
هوش مصنوعی دیگر فقط یک فناوری نرمافزاری نیست که روی کامپیوتر یا گوشی اجرا شود. پشت مدلهای هوش مصنوعی، یک صنعت عظیم در حال شکلگیری است؛ صنعتی که به تراشه، دیتاسنتر، برق، شبکه، سیستمهای خنککننده و سرمایهگذاریهای میلیاردی نیاز دارد.
حالا ابعاد این سرمایهگذاریها به جایی رسیده که صحبت از تریلیونها دلار سرمایهگذاری در زیرساخت هوش مصنوعی است.
اما این پول دقیقاً کجا خرج میشود؟ آیا واقعاً اقتصاد جهان در حال ورود به عصر جدیدی است یا با یک موج سرمایهگذاری بیشازحد بزرگ مواجهیم؟
بر اساس برآورد منتشرشده توسط Goldman Sachs در اوت ۲۰۲۶، سرمایهگذاری مرتبط با هوش مصنوعی در جهان میتواند در سال ۲۰۲۶ از یک تریلیون دلار عبور کند.
این رقم فقط هزینه شرکتهای بزرگ آمریکایی نیست و برآورد گستردهتری از سرمایهگذاری جهانی در زیرساختهای مرتبط با AI را دربرمیگیرد. Goldman Sachs همچنین برآورد کرده است که سرمایهگذاری AI در آمریکا در سال ۲۰۲۶ حدود ۵۸۱ میلیارد دلار باشد.
اما این تنها یک سال است.
برآوردهای بلندمدت حتی اعداد بسیار بزرگتری را نشان میدهند.
Goldman Sachs در یک سناریوی پایه، مجموع سرمایهگذاری موردنیاز برای زیرساخت هوش مصنوعی بین سالهای ۲۰۲۶ تا ۲۰۳۱ را حدود ۷.۶ تریلیون دلار برآورد کرده است؛ رقمی که بخشهایی مانند پردازندههای محاسباتی، دیتاسنترها و زیرساخت برق را شامل میشود.
وقتی از سرمایهگذاری در هوش مصنوعی صحبت میکنیم، نباید تصور کنیم تمام این پول صرف ساخت مدلهای زبانی میشود.
بخش بزرگی از هزینه مربوط به زیرساخت است.
مدلهای پیشرفته AI برای آموزش و اجرا به پردازندههای بسیار قدرتمند نیاز دارند.
GPUها و شتابدهندههای اختصاصی، قلب این زیرساخت هستند.
هرچه مدلها بزرگتر شوند و تعداد کاربران افزایش پیدا کند، شرکتها به پردازندههای بیشتری نیاز خواهند داشت.
اما مشکل فقط خرید تراشه نیست.
این تراشهها باید در سرورها نصب شوند، به شبکه متصل شوند و انرژی و سیستم خنککننده مناسب داشته باشند.
بنابراین یک تراشه قدرتمند، آغاز یک زنجیره هزینه بزرگ است.
هوش مصنوعی بدون دیتاسنتر نمیتواند در مقیاس جهانی فعالیت کند.
دیتاسنترهای جدید باید فضای کافی برای هزاران یا حتی میلیونها پردازنده داشته باشند.
این مراکز به ساختمان، سیستمهای امنیتی، شبکه، تجهیزات ذخیرهسازی، برق اضطراری و سیستمهای خنککننده نیاز دارند.
به همین دلیل رقابت بر سر ساخت دیتاسنترهای مخصوص AI در کشورهای مختلف شدت گرفته است.
طبق گزارش PwC در سپتامبر ۲۰۲۶، سرمایهگذاری جهانی در زیرساخت AI میتواند تا سال ۲۰۵۰ به حدود ۳۱.۶ تریلیون دلار برسد. این برآورد همچنین پیشبینی میکند هزینه سرمایهای سالانه دیتاسنترها از حدود ۸۰۰ میلیارد دلار در سال ۲۰۲۶ به حدود ۱.۸ تریلیون دلار در سال ۲۰۵۰ برسد.
این اعداد پیشبینی هستند، نه پولی که امروز در اختیار صنعت قرار گرفته باشد.
اما نشان میدهند ابعاد اقتصادی زیرساخت AI تا چه اندازه بزرگ تصور میشود.
شاید عجیب باشد، اما یکی از بزرگترین محدودیتهای توسعه هوش مصنوعی دیگر فقط تراشه نیست.
برق است.
دیتاسنترهای بزرگ AI مصرف انرژی بسیار بالایی دارند.
بنابراین کشوری که بخواهد به مرکز مهم هوش مصنوعی تبدیل شود، فقط به شرکت فناوری نیاز ندارد؛ بلکه باید شبکه برق، نیروگاه، خطوط انتقال و زیرساخت انرژی کافی نیز داشته باشد.
به همین دلیل سرمایهگذاری AI به تدریج وارد حوزه انرژی شده است.
در واقع ممکن است آینده رقابت هوش مصنوعی فقط با تعداد تراشهها تعیین نشود؛ بلکه به این سؤال هم بستگی داشته باشد:
چه کسی میتواند برق کافی و پایدار برای اجرای این تراشهها فراهم کند؟
پردازش سنگین گرمای زیادی تولید میکند.
هرچه تعداد پردازندهها بیشتر شود، مدیریت گرما نیز دشوارتر خواهد شد.
به همین دلیل دیتاسنترهای جدید به سمت سیستمهای خنککننده پیشرفته، از جمله خنکسازی مایع، حرکت کردهاند.
این یعنی یک صنعت دیگر نیز از رونق AI سود میبرد:
صنعت تجهیزات سرمایشی و مدیریت حرارت.
پس وقتی از اقتصاد هوش مصنوعی صحبت میکنیم، فقط شرکتهای سازنده مدلهای AI مطرح نیستند.
شرکتهای برق، ساختمان، شبکه، تراشه، سرمایش، ذخیرهسازی و حتی تأمین مالی نیز وارد این زنجیره شدهاند.
هوش مصنوعی فقط به قدرت پردازش نیاز ندارد.
داده باید با سرعت بسیار بالا میان پردازندهها، سرورها و سیستمهای ذخیرهسازی جابهجا شود.
به همین دلیل کابلها، سوئیچهای شبکه، تجهیزات ارتباطی و فناوریهای انتقال داده نیز اهمیت بیشتری پیدا کردهاند.
در دیتاسنترهای عظیم، حتی یک افزایش کوچک در تأخیر ارتباطی میتواند روی عملکرد کل سیستم تأثیر بگذارد.
بنابراین بخشی از سرمایهگذاری تریلیوندلاری AI در حقیقت صرف ساخت یک زیرساخت ارتباطی عظیم میشود.
پاسخ ساده است:
شرکتها انتظار دارند هوش مصنوعی در آینده درآمد بسیار بزرگی ایجاد کند.
شرکتهای فناوری معتقدند AI میتواند در حوزههایی مانند جستوجو، تبلیغات، نرمافزار، تجارت الکترونیک، خدمات ابری، پزشکی، صنایع، تولید محتوا و اتوماسیون کسبوکارها تحول ایجاد کند.
اما یک مسئله مهم وجود دارد:
سرمایهگذاری بزرگ لزوماً به معنی سود بزرگ نیست.
ممکن است یک شرکت میلیاردها دلار برای زیرساخت هزینه کند، اما درآمد حاصل از آن کمتر از انتظار باشد.
اینجاست که بحث «حباب هوش مصنوعی» مطرح میشود.
بله، این احتمال در تحلیلهای اقتصادی مطرح شده است؛ اما وجود سرمایهگذاری عظیم بهتنهایی اثبات نمیکند که حباب وجود دارد.
یکی از نگرانیها این است که شرکتها ممکن است بر اساس انتظارات بسیار خوشبینانه، ظرفیت بیشتری از نیاز واقعی بازار بسازند.
در چنین شرایطی ممکن است بخشی از دیتاسنترهای برنامهریزیشده هیچگاه به شکل کامل ساخته یا استفاده نشوند.
گزارشهای اخیر درباره پروژههای دیتاسنتری نیز نشان میدهند که تأمین مالی، افزایش هزینه ساخت، دسترسی به برق و تغییر شرایط بازار میتوانند اجرای برخی پروژهها را دشوار کنند.
بنابراین سؤال اصلی دیگر فقط این نیست که:
«چقدر برای AI سرمایهگذاری میشود؟»
بلکه باید پرسید:
«آیا درآمد و بهرهوری ایجادشده توسط AI میتواند این حجم از سرمایهگذاری را توجیه کند؟»
شاید یک کاربر عادی مستقیماً میلیاردها دلار سرمایهگذاری دیتاسنترها را نبیند.
اما اثر آن میتواند غیرمستقیم باشد.
برای مثال:
خدمات هوش مصنوعی ارزانتر و سریعتر میشوند.
ابزارهای جدیدی وارد بازار میشوند.
شرکتها اتوماسیون بیشتری انجام میدهند.
تقاضا برای تراشه افزایش پیدا میکند.
مصرف برق دیتاسنترها بیشتر میشود.
بازار کار تحت تأثیر قرار میگیرد.
محصولات دیجیتال بیشتری به قابلیتهای AI مجهز میشوند.
هزینه برخی قطعات و تجهیزات ممکن است تحت فشار قرار گیرد.
حتی بازار کالاهای دیجیتال نیز میتواند از این موج تأثیر بگیرد.
وقتی تقاضا برای تراشه و حافظه در بخش زیرساخت AI افزایش پیدا میکند، زنجیره تأمین قطعات الکترونیکی نیز میتواند تحت فشار قرار بگیرد؛ موضوعی که در نهایت برای مصرفکننده گوشی، لپتاپ و سایر محصولات دیجیتال اهمیت پیدا میکند.
لزومی ندارد.
سرمایهگذاری AI میتواند فرصت اقتصادی ایجاد کند، اما توزیع آن یکسان نخواهد بود.
کشورهایی که به برق ارزان، سرمایه، نیروی متخصص، تراشه، زیرساخت ارتباطی و بازار بزرگ دسترسی دارند، شرایط متفاوتی با کشورهایی خواهند داشت که در این حوزهها محدودیت دارند.
در نتیجه ممکن است شکاف جدیدی شکل بگیرد:
شکاف میان کشورهایی که زیرساخت محاسباتی دارند و کشورهایی که بیشتر مصرفکننده این زیرساخت هستند.
این موضوع میتواند در سالهای آینده یکی از مسائل مهم اقتصاد دیجیتال باشد.
نشانههای فعلی نشان میدهد که سرمایهگذاری در زیرساخت AI همچنان بسیار بزرگ است.
برای نمونه، Goldman Sachs مجموع هزینه سرمایهای چهار غول فناوری یعنی مایکروسافت، آمازون، متا و آلفابت را برای سالهای مالی ۲۰۲۵ تا ۲۰۳۰ حدود ۵.۳ تریلیون دلار برآورد کرده است.
از سوی دیگر، تأمین مالی این پروژهها نیز در حال پیچیدهتر شدن است.
گزارش Reuters در سپتامبر ۲۰۲۶ به افزایش استفاده از ساختارهای تأمین مالی مختلف برای توسعه زیرساخت AI و نگرانیهایی درباره مقیاس و ریسک مالی این پروژهها اشاره کرده است.
این یعنی داستان AI دیگر فقط داستان یک فناوری نیست.
داستان سرمایه، انرژی، زیرساخت و اقتصاد جهانی است.
شاید در نگاه اول سرمایهگذاری تریلیوندلاری AI ارتباط چندانی با زندگی روزمره ما نداشته باشد.
اما در نهایت، هزینه این زیرساخت باید به شکلی به درآمد تبدیل شود.
شرکتها باید سرویس بفروشند، اشتراک دریافت کنند، تبلیغات بیشتری ارائه دهند یا محصولات جدید ایجاد کنند.
بنابراین کاربران در نهایت بخشی از این اقتصاد هستند.
هر بار که از یک سرویس هوش مصنوعی استفاده میکنیم، بخشی از این زنجیره اقتصادی فعال میشود.
حتی در خرید محصولات دیجیتال نیز شناخت مشخصات، مقایسه قیمتها و بررسی تفاوت واقعی محصولات اهمیت بیشتری پیدا میکند. پلتفرمهایی مانند اوپاکالا میتوانند در همین بخش، یعنی کمک به مقایسه و تصمیمگیری آگاهانهتر درباره محصولات، نقش کاربردی داشته باشند.
شاید بزرگترین سؤال درباره سرمایهگذاری تریلیوندلاری هوش مصنوعی این نباشد که «آیا AI آینده است؟»
بلکه این باشد:
آیا ارزش اقتصادی ایجادشده توسط هوش مصنوعی به اندازه سرمایهای خواهد بود که برای ساخت آن هزینه میشود؟
اگر پاسخ مثبت باشد، سرمایهگذاریهای امروز میتوانند زیرساخت یکی از بزرگترین تحولات اقتصادی قرن را ایجاد کنند.
اما اگر رشد درآمد و بهرهوری کمتر از انتظار باشد، بخشی از این سرمایهگذاریها ممکن است بازده مورد انتظار را ایجاد نکنند.
به همین دلیل باید میان دو موضوع تفاوت قائل شد:
بزرگ بودن فناوری
و
سودآور بودن تمام سرمایهگذاریهای انجامشده روی آن.
این دو الزاماً یکسان نیستند.
هوش مصنوعی در حال تبدیل شدن به یکی از بزرگترین پروژههای زیرساختی تاریخ فناوری است.
از تراشه و دیتاسنتر گرفته تا برق، شبکه، سرمایش و تأمین مالی، صنایع مختلف در حال سرمایهگذاری برای پاسخ به تقاضای جدید هستند.
برآورد Goldman Sachs از بیش از یک تریلیون دلار سرمایهگذاری جهانی AI در سال ۲۰۲۶ و برآوردهای بلندمدت چندتریلیوندلاری، نشان میدهند که مقیاس این تحول بسیار بزرگ است.
اما یک نکته را نباید فراموش کرد:
تریلیونها دلار سرمایهگذاری، تضمینکننده موفقیت نیست.
موفقیت واقعی زمانی مشخص میشود که این سرمایهگذاریها بتوانند بهرهوری، درآمد و ارزش اقتصادی پایدار ایجاد کنند.
شاید ما در حال ساخت زیرساخت بزرگترین تحول فناوری نسل خود باشیم؛ یا شاید بخشی از این سرمایهگذاریها در آینده بیشازحد خوشبینانه به نظر برسند.
فعلاً یک چیز روشن است:
رقابت هوش مصنوعی دیگر فقط رقابت بر سر ساخت بهترین مدل نیست؛ رقابت بر سر تراشه، برق، دیتاسنتر، سرمایه و زیرساخت است.