با قطع ارتباط انبوه بدهی های عظیم هوش مصنوعی از واقعیت اقتصادی، بانک ها عقب نشینی می کنند

به نظر می رسد وال استریت در حال رسیدن به محدودیت های خود در زمینه هوش مصنوعی است و سرمایه داران شروع به گفتن بخش آرام آن با صدای بلند کرده اند: به نظر نمی رسد که همه این هزینه های هوش مصنوعی بتواند نتیجه دهد، حداقل برای همه.

چرا اهمیت دارد: شکاف بین هزینه‌های ساخت زیرساخت هوش مصنوعی و آنچه شرکت‌ها واقعا برای استفاده از آن پرداخت می‌کنند در حال افزایش است. نگرانی وال استریت در حال افزایش است زیرا بدهی های انباشته برای تامین مالی مراکز داده و تراشه ها به طور فزاینده ای با واقعیت اقتصادی جدا شده است. محرک اخبار: شکاف بزرگی بین هزینه های زیرساخت هوش مصنوعی و بازده مورد انتظار باز می شود. در حالی که پیش بینی می شود ارائه دهندگان هوش مصنوعی تا سال 2030 7 تریلیون دلار برای زیرساخت ها هزینه کنند، تحقیقات گارتنر پیش بینی می کند که آنها بیش از 3.6 تریلیون دلار درآمد مرتبط در همان دوره تولید نخواهند کرد.

اگر شرکت‌ها سرعت سرمایه‌گذاری فعلی خود را حفظ کنند، بیش از 4 تریلیون دلار از مخارج زیرساخت‌های هوش مصنوعی ممکن است تا پایان سال 2032 در معرض خطر کاهش قیمت قرار گیرد.

گارتنر همچنین پیش‌بینی می‌کند که بیش از 80 درصد از ارائه‌دهندگان ابری تخصصی هوش مصنوعی، موسوم به neoclouds، تا سال 2030 فعالیت مستقل خود را متوقف خواهند کرد. مورد مثال: CoreWeave، یکی از بزرگ‌ترین نئوکلودها که در میان نزدیک‌ترین پیوندها به انویدیا - بنیاد مالی و معنوی رونق هوش مصنوعی - با فروش سهام و بدهی‌های خود به مدت چند روز مواجه شده است.

پس از صحبت جنسن هوانگ، مدیر عامل انویدیا، جنسن هوانگ، بازدهی به بالای 15 درصد رسید و سهام آن 15.5 درصد سقوط کرد. پول را دنبال کنید: منابعی در وال استریت به Axios می گفتند که تا زمانی که هزینه ساخت هوش مصنوعی به صورت نقدی پرداخت می شود، جای نگرانی وجود ندارد. اما امروز، یک سوم سرمایه‌ای که صرف هوش مصنوعی می‌شود، از بدهی ناشی می‌شود و بازارهای سرمایه نشانه‌هایی از خستگی شدید را نشان می‌دهند. تامین مالی سخت تر می شود. طبق گزارش فایننشال تایمز، صدور بدهی جهانی مرتبط با هوش مصنوعی در سپتامبر 2026 به 23 میلیارد دلار کاهش یافت که به شدت از 113 میلیارد دلار در ژوئن کاهش یافت.

بانک‌ها برای جلوگیری از ریسک تمرکز فعالانه عقب‌نشینی می‌کنند، جیمی دیمون، مدیرعامل جی‌پی مورگان، تأیید کرد که بانکش در حال کاهش اعتبار است.

پروژه‌های زیرساختی و ارائه‌دهندگان با مشکل مواجه هستند: تقریبا 18 میلیارد دلار وام بانکی برای پردیس مرکز داده اوراکل اخیرا به قلمروی پرتنش سرازیر شد، در حالی که ارائه‌دهنده ابر هوش مصنوعی تحت حمایت Nvidia، Firmus یک IPO را کنار گذاشت که به دنبال ارزیابی شمالی 30 میلیارد دلاری بود. بزرگ‌نمایی: هزینه‌های ثابت بر این باور است که تقاضای محاسباتی هرگز متزلزل نخواهد شد - باوری که دارای شکاف‌های ساختاری است. یکی از بنیانگذاران Reflection AI، Ioannis Antonoglou به Semafor گفت که کسب و کارها ممکن است به «یک یا دو دهه» نیاز داشته باشند تا اساسا عملیات خود را پیرامون هوش مصنوعی طراحی کنند.

این 10 تا 20 سال است که شرکت‌ها به آرامی فناوری‌هایی را که امروزه (با هزینه بالا) ساخته می‌شود، اتخاذ می‌کنند. بین خطوط: این یک عدم تطابق ایجاد می کند: امروزه مراکز داده و تراشه ها به سرمایه گذاری عظیم نیاز دارند، اما بازدهی که می تواند این هزینه را توجیه کند، سال ها طول می کشد تا تحقق یابد. به صراحت، شکاف بزرگی بین هزینه‌های هوش مصنوعی و درآمد هوش مصنوعی وجود دارد، شکافی که برای سال‌های بسیار زیادی از بین نخواهد رفت.

در عین حال، شرکت‌هایی که به سرعت هوش مصنوعی را به کار می‌گیرند، در استفاده کارآمدتر از ابزارها هوشمندتر می‌شوند و برای کاهش هزینه‌ها به مدل‌های وزن باز روی می‌آورند که محاسبات کمتری دارند. بررسی واقعیت: برای مقابله با خرس‌ها، به آخرین اطلاعات مالی Anthropic نگاه کنید. این شرکت در حال افزایش نقدینگی است، جریان نقدی آزاد را در سه ماهه سوم مثبت کرده و درآمد خود را در مقایسه با دوره آوریل تا ژوئن نزدیک به 50 درصد افزایش داده است.

اما حتی رشد خیره کننده آنتروپیک نیز کند شده است، البته به این دلیل که درختان نمی توانند به آسمان رشد کنند. نتیجه نهایی: ایجاد هوش مصنوعی مبتنی بر بدهی یک مشکل مجزا برای سرمایه گذاران فناوری نیست که نگران آن باشند. بازار سهام و اقتصاد به طور فزاینده ای با رونق هوش مصنوعی گره خورده است.

اگر شرط‌بندی هوش مصنوعی کارساز نباشد، بازارها و اقتصاد نیز ممکن است دچار تزلزل شوند.