نیم‌تریلیون دلار سرمایه‌گذاری در هوش مصنوعی

بانک یو‌بی‌اس پیش‌بینی کرده سرمایه‌گذاری جهانی در هوش مصنوعی تا سال ۲۰۲۶ از نیم‌تریلیون دلار عبور کند و طی پنج سال آینده با رشد سالانه ۲۵ درصد، به ۱.۳ تریلیون دلار برسد؛ جهشی که با معاملات میلیارددلاری غول‌های فناوری، آینده صنعت را متحول می‌سازد.

تسلط هوش مصنوعی بر نقشه سرمایه‌گذاری فناوری

به گزارش به‌روزترین‌ها هوش مصنوعی اکنون در نقطه‌ای ایستاده که بخش عمده‌ای از سرمایه‌گذاری‌های جهانی فناوری به سوی آن جهت یافته است. برآوردهای یو‌بی‌اس نشان می‌دهد پای سرمایه‌گذاران خصوصی، صندوق‌های جسورانه، شرکت‌های نیمه‌رسانا و ارائه‌دهندگان خدمات ابری به شدت در این میدان داغ شده است. هزینه‌های سرمایه‌ای جهانی بر زیرساخت‌های هوش مصنوعی شامل پردازنده‌ها، کارت‌های گرافیکی، مراکز داده و شبکه‌های توزیع ابری، تنها در سال ۲۰۲۵ به حدود ۴۲۳ میلیارد دلار خواهد رسید. این عدد نه فقط نشانه رشد، بلکه گواه تحول عمیق در ساختار صنعتی دنیاست که به سرعت از مدل‌های سنتی پردازش فاصله می‌گیرد و به سوی رایانش توزیع‌شده و هوشمند حرکت می‌کند.

این سرمایه‌گذاری‌ها فراتر از خرید سخت‌افزار هستند؛ آن‌ها شامل توسعه نرم‌افزارهای بنیادین، آموزش مدل‌های بزرگ زبان (LLMs) و ایجاد شبکه‌های توزیع ابری برای دسترسی به این مدل‌ها می‌باشند. شرکت‌های سرمایه‌گذاری خطرپذیر (VCs) اکنون حجم بی‌سابقه‌ای از پول را در استارت‌آپ‌هایی متمرکز کرده‌اند که ابزارهای هوش مصنوعی مولد یا زیرساخت‌های لازم برای اجرای آن‌ها را فراهم می‌کنند. تحلیلگران یو‌بی‌اس معتقدند این چرخه سرمایه‌گذاری، شبیه به دوران ظهور اینترنت یا انقلاب تلفن‌های هوشمند، نقاط عطف جدیدی را در اقتصاد دیجیتال رقم خواهد زد.

افزایش بی‌سابقه تقاضا برای قدرت پردازشی

رشد تقاضای جهانی برای توان پردازشی و داده به محور اصلی سرمایه‌گذاری‌ها تبدیل شده است. هرچه مدل‌های زبانی و مولد بزرگ‌تر و پیچیده‌تر می‌شوند، نیاز به سخت‌افزار قدرتمندتر و مصرف انرژی بالا هم رشد می‌کند. اوپن‌ای‌آی و آمازون در یک قرارداد هفت‌ساله به ارزش ۳۸ میلیارد دلار همکاری می‌کنند تا ظرفیت‌های رایانشی جهانی را گسترش دهند. از سوی دیگر مایکروسافت با صرف ۹.۷ میلیارد دلار از اپراتور مرکز داده استرالیایی «آیرن» ظرفیت خرید کرده تا بتواند پاسخ‌گوی نیاز مدل‌های پیشرفته خود باشد. این معاملات، موجی از سرمایه‌گذاری بی‌وقفه ایجاد کرده که نه تنها به رشد بازار بلکه به رقابت شدید میان غول‌های فناوری دامن زده است.

این قراردادهای چند ده میلیارد دلاری نشان‌دهنده ماهیت سرمایه‌گذاری در هوش مصنوعی است؛ دیگر بحث بر سر خرید چند سرور نیست، بلکه سازماندهی زیرساخت‌های ابرمحور برای پشتیبانی از آموزش مدل‌هایی با تریلیون‌ها پارامتر است. برای مثال، آموزش یک مدل پیشرفته می‌تواند به ده‌ها هزار پردازنده گرافیکی (GPU) قدرتمند برای ماه‌ها نیاز داشته باشد که هزینه‌های آن به ده‌ها میلیون دلار می‌رسد. این تقاضای عظیم، بازار سخت‌افزار را به سمت تراشه‌های تخصصی‌تر و بهینه‌تر سوق داده است.

رشد توکن و انفجار داده در مدل‌های هوش مصنوعی

داده‌های استخراج‌شده از گزارش یو‌بی‌اس به‌خوبی نشان می‌دهند که مصرف توکن در مدل جمینای گوگل طی ۱۸ ماه گذشته ۱۳۰ برابر شده است. این رقم، معنایی جز عطش جهانی برای تولید و پردازش محتوا ندارد. هم‌زمان شرکت متا نیز فراتر از پیش‌بینی‌ها در نیاز پردازشی ظاهر شده و زیرساخت‌های خود را چندبرابر کرده است. این رشد نه صرفاً یک جهش فنی، بلکه زایش فرهنگی جدیدی است که در آن داده به سرمایه اصلی اقتصاد دیجیتال بدل شده است.

این رشد نمایی در مصرف توکن نشان می‌دهد که مدل‌های هوش مصنوعی در حال تبدیل شدن به موتورهای اصلی تولید محتوا، کدنویسی و تحلیل داده هستند. هر چه این مدل‌ها تعامل بیشتری با کاربران و داده‌های ورودی داشته باشند، نیاز به تکرار فرآیند آموزش و تنظیم دقیق (Fine-tuning) افزایش می‌یابد. این نیاز مستلزم منابع محاسباتی عظیم است. اگر میزان توکن‌های پردازش‌شده در یک مدل را ( T ) و منابع محاسباتی مورد نیاز برای آن را ( C ) در نظر بگیریم، رابطه بین ( T ) و ( C ) به شکل نمایی با پیچیدگی مدل افزایش می‌یابد.

ابعاد مالی و سهم شرکت‌های آمریکایی در این جهش جهانی

مرکز ثقل این سرمایه‌گذاری عظیم همچنان در ایالات متحده است؛ جایی که شرکت‌های بزرگ فناوری نظیر گوگل، آمازون، مایکروسافت، متا و انویدیا، توان مالی و فنی بی‌رقیبی دارند. یو‌بی‌اس می‌گوید میانگین هزینه‌های سرمایه‌ای این شرکت‌ها در پنج سال گذشته تقریباً دو برابر شده و به ۲۰.۸ درصد رسیده است. پیش‌بینی می‌شود این رقم تا سال ۲۰۳۰ به بیش از ۲۷ درصد برسد؛ رشدی که آثار آن بر بازارهای سرمایه جهانی و حتی سیاست‌های پولی کشورها مشهود خواهد بود. نکته کلیدی این است که بیشتر زیرساخت‌های مورد نیاز برای اجرای مدل‌های عظیم هوش مصنوعی، از سوی همین شرکت‌ها تأمین می‌شود و بقیه جهان در نقش مصرف‌کننده باقی مانده است.

این تمرکز در آمریکا به دلیل دسترسی به سرمایه‌های عظیم، استعدادهای برتر مهندسی و همچنین وجود شرکت‌های پیشرو در زمینه تولید تراشه (مانند انویدیا) است. این شرکت‌ها نه تنها در حال ساخت مدل‌های پیشرفته هستند، بلکه زیرساخت‌های لازم برای ارائه آن‌ها به عنوان سرویس‌های ابری را نیز کنترل می‌کنند. این وابستگی جهانی به زیرساخت‌های آمریکایی، پتانسیل ایجاد شکاف دیجیتال بین کشورها را افزایش می‌دهد.

مراکز داده؛ قلب تپنده عصر جدید فناوری

مراکز داده اکنون به ستون فقرات اقتصاد دیجیتال تبدیل شده‌اند. هر یک از پروژه‌های سرمایه‌ای بزرگ در زمینه هوش مصنوعی شامل ساخت، توسعه یا خرید ظرفیت‌های مراکز داده با هدف پردازش توزیع‌شده و بهینه‌سازی مصرف انرژی است. رشد بازار تراشه‌های گرافیکی و پردازشگرهای تخصصی نیز به‌طور مستقیم با همین نیازها گره خورده است. شرکت انویدیا پیش‌بینی کرده است تقاضا برای GPU‌های مخصوص آموزش مدل‌های هوش مصنوعی تا پایان ۲۰۲۶ سه برابر شود. با افزایش رقابت، انتظار می‌رود اپل، اوراکل و حتی تسلا نیز سهم خود را از این بازار بگیرند.

ساخت یک مرکز داده مدرن با ظرفیت پشتیبانی از هوش مصنوعی چند میلیارد دلار هزینه دارد. این مراکز نیازمند زیرساخت‌های خنک‌کننده پیشرفته، تأمین برق پایدار و شبکه‌های فیبر نوری با پهنای باند بسیار بالا هستند. در واقع، رقابت برای جذب سرمایه‌گذاری در هوش مصنوعی، به رقابتی برای کسب زمین و منابع انرژی لازم برای ساخت این مراکز تبدیل شده است.

نقش هوش مصنوعی مولد در انفجار سرمایه

بخش مولد یا زایشی هوش مصنوعی (Generative AI) در حال تبدیل شدن به مرکز ثقل این سرمایه‌گذاری‌هاست. تقریباً تمام قراردادهای بزرگ اخیر پیرامون توسعه مدل‌های زبانی، تصویرسازی و پردازش صوتی هوشمند بسته‌ شده‌اند. رشد اپلیکیشن‌های مبتنی بر مدل‌های مولد مانند ChatGPT و Claude نه‌تنها تقاضا برای پردازش ابری را افزایش داده، بلکه طراحی نسل جدید تراشه‌ها را در شرکت‌هایی چون AMD و TSMC سرعت بخشیده است. این بخش طبق پیش‌بینی یو‌بی‌اس تا پایان دهه جاری بیش از ۷۰ درصد کل سرمایه‌گذاری‌های هوش مصنوعی را به خود اختصاص خواهد داد و تبدیل به موتور اصلی رشد فناوری در سراسر جهان می‌شود.

هوش مصنوعی مولد ماهیتی تعاملی دارد و این تعامل مستلزم پاسخ‌دهی در زمان واقعی (Real-time) است. این نیاز باعث می‌شود که نیاز به «استنتاج» (Inference) با سرعت بالا در مقابل «آموزش» (Training) مدل‌ها افزایش یابد. برای مثال، زمانی که یک کاربر سوالی از یک چت‌بات می‌پرسد، مدل باید در عرض چند ثانیه با استفاده از منابع سخت‌افزاری، پاسخ مناسب را تولید کند. این فرآیند استنتاج نیز به خودی خود نیازمند سرمایه‌گذاری‌های عظیمی در زیرساخت‌های ابری است.

پیامدهای اقتصادی و تأثیر بر اشتغال جهانی

رشد شتابان سرمایه‌گذاری در هوش مصنوعی تنها جنبه صنعتی ندارد؛ تبعات اقتصادی و اجتماعی آن نیز گسترده است. از یک سو موجب افزایش بهره‌وری در صنایع و خدمات مالی می‌شود، از سوی دیگر ممکن است میلیون‌ها شغل سنتی را دستخوش تغییر و جایگزینی کند. بانک یو‌بی‌اس در گزارش تحلیلی خود تأکید کرده که تا سال ۲۰۳۰ بیش از ۴۰۰ میلیون موقعیت کاری در جهان با حضور مستقیم یا غیرمستقیم هوش مصنوعی تحت تأثیر قرار خواهد گرفت. این تحول، دولت‌ها را وادار کرده تا آموزش‌های مهارتی جدیدی ارائه دهند و مسیرهای تازه‌ای برای ورود نیروی کار به اکوسیستم فناوری تعریف کنند.

تأثیر اقتصادی هوش مصنوعی در افزایش بهره‌وری به شکل بهبود چشمگیر در فرآیندهای تحقیق و توسعه، طراحی محصول و بهینه‌سازی زنجیره تأمین نمایان می‌شود. از سوی دیگر، نگرانی‌ها در مورد جابجایی شغلی (Job Displacement) در حوزه‌هایی نظیر خدمات مشتری، ورود داده و کارهای اداری ادامه‌دار است. این امر نیاز به بازنگری در سیاست‌های رفاهی و آموزش عالی را ضروری می‌سازد تا جامعه از این انقلاب بهره‌مند شود و نه اینکه متحمل هزینه‌های اجتماعی آن گردد.

رقابت ژئوپلیتیکی و اثرگذاری چین و اروپا

چین در سال‌های اخیر با سرمایه‌گذاری گسترده در هوش مصنوعی سعی کرده شکاف تکنولوژیک با آمریکا را کاهش دهد. تخمین‌ها نشان می‌دهد پکن تا پایان ۲۰۲۶ بیش از ۹۰ میلیارد دلار در زیرساخت‌های رایانشی و تراشه‌های پیشرفته صرف خواهد کرد. در اروپا نیز اتحادیه اروپا طرح «افق دیجیتال» را برای ایجاد مراکز داده و تقویت پردازش ابری بومی به راه انداخته تا وابستگی به آمریکا کاهش یابد. این رقابت ژئوپلیتیکی نه‌تنها اقتصادی بلکه استراتژیک است و تعیین می‌کند کدام کشور، فرمان توسعه فناوری و داده را در آینده به دست خواهد گرفت.

این رقابت به ویژه در حوزه نیمه‌هادی‌ها خود را نشان می‌دهد. تحریم‌ها و محدودیت‌های صادراتی آمریکا بر تراشه‌های پیشرفته، چین را وادار کرده تا سرمایه‌گذاری‌های داخلی خود را برای دستیابی به خودکفایی در این زمینه چندین برابر کند. اروپا نیز با تمرکز بر مقررات‌گذاری (مانند قانون هوش مصنوعی) و تشویق سرمایه‌گذاری در شرکت‌هایی مانند آرمان و مترا در حال تلاش برای ایجاد یک قطب مستقل در اکوسیستم جهانی هوش مصنوعی است.

چالش انرژی و پایداری محیط‌زیست در دوره هوش مصنوعی

افزایش حجم پردازش‌های رایانه‌ای و ساخت مراکز داده بزرگ، مصرف انرژی جهانی را بالا برده است. کارشناسان هشدار می‌دهند اگر روند فعلی ادامه یابد، تا سال ۲۰۳۰ سهم مصرف برق مراکز داده به بیش از ۵ درصد کل تولید برق جهان خواهد رسید. این موضوع سبب شده شرکت‌ها به سمت فناوری‌های خنک‌سازی پیشرفته، بازیافت حرارتی و استفاده از انرژی‌های تجدیدپذیر حرکت کنند. انویدیا و گوگل در پروژه‌های جدید خود از سیستم‌های مایع‌محور و مراکز داده با انرژی خورشیدی بهره می‌برند تا انتشار کربن کاهش یابد.

میزان انرژی مورد نیاز برای آموزش یک مدل بزرگ زبانی ممکن است معادل مصرف برق چند هزار خانوار در یک سال باشد. این معضل انرژی، یک عامل محدودکننده جدی برای رشد هوش مصنوعی خواهد بود. برای مثال، اگر مصرف برق مرکز داده‌ای که میزبان مدل‌های هوش مصنوعی است ( E_{DC} ) و کل تولید برق جهان ( E_{World} ) باشد، نسبت مصرف انرژی ( R = \frac{E_{DC}}{E_{World}} ) تحت نظارت دقیق خواهد بود و هرگونه رشد بیش از حد در این نسبت، واکنش‌های نظارتی و محیط‌زیستی را به همراه خواهد داشت.

آینده صنعت نیمه‌رسانا در سایه هوش مصنوعی

صنعت نیمه‌رسانا در قلب این تغییرات ایستاده؛ تراشه‌های مخصوص یادگیری ماشینی، شتاب‌دهنده‌های عصبی و حافظه‌های پرسرعت اکنون نقش حیاتی دارند. پیش‌بینی‌ها نشان می‌دهد بازار جهانی تراشه تا سال ۲۰۲۶ به بیش از یک تریلیون دلار نزدیک خواهد شد. شرکت‌های TSMC، سامسونگ و اینتل رقابت تنگاتنگی برای ساخت تراشه‌های کمتر از سه نانومتر دارند تا بتوانند قدرت پردازشی بالاتر و مصرف انرژی کمتر ارائه دهند. همین رقابت فنی، محرک دوم سرمایه‌گذاری جهانی در هوش مصنوعی محسوب می‌شود.

رقابت بر سر فناوری‌های تولید تراشه بسیار فشرده است. کاهش اندازه ترانزیستورها از ( N ) نانومتر به ( N-1 ) نانومتر، به طور معمول بر اساس قانون مور (هرچند در حال تغییر) با افزایش چگالی عملکرد همراه است. برای مثال، گذار از فرایند ۵ نانومتری به ۳ نانومتری، امکان افزایش تعداد ترانزیستورها در یک فضای مشخص را تا بیش از ۵۰ درصد فراهم می‌کند، که مستقیماً به بهبود عملکرد مدل‌های هوش مصنوعی منجر می‌شود.

تأثیر هوش مصنوعی بر سیاست‌گذاری کلان و اقتصاد جهانی

دولت‌ها اکنون ناگریزند هوش مصنوعی را نه فقط یک فناوری بلکه یک عامل سیاست‌گذار در نظر بگیرند. بانک جهانی و صندوق بین‌المللی پول در گزارش‌های اخیر خود تأکید کرده‌اند سرمایه‌گذاری در هوش مصنوعی از نظر حجم و اثرگذاری می‌تواند با صنعت نفت در قرن بیستم مقایسه شود. کشورهایی که امروز زیرساخت لازم برای بهره‌برداری از این فناوری را ایجاد می‌کنند، فردا می‌توانند تعیین‌کننده مسیر اقتصاد جهانی باشند.

این نگاه جدید به هوش مصنوعی، نیازمند بازنگری در قوانین مالیاتی، مالکیت فکری و امنیت ملی است. دولت‌ها باید تعادلی ظریف بین تشویق نوآوری و حفظ حاکمیت داده و تنظیم بازار برقرار کنند. نادیده گرفتن این روند می‌تواند به انزوای اقتصادی کشورها در دهه‌های آینده منجر شود.

پیش‌بینی نهایی یو‌بی‌اس؛ از نیم‌تریلیون تا ۱.۳ تریلیون دلار

بر اساس تحلیل نهایی یو‌بی‌اس، بازار هوش مصنوعی با نرخ رشد مرکب سالانه ۲۵ درصد تا پایان ۲۰۳۰ نه‌تنها از مرز ۱.۳ تریلیون دلار عبور می‌کند بلکه بخش زیادی از سرمایه‌های حوزه‌های دیگر فناوری و حتی صنایع سنتی را به خود جذب خواهد نمود. این پیش‌بینی یعنی ورود بشر به دوره‌ای که هوش مصنوعی همان نقشی را ایفا می‌کند که اینترنت در دهه نود میلادی داشت: دگرگونی بنیادین در مدل‌های اقتصادی، ارتباطی و انسانی. شرکت‌های و دولت‌هایی که امروز در این مسیر گام برمی‌دارند، فردا تعیین‌کننده آینده تمدن دیجیتال خواهند بود.

این رقم ۱.۳ تریلیون دلاری نشان‌دهنده یک بازتخصیص عظیم سرمایه در سطح جهانی است. سرمایه‌گذاری‌هایی که پیش از این صرف توسعه نرم‌افزارهای سنتی، شبکه‌های مخابراتی نسل پنجم یا سخت‌افزارهای مصرف‌کننده می‌شد، اکنون به سمت هوش مصنوعی هدایت می‌شود. این انتقال ساختاری، پیامدهای بلندمدتی برای بازارهای مالی و قدرت اقتصادی کشورها خواهد داشت.