سرمایهگذاری در هوش مصنوعی دیگر فقط داستان مدلهای بهتر و تراشههای بیشتر نیست؛ به یک مسئله جدی تأمین مالی تبدیل شده است. فایننشال تایمز امروز گزارش داده شرکتهای بزرگ فناوری برای تأمین مالی دیتاسنترها، تراشهها و زیرساخت AI از انواع ضمانتها استفاده میکنند و حدود ۳۰۰ میلیارد دلار مواجهه مالی را به ساختارهایی منتقل کردهاند که بخش بزرگی از آنها مستقیماً در ترازنامه شرکتهای فناوری دیده نمیشود.
مدل معمول این است که یک شرکت یا Special Purpose Vehicle زیرساخت را میسازد و بدهی میگیرد؛ غول فناوری نیز با قرارداد خرید ظرفیت، اجاره بلندمدت یا ضمانت حداقل ارزش دارایی به معامله اعتبار میدهد. در نتیجه هزینه تأمین مالی پروژه پایین میآید، بدون اینکه تمام بدهی مستقیماً بهعنوان بدهی شرکت فناوری ثبت شود.
بانک تسویههای بینالمللی نیز پیشتر این ساختارها را نوعی «shadow borrowing» توصیف کرده بود؛ تعهداتی که از نظر اقتصادی شباهت زیادی به بدهی دارند، اما خارج از ترازنامه اصلی قرار میگیرند و ارتباط شرکتهای فناوری را با صندوقهای اعتبار خصوصی، بیمهگران و بانکها بیشتر میکنند.
پیام مدیریتی این خبر مهمتر از اعداد آن است. رشد سرمایهگذاری در AI الزاماً به این معنا نیست که بازده اقتصادی تمام پروژهها اثبات شده است. بخشی از این رشد با مهندسی مالی، تضمینهای بلندمدت و اعتبار شرکتهای بزرگ امکانپذیر شده. اگر درآمد واقعی AI از هزینه زیرساخت عقب بماند، فشار بهتدریج از شرکتهای AI به دیتاسنتر، تأمینکننده تراشه و بازار اعتبار منتقل میشود.
برای شرکت ایرانی، درس این نیست که از AI عقبنشینی کند؛ بلکه اینکه Capex سنگین AI را با مصرف واقعی اشتباه نگیرد. خرید GPU، ساخت دیتاسنتر یا قرارداد بزرگ ابری فقط وقتی توجیه دارد که نرخ استفاده، صرفهجویی یا درآمد قابل اندازهگیری داشته باشد.
اقدام امروز: پروژههای AI سازمان را با سه عدد بسنجید: هزینه کل زیرساخت، میزان واقعی استفاده و ارزش اقتصادی خروجی. اگر پروژه فقط با رشد بسیار خوشبینانه مصرف توجیه میشود، ابتدا با ظرفیت اجارهای یا معماری کوچکتر آزمایش شود.