خطرات هوش مصنوعی

رونق هوش مصنوعی با همه‌گیری ارقام غیرقابل‌اعتماد تهدید می‌شود

سرمایه‌گذاران دیگر نمی‌توانند به داده‌ها اعتماد کنند. اخیراً روزنامه فایننشال‌تایمز نوشت که درآمد OpenAI به ۵۰ میلیارد دلار نزدیک شده است؛ رقمی عظیم که البته به‌مراتب کمتر از رقم ۷۰ میلیارددلاری بود که وب‌سایت اکسیوس کمی قبل‌تر گزارش کرده بود. سهام شرکت‌های فن…

7 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • شرکت
  • شرکت‌های
  • فناوری
  • آن‌ها
  • سرمایه‌گذاران
  • سرمایه‌گذاری
رونق هوش مصنوعی با همه‌گیری ارقام غیرقابل‌اعتماد تهدید می‌شود

خلاصه تحلیلی خبر

سرمایه‌گذاران دیگر نمی‌توانند به داده‌ها اعتماد کنند. اخیراً روزنامه فایننشال‌تایمز نوشت که درآمد OpenAI به ۵۰ میلیارد دلار نزدیک شده است؛ رقمی عظیم که البته به‌مراتب کمتر از رقم ۷۰ میلیارددلاری بود که وب‌سایت اکسیوس کمی قبل‌تر گزارش کرده بود. سهام شرکت‌های فن…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، شرکت، شرکت‌های، فناوری، آن‌ها

سرمایه‌گذاران دیگر نمی‌توانند به داده‌ها اعتماد کنند.

اخیراً روزنامه فایننشال‌تایمز نوشت که درآمد OpenAI به ۵۰ میلیارد دلار نزدیک شده است؛ رقمی عظیم که البته به‌مراتب کمتر از رقم ۷۰ میلیارددلاری بود که وب‌سایت اکسیوس کمی قبل‌تر گزارش کرده بود.

سهام شرکت‌های فناوری سقوط کرد.سرمایه‌گذاران فریاد زدند که روزنامه‌نگاران از آمار و ارقام سر درنمی‌آورند.
سهام شرکت‌های فناوری رشد کرد.«هاوک تن»، مدیرعامل شرکت تولیدکننده تراشه برادکام در واکنش گفت اگر سرمایه‌گذاران به این سادگی تحت‌تأثیر قرار می‌گیرند، پس خودشان هم از سرمایه‌گذاری‌هایشان سر درنمی‌آورند. بلومبرگ نوشت که او بازارها را به یک کازینو تشبیه کرده است.
سهام شرکت‌های فناوری سقوط کردو به روند نزولی خود ادامه داد. بازارها شاید با سرعت در حرکت بوده باشند، اما وقتی پای ارقام مهم به میان می‌آید، عملاً در تاریکی حرکت کرده‌اند.

ایجاد تغییرات بنیادین همواره اندازه‌گیری را دشوار کرده است. موج ادغام شرکت‌ها در دهه ۱۹۸۰، ترازنامه‌های شرکتی را مملو از سرقفلی کرد؛ قلمی مسئله‌ساز که نشان‌دهنده فاصله میان ارزش دفتری دارایی‌های یک شرکت و قیمتی است که برای خرید آن پرداخت شده است. اندازه‌گیری سایر دارایی‌های نامشهود مانند برند و حق اختراع در دهه‌های ۱۹۹۰ و ۲۰۰۰ حتی دشوارتر بود. گسترش پرداخت مبتنی بر سهام در دهه ۲۰۱۰ نیز تصویر سلامت مالی شرکت‌ها را بیش‌ازپیش مبهم کرد؛ مسئله‌ای که به‌ویژه شرکت‌های فناوری را تحت‌تأثیر قرار داد. هر رونق سرمایه‌گذاری، مجموعه‌ای از سرواژه‌ها، ارقام تعدیل‌شده و روش‌های ارزش‌گذاری عجیب‌وغریب را با خود به همراه می‌آورد؛ روش‌هایی که گاهی برای روشن‌تر کردن واقعیت طراحی شده‌اند و گاهی برای پنهان‌کردن آن.

رونق هوش مصنوعی با همه‌گیری ارقام غیرقابل‌اعتماد تهدید می‌شود

یکی از مشکلات امروز این است که درآمدهای اعلام‌شده OpenAI و آنتروپیک در واقع درآمد به معنای متعارف آن نیستند. این ارقام بیشتر برداشت‌هایی مبهم از یکی از شاخص‌های مشهور و درعین‌حال مبهم سیلیکون‌ولی، یعنی ARR هستند.

  • حرف A این سرواژه مخفف «سالانه» (Annual) است؛ البته به این معنا که رقم مذکور نوعی ارتباط با تقویم میلادی دارد، زیرا فروش ماهانه در عدد ۱۲ ضرب می‌شود.
  • حرف R اول مخفف «تکرارشونده» (Recurring) است؛ مفهومی که در عمل فقط به این معناست که شرکت امیدوار است فروش خود را ادامه دهد.
  • اما حرف R دوم، یعنی «درآمد» (Revenue) چه معنایی دارد؟

آنتروپیک فروش مدل‌های خود از طریق ارائه‌دهندگان خدمات ابری را در محاسباتش لحاظ می‌کند، درحالی‌که OpenAI تنها پس از کسر سهم شرکای تجاری خود، این فروش را به حساب می‌آورد.

تا زمانی که این دو شرکت سهام خود را در بازار عمومی عرضه نکنند، سرمایه‌گذاران در دوره‌ای انتقالی و عجیب گرفتار خواهند بود؛ دوره‌ای که در آن، کوچک‌ترین نشانه از انتشار خبری درباره ارقامی که خودشان نیز صرفاً برآوردهایی تقریبی هستند، بازار را متلاطم می‌کند. بنا بر گزارش‌ها، آنتروپیک در ۱۴ اکتبر به سرمایه‌گذاران گفته است که در سه‌ماهه سوم ۱۷ میلیارد دلار درآمد داشته و بر اساس معیار تعدیل‌شده اختصاصی خود، به سودآوری رسیده است. بااین‌حال، مشخص نیست فروش این شرکت از ماه ژوئیه، زمانی که ARR آن ۶۵ میلیارد دلار بود، تا چه اندازه رشد کرده است. انتشار ارقام جدید زمانی فایده چندانی ندارد که سرمایه‌گذاران ندانند باید آن‌ها را با چه چیزی مقایسه کنند.

صورت‌های مالی نامتعارف، ارزش‌گذاری‌های نامتعارف را می‌طلبند. شرکت سرمایه‌گذاری Coatue معتقد است ارزش آزمایشگاه‌های هوش مصنوعی باید بر اساس ضریبی از EBITDA پیش از هزینه‌های پیش‌آموزش آن‌ها تعیین شود؛ یعنی سود پیش از کسر بهره، مالیات، استهلاک دارایی‌های مشهود و نامشهود (earnings before interest, tax, depreciation and amortisation) و همچنین پیش از محاسبه هزینه آموزش مدل‌هایشان؛ هزینه‌ای هنگفت که بخش مهمی از مخارج این شرکت‌ها را تشکیل می‌دهد. این روش ممکن است سرمایه‌گذاران را به یاد صنعت نفت بیندازد؛ صنعتی که در آن استفاده از شاخص EBITDAX، یعنی سود پیش از بهره، مالیات، استهلاک و هزینه‌های اکتشاف، رایج است. حتی شاید آن‌ها را به یاد صنعت سهام خصوصی بیندازد؛ صنعتی که در آن، افزایش مصنوعی EBITDA برای امکان دریافت وام‌های بیشتر، تا حد یک هنر پیشرفته ارتقا یافته است. حتی ممکن است روش شرکت WeWork را به خاطرشان بیاورد؛ شرکت اجاره‌دهنده فضای اداری که گزارشگری مالی خلاقانه‌اش، با ابداع شاخصی به نام EBITDA به معنی «تعدیل‌شده بر اساس اجتماع»، جایگاهی شایسته در تالار بدنام‌ترین نمونه‌های حسابداری برای خود دست‌وپا کرد. شاید بتوان پا را از این هم فراتر گذاشت و خطر بیشتری پذیرفت

  • نسبت قیمت به بهای توکن چطور است؟
  • یا سود هر سهم تعدیل‌شده بر اساس ملاحظات وجودی؟
رونق هوش مصنوعی با همه‌گیری ارقام غیرقابل‌اعتماد تهدید می‌شود

بازارهای عمومی شفافیت بیشتری ارائه می‌کنند، اما نه خیلی بیشتر. سال گذشته، پرسش اصلی حسابداری این بود که آیا شرکت‌های بزرگ فناوری ارزش دارایی‌های محاسباتی خود را بیش از حد آهسته کاهش می‌دهند و در نتیجه، سودشان را بیش از واقعیت نشان می‌دهند؟ این مسئله نه‌تنها حل نشد که کنار گذاشته شود، بلکه با دو مسئله بزرگ‌تر جایگزین شد.

  • نخست، میزان اتکای غول‌های فناوری به بدهی و اهرم مالی چقدر است؟
    تعهدات ۲.۴ تریلیون دلاری آمازون، گوگل، متا و مایکروسافت که خارج از ترازنامه ثبت شده‌اند، از مجموع بدهی‌هایی که این شرکت‌ها از طریق بازار اوراق‌قرضه گرفته‌اند، بیشتر است.
  • دوم، بازده سرمایه‌گذاری آن‌ها را چگونه باید اندازه گرفت؟
    مایکروسافت در ماه آوریل اعلام کرد که کسب‌وکار هوش مصنوعی آن به «نرخ سالانه‌شده درآمد» (Annual Revenue Run Rate) معادل ۳۷ میلیارد دلار رسیده است. آمازون نیز در ماه ژوئیه رقم ARR خود را ۲۵ میلیارد دلار اعلام کرد؛ البته با یک حرف R اضافی. با وجود این حرف اضافه، این ارقام نیز جعبه‌های سیاهی هستند که سازوکار درونی آن‌ها روشن نیست.

بااین‌همه، شاید هیچ عاملی به‌اندازه منشأ واقعی این درآمدها برای رونق سرمایه‌گذاری در هوش مصنوعی اهمیت نداشته باشد. به گفته پژوهشگران بانک سرمایه‌گذاری آمریکایی گلدمن ساکس، اگر غول‌های خدمات ابری بخواهند در سال جاری و سال آینده بازدهی بین ۱۰ تا ۲۰ درصد از سرمایه‌گذاری خود در مراکز داده به دست آورند و توسعه‌دهندگان هوش مصنوعی نیز به حاشیه سود ۳۰ درصدی برسند، مجموع درآمد سالانه موردنیاز باید به حدود یک تریلیون دلار برسد. این بدان معناست که ارزش افزایش بهره‌وری‌ای که شرکت‌ها از این فناوری به دست می‌آورند، باید به‌مراتب بیشتر از این رقم باشد. اما همین‌جا با یک مشکل دیگر در اندازه‌گیری مواجه می‌شویم. از مدیر یک شرکت بپرسید بازده سرمایه‌گذاری در این فناوری را چگونه اندازه‌گیری می‌کند؛ احتمالاً با نگاهی خیره و پاسخی نامشخص روبه‌رو خواهید شد.

حتی ابتدایی‌ترین شاخص‌های سنجش سلامت شرکت‌های آمریکایی نیز چنان پیچیده شده‌اند که دیگر به‌سادگی نمی‌توان آن‌ها را تفسیر کرد. هزینه‌کرد غول‌های فناوری برای ساخت مراکز داده، بلافاصله سود شرکت‌های تولیدکننده نیمه‌رسانا و شرکت‌های صنعتی را افزایش می‌دهد؛ اما اثر همین هزینه‌ها در صورت‌های مالی خود غول‌های فناوری، در قالب استهلاک، بسیار کندتر ظاهر می‌شود و در کوتاه‌مدت سود کل شرکت‌ها را بیش از واقع نشان می‌دهد. تعدیلات یک‌باره مربوط به سهام شرکت‌های سهامی عام در آزمایشگاه‌های خصوصی هوش مصنوعی نیز این سودها را بیشتر افزایش می‌دهد. در سه‌ماهه دوم، رشد سود تعدیل‌نشده شرکت‌های شاخص S&P 500 به رقم حیرت‌انگیز ۵۰ درصد رسید. اگر افزایش ارزش سرمایه‌گذاری‌های خصوصی ثبت‌شده در صورت‌های مالی آلفابت و آمازون را کنار بگذاریم، این نرخ به ۳۲ درصد کاهش می‌یابد؛ رقمی که همچنان قابل‌توجه است.

اندازه‌گیری تأثیر هوش مصنوعی بر اقتصاد نیز به همین اندازه دشوار شده است. افزایش سرسام‌آور قیمت تراشه‌های حافظه باعث شده است نرخ تورم برای برخی محصولات نرم‌افزاری بیش از میزان واقعی برآورد شود. در گزارشی که مؤسسه پژوهشی Epoch AI منتشر کرده و به طور گسترده مورد بحث قرار گرفته است، این احتمال مطرح می‌شود که رشد تولید ناخالص داخلی آمریکا در سال گذشته، به دلیل نحوه محاسبه فروش فرامرزی انویدیا، ۰.۳ واحد درصد کمتر از میزان واقعی برآورد شده باشد. هم‌زمان، نهادهای آمریکایی مسئول گردآوری داده‌ها با کمبود شدید بودجه مواجه شده‌اند و توانمندی حرفه‌ای آن‌ها رو به افول است.

یکی دیگر از قربانیان مقررات‌زدایی، نهاد ناظر بر حسابداری است که پس از رسوایی شرکت انرون در دهه ۲۰۰۰، بازرسی از شرکت‌ها را بر عهده داشته است؛ زیرا بودجه این نهاد به‌شدت کاهش یافته است. چهار شرکت بزرگ حسابرسی جهان در تازه‌ترین ارزیابی این نهاد بالاترین امتیازها را کسب کرده‌اند؛ شاید این هم آخرین مجموعه از ارقامی باشد که بیش از حد خوب به نظر می‌رسند تا بتوان آن‌ها را باور کرد.

گزارش حاضر در نسخه October 17th 2026 نشریه The Economist منتشر شده است.

رونق هوش مصنوعی با همه‌گیری ارقام غیرقابل‌اعتماد تهدید می‌شود

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.