هوش مصنوعی برای توجیه سرمایه‌گذاری‌های عظیم خود باید 9 درصد اقتصاد آمریکا را به دست آورد

هوش مصنوعی برای توجیه سرمایه‌گذاری‌های عظیم خود باید ۹ درصد اقتصاد آمریکا را به دست آورد

سرمایه‌گذاری‌های بی‌سابقه در هوش مصنوعی، از ساخت دیتاسنترهای عظیم گرفته تا توسعه مدل‌های پیشرفته، پرسش مهمی را درباره میزان بازگشت اقتصادی این فناوری مطرح کرده است. یک پژوهش جدید از دانشگاه کلمبیا نشان می‌دهد صنعت هوش مصنوعی برای آنکه بتواند هزینه سرمایه‌گذاری‌های فعلی را توجیه کند، ممکن است تا سال ۲۰۳۲ به درآمدی معادل نزدیک به ۹ درصد تولید ناخالص داخلی آمریکا نیاز داشته باشد.

در سال‌های اخیر شرکت‌های فناوری میلیاردها دلار برای توسعه مدل‌های هوش مصنوعی و زیرساخت‌های موردنیاز آن هزینه کرده‌اند. بخش قابل‌توجهی از این سرمایه صرف ساخت مراکز داده، خرید تراشه‌های پردازشی و توسعه ظرفیت محاسباتی شده است. اکنون مسئله اصلی این است که آیا درآمد حاصل از خدمات هوش مصنوعی می‌تواند در نهایت با حجم عظیم سرمایه صرف‌شده تناسب داشته باشد یا خیر.

درآمد ۳.۵ تریلیون دلاری در سال ۲۰۳۲

استاین ون نیووربورگ، استاد امور مالی دانشگاه کلمبیا، در پژوهشی به بررسی ابعاد اقتصادی موج سرمایه‌گذاری در هوش مصنوعی پرداخته است. محاسبات او نشان می‌دهد اگر هزینه‌های ساخت دیتاسنترها و بازدهی سالانه ۱۰ درصدی سرمایه بدون استفاده از اهرم مالی را در نظر بگیریم، درآمد سالانه صنعت هوش مصنوعی باید تا سال ۲۰۳۲ به حدود ۳.۵ تریلیون دلار برسد.

این رقم تقریباً معادل ۸.۸ درصد از تولید ناخالص داخلی آمریکا خواهد بود؛ بنابراین می‌توان آن را به‌طور تقریبی سهم ۹ درصدی از اقتصاد این کشور دانست. به بیان دیگر، کسب‌وکارها و مصرف‌کنندگان آمریکایی باید در مجموع مبالغی در این ابعاد برای استفاده از خدمات شرکت‌هایی مانند OpenAI و Anthropic هزینه کنند تا سرمایه‌گذاری‌های انجام‌شده در این حوزه از نظر مالی قابل توجیه باشد.

البته این محاسبه به معنای آن نیست که هوش مصنوعی حتماً در آینده چنین سهمی از اقتصاد آمریکا خواهد داشت. عدد موردنظر بیشتر نشان‌دهنده سطح درآمدی است که برای بازگشت سرمایه با فرضیات پژوهش لازم خواهد بود.

چالش قیمت‌گذاری خدمات هوش مصنوعی

یکی از مسائل مهم، نحوه قیمت‌گذاری خدمات هوش مصنوعی در سال‌های آینده است. با گسترش استفاده از این فناوری و ورود شرکت‌های بیشتری به بازار، رقابت احتمالاً شدیدتر خواهد شد. افزایش ظرفیت پردازشی نیز می‌تواند دسترسی به مدل‌های پیشرفته را آسان‌تر کند و فشار نزولی بر قیمت‌ها به وجود آورد.

ون نیووربورگ معتقد است برخی پیش‌بینی‌های موجود درباره آینده صنعت، شرایطی را در نظر می‌گیرند که ممکن است با واقعیت بازار در سال ۲۰۳۲ همخوانی نداشته باشد. از دیدگاه او، شرکت‌ها عملاً انتظار دارند در زمانی که رقابت بسیار شدیدتر شده و ظرفیت پردازشی نیز چند برابر خواهد شد، بتوانند قیمت خدمات خود را همچنان بر مبنای کمبود منابع تعیین کنند.

این فرض می‌تواند یکی از نقاط حساس اقتصاد هوش مصنوعی باشد. اگر هزینه استفاده از مدل‌ها با سرعت زیادی کاهش پیدا کند، شرکت‌ها برای دستیابی به درآمد چندتریلیون‌دلاری باید حجم بسیار بیشتری از کاربران یا کاربردهای تجاری را جذب کنند.

رشد سریع توانایی مدل‌ها و کاهش هزینه محاسبات

داده‌های مؤسسه Epoch AI نیز تصویری قابل‌توجه از روند توسعه این فناوری ارائه می‌دهد. طبق بررسی‌های این مؤسسه، کارایی مدل‌های هوش مصنوعی تقریباً هر چهار تا پنج ماه دو برابر می‌شود. هم‌زمان، قیمت مؤثر محاسبات از سال ۲۰۲۳ با کاهش فصلی حدود ۴۷ درصدی روبه‌رو بوده است.

این روند برای مصرف‌کنندگان خبر خوبی محسوب می‌شود؛ زیرا می‌تواند استفاده از ابزارهای هوش مصنوعی را ارزان‌تر کند. اما از منظر سرمایه‌گذاران، کاهش مداوم قیمت خدمات می‌تواند دستیابی شرکت‌ها به درآمد موردنیاز برای بازگشت سرمایه‌های عظیم را دشوارتر کند.

به همین دلیل، رشد تعداد کاربران به‌تنهایی الزاماً برای توجیه هزینه‌های فعلی کافی نیست. شرکت‌ها باید کاربردهای جدیدی پیدا کنند که مشتریان حاضر باشند برای آن‌ها مبالغ قابل‌توجهی پرداخت کنند.

افزایش کدنویسی لزوماً به بهره‌وری بیشتر منجر نشده است

موضوع دیگری که در ارزیابی ارزش اقتصادی هوش مصنوعی اهمیت دارد، میزان تأثیر واقعی این فناوری بر بهره‌وری نیروی کار است. پژوهش دانشجویان دکتری اقتصاد دانشگاه هاروارد روی پلتفرم Jellyfish نشان می‌دهد ابزارهای خودکار توانسته‌اند حجم کدنویسی را حدود ۳۰ درصد افزایش دهند، اما این رشد الزاماً به افزایش معنادار سرعت تکمیل پروژه‌ها منجر نشده است.

دلیل اصلی، زمان موردنیاز برای بررسی و اصلاح خروجی‌های تولیدشده توسط هوش مصنوعی عنوان شده است. مهندسان ممکن است در مدت کوتاه‌تری کد بیشتری تولید کنند، اما کنترل کیفیت، یافتن خطاها و اصلاح پیشنهادهای مدل می‌تواند بخش قابل‌توجهی از زمان صرفه‌جویی‌شده را دوباره مصرف کند.

این یافته نشان می‌دهد اندازه‌گیری ارزش اقتصادی هوش مصنوعی تنها با بررسی میزان تولید خروجی امکان‌پذیر نیست و باید تأثیر واقعی آن بر هزینه، زمان و نتیجه نهایی پروژه‌ها نیز سنجیده شود.

آینده صنعت به درآمد واقعی وابسته است

در نهایت، صنعت هوش مصنوعی با یک معادله دشوار مواجه است: شرکت‌ها باید سرمایه‌گذاری‌های بسیار سنگین امروز را با درآمدهای آینده جبران کنند، در حالی که پیشرفت فناوری هم‌زمان هزینه محاسبات را کاهش می‌دهد و رقابت را افزایش می‌دهد.

اگر استفاده از هوش مصنوعی بتواند در بخش‌های مختلف اقتصاد ارزش واقعی ایجاد کند، رسیدن به درآمدهای بسیار بزرگ امکان‌پذیر خواهد بود. اما اگر کاهش قیمت خدمات سریع‌تر از رشد تقاضا باشد، رسیدن به درآمد ۳.۵ تریلیون دلاری تا سال ۲۰۳۲ به چالشی جدی تبدیل خواهد شد. در چنین شرایطی، موفقیت صنعت هوش مصنوعی نه فقط به توانایی ساخت مدل‌های قدرتمندتر، بلکه به توانایی تبدیل این فناوری به کسب‌وکاری پایدار و سودآور بستگی خواهد داشت.