وقتی قدرت سخت‌افزاری در رقابت با تقاضا کمر خم می‌کند

شرکت‌های موسوم به ابرپلتفرم‌ها یعنی آمازون، متا، ماکروسافت و اوراکل هر کدام صدها میلیارد دلار در ساخت مراکز داده سرمایه‌گذاری می‌کنند. تنها در سال جاری، آلفابت، آمازون و اوراکل مجموعاً بیش از ۱۰۰ میلیارد دلار بدهی جذب کرده‌اند.
نشریه اکونومیست با انتشار یادداشتی مدعی شد: در ماه‌های اخیر موج تازه‌ای از تحولات در سیلیکون‌ولی شکل گرفته است. فعالان حوزه فناوری که تلاش دارند نشان دهند در خط مقدم پذیرش هوش مصنوعی قرار دارند، به پدیده‌ای به نام «توکن‌مکسینگ» روی آورده‌اند؛ رقابتی میان خودشان برای مصرف هر چه بیشتر توکن‌ها (واحدهایی که برای پردازش متن در مدل‌های هوش مصنوعی استفاده می‌شود). بین ژانویه تا مارس، تعداد توکن‌های پردازش‌شده در OpenRouter، بازاری برای دسترسی به مدل‌ها، چهار برابر شد.
در این میان با افزایش تقاضا برای هوش مصنوعی، صنایعی که تلاش دارند تا خود را در خط مقدم این اهرم قرار دهند، تلاش کردند تا نشان دهند با این رشد هماهنگ هستند. در ماه مارس، شرکت آنتروپیک — یکی از آزمایشگاه‌های هوش مصنوعی که مدل‌هایش در میان کسب‌وکارها محبوب است — دسترسی به ابزارهای خود را در ساعات اوج مصرف محدود کرد و سپس برای کنترل استفاده، طرح‌های اشتراک خود را نیز تغییر داده است. در ماه آوریل، خدمات این شرکت به‌طور میانگین روزانه حدود ۳۰ دقیقه با قطعی مواجه شده است.
این وضعیت منحصر به این شرکت نیست. در ماه مارس، OpenAI به‌طور ناگهانی اهرم تولید ویدئو خود به نام Sora را متوقف کرد تا توان محاسباتی محدودش را به حوزه‌های سودآورتر اختصاص دهد. در ۲۰ آوریل نیز GitHub، پلتفرم همکاری کدنویسی متعلق به مایکروسافت، پذیرش اشتراک‌های جدید برای ربات برنامه‌نویسی خود را متوقف کرد.

چالش تازه ابرپلتفرم‌ها
به گزارش تجارت نیوز، این نشریه در ادامه خاطرنشان کرد: پاسخ صنعت به این وضعیت، تزریق سرمایه‌های عظیم‌تر به زیرساخت‌های جدید بود. ۲۰ آوریل، Anthropic از همکاری ۱۰۰ میلیارد دلاری با آمازون خبر داد تا سقف پنج گیگاوات ظرفیت سرور تأمین شود؛ سقفی که قرار است نزدیک به یک‌پنجم آن تا پایان سال جاری وارد مدار شود.
در ۲۴ آوریل اعلام شد که گوگل ۴۰ میلیارد دلار دیگر برای کمک به تأمین نیازهای محاسباتی این شرکت سرمایه‌گذاری خواهد کرد. ۲۷ آوریل، OpenAI اعلام کرد که در حال بازطراحی همکاری خود با مایکروسافت است تا بتواند محصولاتش را از طریق ارائه‌دهنده خدمات ابری توزیع کند و انعطاف بیشتری برای دسترسی به ظرفیت محاسباتی داشته باشد.
شرکت‌های موسوم به ابرپلتفرم‌ها یعنی آمازون، متا، ماکروسافت و اوراکل هرکدام صدها میلیارد دلار در ساخت مراکز داده سرمایه‌گذاری می‌کنند. تنها در سال جاری، آلفابت، آمازون و اوراکل مجموعاً بیش از ۱۰۰ میلیارد دلار بدهی جذب کرده‌اند. برای آزاد کردن نقدینگی، شرکت متا اخیراً اعلام کرده که ۱۰ درصد از نیروی کار خود را تعدیل می‌کند و مایکروسافت نیز مدعی است که به حدود ۷ درصد از کارکنانش پیشنهاد خروج داوطلبانه خواهد داد.
افزودن ظرفیت بیشتر، شرایط را روزبه‌روز دشوارتر می کند. در آمریکا و سایر نقاط جهان، مخالفت سیاسی با ساخت مراکز داده در حال افزایش است. علاوه بر این، شرکت‌هایی که سخت‌افزارهای مورد نیاز این مراکز را تولید می‌کنند — از تراشه‌ها و تجهیزات شبکه گرفته تا سیستم‌های خنک‌کننده — به‌مراتب کمتر از میزان لازم سرمایه‌گذاری کرده‌اند و همین باعث شده عرضه نتواند با تقاضا همگام شود. بنابراین ظاهرا فشار بر ظرفیت افزایش یافته است.

رقابتی کشنده
اکونومیست در ادامه آورد: در ماه آوریل، قانون‌گذاران ایالت مین آمریکا به طرحی رأی مثبت دادند که ساخت مراکز داده بالای ۲۰ مگاوات تا نوامبر ۲۰۲۷ را ممنوع می‌کرد. هرچند این طرح بعداً توسط فرماندار وتو شد، اما قانون‌گذاران در بیش از ده ایالت دیگر آمریکا نیز در حال بررسی اقدامات مشابه هستند.
بر اساس یک برآورد، سال گذشته پروژه‌هایی به ارزش ۱۵۶ میلیارد دلار در حوزه مراکز داده در آمریکا به دلیل مخالفت‌های محلی و دعاوی حقوقی متوقف یا به تعویق افتاده‌اند. کشورهای دیگر از جمله ایرلند و برزیل نیز با موج فزاینده مخالفت عمومی روبه‌رو هستند. نگرانی درباره تأثیر مراکز داده پرمصرف بر هزینه برق به طور مشخص گسترده شده و ممکن است با افزایش قیمت انرژی ناشی از جنگ در خلیج فارس شدت بیشتری بگیرد.
حتی زمانی که ساخت مراکز داده تایید می‌شود و امکان اتصال آن‌ها به منبع برق — چه شبکه سراسری و چه منابع تولید اختصاصی — فراهم است، شرکت‌ها در تامین تجهیزات محاسباتی لازم برای راه‌اندازی آن‌ها با مشکل روبه‌رو هستند.
ایوان چیام فعال در شرکت تحقیقاتی SemiAnalysis در این باره به اکونومیست گفت تراشه کافی برای پر کردن مراکز داده‌ای که اکنون در حال ساخت هستند وجود ندارد. به‌عنوان نمونه، پردازنده‌های گرافیکی (GPU) طراحی‌شده توسط انویدیا که بیش از دو سوم توان محاسباتی هوش مصنوعی جهان را تامین می‌کنند، با کمبود مواجه‌اند. قیمت اجاره GPU مدل H100 انویدیا — که در سال ۲۰۲۲ عرضه شد — از ماه نوامبر حدود ۳۰ درصد افزایش یافته، زیرا مشتریانی که به مدل‌های جدید دسترسی ندارند به نسل‌های قدیمی‌تر روی آورده‌اند.
پردازنده‌های هوش مصنوعی رقابتی نیز به‌طور فزاینده‌ای کمیاب شده‌اند. در ماه آوریل، اندی جسی، مدیرعامل آمازون، اعلام کرد که این شرکت تقریباً تمام ظرفیت دسترسی به تراشه‌های هوش مصنوعی Trainium2 خود را فروخته است. او همچنین مدعی شد بخش قابل‌توجهی از ظرفیت نسل بعدی این تراشه‌ها، یعنی Trainium4 که قرار است سال آینده عرضه شود، «از هم‌اکنون رزرو شده است.
فشار حاصل از کمبود همچنین به تراشه‌های حافظه نیز سرایت کرده، به‌ویژه نوع حافظه با پهنای باند بالا (HBM) که مدل‌های هوش مصنوعی به آن وابسته‌اند. هر سه تولیدکننده بزرگ — SK Hynix، سامسونگ و مایکرون — می‌گویند بخش عمده عرضه آن‌ها برای سال ۲۰۲۶ از هم‌اکنون فروخته شده است.
با این حال در ماه مارس در این حوزه اندکی امید ایجاد شد، زمانی که گوگل از TurboQuant رونمایی کرد؛ الگوریتمی که قرار است میزان حافظه مورد نیاز هوش مصنوعی را کاهش داده و باعث شود سهام تولیدکنندگان حافظه برای مدت کوتاهی افت کند. با این حال، پیش‌بینی می‌شود تقاضا برای HBM دست‌کم در سه سال آینده از عرضه پیشی بگیرد.
کمبودها اکنون به واحدهای پردازش مرکزی (CPU) نیز رسیده است. ابزارهای هوش مصنوعی چون agentic که وظیفه برنامه‌ریزی، استدلال و اجرای کارها را دارند، برای هماهنگ‌سازی عملکرد خود بیشتر به این نوع تراشه‌ها وابسته‌اند. بانک سرمایه‌گذاری مریل لینچ مورگان استنلی برآورد می‌کند که سیستم‌های agentic به ازای هر GPU به یک CPU نیاز دارند، در حالی که این نسبت در سیستم‌های چت‌باتی حدود ۱ به ۱۲ است.در واقع، تقاضا برای CPU آن‌قدر بالا رفته که به احیای دوباره شرکت اینتل کمک کرده؛ شرکتی که تا همین اواخر در آستانه سقوط قرار داشت.

شکاف ساختاری
اصل ماجرا این است که شرکت‌های فعال در حوزه تامین اجزای هوش مصنوعی، در مقایسه با غول‌های ابری (hyperscalers)، برای افزایش ظرفیت سرمایه‌گذاری اندکی انجام داده‌اند. در مقابل، تأمین‌کنندگان سخت‌افزار که این شرکت‌ها به آن‌ها وابسته‌اند، تنها ۴۵ درصد افزایش سرمایه‌گذاری داشته‌اند؛ از ۱۵۳ میلیارد دلار به ۲۲۳ میلیارد دلار.
شرکت TSMC، بزرگ‌ترین تولیدکننده قراردادی تراشه در جهان و تامین کننده غالب GPUها و CPUهای پیشرفته، نمونه‌ای از این وضعیت است. پیشرفته‌ترین کارخانه‌های آن — که تراشه‌هایی با فناوری پنج نانومتر یا کوچک‌تر تولید می‌کنند — اکنون با تمام ظرفیت در حال کار هستند. سی‌سی وی، مدیرعامل این شرکت، پذیرفته که عرضه «بسیار محدود» است، اما تأکید کرده «هیچ راه میان‌بری وجود ندارد»: ساخت یک کارخانه جدید دو تا سه سال زمان می‌برد.
این شرکت برنامه دارد در سال ۲۰۲۶ حدود ۵۵ میلیارد دلار سرمایه‌گذاری کند؛ رقمی که نسبت به سال قبل ۳۴ درصد افزایش یافته. تحلیلگران انتظار دارند این رقم در سال ۲۰۲۷ به ۶۵ میلیارد دلار برسد. با این حال، سهم هزینه‌های سرمایه‌ای از فروش شرکت از حدود ۵۰ درصد در سال ۲۰۲۲ به یک‌سوم در سال جاری کاهش یافته است.
رویکرد محتاطانه TSMC باعث نارضایتی مشتریانش شده است. سم آلتمن، مدیرعامل OpenAI، از این شرکت خواسته «فقط ظرفیت بیشتری بسازد». در ماه مارس نیز ایلان ماسک، مدیرعامل تسلا و اسپیس‌ایکس، از برنامه ساخت کارخانه‌ای موسوم به «Terafab» خبر داد که هدف بلندپروازانه‌اش یعنی تولید سالانه قدرت پردازشی بیشتر از کل صنعت نیمه‌هادی جهان امروز است.
چنین تاسیساتی که ماسک برای راه‌اندازی آن از همکاری اینتل نیز استفاده کرده، به احتمال زیاد زودتر از سال ۲۰۲۸ وارد تولید نخواهد شد و حتی در آن زمان نیز در مقیاسی بسیار کوچک‌تر از آنچه تصور شده فعالیت خواهد کرد. علاوه بر این، ماسک ممکن است در تامین ماشین‌آلات پیشرفته مورد نیاز برای این کارخانه نیز با مشکل روبه‌رو شود، چرا که آن تجهیزات نیز با کمبود مواجه‌اند.
این وضعیت نشان‌دهنده شکافی است که اکنون آینده هوش مصنوعی را تحت تأثیر قرار داده: بهبود نرم‌افزار در چند ماه ممکن است، اما توسعه زنجیره تامین سال‌ها طول می‌کشد. تولیدکنندگان سخت‌افزار نیز از این هراس دارند که بیش از حد سرمایه‌گذاری کرده و در نهایت با ظرفیت‌های بلااستفاده روبه‌رو شوند. در نتیجه، تب «توکن‌مکسینگ» ممکن است خیلی زودتر از انتظار فروکش کند.