تورستن اسلوک، اقتصاددان ارشد شرکت Apollo Global Management، هفته گذشته را به هشدار درباره رونق هوش مصنوعی اختصاص داد. ادعای اصلی او این است که اعداد و ارقام پشتوانه معاملات هوش مصنوعی شروع به لرزیدن کرده‌اند.
کاهش رشد هزینه‌های توکن
روز سه‌شنبه، اسلوک به کاهش اخیر در رشد هزینه‌های توکن اشاره کرد. در حوزه هوش مصنوعی، توکن‌ها قطعات کوچکی از متن هستند که مدل‌ها پردازش می‌کنند و مشتریان معمولاً به ازای هر توکن هزینه می‌پردازند. اسلوک منحنی تقاضا برای توان محاسباتی را مسطح و بسیار حساس به تغییرات قیمت توصیف کرد. یک خریدار حساس به قیمت کسی است که به محض افزایش صورت‌حساب، منصرف می‌شود. اگر مشتریان هوش مصنوعی چنین رفتاری داشته باشند، ارائه‌دهندگان نمی‌توانند به راحتی قیمت‌ها را افزایش دهند تا هزینه‌های خود را جبران کنند. بر اساس یافته‌های تحقیقاتی، این روند مسطح شدن از اواخر اکتبر ۲۰۲۶ قابل مشاهده شده است. رشد هزینه‌های توکن در آن دوره کند شد و به طور فزاینده‌ای به قیمت‌گذاری گره خورد.
شکاف بهره‌وری و هزینه‌های کلان
اسلوک همچنین در تاریخ ۲۲ اکتبر ۲۰۲۶ در برنامه بلومبرگ حاضر شد. او در آنجا به شکاف قابل توجهی بین هزینه‌های سرمایه‌ای عظیم ابرمقیاس‌سازها (hyperscalers) و بهره‌وری راکد مشاهده شده در اقتصاد گسترده‌تر اشاره کرد.
تمرکز بر S&P 493
تیزترین بخش استدلال اسلوک به آنچه او S&P 493 می‌نامد، مربوط می‌شود. این شاخص شامل ۵۰۰ شرکت S&P به جز هفت شرکت بزرگ فناوری (Magnificent Seven) است؛ شرکت‌های بزرگ فناوری که بازدهی بازار را تحت سلطه خود درآورده‌اند. طبق تحلیل او، این ۴۹۳ شرکت علی‌رغم سرمایه‌گذاری‌های خود در هوش مصنوعی، با درآمد سرانه ثابت و حاشیه سود ثابت روبرو بوده‌اند.
در نتیجه، بسیاری از شرکت‌ها هزینه‌های هوش مصنوعی را به عنوان هزینه‌های عملیاتی در نظر می‌گیرند تا یک موتور رشد. خلاصه تحقیقات همچنین به داده‌های شرکت Ramp، ارائه‌دهنده کارت‌های اعتباری شرکتی و مدیریت هزینه‌ها، استناد می‌کند. ارقام Ramp نشان می‌دهد که هزینه‌های مرتبط با هوش مصنوعی به طور فزاینده‌ای در میان تعداد کمی از شرکت‌های مورد حمایت سرمایه‌گذاران خطرپذیر متمرکز شده است.
این تحقیق همچنین خاطرنشان می‌کند که ارزش‌گذاری‌های هوش مصنوعی در معرض خطر “بازقیمت‌گذاری دردناک” قرار دارند، اگر بازده مورد انتظار به سرعت محقق نشوند. پیش‌بینی‌های اسلوک مقیاس این شرط‌بندی را آشکار می‌سازد. او انتظار دارد که هزینه‌های سرمایه‌ای ابرمقیاس‌سازها بین سال‌های ۲۰۲۷ تا ۲۰۲۹ به حدود ۳ درصد از تولید ناخالص داخلی آمریکا در سال برسد. یافته‌های تحقیقاتی نشان می‌دهد که این سطح از سرمایه‌گذاری، روندهای اقتصادی پیشین را که به اصلاحات بازار ختم شدند، تداعی می‌کند.
فشارهای مالی و تأخیر در پروژه‌ها
طبق این تحقیق، اسپرد اعتباری بدهی‌های مرتبط با هوش مصنوعی در حال افزایش است و تورم نیز فشار را افزایش می‌دهد. برای پروژه‌های مراکز داده که به پول قرض گرفته شده متکی هستند، این می‌تواند به معنای تأخیر باشد. تحلیل اسلوک هشدار می‌دهد که پروژه‌های حیاتی ممکن است تحت این فشارهای ترکیبی به تعویق بیفتند، که این امر اشتیاق برای سرمایه‌گذاری در هوش مصنوعی را بیشتر سرد خواهد کرد.
پیامدهای مستقیم برای سهام و بهره‌وری
مستقیم‌ترین پیامد برای سهامی است که ارزش‌گذاری آن‌ها بر رشد مداوم هزینه‌های هوش مصنوعی استوار است. اگر تقاضای توکن واقعاً مسطح و حساس به قیمت باشد، پیش‌بینی‌های درآمدی که بر اساس افزایش مداوم استفاده ساخته شده‌اند، ممکن است در نگاه به گذشته خوش‌بینانه به نظر برسند. داده‌های S&P 493 به یک مسئله جداگانه اشاره دارد. حتی اگر ابرمقیاس‌سازها به هزینه‌کرد ادامه دهند، توجیه نهایی این هزینه‌ها این است که سایر شرکت‌ها با استفاده از هوش مصنوعی بهره‌ورتر شوند. درآمد سرانه ثابت و حاشیه سود ثابت در میان این شرکت‌ها، واضح‌ترین نشانه این است که سود بهره‌وری وعده داده شده طبق برنامه محقق نشده است.
سیگنال‌های کلیدی برای معامله‌گران
برای معامله‌گران، چندین سیگنال ارزش پیگیری نزدیک را دارند. یکی این است که آیا رشد هزینه‌های توکن دوباره شتاب می‌گیرد یا همچنان کند می‌شود. دیگری این است که آیا اسپرد اعتباری بدهی‌های مرتبط با هوش مصنوعی به افزایش خود ادامه می‌دهد. سومین مورد این است که آیا جدول زمانی مراکز داده شروع به لغزش می‌کند. حاشیه سود و درآمد سرانه در میان شرکت‌های S&P 493 ممکن است بیش از همه اهمیت داشته باشند. اگر این‌ها شروع به افزایش کنند، گاوها شواهد خود را دریافت می‌کنند. اگر در حالی که هزینه‌های سرمایه‌ای به سمت ۳ درصد تولید ناخالص داخلی افزایش می‌یابد، ثابت بمانند، خطر بازقیمت‌گذاری که اسلوک توصیف کرد، رد کردن آن دشوارتر می‌شود.
