نگاهی بهتر به حباب هوش مصنوعی
مردم اغلب درباره حباب‌های تکنولوژی به شکل آخرالزمانی فکر می‌کنند، اما لزوماً نباید تا این حد جدی باشد. از نظر اقتصادی، حباب یعنی شرط‌بندی که بیش از حد بزرگ از آب درآمد و شما را با عرضه‌ای بیشتر از تقاضا روبه‌رو کرد.
نکته اصلی این است: این یک قضیه همه یا هیچ نیست و حتی شرط‌بندی‌های خوب هم می‌توانند بد شوند اگر در نحوه انجام آن‌ها دقت نکنید.
«آنچه پاسخ به سؤال حباب هوش مصنوعی را دشوار می‌کند، عدم تطابق جدول زمانی بین سرعت سرسام‌آور توسعه نرم‌افزار هوش مصنوعی و کندی ساخت و راه‌اندازی مراکز داده است. چون ساخت این مراکز داده سال‌ها طول می‌کشد، طبیعتاً تغییرات زیادی بین امروز و زمان راه‌اندازی آن‌ها رخ خواهد داد.»
زنجیره تأمینی که سرویس‌های هوش مصنوعی را تغذیه می‌کند آنقدر پیچیده و سیال است که تشخیص میزان عرضه مورد نیاز چند سال آینده دشوار است. این صرفاً مسئله میزان استفاده مردم از هوش مصنوعی در سال 2028 نیست، بلکه چگونگی استفاده آن‌ها و اینکه آیا در این مدت پیشرفت‌هایی در انرژی، طراحی نیمه‌هادی یا انتقال برق خواهیم داشت.
وقتی شرط‌بندی این‌قدر بزرگ باشد، راه‌های زیادی برای اشتباه وجود دارد — و شرط‌بندی‌های هوش مصنوعی واقعاً بسیار بزرگ شده‌اند.
سرمایه‌گذاری‌های بزرگ و چالش‌های پیش رو
هفته گذشته، رویترز گزارش داد که یک مجتمع مرکز داده وابسته به Oracle در نیومکسیکو تا 18 میلیارد دلار اعتبار از کنسرسیومی متشکل از 20 بانک دریافت کرده است. Oracle قبلاً قراردادی 300 میلیارد دلاری برای خدمات ابری با OpenAI امضا کرده و این شرکت‌ها با SoftBank برای ساخت زیرساخت هوش مصنوعی به ارزش 500 میلیارد دلار در قالب پروژه "Stargate" همکاری می‌کنند. Meta نیز عقب نمانده و متعهد شده طی سه سال آینده 600 میلیارد دلار روی زیرساخت هزینه کند. ما تمام تعهدات بزرگ را اینجا دنبال می‌کنیم — و حجم عظیم آن‌ها پیگیری را دشوار کرده است.
در عین حال، عدم اطمینان واقعی درباره سرعت رشد تقاضا برای سرویس‌های هوش مصنوعی وجود دارد.
«نظرسنجی McKinsey که هفته گذشته منتشر شد، نحوه استفاده شرکت‌های برتر از ابزارهای هوش مصنوعی را بررسی کرد. نتایج متفاوت بود. تقریباً تمام کسب‌وکارهای مورد بررسی به نوعی از هوش مصنوعی استفاده می‌کنند، اما تعداد کمی در مقیاس واقعی از آن بهره می‌برند.»
هوش مصنوعی به شرکت‌ها اجازه داده در موارد خاص هزینه‌ها را کاهش دهند، اما تأثیری روی کل کسب‌وکار ندارد. به طور خلاصه، اکثر شرکت‌ها هنوز در حالت "منتظر و ناظر" هستند. اگر به این شرکت‌ها برای خرید فضا در مرکز داده‌تان حساب کرده باشید، ممکن است مدت زیادی منتظر بمانید.
چالش‌های زیرساختی
اما حتی اگر تقاضای هوش مصنوعی بی‌پایان باشد، این پروژه‌ها می‌توانند با مشکلات زیرساختی ساده‌تری روبه‌رو شوند. هفته گذشته، ساتیا نادلا شنوندگان پادکست را با گفتن اینکه بیشتر نگران کمبود فضای مرکز داده است تا کمبود تراشه، شگفت‌زده کرد. (همان‌طور که گفت: "این مسئله عرضه تراشه نیست؛ مسئله این است که من محفظه‌های آماده برای اتصال ندارم.") در همان زمان، مراکز داده کاملی بیکار نشسته‌اند چون نمی‌توانند با نیازهای برق نسل جدید تراشه‌ها کنار بیایند.
در حالی که Nvidia و OpenAI با حداکثر سرعت ممکن پیش می‌روند، شبکه برق و محیط ساخته شده هنوز با همان سرعت همیشگی حرکت می‌کنند. این فضای زیادی برای گلوگاه‌های پرهزینه باقی می‌گذارد، حتی اگر همه چیز درست پیش برود.
ما در پادکست Equity این هفته عمیق‌تر وارد این موضوع می‌شویم که می‌توانید در زیر گوش دهید.
