نه کمبود 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 مکان مناسبی پیدا کنند، از دسترسی آن به برق و آب کافی برای راه‌اندازی و خنک‌کردن هزاران سرور مطمئن شوند و سپس ساختمان مرکز داده را احداث کنند. تازه پس از انجام این مراحل است که می‌توانند نصب رک‌های حاوی تراشه‌های هوش مصنوعی و تجهیزات شبکه را آغاز کنند.
در شرایطی که صنعت فناوری تلاش می‌کند برای پاسخ‌گویی به تقاضای فزاینده توان پردازشی هوش مصنوعی، مراکز داده را با بیشترین سرعت ممکن توسعه دهد، با چالش‌های متعددی روبه‌رو شده است. تأمین برق کافی برای فعالیت هر مرکز داده یکی از این مشکلات است. از سوی دیگر، کمبود ویفرهای سیلیکونی بر کل صنعت نیمه‌رساناها تأثیر گذاشته است. کمبود تراشه‌های حافظه به‌ویژه شدید بوده، زیرا سه تولیدکننده بزرگ این تراشه‌ها از ترس وقوع یک رکود دوره‌ای شدید دیگر در بازار، برای افزایش ظرفیت تولید خود تردید داشته‌اند.
با وجود تمام این مشکلات در زنجیره تأمین تجهیزات مراکز داده، مدیران عامل برودکام (NASDAQ: AVGO) و اینتل معتقدند شرکت‌های بزرگ ارائه‌دهنده خدمات ابری و دیگر فعالان حوزه مراکز داده هوش مصنوعی ممکن است با مانع بزرگ‌تری روبه‌رو باشند: کمبود سرمایه. زمان طولانی موردنیاز برای ساخت مراکز داده و هزینه‌های هنگفت این پروژه‌ها باعث شده است محدودیت منابع مالی، برخی شرکت‌ها را از توسعه زیرساخت‌هایشان با سرعت دلخواه بازدارد.
در ادامه بررسی می‌کنیم کدام شرکت‌ها می‌توانند بیشترین سود را از این شرایط ببرند.
فشار هزینه‌های ساخت مراکز داده بر بزرگ‌ترین شرکت‌های فناوری
بزرگ‌ترین شرکت‌های ارائه‌دهنده خدمات ابری در مقیاس گسترده، هم‌زمان با افزایش سرمایه‌گذاری در هوش مصنوعی، با جریان نقدی آزاد منفی روبه‌رو شده‌اند.
برای مثال، آلفابت (NASDAQ: GOOG) (NASDAQ: GOOGL) 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. این شرکت برای تأمین هزینه توسعه زیرساخت‌های آینده خود، از طریق بازارهای بدهی و سهام سرمایه جذب کرده است.
جریان نقدی آزاد آمازون (NASDAQ: AMZN) نیز در دوره ۱۲ماهه منتهی به سه‌ماهه گذشته به محدوده منفی سقوط کرد. مدیران شرکت علت این وضعیت را افزایش ۶۶٫۱ میلیارد دلاری مخارج سرمایه‌ای اعلام کردند.
شرکت‌های متا پلتفرمز، اوراکل و مایکروسافت نیز با شرایط مشابهی مواجه‌اند؛ 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 دشوارتر کند. این مشکل برای شرکت‌های نوظهور ارائه‌دهنده زیرساخت ابری، موسوم به نئوکلاودها، و آزمایشگاه‌های پیشرو هوش مصنوعی بسیار جدی‌تر است. این شرکت‌ها برخلاف غول‌های فناوری، منابع درآمدی دیگری ندارند و از اعتبار مالی کافی برای دریافت وام‌های کلان موردنیاز توسعه زیرساخت‌هایشان نیز برخوردار نیستند.
هر دو شرکت انویدیا و برودکام برای آنکه مشتریانشان بتوانند به خرید تجهیزات ادامه دهند، به تأمین منابع مالی موردنیاز مشتریان خود روی آورده‌اند. این رویکرد با خطرات 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 مقابله با مشکل تأمین مالی آن است که هزینه ساخت مراکز داده جدید از همان ابتدا کاهش یابد.
بزرگ‌ترین برندگان این شرایط
راه‌های چندانی برای کاهش هزینه احداث مراکز داده و نصب سخت‌افزارهای جدید وجود ندارد. بااین‌حال، بزرگ‌ترین بخش هزینه‌ها به خود تراشه‌ها مربوط می‌شود و در همین زمینه تغییر آشکاری در حال وقوع است. بزرگ‌ترین شرکت‌های ارائه‌دهنده خدمات ابری، در کنار اوپن‌ای‌آی و آنتروپیک، سهم فزاینده‌ای از پردازش‌های خود را با استفاده از تراشه‌های سفارشی انجام می‌دهند.
تراشه‌های سفارشی که با عنوان XPU نیز شناخته می‌شوند، هزینه اولیه بسیار کمتری دارند و در وظایف مشخص می‌توانند نسبت عملکرد به قیمت بهتری ارائه دهند. البته پردازنده‌های گرافیکی یا GPU انعطاف‌پذیری بیشتری دارند و برای بسیاری از کاربردها توان پردازشی بالاتری فراهم می‌کنند. به همین دلیل، هر پلتفرمی که بخواهد مجموعه کاملی از خدمات رایانش ابری ارائه دهد، همچنان به تعداد مشخصی پردازنده گرافیکی نیاز خواهد داشت.
استفاده از XPUها می‌تواند صرفه‌جویی مالی قابل‌توجهی برای پلتفرم‌های ابری به همراه داشته باشد. اندی جسی، مدیرعامل آمازون، در نشست اعلام نتایج مالی سه‌ماهه نخست این شرکت، درباره صرفه‌جویی احتمالی حاصل از استفاده از تراشه‌های سفارشی Trainium توضیح داد.
جسی گفت: «انتظار داریم استفاده از Trainium در مقیاس گسترده، سالانه ده‌ها میلیارد دلار از مخارج سرمایه‌ای ما بکاهد و در مقایسه با اتکا به تراشه‌های دیگر برای اجرای مدل‌های هوش مصنوعی، حاشیه سود عملیاتی ما را چندصد واحد پایه بهبود دهد.»
توماس کوریان، مدیرعامل گوگل کلاد، نیز گفته است دوره بازگشت سرمایه سرورهای مجهز به تراشه‌های سفارشی TPU این شرکت، نصف دوره بازگشت سرمایه سرورهای معمولی آن است. هرچند این تراشه‌ها ممکن است از نظر مصرف انرژی کارآمدتر باشند، به احتمال زیاد بخش عمده این سرعت بیشتر در بازگشت سرمایه، ناشی از نیاز کمتر به سرمایه‌گذاری اولیه است.
بر همین اساس، انتظار دارم تولیدکنندگان XPU از بزرگ‌ترین برندگان تلاش شرکت‌ها برای مهار مخارج سرمایه‌ای باشند. برودکام در حال حاضر پیشتاز بازار تراشه‌های XPU است، اما رقبای کوچک‌تری مانند مارول تکنولوژی (NASDAQ: MRVL) نیز ممکن است رشد سریعی را تجربه کنند؛ زیرا انتظار می‌رود فروش XPUها سریع‌تر از پردازنده‌های گرافیکی و دیگر تراشه‌ها افزایش یابد.
اگرچه پیش‌بینی می‌شود مارول اندکی سریع‌تر رشد کند، برودکام به لطف جایگاه قدرتمند خود نزد آزمایشگاه‌های پیشرو هوش مصنوعی و شرکت‌های بزرگ ارائه‌دهنده خدمات ابری، از موقعیت بسیار مناسبی برخوردار است. افزون بر این، سهام برودکام بر اساس نسبت قیمت به سود پیش‌بینی‌شده، با ارزشی معادل نصف سهام مارول معامله می‌شود.
آدام لوی، نویسنده این مقاله، در شرکت‌های آلفابت، آمازون، برودکام، متا پلتفرمز و مایکروسافت سهام دارد. مؤسسه موتلی فول نیز در شرکت‌های آلفابت، آمازون، برودکام، اینتل، مارول تکنولوژی، متا پلتفرمز، مایکروسافت، انویدیا و اوراکل سرمایه‌گذاری کرده و خرید سهام آن‌ها را توصیه می‌کند. موتلی فول دارای سیاست افشای اطلاعات است.
این مقاله با عنوان «نه کمبود حافظه، نه انرژی؛ بزرگ‌ترین مانع توسعه هوش مصنوعی چیست و کدام شرکت‌ها از آن سود می‌برند؟» نخستین بار در وب‌سایت موتلی فول منتشر شده است.