داتا

اثر بحران انرژی بر ماهیت شکننده اکوسیستم

چطور جنگ با ایران صنعت هوش مصنوعی را تهدید می‌کند؟

برای ایالات متحده، یکی از پیامدهای افزایش سیستماتیک قیمت انرژی، می‌تواند تهدید بنیان‌های اقتصادی شکننده‌ی هوش مصنوعی باشد.

تهدید اقتصاد شکننده هوش مصنوعی در پی افزایش هزینه‌های انرژی ناشی از جنگ با ایران می‌تواند صنعتی که هنوز مدل کسب‌وکارش به طور کامل تثبیت نشده و سرمایه‌گذاری‌هایش با بدهی‌های عظیم تأمین مالی می‌شود، به طور ویژه در معرض خطر قرار دارد.

نگرانی کنونی دونالد ترامپ برای اصرار بر بازگشایی تنگه هرمز، ممکن است جهش سرسام‌آور قیمت بنزین در ایالات متحده باشد؛ اما اگر این درگیری ادامه پیدا کند، افزایش هزینه‌های انرژی پیامدهایی بسیار فراتر از پمپ‌بنزین‌ها خواهد داشت.

افزایش سیستماتیک قیمت برق و اختلال در زنجیره‌های تأمین، صنایع و مصرف‌کنندگان را در سراسر جهان تحت‌فشار قرار خواهد داد. برای ایالات متحده، یکی از پیامدهای این وضعیت می‌تواند تهدیدی برای بنیان‌های اقتصادی شکننده‌ی رونق هوش مصنوعی (AI boom) باشد.

بسیاری از اقتصادهای واردکننده نفت، به‌ویژه در نیم کره جنوبی، ناگزیر شده‌اند احتمال کمبود مستقیم نفت و فرآورده‌های آن را نیز در نظر بگیرند. فروشگاه‌ها در مصر با محدودیت‌های زمانی مواجه شده‌اند، اندونزی روزهای جمعه را به دورکاری اختصاص داده و فیلیپین وضعیت اضطراری ملی در حوزه انرژی اعلام کرده است.

ایالات متحده، به‌عنوان یک صادرکننده ثروتمند نفت، تا حد زیادی می‌تواند از این نگرانی‌ها فاصله بگیرد. بااین‌حال، همان‌طور که افزایش هزینه سوخت‌گیری خودروها در این کشور نشان می‌دهد، نمی‌تواند به‌طور کامل از افزایش جهانی قیمت انرژی مصون بماند؛ اکنون بسیاری از تحلیلگران معتقدند که این افزایش حتی در صورت بازگشایی سریع تنگه هرمز، ممکن است برای ماه‌ها ادامه یابد.

در چنین شرایطی، بسیاری از شرکت‌ها با نگرانی به پیش‌بینی‌های جریان نقدی خود نگاه خواهند کرد. اما به‌طور ویژه برای صنعتی که انرژی‌بر است، هنوز مدل کسب‌وکارش تثبیت نشده و سرمایه‌گذاری‌هایش بر پایه بدهی‌های کلان بنا شده، این چالش‌ها می‌تواند به‌مراتب شدیدتر باشد.

سم آلتمن، مدیرعامل OpenAI، در ماه فوریه و در تلاش برای کاهش نگرانی‌ها درباره اثرات زیست‌محیطی هوش مصنوعی، مقایسه‌ای نه‌چندان اطمینان‌بخش ارائه کرد؛ آن هم در آستانه عرضه‌ای بزرگ در بازار سهام که انتظار می‌رود اواخر امسال رخ دهد.

او گفت: «مردم درباره میزان انرژی موردنیاز برای آموزش یک مدل هوش مصنوعی صحبت می‌کنند؛ اما آموزش یک انسان هم به انرژی زیادی نیاز دارد. حدود ۲۰ سال زندگی و تمام غذایی که در این مدت مصرف می‌کنید لازم است تا به فردی باهوش تبدیل شوید.»

بانک انگلستان نیز در نظرسنجی دوره‌ای خود درباره ریسک‌های پیش‌روی نظام مالی بریتانیا در هفته گذشته، به ارتباط بالقوه میان هزینه‌های انرژی و قیمت سهام شرکت‌های هوش مصنوعی اشاره کرده است.

کمیته سیاست‌گذاری مالی این بانک ابتدا تأکید کرد که حتی پیش از آغاز جنگ توسط ترامپ نیز سرمایه‌گذاران نسبت به این بخش پرسش‌هایی مطرح کرده بودند: «پیش از درگیری، افزایش نیاز به تأمین مالی از طریق بدهی و تردیدها درباره تحقق بازدهی موردانتظار از سرمایه‌گذاری‌های بسیار بزرگ مرتبط با هوش مصنوعی، فشار فروش را افزایش داده بود.»

در ادامه آمده است: «این درگیری می‌تواند این نگرانی‌ها را تشدید کند؛ به‌ویژه باتوجه‌به ماهیت انرژی‌بر زنجیره تأمین اجزای کلیدی و همچنین عملیات مراکز داده.»

این هشدار بخشی از نگرانی گسترده‌تری است مبنی بر اینکه جنگ با ایران می‌تواند شکنندگی‌های پیشین بازارها را تشدید کند؛ چرا که به‌احتمال زیاد «رشد اقتصادی را کاهش می‌دهد، تورم را افزایش می‌دهد و شرایط مالی را سخت‌تر می‌کند.»

رابرت استایگر، اقتصاددان ارشد سازمان تجارت جهانی، نیز به این پیوند اشاره کرده و ماه گذشته گفته است که تداوم دوره‌ای از قیمت‌های بالای انرژی می‌تواند سرمایه‌گذاری در این بخش را «محدود» کند. او تأکید کرده است: «این رونق به‌شدت انرژی‌بر است.»

برای نشان‌دادن پیامدهای واقعی چنین عقب‌نشینی احتمالی، سازمان تجارت جهانی در تازه‌ترین چشم‌انداز تجارت جهانی خود محاسبه کرده که ۷۰ درصد از رشد سرمایه‌گذاری در ایالات متحده طی سه فصل نخست سال گذشته، به‌نوعی به کالاهای مرتبط با هوش مصنوعی اختصاص داشته است.

پیچیدگی عظیم مهندسی مالی‌ای که پشت این ابررونق سرمایه‌گذاری در هوش مصنوعی قرار دارد، در گزارشی دقیق از یک شرکت حقوقی آمریکایی به نام Quinn Emanuel در ماه گذشته به‌روشنی نمایان شده است. این گزارش با اشاره به این نکته آغاز می‌شود که درآمد این بخش در سال گذشته حدود ۶۰ میلیارد دلار بوده، درحالی‌که هزینه‌های سرمایه‌ای آن به ۴۰۰ میلیارد دلار رسیده است.

برای کسانی که بحران مالی جهانی سال ۲۰۰۸ را به‌خاطر دارند، این گزارش یادآور تجربه‌ای نگران‌کننده است؛ چون در آن، استفاده گسترده از نهادهای ویژه خارج از ترازنامه و همچنین اوراق بهادار مبتنی بر دارایی به چشم می‌خورد.

در واقع، شرکت‌های بزرگ پیشرو در هوش مصنوعی که به آن‌ها «هایپراسکیلر» گفته می‌شود، همراه با تأمین‌کنندگان زیرساختی مثل CoreWeave، در حال قرض گرفتن مبالغی باورنکردنی هستند تا با سرعت مراکز داده بسازند؛ البته تحلیل‌های اخیر منتقدی به نام «اد زیترون» نشان می‌دهد پروژه‌های واقعی خیلی از وعده‌ها عقب‌ترند.

وام‌دهندگان در بسیاری موارد شرکت‌های خصوصی مانند مدیران دارایی هستند؛ موضوعی که ردیابی میزان بدهی‌های هر شرکت را برای نهادهای نظارتی، و حتی برای سرمایه‌گذاران، دشوارتر می‌کند.

در کنار این موضوع، نگرانی‌های جداگانه اما مرتبطی درباره فعالیت‌های بخش رو‌به‌رشد «اعتبار خصوصی» وجود دارد؛ بخشی که نهادهای ناظر از جمله بانک انگلستان بارها نسبت به آن هشدار داده‌اند و بر شفاف نبودن آن تأکید کرده‌اند.

در برخی موارد، شرکت‌های فناوری به‌طور مستقیم اوراق‌قرضه منتشر کرده‌اند؛ اما در کنار آن، سازوکارهای بسیار پیچیده‌تری نیز در جریان است که یادآور دوره پیش از بحران بزرگ مالی است.

اپراتورهای مراکز داده، نهادهایی با هدف خاص خارج از ترازنامه ایجاد کرده‌اند که مالک این مراکز عظیم و درآمدهای آتی اجاره آن‌ها هستند و درعین‌حال بر پایه همین دارایی‌ها استقراض می‌کنند. در برخی موارد، این بدهی‌ها تجمیع شده، به بخش‌های کوچک‌تر تقسیم می‌شوند و سپس به صندوق‌های بازنشستگی و مدیران سرمایه‌گذاری فروخته می‌شوند.

همان‌طور که خوانندگان باسابقه به یاد دارند، چنین ساختارهایی می‌توانند این تصور کاذب را ایجاد کنند که ریسک‌ها در حال توزیع‌شدن هستند، درحالی‌که در واقع در حال انباشت هستند؛ و درعین‌حال، درک دقیق اینکه چه کسی به چه کسی بدهکار است را تقریباً ناممکن می‌کنند.

تحلیلگران Quinn Emanuel بر این باورند که طی دو سال گذشته حدود ۱۲۰ میلیارد دلار از بدهی‌های مرتبط با مراکز داده به خارج از ترازنامه منتقل شده است. آن‌ها هشدار می‌دهند: «ماهیت به‌شدت به‌هم‌پیوسته اکوسیستم هوش مصنوعی به این معناست که بروز اختلال در هر نقطه می‌تواند به‌سرعت در میان طرف‌های مختلف و لایه‌های تأمین مالی گسترش یابد.»

افزایش طولانی‌مدت هزینه‌های انرژی می‌تواند یکی از محرک‌های چنین اختلالی باشد؛ همان‌طور که انتظار برای نوسانات نرخ بهره و کاهش تقاضای مصرف‌کننده که هر دو از پیامدهای محتمل جنگ خاورمیانه هستند، نیز کمکی به بهبود شرایط نخواهند کرد.

در مجموع، تداوم تنش‌ها در تنگه هرمز می‌تواند از مسیر افزایش هزینه و نااطمینانی در تأمین انرژی، بر چشم‌انداز رشد صنایعی مانند هوش مصنوعی اثر بگذارد. صنعتی که به زیرساخت‌های پرمصرفی مانند مراکز داده متکی است، به‌طور مستقیم در معرض نوسانات قیمت انرژی قرار دارد و همین موضوع می‌تواند بر سرعت توسعه پروژه‌ها، برنامه‌های سرمایه‌گذاری و حتی برآورد بازدهی آن‌ها تأثیر بگذارد. در چنین شرایطی، علاوه بر ملاحظات مالی و نظارتی، دسترسی پایدار و قابل‌پیش‌بینی به انرژی به یکی از متغیرهای تعیین‌کننده در آینده این صنعت تبدیل می‌شود.

آیا این نیز یکی دیگر از پیامدهای حمله نسنجیده ترامپ به ایران است؛ اقدامی که نیروهایی را آزادکرده که دیگر از کنترل او خارج‌اند؟

منبع: The Guardian

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مطالب مرتبط

همسایه‌ها مهم هستند: پیشنهاداتی برای بهبود گراف‌رگ عاملی

چرا هوش مصنوعی باید بداند از کجا آمده است

سیستم‌های گراف‌رگ از رگ سنتی پیشرفته‌ترند؛ اما یک شکاف مهم دارند: عامل‌های هوشمند هنگام پیمایش گراف، حافظه‌ی مسیر را از دست می‌دهند و این یعنی از دست رفتن اعتماد

تقابل پرتنش یک استارتاپ هوش مصنوعی با پنتاگون و دولت آمریکا

چگونه آنتروپیک به ساختارشکن‌ترین شرکت جهان تبدیل شد

این مقاله تایم، تقابل شرکت هوش مصنوعی آنتروپیک با پنتاگون را بررسی می‌کند. پافشاری این شرکت بر ایمنی هوش مصنوعی و مخالفت با کاربردهای نظامی، به تحریم آن‌ها توسط دولت آمریکا انجامید.

نتایج شگفت‌انگیز از تحلیل ۱۰۰تریلیون توکن

مردم واقعاً چطور از هوش مصنوعی استفاده می‌کنند

مطالعه‌ای داده‌محور توسط OpenRouter نشان می‌دهد استفاده واقعی از هوش مصنوعی در جهان، با روایت رایج درباره بهره‌وری تفاوت معناداری دارد.
افزایش قیمت نفت