تأمین مالی هوش مصنوعی پیشرو به ۲۶۲ میلیارد دلار رسید؛ تغییر مقیاس سرمایه‌گذاری خطرپذیر به «تأمین مالی زیرساخت»

معماری مالی که زیربنای صنعت هوش مصنوعی است، به طور اساسی از ریشه‌های خود در سیلیکون ولی جدا شده است. در هفت ماه اول سال ۲۰۲۶، بودجه اختصاص یافته به آزمایشگاه‌های هوش مصنوعی پیشرو و زیرساخت‌های محاسباتی مرتبط با آن‌ها از ۲۶۲ میلیارد دلار فراتر رفت. این رقم خیره‌کننده نشان‌دهنده یک تغییر پارادایم است: توسعه مدل‌های بنیادی نسل بعدی دیگر یک بازی سرمایه‌گذاری خطرپذیر نرم‌افزاری نیست، بلکه تمرینی در تأمین مالی زیرساخت‌های جهانی است.[1]

برای درک مقیاس این گذار، باید به هزینه علم زیربنایی نگاه کرد. آموزش یک مدل پیشرو و پیشرفته در سال ۲۰۲۶ به ۱۰ تا ۲۵ میلیارد دلار هزینه محاسباتی مستقیم نیاز دارد که شامل صدها هزار شتاب‌دهنده تخصصی است که ماه‌ها به طور مداوم کار می‌کنند. صندوق‌های سرمایه‌گذاری خطرپذیر سنتی، که معمولاً در مجموع برای تمام شرکت‌های پرتفوی خود بین ۵۰۰ میلیون تا ۳ میلیارد دلار جمع‌آوری می‌کنند، از نظر ریاضی قادر به رهبری این دورهای سرمایه‌گذاری نیستند.

در نتیجه، مشخصات سرمایه‌گذار اصلی هوش مصنوعی تغییر کرده است. جدول سهام آزمایشگاه‌های پیشرو هوش مصنوعی در جهان اکنون تحت سلطه نهادهایی است که به تأمین مالی دارایی‌های فیزیکی چند دهه‌ای عادت دارند: صندوق‌های ثروت ملی، کنسرسیوم‌های عظیم سهام خصوصی، و بانک‌های سرمایه‌گذاری وال استریت. این مؤسسات سرمایه را در مقیاسی به کار می‌گیرند که قبلاً برای حفاری نفت فراساحلی، سیستم‌های راه‌آهن ملی، یا راه‌اندازی شبکه‌های مخابراتی ۵G محفوظ بود.[1][2]

سازوکار این تأمین مالی نیز از سهام خالص به ابزارهای بدهی پیچیده تکامل یافته است. بانک‌های وال استریت به طور فزاینده‌ای وام‌های عظیمی را به شرکت‌های هوش مصنوعی سندیکا می‌کنند و از خوشه‌های محاسباتی فیزیکی – سرورها، سیستم‌های خنک‌کننده و خود تراشه‌ها – به عنوان وثیقه استفاده می‌کنند. این «بدهی با پشتوانه محاسباتی» به آزمایشگاه‌ها اجازه می‌دهد تا ده‌ها میلیارد دلار جمع‌آوری کنند بدون اینکه بنیانگذاران و کارمندان اولیه خود را به طور بی‌پایان رقیق کنند.[1]

این تغییر به سمت تأمین مالی مبتنی بر بدهی، نیازمند ارزیابی مجدد اساسی نحوه ارزش‌گذاری شرکت‌های هوش مصنوعی است. وام‌دهندگان وام‌ها را بر اساس وعده سوداگرانه هوش عمومی مصنوعی تضمین نمی‌کنند؛ بلکه بر اساس جریان‌های نقدی قابل پیش‌بینی تضمین می‌کنند. در نتیجه، آزمایشگاه‌های پیشرو به طور فزاینده‌ای کسب‌وکارهای خود را مانند تأسیسات عمومی ساختار می‌دهند و قراردادهای بلندمدت و با نرخ ثابت ارائه توکن را با شرکت‌های فورچون ۵۰۰ امضا می‌کنند تا درآمد مورد نیاز برای پرداخت بدهی خود را تضمین کنند.[1][3]

صندوق‌های ثروت ملی، به ویژه آن‌هایی که از خاورمیانه هستند، به مستأجران اصلی این اکوسیستم مالی جدید تبدیل شده‌اند. صندوق‌هایی مانند MGX ابوظبی، محاسبات در مقیاس بزرگ را نه صرفاً به عنوان یک دارایی مالی، بلکه به عنوان زیرساخت حیاتی ژئوپلیتیکی می‌بینند. این کشورها با تزریق ده‌ها میلیارد دلار به آزمایشگاه‌های هوش مصنوعی غربی، دسترسی تضمین شده به نسل‌های مدل آینده را تضمین کرده و اقتصاد خود را از سوخت‌های فسیلی متنوع می‌سازند.[2]

برای اکوسیستم فناوری گسترده‌تر، این افزایش مقیاس زیرساخت یک اثر «دمبل» مشخص ایجاد کرده است. در یک انتها، نیم دوجین آزمایشگاه پیشرو قرار دارند که صدها میلیارد دلار سرمایه را برای ساخت لایه هوش بنیادی جذب می‌کنند. در انتهای دیگر، یک اکوسیستم پر جنب و جوش و بسیار فعال از استارت‌آپ‌های لایه کاربردی وجود دارد که به سرمایه بسیار کمی نیاز دارند زیرا صرفاً هوش را از طریق APIها از آزمایشگاه‌های پیشرو اجاره می‌کنند.[3]

«طبقه میانی گم‌شده» – استارت‌آپ‌هایی که تلاش می‌کنند مدل‌های بنیادی میان‌رده را از ابتدا آموزش دهند – به طور کامل از بین رفته است. سرمایه‌گذاران خطرپذیر، با درک اینکه نمی‌توانند با ثروت ملی و بدهی وال استریت رقابت کنند، به تأمین مالی لایه کاربردی عقب‌نشینی کرده‌اند و زیرساخت بنیادی را به وزنه‌های سنگین اقتصاد کلان سپرده‌اند.

این بلوغ مالی هم ثبات عظیمی به همراه دارد و هم خطرات جدیدی. از جنبه مثبت، رفتار با هوش مصنوعی به عنوان زیرساخت تضمین می‌کند که ساخت فیزیکی مراکز داده و شبکه‌های انرژی بدون وقفه ادامه خواهد یافت و از چرخه‌های رونق و رکود معمول هیجان نرم‌افزاری مصون می‌ماند. سرمایه قفل شده است و بتن در حال ریختن است.[3]

با این حال، اتکا به بدهی خطر دارایی‌های به گل نشسته را معرفی می‌کند. وثیقه زیربنای این وام‌های عظیم – تراشه‌های تخصصی هوش مصنوعی – به سرعت مستهلک می‌شوند. اگر یک پیشرفت معماری جدید، سخت‌افزار نسل فعلی را سریع‌تر از بازپرداخت وام‌ها منسوخ کند، وام‌دهندگان ممکن است با میلیاردها دلار سیلیکون مستهلک شده مواجه شوند.[1]

علاوه بر این، مدل تأسیسات عمومی فرض می‌کند که تقاضای سازمانی برای استنتاج هوش مصنوعی به صورت خطی رشد خواهد کرد تا با رشد تصاعدی عرضه محاسباتی مطابقت داشته باشد. در حالی که افزایش ترافیک هوش مصنوعی عاملی (agentic AI) نشان‌دهنده تقاضای قوی است، حجم عظیم زیرساختی که در اواخر سال ۲۰۲۶ و ۲۰۲۷ آنلاین می‌شود، ظرفیت بازار برای جذب آن را به چالش خواهد کشید.[3]

سیاست‌گذاران تازه شروع به درک پیامدهای این تغییر کرده‌اند. زمانی که هوش مصنوعی یک آزمایش نرم‌افزاری بود، توسط آژانس‌های حمایت از مصرف‌کننده تنظیم می‌شد. اکنون که یک طبقه دارایی زیرساختی ۲۶۰ میلیارد دلاری است، توجه تنظیم‌کنندگان اقتصاد کلان، بانک‌های مرکزی و شوراهای امنیت ملی را به خود جلب می‌کند، که ظرفیت محاسباتی را به عنوان معیاری از قدرت ملی می‌بینند.[2]

در نهایت، گذار به تأمین مالی زیرساخت، پایان مرحله آزمایشی هوش مصنوعی را نشان می‌دهد. این فناوری سودمندی خود را تا حدی ثابت کرده است که سیستم مالی جهانی مایل است تجلی فیزیکی آن را در مقیاس جهانی تضمین کند و زمینه را برای یک لایه کاملاً جدید از اقتصاد جهانی فراهم سازد.[3]