نه حافظه، نه انرژی؛ بزرگ‌ترین مانع توسعه هوش مصنوعی چیست و کدام شرکت‌ها از آن سود می‌برند؟
ساخت یک مرکز داده جدید برای هوش مصنوعی به مقدمات گسترده‌ای نیاز دارد. شرکت‌ها ابتدا باید زمین مناسبی پیدا کنند، از دسترسی به برق و آب کافی برای راه‌اندازی و خنک‌سازی هزاران سرور مطمئن شوند و سپس ساختمان مرکز داده را احداث کنند. تنها پس از طی این مراحل است که می‌توانند رک‌های حاوی تراشه‌های هوش مصنوعی و تجهیزات شبکه را نصب کنند.
صنعت هوش مصنوعی در تلاش است تا با بیشترین سرعت ممکن، ظرفیت مراکز داده را برای پاسخ‌گویی به تقاضای فزاینده توان پردازشی افزایش دهد، اما در این مسیر با چالش‌های متعددی روبه‌رو شده است. تأمین برق کافی برای هر مرکز داده یکی از این چالش‌هاست. از سوی دیگر، کمبود ویفر بر کل صنعت نیمه‌رساناها تأثیر گذاشته است. کمبود تراشه‌های حافظه به‌ویژه شدید بوده، زیرا سه تولیدکننده بزرگ این تراشه‌ها از ترس تکرار یک رکود دوره‌ای شدید، برای افزایش ظرفیت تولید خود تردید داشته‌اند.
با وجود مشکلات زنجیره تأمین در ساخت مراکز داده جدید، به گفته مدیران عامل برودکام (AVGO، با افت ۳٫۱۰ درصدی) و اینتل، شرکت‌های بزرگ ارائه‌دهنده خدمات ابری و دیگر فعالان حوزه مراکز داده هوش مصنوعی ممکن است با مانعی حتی بزرگ‌تر روبه‌رو شوند: سرمایه. زمان طولانی موردنیاز برای ساخت مراکز داده و هزینه‌های سرسام‌آور آن‌ها باعث شده است محدودیت منابع مالی، سرعت توسعه برخی شرکت‌ها را از آنچه در نظر دارند کمتر کند.
در ادامه بررسی می‌کنیم کدام شرکت‌ها می‌توانند بیشترین سود را از این شرایط ببرند.
حتی بزرگ‌ترین شرکت‌ها نیز فشار هزینه‌های ساخت مراکز داده را احساس می‌کنند
بزرگ‌ترین شرکت‌های ارائه‌دهنده زیرساخت‌های ابری در حالی که همچنان سرمایه‌گذاری خود در هوش مصنوعی را افزایش می‌دهند، با جریان نقدی آزاد منفی روبه‌رو شده‌اند.
برای مثال، آلفابت (GOOG، با افت ۱٫۶۸ درصدی و GOOGL، با افت ۱٫۷۴ درصدی) در سه‌ماهه گذشته، برای نخستین بار از زمان ورود به بورس، جریان نقدی آزاد منفی گزارش کرد. انتظار می‌رود این مشکل در سال ۲۰۲۷ بسیار شدیدتر شود. آلفابت برای تأمین مالی توسعه زیرساخت‌های آینده خود نیز از بازارهای بدهی و سهام سرمایه جذب کرده است.
آمازون (AMZN، با افت ۱٫۷۴ درصدی) نیز در سه‌ماهه گذشته شاهد منفی شدن جریان نقدی آزاد خود در دوره ۱۲ماهه منتهی به آن فصل بود. مدیران شرکت علت این وضعیت را افزایش ۶۶٫۱ میلیارد دلاری مخارج سرمایه‌ای عنوان کردند.
متا پلتفرمز، اوراکل و مایکروسافت نیز کم‌وبیش با شرایط مشابهی روبه‌رو هستند، هرچند مایکروسافت قصد دارد جریان نقدی خود را مثبت نگه دارد.
ترکیب جریان نقدی آزاد منفی با افزایش نرخ بهره می‌تواند تأمین سرمایه کافی برای ادامه ساخت مراکز داده را دشوار کند. این مشکل برای شرکت‌های نوظهور ارائه‌دهنده خدمات ابری، موسوم به نئوکلاودها، و آزمایشگاه‌های پیشرو هوش مصنوعی بسیار جدی‌تر است. این شرکت‌ها نه منابع درآمدی دیگری دارند که بتوانند به آن‌ها تکیه کنند و نه از اعتبار مالی کافی برای دریافت وام‌های کلانی برخوردارند که ادامه توسعه زیرساخت‌هایشان به آن نیاز دارد.
هر دو شرکت انویدیا و برودکام برای اطمینان از تداوم خرید مشتریانشان، به کمک به تأمین مالی مشتریان خود روی آورده‌اند. این رویکرد با ریسک‌های بیشتری همراه است، اما در عین حال به حفظ وفاداری مشتریان کمک می‌کند و برای برخی از آن‌ها راهی برای عبور از بزرگ‌ترین مانع توسعه فراهم می‌آورد. بااین‌حال، بهترین راه غلبه بر مشکل تأمین مالی آن است که هزینه ساخت مراکز داده جدید از همان ابتدا کاهش یابد.
بزرگ‌ترین برندگان این روند
راه‌های چندانی برای کاهش هزینه احداث مراکز داده و نصب تجهیزات جدید وجود ندارد. بااین‌حال، بزرگ‌ترین بخش هزینه‌ها به خود تراشه‌ها مربوط می‌شود و در این زمینه تغییر محسوسی در جریان است. بزرگ‌ترین شرکت‌های ارائه‌دهنده خدمات ابری، همراه با اوپن‌ای‌آی و آنتروپیک، سهم فزاینده‌ای از پردازش‌های خود را با تراشه‌های اختصاصی انجام می‌دهند.
تراشه‌های اختصاصی که با عنوان XPU نیز شناخته می‌شوند، هزینه اولیه بسیار کمتری دارند و می‌توانند در برخی وظایف مشخص، عملکرد بهتری نسبت به هزینه پرداخت‌شده ارائه دهند. البته پردازنده‌های گرافیکی یا GPU انعطاف‌پذیری بیشتری دارند و برای بسیاری از وظایف از توان پردازشی بالاتری برخوردارند. بنابراین، هر پلتفرمی که بخواهد مجموعه کاملی از خدمات رایانش ابری ارائه کند، همچنان به تعداد مشخصی از پردازنده‌های گرافیکی نیاز خواهد داشت.
استفاده از تراشه‌های XPU می‌تواند صرفه‌جویی مالی چشمگیری برای پلتفرم‌های ابری به همراه داشته باشد. اندی جسی، مدیرعامل آمازون، در نشست اعلام نتایج مالی سه‌ماهه نخست این شرکت، درباره صرفه‌جویی احتمالی ناشی از استفاده از تراشه‌های اختصاصی Trainium توضیح داد. او گفت: «انتظار داریم با استفاده از Trainium در مقیاس گسترده، هر سال ده‌ها میلیارد دلار در مخارج سرمایه‌ای صرفه‌جویی کنیم و در مقایسه با اتکا به تراشه‌های دیگر برای پردازش استنتاج، حاشیه سود عملیاتی ما چندصد واحد پایه بالاتر باشد.»
توماس کوریان، مدیر گوگل کلاد، نیز گفته است دوره بازگشت سرمایه سرورهای مجهز به تراشه‌های اختصاصی TPU این شرکت، نصف دوره بازگشت سرمایه سرورهای معمولی آن است. هرچند بهره‌وری انرژی بالاتر این تراشه‌ها می‌تواند در این تفاوت نقش داشته باشد، احتمالاً بخش عمده بازگشت سریع‌تر سرمایه ناشی از نیاز کمتر به سرمایه‌گذاری اولیه است.
بر همین اساس، انتظار دارم تولیدکنندگان تراشه‌های XPU از بزرگ‌ترین برندگان تلاش شرکت‌ها برای کنترل مخارج سرمایه‌ای باشند. برودکام پیشتاز بازار تراشه‌های XPU است، اما رقبای کوچک‌تری مانند مارول تکنولوژی (MRVL، با افت ۸٫۷۲ درصدی) نیز می‌توانند رشد سریعی را تجربه کنند؛ زیرا انتظار می‌رود فروش تراشه‌های XPU سریع‌تر از پردازنده‌های گرافیکی و دیگر تراشه‌ها افزایش یابد. اگرچه پیش‌بینی می‌شود مارول اندکی سریع‌تر رشد کند، برودکام به پشتوانه جایگاه بسیار قدرتمند خود نزد آزمایشگاه‌های پیشرو هوش مصنوعی و شرکت‌های بزرگ ارائه‌دهنده خدمات ابری، در موقعیت بسیار مناسبی قرار دارد. افزون بر این، سهام برودکام بر اساس نسبت آینده‌نگر قیمت به سود هر سهم (Forward P/E)، با نصف ارزش‌گذاری سهام مارول معامله می‌شود.