‏هوش مصنوعی داره کند می‌شه، درست وقتی باید سریع‌تر بشه

این مقاله یه تحلیل تند و جنجالی از Ed Zitron ـه که سراغ ریاضیاتِ پشتِ هزینه‌های صنعت هوش مصنوعی می‌ره. حرف اصلیش اینه که حجم پولی که داره خرج ساختِ دیتاسنترها و تعهدات خریدِ محاسبات می‌شه، در سطحی‌ـه که برای منطقی بودنش، کل صنعت AI باید تا سال ۲۰۳۰ سالی بیشتر از ۲ تریلیون دلار درآمد بسازه. به گفتهٔ نویسنده این عدد یه آرزو نیست، یه الزامه؛ وگرنه نه هزینه‌های سرمایه‌ای جواب می‌ده و نه Anthropic و OpenAI می‌تونن تعهداتشون رو پرداخت کنن.

نویسنده با ارجاع به داده‌ها می‌گه حدود ۱۹۰ گیگاوات ظرفیت دیتاسنتر برنامه‌ریزی شده و با حرفِ مدیرعاملِ NVIDIA که هر گیگاوات بین ۸۰ تا ۱۰۰ میلیارد دلار خرج می‌بره، کلِ این ساخت‌وساز یه چیزی بین ۹.۵ تا ۱۵ تریلیون دلار آب می‌خوره. این پول هم باید از یه جایی بیاد و به گفتهٔ نویسنده بانک‌ها نگرانن که زیرِ بارِ بدهیِ دیتاسنترها «خفه» بشن، چون حجمِ بدهیِ موردنیاز خیلی بیشتر از چیزیه که الان منتشر می‌شه.

نویسنده می‌گه Anthropic چیزی حدود ۳۳۰ میلیارد دلار تعهدِ محاسبات و تراشه با Google و Amazon و Microsoft داده و OpenAI هم تعهداتش از ۷۷۰ میلیارد دلار گذشته. به گفتهٔ او پولی که این دو شرکت تا حالا جذب کردن کفافِ این هزینه‌ها رو نمی‌ده و هر کدوم باید باز هم صدها میلیارد دلار دیگه جذب کنن. نکتهٔ مهم اینه که تقریباً همهٔ تقاضای واقعیِ محاسباتِ AI فقط از همین دو شرکت میاد؛ نویسنده می‌گه بیرون از Anthropic و OpenAI به‌سختی می‌شه خریدارِ بزرگِ دیگه‌ای پیدا کرد.

بخشِ دومِ مقاله سراغِ نشونه‌های کند شدن می‌ره. از Q1 ۲۰۲۶ این دو شرکت مشتری‌ها رو بردن روی مدلِ صورتحساب بر اساس مصرفِ توکن، و فقط چند ماه طول کشید تا تیترها پر بشه از اینکه «AI خیلی خرج داره و معلوم نیست بازگشتِ سرمایه‌ش کجاست». به نوشتهٔ مقاله، Uber کلِ بودجهٔ سالانهٔ AI‌ش رو تو یه فصل تموم کرد و بعد خرجِ هر کارمند رو ماهی ۱۵۰۰ دلار سقف‌گذاری کرد؛ T-Mobile موقتاً رو ۲۰۰۰ دلار و Brex مهندس‌ها رو روی هفته‌ای ۵۰۰ دلار محدود کردن.

به گفتهٔ نویسنده اینا همه نشونهٔ اینه که رشدِ درآمدِ AI داره کند می‌شه. او به نظرسنجی‌ای از KPMG اشاره می‌کنه که می‌گه فقط ۲۶٪ شرکت‌ها دیدِ کاملی نسبت به هزینه‌های AI‌شون دارن، نصفشون یه دیدِ ناقص دارن و بقیه یا هیچ دیدی ندارن یا فقط بعد از صورتحساب می‌فهمن چقدر خرج کردن. نویسنده می‌گه یه جریانِ درآمدی که مشتری حتی قبل از صورتحساب نمی‌دونه چقدر داره خرج می‌کنه، پایدار نیست.

نویسنده معتقده مشکلِ اصلیِ AI نبودِ یه معیارِ روشن برای سنجشِ بازگشتِ سرمایه‌ست؛ چون نمی‌شه دقیق گفت یه کار با AI چقدر هزینه برداشته و چی برگردونده. به گفتهٔ او ابزارهای کدنویسیِ agentic عمدتاً حجمِ زیادی «نرم‌افزارِ بی‌کیفیت» بیرون دادن که کمتر کسی واقعاً ازش استفاده می‌کنه. او همچنین می‌گه چون OpenAI و Anthropic دارن به سمتِ عرضهٔ اولیهٔ سهام (IPO) می‌رن، مجبور می‌شن قیمت‌ها رو بالا ببرن و اشتراک‌های یارانه‌ای رو محدود یا حذف کنن، که باز هم فشار رو بیشتر می‌کنه.

نکات کلیدی:

• ادعای مرکزی: برای منطقی بودنِ هزینه‌های فعلی، صنعت AI باید تا ۲۰۳۰ سالی بالای ۲ تریلیون دلار درآمد بسازه
• تقریباً همهٔ تقاضای محاسباتِ AI فقط از Anthropic و OpenAI میاد که هر دو ضررده هستن
• صورتحساب بر اساس مصرفِ توکن از Q1 ۲۰۲۶ شروع شد و سریع به نگرانیِ شرکت‌ها از بازگشتِ سرمایه تبدیل شد
• Uber، T-Mobile و Brex خرجِ AI کارمندها رو سقف‌گذاری کردن
• بیشترِ شرکت‌ها دیدِ کاملی به هزینهٔ واقعیِ AI‌شون ندارن (طبق نظرسنجیِ KPMG)
• حرکت به سمتِ IPO احتمالاً قیمت‌ها رو بالا می‌بره و اشتراک‌های یارانه‌ای رو محدود می‌کنه