پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

هشدار رئیس Blackstone درباره ریسک بدهی‌ها؛ توسعه زیرساخت هوش مصنوعی نیازمند سرمایه‌گذاری مستقیم است

انتشار:۱۲ آبان ۱۴۰۵(۱ ساعت پیش)
۳ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

رئیس شرکت Blackstone هشدار داد که موج عظیم سرمایه‌گذاری در زیرساخت هوش مصنوعی، خطرات بزرگی برای وام‌دهندگان ایجاد کرده است. به‌گفته او، هزینه‌های هنگفت مراکز داده و توان پردازشی فراتر از ظرفیت بازار بدهی است و این حوزه به سرمایه‌گذاری مستقیم و سهامداری بیشتری نیاز دارد.

هشدار رئیس Blackstone درباره ریسک بدهی‌ها؛ توسعه زیرساخت هوش مصنوعی نیازمند سرمایه‌گذاری مستقیم است

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • جان گری، رئیس شرکت Blackstone، اعلام کرد که تأمین مالی زیرساخت هوش مصنوعی به‌دلیل خطرات فزاینده انباشت بدهی باید بیشتر از طریق جذب سرمایه مستقیم و سهام انجام شود.
  • مدیرعامل شرکت Pimco هشدار داد که نیاز ۱۰ تریلیون دلاری به سرمایه‌گذاری طی ۵ سال آینده ممکن است فراتر از کشش بازارهای مالی باشد.
  • تقاضا برای تراشه‌ها، انرژی و توان محاسباتی با سرعتی بالاتر از عرضه رشد می‌کند و شرکت‌های فناوری به‌دنبال روش‌های نوین برای تأمین سرمایه مراکز داده هستند.

نکات کلیدی

  • جان گری، رئیس شرکت Blackstone، تأکید کرد که سرمایه‌گذاری در زیرساخت هوش مصنوعی به‌دلیل افزایش ریسک تمرکز بدهی برای وام‌دهندگان، به تأمین مالی بیشتری از طریق سهام و سرمایه مستقیم نیاز دارد.
  • امانوئل رومان، مدیرعامل شرکت Pimco، هشدار داد که نیاز ۱۰ تریلیون دلاری به سرمایه‌گذاری طی ۵ سال آینده ممکن است فراتر از کشش بازارهای مالی باشد.
  • به‌گفته گری، با وجود موانع مالی و زیرساختی، تقاضا برای توان پردازشی به‌شدت از عرضه پیشی گرفته است.

در جریان اجلاس سران رهبران مالی جهان در هنگ‌کنگ، جان گری (Jon Gray)، رئیس و مدیر ارشد عملیاتی شرکت Blackstone، به بررسی چشم‌انداز بازارهای مالی، اقتصاد جهانی و پیشرفت‌های شتابان فناوری پرداخت. این رویداد با حضور حدود ۲۸۰ تن از چهره‌های برجسته مالی جهان از جمله ۱۲۰ مدیرعامل و رئیس هیئت‌مدیره برگزار شد.

جان گری، رئیس شرکت سرمایه‌گذاری Blackstone، اعلام کرد که با افزایش تعهدات مالی و ریسک وام‌دهندگان در قبال شرکت‌های پیشرو، روند توسعه زیرساخت‌های هوش مصنوعی نیازمند تأمین مالی بیشتر از طریق سهام و سرمایه مستقیم خواهد بود.

گری در جریان این اجلاس که توسط اداره پولی هنگ‌کنگ برگزار شد، توضیح داد که حجم سرمایه موردنیاز برای توسعه هوش مصنوعی، ریسک تمرکز بالایی را برای سرمایه‌گذاران بازار بدهی ایجاد می‌کند؛ موضوعی که هم در سطح کل این بخش و هم در شرکت‌های مستقل به‌چشم می‌خورد.

او اشاره کرد که برعکس سهامداران که از رشد صعودی شرکت‌ها سود می‌برند، وام‌دهندگان با حاشیه سود محدودی روبه‌رو هستند، زیرا بازدهی آن‌ها منحصراً به دریافت اصل و سود وام محدود می‌شود.

«برای پاسخگویی به این تقاضای عظیم، در سراسر این بخش به سرمایه‌گذاری مستقیم بیشتری در قالب سهام نیاز خواهد بود.»

جان گری

رئیس و مدیر ارشد عملیاتی Blackstone

امانوئل رومان (Emmanuel Roman)، مدیرعامل شرکت سرمایه‌گذاری Pimco، در همین نشست به سرمایه‌گذاران هشدار داد که حجم عظیم تأمین مالی موردنیاز هوش مصنوعی ممکن است بیش از توان جذب و کشش بازارهای مالی باشد.

رومان با استناد به ارزیابی بیل فورد، مدیرعامل شرکت جنرال آتلانتیک (General Atlantic)، اظهار داشت که هزینه‌های سرمایه‌ای مرتبط با هوش مصنوعی طی ۵ سال آینده ممکن است به رقمی نزدیک به ۱۰ تریلیون دلار برسد. او افزود که تنها در سال جاری حدود ۵۵۰ میلیارد دلار اوراق بدهی به اشکال مختلف برای پروژه‌های هوش مصنوعی صادر شده است.

مدیرعامل Pimco تأکید کرد که حتی با ترکیب سرمایه‌گذاری مستقیم و استقراض، سرمایه لازم عددی «بسیار غول‌آسا» خواهد بود، به‌ویژه وقتی بدانیم کل بازار اوراق قرضه شرکتی در سراسر جهان حدود ۲۰ تریلیون دلار است.

او با هشدار درباره این موضوع گفت: «در یک مقطع زمانی مشخص، این حجم از استقراض از توان بازار فراتر خواهد رفت.»

بانک سرمایه‌گذاری Goldman Sachs نیز در گزارشی تحلیلی اعلام کرد که پاسخگویی به تقاضای جهانی مراکز داده طی ۵ سال آینده، نیازمند حدود ۸٫۵ تریلیون دلار هزینه سرمایه‌ای خواهد بود.

گری در ادامه تشریح کرد که تأمین مالی این ابرپروژه‌ها مستلزم ترکیب بازارهای عمومی، بانک‌ها و سرمایه‌های خصوصی است؛ به‌طوری که شرکت‌ها به‌طور فزاینده‌ای به تراکنش‌های مالی ساختاریافته روی می‌آورند تا بار استقراض خود را محدود کنند. او هم‌چنین اشاره کرد جریان نقدینگی حاصل از غول‌های ابری و مراکز بزرگ داده (Hyperscalers) نیز بخشی از این هزینه‌ها را پوشش خواهد داد.

گری تصریح کرد: «به‌دلیل وسعت سرسام‌آور سرمایه موردنیاز، استفاده از رویکردهای خلاقانه در ساختار مالی کاملاً ضروری است.»

با وجود این چالش‌های تأمین سرمایه، رئیس Blackstone همچنان نسبت به آینده زیرساخت‌های هوش مصنوعی بسیار خوش‌بین است و یادآور شد که تقاضا برای توان پردازشی و محاسباتی با سرعتی فراتر از عرضه پیش می‌رود.

به‌گفته او، میزان سرمایه‌گذاری روی مدل‌های هوش مصنوعی در شرکت‌های زیرمجموعه پورتفوی Blackstone طی یک سال گذشته ۲۰ برابر شده است؛ چراکه کسب‌وکارها مزایای اقتصادی ملموسی را در حوزه‌هایی نظیر برنامه‌نویسی، تعامل با مشتریان و تولید محتوا تجربه کرده‌اند.

با این حال گری تأکید کرد که برآورده کردن این تقاضای فزاینده همچنان بسیار دشوار است؛ چراکه تأمین زمین مناسب، اخذ مجوزها، دسترسی به تراشه‌های هوش مصنوعی، تأمین شبکه برق و جذب سرمایه لازم روزبه‌روز با چالش‌های پیچیده‌تری مواجه می‌شود.

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

آغاز آزمایش قابلیت‌های هوش مصنوعی Apple Watch برای مرور و خلاصه‌سازی مکالمات
آخرین اخبار

آغاز آزمایش قابلیت‌های هوش مصنوعی Apple Watch برای مرور و خلاصه‌سازی مکالمات

اپل فاز آزمایشی فناوری جدید Audio Intelligence را برای ساعت‌های هوشمند خود کلید زده است. این قابلیت‌های مجهز به هوش مصنوعی به کاربران امکان می‌دهند بخش‌های نشنیده از گفتگوها را بازخوانی کنند و خلاصه‌ای ساختاریافته از مکالمات روزمره تحویل بگیرند.

۶ دقیقه مطالعه
۰
۱۲ آبان
افزایش ۷۲ برابری سرعت پردازش هوش مصنوعی؛ راهکار جدید دانشگاه ETH Zurich برای متن‌های ۱۰ میلیون توکنی
آخرین اخبار

افزایش ۷۲ برابری سرعت پردازش هوش مصنوعی؛ راهکار جدید دانشگاه ETH Zurich برای متن‌های ۱۰ میلیون توکنی

پژوهشگران دانشگاه ETH Zurich و استارتاپ Prefrontal AI با معرفی معماری جدید LSA، گلوگاه پردازش متن‌های فوقطولانی در مدل‌های هوش مصنوعی را برطرف کردند. این روش با سازماندهی معنایی داده‌ها، سرعت پردازش را در پنجره‌های متنی ۱۰ میلیون توکنی تا ۷۲ برابر افزایش می‌دهد و کارایی مدل‌ها را به‌شدت ارتقا می‌بخشد.

۲ دقیقه مطالعه
۰
۱۲ آبان
گارتنر: مدل‌های وزن‌باز ۹۰ درصد وظایف عامل‌های هوشمند را با یک‌بیستم هزینه انجام می‌دهند
آخرین اخبار

گارتنر: مدل‌های وزن‌باز ۹۰ درصد وظایف عامل‌های هوشمند را با یک‌بیستم هزینه انجام می‌دهند

گزارش جدید موسسه گارتنر نشان می‌دهد مدل‌های وزن‌باز قادرند بخش عمده وظایف روزمره در عامل‌های هوش مصنوعی را با کسری از هزینه مدل‌های تجاری پیشرو اجرا کنند. تحلیلگران پیش‌بینی می‌کنند تا سال ۲۰۳۰ بیش از ۹۰ درصد مراحل عملیاتی سازمان‌ها به این مدل‌ها واگذار شود و ارزش اصلی بازار به بسترهای مدیریت و هماهنگ‌سازی عامل‌ها منتقل گردد.

۳ دقیقه مطالعه
۰
۱۲ آبان