دردسر بانکهای والاستریت با بدهی ۳۸ میلیارد دلاری هوش مصنوعی؛ ماهها انتظار برای جذب خریدار!
تأمین مالی ۳۸ میلیارد دلاری برای ساخت دیتاسنترهای هوش مصنوعی اوراکل، بانکهای بزرگی مثل جیپی مورگان را با چالشی پیشبینینشده روبهرو کرده و فروش این بدهیها ماهها زمان برده است. این تأخیر طولانی نشان میدهد که تبوتاب والاستریت برای پذیرش بیچونوچرای ریسکهای مالی هوش مصنوعی فروکش کرده و سرمایهگذاران با وسواس بسیار بیشتری دست به جیب میشوند. گلوگاه بعدی توسعه زیرساختهای هوش مصنوعی شاید نه کمبود تراشه، بلکه همین محاسبات سختگیرانه مالی و هزینههای سرسامآور ساخت دیتاسنترها باشد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- بانکهای بزرگی مثل جیپی مورگان و امیوافجی (MUFG) برای تأمین مالی ساخت دیتاسنترهای متصل به اوراکل یک بسته بدهی عظیم ۳۸ میلیارد دلاری چیدند، اما پخش کردن و فروش این وام بین سرمایهگذاران ماهها خاک خورد و به درازا کشید.
- سرمایهگذاران دیگر مثل قبل چشمبسته ریسک نمیکنند؛ خطراتی مثل هزینههای سرسامآور ساختوساز، تأخیر در تأمین برق پایدار برای مزارع پردازشی و ریسک تمرکز بیش از حد روی چند غول ابری باعث شده خریداران طلب سودهای بالاتر و تضمینهای سفتوسختتری کنند.
- این ماجرا زنگ خطری جدی برای توسعه زیرساختهای فناوری است؛ ترمز بعدی پیشرفت هوش مصنوعی شاید کمبود پردازنده و تراشه نباشد، بلکه هزینههای سنگین وامها و ناتوانی بازار بدهی در هضم این پروژههای ابرسنگین باشد.
بانکهای جیپی مورگان (JPMorgan) و امیوافجی (MUFG) ماهها زمان صرف کردند تا بالاخره توانستند یک بسته بدهی غولپیکر ۳۸ میلیارد دلاری متصل به اوراکل را میان بیش از بیست وامدهنده توزیع کنند؛ اتفاقی معنادار که نشان میدهد اشتیاق بیپایان بازار برای بلعیدن ریسکهای بدهی هوش مصنوعی با محدودیتهای جدی مواجه شده است.
غولهای بانکی والاستریت، جیپی مورگان چیس و گروه مالی میتسوبیشی یوافجی، نزدیک به ۳۸ میلیارد دلار تسهیلات مالی را برای تأمین هزینههای ساختوساز دو ابرپردیس دیتاسنتری مرتبط با برنامههای توسعهای اوراکل هماهنگ کردند. اما ماجرا به این سادگیها نبود و توزیع این حجم عظیم بدهی در دل بازار، ماهها به درازا کشید.
یک معامله رکوردشکن که هضم آن برای بازار آسان نبود
فرایند توزیع این بسته تأمین مالیِ مرتبط با اوراکل نشان داد که بازارهای بدهی در برابر معاملاتی با این ابعاد و سرعت نجومی، تا چه اندازه دستبهعصا و گزینشگر شدهاند.
در سازوکار بانکی، تشکیل کنسرسیوم وام (یا همان سندیکای وام) یک رویه کاملاً استاندارد است. در این شیوه، یک بانک لیدر کل تسهیلات را هماهنگ و تنظیم میکند و سپس بخشهایی از آن را به سایر وامدهندگان و سرمایهگذاران میفروشد تا از بار ریسک خودش بکاهد و سرمایهاش را برای معاملههای بعدی آزاد کند.
بسته مالی متصل به اوراکل رقمی در حدود ۲۳.۲۵ میلیارد دلار را برای تأسیسات تگزاس و ۱۴.۷۵ میلیارد دلار را برای پروژهای در ویسکانسین پوشش میداد؛ تسهیلاتی با وثیقههای ممتاز و رتبه ارشد که مستقیماً به شرکت ونتیج دیتاسنترز (Vantage Data Centers) گره خورده است. خبرگزاری بلومبرگ گزارش داده که فرآیند پخش کردن این بدهی در میان بیش از دو جین بانک و سرمایهگذار ماهها به طول انجامیده و حتی کار به جایی رسیده که برخی وامدهندگان تا سال ۲۰۲۶ همچنان به دنبال مشتری برای واگذاری کمتر از ۱ میلیارد دلار از این بدهیها خواهند بود.
طبق گزارش بلومبرگ، نرخ بهره این بدهی حدود ۲.۵ واحد درصد بالاتر از نرخ شاخص پایه در ایالات متحده قیمتگذاری شده است. این تفاوت نرخ (اسپرد) هم به همان اندازه که ریسکهای بالای ساختوساز را منعکس میکند، بیانگر تقلا و تلاش سنگین برای جذب خریداران کافی است؛ هرچند تعیین سهم دقیق هرکدام از این دو عامل بیشتر یک برآورد تحلیلی است تا عددی ثبتشده در اسناد رسمی.
ریسکهای ناشی از ساختوساز پروژههای هوش مصنوعی فراتر از ارزیابی صرفِ اعتبار مالی اوراکل است. وامدهندگان در این مسیر با چالشهای پیچیدهای دستوپنجه نرم میکنند: ریسک تکمیل بهموقع پروژه، طولانی شدن روندهای اخذ مجوز، دسترسی به انرژی برق عظیم مورد نیاز، هزینههای سرسامآور تجهیزات پردازشی، و این فرض که آیا پس از بهرهبرداری کامل دیتاسنترها جریان نقدی مورد انتظار واقعاً محقق خواهد شد یا خیر.
وقتی تمرکز بیش از حد به دردسری بزرگ تبدیل میشود
طبق گزارشها، چندین بانک بزرگ با یک پارادوکس و تنش اساسی روبهرو شدهاند: آنها به ساختن موتور تأمین مالی هوش مصنوعی کمک کردند، اما حالا باید پیامدها و خروجی سنگین همان ماشینی را که خودشان راه انداختهاند، مدیریت کنند.
بلومبرگ و سایر رسانههای اقتصادی گزارش دادهاند که بانکهای جیپی مورگان، امیوافجی، مورگان استنلی و اسامبیسی (SMBC) به دنبال طراحی معاملاتی رفتهاند تا بخشی از ریسک وامهای سنگین هوش مصنوعی را به سرمایهگذاران بیرونی منتقل کنند، در حالی که ارتباط مستقیم خود را با این مشتریان دانهدرشت حفظ مینمایند. دلیل اصلی این اقدام آن است که سقفها و محدودیتهای داخلی بانکها برای تمرکز بیش از حد ریسک در حوزه هوش مصنوعی در حال فعال شدن و هشدار دادن است.
ریسک تمرکز (Concentration Risk) زمانی شعلهور میشود که چندین وامدهنده بزرگ بخش قابلتوجهی از داراییهای خود را به گروه محدودی از بدهکاران مشابه گره بزنند: یعنی غولهای ابری و پردازشی (هایپراسکیلرها)، توسعهدهندگان دیتاسنترها و مستأجران زیرساختهای هوش مصنوعی. در چنین وضعیتی، اگر هزینههای ساختوساز ناگهان بالا برود، اتصال به شبکه برق به تعویق بیفتد یا رشد تقاضا برای هوش مصنوعی کندتر از پیشبینیها باشد، زیانهای زنجیرهای و همزمان در چندین مؤسسه مالی به یک کابوس واقعی تبدیل خواهد شد.
گزارشها نشان میدهد که برای خرید بدهیهایی که ترازنامه بانکهای سنتی دیگر گنجایش نگهداری آنها را ندارد، پای صندوقهای اعتبارات خصوصی و سرمایهگذاران غیربانکی به میدان باز شده است. با این حال خریداران غیربانکی نیز در ازای پذیرش این ریسکهای مازاد، سودهای بهمراتب بالاتر، تعهدات انضباطی سفتوسختتر و سپرهای حفاظتی محکمتری طلب میکنند؛ موضوعی که اهرم چانهزنی و قیمتگذاری را از دست بانکهای اولیه خارج کرده است.
- بانکها: انتقال ریسک میتواند ظرفیت ترازنامههای مالی آنها را آزاد کند و نشان میدهد که هشدارهای سقف تمرکز ریسک کاملاً جدی شدهاند.
- صندوقهای اعتبار خصوصی: به عنوان مشتریان جایگزین برای بدهیهایی که بانکها نگه نمیدارند وارد میدان شدهاند و دست بالاتر را در تعیین قیمت و نرخ سود در اختیار دارند.
- توسعهدهندگان هوش مصنوعی: گرانتر شدن بدهی و هزینههای وام میتواند ساختوساز دیتاسنترها را به تعویق بیندازد یا بنیانگذاران را وادار به تزریق سرمایه نقدی بیشتری کند.
- توسعهدهندگان دیتاسنتر: پروژههایی که برق مصرفی پایدار خود را تضمین کردهاند و مستأجرانی با رتبه اعتباری ممتاز دارند، وضعیت بهمراتب مطمئنتری نسبت به ساختوسازهای ریسکی و حدسی دارند.
در نهایت، وامدهندگان بخش اعظم بسته ۳۸ میلیارد دلاری را توزیع کردند؛ بنابراین شکستخورده خواندن این پروژه برداشت اشتباهی از شواهد است. توصیف دقیقتر ماجرا، یک «اصطکاک پایدار در بازار» است؛ بازاری که برای هضم و بلعیدن یک معامله تأمین مالی با این مقیاس بیسابقه، مجبور شد بسیار سختتر از حد انتظار عرق بریزد.
مانع و ترمز بعدی بر سر راه ساخت زیرساختهای هوش مصنوعی شاید این بار نه با کمبود تراشه سر برسد و نه با محدودیتهای معماری مدلهای زبانی؛ بلکه ممکن است خود را در قالب وام ساختوسازی نشان دهد که توزیع آن ماهها معطل میماند، یا هزینههای سرسامآور تأمین مالی که توجیه اقتصادی احداث یک پردیس پردازشی جدید را عملاً ناممکن میسازد. بازارهای بدهی هنوز باز هستند و به فعالیت ادامه میدهند، اما با این تفاوت آشکار که حالا در پذیرش پروژهها و قیمتگذاری روی آنها، بسیار محتاطتر، سنجیدهتر و سرسختتر از گذشته عمل میکنند.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

ورود ایجنتهای هوش مصنوعی به خودروهای ریویان؛ وقتی دستیارهای هوشمند همسفر شما میشوند
ریویان قصد دارد با آوردن ایجنتهای پیشرفته هوش مصنوعی مثل کلود به خودروهای برقی خود، تجربه رانندگی را متحول کند. به گفته مدیرعامل این شرکت، خودروهای آینده ریویان دستیاری همهفنحریف خواهند داشت که حتی در کارهای شخصی و روزمره به راننده کمک میکند. جزئیات بیشتر این فناوری جذاب قرار است در رویداد تخصصی هوش مصنوعی ریویان در ماه دسامبر رونمایی شود.

چاقویی که دسته خودش را برید! ابزارهای رایگان vibe coding بلای جان اشتراکهای گرانقیمت مایکروسافت آفیس شدند
مایکروسافت میلیاردها دلار روی هوش مصنوعی شرطبندی کرده، اما ماجرا به شکل عجیبی علیه خودش برگشته است. حالا توسعهدهندهها با کمک vibe coding و هوش مصنوعی، برنامههای رایگانی میسازند که عملکردی مشابه نرمافزارهای معروف آفیس دارند؛ اتفاقی که شاید به زودی کاربران را از پرداخت حق اشتراکهای نجومی بینیاز کند.

اجرای مدل غولپیکر ۳۵ میلیاردی روی گوشی؛ شاهکار تازه MiniCPM-V با مصرف تنها ۳ گیگابایت رم
تیم OpenBMB با معرفی مدل MiniCPM-V 4.7 نشان داد که اجرای یک هوش مصنوعی چندوجهی ۳۵ میلیارد پارامتری روی گوشیهای موبایل دیگر یک رویا نیست. این مدل با بهرهگیری از معماری MoE و مصرف تنها ۳ گیگابایت رم در آیفون، سرعت خیرهکننده بالای ۱۳ توکن بر ثانیه را به نمایش گذاشته 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.