طرح جنجالی وال‌استریت برای هوش مصنوعی؛ آیا بحران مالی ۲۰۰۸ این‌بار با تراشه‌ها تکرار می‌شود؟

وال‌استریت در تلاش است تا توان پردازشی هوش مصنوعی را به یک طبقه دارایی قابل‌سرمایه‌گذاری تبدیل کند. این اقدام می‌تواند سرمایه هنگفتی را برای گذار پرهزینه به عصر فناوری جدید آزاد سازد و یکی از بزرگ‌ترین موانع پیش‌روی شکوفایی هوش مصنوعی، یعنی محدودیت در دسترسی به نقدینگی را برطرف کند. بااین‌حال، نزدیک به دو دهه پیش نیز نظام مالی فرصت مشابهی در تبدیل وام‌های مسکن کم‌اعتبار (ساب‌پرایم) به اوراق بهادار دید؛ رویکردی که در نهایت به توزیع ریسک‌های ناشناخته و شکل‌گیری بحران مالی سال ۲۰۰۸ انجامید.

لری فینک، مدیرعامل بلک‌راک (BlackRock)، به‌تازگی در یادداشتی در وال‌استریت ژورنال به خطراتی اشاره کرد که کمبود منابع سرمایه‌ای برای توسعه هوش مصنوعی ایجاد می‌کند. او چشم‌اندازی را مطرح می‌کند که در آن، ظرفیت پردازشی نهفته در دل تراشه‌ها و دیتاسنترها بتواند سرمایه‌هایی فراتر از توان شرکت‌های سازنده آنها جذب کند. این دیدگاه شباهت فراوانی به اظهارات جنسن هوانگ، مدیرعامل انویدیا، در گفت‌وگو با شبکه CNBC دارد؛ جایی که او تأکید کرد «پلتفرم کارخانه‌های هوش مصنوعی این شرکت یک دارایی واقعی و قابل‌سرمایه‌گذاری است». بر اساس این ایده، می‌توان با اتکا به تجهیزات فیزیکی و درآمدهای قراردادهای پردازشی، تأمین مالی انجام داد و در نهایت با ایجاد ابزارهای مالی استاندارد، تجمیع، رتبه‌بندی اعتباری و معامله این دارایی‌ها را در بازار ممکن ساخت.

نشانه‌های آشکار فشار مالی در تأمین سرمایه هوش مصنوعی

بررسی وضعیت کورویو (CoreWeave)، ارائه‌دهنده زیرساخت‌های ابری که ظرفیت پردازشی هوش مصنوعی اجاره می‌دهد، نشان می‌دهد چگونه تقاضای سرسام‌آور برای هوش مصنوعی می‌تواند هم‌زمان با فشار مالی شدید همراه باشد و محدودیت‌های تحمل ریسک در بازار را آشکار کند. این شرکت رقم ۱۰۴ میلیارد دلار درآمد حاصل از قراردادهای پیش‌فروش را دلیلی بر سلامت مدل کسب‌وکار خود می‌داند، اما عرضه این حجم از ظرفیت نیازمند سرمایه‌گذاری‌های سنگین پیش از دریافت پرداختی مشتریان است. در حال حاضر هزینه‌های بازپرداخت بدهی، دستیابی به سودآوری را دشوارتر کرده است؛ به‌طوری‌که خالص هزینه بهره در سه‌ماهه دوم به نزدیک یک‌چهارم کل درآمد کورویو رسید. جیم عثمان، تحلیلگر بازارهای مالی، بر این باور است که تمرکز اصلی باید روی میزان نقدینگی باقی‌مانده پس از تسویه‌حساب تجهیزات، برق و طلبکاران باشد.

تا اواسط اکتبر، اوراق قرضه بدون وثیقه‌ای که در ماه ژوئن منتشر شد با نرخ بهره ۹٫۶۲۵ درصد، با قیمتی کمتر از ۸۰ سنت به ازای هر دلار معامله می‌شد و بازدهی آن به بیش از ۱۵ درصد رسید. این ارقام نشان‌دهنده نگرانی فزاینده بازار نسبت به بازپرداخت بدهی‌هاست، درحالی‌که این شرکت نوظهور خدمات ابری همچنان به استقراض میلیاردها دلار با وثیقه قرار دادن زیرساخت‌ها و تعهدات مشتریان خود ادامه می‌دهد. افزون بر حجم بدهی‌ها، ساختار سررسید آنها نیز زنگ خطر را به صدا درآورده است. تسهیلات اعتباری ۲٫۶ میلیارد دلاری ماه اوت کورویو سررسیدی پنج‌ساله دارد، درحالی‌که میانگین قراردادهای پشتیبان آن سه‌ساله است. این وضعیت وام‌دهندگان را مجبور می‌کند ریسک تمدید قراردادها را بپذیرند و روی حفظ ارزش بلندمدت پردازنده‌های انویدیا در مالکیت کورویو قمار کنند.

کورویو در حال حاضر توسعه اختصاصی خود را تأمین مالی می‌کند، اما ایده لری فینک از نظر مقیاس و هدف کاملاً متفاوت است. او به دنبال ایجاد بازاری استاندارد برای توان پردازشی هوش مصنوعی است تا ارائه‌دهندگان بتوانند مطالبات و جریان درآمدی حاصل از پردازش را بسته‌بندی کرده و به طیف بسیار گسترده‌تری از سرمایه‌گذاران بفروشند. تبدیل دارایی به اوراق بهادار (Securitization)، ظرفیت اعتباری و وام‌دهی جدیدی در بازار ایجاد خواهد کرد.

بااین‌حال، تجمیع این مطالبات صرفاً ریسک را میان بازیگران بازتوزیع می‌کند، بدون آنکه خطر اصلی را از بین ببرد.

تبدیل پردازش هوش مصنوعی به اوراق بهادار و شباهت نگران‌کننده آن با بحران مسکن

پیش از سال ۲۰۰۸، اوراق‌بهادارسازی وام‌های مسکن با تبدیل وام‌ها به اوراق بهادار، حجم اعتبارات را گسترش داد. در آن دوران، قیمت‌گذاری‌های بیش‌ازحد خوش‌بینانه، ارزیابی‌های اعتباری سهل‌گیرانه و اهرم‌های مالی سنگین، خطرات همبسته‌ای را پنهان کردند که قرار بود سبدهای متنوعی از ریسک باشند.

تأمین مالی توان پردازشی، اگرچه عیناً مشابه وام‌های مسکن نیست، اما آسیب‌پذیری‌های خاص خود را دارد. پردازنده‌های انویدیا بسیار سریع‌تر از مسکن مستهلک می‌شوند و ارزش خود را از دست می‌دهند. از سوی دیگر، درآمد حاصل از اجاره کارخانه‌های هوش مصنوعی به میزان بهره‌برداری از آنها، قیمت‌گذاری خدمات و توانایی مشتریان در تبدیل هوش مصنوعی به کسب‌وکارهای سودآور وابسته است. دراین‌میان، آزمایشگاه‌های پیشرو هوش مصنوعی بزرگ‌ترین مصرف‌کنندگان این توان پردازشی به شمار می‌روند؛ مجموعه‌هایی که بسیاری از آنها هنوز به سودآوری نرسیده‌اند. در چنین بازار متمرکزی، چندین بدهکار به مشتریان و تأمین‌کنندگان مشترکی وابسته‌اند و همگی بر پایه فرضیاتی درباره رشد جهشی تقاضا در آینده شرط بسته‌اند.

تولیدکنندگان تراشه در شرکت‌های ارائه‌دهنده زیرساخت سرمایه‌گذاری می‌کنند؛ شرکت‌هایی که سپس همان پول را صرف خرید تراشه‌های سازندگان می‌کنند و هم‌زمان توسعه‌دهندگان هوش مصنوعی متعهد به پیش‌خرید ظرفیت‌های آینده می‌شوند. این چرخه‌های مدور تأمین مالی شاید تا حدی نمایانگر تقاضای واقعی باشند، اما ارزیابی این موضوع را بسیار دشوار می‌کنند که چه مقدار از این تقاضا مستقل از سرمایه‌های حمایتی شکل گرفته است.

در گذشته اجازه داده شد اوراق بهادار با پشتوانه وام‌های مسکن، اثری فراگیر بر اعتبار خانوارها و ترازنامه بانک‌ها بگذارند. برای جلوگیری از تکرار همان سناریو، هرگونه پیشنهادی برای گسترش تأمین مالی زیرساخت‌های هوش مصنوعی فراتر از سرمایه‌گذاران تخصصی، نیازمند موشکافی و نظارت دقیق است.

خلأهایی که سازوکارهای نظارتی پس از بحران ۲۰۰۸ پوشش نمی‌دهند

از زمان بحران مالی، نهادهای قانون‌گذار بانک‌ها را ملزم کرده‌اند دارایی‌های نقدپذیر بیشتری نگهداری کنند و طبق قانون «داد-فرانک» (Dodd-Frank Act)، شرکت‌هایی که وام‌ها را در قالب اوراق بهادار بسته‌بندی می‌کنند، باید بخشی از ریسک اعتباری را شخصاً بر عهده بگیرند و پای منافع خودشان هم در میان باشد. این مقررات عمدتاً بخش بانکداری سنتی و محصولات آن را پوشش می‌دهند، اما بخش زیادی از تأمین مالی زیرساخت‌های هوش مصنوعی در صندوق‌های اعتباری خصوصی و شرکت‌های بیمه جریان دارد؛ بازاری که شفافیت بسیار کمتری دارد.

در ماه مه گذشته، هیئت ثبات مالی (FSB) به‌عنوان نهادی بین‌المللی زیر نظر گروه ۲۰ برای نظارت بر سیستم مالی جهانی، درباره آسیب‌پذیری‌های بازارهای اعتبار خصوصی هشدار داد و اعلام کرد داده‌های کافی برای اعمال نظارت دقیق در این حوزه وجود ندارد. این نهاد از مقامات ناظر خواست «تحلیل پیوندهای درهم‌تنیده میان اعتبارات خصوصی با شرکت‌های سرمایه‌گذاری خصوصی و بیمه‌گران، و همچنین عدم‌تطابق نقدینگی در صندوق‌های اعتباری خصوصی را به‌صورت عمیق‌تری بررسی کنند».

فشارهای اخیر بر کورویو نشان می‌دهد سرمایه‌گذاران با چه سرعتی می‌توانند دیدگاه خود را درباره تأمین مالی هوش مصنوعی بازنگری کنند. هرچند وجود یک وام‌گیرنده تحت فشار به‌تنهایی رخدادی سیستماتیک ایجاد نمی‌کند، اما شبکه درهم‌پیچیده و غیرشفافی از تأمین مالی فروشندگان و تمرکز تقاضا، می‌تواند پیش از مداخله نهادهای ناظر، شوک مالی را تشدید کند.

ضرورت شفافیت در تأمین مالی پروژه‌های هوش مصنوعی

تبدیل دارایی‌ها به اوراق بهادار نباید ممنوع شود و نباید تصور کرد هر ابزار مالی جدیدی بذر بحرانی تازه در دل خود دارد. جهش هوش مصنوعی به منابع مالی جدید نیاز دارد و بازارهای سالم و تحت نظارت دقیق می‌توانند ریسک‌ها را به‌شکلی کارآمد تخصیص دهند.

بحران مالی گذشته به ما آموخت که باید به دنبال چه نشانه‌هایی باشیم. نهادهای ناظر نیازمند اشراف کامل بر ریسک‌های موجود در ترازنامه بانک‌ها و سایر مؤسسات مالی هستند؛ از جمله ضمانت‌ها و اهرم‌های بدهی غیرمستقیم. آنها باید عدم‌تطابق سررسیدها را زیر نظر بگیرند؛ به‌ویژه در صندوق‌هایی که به سرمایه‌گذاران وعده دسترسی سریع به سرمایه‌شان را می‌دهند، درحالی‌که وام‌هایی در اختیار دارند که فروش مجدد آنها به‌سادگی ممکن نیست. همچنین وام‌دهندگان باید ملزم شوند بخش کافی از ریسک را در دفاتر مالی خود نگه دارند تا به سلامت و بازپرداخت وام‌ها پایبند بمانند.

امروز شرط‌بندی‌های سنگینی روی فرضیه رشد مداوم تقاضا و حفظ ارزش دارایی‌های پردازشی در طول زمان انجام می‌شود؛ آن هم در صنعتی که با کهنگی زودهنگام فناوری دست‌به‌گریبان است. ارزیابی‌های مستقل و شخص ثالث از ارزش تراشه‌ها در گذر زمان، مانع از آن می‌شود که وام‌دهندگان قیمت‌های متورم فعلی در شرایط کمبود عرضه را شاهدی بر حفظ ارزش سخت‌افزار در بلندمدت قلمداد کنند.

سرمایه‌گذاران باید بدانند زیرساخت‌های پردازشی با چه نرخی مورد استفاده قرار می‌گیرند، تا چه اندازه به گروه کوچکی از مشتریان وابسته‌اند و قراردادهای فعلی آنها تا چه مدتی اعتبار دارند. علاوه بر این، آزمون‌های تاب‌آوری (Stress Tests) می‌توانند شبیه‌سازی کنند که در صورت سقوط قیمت‌های پردازش، از رده خارج شدن پیش از موعد تراشه‌ها یا خروج یکی از مشتریان کلیدی، چه سرنوشتی در انتظار این ساختار مالی خواهد بود.

یک ابزار مالی می‌تواند سال‌ها بدون مشکل کار کند و در همان حال، نقطه ضعفی مشترک را در دل کل سیستم بگستراند. این درسی بود که در سال ۲۰۰۸ با بهایی سنگین آموختیم. اکنون نیز باید پیش از آنکه پیش‌بینی‌های خوش‌بینانه درباره تقاضای پردازش هوش مصنوعی را به دارایی‌هایی امن تبدیل کنیم، شواهد عینی و معیارهای شفاف را طلب کنیم.