شرکتی که اکثر مردم نام آن را نشنیدهاند، در میان بهترین شرکتهای فناوری سال قرار دارد و نمادی از روشهای پیچیده، درهمتنیده و بالقوه فاجعهبار کسبوکار شرکتهای هوش مصنوعی در این روزهاست.
عرضه اولیه سهام CoreWeave در ماه مارس، بزرگترین عرضه اولیه هر استارتاپ فناوری از سال ۲۰۲۱ بود و قیمت سهام این شرکت پس از آن بیش از دو برابر شده و حتی از سهام شرکتهای بزرگ فناوری "Magnificent Seven" نیز پیشی گرفته است. در وال استریت، CoreWeave به طور منظم به عنوان یکی از مهمترین شرکتهای محرک انقلاب هوش مصنوعی شناخته میشود. در چند ماه گذشته، این شرکت یک مشارکت ۲۲ میلیارد دلاری با OpenAI، یک قرارداد ۱۴ میلیارد دلاری با Meta و یک توافق ۶ میلیارد دلاری با Nvidia را اعلام کرده است.
این نتیجه برای یک شرکت سابق استخراج رمزارز که به یک اپراتور مرکز داده تبدیل شده و هیچ سودی نداشته و میلیاردها دلار بدهی دارد، بد نیست.
مدل کسبوکار CoreWeave شامل خرید مقادیر زیادی از تراشههای کامپیوتری پیشرفته و ساخت یا اجاره مراکز داده برای نگهداری این تراشهها است. سپس این داراییها را به شرکتهای هوش مصنوعی که به قدرت محاسباتی نیاز دارند اما ترجیح میدهند هزینههای اولیه هنگفت را متحمل نشوند، اجاره میدهد. اگرچه این موضوع به اندازه کافی ساده به نظر میرسد، اما وضعیت مالی CoreWeave کاملاً برعکس است. این شرکت انتظار دارد امسال ۵ میلیارد دلار درآمد کسب کند در حالی که حدود ۲۰ میلیارد دلار هزینه خواهد داشت. برای پوشش این شکاف، شرکت ۱۴ میلیارد دلار بدهی گرفته است که بیش از نیمی از آن در سال آینده سررسید میشود. بسیاری از این وامها توسط شرکتهای سهام خصوصی با نرخ بهره بالا صادر شدهاند و چندین مورد از اشکال پیچیده مهندسی مالی استفاده میکنند، مانند پرداخت پول به نهادهای قانونی تازه تأسیس که به صراحت برای استقراض به نمایندگی از CoreWeave ایجاد شدهاند (در ادامه به این موضوع بیشتر میپردازیم). CoreWeave همچنین با ۳۴ میلیارد دلار پرداخت اجاره برنامهریزی شده مواجه است که بین اکنون تا سال ۲۰۲۸ آغاز خواهد شد.
در همین حال، پولی که CoreWeave به دست میآورد، از تنها چند منبع مرتبط و نزدیک سرچشمه میگیرد. یک مشتری واحد، یعنی مایکروسافت، مسئول تا ۷۰ درصد از درآمد آن است؛ مشتریان بعدی بزرگ آن، انویدیا و OpenAI، ممکن است ۲۰ درصد دیگر را تشکیل دهند، اگرچه یافتن اعداد دقیق دشوار است. انویدیا همچنین تأمینکننده انحصاری تراشههای CoreWeave و یکی از سرمایهگذاران اصلی آن است، به این معنی که CoreWeave از پول انویدیا برای خرید تراشههای انویدیا استفاده میکند و سپس آنها را مستقیماً به انویدیا اجاره میدهد. OpenAI نیز یک سرمایهگذار اصلی CoreWeave است و مشارکتهای مالی نزدیکی با انویدیا و مایکروسافت دارد.
همه اینها ممکن است CoreWeave را به نابترین نمونه از روندی تبدیل کند که در بخش هوش مصنوعی فراگیر شده است. در ماههای اخیر، غولهای فناوری از جمله آمازون، گوگل، متا، مایکروسافت و اوراکل سرمایهگذاریهای عظیمی در مراکز داده جدید انجام دادهاند، ثروت خود را از طریق معاملات مالی چرخشی به هم گره زدهاند و مقادیر زیادی بدهی از وامدهندگان کمنظارت دریافت کردهاند. این شرکتها و حامیان پرشور آنها استدلال میکنند که این معاملات آنها را برای کسب سودهای بیحد و حصر انقلاب هوش مصنوعی آماده میکند. اما آخرین باری که اقتصاد چنین ثروت عظیمی را در چنین ترتیبات مبهم و همپوشانیکنندهای مشاهده کرد، درست پیش از بحران مالی ۲۰۰۸ بود. اگر انقلاب هوش مصنوعی در مقیاس یا زمانبندی مورد انتظار صنعت محقق نشود، پیامدهای اقتصادی میتواند بسیار ناخوشایند باشد.
نقدینهسازی شدید بخش هوش مصنوعی یک واقعیت ساده را بازتاب میدهد: زیرساختهای مورد نیاز برای آموزش و راهاندازی سیستمهای هوش مصنوعی آنقدر گران است که حتی بزرگترین شرکتها هم پول کافی برای پرداخت تمام آن را ندارند. هزینهها برای مراکز داده به طور محافظهکارانه پیشبینی میشود که امسال از ۴۰۰ میلیارد دلار فراتر رود، تقریباً به اندازه اقتصاد دانمارک؛ مککینزی تخمین میزند که این رقم تا سال ۲۰۳۰ به نزدیک به ۷ تریلیون دلار خواهد رسید. برای پرداخت تمام این سرمایهگذاری، اقدامات خلاقانه ضروری است.
در مرکز این فعالیت، Nvidia، با ارزشترین شرکت جهان، قرار دارد. شرکتهایی که سیستمهای هوش مصنوعی را آموزش داده و راهاندازی میکنند، مانند Anthropic و OpenAI، به تراشههای Nvidia نیاز دارند اما پول نقد کافی برای پرداخت آنها ندارند. در همین حال، Nvidia پول نقد فراوانی دارد اما به مشتریانی نیاز دارد تا تراشههایش را خریداری کنند. بنابراین، طرفین یک سری معامله انجام دادهاند که در آن شرکتهای هوش مصنوعی عملاً با واگذاری سهمی از سودهای آتی خود به شکل سهام، به Nvidia پرداخت میکنند. این شرکت سازنده تراشه امسال بیش از ۵۰ معامله انجام داده است، از جمله یک سرمایهگذاری ۱۰۰ میلیارد دلاری در OpenAI و (با مایکروسافت) یک سرمایهگذاری ۱۵ میلیارد دلاری در Anthropic. به طور رسمی، این معاملات شرکتهای هوش مصنوعی را ملزم به صرف پول برای تراشههای Nvidia نمیکند – سخنگوی Nvidia به بلومبرگ گفت که این شرکت "هیچ یک از شرکتهایی که در آنها سرمایهگذاری میکنیم را ملزم به استفاده از فناوری Nvidia نمیکند" – اما در عمل، پول به همان سمت میرود.
OpenAI نیز مجموعهای از معاملات خود را انجام داده است، از جمله توافقهایی برای خرید ۳۰۰ میلیارد دلار قدرت محاسباتی از اوراکل، ۳۸ میلیارد دلار از آمازون و ۲۲ میلیارد دلار از CoreWeave. این ارائهدهندگان ابری، به نوبه خود، بازار مهمی برای تراشههای انویدیا هستند. OpenAI همچنین در چندین استارتاپ کوچکتر هوش مصنوعی سرمایهگذاری کرده است، که در ازای آن موافقت کردهاند هزینههای حسابهای سازمانی ChatGPT را بپردازند. حتی زمانی که این روابط متقابل به صورت بصری نمایش داده میشوند، ردیابی آنها تقریباً غیرممکن است.
در مجموع، این ترتیبات به منزله یک صنعت کامل است که یک شرط دو برابر یا هیچ (double-or-nothing) بر روی محصولی میگذارد که به هیچ وجه سودآور نیست. یک شرکت واحد، OpenAI، به طور همزمان منبع اصلی درآمد و سرمایهگذاری برای چندین شرکت ابری و تراشهساز است؛ شریک مالی نزدیک مایکروسافت، اوراکل و آمازون؛ مشتری مهم Nvidia؛ و سرمایهگذار پیشرو در استارتاپهای هوش مصنوعی. و با این حال، پیشبینی میشود که این شرکت امسال تنها ۱۰ میلیارد دلار درآمد داشته باشد - کمتر از یک پنجم آنچه سالانه فقط برای تأمین مالی قراردادش با اوراکل نیاز دارد. این شرکت در مسیر ضرر حداقل ۱۵ میلیارد دلاری در سال جاری است و انتظار سودآوری تا حداقل سال ۲۰۲۹ را ندارد. بر اساس یک تخمین، شرکتهای هوش مصنوعی به طور جمعی امسال ۶۰ میلیارد دلار درآمد در مقابل ۴۰۰ میلیارد دلار هزینه تولید خواهند کرد. تنها شرکتی که از رونق هوش مصنوعی سود زیادی میبرد، Nvidia است، و این تنها به این دلیل است که همه شرکتهای دیگر تراشههای آن را به امید کسب سودهای آتی میخرند.
شرکتهای هوش مصنوعی و حامیان آنها این وضعیت را قمار ارزشمندی میدانند. آنها خاطرنشان میکنند که تقاضا برای خدمات هوش مصنوعی با نرخ تصاعدی در حال رشد است. بر اساس محاسبات عظیم اظهر (Azeem Azhar)، تحلیلگر برجسته صنعت هوش مصنوعی، درآمدهای مستقیم حاصل از خدمات هوش مصنوعی طی دو سال گذشته نزدیک به ۹ برابر افزایش یافته است. اگر این روند ادامه یابد، تنها زمان لازم است تا شرکتهای هوش مصنوعی شروع به کسب سودهای بیسابقه کنند. اظهر به من گفت: "فکر میکنم افرادی که بر نحوه دقیق تأمین مالی این سرمایهگذاریها متمرکز میشوند، در طرز تفکر قدیمی خود گیر کردهاند." او افزود: "همه فرض میکنند که این فناوری با سرعت خطی بهبود مییابد. اما هوش مصنوعی یک فناوری تصاعدی است. این یک پارادایم کاملاً متفاوت است."
اما اگر هوش مصنوعی سود کوتاهمدتی را که طرفدارانش پیشبینی میکنند، به ارمغان نیاورد – اگر پیشرفتهای فنی آن کند شود و تأثیرات افزایشدهنده بهرهوری آن ناامیدکننده باشد، همانطور که شواهد فزایندهای نشان میدهد – آنگاه پیوندهای مالی که این بخش را به هم متصل کردهاند، میتواند به سقوط جمعی همه منجر شود. تمرکز شدید ثروت بازار سهام در تعداد انگشتشماری از شرکتهای فناوری با پیوندهای مالی عمیق با یکدیگر، میتواند سقوط هوش مصنوعی را حتی شدیدتر از سقوط داتکام در دهه ۲۰۰۰ کند.
و یک اصلاح بازار سهام شاید کمترین نگرانی آمریکا باشد. وقتی سرمایهگذاریهای سهامی بد پیش میرود، سرمایهگذاران ممکن است سرمایه خود را از دست بدهند، اما آسیب به اقتصاد واقعی معمولاً محدود است. (به عنوان مثال، سقوط داتکام باعث بیکاری گسترده نشد.) اما ساخت و ساز هوش مصنوعی آنقدر گران است که نمیتواند تنها با سرمایهگذاریهای سهامی تأمین مالی شود. برای تأمین مالی سرمایهگذاریهایشان، شرکتهای هوش مصنوعی صدها میلیارد دلار بدهی گرفتهاند، رقمی که مورگان استنلی انتظار دارد تا سال ۲۰۲۸ به ۱.۵ تریلیون دلار برسد. هنگامی که گروهی از وامهای با اهرم بالا (highly leveraged loans) همزمان بد میشوند، پیامدهای آن میتواند در سراسر سیستم مالی گسترش یافته و یک رکود بزرگ را آغاز کند.
البته، بدهی بخش هوش مصنوعی تضمین شده نیست که بد شود. اما نحوه پیچیده چیدمان و بستهبندی آن اطمینانبخش نیست. به عنوان مثال، اوایل سال جاری، متا تصمیم گرفت یک مرکز داده جدید در لوئیزیانا بسازد که ۲۷ میلیارد دلار هزینه خواهد داشت. به جای درخواست وام از یک وامدهنده سنتی، این شرکت با Blue Owl Capital، یک شرکت سهام خصوصی، همکاری کرد تا یک نهاد حقوقی جداگانه، معروف به شرکت با هدف خاص (special-purpose vehicle) یا SPV، راهاندازی کند که پول را به نمایندگی از متا قرض میگیرد، مرکز داده را طبق دستورالعملهای متا میسازد و سپس آن را به متا اجاره میدهد. از آنجا که Blue Owl از نظر فنی مالک اصلی پروژه است، این ترتیب بدهی را از ترازنامه متا خارج میکند و به شرکت امکان میدهد با نرخ بهره پایین به وام گرفتن ادامه دهد بدون اینکه نگران آسیب به رتبه اعتباری خود باشد. سایر شرکتها، از جمله xAI، CoreWeave و گوگل، مبالغ عظیمی را از طریق ترتیبات مشابه قرض گرفتهاند یا قصد دارند قرض بگیرند.
متا ترتیب خود با Blue Owl را به عنوان یک "مشارکت نوآورانه" توصیف کرده است که "برای پشتیبانی از سرعت و انعطافپذیری مورد نیاز پروژههای مرکز داده متا طراحی شده است." اما دلیل وجود سیستم رتبهبندی اعتباری این است که به وامدهندگان و سرمایهگذاران درک روشنی از ریسکی که هنگام صدور وام میپذیرند، بدهد. تاریخچه طولانیای از شرکتها وجود دارد که سعی در دور زدن این سیستم داشتهاند. در آستانه بحران مالی ۲۰۰۸، چندین مؤسسه مالی بزرگ از SPVها استفاده کردند تا میلیاردها دلار بدهی خانگی را از ترازنامههای خود دور نگه دارند. انران (Enron)، شرکت انرژی که در سال ۲۰۰۱ پس از یک رسوایی بزرگ حسابداری به طرز بدنامی سقوط کرد، از SPVها برای پنهان کردن شیوههای حسابداری مشکوک خود استفاده کرد. پل کدروسکی (Paul Kedrosky)، شریک مدیر در SK Ventures و پژوهشگر در MIT که به طور گسترده درباره تکنیکهای مهندسی مالی نوشته است، به من گفت: "وقتی چنین ترتیبات را میبینم، یک پرچم قرمز بزرگ است." او افزود: "این نشان میدهد که این شرکتها واقعاً نمیخواهند سازمانهای رتبهبندی اعتباری به دقت به هزینههای آنها نگاه کنند."
SPVها تنها ابزار مالی متعلق به دوران ۲۰۰۸ نیستند که دوباره مورد استفاده قرار میگیرند. بدهی مراکز داده به میزان میلیاردها دلار در حال تقسیم شدن به "اوراق بهادار با پشتوانه دارایی" (asset-backed securities) است که سپس بسته بندی و به سرمایه گذاران فروخته میشوند. این روش ذاتاً برای تأمین مالی بدهی شرکتها مشکلساز نیست. اما کدروسکی استدلال میکند که در دورههای افزایش گمانهزنی، این ابزارها بدهی را به یک محصول مالی تبدیل میکنند که ارزش آن از ارزش دارایی زیربنایی که نشان میدهد، جدا میشود – که میتواند رفتارهای بیپروا را تشویق کند. کدروسکی گفت: "سرمایهگذاران این محصولات مالی پیچیده را میبینند و میگویند: برای من مهم نیست که در داخل چه اتفاقی میافتد – فقط برایم مهم است که رتبه بالایی دارد و بازدهی بالایی را وعده میدهد. این همان چیزی بود که در سال ۲۰۰۸ اتفاق افتاد. و وقتی چنین طرز فکری رواج یابد، واقعاً خطرناک میشود."
سپس، وامهای به اصطلاح با پشتوانه GPU (Graphics Processing Unit) وجود دارند. چندین سازنده مرکز داده و ارائهدهنده خدمات ابری، از جمله CoreWeave، وامهای چند میلیارد دلاری برای خرید تراشهها با وثیقه قرار دادن تراشههای موجود خود دریافت کردهاند، درست همانطور که بسیاری از صاحبان خانهها در دهه ۲۰۰۰ از خانههای خود به عنوان وثیقه برای گرفتن وام برای خانه دوم و سوم استفاده میکردند. اما، همانطور که ادویت آرون (Advait Arun)، تحلیلگر مرکز سرمایهگذاری عمومی، در گزارش اخیرش درباره وضعیت مالی بخش هوش مصنوعی اشاره میکند، اینکه آیا این وثیقه ارزش خود را حفظ خواهد کرد یا خیر، اصلاً روشن نیست. هنگامی که مدلهای تراشه جدید منتشر میشوند، ارزش مدلهای قدیمیتر کاهش مییابد. به گفته آرون، اگر سقوط قیمت تراشهها به اندازه کافی شدید باشد، یک چرخه معیوب میتواند آغاز شود. با کاهش ارزش تراشههای قدیمیتر، هر وامی که از آن تراشهها به عنوان وثیقه استفاده میکند، ناگهان در معرض خطر نکول قرار میگیرد. وامدهندگان ممکن است با درخواست بازپرداخت زودهنگام وامهای خود واکنش نشان دهند، قبل از اینکه شرکتها درآمد لازم برای بازپرداخت آنها را داشته باشند. در آن مرحله، وامدهنده ممکن است سعی کند تراشهها را برای بازگرداندن سرمایهگذاری خود بفروشد، اما این تنها بازار را با تراشههای بیشتری پر خواهد کرد، و ارزش تراشههای موجود را بیشتر کاهش میدهد، که باعث میشود سایر وامدهندگان نیز وامهای خود را فراخوانند و این چرخه ادامه مییابد. مارک زندی (Mark Zandi)، اقتصاددان ارشد Moody’s Analytics، به من گفت: "چند ماه پیش به شما میگفتم که این وضعیت به سمت تکرار سقوط داتکام پیش میرود. اما این همه بدهی و مهندسی مالی مرا به طور فزایندهای نگران یک سناریوی مشابه ۲۰۰۸ میکند."
دولت فدرال در واکنش به بحران ۲۰۰۸، توانایی بانکهای سنتی را برای پذیرش وامهای بزرگ و پرخطر محدود کرد. اما از آن زمان، شرکتهای سهام خصوصی، که تحت نظارت نظارتی مشابه بانکها نیستند، به طور فزایندهای وارد کسبوکار وامدهی شدهاند. از اوایل سال جاری، این شرکتها حدود ۴۵۰ میلیارد دلار اعتبار خصوصی (private credit) به بخش فناوری وام داده بودند، از جمله تأمین مالی چندین معاملهای که در بالا مورد بحث قرار گرفت. و طبق یک تخمین، آنها ۸۰۰ میلیارد دلار دیگر در دو سال آینده وام خواهند داد. آرون به من گفت: "اگر حباب هوش مصنوعی بترکد، این آنها هستند که مسئولیت عواقب آن را بر دوش خواهند کشید."
فروپاشی اعتبار خصوصی تقریباً به طور قطع بر فروپاشی بانکی ارجح است. بر خلاف بانکها، شرکتهای سهام خصوصی سپردهگذاران عادی ندارند. در تئوری، اگر وامهای آنها با شکست مواجه شود، گروههایی که بیشترین آسیب را میبینند، سرمایهگذاران نهادی مانند صندوقهای بازنشستگی، موقوفات دانشگاهی و صندوقهای پوشش ریسک (hedge funds) هستند که آسیب به اقتصاد گستردهتر را محدود میکند. مشکل این است که هیچکس با قطعیت نمیداند که این چنین است. اعتبار خصوصی اساساً یک جعبه سیاه است. بر خلاف بانکها، این نهادها مجبور نیستند افشا کنند که پول خود را از کجا به دست میآورند، چقدر وام میدهند، چقدر سرمایه نگهداری میکنند و عملکرد وامهای آنها چگونه است. این امر باعث میشود که رگولاتورها نتوانند از خطرات موجود در سیستم یا میزان ارتباط آنها با اقتصاد واقعی آگاه شوند.
شواهد فزایندهای وجود دارد که نشان میدهد پیوندهای بین اعتبار خصوصی و سایر بخشهای سیستم مالی قویتر از آنچه قبلاً تصور میشد، است. مطالعات دقیق فدرال رزرو تخمین میزند که تا یک چهارم وامهای بانکی به مؤسسات مالی غیربانکی اکنون به شرکتهای اعتبار خصوصی اختصاص مییابد (در مقایسه با تنها ۱ درصد در سال ۲۰۱۳) و شرکتهای بیمه عمر بزرگ تقریباً ۱ تریلیون دلار در اعتبار خصوصی گره خوردهاند. ناتاشا سارین (Natasha Sarin)، استاد حقوق دانشگاه ییل که در زمینه مقررات مالی تخصص دارد، به من گفت که این ارتباطات احتمال وقوع یک سقوط بزرگ هوش مصنوعی را افزایش میدهد که میتواند به موجی از شکستهای اعتبار خصوصی منجر شود و به نوبه خود بانکهای بزرگ و بیمهگران را به سقوط بکشاند. او گفت: "متأسفانه، معمولاً تا بعد از یک بحران نیست که متوجه میشویم بخشهای مختلف سیستم مالی تا چه حد به هم مرتبط بودهاند."
فاجعه مالی ناشی از هوش مصنوعی به هیچ وجه اجتنابناپذیر نیست. با این حال، با توجه به علائم هشداردهنده، میتوان امیدوار بود که دولت فدرال برای کاهش خطر بحران هر کاری از دستش برمیآید، انجام دهد. در عوض، دولت ترامپ دقیقاً عکس این کار را انجام میدهد. در ماه آگوست، رئیسجمهور فرمانی اجرایی را امضا کرد که به آژانسهای فدرال دستور میدهد تا مقررات را تسهیل کنند تا دارندگان عادی حسابهای 401(k) بتوانند مستقیماً در "داراییهای جایگزین" مانند، بله، اعتبار خصوصی (private credit) سرمایهگذاری کنند؛ تغییری که میتواند طیف گستردهتری از مردم را در صورت بد شدن وامهای هوش مصنوعی، در معرض عواقب قرار دهد. شاید این تفاوت اصلی بین سالهای ۲۰۰۸ و ۲۰۲۵ باشد. در آن زمان، دولت فدرال از سقوط غافلگیر شد؛ این بار، به نظر میرسد که به استقبال آن میرود.