سؤال الـ 3 تريليونات دولار في مجال الذكاء الاصطناعي: هل يمكن للإيرادات أن تضاهي الإنفاق على البنية التحتية؟
يخوض قطاع الذكاء الاصطناعي حالياً سباقاً عالي المخاطر بين الإنفاق الرأسمالي الضخم والحاجة الملحة لتوليد الإيرادات. ومع ضخ الشركات العملاقة (hyperscalers) تريليونات الدولارات في الأجهزة والمعدات، يبرز سؤال جوهري: هل يمكن لطبقة البرمجيات توليد قيمة كافية لتبرير التكلفة الهائلة للرقائق السيليكونية؟
الفجوة المتزايدة بين الإنفاق الرأسمالي والإيرادات
إن حجم الاستثمار في البنية التحتية للذكاء الاصطناعي مذهل. فقد قام ديفيد كاهن، الشريك في Sequoia، والذي قدر سابقاً متطلبات الإيرادات بنحو 200 مليار دولار بناءً على إيرادات Nvidia من وحدات معالجة الرسومات البالغة 50 مليار دولار، بتعديل توقعاته بشكل كبير. وبسبب ثلاث سنوات من التوسع الهائل والمستمر، يقدر كاهن الآن أن الإنفاق على البنية التحتية للذكاء الاصطناعي سيصل إلى 1.5 تريليون دولار بحلول عام 2026.
ولتعويض هذه التكاليف، يجب على الصناعة توليد إيرادات تُقدر بنحو 3 تريليونات دولار. ومن المرجح أن يكون هذا الرقم حداً أدنى متحفظاً. إذ تؤدي التكاليف المتزايدة للذاكرة، ونشر رقائق متخصصة وفريدة لعمليات الاستدلال (inference)، وارتفاع تكاليف بناء مراكز البيانات، إلى رفع الإيرادات المطلوبة لكل جيجاوات (GW) من الإنفاق الرأسمالي بشكل حاد. وبينما تشهد المختبرات الرائدة نمواً — حيث تشير التقارير إلى وصول الإيرادات السنوية المتكررة (ARR) لشركة Anthropic إلى 60 مليار دولار ووصول OpenAI إلى 20 مليار دولار — لا تزال هناك فجوة هائلة بين الأرباح الحالية وعتبة الـ 3 تريليونات دولار.
رهان الشركات العملاقة ومخاطر الانكماش
تُعد الشركات العملاقة (hyperscalers) على نمط "السبعة العظماء" (Magnificent Seven) — مثل Google وMeta وMicrosoft وAmazon — المحركات الرئيسية لهذا الإنفاق. وتراهن هذه الشركات العملاقة على تسارع هائل في التدفق النقدي الحر بحلول عام 2028، بناءً على فكرة أن خدمات الذكاء الاصطناعي ستصبح مرافق أساسية ذات هوامش ربح عالية.
ومع ذلك، يحذر تورستن سلوك، كبير الاقتصاديين في Apollo، من رياح معاكسة كبيرة قد تعطل هذه الحسابات. وهناك اتجاهان محددان يشكلان تهديداً لنموذج عمل "مصنع الرموز" (token factory):
- صعود النماذج مفتوحة الأوزان (Open Weights): تتجه المؤسسات بشكل متزايد نحو النماذج مفتوحة الأوزان الأرخص ثمناً، بما في ذلك تلك القادمة من الصين، بدلاً من الاعتماد فقط على النماذج الرائدة المكلفة.
- انكماش سعر الرموز (Token Deflation): مع زيادة كفاءة النماذج، ينخفض سعر الرمز (token) الواحد بشكل حاد. على سبيل المثال، حققت أحدث نماذج OpenAI زيادة بنسبة 54% في كفاءة الرموز لمهام البرمجة. وبينما يعد هذا مكسباً للمطورين والمستخدمين النهائيين، فإنه يخلق "سباقاً نحو القاع" للمزودين الذين يعتمدون على حجم رموز كبير لتعويض تكاليف البنية التحتية الضخمة.
التداعيات الاقتصادية الكلية لفشل استرداد عوائد الذكاء الاصطناعي
تتجاوز المخاطر مجرد الميزانيات العمومية لعمالقة التكنولوجيا. ونظراً لأن قيادة السوق الحالية تتركز بشدة في عدد قليل من الأسماء، فإن مؤشر S&P 500 بأكمله مرتبط بنجاح دورة الاستثمار في الذكاء الاصطناعي هذه.
إذا فشلت الشركات العملاقة في تحقيق أهداف التدفق النقدي المتوقعة بحلول عام 2028، فقد يكون رد فعل السوق نظامياً وشاملاً. ويشير سلوك إلى أن استرداد العوائد بشكل أبطأ من المتوقع لن يؤدي فقط إلى تصحيح في قطاع معين، بل قد يؤدي إلى دفع الاقتصاد الأوسع نحو الركود. وبالنسبة لمنظومة الذكاء الاصطناعي، ستكون السنوات القادمة اختباراً حاسماً لما إذا كان يمكن تحقيق أرباح من الذكاء الاصطناعي بسرعة كافية لتجاوز التكلفة المتسارعة للأجهزة التي تنتجه.
أهم النقاط المستخلصة
- متطلبات إيرادات ضخمة: يحتاج قطاع الذكاء الاصطناعي إلى توليد ما يقرب من 3 تريليونات دولار من الإيرادات لتبرير الإنفاق المتوقع على البنية التحتية البالغ 1.5 تريليون دولار بحلول عام 2026.
- مفارقة الكفاءة: تؤدي الكفاءة المحسنة للنماذج (مثل زيادة OpenAI بنسبة 54% في مهام البرمجة) إلى خفض التكاليف للمستخدمين، ولكنها تخلق ضغوطاً على الأسعار للشركات التي تمول الأجهزة.
- مخاطر اقتصادية نظامية: نظراً لأن نمو الشركات العملاقة هو محرك رئيسي لمؤشر S&P 500، فإن الفشل في تحقيق عوائد الذكاء الاصطناعي قد يؤدي إلى تصحيح أوسع في السوق أو ركود اقتصادي.