جنون هوش مصنوعی به بحران مالی بعدی ختم می‌شود؟

جهان صنعت نیوز – در نگاه نخست، اقتصاد هوش مصنوعی تصویری از موفقیت، نوآوری و آینده‌نگری را به نمایش می‌گذارد. شرکت‌هایی که تا چند سال پیش ناشناخته بودند، امروز در مرکز توجه بازارهای مالی قرار گرفته‌اند و ارزش‌گذاری آن‌ها از بسیاری از غول‌های قدیمی فناوری پیشی گرفته است. نمونه بارز این وضعیت، شرکتی است که با وجود نداشتن سود عملیاتی و ثبت میلیاردها دلار بدهی، به یکی از مهم‌ترین بازیگران زیرساختی هوش مصنوعی تبدیل شده و سهام آن پس از عرضه اولیه، رشدی چشمگیر را تجربه کرده است. این موفقیت ظاهری، در عین حال نمادی از شیوه جدید و به‌غایت پیچیده‌ای است که شرکت‌های فعال در حوزه هوش مصنوعی برای تأمین مالی فعالیت‌های خود برگزیده‌اند.

شرکت‌های هوش مصنوعی؛ ساده ولی پیچیده!

مدل کسب‌وکار این شرکت‌ها در ظاهر ساده به نظر می‌رسد؛ خرید انبوه تراشه‌های پیشرفته، احداث یا اجاره مراکز داده و سپس اجاره این ظرفیت محاسباتی به شرکت‌هایی که به توان پردازشی عظیم نیاز دارند اما تمایلی به پرداخت هزینه‌های سنگین اولیه ندارند. اما پشت این سادگی، ترازنامه‌هایی قرار دارد که مملو از بدهی، تعهدات اجاره‌ای بلندمدت و ساختارهای مالی پیچیده است. در یک نمونه شاخص، درآمد سالانه چند میلیارد دلاری در برابر هزینه‌هایی قرار گرفته که چندین برابر آن است. شکاف میان درآمد و هزینه از طریق استقراض گسترده پر شده است؛ استقراضی که بخش قابل توجهی از آن سررسید کوتاه‌مدت دارد و با نرخ‌های بهره بالا از سوی نهادهای اعتباری غیرسنتی تأمین شده است.

مسئله زمانی حادتر می‌شود که به تمرکز شدید درآمدها نگاه کنیم. بخش عمده درآمد برخی از این شرکت‌ها از یک یا دو مشتری اصلی تأمین می‌شود؛ مشتریانی که خود، هم‌زمان نقش سرمایه‌گذار، شریک تجاری و گاه تأمین‌کننده را نیز ایفا می‌کنند. در چنین ساختاری، مرز میان مشتری، سرمایه‌گذار و تأمین‌کننده عملاً از میان می‌رود. شرکتی که تراشه می‌فروشد، در همان زمان در شرکت مصرف‌کننده سرمایه‌گذاری می‌کند و سپس همان تراشه‌ها دوباره به خودش اجاره داده می‌شود. این پیوندهای دایره‌ای، شبکه‌ای از وابستگی‌های متقابل ایجاد کرده که ردیابی دقیق ریسک را دشوار می‌کند.

آنچه امروز در اقتصاد هوش مصنوعی مشاهده می‌شود، صرفاً محدود به یک یا دو شرکت نیست. غول‌های فناوری جهان در ماه‌ها و سال‌های اخیر، سرمایه‌گذاری‌های عظیمی در زیرساخت‌های محاسباتی انجام داده‌اند. حجم هزینه‌کرد برای مراکز داده در یک سال، با اندازه اقتصاد یک کشور متوسط قابل مقایسه شده و برآوردها از رسیدن این رقم به چندین تریلیون دلار در افق چند ساله حکایت دارد. چنین مقیاسی از سرمایه‌گذاری، حتی برای بزرگ‌ترین شرکت‌های جهان نیز از محل نقدینگی داخلی قابل تأمین نیست و ناگزیر به استفاده از ابزارهای مالی متنوع و بعضاً پرریسک منجر شده است.

در مرکز این معادله، تولیدکننده اصلی تراشه‌های هوش مصنوعی قرار دارد؛ شرکتی که بیش از هر بازیگر دیگری از این موج منتفع شده است. شرکت‌های توسعه‌دهنده مدل‌های هوش مصنوعی به این تراشه‌ها نیاز حیاتی دارند، اما منابع مالی کافی برای خرید مستقیم آن‌ها را ندارند. در مقابل، تولیدکننده تراشه نقدینگی فراوان دارد اما برای حفظ رشد خود به مشتریان بزرگ و پایدار نیازمند است. نتیجه، مجموعه‌ای از توافق‌هاست که در آن، شرکت‌های هوش مصنوعی بخشی از مالکیت یا سودهای آینده خود را واگذار می‌کنند و در عمل هزینه تراشه‌ها را از محل امید به سودآوری آتی می‌پردازند. اگرچه در ظاهر هیچ الزام قراردادی برای خرید انحصاری وجود ندارد، اما در عمل، مسیر سرمایه به همان نقطه بازمی‌گردد.

این شبکه از روابط، زمانی نگران‌کننده‌تر می‌شود که به وضعیت سودآوری کل صنعت نگاه کنیم. مجموع درآمد شرکت‌های فعال در حوزه هوش مصنوعی، فاصله‌ای عمیق با حجم سرمایه‌گذاری و هزینه‌های آن‌ها دارد. حتی بزرگ‌ترین بازیگران این حوزه، با وجود رشد سریع درآمد، همچنان زیان‌ده هستند و افق سودآوری آن‌ها به سال‌ها بعد موکول شده است. در سطح کلان، درآمد چند ده میلیارد دلاری در برابر هزینه‌هایی چند صد میلیارد دلاری قرار دارد. تنها شرکتی که در این میان سود قابل توجهی کسب می‌کند، تولیدکننده تراشه است؛ سودی که خود، حاصل هزینه‌کرد گسترده سایر شرکت‌هاست.

حامیان این روند، استدلال می‌کنند که هوش مصنوعی یک فناوری نمایی است و نباید با معیارهای خطی گذشته سنجیده شود. از نگاه آن‌ها، رشد سریع تقاضا برای خدمات هوش مصنوعی در نهایت به انفجار درآمد و سود منجر خواهد شد و سرمایه‌گذاری‌های سنگین امروز، توجیه‌پذیر است. اما در برابر این خوش‌بینی، شواهدی وجود دارد که نشان می‌دهد پیشرفت‌های فنی و آثار بهره‌وری هوش مصنوعی ممکن است کندتر از انتظارات باشد. در چنین سناریویی، ساختار مالی فعلی به‌جای سکوی پرتاب، می‌تواند به پاشنه آشیل کل صنعت تبدیل شود.

انباشت بدهی و مهندسی مالی؛ بازگشت ابزارهای آشنا

تفاوت اساسی موج کنونی با حباب‌های فناورانه گذشته، در میزان اتکای آن به بدهی نهفته است. توسعه زیرساخت‌های هوش مصنوعی به‌قدری پرهزینه است که تأمین مالی آن صرفاً از طریق سرمایه‌گذاری سهامی امکان‌پذیر نیست. برآوردها از انباشت صدها میلیارد دلار بدهی حکایت دارد؛ رقمی که انتظار می‌رود طی چند سال آینده به بیش از یک تریلیون دلار برسد. این بدهی‌ها، در صورت بروز اختلال، می‌توانند پیامدهایی بسیار فراتر از زیان سهام‌داران داشته باشند.

نگران‌کننده‌تر از حجم بدهی، شیوه سازمان‌دهی آن است. استفاده گسترده از نهادهای واسط و شرکت‌های با هدف خاص، این امکان را فراهم کرده که بدهی‌ها از ترازنامه شرکت‌های اصلی دور نگه داشته شود. در این سازوکار، یک نهاد حقوقی جداگانه ایجاد می‌شود که وام می‌گیرد، پروژه را اجرا می‌کند و سپس دارایی را به شرکت اصلی اجاره می‌دهد. این روش، در ظاهر انعطاف‌پذیری مالی ایجاد می‌کند، اما در عمل شفافیت ریسک را کاهش می‌دهد و یادآور رویه‌هایی است که پیش از بحران مالی ۲۰۰۸ نیز به‌کار گرفته می‌شد.

در کنار این ابزارها، بدهی‌های مراکز داده به اوراق بهادار مبتنی بر دارایی تبدیل شده و سپس در قالب بسته‌های مالی به سرمایه‌گذاران فروخته می‌شود. اگرچه این روش به‌خودی‌خود لزوماً مشکل‌ساز نیست، اما در دوره‌های سفته‌بازی شدید، می‌تواند ارزش بدهی را از ارزش واقعی دارایی‌های پشتوانه آن جدا کند. زمانی که تمرکز سرمایه‌گذاران بر رتبه اعتباری و بازده وعده‌داده‌شده باشد، نه بر کیفیت دارایی پایه، زمینه برای رفتارهای پرریسک فراهم می‌شود.

نوع دیگری از ریسک، در قالب وام‌هایی ظاهر شده که با تراشه‌های پردازشی به‌عنوان وثیقه پشتیبانی می‌شوند. در این ساختار، شرکت‌ها با گرو گذاشتن تراشه‌های موجود خود، وام‌های جدیدی برای خرید تراشه‌های بیشتر دریافت می‌کنند. اما ارزش این وثیقه‌ها به‌شدت به چرخه فناوری وابسته است. با ورود نسل‌های جدید تراشه، ارزش مدل‌های قدیمی کاهش می‌یابد. اگر این افت قیمت شدید باشد، زنجیره‌ای از نکول، فراخوان زودهنگام وام‌ها و فروش اجباری دارایی‌ها می‌تواند شکل بگیرد؛ چرخه‌ای که خود، افت قیمت را تشدید می‌کند.

نقش اعتبارات خصوصی در این میان بسیار پررنگ است. پس از محدودیت‌هایی که بر بانک‌ها اعمال شد، نهادهای سرمایه‌گذاری خصوصی به بازیگران اصلی بازار وام‌های پرریسک تبدیل شده‌اند. حجم اعتبارات خصوصی اعطاشده به بخش فناوری به صدها میلیارد دلار رسیده و انتظار می‌رود به‌سرعت افزایش یابد. اگرچه این نهادها سپرده‌گذاران خرد ندارند، اما سرمایه‌گذاران آن‌ها اغلب صندوق‌های بازنشستگی، شرکت‌های بیمه و نهادهای بزرگ مالی هستند. پیوندهای فزاینده میان اعتبارات خصوصی و نظام بانکی، این تصور را که ریسک محدود و محصور است، زیر سؤال می‌برد.

در چنین شرایطی، یک شوک منفی در اقتصاد هوش مصنوعی می‌تواند زنجیره‌ای از واکنش‌ها را در بخش‌های مختلف نظام مالی فعال کند. تجربه‌های گذشته نشان داده که میزان درهم‌تنیدگی ریسک‌ها، اغلب تنها پس از وقوع بحران آشکار می‌شود. این نگرانی زمانی جدی‌تر می‌شود که سیاست‌گذاری عمومی، به‌جای کاهش ریسک، در حال تسهیل دسترسی عموم سرمایه‌گذاران به دارایی‌های پرریسک‌تر باشد؛ اقدامی که دامنه اثرات احتمالی یک بحران را گسترش می‌دهد.

در مجموع، آنچه امروز در اقتصاد هوش مصنوعی در حال رخ دادن است، ترکیبی از نوآوری فناورانه و مالی‌سازی افراطی است. این ترکیب، تا زمانی که رشد سریع و خوش‌بینی حاکم باشد، می‌تواند ادامه یابد. اما اگر انتظارات محقق نشود، ساختار بدهی‌محور و پیوندهای پیچیده مالی، خطر تبدیل یک اصلاح فناورانه به یک بحران مالی تمام‌عیار را افزایش می‌دهد. نشانه‌ها نشان می‌دهد که مسئله اصلی، نه خود هوش مصنوعی، بلکه شیوه‌ای است که اقتصاد آن در حال شکل‌گیری است.

اخبار برگزیدهاقتصاد کلاندانش و فناوری