هشدار کریس وود: چرا سرمایهگذاری نادرست میتواند به معامله هوش مصنوعی پایان دهد
رونق جهانی هوش مصنوعی در حال حاضر توسط دراماتیکترین چرخه هزینههای سرمایهای (capex) تاریخ تغذیه میشود، اما یک ریسک ساختاری قریبالوقوع میتواند باعث تغییر ناگهانی بازار شود. کریس وود، مدیر استراتژی جهانی سهام در Jefferies، هشدار میدهد که پایان معامله هوش مصنوعی نه از طریق کمبود تراشه یا مازاد عرضه، بلکه از طریق بحران اعتماد نسبت به بازگشت سرمایه حاصل خواهد شد.
تهدید سرمایهگذاری نادرست و تامین مالی چرخهای
برخلاف چرخههای سنتی نیمههادی که به دلیل انباشت موجودی کالا پایان مییابند، وود استدلال میکند که معامله هوش مصنوعی با یک تهدید روانشناختی و اقتصادی منحصربهفرد روبروست: «سرمایهگذاری نادرست» (malinvestment). ریسک اصلی این است که ابرمقیاسسازها (hyperscalers) و آزمایشگاههای هوش مصنوعی ممکن است نتوانند بازدهی مناسبی از مقادیر عظیم سرمایهای که به کار میگیرند، کسب کنند.
وود به یک حلقه بازخورد بالقوه شکننده در این اکوسیستم اشاره میکند. او به ساختارهایی اشاره دارد که در آن شرکتهایی مانند Nvidia ممکن است آزمایشگاههای هوش مصنوعی مانند OpenAI را تامین مالی کنند، و این آزمایشگاهها نیز به نوبه خود از آن سرمایه برای خرید تراشههای بیشتر Nvidia استفاده میکنند. اگرچه این چرخه باعث رشد کوتاهمدت میشود، اما یک «خانه پوشالی» ایجاد میکند که اگر سرمایهگذاران نسبت به تواناییهای درآمدزایی بلندمدت پشته هوش مصنوعی (AI stack) دچار تردید شوند، میتواند فرو بریزد.
هزینههای سرمایهای عظیم و تمرکز ثروت
مقیاس سرمایهگذاریهای فعلی بیسابقه است. TSMC پیشبینی هزینههای سرمایهای خود برای سال ۲۰۲۶ را از ۴۱ میلیارد دلار در سال گذشته به حدود ۵۶ میلیارد دلار افزایش داده است و برخی پیشبینیها نشاندهنده رسیدن این رقم به ۶۵ تا ۷۰ میلیارد دلار تا سال ۲۰۲۷ است. این جهش، تایوان را به یک قدرت ماکرو تبدیل کرده است، به طوری که رشد واقعی تولید ناخالص داخلی (GDP) در سه ماهه اول سال ۲۰۲۶ به ۱۴.۵۵ درصد نسبت به سال قبل رسید.
تقاضای مرتبط با هوش مصنوعی اکنون چنان متمرکز شده است که تخمین زده میشود ۳۱ درصد از درآمدهای TSMC در سال ۲۰۲۶ را شامل شود. این سطح از تمرکز نشان میدهد که اقتصاد جهانی در حال حاضر چقدر روی یک حوزه تکنولوژیک واحد شرطبندی کرده است.
کالایی شدن مدلهای هوش مصنوعی
نقطه فشار مهم دیگر، کالایی شدن سریع مدلهای زبانی بزرگ (LLMs) است. با ارزانتر شدن مدلهای باکیفیت، قدرت قیمتگذاری ممتاز ارائهدهندگان هوش مصنوعی غربی با چالش روبرو شده است.
وود خاطرنشان میکند که مدلهای چینی در حال کسب پیشرفت قابل توجهی هستند. در پلتفرم OpenRouter، برترین مدلهای چینی در اواخر ژوئن ۲۱.۳۷ تریلیون توکن را پردازش کردند که جهشی عظیم نسبت به ۴.۳۷ تریلیون توکن در ماه آوریل محسوب میشود و به طور قابل توجهی از ۵.۷۶ تریلیون توکن پردازش شده توسط برترین مدلهای آمریکایی پیشی گرفته است. این تغییر نشان میدهد که با کاهش «هزینه هر توکن»، اقتصادِ نگهداری مدلهای گرانقیمت و اختصاصی با بازبینی و نظارت شدیدی روبرو خواهد شد.
تغییر تمرکز به حافظه و سختافزار
با وجود این هشدارها، وود سقوط فوری را پیشبینی نمیکند. در عوض، او در حال تغییر جایگاه سبدهای سرمایهگذاری به سمت «بیل و کلنگ» (ابزارهای زیرساختی) این صنعت، یعنی به طور مشخص حافظه و سختافزار است.
او به «پارادوکس جِوونز» اشاره میکند که در آن افزایش کارایی منجر به افزایش کل مصرف میشود. با کارآمدتر شدن محاسبات، تقاضا برای حافظههای DRAM و NAND افزایش مییابد. شرکتهایی مانند Micron از قبل قراردادهای استراتژیک بلندمدتی را برای بخش قابل توجهی از حجم تولید خود تضمین کردهاند که به سازندگان حافظه اهرم و قدرت قیمتگذاری قابل توجهی میدهد؛ قدرتی که تولیدکنندگان سنتی تراشه اغلب در دوران رکودهای قبلی فاقد آن بودند.
نکات کلیدی
- ریسک اصلی: معامله هوش مصنوعی بیش از همه در برابر نگرانیهای مربوط به «سرمایهگذاری نادرست» آسیبپذیر است؛ یعنی این درک که هزینههای سرمایهای عظیم، سود کافی به همراه ندارند.
- فشار کالایی شدن: مدلهای هوش مصنوعی که به سرعت در حال بهبود و ارزانتر شدن هستند، به ویژه مدلهای چینی، اقتصاد با حاشیه سود بالای شرکتهای پیشرو هوش مصنوعی در غرب را تهدید میکنند.
- پوشش ریسک از طریق حافظه: در حالی که ارائهدهندگان نرمافزار و مدل با فشار بر حاشیه سود روبرو هستند، تولیدکنندگان سختافزار و حافظه (مانند SK Hynix و Samsung) همچنان ذینفعان ساختاری این توسعه زیرساختی باقی میمانند.