گلدمن ساکس پیش‌بینی می‌کند که هزینه‌های سرمایه‌ای در زیرساخت هوش مصنوعی تا سال ۲۰۲۷ به ۱.۲ تریلیون دلار خواهد رسید. این بانک هشدار می‌دهد که افزایش شدید هزینه‌ها می‌تواند منابع انرژی را تحت فشار قرار دهد، وابستگی به بدهی را افزایش دهد و رشد درآمد شرکت‌های ابرمقیاس را تحت فشار قرار دهد. به گفته این شرکت، انرژی به عنوان یک گلوگاه کلیدی برای توسعه در حال ظهور است.
توسعه ۱.۲ تریلیون دلاری
گلدمن ساکس انتظار دارد که شرکت‌ها تا سال ۲۰۲۷ مبلغ ۱.۲ تریلیون دلار در زیرساخت هوش مصنوعی سرمایه‌گذاری کنند. این رقم شامل مراکز داده، تراشه‌ها و تجهیزات شبکه‌ای مورد نیاز برای آموزش و اجرای مدل‌های بزرگ هوش مصنوعی می‌شود. این پیش‌بینی نشان‌دهنده سرعت بالای حرکت این فناوری از آزمایشگاه‌های تحقیقاتی به استقرار در مقیاس صنعتی است.
اما این بانک این هزینه‌ها را بدون ریسک نمی‌بیند. در ارزیابی خود، مقیاس سرمایه‌گذاری می‌تواند منابع انرژی را تحت فشار قرار دهد و وابستگی به بدهی را افزایش دهد — دو محدودیتی که به ندرت در پیش‌بینی‌های خوش‌بینانه هوش مصنوعی ظاهر می‌شوند.
انرژی: گلوگاه خاموش
به گفته گلدمن ساکس، انرژی در حال تبدیل شدن به یک گلوگاه کلیدی برای گسترش زیرساخت هوش مصنوعی است. مراکز داده در حال حاضر مقادیر عظیمی برق مصرف می‌کنند و انتظار می‌رود موج بعدی تأسیسات مخصوص هوش مصنوعی حتی بیشتر نیاز داشته باشد. در بسیاری از مناطق، شبکه‌های برق بدون ارتقاء قابل توجه، توانایی تحمل این بار را ندارند.
هشدار این بانک نشان می‌دهد که عامل محدودکننده رشد هوش مصنوعی ممکن است عرضه تراشه یا سرمایه نباشد، بلکه توانایی تولید و تحویل برق کافی باشد. این تغییر، شرکت‌های خدمات شهری، تنظیم‌کنندگان و بازارهای انرژی را در مرکز داستان هوش مصنوعی قرار می‌دهد.
گسترش مبتنی بر بدهی سوالات را برمی‌انگیزد
گلدمن ساکس همچنین اشاره می‌کند که افزایش هزینه‌های پیش‌بینی شده می‌تواند وابستگی به بدهی را افزایش دهد. ساخت زیرساخت هوش مصنوعی در این مقیاس نیازمند سرمایه‌گذاری اولیه عظیم است و شرکت‌ها ممکن است برای تأمین مالی آن به استقراض روی آورند. این امر در صورتی که رشد درآمد به سرعت مورد انتظار محقق نشود، ریسک را بالا می‌برد.
این نگرانی انتزاعی نیست. اگر شرکت‌های ابرمقیاس — ارائه‌دهندگان بزرگ ابری که بخش عمده‌ای از این توسعه را پیش می‌برند — شاهد فشار بر رشد درآمد خود باشند، بازپرداخت آن بدهی می‌تواند دشوارتر شود. یادداشت این بانک این رشته‌ها را به هم پیوند می‌دهد: هزینه‌های سنگین، محدودیت‌های انرژی و بار بدهی یک مثلث ریسک را تشکیل می‌دهند.
فشار بر شرکت‌های ابرمقیاس
همان هزینه‌ای که پیشرفت هوش مصنوعی را تقویت می‌کند، می‌تواند رشد درآمد شرکت‌های ابرمقیاس را تحت فشار قرار دهد. انتظار می‌رود این شرکت‌ها پیشتاز این هزینه‌های زیرساختی باشند، اما هزینه‌ها بسیار سنگین است. گلدمن ساکس مشخص نمی‌کند کدام شرکت‌ها یا چه میزان فشار را متحمل خواهند شد، اما مفهوم آن روشن است: اقتصاد زیرساخت هوش مصنوعی تضمین نشده است که به نفع همه باشد.
شرکت‌های ابرمقیاس از مشتاق‌ترین هزینه‌کنندگان در حوزه هوش مصنوعی بوده‌اند، اما پیش‌بینی این بانک نشان می‌دهد که این اشتیاق هزینه‌ای برای ترازنامه دارد. اگر رشد درآمد کند شود در حالی که هزینه‌های سرمایه‌ای بالا باقی بماند، این شکاف باید از طریق قیمت‌گذاری، کاهش هزینه‌ها یا تأمین مالی اضافی مدیریت شود.
آنچه باید نظاره کرد
پیش‌بینی ۱.۲ تریلیون دلاری گلدمن ساکس برای سال ۲۰۲۷ یک پیش‌بینی است، نه یک قطعیت. آزمون واقعی این خواهد بود که آیا زیرساخت انرژی می‌تواند همگام باشد و آیا شرکت‌ها می‌توانند توسعه را بدون بیش از حد متعهد شدن تأمین مالی کنند. در حال حاضر، یادداشت این بانک عددی را برای رونق هوش مصنوعی ارائه می‌دهد و محدودیت‌هایی را نام می‌برد که می‌توانند آن را کند کنند.
سرمایه‌گذاران و فعالان صنعت گزارش‌های درآمد شرکت‌های ابرمقیاس را برای نشانه‌های فشار بر درآمد زیر نظر خواهند داشت. تنظیم‌کنندگان انرژی و شرکت‌های خدمات شهری با سوالاتی درباره ظرفیت شبکه مواجه خواهند شد. و بازارهای بدهی نشان خواهند داد که آیا وام‌دهندگان هنوز مایل به تأمین مالی مرحله بعدی زیرساخت هوش مصنوعی هستند — یا اینکه هزینه سرمایه شروع به ضربه زدن می‌کند.
