رقابت تسلیحاتی هوش مصنوعی تصویری فراتر از آنچه ترازنامه‌های رسمی نشان می‌دهد، پشت پرده رقم خورده است. پنج غول فناوری آمریکایی — آلفابت، آمازون، متا، مایکروسافت و اوراکل — مجموعاً حدود ۱.۶۵ تریلیون دلار بدهی پنهان دارند؛ رقمی که ۱۲۲٪ کل بدهی ثبت‌شده در ترازنامه‌های این شرکت‌هاست و در یادداشت‌های صورت‌های مالی فصلی، به‌جای ترازنامه‌های اصلی، ثبت شده است.

بر اساس گزارش Nikkei Asia، این رقم از ۱.۳۵ تریلیون دلار بدهی رسمی این شرکت‌ها نیز بالاتر است. به این معنا که سرمایه‌گذاران تنها بخشی از تعهدات مالی واقعی این غول‌های فناوری را می‌بینند و تصویر کامل هنگامی آشکار می‌شود که قراردادهای بلندمدت به اجرا درآیند.

مراکز داده و زیرساخت‌های پردازشی هوش مصنوعی

متا و اوراکل؛ صدرنشینان بدهی پنهان

در میان این پنج شرکت، متا بالاترین نسبت بدهی ثبت‌نشده به بدهی ترازنامه‌ای را دارد. این شرکت ۴۲۰ میلیارد دلار بدهی ثبت‌نشده در کنار ۱۴۰ میلیارد دلار بدهی ترازنامه‌ای نگه داشته است. اوراکل نیز با ۲۷۳.۳ میلیارد دلار بدهی پنهان، جهش ۲۹۰۰ درصدی نسبت به سال ۲۰۲۲ را ثبت کرده است.

این ارقام نشان می‌دهد که دو شرکت در خط مقدم سرمایه‌گذاری زیرساختی هوش مصنوعی قرار دارند و بیشترین تعهدات آینده را بر دوش می‌کشند. اما مکانیزم حسابداری پشت این بدهی‌ها چگونه کار می‌کند؟

قاعده‌ی حسابداری پشت پرده‌ی بدهی‌های پنهان

ثبت این تعهدات به‌صورت «خارج از ترازنامه» یک رویه‌ی حسابداری پذیرفته‌شده است و نه تقلب مالی. ریشه‌ی این بدهی‌ها در قراردادهای بلندمدتی است که امضا شده‌اند اما هنوز اجرایی نشده‌اند. بخش عمده‌ی این قراردادها به مراکز داده و تعهدات پرداخت برای توان محاسباتی مربوط می‌شود که به‌محض بهره‌برداری از پروژه‌ها، قابل وصول خواهد بود.

سرورهای پردازشی در مراکز داده هوش مصنوعی

مسابقه‌ی هوش مصنوعی ابرشرکت‌ها را به سمت امضای قراردادهایی با اپراتورهای مراکز داده سوق داده است؛ توافق‌هایی که بر اساس آن، غول‌های فناوری متعهد می‌شوند به‌محض آنلاین شدن پروژه‌ها، برای توان محاسباتی تولیدشده پرداخت کنند. از آنجا که این مراکز داده هنوز عملیات خود را آغاز نکرده‌اند، این توافق‌ها از نظر حسابداری «تعهدات تحقق‌نیافته» محسوب می‌شوند و در دفاتر رسمی ثبت نمی‌گردند.

اما وقتی پروژه‌ها فعال شوند، قراردادها اجرایی می‌گردند و این شرکت‌ها باید بدون توجه به سطح تقاضای واقعی، برای توان محاسباتی تحویلی پرداخت کنند.

تضمین تقاضا؛ انباشت ۱.۴۵ تریلیون دلاری خدمات ابری

این شرکت‌ها صرفاً بر اساس گمان‌گیری، قراردادهای میلیاردی امضا نمی‌کنند. گزارش‌ها حاکی از آن است که آلفابت، آمازون و مایکروسافت مجموعاً ۱.۴۵ تریلیون دلار انباشت خدمات ابری دارند؛ یعنی خدماتی که قراردادهای آن‌ها امضا شده اما هنوز ارائه و تسویه نشده‌اند.

زیرساخت ابری و خدمات رایانش

مت گارمن، مدیرعامل آمازون وب سرویسز، در مصاحبه با Nikkei Asia تاکید کرد که سرمایه‌گذاری‌های شرکت «گمانه‌زنی‌انه نیستند» و بر پایه‌ی قراردادهای مشتریان بنا شده‌اند. این رویکرد به نظر می‌رسد یک استراتژی منطقی برای تضمین ظرفیت آینده باشد: ابتدا قراردادهایی با مشتریان امضا می‌کنند که تقاضا را تضمین می‌کند، سپس توافق‌های بلندمدتی با مراکز داده برای تامین توان محاسباتی لازم منعقد می‌گردد.

ریسک بزرگ؛ وقتی تقاضا محقق نشود

این استراتژی با وجود منطق اولیه‌اش، غول‌های فناوری را در معرض ریسک‌های عظیم قرار می‌دهد. اگر تقاضای هوش مصنوعی به سطح پیش‌بینی‌شده نرسد، این شرکت‌ها با انبوهی از توان محاسباتی مازاد و بدون مشتری روبرو می‌شوند که باید هزینه‌ی آن را پرداخت کنند. نکته‌ی نگران‌کننده‌تر این است که گزارش Nikkei Asia نشان می‌دهد هزینه‌های سرمایه‌گذاری این شرکت‌ها از درآمدهایشان فراتر رفته و آن‌ها به‌طور فزاینده‌ای به اوراق قرضه‌ی شرکتی و انتشار سهام جدید برای تامین مالی متکی شده‌اند.

ریسک مالی در سرمایه‌گذاری هوش مصنوعی

همزمان، تقاضای فعلی برای توان محاسباتی هوش مصنوعی در حال افزایش است، اما این فناوری همچنان نسبتاً جدید و اثبات‌نشده است. بسیاری از کارشناسان هشدار می‌دهند که هوش مصنوعی باید به گستره‌ی وسیع‌تری از کاربران سود برساند تا از شکل‌گیری حباب جلوگیری شود.

توکن‌مکسینگ و تلاش برای کاهش هزینه‌ها

هزینه‌ی استفاده از هوش مصنوعی برای تقریباً همه‌ی وظایف — پدیده‌ای که در صنعت به «توکن‌مکسینگ» (Tokenmaxxing) معروف شده — برخی شرکت‌ها را غافلگیر کرده است. هوش مصنوعی عاملی، یعنی سیستم‌های خودمختار مبتنی بر AI، می‌توانند بودجه‌های سالانه‌ی هوش مصنوعی سازمان‌ها را در عرض چند هفته مصرف کنند.

هزینه‌های بالای توکن در مدل‌های هوش مصنوعی

این واقعیت باعث شده برخی شرکت‌ها میزان استفاده از هوش مصنوعی را کاهش دهند یا به سمت مدل‌های مقرون‌به‌صرفه‌تر از چین روی بیاورند. این عدم قطعیت در تقاضا، در کنار شیوه‌ی گزارش‌دهی تعهدات مالی توسط شرکت‌های فناوری، نگرانی‌هایی را برانگیخته است؛ چرا که این شرکت‌ها کمتر از آنچه در واقع متعهد شده‌اند، به نظر می‌رسند.

سایه‌ی انرون؛ تاریخ تکرارشونده

استفاده از تکنیک‌های حسابداری برای نگه‌داشتن تعهدات خارج از ترازنامه، بی‌سابقه نیست. گزارش Nikkei Asia به فروپاشی شرکت انرون در سال ۲۰۰۱ اشاره می‌کند — شرکتی که با پنهان‌کردن دارایی‌های درگیر از طریق نهادهای ویژه و ثبت سودهای محقق‌نشده در صورت‌های درآمد جاری، یکی از بزرگترین رسوایی‌های مالی تاریخ را رقم زد.

موازی تاریخی سقوط انرون با صنعت فناوری

غول‌های فناوری دارایی‌های با عملکرد ضعیف را پنهان نمی‌کنند و کلاهبرداری نمی‌کنند؛ اما مکانیزمی مشابه برای ثبت تعهدات پیش‌رو استفاده می‌کنند. این موارد از نظر فنی «بدهی» محسوب نمی‌شوند، اما مانند بدهی رفتار می‌کنند و همین شباهت رفتاری است که کارشناسان مالی را نگران کرده است.

آینده‌ی نامعلوم سرمایه‌گذاری در هوش مصنوعی

رقابت بر سر هوش مصنوعی در حالی ادامه دارد که سودآوری واقعی این فناوری هنوز برای بسیاری از شرکت‌ها اثبات نشده است. با تعهداتی به این بزرگی در پسِ پرده‌ی ترازنامه‌ها، فشار مالی بر این غول‌ها زمانی آشکار خواهد شد که قراردادها به اجرا درآیند. این‌که آیا تقاضای هوش مصنوعی می‌تواند این حجم از سرمایه‌گذاری را توجیه کند یا خیر، پرسشی است که پاسخش در ماه‌ها و سال‌های پیش‌رو مشخص خواهد شد.