پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

واقعیت مالی تب هوش مصنوعی؛ آیا هزینه‌های سرسام‌آور غول‌های فناوری به سودآوری می‌رسد؟

انتشار:۷ آبان ۱۴۰۵(۲ ساعت پیش)
۱۱ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

درآمد غول‌های فناوری از هوش مصنوعی رشد چشمگیری را تجربه می‌کند، اما هزینه‌های زیرساختی سرسام‌آور جریان نقدینگی آن‌ها را به‌شدت تحت فشار گذاشته است. با تداوم هزینه‌های صدها میلیارد دلاری در مراکزداده و سرورها، این پرسش اساسی مطرح می‌شود که آیا رونق کنونی هوش مصنوعی واقعاً قادر به جبران این مخارج سنگین خواهد بود یا خیر.

واقعیت مالی تب هوش مصنوعی؛ آیا هزینه‌های سرسام‌آور غول‌های فناوری به سودآوری می‌رسد؟

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • درآمد بخش ابری و تجاری غول‌های فناوری از محصولات هوش مصنوعی رشد چشمگیری دارد، اما مخارج خرید تجهیزات و احداث مراکز داده با سرعتی به مراتب بیشتر افزایش می‌یابد.
  • سرمایه‌گذاری‌های سنگین زیرساختی جریان نقدینگی آزاد شرکت‌هایی نظیر آمازون، متا و گوگل را در فصل‌های اخیر وارد محدوده منفی کرده است.
  • بخش قابل‌توجهی از درآمدهای جدید حاصل معاملات متقابل و تأمین مالی چرخه‌ای میان غول‌های فناوری است و پایداری واقعی این مدل اقتصادی همچنان با تردید روبه‌رو است.
هوش مصنوعی در اقتصاد
آیا سرمایه‌گذاری‌های میلیاردی در هوش مصنوعی به سودآوری منجر می‌شوند؟

ولخرجی بی‌سابقه شرکت‌های فناوری در حوزه هوش مصنوعی ارقام مالی شگفت‌انگیزی خلق کرده است، اما همه این آمارها مثبت و امیدوارکننده نیستند. مایکروسافت، آلفابت، آمازون و متا مبالغ هنگفتی را به توسعه زیرساخت‌های هوش مصنوعی اختصاص داده‌اند؛ آن هم در شرایطی که گزارش‌های مالی جدید آن‌ها از فشار روزافزون بر جریان نقدینگی و افزایش شدید هزینه‌های مدیریت کسب‌وکارهای متکی بر پردازش‌های سنگین حکایت دارد.

مایکروسافت بر اساس روش حسابداری جدید خود برای اجاره‌ها، پیش‌بینی می‌کند که مخارج سرمایه‌ای آن در سال تقویمی ۲۰۲۶ به حدود ۱۷۵ میلیارد دلار برسد. متا نیز قصد دارد در سال جاری بین ۱۳۵ تا ۱۴۵ میلیارد دلار هزینه کند و در همین حال، سرمایه‌گذاری‌های سنگین آمازون در زیرساخت‌ها، جریان نقدینگی آزاد سالانه این شرکت را به محدوده منفی کشانده است. هرچند این شرکت‌ها درآمدهای خیره‌کننده و سودهای کلانی ثبت می‌کنند، اما حجم پولی که برای حفظ قدرت رقابت در حوزه هوش مصنوعی باید مجدداً تزریق کنند، حتی پایداری مدل اقتصادی ثروتمندترین غول‌های دنیای فناوری را نیز به چالش کشیده است.

بنابراین، آیا این سرمایه‌گذاری‌ها واقعاً به ثمر می‌نشینند؟ شواهد مالی هنوز پاسخ قطعی و روشنی برای این پرسش ارائه نمی‌دهند. هوش مصنوعی درآمدهای چشمگیری برای ارائه‌دهندگان خدمات ابری، تولیدکنندگان تراشه و شرکت‌هایی به ارمغان آورده است که از این فناوری برای بهبود محصولات فعلی خود استفاده می‌کنند، با این حال گزارش‌های درآمدی این صنعت نشان می‌دهد که آینده همچنان در هاله‌ای از ابهام قرار دارد. پرسش کلیدی این است که این سرمایه‌گذاری‌ها در نهایت چه مقدار سود و وجه نقد تولید خواهند کرد و بازگشت صدها میلیارد دلار سرمایه صرف‌شده چقدر زمان خواهد برد؟

علاوه بر این فشارهای مالی، مایکروسافت از طرح بازخرید داوطلبانه برای حدود ۶۰ هزار کارمند واجد شرایط خبر داده است؛ اقدامی که سؤالات جدی‌تری درباره نحوه بازتعریف اولویت‌های مالی شرکت‌ها در اثر سرمایه‌گذاری‌های فزاینده در هوش مصنوعی ایجاد می‌کند.

تلاقی جهش هزینه‌های هوش مصنوعی مایکروسافت و تعدیل داوطلبانه کارکنان

مایکروسافت در روزهای اخیر از اجرای برنامه جدید خروج داوطلبانه برای کارکنان واجد شرایط در بخش‌های منتخب خبر داد. طبق گزارش‌های تاییدشده از سوی مایکروسافت، این برنامه حدود ۶۰ هزار کارمند، معادل تقریباً ۲۷ درصد از کل نیروی کار ۲۲۳ هزار نفری این شرکت در سراسر جهان را پوشش می‌دهد. البته این رقم صرفاً بیانگر تعداد افرادی است که حق انتخاب این پیشنهاد بازخرید را دارند، نه تعدادی که قطعاً شرکت را ترک خواهند کرد؛ بنابراین از آنجا که مایکروسافت برآورد خود را از تعداد متقاضیان نهایی اعلام نکرده، رقم واقعی افراد خروجی ممکن است کمتر باشد.

اگرچه مایکروسافت مستقیماً ۶۰ هزار کارمند را اخراج نمی‌کند، اما تمایل شرکت به قطع همکاری زودهنگام با این کارکنان، که برخی از آن‌ها سوابق طولانی‌مدتی دارند، نشان می‌دهد که آن‌ها احتمالاً به سرمایه‌گذاری بلندمدت در زیرساخت‌ها و بخش تحقیق و توسعه بیشتر از سرمایه‌گذاری بلندمدت روی نیروی انسانی بها می‌دهند.

آخرین گزارش فصلی مایکروسافت منتهی به ۳۰ ژوئن، از درآمد ۹۰ میلیارد دلاری با رشد ۱۸ درصدی و سود عملیاتی ۴۰٫۶ میلیارد دلاری حکایت دارد. این آمار نشان می‌دهد با شرکتی روبه‌رو نیستیم که در کسب درآمد دچار مشکل باشد. بخش ابری هوشمند مایکروسافت به‌سرعت در حال گسترش است و درآمد سرویس ابری Azure در طول سال مالی کامل از ۱۰۰ میلیارد دلار فراتر رفته است.

مایکروسافت همچنین تاکید می‌کند که مشتریان در حال پرداخت هزینه برای ابزارهای هوش مصنوعی هستند. ساتیا نادلا، مدیرعامل مایکروسافت، در جریان کنفرانس مالی ماه ژوئیه اعلام کرد که بیش از ۳۰ میلیون کاربر اشتراک پولی دستیار هوش مصنوعی Microsoft 365 Copilot را خریداری کرده‌اند. به گفته مایکروسافت، رشد درآمد سرویس Copilot شتاب گرفته و شرکت‌های متعددی استفاده از آن را از مراحل آزمایشی اولیه به استقرار گسترده سازمانی ارتقا داده‌اند.

اما این دستاوردها با هزینه‌های زیرساختی بسیار سنگینی حاصل شده است. مایکروسافت در این فصل مالی، ۳۵٫۸ میلیارد دلار پول نقد صرف املاک و تجهیزات کرده است. مجموع مخارج سرمایه‌ای این شرکت با احتساب اجاره‌های مالی به حدود ۴۱ میلیارد دلار رسید. با اینکه مایکروسافت ۵۵٫۴ میلیارد دلار جریان نقدینگی حاصل از عملیات تولید کرد، اما در نهایت تنها ۱۹٫۶ میلیارد دلار جریان نقدینگی آزاد برای آن باقی ماند.

هرچند مایکروسافت حتی پس از این سرمایه‌گذاری‌ها همچنان جریان نقدینگی قابل‌توجهی خلق می‌کند، اما مقیاس و تداوم‌پذیری چنین مخارجی مورد تردید است. این شرکت گزارش داد که حاشیه سود ناخالص کلی آن به ۶۷ درصد کاهش یافته است که بخشی از آن نتیجه حرکت به سمت زیرساخت ابری Azure و افزایش هزینه‌های مربوط به استفاده از تجهیزات و محصولات هوش مصنوعی به شمار می‌رود. مایکروسافت هنوز فوق‌العاده سودآور است، اما رشد هوش مصنوعی مخارج سنگین و ملموسی بر دوش شرکت می‌گذارد.

این مسئله بار دیگر بحث را به طرح بازخرید داوطلبانه کارکنان برمی‌گرداند.

هیچ تحلیل‌گری ادعا نمی‌کند که مایکروسافت قصد دارد ۶۰ هزار نفر را مستقیماً با هوش مصنوعی جایگزین کند و هیچ مدرکی هم در تأیید چنین برداشتی وجود ندارد. خود شرکت نیز هرگز چنین مطلبی بیان نکرده است. دلایل متعددی می‌تواند مایکروسافت را به بازنگری در ساختار نیروی کار خود سوق دهد؛ از بازتعریف اولویت‌های سازمانی گرفته تا تغییر در تقاضای محصولات و نیاز به مهارت‌های جدید.

با این همه، پیوند اقتصادی عمیق‌تری میان این دو پدیده وجود دارد. شرکتی که در هر فصل ده‌ها میلیارد دلار به زیرساخت‌های محاسباتی اختصاص می‌دهد، با این دوراهی روبه‌رو می‌شود که هر دلار مازاد را در چه بخشی هزینه کند. بخشی از این سرمایه می‌تواند صرف حفظ و ارتقای کارکنان شود، بخشی به ساخت مراکز داده اختصاص یابد و بخشی دیگر برای توسعه محصولات جدید یا تصاحب شرکت‌های دیگر مصرف شود.

شاید هوش مصنوعی در درازمدت بهره‌وری بخش‌هایی از کارکنان مایکروسافت را افزایش دهد و ترکیب و تعداد نیروهای مورد نیاز شرکت را دگرگون کند، اما در کوتاه‌مدت، هزینه‌های سرسام‌آور زیرساخت‌های هوش مصنوعی فشار مضاعفی برای کنترل مخارج در سایر بخش‌ها ایجاد می‌کند. این تغییرات اقتصادی نشان می‌دهد که تب سرمایه‌گذاری در هوش مصنوعی چگونه فراتر از جنبه‌های فنی، اولویت‌های کلان مدیریتی را متحول می‌کند و پیامدهای آن را در شیوه تقسیم وظایف میان انسان و ماشین آشکار می‌سازد.

جهش درآمد گوگل در کنار صعود سنگین هزینه‌های زیرساخت

نتایج مالی هلدینگ آلفابت روایت تا حدی متفاوتی را به تصویر می‌کشد؛ روایتی که در آن، هوش مصنوعی ضمن کمک به رشد کسب‌وکار اصلی شرکت، سهم فزاینده‌ای از نقدینگی آن را می‌بلعد.

طبق گزارش درآمد سه ماهه دوم منتهی به ۲۲ ژوئیه، آلفابت ۱۱۹٫۸ میلیارد دلار درآمد ثبت کرد که نسبت به سال قبل ۲۴ درصد رشد نشان می‌دهد. درآمد بخش گوگل کلاد با جهش خیره‌کننده ۸۲ درصدی به ۲۴٫۸ میلیارد دلار رسید که نشان‌دهنده تقاضای بسیار بالا برای زیرساخت‌های هوش مصنوعی، راهکارهای سازمانی و سرویس‌های ابری سنتی است.

در این میان، برخلاف نگرانی‌های مطرح‌شده درباره تأثیر منفی هوش مصنوعی بر مدل جستجو و محتوا، کسب‌وکار اصلی تبلیغات گوگل همچنان قدرتمند ظاهر شد. درآمد بخش جستجو و سرویس‌های مرتبط ۱۷ درصد رشد داشت؛ موضوعی که ثابت می‌کند ادغام قابلیت‌های مبتنی بر هوش مصنوعی مانع از تداوم رشد درآمدهای تبلیغاتی سنتی موتور جستجوی گوگل نشده است.

با این حال، درست همانند وضعیت مایکروسافت، مخارج سنگین مورد نیاز برای پشتیبانی از این رشد روزبه‌روز نمایان‌تر می‌شود.

آلفابت خرید ۴۴٫۹ میلیارد دلاری املاک و تجهیزات را در طول یک فصل ثبت کرد، در حالی که جریان نقدینگی عملیاتی آن تقریباً ۳۹٫۱ میلیارد دلار بود. این شکاف باعث شد تا جریان نقدینگی آزاد این شرکت در این فصل به منفی ۵٫۹ میلیارد دلار سقوط کند، هرچند سود عملیاتی شرکت افزایشی ۳۰ درصدی را تجربه کرده بود.

به بیان دیگر، اگرچه سود عملیاتی آلفابت رشد کرده است، اما سرمایه‌گذاری‌های زیرساختی آن بیش از کل نقدینگی حاصل از کسب‌وکار در این بازه زمانی نقدینگی مصرف می‌کند.

در نگاه اول، شاید این‌طور به نظر برسد که سرمایه‌گذاری‌های عظیم گوگل در هوش مصنوعی زیان‌ده هستند؛ چراکه صرف ۱٫۱۵ دلار هزینه زیرساخت در ازای هر یک دلار نقدینگی عملیاتی، مسلماً فرمولی برنده در مدیریت مالی به نظر نمی‌رسد.

اما این مقایسه نکته بسیار مهمی را نادیده می‌گیرد؛ گوگل این مبالغ را صرفاً برای کسب درآمد در فصل جاری خرج نمی‌کند، بلکه در حال سرمایه‌گذاری روی مراکز داده، سرورها و زیرساخت‌های محاسباتی است که بازدهی آن‌ها در بازه‌ای چندساله پدیدار خواهد شد. از سوی دیگر، تمام این هزینه‌ها منحصراً به هوش مصنوعی اختصاص ندارد.

درآمد فصلی ۱۱۹٫۸ میلیارد دلاری و سود عملیاتی ۴۰٫۸ میلیارد دلاری آلفابت نشان می‌دهد که بدنه اصلی کسب‌وکار این هلدینگ همچنان سودآوری فوق‌العاده‌ای دارد. آنچه جریان نقدینگی منفی آشکار می‌کند این است که سرعت رشد هزینه‌های زیرساختی گوگل در حال حاضر فراتر از سرعت زایش نقدینگی آن است و این ابهام را برای سرمایه‌گذاران ایجاد می‌کند که این روند هزینه‌کرد پیش از تحقق بازدهی‌های چشمگیر، تا چه مدت می‌تواند ادامه یابد.

بنابراین، ارقام یادشده هرگز به معنای زیان‌دهی گوگل در حوزه هوش مصنوعی نیست. درآمدهای ابری آلفابت ترکیبی از سرویس‌های مبتنی بر هوش مصنوعی و خدمات سنتی است و زیرساخت‌های این شرکت نیز طیف گسترده‌تری از محاسبات را علاوه بر پردازش‌های هوش مصنوعی مولد میزبانی می‌کنند. گزارش‌های مالی جزئیات کافی برای محاسبه دقیق بازده مستقل سرمایه‌گذاری‌های هوش مصنوعی ارائه نمی‌دهند. با وجود فصل دوم منفی، آلفابت همچنان در طول ۱۲ ماه منتهی به این دوره، ۵۳٫۳ میلیارد دلار نقدینگی آزاد مثبت تولید کرده است که این رقم بار دیگر ابعاد واقعی این افت مقطعی را شفاف می‌سازد.

با این حال، آنچه با قطعیت می‌دانیم این است که گوگل در حال حاضر شرط‌بندی‌ها و سرمایه‌گذاری‌های بسیار گزافی انجام می‌دهد، به این امید که در سال‌های آتی نتایج پرباری به‌همراه داشته باشند.

در دل این آمارها، یک پیچیدگی محاسباتی خاص نیز نهفته است. آلفابت حدود ۹۸ میلیارد دلار «سایر درآمدهای خالص» گزارش کرده که بخش عمده آن ناشی از سودهای تحقق‌نیافته روی سرمایه‌گذاری‌های سهامی، از جمله سهم این شرکت در SpaceX و یک شرکت خصوصی دیگر است. این ارقام صرفاً ناشی از افزایش ارزش برآوردی دارایی‌هایی است که آلفابت در اختیار دارد، نه نقدینگی دریافت‌شده از مشتریان یا سود حاصل از خدمات ابری و تبلیغات. برای درک بهتر این تمایز، کافی است بدانیم که آلفابت ۱۱۲٫۱ میلیارد دلار سود خالص ثبت کرده، در حالی که سود عملیاتی واقعی آن ۴۰٫۸ میلیارد دلار بوده است.

این قبیل عواید غیرعملیاتی می‌توانند سود خالص اعلامی را بدون آنکه بیانگر درآمد واقعی حاصل از فروش خدمات هوش مصنوعی یا بهره‌برداری از زیرساخت ابری باشند، به‌شکل کاذب متورم سازند. در نتیجه، این آمارها ممکن است سودی بیش از فروش واقعی به مشتریان را به نمایش بگذارند. به همین دلیل است که سود اسمی آلفابت بسیار مستحکمتر از سود واقعی برآمده از فعالیت‌های بنیادی آن به نظر می‌رسد و سرمایه‌گذاران هنگام ارزیابی سودآوری سرمایه‌گذاری‌های هوش مصنوعی، نباید تنها به سرفصل سود خالص تکیه کنند.

رشد پرشتاب کسب‌وکار هوش مصنوعی آمازون در کنار خروج سریع‌تر نقدینگی

بخش ابری آمازون موسوم به AWS یکی از محکمترین شواهد را ارائه می‌دهد که نشان می‌دهد شرکت‌ها تمایل دارند مبالغ هنگفتی برای زیرساخت‌های محاسباتی هوش مصنوعی پرداخت کنند.

طبق گزارش مالی سه ماهه دوم که در ۳۰ ژوئیه منتشر شد، درآمد سرویس AWS با جهش ۳۷ درصدی به ۴۲٫۲ میلیارد دلار رسید که سریع‌ترین نرخ رشد آن در ۱۸ فصل اخیر محسوب می‌شود. سود عملیاتی AWS نیز از ۱۰٫۲ میلیارد دلار در سال گذشته به ۱۶٫۶ میلیارد دلار جهش کرد.

این اعداد نشان‌دهنده درآمد و سود عملیاتی کاملاً واقعی و پایدار هستند. نتایج تأیید می‌کنند که تقاضا برای زیرساخت‌های ابری همچنان به‌شدت بالاست و AWS توانسته سهم درخوری از این مخارج بازار را به دست آورد.

اما هر چقدر که ورود پول نقد شتاب گرفته، سرعت خروج آن از شرکت حتی بیشتر شده است.

آمازون در طول دوره ۱۲ ماهه منتهی به ۳۰ ژوئن، جریان نقدینگی آزاد منفی ۷٫۶ میلیارد دلاری ثبت کرد، در حالی که در دوره مشابه سال قبل جریان نقدینگی مثبت ۱۸٫۲ میلیارد دلار داشت. آمازون دلیل عمده این دگرگونی را افزایش سالانه ۶۶٫۱ میلیارد دلاری در خرید خالص املاک و تجهیزات ناشی از توسعه زیرساخت‌های هوش مصنوعی اعلام کرده است.

به بیانی روشن، گرچه عملیات تجاری آمازون نقدینگی بیشتری خلق می‌کند، اما سرعت رشد مخارج سرمایه‌ای آن به مراتب بیشتر بوده است.

پیچیدگی ماجرا به همین‌جا ختم نمی‌شود. آمازون سود خالص فصلی ۶۲٫۶ میلیارد دلاری گزارش کرده است که در نگاه اول خیره‌کننده به نظر می‌رسد (معادل سالانه نزدیک به یک‌چهارم تریلیون دلار!). با این حال، نزدیک به ۵۳٫۴ میلیارد دلار از این رقم، سود غیرعملیاتی پیش از کسر مالیات بوده که عمدتاً از ارزش‌گذاری سرمایه‌گذاری این شرکت در Anthropic حاصل شده است.

این عواید حاصل از سرمایه‌گذاری، سود عملیاتی مستمر ناشی از خرید سرویس‌های هوش مصنوعی توسط مشتریان AWS به حساب نمی‌آیند.

این آمارها ثابت می‌کنند که چرا باید میان سود خالص، درآمدهای ابری و مخارج سرمایه‌ای تفکیک قائل شد. آمازون دارای یک کسب‌وکار ابری رو به رشد و بسیار سودآور است و هم‌زمان منافع قابل‌توجهی در ارزش‌گذاری شرکت‌های پیشرو هوش مصنوعی دارد، اما در عین حال با هزینه‌های زیرساختی نجومی دست‌وپنجه نرم می‌کند. ادغام همه این متغیرها در قالب یک شاخص کلی برای سنجش موفقیت هوش مصنوعی، بیش از آنکه واقعیت را روشن کند، آن را پنهان می‌سازد.

وضعیت سایر بازیگران برجسته بازار فناوری

سایر بازیگران بازار نتایج متفاوتی از سرمایه‌گذاری‌های خود ثبت کرده‌اند. متا به‌جای فروش مستقیم خدمات هوش مصنوعی، از این فناوری برای بهبود عملکرد سیستم‌های تبلیغاتی، سامانه‌های پیشنهاد محتوا و افزایش تعامل کاربران بهره می‌برد. در گزارش مالی سه ماهه سوم متا، درآمد شرکت با رشد ۲۶ درصدی به ۶۴٫۶ میلیارد دلار رسید، در حالی که تعداد نمایش تبلیغات ۱۰ درصد و میانگین قیمت هر تبلیغ ۱۴ درصد افزایش یافت.

اما این دستاوردها بدون هزینه نبوده‌اند. مخارج سرمایه‌ای متا با احتساب اصل اقساط اجاره‌های مالی به ۳۴٫۹ میلیارد دلار رسید که از جریان نقدینگی عملیاتی ۳۲٫۸ میلیارد دلاری آن فراتر رفت و جریان نقدینگی آزاد شرکت را به منفی ۲٫۱ میلیارد دلار رساند. اگرچه به نظر می‌رسد هوش مصنوعی به رونق کسب‌وکار تبلیغات متا کمک کرده است، اما این مسئله که آیا هزینه‌های کلان این شرکت برای توسعه مدل‌ها و زیرساخت‌های محاسباتی بازدهی متناسبی خواهد داشت یا خیر، کماکان یک پرسش بدون پاسخ است.

در این بین، انویدیا به‌عنوان بزرگ‌ترین برنده رونق زیرساخت‌های هوش مصنوعی، سودهای هنگفتی به جیب می‌زند. طبق گزارش درآمدی ماه اوت انویدیا، درآمد فصلی این شرکت با جهش خیره‌کننده ۱۰۶ درصدی به ۹۶٫۲ میلیارد دلار رسید (رقمی که در مقیاس سالانه به نیم تریلیون دلار نزدیک می‌شود)؛ درآمد بخش مراکز داده آن به ۸۹ میلیارد دلار رسید و سود عملیاتی شرکت رقم خارق‌العاده ۶۳٫۷ میلیارد دلار را ثبت کرد.

با این حال یک نکته کلیدی وجود دارد؛ درآمد انویدیا بلافاصله پس از خرید سخت‌افزار توسط مشتریان محقق می‌شود، اما خریداران این تجهیزات باید بتوانند درآمد و سود کافی از آن‌ها تولید کنند تا چنین سرمایه‌گذاری‌های سنگینی توجیه اقتصادی پیدا کند. در این تب طلا، شرکتی که بیل و کلنگ می‌فروشد ثروت کلانی به هم زده است، اما تضمینی وجود ندارد که همه جویندگان طلا به گنج دست پیدا کنند.

آیا هوش مصنوعی سودآور است یا فقط هزینه می‌تراشد؟

این کارنامه‌های مالی همچنین دلیل نگرانی روزافزون کارشناسان از پدیده «تأمین مالی چرخه‌ای» در صنعت هوش مصنوعی را روشن می‌کنند؛ وضعیتی که در آن شرکت‌ها هم‌زمان نقش سرمایه‌گذار، تأمین‌کننده و مشتری یکدیگر را بازی می‌کنند.

به‌عنوان نمونه، مایکروسافت میلیاردها دلار در استارتاپ OpenAI سرمایه‌گذاری کرده و در عین حال درآمد هنگفتی از روابط تجاری با آن به دست می‌آورد. آمازون و گوگل در Anthropic سرمایه‌گذاری کرده‌اند و هم‌زمان زیرساخت ابری در اختیارش می‌گذارند، و انویدیا در شرکت‌های نوپایی سرمایه تزریق می‌کند که خریدار تراشه‌های خودش هستند.

این ساختار مالی پرسش حساسی پیش می‌کشد: چه مقدار از رشد انفجاری این صنعت ناشی از تقاضای واقعی و پایدار مصرف‌کنندگان نهایی است و چه میزان از آن صرفاً پولی است که میان شرکت‌ها برای تأمین مالی توسعه متقابل گردش می‌کند؟ بدون شک درآمدهای ثبت‌شده روی کاغذ واقعی هستند و این تفاهم‌نامه‌ها می‌توانند به ساخت زیرساخت‌های سودمند کمک کنند، اما اگر پول سرمایه‌گذاران عامل پرداخت فاکتور خدماتی باشد که به‌عنوان درآمد به ثبت می‌رسند، با کاهش جریان سرمایه چه بر سر این چرخه خواهد آمد؟

آزمون نهایی اقتصاد هوش مصنوعی این است که آیا مشتریان واقعی در خارج از این شبکه درهم‌تنیده تامین مالی، حاضر خواهند بود مبالغ کافی برای محصولات و خدمات هوش مصنوعی بپردازند تا تعهدات سنگین زیرساختی این غول‌ها جبران شود یا خیر.

از همین رو، ارائه‌دهندگان فناوری تلاش می‌کنند ثابت کنند که تقاضای واقعی و مستمری برای ابزارهای هوش مصنوعی وجود دارد. مایکروسافت به ده‌ها میلیون کاربر پولی سرویس Copilot می‌بالد، گوگل و آمازون از جهش درآمد ابری خبر می‌دهند، متا هوش مصنوعی را ابزاری برای تقویت سامانه تبلیغات معرفی می‌کند و انویدیا با تامین زیرساخت تمام این سیستم‌ها، حاشیه سود شگفت‌انگیزی به ثبت می‌رساند.

اما وقتی بحث به نرخ بازگشت سرمایه می‌رسد، شواهد مالی به مراتب ضعیف‌تر و متزلزل‌تر هستند.

شرکت‌های بزرگ می‌توانند در دوره‌های توسعه تهاجمی، جریان نقدینگی منفی را تاب بیاورند؛ به‌ویژه زمانی که کسب‌وکارهای سنتی آن‌ها هنوز سودآور بوده و ترازنامه‌های مالی مستحکمی دارند. اما این سرمایه‌گذاری‌ها در نهایت باید نقدینگی کافی برای پوشش هزینه‌هایشان تولید کنند، در غیر این صورت سهام‌داران صرفاً هزینه‌ساز ظرفیت‌هایی شده‌اند که ممکن است هرگز بازدهی مورد انتظار را محقق نسازند.

گزارش‌های فصلی آینده فرصت دیگری برای سنجش دقیق این موضوع فراهم خواهند کرد که درآمدها و سود عملیاتی با چه سرعتی نسبت به مخارج سرسام‌آور زیرساخت‌ها رشد می‌کنند. تحلیل‌گران و سرمایه‌گذاران باید حاشیه سود عملیاتی، جریان نقدینگی آزاد، میزان بهره‌برداری از ظرفیت‌ها و سهم تفکیک‌شده درآمد هوش مصنوعی از سایر بخش‌ها را زیر ذره‌بین بگذارند.

هوش مصنوعی بی‌تردید تحرک اقتصادی عظیمی ایجاد کرده است، اما اینکه چه مقدار از این پویایی به رشد پایدار و سودآوری ماندگار برای شرکت‌های تامین‌کننده سرمایه تبدیل خواهد شد، بزرگ‌ترین علامت سؤال بی‌پاسخ امروز بازار است.

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

مدل تبدیل گفتار به متن Parakeet v3 انویدیا بدون نیاز به پایتون و کارت گرافیک اجرا می‌شود
آخرین اخبار

مدل تبدیل گفتار به متن Parakeet v3 انویدیا بدون نیاز به پایتون و کارت گرافیک اجرا می‌شود

تیم توسعه‌دهنده handy-computer نسخه کم‌حجم و بهینه‌سازی‌شده GGUF را برای مدل تبدیل گفتار به متن Parakeet v3 انویدیا منتشر کرد. این نسخه امکان اجرای روان و محلی مدل را بدون وابستگی به پایتون یا کارت‌های گرافیک مجزا روی پردازنده‌های معمولی فراهم می‌کند.

۲ دقیقه مطالعه
۰
۷ آبان
رونمایی از مدل Mistral Large 4؛ ایجنت کدنویسی ۱ تریلیون پارامتری با دسترسی آزاد
آخرین اخبار

رونمایی از مدل Mistral Large 4؛ ایجنت کدنویسی ۱ تریلیون پارامتری با دسترسی آزاد

شرکت Mistral وزن‌های عمومی مدل جدید Mistral Large 4 را با ۱ تریلیون پارامتر و تمرکز ویژه بر ایجنت‌های کدنویسی و امنیت سایبری منتشر کرد. این مدل بر پایه معماری ترکیبی از متخصصان توسعه یافته است و با مصرف بهینه توکن، گزینه‌ای قدرتمند برای استقرار روی زیرساخت‌های خصوصی به شمار می‌رود.

۶ دقیقه مطالعه
۰
۷ آبان
مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند
آخرین اخبار

مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند

یک توسعهدهنده مستقل نسخهای اختصاصی از مدل Qwen با نام Qwen3.5-4B-3D-Coder را معرفی کرده است که توصیفات متنی را به صحنههای سهبعدی تعاملی در کتابخانه Three.js تبدیل می‌کند. این مدل سبک با ۴ میلیارد پارامتر، تمام کدهای جاوااسکریپت و صحنه گرافیکی را در قالب یک فایل تکی HTML به کاربر تحویل می‌دهد و روی سیستمعامل محلی نیز قابل اجرا است.

۲ دقیقه مطالعه
۰
۷ آبان