تحلیل رویترز از برآوردهای اجماعی LSEG نشان می‌دهد بزرگ‌ترین اپراتورهای رایانش ابری جهان تا سال 2027 در مسیر آن هستند که بیش از جریان نقد آزاد خود برای زیرساخت هوش مصنوعی هزینه کنند؛ موضوعی که بازارهای بدهی را در مرکز مرحله بعدی توسعه هوش مصنوعی قرار می‌دهد.
مایکروسافت، آلفابت، آمازون، متا و اوراکل همگی در حال افزایش ظرفیت مراکز داده، خرید تراشه‌های پیشرفته و تأمین برق برای بارهای کاری هوش مصنوعی هستند؛ آن هم با سرعتی که از نقدینگی تولیدشده در داخل شرکت‌هایشان فراتر می‌رود. رویترز محاسبه کرد که به ازای هر $1 جریان نقد عملیاتی اضافی در پنج شرکت، حدود $1.57 هزینه سرمایه‌ای اضافی تا سال 2027 ایجاد می‌شود.
این ارقام این فرض را به چالش می‌کشند که بزرگ‌ترین شرکت‌های فناوری می‌توانند رقابت هوش مصنوعی را عمدتاً از محل سود خود تأمین مالی کنند. ترازنامه‌های آنها همچنان بسیار قوی‌تر از ترازنامه وام‌گیرندگان معمول شرکتی است، اما مقیاس هزینه‌کرد برنامه‌ریزی‌شده در حال تبدیل تصمیم‌های تأمین مالی به بخشی مهم از این داستان است.
برنامه‌های هزینه‌کرد در سال 2026 شتاب می‌گیرند
بر اساس برآوردهای مورد استناد رویترز، هزینه سرمایه‌ای آمازون، آلفابت، مایکروسافت، متا و اپل در سال 2024 در مجموع حدود $227 میلیارد بود و در سال 2025 به $391 میلیارد رسید. راهنمایی‌های شرکت‌ها و برآوردهای بازار نشان می‌دهد هزینه‌کرد این گروه در سال 2026 می‌تواند از $635 میلیارد فراتر رود.
آمازون هدف هزینه‌کرد $200 میلیاردی را برای سال 2026 تعیین کرده است. آلفابت رقم $175 میلیارد تا $185 میلیارد را پیش‌بینی کرده، در حالی که متا اعلام کرده هزینه‌کرد آن ممکن است به $135 میلیارد برسد. همین تعهدات نشان می‌دهند رقابت زیرساخت هوش مصنوعی از یک چرخه کوتاه خرید تراشه فراتر رفته و به سال‌ها سرمایه‌گذاری در مراکز داده، تجهیزات شبکه و تأمین برق گسترش یافته است.
گلدمن ساکس هزینه سرمایه‌ای ابرمقیاس‌گران را در فاصله سال‌های 2025 تا 2027 بین $1.15 تریلیون و $1.4 تریلیون برآورد می‌کند. این رقم در مقایسه با $477 میلیارد هزینه‌شده در دوره سه‌ساله پیشین، یعنی از 2022 تا 2024، قرار دارد.
امین مرینی برآورد کرد تعهدات ترکیبی هزینه سرمایه‌ای این پنج شرکت در سال 2026 حدود 3.8 برابر جریان نقد آزاد ترکیبی آنهاست. جریان نقد آزاد، نقدینگی باقی‌مانده پس از پرداخت هزینه‌های عملیاتی و هزینه‌های سرمایه‌ای شرکت را اندازه‌گیری می‌کند و به همین دلیل شاخصی مفید برای سنجش میزان تأمین مالی باقی‌مانده بدون مراجعه به بدهی یا انتشار سهام است.
این شکاف به این معنا نیست که هر پنج شرکت با فشار تأمین مالی یکسانی روبه‌رو هستند. آمازون، مایکروسافت، آلفابت و متا کسب‌وکارهای اصلی سودآوری دارند که جریان نقد عملیاتی قابل‌توجهی ایجاد می‌کنند. بااین‌حال، ارقام تجمیعی نشان می‌دهند که توسعه زیرساخت هوش مصنوعی بیش‌ازپیش با بازخرید سهام، پرداخت سود سهام، تملک‌ها و دیگر مصارف شرکتی نقدینگی رقابت می‌کند.
اوراکل روشن‌ترین نمونه فشار را ارائه می‌کند
اوراکل در میان خریداران بزرگ زیرساخت به‌دلیل رشد بسیار سریع‌تر هزینه‌های سرمایه‌ای نسبت به تولید نقدینگی عملیاتی، متمایز است. رویترز گزارش داد که هزینه سرمایه‌ای اوراکل از ۴۷٪ جریان نقد عملیاتی در سال مالی ۲۰۲۲ به ۱۷۴٪ در سال مالی ۲۰۲۶ افزایش یافته است؛ سالی که در ماه مه پایان یافت.
اوراکل طی این دوره، طبق ارقام مورد استناد در تحلیل، ۵۵.۷ میلیارد دلار برای هزینه‌های سرمایه‌ای صرف کرد و ۳۲.۰ میلیارد دلار جریان نقد عملیاتی ایجاد کرد. جریان نقد آزاد آن منفی شد و سهام شرکت در بازه زمانی مورد بررسی گزارش، از ابتدای سال ۳۶٪ کاهش یافته بود.
اوراکل برنامه‌هایی برای تأمین ۴۵ تا ۵۰ میلیارد دلار از طریق تأمین مالی بدهی و سهام برای توسعه خدمات ابری اعلام کرده است. وضعیت این شرکت چالش تأمین مالی پیش روی شرکت‌هایی را نشان می‌دهد که قراردادهای بزرگ زیرساخت هوش مصنوعی را دنبال می‌کنند: تقاضای امضاشده یا مورد انتظار می‌تواند ساخت‌وساز سریع را توجیه کند، اما مراکز داده و تجهیزات محاسباتی مدت‌ها پیش از وصول کامل درآمد مشتریان به تأمین مالی نیاز دارند.
آخرین نتایج فصلی مایکروسافت نیز به مقیاس سرمایه‌گذاری اشاره داشت. این شرکت ۳۵.۸ میلیارد دلار جریان نقد عملیاتی، در برابر ۳۷.۵ میلیارد دلار هزینه سرمایه‌ای شامل اجاره‌های مالی، گزارش کرد. اجاره‌های مالی به شرکت‌ها اجازه می‌دهند ضمن استفاده از تجهیزات، پرداخت‌ها را در طول زمان تقسیم کنند؛ اما همچنان تعهدی مالی بلندمدت مرتبط با توسعه زیرساخت باقی می‌مانند.
رویترز گفت جریان نقد عملیاتی آمازون در ۱۲ ماه گذشته با ۳۰٪ افزایش به ۱۴۸.۵ میلیارد دلار رسید، در حالی که جریان نقد آزاد آن به ۱.۲ میلیارد دلار کاهش یافت. این تضاد نشان می‌دهد وقتی یک شرکت هم‌زمان ظرفیت ابری ایجاد می‌کند و از یک عملیات عظیم خرده‌فروشی و لجستیک پشتیبانی می‌کند، تولید نقدینگی بالا با چه سرعتی می‌تواند جذب شود.
انتظارات درآمدی با مانعی دشوار روبه‌رو هستند
محاسبات مرینی آزمون تجاری زیرساخت هوش مصنوعی را با دقت بیشتری مشخص می‌کند. بر اساس معیار بازده پیش از مالیات سرمایه‌گذاری ۱۵٪، درآمد محاسبات هوش مصنوعی باید تا سال ۲۰۳۰ تقریباً به ۲.۹ تریلیون دلار برسد تا هزینه سرمایه به‌کارگرفته‌شده را پوشش دهد.
بر اساس برآوردها، این رقم بیش از سه برابر بازار فعلی رایانش ابری خواهد بود؛ بازاری که از پایه‌ای حدود $211 میلیارد شروع شده است و برای پنج سال متوالی به رشد سالانه تقریباً 68٪ نیاز دارد. سطح درآمد موردنیاز به این معنا نیست که دستیابی به آن ناممکن است، اما فضای اندکی برای مازاد ظرفیت پایدار، کندتر شدن پذیرش هوش مصنوعی در شرکت‌ها یا کاهش شدید قیمت‌ها باقی می‌گذارد.
شاخص اقتصادی Anthropic پیچیدگی دیگری را مطرح می‌کند. داده‌های مورد استناد در این تحلیل نشان می‌دهد که کاهش 10٪ در هزینه یک وظیفه هوش مصنوعی، تنها با افزایش حدود 3٪ در میزان استفاده همراه است. اگر این رابطه در مقیاس گسترده برقرار باشد، کاهش قیمت خدمات هوش مصنوعی ممکن است تقاضا را تحریک کند، بی‌آنکه مصرف اضافی کافی برای جبران افزایش سریع هزینه‌های زیرساختی ایجاد شود.
بر اساس تحلیل Mrini، رشد درآمد هوش مصنوعی در حال حاضر سالانه حدود 25٪ تا 30٪ برآورد می‌شود، در حالی که رشد هزینه‌های سرمایه‌ای نزدیک به 60٪ تا 70٪ است. این ناهماهنگی، اپراتورهای ابری را تحت فشار می‌گذارد تا آزمایش‌های هوش مصنوعی را به درآمدهای تکرارشونده و پُرحاشیه از مشتریان سازمانی تبدیل کنند.
چرخه‌های پیشین زیرساختی مقایسه‌ای هشداردهنده ارائه می‌کنند
مطالعه‌ای از Cornell Capital Group که رویترز به آن استناد کرده است، رونق ساخت‌وساز هوش مصنوعی را با دوره‌های پیشین مقایسه کرد؛ دوره‌هایی که در آنها زیرساخت‌های تحول‌آفرین بازدهی نابرابری برای دارندگان سهام ایجاد کردند.
در دوران رونق راه‌آهن آمریکا در قرن نوزدهم، ارزش سهام و اوراق قرضه راه‌آهن به $10.6 میلیارد، معادل حدود $400 میلیارد به ارزش دلار امروز، رسید؛ در حالی که بدهی دولت آمریکا $1.2 میلیارد بود. این مطالعه اعلام کرد که پس از بحران مالی 1873، 90٪ شرکت‌های راه‌آهن ورشکست شدند و در جریان بحران مالی 1893، 25٪ از طول خطوط راه‌آهن مشمول اداره قضایی شد.
هوانوردی تجاری ارزش اقتصادی عظیمی ایجاد کرد، اما سود انباشته صنعت نسبتاً محدودی داشت. این مطالعه سود خالص شرکت‌های هواپیمایی جهان در 80 سال گذشته را حدود $86 میلیارد برآورد کرد؛ پیش از آنکه این بخش در دوره سه‌ساله کووید-19 حدود $190 میلیارد زیان متحمل شود.
چرخه مخابرات در اواخر دهه 1990، نمونه فناورانه نزدیک‌تری ارائه می‌کند. بیش از $500 میلیارد به شبکه‌های فیبر نوری و بی‌سیم سرازیر شد، اما تا سال 2002 بیش از 23 شرکت بزرگ مخابراتی اعلام ورشکستگی کرده بودند و حدود $2 تریلیون از ارزش بازار از بین رفته بود. مطالعه Cornell اعلام کرد که در آن زمان کمتر از 5٪ فیبرهای نصب‌شده فعال شده بودند.
زیرساخت هوش مصنوعی ممکن است از نظر تجاری بهره‌وری بیشتری نسبت به آن شبکه‌های پیشین داشته باشد، به‌ویژه اگر نرم‌افزار و عامل‌ها در جریان‌های کاری شرکت‌ها ادغام شوند. بااین‌حال، تاریخچه راه‌آهن، خطوط هوایی و مخابرات نشان می‌دهد که سودمندی اقتصادی پایدار، به‌طور خودکار به بازده به‌موقع برای شرکت‌هایی که هزینه ساخت اولیه را تأمین می‌کنند، تبدیل نمی‌شود.
در مورد بازارهای ارزهای دیجیتال، شواهد به‌جای یک پیش‌بینی قطعی، احتیاط را توصیه می‌کنند. انتشار بدهی گسترده توسط شرکت‌های فناوری می‌تواند بر شرایط بازار اعتبار و تمایل به پذیرش ریسک اثر بگذارد، اما هیچ‌یک از داده‌های ارائه‌شده ثابت نمی‌کند که استقراض شرکت‌های ابرمقیاس‌گر هم‌اکنون نقدینگی دارایی‌های دیجیتال را تخلیه می‌کند یا حرکت مشخصی در بازار را تضمین می‌کند. مسئله فوری‌تر این است که آیا درآمد هوش مصنوعی شروع به همگام‌شدن با سرمایه‌ای می‌کند که اکنون در حال تخصیص است یا خیر.
نگران ریسک‌های هزینه سرمایه‌ای ناشی از هوش مصنوعی هستید؟ بیاموزید که چگونه دارایی‌های دیجیتال راهبردهای تأمین مالی زیرساخت‌های گسترده را متحول می‌کنند.
سلب مسئولیت: محتوای این صفحه صرفاً برای اهداف اطلاع‌رسانی عمومی ارائه شده و بیانگر دیدگاه‌ها یا توصیه‌های مالی Toobit نیست. ما هیچ تضمینی درباره صحت یا کامل‌بودن این اطلاعات ارائه نمی‌دهیم و در قبال هرگونه خطا، حذف یا پیامدی که از استفاده از آن ناشی شود، مسئولیتی نخواهیم داشت. سرمایه‌گذاری در دارایی‌های دیجیتال با ریسک همراه است؛ کاربران باید وضعیت مالی خود و ریسک‌های مربوطه را به‌طور مستقل ارزیابی کنند. برای جزئیات بیشتر، لطفاً به شرایط استفاده از خدمات و افشای ریسک.
