باپا سینها

ترجمه مجله جنوب جهانی

مایکل بوری، سرمایه‌گذاری که پس از پیش‌بینی دقیق سقوط بازار مسکن در سال ۲۰۰۸ با فیلم «رکود بزرگ» (The Big Short) به شهرت رسید، دوباره در کانون خبرها قرار گرفته است. تقریباً بیست سال پیش، او هشدار داد که رونق وام‌های مسکن در آمریکا که بر پایه‌ی وام‌های ضعیف، حسابداری خلاقانه و مهندسی مالی بنا شده بود، محکوم به فروپاشی است. دستگاه حاکمه آمریکا هشدارهای او را نادیده گرفت، تا اینکه این سقوط، شرط‌بندی‌های او علیه رونق مسکن را هم سودآور و هم غیرقابل انکار ساخت. حال او توجه خود را به بخش هوش مصنوعی (AI) معطوف کرده است. اظهارات عمومی و موقعیت‌های بازار او نشان می‌دهد که وی همان نشانه‌های افراط و تفریط سوداگرانه را می‌بیند. اما نیازی نیست که تنها به بوری تکیه کنیم. در سراسر صنعت فناوری، مطبوعات مالی و تحلیلگران مستقل، این نگرانی‌ها در حال ظهورند که آیا رونق هوش مصنوعی در آمریکا بر پایه‌هایی پایدار استوار است یا خیر.
ابتدا باید بیان کرد که هوش مصنوعی یک فناوری تحول‌آفرین است. این فناوری هم‌اکنون شروع به دگرگون‌سازی خدمات، تولید، علم، لجستیک و کارهای مبتنی بر دانش کرده است. در همین حین که ما مشغول نوشتن هستیم، گوگل جدیدترین مدل جمینای ۳.۰ (Gemini 3.0) خود را منتشر کرده که پیشرفت‌های آشکاری را در استدلال، پردازش چندوجهی و کارایی به نمایش می‌گذارد. هیچ ناظر جدی منکر این نیست که هوش مصنوعی به بخش محوری اقتصادهای آینده تبدیل خواهد شد. موضوع، فناوری نیست؛ بلکه نحوه تأمین مالی و سازماندهی توسعه‌ی فعلی هوش مصنوعی تحت هدایت آمریکاست و اینکه آیا وعده‌های شرکت‌های آمریکایی بر واقعیت اقتصادی استوار هستند یا خیر.
پرسش از بازدهی
ایالات متحده شاهد افزایش بی‌سابقه‌ای در هزینه‌های سرمایه‌ای (Capex) مرتبط با هوش مصنوعی است. ابرمقیاس‌کنندگان (Hyperscalers) مانند مایکروسافت، آمازون، گوگل و اوراکل سالانه صدها میلیارد دلار برای مراکز داده، زیرساخت برق و واحدهای پردازش گرافیکی (GPU) هزینه می‌کنند. بانک‌های سرمایه‌گذاری پیش‌بینی می‌کنند که مجموع هزینه‌های سرمایه‌ای هوش مصنوعی تا سال ۲۰۲۸ از مرز سه تریلیون دلار عبور کند. با این حال، هم‌زمان، تجارت اصلی کلود (ابری) که تأمین‌کننده‌ی بخش عمده‌ی این هزینه‌ها است، به شدت در حال کاهش سرعت است. نرخ رشد برای آمازون وب سرویسز (AWS)، گوگل کلود و مایکروسافت آژور به طور قابل توجهی از اوج خود کاهش یافته است. خود شرکت‌های هوش مصنوعی نیز درآمد محدودی داشته، نرخ مصرف نقدی بالایی دارند و مدل‌های کسب و کار آن‌ها نامشخص است. بخش عمده‌ای از تقاضای آن‌ها برای محاسبات (Compute)، صرفاً آموزش مدل‌هایی است که هر روز بزرگ‌تر می‌شوند؛ به این امید که مقیاس به تنهایی بتواند جهش‌های لازم برای توجیه این سرمایه‌گذاری‌ها را فراهم کند.
بحث شیوه‌های حسابداری
دومین نکته، گفت‌وگوهای فزاینده‌ای درباره شیوه‌های حسابداری در بخش فناوری است. سال‌ها بود که استهلاک سخت‌افزار سرور در طول سه یا چهار سال محاسبه می‌شد. با تغییر تمرکز هزینه‌ها به سمت شتاب‌دهنده‌های هوش مصنوعی گران‌قیمت و تراشه‌های تخصصی، بسیاری از شرکت‌ها این دوره را به پنج یا حتی هفت سال تمدید کردند. این کار باعث می‌شود هزینه‌های جاری در سوابق حسابداری کاهش یافته و سود گزارش‌شده افزایش یابد، در حالی که خروج واقعی پول نقد در حال افزایش است. نتیجه، تصویری از بهبود سودآوری است، حتی زمانی که بازدهی واقعی محقق نشده است. تحلیلگران مستقل تخمین می‌زنند که این رویه سودها را افزایش داده یا زیان‌های ثبت‌شده را با مبالغ هنگفتی کاهش داده است. خواه این اقدام دستکاری باشد یا صرفاً پیش‌بینی خوش‌بینانه، نتیجه یکسان است: سرمایه بر اساس ارقام مبالغه‌آمیز تخصیص داده می‌شود.
ساختار مالی دورانی
سومین نکته این است که ساختار مالی اکوسیستم هوش مصنوعی به طور غیرعادی دورانی و چرخشی است. انویدیا (Nvidia) واحدهای پردازش گرافیکی (GPU) را بر اساس تقاضای آزمایشگاه‌های هوش مصنوعی مانند OpenAI و Anthropic می‌فروشد. این آزمایشگاه‌ها نیز بر اساس دسترسی خود به GPUها اقدام به جذب سرمایه می‌کنند. ابرمقیاس‌کنندگان در این آزمایشگاه‌ها سرمایه‌گذاری می‌کنند؛ زیرا آن‌ها تقاضا برای پلتفرم‌های کلودشان ایجاد می‌کنند. سرمایه خطرپذیر (Venture Capital) پول را به استارتاپ‌هایی سرازیر می‌کند که اولین مورد عمده‌ی هزینه‌شان نیز محاسبات است. انویدیا نیز به نوبه خود، در همین شرکت‌ها سرمایه‌گذاری می‌کند و به این ترتیب تقاضای آینده برای تراشه‌های خود را تضمین می‌نماید. این یک زنجیره صنعتی سالم نیست، بلکه یک حلقه بسته است که در آن ارزش‌گذاری، هزینه‌ها و جار و جنجال (Hype) یکدیگر را تقویت می‌کنند. این سیستم تنها تا زمانی عمل می‌کند که پول با نرخ‌های فزاینده به آن وارد شود.
تأمین مالی از طریق بدهی
چهارمین مورد این است که کل این فرآیند توسعه از طریق مقادیر عظیمی بدهی تأمین مالی می‌شود. شرکت‌های آمریکایی از نهادهای با هدف خاص (SPE) مبهم، قراردادهای اعتبار خصوصی و ساختارهای خارج از ترازنامه برای جمع‌آوری سرمایه جهت ساخت مراکز داده استفاده می‌کنند. حتی شرکت‌هایی که نقدینگی بالایی دارند، ترجیح می‌دهند برای حفظ نقدینگی خود برای بازخرید سهام، از استقراض با هزینه بالا استفاده کنند. وال استریت ژورنال گزارش می‌دهد که نرخ‌های بهره بسیاری از این وام‌ها بسیار بالاتر از سطوح استاندارد شرکتی است. این وضعیت شبیه ساختار اهرم بر اهرم است که قبلاً در بحران مسکن سال ۲۰۰۸ دیده شد. این بدهی‌ها تنها در صورتی تسویه خواهند شد که درآمدهای هوش مصنوعی به سرعت افزایش یابد. در غیر این صورت، پیامدها بسیار فراتر از بخش فناوری رفته و به بانک‌ها، بازارهای اوراق قرضه و صندوق‌های بازنشستگی گسترش خواهد یافت و منجر به شوک‌های اقتصادی جهانی مشابه آنچه در هنگام ترکیدن حباب‌های گذشته شاهد بودیم، خواهد شد.
فشار انرژی
یک نقطه فشار دیگر انرژی است. آموزش و استقرار مدل‌های بزرگ هوش مصنوعی نیازمند مقادیر عظیمی برق است. ایالات متحده هم‌اکنون در بسیاری از مناطق با کمبود شبکه برق مواجه است. گسترش مراکز داده جلوتر از ظرفیت انتقال است. کارشناسان بخش انرژی نسبت به افزایش هزینه‌های برق و کمبودهای محلی هشدار می‌دهند. در مقابل، رشد عظیم ظرفیت انرژی‌های تجدیدپذیر و نوسازی سریع شبکه در چین، این کشور را در موقعیت بسیار بهتری برای پاسخگویی به تقاضاهای فزاینده انرژی هوش مصنوعی قرار می‌دهد. دولت چین سرمایه‌گذاری در انرژی خورشیدی، بادی، آبی و انتقال ولتاژ فوق‌العاده بالا را به شیوه‌ای هماهنگ کرده است که سیستم پراکنده ایالات متحده به سادگی نمی‌تواند با آن برابری کند.
تفاوت رویکردهای آمریکا و چین
تضاد بین رویکردهای آمریکا و چین نسبت به هوش مصنوعی روز به روز آشکارتر می‌شود. روایت غالب در ایالات متحده طی چند سال گذشته بر تعقیب هوش عمومی مصنوعی (AGI)، یعنی هوش شبیه به انسان و به اصطلاح «جام مقدس» هوش مصنوعی، متمرکز بوده است. این باور وجود داشت که صرفاً افزایش مقیاس مدل‌ها، قابلیت‌های نوظهور جدیدی را آزاد کرده و یک مزیت قاطع جهانی به ارمغان خواهد آورد. بر این اساس، آزمایشگاه‌های هوش مصنوعی آمریکایی میلیاردها دلار جذب کردند. تمرکز آن‌ها کمتر بر هزینه، کارایی یا استقرار بود و بیشتر بر عجله برای رسیدن به AGI بود. این رویکرد با مدل سرمایه‌گذاری خطرپذیر ایالات متحده همسو بود، که هدف آن ایجاد انحصار از طریق تأمین مالی زودهنگام و گسترده است، همان‌طور که در موارد گوگل، مایکروسافت، آمازون، اپل و متا دیده شد.
چین مسیر متفاوتی را در پیش گرفته است. شرکت‌های آن بر مهندسی کارآمد، توسعه منبع باز (Open Source) و نظم هزینه‌ای تمرکز کرده‌اند. پروژه‌هایی مانند DeepSeek نشان داده‌اند که می‌توان مدل‌های با عملکرد بالا را با کسری از هزینه همتایان آمریکایی خود ساخت. آزمایشگاه‌های چینی به جای جهش‌های سوداگرانه به سوی AGI، بر توزیع و ادغام در دنیای واقعی تأکید کرده‌اند. در نتیجه، آن‌ها مدل‌های متعددی تولید کرده‌اند که هم‌اکنون با حدود یک‌دهم هزینه، تقریباً با محصولات آمریکایی رقابتی هستند. این امر آن‌ها را در سراسر جنوب جهانی و حتی در میان استارتاپ‌های هوش مصنوعی در غرب بسیار جذاب ساخته است.
وضعیت به جایی رسیده است که یک شریک در شرکت پیشرو سرمایه خطرپذیر آندرسن هوروویتز (Andreessen Horowitz)، علناً اعتراف کرد که تقریباً هشتاد درصد از استارتاپ‌های هوش مصنوعی که برای تأمین مالی به آن‌ها مراجعه می‌کنند، بر روی مدل‌های منبع باز چینی اجرا می‌شوند. این یک شاخص قابل توجه از محل قرارگیری نوآوری و کارایی هزینه در حال حاضر است. اگر این روند ادامه یابد، چین به تأمین‌کننده طبیعی زیرساخت هوش مصنوعی برای بخش اعظم جهان تبدیل خواهد شد، در حالی که ایالات متحده با شرکت‌های به شدت بدهکاری باقی می‌ماند که بازدهی آن‌ها به تسخیر بازاری جهانی وابسته است که ممکن است دیگر بر آن تسلط نداشته باشند. حتی در داخل بازار ایالات متحده، ممکن است تنها انحصارهای فناوری موجود مانند گوگل، بازار را در انحصار خود درآورند و بسیاری از آزمایشگاه‌های هوش مصنوعی و ابرمقیاس‌کنندگان را با سرمایه‌گذاری‌هایی مواجه سازند که نمی‌توانند بازیابی کنند.
نتیجه‌گیری: تکرار حباب‌های گذشته
مانند حباب‌های قبلی، رونق هوش مصنوعی سرمایه‌گذاری فیزیکی واقعی ایجاد کرده است. مراکز داده، نیروگاه‌ها، خطوط انتقال و سیستم‌های ساخت نیمه‌هادی با سرعت بالا در حال ساخت هستند. این سرمایه‌گذاری‌ها در حال حاضر اقتصاد ایالات متحده را سرپا نگه می‌دارند. اقتصاددانان خاطرنشان می‌کنند که بخش قابل توجهی از رشد اخیر تولید ناخالص داخلی آمریکا ناشی از ساخت و ساز، کالاهای سرمایه‌ای و اثرات ارزش‌گذاری بازار مرتبط با هوش مصنوعی است. این امر یک ساختار اقتصادی یک‌جانبه ایجاد می‌کند. هنگامی که حباب بترکد، شرکت‌هایی که این تأسیسات را ساختند و بانک‌هایی که آن‌ها را تأمین مالی کردند، با زیان‌های عظیمی مواجه خواهند شد. این تأثیر به اقتصادهای محلی، تأسیسات انرژی، بازارهای اعتباری و سرمایه‌گذاران بین‌المللی که پول خود را به ایالات متحده سرازیر کرده‌اند، گسترش خواهد یافت و منجر به شوک‌های اقتصادی جهانی مشابه آنچه در هنگام ترکیدن حباب‌های گذشته شاهد بودیم، خواهد شد.
شباهت‌ها با دوره دات‌کام واضح است. اینترنت یک فناوری واقعی و تحول‌آفرین بود، اما ادعاهای مالی مطرح شده در اواخر دهه ۱۹۹۰ بسیار فراتر از آن چیزی بود که فناوری در آن زمان می‌توانست ارائه دهد. هنگامی که سقوط رخ داد، تریلیون‌ها دلار ثروت کاغذی از بین رفت. همین الگو در طول جنون راه‌آهن در قرن نوزدهم نیز ظاهر شد. فناوری باقی ماند، اما ساختارهای سوداگرانه فروریختند. در نظام سرمایه‌داری، این چرخه تکرار می‌شود زیرا سرمایه‌گذاری به جای نیاز اجتماعی بلندمدت، به سمت سود کوتاه‌مدت هدایت می‌شود.
هوش مصنوعی اقتصادها و جوامع ما را دگرگون خواهد کرد. اما اگر به منطق مالیه سوداگرانه واگذار شود، ریسک عمیق‌تر شدن نابرابری، بی‌ثبات شدن اقتصادها و متمرکز شدن کنترل در دست تعداد انگشت‌شماری از شرکت‌های خصوصی را به همراه دارد. حباب نوظهور هوش مصنوعی، حکمی بر خود فناوری نیست، بلکه حکمی بر مدل اقتصادی است که تحت آن در حال توسعه است. سؤال این نیست که آیا حباب می‌ترکد، بلکه کی خواهد ترکید. هنگامی که این اتفاق بیفتد، تأثیر آن بر اقتصاد جهانی و کارگران در سراسر جهان سرمایه‌داری قابل توجه خواهد بود.