رقابت داغتر شده است. اسپیسایکس شرکت ایلان ماسک که هم مدلهای هوش مصنوعی میسازد و هم موشکهای فضایی، هفته گذشته اعلام کرد که به دنبال ارزشگذاری ۱٫۷۷ تریلیون دلاری در بازار سهام آمریکا است. در همین حال، شرکت آنتروپیک، استارتاپ پشت ربات چت کلود، گفت که برای عرضه اولیه سهام درخواست داده است. انتظار میرود اوپنایآی، توسعهدهنده چتجیپیتی، نیز همین کار را انجام دهد.
این اوج جدید در بازار هوش مصنوعی در میان یک موج هزینهکرد چند تریلیون دلاری روی زیرساختهای مرتبط مانند مراکز داده رخ میدهد. همزمان، شرکتها در تلاش هستند از این فناوری به گونهای استفاده کنند که سرمایهگذاریهایشان را توجیه کند. در ادامه نگاهی به وضعیت رونق هوش مصنوعی و شش نمودار کلیدی که نشان میدهد چگونه به اینجا رسیدهایم، میاندازیم.
۱. هوش مصنوعی سهامها را به ارتفاعات جدیدی رسانده است
شاخص اساندپی ۵۰۰ که ۵۰۰ شرکت بزرگ آمریکایی را دنبال میکند، طی پنج سال گذشته نزدیک به ۸۰ درصد رشد کرده است. این جهش توسط سهام شرکتهای بزرگ فناوری که در رونق هوش مصنوعی نقش دارند، یعنی «هفت باشکوه» شامل آلفابت، آمازون، اپل، متا، مایکروسافت، انویدیا و تسلا، تغذیه شده است.
جیم بیانکو از شرکت تحقیقاتی بیانکو ریسرچ آمریکا میگوید تمرکز سرمایهگذاران بر فناوری بیسابقه است. تحقیقات او نشان داد که ۴۱ سهم مرتبط با هوش مصنوعی اکنون تقریباً نیمی از ارزش کل بازار اساندپی ۵۰۰ را تشکیل میدهند.
نیل ویلسون، تحلیلگر پلتفرم سرمایهگذاری ساکسو یوکی، هشدار میدهد که خطر شوک تورمی به سبک دهه ۱۹۷۰، ارزشگذاریهای بالای فناوری به طور کلی، و انجماد بالقوه در بازارهای اعتباری خصوصی، برای سهام خوب نیست.
او میگوید: «کل بازار به یک ساختار عظیم هوش مصنوعی تبدیل شده است. خطر تکرار حباب داتکام است - یک سقوط عظیم و سالها بازدهی از دست رفته. بر اساس برخی معیارها، ارزشگذاریها به اندازه آن زمان کشیده نشدهاند، اما این یک بازار فوقالعاده پرخطر به نظر میرسد.»
۲. هزینهها با سرعتی شگفتانگیز در حال رشد است
بر اساس گزارش گلدمن ساکس، هزینهکرد روی هوش مصنوعی - از مراکز داده گرفته تا تراشهها - از ۷۶۵ میلیارد دلار در سال جاری به ۱٫۶ تریلیون دلار تا سال ۲۰۳۱ در حال افزایش است. این بانک سرمایهگذاری اذعان میکند که ممکن است با چنین تعهد عظیمی مشکلاتی وجود داشته باشد. اگر مراکز داده با تأخیر مواجه شوند چه؟
تحلیلگران گلدمن میگویند: «با توجه به مقیاس سرمایهای که متعهد میشود، حتی تأخیرهای کوچک در اجرا، سوالات جدی درباره مفروضات تقاضای پشت این سرمایهگذاریها ایجاد میکند.» با این حال، آنها اضافه میکنند که اگر برنامههای هزینهکرد به آرامی پیش برود، میتواند موج جدیدی از تقاضای هوش مصنوعی را ایجاد کند. با این حال، این هزینهها نشان میدهد که چه میزان از منابع مالی جهانی - و انتظارات برای بازده - به سمت هوش مصنوعی سرازیر میشود.
۳. شرکتها و مصرفکنندگان به سرعت در حال پذیرش هوش مصنوعی هستند
علیرغم گزارشهای متناقض درباره مزایای آن، اکثریت قریب به اتفاق شرکتها شروع به استفاده از هوش مصنوعی کردهاند - از ۳۳٪ در سال ۲۰۲۳ به نزدیک به ۸۰٪ در حال حاضر، به گفته شرکت مشاوره مککینزی. استفاده عمومی نیز بالا است، به طوری که چتجیپیتی اوپنایآی اکنون به ۱ میلیارد کاربر فعال ماهانه رسیده است، طبق دادههای سنسور تاور - رکوردی برای هر برنامهای.
چالش توسعهدهندگان هوش مصنوعی اکنون این است که چگونه از این پایگاه عظیم مشتریان عمومی و خصوصی درآمد کسب کنند. شرکتها باید نشان دهند که هوش مصنوعی نتایج را بهبود میبخشد و هزینهها را به اندازه کافی کاهش میدهد تا هزینهها را توجیه کند. این به معنای استفاده از آن برای ساخت گردشهای کاری کامل است - اصطلاحی تجاری برای تکمیل یک کار از ابتدا تا انتها. هنوز راه زیادی در این زمینه باقی مانده است.
۴. کلود در حال رسیدن به چتجیپیتی است
آنتروپیک از اواخر سال گذشته شروع به پیشرفت در برابر اوپنایآی کرد، زمانی که ابزار کلود کد آن در میان توسعهدهندگان نرمافزار، عمدتاً در منطقه سانفرانسیسکو، محبوب شد و سپس گسترش یافت. کلود کد نشاندهنده تغییری در نحوه استفاده از مدلهای زبانی بزرگ - فناوری اصلی پشت رباتهای چت - به سمت عوامل هوش مصنوعی خودمختار بود که وظایف را بدون کمک انسان انجام میدهند و حتی به افراد غیرفناوری نیز امکان ایجاد نرمافزار و انجام طیف وسیعی از وظایف را میدهد.
اوپنایآی هنوز پایگاه کاربری کلی بسیار بزرگتری دارد، اما دادههای شرکت تحلیل اینترنت کنتیک - که استفاده در چندین ارائهدهنده خدمات اینترنت آمریکایی را ردیابی میکند - نشان میدهد که آنتروپیک به سرعت در حال بستن این شکاف است. ترافیک کاربری کلود بین ژانویه و آوریل به طور قابل توجهی سریعتر از چتجیپیتی و جمینای گوگل رشد کرد و پس از آن دوره جهش داشت. پنتاگون در ماه مارس آن را یک ریسک زنجیره تأمین نامید. با این نرخ رشد، کنتیک پیشبینی میکند که تا تابستان میتواند از چتجیپیتی پیشی بگیرد - دلیل دیگری که آنتروپیک ممکن است مسیر آسانتری برای عرضه اولیه سهام نسبت به رقیب خود پیدا کند.
۵. استفاده از هوش مصنوعی گرانتر میشود
هر بار که یک ربات چت یا عامل هوش مصنوعی پاسخی میدهد، با «توکن» اندازهگیری میشود - واحدهای پایه زبان که میتوانند کلمات، علائم نگارشی یا هجاها باشند. (به عنوان مثال، اوپنایآی میگوید عبارت «شما ۱۰۰٪ شوتهایی را که نمیزنید از دست میدهید» معادل ۱۱ توکن است.) توکنها همچنین ورودیها، مانند پرامپتی که در چتجیپیتی تایپ میکنید، را اندازهگیری میکنند.
هزینهها بسته به مدل متفاوت است؛ اوپنایآی برای هر میلیون توکن ورودی برای جیپیتی-۵٫۵، ۵ دلار و برای هر میلیون توکن خروجی (پاسخ به پرامپت شما) ۳۰ دلار دریافت میکند.
مشکل برای کاربران این است که هزینههای توکن به شدت در حال افزایش است، حتی در حالی که شرکتها در همه جا کارمندان را به «توکنمکس» تشویق میکنند - یعنی واقعاً روی استفاده از هوش مصنوعی سرمایهگذاری کنند. مشکل برای شرکتهای هوش مصنوعی این است که آنها هنوز به اندازه کافی دریافت نمیکنند.
وعده اساسی هوش مصنوعی این است که پولی که یک شرکت برای این ابزارها خرج میکند، بیش از آن با افزایش بهرهوری جبران میشود - معیاری از کارایی اقتصادی که در آن بهرهوری بالاتر به معنای خروجی بیشتر به ازای هر کارگر است. اگر این مبادله کار نکند، مفروضات پشت ارزشگذاریها و سیاستهای هوش مصنوعی تضعیف میشود.
لیام بتسورث، بنیانگذار استارتاپ بریتانیایی هوش مصنوعی پندرا، میگوید: «هزینهها کاملاً از کنترل خارج میشوند.» او میگوید توسعهدهندگان نرمافزار در شبکه او از عوامل برای کدنویسی استفاده میکنند، با ارزانترین اشتراک شروع کرده و به سرعت به گرانترین آن میروند. آنها تنها نیستند - وبسایت خبری آکسیوس اخیراً درباره یک شرکت ناشناس گزارش داد که در یک ماه ۵۰۰ میلیون دلار برای مجوزهای کلود کد هزینه کرده است.
۶. ساخت مرکز داده ممکن است با تقاضا هماهنگ نباشد
ساخت مراکز داده مانند سیستم عصبی مرکزی محصولات هوش مصنوعی است، بنابراین توسعه و استفاده رو به رشد از ابزارهای هوش مصنوعی باید با ظرفیت بیشتر مطابقت داشته باشد - در غیر این صورت یک بحران محاسباتی رخ میدهد، به معنای هزینههای بالاتر برای شرکتها و کاربران هوش مصنوعی.
جاهطلبیهای این بخش برای مراکز داده عظیم است و تقریباً غیرواقعی به نظر میرسد. بلومبرگ تخمین میزند که ۲۳ گیگاوات ظرفیت در سال ۲۰۲۵ در سطح جهان در دست ساخت بود (ظرفیت با توان الکتریکی اندازهگیری میشود، زیرا این محدود میکند که یک سایت چقدر محاسبات میتواند انجام دهد).
شرکت املاک آمریکایی جیالال پیشبینی میکند که ۱۰۰ گیگاوات بین سالهای ۲۰۲۶ و ۲۰۳۰ اضافه شود - دو برابر چیزی که آنها به عنوان ظرفیت فعلی تخمین میزنند، معادل ۱۲۰۰ مرکز داده. جیالال میگوید تخمین آن شامل پروژههای سفتهبازانهای است که ممکن است هرگز شروع نشوند.
اینکه پول و منبع انرژی برای تحقق این پیشبینی از کجا تأمین خواهد شد، یک سوال باز است. سسیلیا ریکاپ، دانشیار دانشگاه کالج لندن، میگوید بسیاری از پروژهها در سراسر جهان به وعدههای سیاسی برای گسترش شبکه و تأمین برق وابسته هستند؛ اما دولتها ممکن است منابع لازم برای انجام این کار را نداشته باشند.
او میپرسد: «آیا دولت محاسبه کرده است که آیا چنین توسعهای ممکن است؟ آیا آنها پول انجام آن را دارند؟ آیا آسیب زیستمحیطی که ایجاد میکند را در نظر گرفتهاند؟»
۷. تواناییهای مدلهای هوش مصنوعی به سرعت در حال گسترش است
تواناییهای مدلهای هوش مصنوعی از سال ۲۰۲۳ جهشهای بزرگی داشته است، به گفته متر، یک سازمان تحقیقاتی که قابلیتهای هوش مصنوعی را اندازهگیری میکند.
اندازهگیریهای متر بر اساس این است که آیا مدلهای هوش مصنوعی میتوانند یک کار کدنویسی را کامل کنند، که با مدت زمانی که یک انسان برای انجام آن نیاز دارد اندازهگیری میشود. بر اساس این معیار، مدلهای هوش مصنوعی هر چهار ماه یکبار قابلیت خود را دو برابر میکنند. به عنوان مثال، مدل کلود میتوس آنتروپیک تخمین زده میشود که به نرخ موفقیت ۵۰٪ در کارهایی دست یابد که انجام آنها توسط یک متخصص انسانی بین هشت ساعت تا دو روز طول میکشد.
با این حال، تاکنون تأثیر متناظری بر مشاغل نداشته است. یک گزارش مارس از آنتروپیک شامل تحقیقاتی بود که نشان میداد از نظر تئوری، هوش مصنوعی میتواند بسیاری از مشاغل، از محاسبات گرفته تا کارهای حقوقی را انجام دهد، اما هنوز در مقیاس بزرگ این کار را نکرده است.
بوکه کلاین تیزلینک، آکادمیک در کینگز کالج لندن و متخصص تأثیر هوش مصنوعی، خاطرنشان میکند که این شکاف همچنان قابل توجه است. تأثیر هوش مصنوعی بر کار نشان میدهد که موانعی برای پذیرش آن در نیروی کار وجود دارد. به عنوان مثال، چه مقدار از کار یک مدیرعامل یا مدیر ارشد را میتوان با خیال راحت به یک ربات سپرد؟ آیا کارهای حساس حقوقی را میتوان توسط چیزی غیر از انسان انجام داد؟ با این حال، او میگوید تغییر در راه است.
«ما هنوز در مراحل اولیه انقلاب هوش مصنوعی هستیم. بسیاری از مردم کارهایی را انجام میدهند که میتواند توسط هوش مصنوعی مدیریت شود. مقیاس تغییری که قرار است ببینیم عظیم خواهد بود.»
۸. مراکز داده از تولید ناخالص داخلی آمریکا حمایت میکنند
حتی اگر دولت آمریکا تحت دولت دونالد ترامپ مشاغل را کاهش داده است و بسیاری از صنایع شاهد اخراجهای گسترده بودهاند، تولید ناخالص داخلی آمریکا به رشد خود ادامه داده است - ۲٫۱٪ در سال ۲۰۲۵ و ۱٫۶٪ در سهماهه اول ۲۰۲۶، طبق اداره تحلیل اقتصادی آمریکا. با این حال، یک اقتصاددان هاروارد محاسبه میکند که بدون رونق مرکز داده، این اعداد میتوانستند بسیار کوچکتر باشند. در واقع، «سرمایهگذاری در تجهیزات و نرمافزار پردازش اطلاعات» ۹۲٪ از رشد تولید ناخالص داخلی آمریکا در نیمه اول سال ۲۰۲۵ را تشکیل میداد.
این بدان معناست که مراکز داده و رونق هوش مصنوعی سهم بزرگی از رشد آمریکا را هدایت میکنند. آنها دلیل بزرگی هستند که بزرگترین اقتصاد جهان با وجود چالشهای عمده، همچنان سالم به نظر میرسد. هرگونه کندی در این هزینهها میتواند عواقب اقتصادی و در نتیجه سیاسی داشته باشد.
**سوالات متداول**
در اینجا لیستی از سوالات متداول بر اساس مقاله «میلیاردها هزینه شده و بازده بالقوه هنوز نامشخص است. در اینجا رونق هوش مصنوعی با شش نمودار توضیح داده شده است» آورده شده است.
**سوالات سطح مبتدی**
۱. چرا شرکتها این همه پول برای هوش مصنوعی خرج میکنند اگر بازده آن تضمین شده نیست؟
آنها شرط میبندند که هوش مصنوعی در نهایت صنایع را متحول کرده و سودهای عظیمی ایجاد خواهد کرد، مشابه روزهای اولیه اینترنت. آنها نمیخواهند اگر موفق شود، عقب بمانند.
۲. منظور شما از رونق هوش مصنوعی چیست؟
این دوره فعلی سرمایهگذاری عظیم، هیجان و توسعه سریع در هوش مصنوعی، به ویژه در ابزارهایی مانند چتجیپیتی و تولیدکنندگان تصویر است.
۳. آیا هوش مصنوعی در حال حاضر برای کسی پولسازی میکند؟
برای اکثر شرکتها، هنوز نه. هزینه ساخت و اجرای هوش مصنوعی پیشرفته عظیم است و هنوز مشخص نیست که چه زمانی این هزینهها توسط مشتریان پرداختکننده گسترده جبران خواهد شد.
۴. شش نمودار در مقاله درباره چه هستند؟
آنها روندهای کلیدی را نشان میدهند: هزینهکرد عظیم غولهای فناوری، تقاضای فزاینده برای تراشههای هوش مصنوعی، هزینه انرژی عظیم هوش مصنوعی، تعداد کم کاربران واقعی پرداختکننده، تثبیت عملکرد برخی مدلها و واکنش نامشخص بازار سهام.
**سوالات سطح پیشرفته**
۵. چرا هزینه استنتاج چنین مشکل بزرگی است؟
استنتاج زمانی است که شما واقعاً از یک مدل هوش مصنوعی استفاده میکنید. این بسیار گرانتر از آموزش یکباره مدل است. اگر میلیونها نفر روزانه از آن استفاده کنند، هزینههای برق و محاسبات skyrocket میکند و دستیابی به سود را بسیار دشوار میکند.
۶. نمودارها چگونه نشان میدهند که دستاوردهای آسان در هوش مصنوعی ممکن است تمام شده باشد؟
یک نمودار نشان میدهد که بهبود عملکرد بزرگترین مدلهای هوش مصنوعی شروع به کند شدن کرده است، حتی با افزایش هزینه آموزش آنها. این نشان میدهد که ما در حال رسیدن به نقطه بازدهی کاهشی هستیم.
۷. مقاله درباره نقش انویدیا در این رونق چه میگوید؟
انویدیا تراشههای ضروری برای هوش مصنوعی را میسازد. نمودارها نشان میدهند که درآمد انویدیا منفجر شده است، اما این «کلنگ و بیل» در تب طلاست. سوال این است که آیا شرکتهایی که آن تراشهها را میخرند، هرگز بازده سرمایهگذاری خود را خواهند دید؟
۸. بازده نامشخص چگونه بر استارتاپهای کوچک هوش مصنوعی تأثیر میگذارد؟
