال ۲۰۲۶

سرویس ابری آمازون (AWS) نرخ محصول پردازنده گرافیکی رزروشده خود موسوم به EC2 Capacity Blocks for ML را در ۴ ژانویه حدود ۱۵ درصد، در ماه آوریل برای برخی از پیکربندی‌ها نزدیک به ۱۰ درصد و در تاریخ اول ژوئیه حدود ۲۰ درصد افزایش داد. این شرکت بار دیگر در ۷ اکتبر تعرفه‌ها را برای بیشتر پیکربندی‌های گرافیکی در ایالات متحده حدود ۱۵ درصد بالا برد. در صفحه قیمت‌گذاری رسمی AWS قید شده که نرخ‌های رزرو به‌صورت مستمر و بر پایه عرضه و تقاضا تعدیل می‌شوند.

از میان ۱۲۸ سازمانی که دارای شتاب‌دهنده‌ها یا پردازنده‌های گرافیکی اختصاصی هستند، ۷۳ شرکت میزان بهره‌وری و استفاده مفید از این تجهیزات را در محیط عملیاتی ۵۰ درصد یا کمتر برآورد کرده‌اند؛ تنها ۱۳ سازمان نرخ بهره‌وری را بالای ۵۰ درصد اعلام کرده و ۴۲ شرکت نیز اصلاً معیاری برای سنجش آن ندارند. علاوه بر این، در میان ۱۱۴ سازمانی که منابع محاسباتی را از قبل رزرو می‌کنند، ۳۱ درصد تصریح کردند که بیش از یک‌چهارم کل بودجه محاسباتی آن‌ها صرف منابع رزروشده‌ای می‌شود که کاملاً دست‌نخورده و بدون استفاده رها شده‌اند؛ ضمن اینکه ۲۲ درصد نیز اطلاعی از وضعیت اتلاف منابع نداشتند.

پیش‌بینی گارتنر: رشد بیش از ۵ برابری هزینه استنتاج در گردش‌کارهای ایجنت‌محور تا سال ۲۰۲۸

با وجود اینکه قیمت هر توکن روندی کاهشی دارد و گارتنر انتظار دارد هزینه هر توکن تا سال ۲۰۳۰ حدود ۹۵ درصد سقوط کند، این مؤسسه در گزارش ۱۷ اوت خود پیش‌بینی کرد که هزینه کلی استنتاج هوش مصنوعی به ازای هر گردش‌کار ایجنت‌محور تا پایان سال ۲۰۲۸ بیش از ۵ برابر افزایش خواهد یافت.

ویل سامر (Will Sommer)، تحلیلگر ارشد گارتنر، در این زمینه اظهار داشت: «مدیران محصول نباید برای توجیه هزینه‌ها صرفاً به ارزان‌تر شدن توکن‌ها دل ببندند؛ زیرا هر نسل نوظهور از قابلیت‌های هوش مصنوعی نیازمند مصرف حجم بسیار بیشتری از توکن‌ها، آن هم در قالب مدل‌های پردازشی گران‌تر خواهد بود.»

هزینه‌های پنهان مهندسی و مدیریت سیستم‌ها

مدیریت زیرساخت‌های هوش مصنوعی به مهارت‌های مهندسی بسیار تخصصی نیاز دارد. سودهانشو بیست (Sudhanshu Bist)، معاون مهندسی زیرساخت در پلتفرم Upwork، در نشست تخصصی زیرساخت در سانفرانسیسکو تأکید کرد: «برنامه‌ریزی برای سرورهای گرافیکی و زیرساخت‌ها معادله‌ای فوق‌العاده پیچیده است. مدرن‌ترین تراشه‌ها در صورت نیاز فوری به‌راحتی در دسترس قرار نمی‌گیرند و ناچارید پیشاپیش تعهدات طولانی‌مدت ببندید. اما وقتی برای ساعات اوج مصرف منابع رزرو می‌کنید، این تجهیزات در ساعات کم‌مصرف معطل و خالی می‌مانند.» ول برکوویچی (Val Bercovici)، مدیر ارشد هوش مصنوعی در شرکت WEKA نیز مدیریت این تجهیزات را برای شرکت‌هایی که فعالیت اصلی‌شان متفاوت است، چالشی جدی دانست و گفت: «این سازمان‌ها یا نیروی نخبه کافی برای این کار ندارند، یا اساساً در حوزه کاری آن‌ها نیست که در مدیریت زیرساخت‌های محاسباتی به مهارت تخصصی دست پیدا کنند.»

علاوه بر این، تغییر دادن مدل‌های هوش مصنوعی نیازمند بازطراحی مهندسی است. در گزارش نظرسنجی تخصصی ارکستراسیون ایجنت‌ها، ۵۹ درصد از سازمان‌هایی که مدل هوش مصنوعی نرم‌افزار زنده خود را تغییر دادند، گزارش کردند که کارایی سامانه افت کرد و مجبور شدند برنامه را بازنویسی کرده یا دوباره به مدل قبلی بازگردند.

انتظار افزایش بودجه هوش مصنوعی در ۱۲۴ سازمان از میان ۱۵۶ شرکت

از میان ۱۵۶ شرکت حاضر در این بررسی، ۱۲۴ سازمان انتظار دارند بودجه هوش مصنوعی آن‌ها ظرف ۱۲ ماه آینده رشد کند و ۲۹ شرکت افزایش بیش از ۵۰ درصدی این بودجه را پیش‌بینی کرده‌اند. در میان این ۱۲۴ شرکت، تنها ۲۷ درصد ارزش واقعی هزینه‌کردها را بر اساس بازگشت مالی شفاف و قابل‌دفاع در برابر دپارتمان مالی می‌سنجند. در مجموع کل جامعه آماری، ۴۰ شرکت سودآوری مالی مستقیم را ملاک قرار می‌دهند، ۶۹ شرکت بهبود شاخص‌های عملیاتی مثل زمان صرفه‌جویی‌شده را اندازه می‌گیرند و ۴۰ شرکت نیز صرفاً بر مبنای صلاحدید مدیران ارشد و بدون سنجش دقیق رسمی بودجه تخصیص می‌دهند.

در سؤالی جداگانه درباره زیرساخت‌ها، ۲۱ درصد از پاسخ‌دهندگان اظهار داشتند که بازگشت سرمایه سخت‌افزاری را با دقت زیر نظر دارند. هم‌چنین از میان ۹۱ شرکتی که این ارزیابی را به‌شکل کامل یا مقطعی انجام می‌دهند، تنها ۳۴ درصد رقمی دقیق دارند که به تأیید رسمی تیم مالی سازمان رسیده است.

ریز هزینه‌های تحمیل‌شده به سازمان‌ها در عصر هوش مصنوعی

اقدامات کلیدی خریداران و مدیران برای مهار هزینه‌ها

• بررسی زمان‌بندی تمدید سرویس Microsoft 365: پیش از سررسید تمدید بعدی، پلن‌های مشمول افزایش قیمت را در سازمان خود شناسایی کنید؛ زیرا نرخ‌های بالاتر در نخستین تمدید پس از اول ژوئیه اعمال می‌شوند.

• ثبت و ارزیابی تغییرات اعمال‌شده از سوی فروشندگان نرم‌افزار: کارمزدهای اضافه هوش مصنوعی، افزایش نرخ تمدید قرارداد و انتقال امکانات به بسته‌های گران‌تر را به تفکیک هر ارائه‌دهنده رصد کنید.

• سنجش دقیق میزان بهره‌وری پیش از رزرو منابع پردازشی بیشتر: از میان ۸۶ سازمانی که نرخ استفاده از پردازنده‌های گرافیکی خود را ثبت کرده‌اند، تنها ۲۰ شرکت از سامانه‌های سنجش لحظه‌ای در سراسر ناوگان خود بهره می‌برند.

• بررسی تعرفه‌های پردازنده گرافیکی در AWS پیش از خرید: سرویس ابری آمازون نرخ‌های رزرو را به‌صورت دوره‌ای تغییر می‌دهد و تنها در سال جاری چهار بار تعرفه‌های خود را افزایش داده است.

• بودجه‌بندی ایجنت‌ها بر مبنای وظایف موفق: به گفته مؤسسه پژوهشی گارتنر، تمرکز صرف بر قیمت هر توکن دو عامل بنیادین هزینه را نادیده می‌گیرد: حجم مصرف واقعی توکن و نرخ موفقیت مأموریت‌های ایجنت.

• محاسبه نرخ بازگشت سرمایه با تأیید بخش مالی: از میان ۹۱ سازمانی که بازدهی زیرساخت‌ها را پیگیری می‌کنند، تنها ۳۴ درصد برآوردی دقیق دارند که به تأیید رسمی دپارتمان مالی سازمان رسیده است.

این نظرسنجی تخصصی در اکتبر ۲۰۲۶ میان متخصصان فعال در سازمان‌هایی با ۱۰۰ کارمند یا بیشتر و مشاوران سازمانی این حوزه انجام شده است. در مجموع ۱۷۲ پاسخ دریافت شد که ۱۵۶ مورد از آن‌ها واجد شرایط ارزیابی نهایی شناخته شدند. از میان پاسخ‌دهندگان نهایی، ۸۷ درصد از طریق پنل پژوهشی و ۱۰ درصد مشاورانی بودند که درباره سازمان‌های طرف قرارداد خود اطلاعات ارائه دادند.