شوک مدل‌های ارزان و متن‌باز چینی: آیا سرمایه‌گذاری تریلیون دلاری روی زیرساخت هوش مصنوعی بر باد می‌رود؟

تحلیلگران وال‌استریت این روز‌ها یک سؤال اساسی و نگران‌کننده مطرح می‌کنند: آیا افت سرسام‌آور هزینه‌های هوش مصنوعی زیر سایه مدل‌های ارزان‌قیمت و متن‌باز چینی، داستان پر زرق‌وبرق هوش مصنوعی را وارد فاز «بازتنظیم» (Reset) بزرگی می‌کند؟ سؤالی که درست در روز‌هایی مطرح شده که غول‌های ابری برای جبران سرمایه‌گذاری تریلیون دلاری‌شان روی زیرساخت‌ها حسابی به دردسر افتاده‌اند.

مؤسسه مالی جفریز (Jefferies) در یادداشت تحلیلی جدید خود با تمرکز بر بازارهای آسیا برآورد کرده که حدود نیمی از تعهدات و قراردادهای تجاری ۲.۳ تریلیون دلاری در شرکت‌های مایکروسافت، آلفابت، آمازون و اوراکل به دو شرکت اوپن‌ای‌آی (OpenAI) و آنتروپیک (Anthropic) اختصاص دارد. با این حال، مدل‌های هوش مصنوعی چینی، ابزار‌های متن‌باز و مدل‌های زبانی کوچک با ارائه‌ی قیمت‌های به شدت پایین‌تر، کسب‌وکار این دو پیشتاز آمریکایی را تهدید می‌کنند و علامت سؤال بزرگی جلوی درآمدهای آینده آن‌ها گذاشته‌اند.

جفریز برای اثبات این ادعا به داده‌های پلتفرم OpenRouter اشاره می‌کند؛ داده‌هایی که نشان می‌دهند مدل‌های چینی فقط در هفته منتهی به ۲۷ سپتامبر، بیش از ۷۶.۱۲ تریلیون توکن پردازش کرده‌اند، در حالی که این رقم در اواخر آوریل تنها ۴.۳۷ تریلیون توکن بود! برای درک بهتر ماجرا جالب است بدانید در همین بازه، چهار ارائه‌دهنده بزرگ آمریکایی روی هم فقط ۱۴.۲ تریلیون توکن پردازش کردند. از طرف دیگر، مدل متن‌باز Kimi K3 از استارتاپ چینی Moonshot AI رسماً وارد رقابت در لبه فناوری شده و تخمین زده می‌شود با حدود ۹۵ درصد کارایی مدل Claude Fable 5 آنتروپیک برابری می‌کند.

تحلیلگر جفریز در این گزارش تأکید می‌کند: «مسئله اصلی این است که آیا بازار تمام این تحولات و افت قیمت‌ها را در قیمت‌گذاری‌های خود لحاظ کرده است؟ به نظر من که اصلاً این‌طور نیست.»

بزرگ‌ترین غول‌های ابری و مقیاس‌پذیر دنیا امسال قرار است رقمی سرسام‌آور بین ۶۰۰ تا ۸۰۰ میلیارد دلار را صرف ساخت دیتاسنترها کنند؛ آن هم هزینه‌ای که بخش عمده آن به جای نقدینگی، از طریق استقراض و بدهی تأمین می‌شود. با وجود این مخارج نجومی، جفریز این ابهام را مطرح می‌کند که درآمدهای آینده این غول‌ها اصلاً قرار است از کجا سرچشمه بگیرد؟

در بخشی از این گزارش آمده است: «با ظهور رقبایی مانند Kimi K3 و سقوط مداوم قیمت توکن‌ها، دیگر نمی‌توان فرض کرد که مدل‌های بزرگ زبانی روزی به سودآوری قطعی برسند. این موضوع زنگ خطر مستقیمی برای غول‌های ابری است؛ چرا که آن‌ها ظرفیت‌های عظیم دیتاسنتری خود را دقیقاً با این فرض ساخته‌اند که توان پردازشی‌شان توسط مشتریانی مثل آنتروپیک و اوپن‌ای‌آی خریده خواهد شد.»

این گزارش خاطرنشان می‌کند شاید شرط‌بندی بلندمدت روی هوش مصنوعی منطقی باشد، اما در میان‌مدت عدم قطعیت‌های زیادی وجود دارد: «روایت هوش مصنوعی در آینده‌ای نه چندان دور نیازمند یک بازتنظیم بزرگ خواهد بود. آیا این چهار غول ابری واقعاً می‌خواهند در سال ۲۰۲۷ نزدیک به ۹۹۳ میلیارد دلار را صرف هزینه‌های سرمایه‌ای (Capex) کنند؟»

علاوه بر این، پرسش‌های کلیدی دیگری هم مطرح است: سودهای گزارش‌شده توسط این غول‌های ابری تا چه اندازه ناشی از سرمایه‌گذاری خودشان در سازندگان مدل‌های هوش مصنوعی بوده است؟ یعنی همان شرکت‌هایی که خود غول‌ها برای درآمدزایی به آن‌ها وابسته‌اند. سرفصل «سایر درآمدها و هزینه‌ها» که سود حاصل از سرمایه‌گذاری‌ها را ثبت می‌کند، نقش پررنگی پیدا کرده است. جفریز می‌گوید این سرمایه‌گذاری‌ها احتمالاً شامل سهام شرکت‌های غیربورسی فعال در حوزه هوش مصنوعی هستند.

طبق تحلیل این مؤسسه، اگرچه درآمد سالانه چهار غول بزرگ ابری طی چهار فصل منتهی به سه‌ماهه دوم ۲۰۲۶ با رشد ۲۲۲ میلیارد دلاری به ۵۸۱ میلیارد دلار رسید، اما کل این رشد عملاً ناشی از «سایر درآمدها و زیان‌های غیرعملیاتی» بوده است. جفریز توضیح می‌دهد که این درآمد غیرعملیاتی با رشدی ۲۲۴ میلیارد دلاری نسبت به سال قبل به ۲۳۷ میلیارد دلار رسیده؛ یعنی تمام رشد سودآوری این شرکت‌ها از همین مسیر حاصل شده است نه فعالیت‌های عملیاتی معمول.

پژوهش‌های دیگر نیز بر حجم سرسام‌آور درآمد و استقراضی که شرکت‌های ابری برای تأمین مالی توسعه دیتاسنترهایشان نیاز دارند، تأکید کرده‌اند. گزارش جهانی فناوری سال ۲۰۲۶ از شرکت مشاوره مدیریت بین اند کمپانی (Bain & Company) نشان می‌دهد که صنعت هوش مصنوعی برای تداوم تأمین مالی زیرساخت‌های لازم تا سال ۲۰۳۱، باید سالانه ۶ تریلیون دلار درآمد خلق کند! این یعنی هوش مصنوعی باید فراتر از ابزار‌های بهره‌وری کارمندان، کاربردهای کاملاً جدیدی برای خلق ثروت پیدا کند.

مؤسسه بین برآورد می‌کند که کاربردهای فعلی هوش مصنوعی شاید در بهترین حالت ۱.۸ تریلیون دلار درآمد ایجاد کنند؛ موضوعی که همچنان یک کسری بزرگ ۴.۲ تریلیون دلاری روی دست صنعت باقی می‌گذارد. بخشی از این شکاف شاید با کاربردهای نوظهور مثل موتورهای جستجو و تبلیغات، خودروهای خودران هوشمند و شبیه‌سازی‌های مبتنی بر هوش مصنوعی پر شود، اما حتی در صورت موفقیت، این بخش‌ها تنها ۱.۵ تریلیون دلار درآمد اضافه خواهند کرد. در نتیجه، یک شکاف ۲.۷ تریلیون دلاری باقی می‌ماند که پر کردن آن تنها با «محصولات و کاربردهایی ممکن است که امروزه هنوز وجود خارجی ندارند».