كريس وود يحذر: مخاطر سوء الاستثمار قد تؤدي إلى نهاية تجارة الذكاء الاصطناعي

يواجه الارتفاع المستمر في الإنفاق على الذكاء الاصطناعي تحذيراً حاسماً من أحد أكثر الاستراتيجيين خبرة في وول ستريت. يشير كريس وود، رئيس استراتيجية الأسهم العالمية في Jefferies، إلى أن طفرة الذكاء الاصطناعي لن تنتهي بسبب نقص الطلب، بل بسبب أزمة ربحية تلوح في الأفق.

تهديد سوء الاستثمار يتفوق على خطر فائض المعروض

على عكس دورات أشباه الموصلات التقليدية التي تنهار عادةً بسبب تكدس المخزون المفاجئ أو صدمات العرض، يرى وود أن تجارة الذكاء الاصطناعي تواجه خطراً هيكلياً فريداً: سوء الاستثمار. ويعتقد أن "المرحلة النهائية" لطفرة الذكاء الاصطناعي ستتحقق عندما تدرك الشركات العملاقة (hyperscalers) ومختبرات الذكاء الاصطناعي الرائدة أنها لا تستطيع تحقيق عوائد كافية على النفقات الرأسمالية (capex) الضخمة التي تضطلع بها.

يسلط وود الضوء على حلقة تغذية راجعة قد تكون محفوفة بالمخاطر، حيث تقوم شركات مثل Nvidia بتقديم التمويل لكيانات مثل OpenAI، والتي تستخدم بعد ذلك ذلك رأس المال لشراء المزيد من رقائق Nvidia. وبينما تغذي هذه الدورة النمو السريع، إلا أنها تعتمد بشكل كبير على افتراضات متفائلة لتحقيق الأرباح (monetization). وإذا بدأ المستثمرون في التشكيك في وضوح الأرباح طويلة الأجل لمكونات الذكاء الاصطناعي (AI stack)، فقد ينهار نموذج التمويل الدائري هذا بشكل حاد.

النفقات الرأسمالية الضخمة وصعود عمالقة الذاكرة

إن حجم الاستثمار الحالي غير مسبوق. يصف وود عملية التوسع المستمرة بأنها "أكثر دورة نفقات رأسمالية دراماتيكية" شهدها على الإطلاق. ومن الأمثلة الرئيسية شركة TSMC، التي رفعت توجيهاتها للنفقات الرأسمالية لعام 2026 إلى حوالي 56 مليار دولار، مع توقعات من Fubon Research تشير إلى أنها قد تصل إلى 65-70 مليار دولار بحلول عام 2027. وقد أدى هذا الارتفاع إلى تعزيز اقتصاد تايوان بشكل كبير، حيث بلغ نمو الناتج المحلي الإجمالي الحقيقي 14.55% على أساس سنوي في الربع الأول من عام 2026.

ومن المثير للاهتمام أنه بينما تواجه طبقات البرمجيات والنماذج مخاطر، فإن "أدوات العمل الأساسية" (picks and shovels) في هذه الصناعة - وتحديداً موردو الذاكرة - يشهدون فوائد هيكلية. يشير وود إلى "مفارقة جيفونز" (Jevons Paradox)، حيث تؤدي زيادة الكفاءة إلى زيادة إجمالي الاستهلاك. وقد حول هذا ذاكرة DRAM والذاكرة من مكونات ثانوية إلى محركات أساسية لإنتاجية الذكاء الاصطناعي. وتعمل الشركات الكبرى مثل Micron بالفعل على تأمين نفوذ طويل الأجل، من خلال 16 اتفاقية استراتيجية تغطي 20% من حجم DRAM وثلث حجم NAND الخاص بها.

تحول نماذج الذكاء الاصطناعي إلى سلع عامة

تمثل عملية تحول النماذج اللغوية الكبيرة (LLMs) السريعة إلى سلع عامة عائقاً كبيراً لمزودي الذكاء الاصطناعي الغربيين. ويشير وود إلى أن تكلفة النماذج عالية الأداء تنخفض بشكل حاد، لا سيما مع صعود النماذج الصينية الفعالة.

وتكشف البيانات الصادرة عن OpenRouter عن تحول هائل: ففي أواخر يونيو، عالجت أفضل نماذج الذكاء الاصطناعي الصينية 21.37 تريليون توكن (token)، وهي قفزة كبيرة من 4.37 تريليون في أبريل. وقد تجاوز هذا الحجم بكثير الـ 5.76 تريليون توكن التي عالجتها أفضل النماذج الأمريكية. ومع تقديم نماذج مثل GLM-5.2 من Z.ai أداءً يعادل تقريباً أداء المزودين الغربيين المتميزين بربع التكلفة، يستمر الضغط على اقتصاديات خدمات الذكاء الاصطناعي "المتميزة" في التصاعد.

النقاط الرئيسية

  • الخطر الجوهري: من المرجح أن تنتهي تجارة الذكاء الاصطناعي بسبب إدراك "سوء الاستثمار" وضعف العوائد على رأس المال، بدلاً من فائض المعروض التقليدي من الرقائق.
  • مرونة الذاكرة: بينما تواجه برمجيات الذكاء الاصطناعي خطر التحول إلى سلع عامة، يكتسب مصنعو الذاكرة (DRAM/NAND) قوة تسعير هيكلية واستقراراً في العقود طويلة الأجل.
  • حلقة التغذية الراجعة: يجب على المستثمرين مراقبة العلاقة الدائرية بين مصنعي الرقائق الذين يمولون مختبرات الذكاء الاصطناعي، حيث أن هذه الدورة حساسة للغاية للتحولات في معنويات المستثمرين.