چه کسی هزینه ساخت 2.6 تریلیون دلاری هوش مصنوعی را پرداخت می کند؟ به بودجه شرکت ها نگاه کنید

صبح بخیر بر اساس تحلیل موسسه BCG، تا سال 2030، اکوسیستم هوش مصنوعی به حدود 2.6 تریلیون دلار هزینه سالانه در بازار نهایی برای پشتیبانی از مراکز داده، تراشه ها، توسعه مدل و بازده سرمایه گذاران نیاز دارد.

شرکت‌ها 1.8 تریلیون دلار از این مجموع را به خود اختصاص می‌دهند، پس از آن مصرف‌کنندگان با 366 میلیارد دلار، استفاده داخلی ابر مقیاس‌کننده‌ها با 204 میلیارد دلار و فناوری‌های نوظهور مانند هوش مصنوعی فیزیکی با 200 میلیارد دلار قرار دارند. برآوردها نشان دهنده هزینه های جهانی، به استثنای چین، و منعکس کننده هزینه های زیرساختی است که عمدتا در ایالات متحده متمرکز شده است، جایی که بیشترین ظرفیت جدید در حال ساخت است.

1.8 تریلیون دلار به جای پیش‌بینی هزینه‌های واقعی، معیاری است از آنچه که اکوسیستم هوش مصنوعی از شرکت‌ها نیاز دارد.

در یک سناریوی گویا، BCG تخمین می‌زند که شرکت‌ها می‌توانند با تخصیص مجدد 857 میلیارد دلار از بودجه‌های فناوری موجود و اضافه کردن 937 میلیارد دلار به هزینه‌های جدید، به این مبلغ کمک کنند. این باعث می‌شود بودجه‌های فناوری شرکت‌ها تقریبا 13 درصد بالاتر از پیش‌بینی هزینه‌های فناوری اطلاعات شرکت بین‌المللی داده‌ها باشد، با سهم هوش مصنوعی از این بودجه‌ها از 5 درصد امروز به 25 درصد در سال 2030.

این سناریو نشان می دهد که رشد صنعت هوش مصنوعی تا چه حد به هزینه های شرکت بستگی دارد. کلارک اونیل، رهبر جهانی BCG در زمینه هوش مصنوعی، زیرساخت ها و سایبر، گفت: برای مدیران مالی که به دنبال سرمایه گذاری اضافی در هوش مصنوعی هستند، این به معنای ارائه شواهدی از دستاوردهای بهره وری، کاهش هزینه، درآمد جدید یا مزیت رقابتی است. با این حال، برخی از مزایای استراتژیک ممکن است در محاسبات سنتی ROI دشوار باشد.

او گفت: «سوال فقط این نیست که آیا هوش مصنوعی بازده مالی فوری ارائه می‌کند یا خیر. "همچنین هزینه عقب افتادن هم می تواند باشد."

این استدلال نیز مستحق بررسی است. ترس از عقب افتادن می تواند یک ملاحظات راهبردی مشروع باشد، اما نباید جایگزینی برای یک پرونده تجاری شود.

BCG ساخت هوش مصنوعی را نسبت به رونق زیرساخت‌های گذشته انعطاف‌پذیرتر می‌داند، تا حدی به این دلیل که فرامقیاس‌ها بیشتر سرمایه‌گذاری خود را از طریق جریان نقدی به جای بدهی تامین مالی کرده‌اند. اما توانایی تامین مالی زیرساخت تضمین نمی کند که بازده مناسبی را ایجاد کند.

اونیل دو شاخص را شناسایی می کند که ارزش تماشا کردن دارند. اولین مورد این است که سرمایه گذاری زیرساختی چگونه تامین مالی می شود، با تغییر مداوم به سمت بدهی که نشان دهنده ریسک بیشتر است. دوم این است که آیا محاسبات مستقر درآمد کافی ایجاد می کند یا خیر. همانطور که آزمایشگاه های مرزی وارد بازارهای عمومی می شوند، افشای آنها می تواند نشان دهد که آیا درآمد با هزینه های محاسباتی همگام است یا خیر.

اقتصاد فضای محدودی برای ناامیدی باقی می گذارد.

BCG فرض می‌کند که تراشه‌های هوش مصنوعی دارای عمر متوسط ​​پنج ساله هستند و تخمین می‌زند که هر گیگاوات ظرفیتی که در سال 2026 آنلاین می‌شود، باید حدود 15 میلیارد دلار درآمد ایجاد کند تا هزینه‌های خود را پوشش دهد. تقاضای ضعیف تر از حد انتظار می تواند باعث جنگ قیمت و ضرر برای ارائه دهندگان مدل و اپراتورهای مرکز داده شود.

برای خریداران شرکتی، این فشارها پیامد عملی دارند. O'Niell به اکثر افراد توصیه می کند که از تعهدات طولانی مدت قیمت به ازای هر توکن اجتناب کنند زیرا قیمت های هوش مصنوعی همچنان در حال کاهش است. انعطاف پذیری قرارداد می تواند به مدیران ارشد مالی کمک کند تا کاهش هزینه های آینده را دریافت کنند.

O'Niell گفت که 2.6 تریلیون دلار قابل دستیابی است، "اما تضمین نشده است." و حتی اگر شرکت‌ها هزینه‌ها را تأمین کنند، این سؤال باقی می‌ماند که آیا ارزش اقتصادی کافی برای توجیه آن را به دست خواهند آورد یا خیر.

شریل استرادا Sheryl.Estrada@fortune.com

این داستان در ابتدا در سایت Fortune.com منتشر شد