ثبت جریان نقدی آزاد منفی برای اولین بار در ۲۰ سال در میان «هایپراسکِیلرها»؛ دلیل: هجوم سرمایهگذاری در زیرساخت هوش مصنوعی
شرکتهای بزرگ فناوری برای تأمین مالی مراکز داده عظیم هوش مصنوعی، سریعتر از آنچه پول نقد تولید میکنند، آن را مصرف میکنند. این تغییر نشاندهنده پایان دوران دو دههای رشد با سرمایه داخلی است و این بخش را وادار میکند تا به شدت به بدهی و تأمین مالی خارج از ترازنامه متکی شود.
به قلم وحید مهرابی
این خبر را به اشتراک بگذارید
تصور رایج در مورد غولهای فناوری مدرن این است که آنها به عنوان دژهایی از تولید نقدینگی بیپایان عمل میکنند و از محدودیتهای سرمایهای که کسبوکارهای صنعتی عادی را درگیر میکند، مصون هستند. برای دو دهه، این فرض تا حد زیادی درست بود.
ارائهدهندگان اصلی رایانش ابری (که اغلب «هایپراسکِیلر» نامیده میشوند) رشد تصاعدی خود را از طریق منابع داخلی تأمین میکردند و هر سه ماهه دهها میلیارد دلار نقدینگی مازاد تولید میکردند. اقتصاد مبتنی بر نرمافزار آنها به آنها اجازه داد تا بدون اتکای شدید به بدهی خارجی، امپراتوریهای جهانی بسازند و آنها را به ثروتمندترین نهادهای تاریخ شرکتها تبدیل کرد.[1][2]
آن دوران سلطه با سرمایه داخلی، بیسروصدا در سهماهه دوم سال ۲۰۲۶ به پایان رسید. برای اولین بار از زمان عرضه اولیه سهام آلفابت در سال ۲۰۰۴، این شرکت جریان نقدی آزاد منفی گزارش کرد و با پیشی گرفتن هزینههای زیرساختی از نقدینگی تولید شده توسط کسبوکار اصلی، ۵.۹ میلیارد دلار را سوزاند.
آلفابت یک مورد مجزا نیست. آمازون و تسلا نیز در آخرین سهماهههای خود جریان نقدی آزاد منفی گزارش کردند، در حالی که تولید نقدینگی متا نسبت به سال قبل ۹۱٪ کاهش یافت و به تنها ۷۸۴ میلیون دلار رسید.[6]
مکانیسم محرک این تحول تاریخی، فروپاشی در کسبوکارهای زیربنایی آنها نیست. در واقع، جریان نقدی عملیاتی – پولی که از عملیات روزمره مانند تبلیغات دیجیتال، تجارت الکترونیک و اشتراک نرمافزار تولید میشود – همچنان قوی است و به رشد خود ادامه میدهد. مقصر برهم زننده ترازنامه، کاملاً در سمت «هزینههای سرمایهای» (Capex) قرار دارد. هزینههای سرمایهای برای پنج هایپراسکِیلر اصلی – آلفابت، آمازون، متا، مایکروسافت و اوراکل – در سال مالی ۲۰۲۶ در مسیر عبور از ۶۹۰ میلیارد دلار قرار دارد که نشاندهنده افزایش ۸۰٪ نسبت به سال قبل است.[6]
این ولخرجی بیسابقه تقریباً به طور کامل به سمت زیرساخت هوش مصنوعی هدایت شده است. هایپراسکِیلرها در یک مسابقه تسلیحاتی پرمخاطره برای تأمین حافظه با پهنای باند بالا، پردازندههای تخصصی هوش مصنوعی از تأمینکنندگانی مانند انویدیا (Nvidia)، و مراکز داده فیزیکی عظیمی که برای جای دادن و تأمین انرژی آنها مورد نیاز است، قفل شدهاند.
از آنجایی که این هزینههای زیرساختی عمدتاً پیشپرداخت هستند، محاسبات مالی به طور موقت معکوس شده است. پول نقد مورد نیاز برای ساخت آینده هوش مصنوعی اکنون به شدت از پول نقدی که توسط حال دیجیتال تولید میشود، فراتر رفته و بازنگری اساسی در نحوه عملکرد این شرکتها را تحمیل میکند.[2]
برای پر کردن این شکاف فزاینده، غولهای فناوری در مقیاسی که از زمان رونق مخابرات در اواخر دهه ۱۹۹۰ دیده نشده است، به تأمین مالی خارجی روی آوردهاند. بازارهای بدهی موج اولیه این تقاضای سرمایه را جذب میکنند.
تحلیلگران مالی تخمین میزنند که هایپراسکِیلرها میتوانند تنها در طول سال آینده تا ۳۰۰ میلیارد دلار اوراق قرضه شرکتی با رتبه سرمایهگذاری منتشر کنند. در نیمه اول سال ۲۰۲۶، آنها قبلاً نزدیک به ۲۲۰ میلیارد دلار در چندین ارز جهانی منتشر کرده بودند و این بخش را به یکی از بزرگترین محرکهای انتشار بدهی شرکتی در سراسر جهان تبدیل کردند.[3]
فراتر از اوراق قرضه شرکتی سنتی، این صنعت به طور فزایندهای برای تأمین مالی توسعه خود به تعهدات پیچیده خارج از ترازنامه متکی است. این تعهدات شامل ترتیبات اجاره بلندمدت و ساختارهای تأمین مالی فروشنده است که بدهی را از دفتر کل اصلی دور نگه میدارد، در حالی که دسترسی به سختافزار حیاتی و ظرفیت برق را تضمین میکند.
تحلیلگران مالی تخمین میزنند که این تعهدات خارج از ترازنامه اکنون در مجموع حدود ۳.۱ تریلیون دلار در سراسر این بخش است. این خط لوله پنهان تعهدات مالی، پنج برابر بزرگتر از هزینههای سرمایهای سالانه هایپراسکِیلرها است و لایه جدیدی از ابهام را به ترازنامههای آنها اضافه کرده و توجه ناظران را به خود جلب میکند.[1]
این اتکای ناگهانی به اهرم مالی، متغیری را معرفی میکند که سرمایهگذاران فناوری بزرگ به ندرت مجبور به در نظر گرفتن آن بودهاند: ریسک اعتباری. در حالی که اکثر هایپراسکِیلرها همچنان ترازنامههای بیعیب و نقص با ذخایر نقدی عظیم دارند، حجم عظیم هزینهها در حال شروع به ایجاد تمایز بین بازیگران در چشم آژانسهای رتبهبندی است.
در ژوئیه ۲۰۲۶، S&P رتبه اعتباری اوراکل را به BBB- کاهش داد و دلیل آن را افزایش هزینههای سرمایهای شرکت، جریان نقدی آزاد منفی و اتکای شدید به پایگاه مشتریان متمرکز برای ظرفیت هوش مصنوعی خود ذکر کرد.[6]
برای بازار گستردهتر، بحث اکنون بر پایداری این چرخه سرمایهگذاری متمرکز است. منتقدان استدلال میکنند که هایپراسکِیلرها خود را در تعهدات زیرساختی غیرقابل لغو قفل میکنند، بدون اینکه دید روشنی نسبت به سودآوری کوتاهمدت داشته باشند. اگر کسب درآمد از هوش مصنوعی سازمانی کند شود، یا اگر سختافزار زیربنایی سریعتر از آنچه که مستهلک میشود، از نظر اقتصادی منسوخ شود، این شرکتها ممکن است خود را با شدت سرمایهای شبیه به شرکتهای خدماتی (Utility) بیابند، اما بدون بازده تضمین شدهای که شرکتهای خدماتی از آن برخوردارند.[1][5]
طرفداران این ساختوساز متقابلاً استدلال میکنند که جریان نقدی آزاد منفی یک ویژگی است، نه یک نقص، در یک چرخه سرمایهگذاری سالم و تهاجمی. آنها استدلال میکنند که بازده سطح پروژه در مراکز داده هوش مصنوعی فوقالعاده قوی باقی میماند و اغلب توسط پیشپرداختهای مشتریان پشتیبانی میشود که بخش قابل توجهی از هزینههای ساخت را قبل از افتتاح یک مرکز پوشش میدهند.
از این منظر، مصرف نقدی فعلی شبیه به یک رستوران بسیار سودآور است که از درآمد مکان اول خود برای افتتاح مکان دوم استفاده میکند. جریان نقدی کلی به طور موقت کاهش مییابد، اما قدرت کسب درآمد بلندمدت به طور قابل توجهی گسترش مییابد.[4]
حل نهایی این تنش مالی کاملاً به سرعت پذیرش هوش مصنوعی در سراسر اقتصاد گستردهتر بستگی دارد. اگر مشتریان سازمانی به مقیاسبندی استفاده خود از مدلهای مولد و رایانش ابری ادامه دهند، هایپراسکِیلرها در نهایت هزینههای سرمایهای خود را تعدیل میکنند و در عین حال درآمد عظیمی را از ظرفیتهای تازه ساخته شده خود برداشت خواهند کرد.
سپس جریان نقدی آزاد به بالاترین حد خود باز خواهد گشت. با این حال، تا زمانی که آن نقطه عطف فرا نرسد، فاز بعدی انقلاب دیجیتال نه با نقدینگی داخلی بیپایان، بلکه با پول قرض گرفته شده و بازارهای اعتباری تأمین مالی خواهد شد.[3]
مقیاس عظیم این استقراض در حال ایجاد موج در چشمانداز کلان اقتصادی گستردهتر است. از آنجایی که هایپراسکِیلرها صدها میلیارد دلار بدهی شرکتی جدید منتشر میکنند، سرمایهای را جذب میکنند که در غیر این صورت ممکن بود به بخشهای مختلف اقتصاد سرازیر شود.
در حالی که شکافهای اعتباری هنوز به طور مادی گسترش نیافتهاند، هجوم اوراق قرضه فناوری با کیفیت بالا و بازده بالا، جایگزین جذابی برای اوراق قرضه دولتی استاندارد برای سرمایهگذاران با درآمد ثابت فراهم میکند. این پویایی به طور ظریفی بر نرخهای بهره جهانی تأثیر میگذارد، زیرا الزامات سرمایهای عظیم گذار هوش مصنوعی برای همان منبع تأمین مالی نهادی رقابت میکند.[2][3]
عامل حیاتی دیگر در این تحول مالی، بحث بر سر برنامههای استهلاک است. هایپراسکِیلرها معمولاً سرورها و واحدهای پردازش گرافیکی هوش مصنوعی خود را طی چهار تا شش سال مستهلک میکنند و هزینه حسابداری سختافزار را در طول عمر مفید مورد انتظار آن توزیع میکنند.
با این حال، منتقدان خاطرنشان میکنند که سرعت بیامان نوآوری در هوش مصنوعی میتواند این تراشهها را از نظر اقتصادی بسیار سریعتر – شاید در عرض فقط دو یا سه سال – منسوخ کند. اگر سختافزار باید قبل از استهلاک کامل جایگزین شود، شرکتها ممکن است با کاهش ارزش ناگهانی مواجه شوند و مسیر بازگشت آنها به تولید نقدینگی مثبت را پیچیدهتر کند.[5]
در نهایت، گذار از اقتصاد نرمافزاری غنی از نقدینگی به ساخت زیرساختهای سرمایهبر، نقطه بلوغی را برای بخش فناوری نشان میدهد. هایپراسکِیلرها دیگر فقط کد نمینویسند؛ آنها در حال ریختن بتن، نصب خطوط برق فشار قوی و تأمین مالی ستون فقرات فیزیکی یک عصر صنعتی جدید هستند.
نکات کلیدی
- آلفابت، آمازون و تسلا در آخرین سهماهههای خود جریان نقدی آزاد منفی گزارش کردند، زیرا هزینههای زیرساخت هوش مصنوعی افزایش یافت.
- پیشبینی میشود هزینههای سرمایهای برای پنج هایپراسکِیلر اصلی در سال مالی ۲۰۲۶ از ۶۹۰ میلیارد دلار فراتر رود.
- غولهای فناوری به تأمین مالی خارجی روی آوردهاند، با تعهدات خارج از ترازنامه تخمینی ۳.۱ تریلیون دلاری.
- این تغییر نشاندهنده اولین باری در ۲۰ سال است که ارائهدهندگان اصلی ابری رشد خود را به طور کامل از منابع داخلی تأمین نمیکنند.
آنچه نمیدانیم
- آیا درآمد حاصل از خدمات جدید هوش مصنوعی به اندازه کافی سریع رشد خواهد کرد تا تعهدات بدهی عظیم را پوشش دهد.
- با چه سرعتی نسل فعلی سختافزار هوش مصنوعی از نظر اقتصادی منسوخ میشود و نیاز به جایگزینی پیدا میکند.
- آیا آژانسهای رتبهبندی اعتباری با ادامه افزایش هزینههای سرمایهای، تنزل رتبه بیشتری را در سراسر بخش فناوری صادر خواهند کرد.
روند رویداد
اواخر ۲۰۲۲
انتشار ChatGPT مسابقه صنعتی برای تأمین ظرفیت محاسباتی هوش مصنوعی را آغاز میکند.
۲۰۲۴–۲۰۲۵
هایپراسکِیلرها ساخت زیرساختهای اولیه هوش مصنوعی را با استفاده از ذخایر نقدی داخلی عظیم خود تأمین مالی میکنند.
می ۲۰۲۶
تحلیلگران پیشبینی میکنند که مجموع هزینههای سرمایهای هایپراسکِیلرها برای سال مالی از ۶۹۰ میلیارد دلار فراتر خواهد رفت.
ژوئیه ۲۰۲۶
آلفابت برای اولین بار از زمان عرضه اولیه سهام خود در سال ۲۰۰۴، جریان نقدی آزاد منفی گزارش میکند، در حالی که S&P رتبه اعتباری اوراکل را کاهش میدهد.
آگوست ۲۰۲۶
افشاهای مالی نشان میدهد که تعهدات خارج از ترازنامه برای زیرساخت هوش مصنوعی به ۳.۱ تریلیون دلار رسیده است.
- گاوهای نر زیرساخت
- سرمایهگذارانی که جریان نقدی منفی را به عنوان یک فاز ضروری و بسیار سودآور از یک چرخه فناوری جدید میبینند.
- تحلیلگران ریسک اعتباری
- متخصصان مالی نگران بدهیهای فزاینده و تعهدات خارج از ترازنامه که تأمین مالی ساخت هوش مصنوعی را بر عهده دارند.
- شکاکان ارزشگذاری
- ناظران بازاری که میترسند بخش فناوری به طور دائمی به یک مدل کسبوکار با حاشیه سود کمتر و سرمایهبر تغییر کند.
دیدگاههایی که این گزارش پوشش نداده
- تأمینکنندگان سختافزار که مستقیماً از افزایش هزینههای سرمایهای سود میبرند.
- مشتریان نرمافزار سازمانی که در نهایت هزینه ظرفیت جدید هوش مصنوعی را پرداخت خواهند کرد.
منابع
[1]Forbesتحلیلگران ریسک اعتباریBig Tech faces $3.1 trillion in AI commitments as free cash flow turns negative at major hyperscalers
مطالعه در Forbes →
[2]Financial Timesتحلیلگران ریسک اعتباریBig Tech's $725bn AI Spending Spree Sends Free Cash Flow To A Decade Low
مطالعه در Financial Times →
[3]JPMorganگاوهای نر زیرساختUS hyperscalers' rising capex is weighing on free cash flow
مطالعه در JPMorgan →
[4]Seeking Alphaگاوهای نر زیرساختHow sustainable is AI capex given recent negative free cash flow at hyperscalers?
مطالعه در Seeking Alpha →
[5]The Motley Foolشکاکان ارزشگذاریMeta Platforms' revenue growth is accelerating thanks in part to its AI efforts, but the scale of its infrastructure spending is increasing its long-term financial risk
مطالعه در The Motley Fool →
[6]FactSetتحلیلگران ریسک اعتباریHyperscaler Capex Reaches New Highs
مطالعه در FactSet →
بیشتر در کسبوکار
مشاهده همه →نظریه بازیها
چرا نفع شخصی عقلانی به نتایج نامطلوب منجر میشود: معمای زندانی در جنگهای قیمتگذاری و ظرفیت
6 منبع
مالیه شرکتی
هزینههای ثابت در برابر متغیر: اهرم عملیاتی چگونه ریسک را فدای مقیاسپذیری میکند؟
10 منبع
اقتصاد پلتفرم
مکانیسمهای اثرات شبکهای: مقایسه مدلهای مستقیم، غیرمستقیم و پلتفرمهای دوطرفه
7 منبع
مالیات شرکتها
مکانیسم قیمتگذاری انتقالی: چگونه شرکتهای چندملیتی سود را تخصیص میدهند و اصل «فاصله بازو»
5 منبع
نظرات
هر زاویه. هر روز.
اخبار کسبوکار با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





