رشد ۸۲ درصدی گوگل کلود، و جنگ هزینه‌های سرمایه‌ای ابرمقیاس‌ها با ۵۱۴ میلیارد دلار تعهدات آتی

گزارش درآمد سه‌ماهه دوم ۲۰۲۶ آلفابت پاسخی قطعی به این سؤال داد که آیا هوش مصنوعی مولد (Generative AI) به درآمد واقعی سازمانی تبدیل می‌شود یا خیر. گوگل کلود رشد خیره‌کننده ۸۲ درصدی درآمد سال به سال را گزارش کرد و به ۲۴.۸ میلیارد دلار برای این سه‌ماهه رسید.[3][4][6]

این شتاب جهشی نشان می‌دهد که هوش مصنوعی از مرحله آزمایشی عبور کرده و وارد محیط‌های تولید اصلی شده است. تقریباً ۹۰ درصد از ۱۰۰ شرکت برتر فورچون اکنون از Gemini Enterprise استفاده می‌کنند که باعث افزایش چشمگیر در پردازش توکن و حجم کاری متمرکز بر هوش مصنوعی در بخش شرکتی شده است.[3][6]

سود مالی ناشی از این پذیرش به سرعت در حال تغییر شکل مشخصات سودآوری آلفابت است. درآمد عملیاتی گوگل کلود بیش از سه برابر شد و از ۲.۸ میلیارد دلار در سال گذشته به ۸.۸ میلیارد دلار در سه‌ماهه دوم ۲۰۲۶ رسید. این امر حاشیه سود عملیاتی این بخش را به ۳۵.۶ درصد چشمگیر رساند و ثابت کرد که زیرساخت هوش مصنوعی می‌تواند یک محرک درآمدزایی بسیار سودآور و فزاینده باشد.[2][4][5]

با این حال، آینده‌نگرترین معیار در این گزارش، تعهدات آتی (Backlog) شرکت بود. در نرم‌افزارهای سازمانی، «تعهدات آتی» نشان‌دهنده ارزش کل قراردادهای امضا شده‌ای است که هنوز به عنوان درآمد شناسایی نشده‌اند. تعهدات آتی گوگل کلود به صورت متوالی ۵۰ میلیارد دلار افزایش یافت و به رکورد ۵۱۴ میلیارد دلار رسید.[1][2][4]

این رقم نیم تریلیون دلاری بر دوام رونق فعلی هوش مصنوعی تأکید می‌کند. مدیریت آلفابت پیش‌بینی می‌کند که بیش از ۵۰ درصد از کل این تعهدات آتی ظرف ۲۴ ماه آینده به درآمد شناسایی‌شده تبدیل شود و عملاً سال‌ها رشد تضمین‌شده آتی را تثبیت کند.[2][4]

اما ارائه خدمات برای این تقاضای بی‌سابقه، هزینه تاریخی در پی دارد. آلفابت برای اطمینان از داشتن زیرساخت فیزیکی لازم برای انجام این قراردادها، راهنمای هزینه‌های سرمایه‌ای (Capex) کل سال ۲۰۲۶ خود را به محدوده خیره‌کننده ۱۹۵ میلیارد دلار تا ۲۰۵ میلیارد دلار افزایش داد که نسبت به برآوردهای قبلی (۱۸۰ میلیارد دلار تا ۱۹۰ میلیارد دلار) بیشتر است.[1][2][4]

مقیاس عظیم این هزینه تنها در سه‌ماهه دوم مشهود بود. آلفابت در یک دوره سه‌ماهه ۴۴.۹ میلیارد دلار برای دارایی و تجهیزات هزینه کرد. مدیریت خاطرنشان کرد که تقریباً ۶۰ درصد از این سرمایه صرف سرورها و سیلیکون‌های سفارشی، مانند واحدهای پردازش تانسور (TPU)، شد، در حالی که ۴۰ درصد باقیمانده صرف ساخت مراکز داده و تجهیزات شبکه شد.[2][4][5]

این هزینه‌های زیرساختی عظیم، یک وارونگی مالی نادر را برای این غول فناوری رقم زد. از آنجا که صورت‌حساب هزینه‌های سرمایه‌ای ۴۴.۹ میلیارد دلاری از جریان نقدی عملیاتی شرکت (۳۹.۱ میلیارد دلار) فراتر رفت، جریان نقدی آزاد آلفابت – پولی که پس از هزینه‌های سرمایه‌ای باقی می‌ماند – به قلمرو منفی (۵.۹- میلیارد دلار) سقوط کرد.[1][5]

وال استریت با اضطراب فوری واکنش نشان داد. با وجود اینکه آلفابت با ۱۱۹.۸ میلیارد دلار درآمد تلفیقی، انتظارات درآمدی را شکست، سهام این شرکت در معاملات پس از ساعت کاری کاهش یافت. سرمایه‌گذاران به طور فزاینده‌ای نگران این هستند که ساختار هوش مصنوعی تا چه زمانی می‌تواند از جریان نقدی آزاد پیشی بگیرد و از یک چرخه هزینه‌ای خودتقویت‌کننده که می‌تواند حاشیه سود را فشرده کند، می‌ترسند.[4][5][8]

آلفابت در خلأ هزینه نمی‌کند؛ بلکه درگیر یک مسابقه تسلیحاتی زیرساختی چندجانبه است. چهار ابرمقیاس اصلی ابری – آمازون، مایکروسافت، آلفابت و متا – در رقابتی شدید برای تضمین پایه فیزیکی اقتصاد هوش مصنوعی قفل شده‌اند.[7][8]

پس از گزارش‌های اخیر درآمد، خط مبنای بقا در بازار ابری به شدت بازنشانی شده است. آمازون اخیراً راهنمای هزینه‌های سرمایه‌ای کل سال ۲۰۲۶ خود را به ۲۲۰ میلیارد دلار افزایش داده است، مایکروسافت نزدیک به ۱۹۰ میلیارد دلار را دنبال می‌کند، و متا محدوده هزینه‌های خود را بین ۱۳۰ میلیارد دلار تا ۱۴۵ میلیارد دلار افزایش داده است.[7][8]

در مجموع، پیش‌بینی می‌شود این چهار شرکت تنها در سال ۲۰۲۶ حدود ۷۵۰ میلیارد دلار برای زیرساخت هوش مصنوعی هزینه کنند. این نشان‌دهنده افزایش ۷۷ درصدی نسبت به ۴۱۰ میلیارد دلار هزینه‌شده در سال ۲۰۲۵ است که خود یک رکورد بود، و تحلیلگران پیش‌بینی می‌کنند که رقم ترکیبی در سال ۲۰۲۷ از مرز ۱ تریلیون دلار عبور کند.[7][8]

سه نیروی اصلی محرک این جنگ هزینه‌های ابرمقیاس‌ها هستند. اول، الزامات محاسباتی برای آموزش مدل‌های مرزی نسل بعدی همچنان به صورت تصاعدی افزایش می‌یابد. دوم، تقاضای عظیم استنتاج (Inference) از محصولات هوش مصنوعی مستقر شده – مانند Gemini، Copilot و Meta AI – از ظرفیت سرور موجود پیشی می‌گیرد.[3][8]

در نهایت، هر شرکت در حال رقابت برای ساخت و استقرار سیلیکون‌های اختصاصی است. با سرمایه‌گذاری سنگین در تراشه‌های سفارشی مانند TPUهای گوگل و Trainium آمازون، ابرمقیاس‌ها امیدوارند وابستگی خود به GPUهای گران‌قیمت انویدیا را کاهش دهند، و بدین ترتیب هزینه هر توکن استنتاج هوش مصنوعی را در بلندمدت کاهش دهند.[1][8]

حتی با وجود سه چهارم تریلیون دلار هزینه جمعی، صنعت همچنان توسط واقعیت فیزیکی محدود شده است. مدیر ارشد مالی آلفابت اذعان کرد که این شرکت همچنان در «محیطی با محدودیت عرضه» قرار دارد و به طور موقت از ظرفیت مراکز داده شخص ثالث به عنوان یک پل ارتباطی در سه‌ماهه سوم استفاده خواهد کرد.[3][4]

مقیاس این هزینه‌های سرمایه‌ای همچنین رقبا را مجبور می‌کند تا سرمایه‌گذاری‌های زیرساختی خود را تسریع بخشند و خندق رقابتی اطراف پلتفرم‌های ابرمقیاس را محکم‌تر کنند. برای اپراتورهای نرم‌افزارهای سازمانی، پیام واضح است: قابلیت‌های بومی هوش مصنوعی جریان‌های درآمدی توسعه جدیدی را باز می‌کنند، اما هزینه ورود به این عرصه نجومی است.[6]

سؤال نهایی برای بخش فناوری این است که آیا این رشد انفجاری درآمد می‌تواند به طور دائمی از هزینه‌های استهلاک و عملیاتی زیرساخت جدید پیشی بگیرد. در حال حاضر، نرخ رشد ۸۲ درصدی گوگل کلود و حاشیه سود عملیاتی ۳۵.۶ درصدی نشان می‌دهد که این سرمایه‌گذاری نتیجه می‌دهد، اما با نزدیک شدن سهام به یک تریلیون دلار، حاشیه خطا در حال کاهش است.[2][5][6]