لماذا تنخفض قيمة رقائق الذكاء الاصطناعي بسرعة وتؤثر على عوائد المستثمرين

يمكن لوحدة معالجة رسوميات Nvidia أن تعمل لسنوات، لكنها تصبح قديمة اقتصاديًا في وقت أقرب بكثير.

هذا التمييز مهم لأن مايكروسوفت وألفابت وأمازون وميتا تستثمر كميات هائلة من رأس المال في البنية التحتية للذكاء الاصطناعي. يميل المستثمرون إلى التركيز على التكلفة الإجمالية للرقائق ومراكز البيانات، لكن الاستهلاك هو ما يحدد كم من هذا الاستثمار يصبح في النهاية مصروفًا في قائمة الدخل.

تُوزّع الاستهلاك تكلفة المعدات على مدى عمرها المفيد المتوقع. عادةً لا تسجّل الشركة التي تنفق مليار دولار على الخوادم المبلغ الكامل كمصروف فوري. بدلاً من ذلك، يتم الاعتراف بالتكلفة على مدى عدة سنوات.

المشكلة مع أجهزة الذكاء الاصطناعي هي أن الحياة المادية والحياة الاقتصادية يمكن أن تكون مختلفة جدًا.

لا يجب أن يتوقف معالج الرسوميات عن العمل ليصبح أقل قيمة.

يمكن للأجيال الجديدة تدريب النماذج بشكل أسرع، واستهلاك كمية أقل من الكهرباء، وتقديم قوة حوسبة أكبر لكل دولار. هذا يعني أن مُسرّعًا أقدم قد يظل تقنيًا قابلًا للاستخدام، بينما يصبح تشغيله أكثر تكلفة بشكل متزايد مقارنة بالعتاد الأحدث.

دورة منتجات نيفيديا السريعة تجعل ذلك مهمًا بشكل خاص. لقد انتقلت الشركة من Hopper إلى Blackwell مع الاستمرار في تطوير هياكل أحدث، مما يزيد من خطر أن تصبح معدات مراكز البيانات المكلفة قديمة اقتصاديًا أسرع من الخوادم التقليدية.

توضح نفيديا استراتيجيتها الحالية للمنتجات والتكنولوجيا من خلال مواد علاقات المستثمرين.

يرتبط المشكلة أيضًا مباشرةً بما إذا كان إنفاق الشركات غير المسبوق على الذكاء الاصطناعي يُنتج عوائد جذابة. يشرح دليلنا عن عوائد استثمار الذكاء الاصطناعي كيف يمكن للمستثمرين استخدام التدفق النقدي الحر، والهوامش، والعائد على رأس المال المستثمر لتقييم ما إذا كانت هذه النفقات تُثمر نتائج.

تخيل أن شركة تنفق 6 مليارات دولار على خوادم الذكاء الاصطناعي وتتوقع أن تظل مفيدة لمدة ست سنوات.

ببساطة شديدة، قد يعني ذلك حوالي مليار دولار من الاستهلاك السنوي قبل أخذ التوقيت وتفاصيل المحاسبة الأخرى في الاعتبار.

إذا خلصت الإدارة بدلاً من ذلك إلى أن المعدات ستظل مفيدة اقتصاديًا لمدة أربع سنوات فقط، فقد يرتفع المصروف السنوي بشكل كبير.

النقطة المهمة هي أن تغيير افتراض العمر المفيد يمكن أن يؤثر على الأرباح المبلغ عنها دون تغيير النقد الذي تم إنفاقه أصلاً.

تُفصّح شركات السحابة الكبرى عن هذه الافتراضات في بياناتها المالية. يمكن للمستثمرين مراجعة سياسات الاستهلاك الخاصة بشركة مايكروسوفت من خلال مستندات علاقات المستثمرين، و disclosures الخاصة بشركة Alphabet من خلال Alphabet Investor Relations ومستندات أمازون من خلال Amazon Investor Relations.

هذا لا يعني أن وحدات معالجة الرسومات الأقدم تصبح فجأة بلا قيمة. يمكن للشركات نقلها من مهام تدريب النماذج المكثفة إلى الاستنتاج، أو التطبيقات الداخلية، أو المهام الأقل كثافة في الحوسبة.

يمكن أن يمتد هذا الحياة الثانية لتعزيز فائدتهما الاقتصادية.

السؤال الأكبر هو بالتالي ليس فقط كم تنفق شركات التكنولوجيا الكبرى على وحدات معالجة الرسوميات.

هل هو ما إذا كانت الإيرادات وتدفقات النقدية الناتجة عن تلك وحدات معالجة الرسوميات تنمو بسرعة كافية لتعويض الاستهلاك وتكاليف الكهرباء والاستبدال التكنولوجي السريع.

هذا يصبح أكثر أهمية مع نمو إيرادات شرائح الذكاء الاصطناعي من Nvidia. يُظهر تغطية إيرادات Nvidia الأخيرة من Coinpaper الحجم الاستثنائي للطلب الحالي على وحدات التسريع.

تكلفة الأجهزة هي أيضًا جزءًا صغيرًا فقط من المعادلة. مراكز بيانات الذكاء الاصطناعي الحديثة تستهلك كميات هائلة من الكهرباء، مما يجعل توفر الطاقة قيدًا آخر يزداد أهمية بشكل متزايد. يحلل شرح Coinpaper عن أسواق طاقة الذكاء الاصطناعي لماذا قد تصبح اقتصاديات الكهرباء في النهاية مهمة بنفس درجة أهمية وحدات معالجة الرسوميات نفسها.