به گزارش پیوست،در پروژه اوهایو، OpenAI قرار است یک سایت دیتاسنتری را برای ۲۰ سال اجاره کند. انویدیا تأمینکننده انحصاری زیرساخت محاسباتی این سایت است، ۱.۵ میلیارد دلار در شرکت توسعهدهنده پروژه سرمایهگذاری میکند و بخشی از تعهدات مالی آن را نیز تضمین کرده است.
چند روز پیش از اعلام این پروژه، انویدیا با ۶ نهاد مالی بزرگ نیز به توافق رسیده بود تا زمینه جذب بیش از ۵۰۰ میلیارد دلار سرمایه برای توسعه زیرساختهای هوش مصنوعی را فراهم کند. کنار هم قرار دادن این دو اتفاق نشان میدهد نقش انویدیا در حال فراتر رفتن از فروش GPU است. این شرکت از یک سو در تأمین مالی و ساخت دیتاسنترها مشارکت میکند و از سوی دیگر تلاش میکند سرمایهگذاران بزرگ را وارد این بازار کند.
به این ترتیب، ظرفیت محاسباتی دیتاسنترها به یک زیرساخت قابل سرمایهگذاری تبدیل میشود؛ چیزی که میتوان برای توسعه آن سرمایه جذب کرد، آن را در قالب قراردادهای بلندمدت اجاره داد و برای درآمد آیندهاش ارزشگذاری کرد.از فروش تراشه تا تضمین ساخت بازار
پروژه SB Energy در اوهایو قرار است در نهایت به ظرفیت محاسباتی ۸ گیگاوات برسد. این عدد به برق مصرفی تجهیزات IT و پردازشی دیتاسنتر اشاره میکند و به معنای ظرفیت تولید برق نیست. OpenAI این سایت را برای ۲۰ سال اجاره خواهد کرد و قرار است نخستین بخش آن با ظرفیت ۸۰۰ مگاوات در سال ۲۰۲۸ راهاندازی شود. انویدیا نیز علاوه بر سرمایهگذاری ۱.۵ میلیارد دلاری در SB Energy، تامینکننده انحصاری زیرساخت محاسباتی این دیتاسنتر خواهد بود.
البته تضمین ۱۰۵ میلیارد دلاری به معنی پرداخت کل هزینه پروژه نیست. طبق گزارش رویترز، انویدیا بخشی از اجاره و هزینه برق و حداقل ارزش سایت را پشتیبانی میکند. با این حال، اگر OpenAI نتواند به تعهدات مالی خود عمل کند، انویدیا باید بخشی از زیان مالک پروژه را جبران کند.دیتاسنتری که ساخته نشود، GPU هم نمیخرد
منطق اقتصادی انویدیا پیچیده نیست. اگر مشتری نتواند برای زمین، برق و ساختمان تأمین مالی کند، تقاضای GPU هم شکل نمیگیرد. از این زاویه، تضمین پروژه اوهایو امتداد همان کاری است که برنامه ۵۰۰ میلیارد دلاری قرار است در مقیاسی بزرگتر انجام دهد؛ آوردن سرمایه بلندمدت به جایی که در نهایت مصرفکننده تراشههای انویدیاست.
انویدیا برای توضیح این مدل از عبارت «Compute درآمد است» استفاده میکند. منظور از Compute در این گزارش، ظرفیت پردازشیای است که مجموعهای از GPUها، شبکه و نرمافزار در دیتاسنتر در اختیار مشتری میگذارد.
اگر این ظرفیت به مشتریان مختلف اجاره داده شود، خودش جریان درآمدی میسازد. انویدیا در توجیه عمر اقتصادی این ظرفیت روی CUDA هم تکیه میکند؛ پلتفرم نرمافزاری و مدل برنامهنویسی این شرکت که امکان استفاده از GPUها برای اجرای محاسبات و نرمافزارهای مختلف را فراهم میکند. استدلال خود انویدیا این است که بهروزرسانی مداوم CUDA و امکان جابهجایی ظرفیت میان بارهای کاری و مشتریان میتواند عمر اقتصادی سختافزار را بیشتر کند؛ فرضی که سرمایهگذار باید در عمل صحت آن را بسنجد.
اما اینجا منطق بازار سرمایه با منطق صنعت تراشه برخورد میکند. سرمایهگذار زیرساختی میخواهد بداند مشتری چه مدت میماند، درآمد پروژه چقدر قابلپیشبینی است و اگر مشتری اول رفت، تجهیزات را با چه قیمتی میتوان دوباره اجاره داد یا فروخت؛ همان چیزی که در امور مالی به آن ارزش باقیمانده میگویند. ساختمان، زمین و اتصال برق ممکن است دههها دوام بیاورند، اما قلب محاسباتی پروژه چنین عمر آرام و قابلپیشبینیای ندارد.۲۰ سال روی کاغذ، چند سال در رک
صندوق بینالمللی پول ،IMF ،در گزارش ثبات مالی آوریل ۲۰۲۶، با استفاده از ارقام استهلاک ۱۰ غول ابری، عمر ضمنی متوسط «اموال، ماشینآلات و تجهیزات» ثبتشده در ترازنامه آنها را حدود هفت سال برآورد میکند. اما همان گزارش میگوید GPUها و تراشههای پیشرفته، که سهم بزرگی از هزینه سرورها و زیرساخت AI را تشکیل میدهند، ممکن است ظرف حدود دو سال با ریسک منسوخشدن فناوری روبهرو شوند. «دو سال» عمر مفید قطعی GPU نیست؛ افقی است برای سنجش اینکه نسل تازهتر چقدر زود میتواند اقتصاد استفاده از نسل قبلی را تغییر دهد.
اما چالش اصلی همینجاست؛ قرارداد ۲۰ساله به این معنا نیست که GPUهای دیتاسنتر هم ۲۰ سال عمر میکنند. تجهیزات پردازشی در طول این دوره باید چند بار تعویض یا ارتقا پیدا کنند و همین موضوع دو نوع هزینه با دورههای زمانی متفاوت را به پروژه تحمیل میکند. هزینههای بلندمدت زمین، ساختمان و زیرساخت برق از یک سو و هزینههای پرتکرارتر نوسازی سختافزار از سوی دیگر. بنابراین ارزش این دیتاسنتر فقط به ساختمان و زیرساخت فیزیکی آن وابسته نیست، بلکه به این بستگی دارد که در طول زمان تا چه اندازه بتواند توان محاسباتی رقابتی ارائه کند.صندوق بینالمللی پول با یک سناریوی فرضی نشان میدهد که عمر مفید تجهیزات تا چه اندازه بر مدل مالی این سرمایهگذاریها اثر میگذارد. اگر عمر مفید سرمایه بهجای هفت سال، سه سال در نظر گرفته شود، حاشیه سود عملیاتی تجمیعی شرکتهای مورد بررسی بیش از ۹ واحد درصد کاهش پیدا میکند. اگر هزینه جایگزینی این تجهیزات نیز بهطور کامل از طریق بدهی تامین شود، مجموع بدهی آنها از حدود ۸۰۰ میلیارد دلار به بیش از یک تریلیون دلار میرسد. این اعداد پیشبینی آینده نیستند؛ بلکه نشان میدهند حتی چند سال تفاوت در عمر اقتصادی تجهیزات میتواند سودآوری و میزان بدهی شرکتها را به شکل قابلتوجهی تغییر دهد.پول از کجا میآید، ریسک کجا میماند؟
ورود انویدیا به تامین مالی و تضمین پروژهها را میتوان تلاشی برای پر کردن همین شکاف دانست. این شرکت با سرمایهگذاری در زیرساخت، به مشتریانش کمک میکند ظرفیت لازم برای خرید و استفاده از GPUهای انویدیا را ایجاد کنند. چنین مدلی در صنایع زیرساختی تازه نیست و تأمین مالی پروژه و ارائه تضمین سالهاست بخشی از سازوکار توسعه پروژههای بزرگ است. تفاوت زیرساخت هوش مصنوعی در یک عامل مهم است: فناوری با سرعتی بسیار بیشتر از عمر پروژه تغییر میکند.
عمر سختافزار تنها ریسک این مدل نیست؛ نحوه شکلگیری تقاضا نیز اهمیت دارد. صندوق بینالمللی پول به گسترش «تأمین مالی حلقوی» در اکوسیستم هوش مصنوعی اشاره میکند؛ وضعیتی که در آن شرکتها فقط خریدار و فروشنده یکدیگر نیستند، بلکه از طریق سرمایهگذاری، اعتبار یا تضمین مالی نیز به هم متصل میشوند. برای مثال، سازنده تراشه ممکن است در پروژهای سرمایهگذاری کند که خریدار همان تراشههاست یا بخشی از تعهدات مالی مشتری را تضمین کند. این الگو لزوماً به معنای وجود مشکل در معامله اوهایو نیست، اما یک پرسش مهم ایجاد میکند و آن این است که وقتی بخشی از تقاضا با سرمایه و تضمین بازیگران همین اکوسیستم شکل میگیرد، چه میزان از آن ناشی از نیاز واقعی بازار است و چه میزان به پشتوانه همین تامین مالی ایجاد شده است؟آیا Compute واقعا دارایی شده است؟
برای اینکه توان محاسباتی واقعاً مثل یک دارایی زیرساختی پایدار رفتار کند، سه چیز باید در عمل روشن شود؛ آیا مشتری برای سالهای طولانی حاضر است ظرفیت را اجاره کند؟ اگر نسل تازه GPU آمد، تجهیزات قبلی هنوز خریدار یا کاربرد اقتصادی دارند؟ و آیا درآمد پروژه آنقدر پایدار است که هم اقساط بدهی و هم هزینه چند دور ارتقای سختافزار را پوشش دهد؟
انویدیا روی این فرض حساب میکند که ارزش یک دیتاسنتر به عمر یک نسل از تراشههای آن محدود نمیشود. اکوسیستم CUDA و امکان جابهجایی ظرفیت محاسباتی میان مشتریان و کاربردهای مختلف قرار است کمک کند این زیرساخت حتی با تغییر نسل GPUها همچنان ارزش اقتصادی خود را حفظ کند. اما ریسک همچنان باقی است: اگر نسلهای جدید سختافزار هزینه و بهرهوری پردازش را بهسرعت تغییر دهند یا تقاضا به اندازه ظرفیت ایجادشده رشد نکند، هم ارزش تجهیزات موجود کاهش مییابد و هم درآمدی که بازپرداخت بدهی پروژه به آن وابسته است.
ماجرای انویدیا به همین دلیل فراتر از یک سرمایهگذاری در دیتاسنتر است. صنعت هوش مصنوعی بهتدریج از ابزارهای رایج بازارهای مالی، از قراردادهای بلندمدت و تضمین گرفته تا تأمین مالی پروژهای، برای توسعه زیرساخت محاسباتی استفاده میکند. چالش اما اینجاست که سرمایه بلندمدت وارد پروژهای میشود که ساختمان و زیرساخت برق آن ممکن است دههها عمر کند، اما تجهیزات پردازشی آن با عرضه نسلهای جدید تراشه خیلی زودتر نیاز به تعویض یا ارتقا پیدا میکنند. اگر قرار است ظرفیت محاسباتی به یک دارایی قابل سرمایهگذاری تبدیل شود، موفقیت این مدل فقط به قدرت نسل بعدی GPUها بستگی ندارد؛ تداوم تقاضا، ارزش اقتصادی تجهیزات قدیمیتر و مهمتر از همه اینکه در صورت افت بازار، زیان نهایی بر عهده چه کسی خواهد بود، تعیینکننده است.
