جی‌پی مورگان نسبت به افزایش نشانه‌های خطر در بازار هوش مصنوعی هشدار می‌دهد

در حالی که هوش مصنوعی همچنان باعث جهش‌های تکنولوژیک بی‌سابقه‌ای می‌شود، تحلیلگران مالی در مورد بی‌ثباتی احتمالی بازار هشدار می‌دهند. گزارش اخیر جی‌پی مورگان نشان می‌دهد که «شوق و هیجان بیش از حد سرمایه‌گذاران» در حال ایجاد سطوح خطرناکی از تمرکز و نوسان در بخش هوش مصنوعی است.

تمرکز شدید و شباهت به حباب دات‌کام

برجسته‌ترین نگرانی مطرح شده توسط جی‌پی مورگان، تمرکز شدید ثروت و رشد در شاخص S&P 500 است. از زمان عرضه ChatGPT در سال ۲۰۲۲، تنها ۴۲ شرکت مرتبط با هوش مصنوعی مسئول هدایت حدود ۶۵ تا ۸۰ درصد از کل سود، درآمد و سرمایه‌گذاری‌های این شاخص بوده‌اند. این تمرکز در ارزش بازار (market capitalization) بیش از همه مشهود است؛ جایی که ده مورد از بزرگترین سهام‌های ایالات متحده اکنون حدود ۴۰ درصد از S&P 500 را تشکیل می‌دهند که جهشی عظیم نسبت به تنها ۱۷ درصد در سال ۲۰۱۵ محسوب می‌شود.

علاوه بر این، الگوهای فنی در بخش نیمه‌هادی‌ها در حال بازسازی حباب بدنام دات‌کام هستند. جی‌پی مورگان چهار نشانه هشداردهنده مشخص را شناسایی کرده است:

  • سهام نیمه‌هادی‌ها با همان شدتی که در اواخر دهه ۱۹۹۰ رخ داد، از میانگین متحرک ۲۰۰ روزه خود فاصله می‌گیرند.
  • صندوق‌های پوشش ریسک (Hedge funds) بیش از هر زمان دیگری در سهام تراشه‌ها سرمایه‌گذاری کرده‌اند.
  • وام‌های حاشیه (Margin loans) در بورس اوراق بهادار کره از سال ۲۰۲۰ سه برابر شده است.
  • معاملات اختیار معامله (Options trading) در سهام نیمه‌هادی‌ها به پنج برابر سطح سال ۲۰۲۰ رسیده است.

تغییر چشم‌انداز سخت‌افزار هوش مصنوعی

در حالی که Nvidia همچنان غول بازار شتاب‌دهنده‌های هوش مصنوعی است، سلطه آن با فرسایش استراتژیک روبرو شده است. جی‌پی مورگان تخمین می‌زند که سهم بازار Nvidia احتمالاً از ۸۵ درصد در سال ۲۰۲۳ به حدود ۷۵ درصد تا سال ۲۰۲۶ کاهش یابد. این تغییر ناشی از توسعه سیلیکون‌های اختصاصی توسط ارائه‌دهندگان بزرگ خدمات ابری برای بهینه‌سازی هزینه‌ها است.

برای مثال، تراشه‌های TPU گوگل و Trainium آمازون در حال تبدیل شدن به جایگزین‌های حیاتی هستند. استفاده از سیلیکون‌های سفارشی می‌تواند هزینه‌های عملیاتی را در مقایسه با GPUهای سنتی Nvidia بین ۳۰ تا ۴۰ درصد کاهش دهد. یک تغییر قابل توجه در صنعت از هم‌اکنون در جریان است: شرکت Anthropic متعهد شده است که مدل‌های Claude خود را در دهه آینده بر روی زیرساخت Trainium آمازون اجرا کند، که نشان‌دهنده حرکت به سمت کاهش وابستگی کامل به GPU است.

فشارهای حاشیه سود و ظهور متن‌باز

توجیه اقتصادی آزمایشگاه‌های پیشرو هوش مصنوعی مانند OpenAI و Anthropic همچنان یک علامت سوال بزرگ است. علی‌رغم رشد سریع درآمد، هزینه‌های نجومی محاسبات (compute) در حال کاهش حاشیه سود است. این امر آسیب‌پذیری‌ای ایجاد می‌کند که رقبا آماده بهره‌برداری از آن هستند.

با نوسان قیمت توکن‌ها، شرکت‌ها به طور فزاینده‌ای به دنبال بهینه‌سازی هزینه‌های خود از طریق انتقال وظایف به مدل‌های متن‌باز ارزان‌تر و با عملکرد بالا هستند. این چشم‌انداز با مدل‌های متن‌باز چینی که با کسری از هزینه مدل‌های اختصاصی غربی، به سرعت در حال نزدیک شدن به عملکرد سطح بالا هستند، پیچیده‌تر شده است. این فشار رو به پایین بر قیمت‌گذاری توکن، در کنار کاهش حاشیه جریان نقدی آزاد در ارائه‌دهندگان بزرگ ابری، نشان می‌دهد که «تب طلای هوش مصنوعی» ممکن است به زودی با یک واقعیت تلخ در مورد سودآوری روبرو شود.

نکات کلیدی

  • نوسانات بازار: الگوهای سهام نیمه‌هادی و افزایش معاملات اختیار معامله، شباهت‌های فنی با حباب دات‌کام را نشان می‌دهند.
  • تنوع‌بخشی به سخت‌افزار: پیش‌بینی می‌شود سهم بازار Nvidia کاهش یابد، زیرا ارائه‌دهندگان ابری مانند آمازون و گوگل برای کاهش هزینه‌ها تا ۴۰ درصد، از تراشه‌های سفارشی استفاده می‌کنند.
  • ریسک‌های سودآوری: هزینه‌های بالای محاسبات و افزایش کارایی مدل‌های متن‌باز کم‌هزینه (از جمله مدل‌های چینی)، حاشیه سود آزمایشگاه‌های پیشرو هوش مصنوعی را تهدید می‌کند.