آموزش‌های پایه‌ای هوش مصنوعی

چگونه در عصر هوش مصنوعی، توان پردازشی را به یک دارایی مالی تبدیل کنیم

کارآفرینان، اپراتورهای بورس و شرکت‌های فعال در هوش مصنوعی در حال ایجاد ابزارهای مالی قابل‌معامله‌ای هستند که پشتوانه آن‌ها توان پردازشی است. در سال ۲۰۱۴ و هم‌زمان با اوج‌گیری رایانش ابری، گروهی از متخصصان فناوری و مدیران پلتفرم‌های مالی آلمان ایده‌ای را مطرح و…

9 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • توان
  • پردازشی
  • شرکت
  • مالی
  • بازار
  • شاخص
چگونه در عصر هوش مصنوعی، توان پردازشی را به یک دارایی مالی تبدیل کنیم

خلاصه تحلیلی خبر

کارآفرینان، اپراتورهای بورس و شرکت‌های فعال در هوش مصنوعی در حال ایجاد ابزارهای مالی قابل‌معامله‌ای هستند که پشتوانه آن‌ها توان پردازشی است. در سال ۲۰۱۴ و هم‌زمان با اوج‌گیری رایانش ابری، گروهی از متخصصان فناوری و مدیران پلتفرم‌های مالی آلمان ایده‌ای را مطرح و…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، توان، پردازشی، شرکت، مالی

کارآفرینان، اپراتورهای بورس و شرکت‌های فعال در هوش مصنوعی در حال ایجاد ابزارهای مالی قابل‌معامله‌ای هستند که پشتوانه آن‌ها توان پردازشی است.

در سال ۲۰۱۴ و هم‌زمان با اوج‌گیری رایانش ابری، گروهی از متخصصان فناوری و مدیران پلتفرم‌های مالی آلمان ایده‌ای را مطرح و سپس «بورس رایانش ابری دویچه» (Deutsche Börse Cloud Exchange) را راه‌اندازی کردند؛ بازاری که شرکت‌ها می‌توانستند در آن ظرفیت مازاد توان پردازشی خود را خریدوفروش کنند.

به گفته «راندولف راث»، مدیرعامل این پروژه و از باسابقه‌های صنعت بورس، تلاش برای تبدیل توان پردازشی به یک دارایی نقدشونده یا اصطلاحاً لیکوئید هرگز به مقیاس مطلوب نرسیده است. استانداردسازی واحدهای پردازش مرکزی (CPU) که در آن زمان بازار را قبضه کرده بودند، بسیار دشوار از آب درآمد و یکپارچه‌سازی انواع مختلف ظرفیت‌های رایانش ابری نیز هزینه‌های هنگفتی به همراه داشت. امیدها برای ایجاد بازار قراردادهای آتی و اختیار معامله پس از راه‌اندازی اولیه نیز نقش‌برآب شد و در نهایت این پروژه در سال ۲۰۱۶ تعطیل شد.

بااین‌حال، راث و همکارانش ایده‌ای را بسیار زودتر از زمان مناسب آن مطرح کرده بودند؛ ایده‌ای که اکنون شاید زمان تحققش فرارسیده باشد. برآوردهای مؤسسه پژوهشی Synergy نشان می‌دهد که شرکت‌ها در سراسر جهان تنها در سه‌ماهه نخست سال ۲۰۲۶ حدود ۱۲۹ میلیارد دلار برای خدمات رایانش ابری هزینه کرده‌اند؛ رقمی که از کل هزینه سالانه این حوزه در یک دهه قبل نیز بیشتر است. هم‌زمان، سرمایه‌گذاری عظیمی در ساخت مراکز داده در جریان است. انتظار می‌رود پنج غول هایپراسکیلر رایانش ابری آمریکا در سال جاری میلادی در مجموع حدود ۷۰۰ میلیارد دلار صرف سرمایه‌گذاری‌های سرمایه‌ای کنند.

داغ‌ترین بخش این بازار دیگر مربوط به پردازنده‌های مرکزی نیست، بلکه به واحدهای پردازش گرافیکی (GPU) اختصاص دارد که برای آموزش و اجرای مدل‌های هوش مصنوعی به کار می‌روند. امروزه برخی شرکت‌ها بیش از آنکه برای حقوق کارکنان خود هزینه کنند، صرف هوش مصنوعی و در نتیجه توان پردازشی می‌کنند. اصطلاح «رایانش» یا «Compute» که زمانی تنها یکی از واژه‌های تخصصی دنیای فناوری برای اشاره به توان پردازشی بود، اکنون به واژه‌ای رایج تبدیل شده است. فروشندگان این توان پردازشی می‌خواهند دارایی‌های خود را به جریان‌های درآمدی تبدیل کنند و خریداران نیز به دنبال پوشش ریسک نوسانات شدید قیمت این نهاده حیاتی و پرهزینه هستند. در این میان، واسطه‌های مالی نیز با سرعت در حال طراحی ابزارهای مالی هستند که بتوانند نیاز هر دو گروه را برآورده کنند.

شرکت‌هایی که مالک و بهره‌بردار مراکز داده هستند نیز طبیعتاً تمایل دارند بیشترین بهره را از سخت‌افزارهای خود ببرند. برخی از شرکت‌های موسوم به «نئوکلاود» (Neocloud) که بر ارائه پردازنده‌های گرافیکی پیشرفته برای هوش مصنوعی تمرکز دارند، از ارزش این تراشه‌ها به‌عنوان وثیقه دریافت وام استفاده کرده‌اند. برای نمونه، در سال ۲۰۲۴ بانک سرمایه‌گذاری استرالیایی Macquarie در سازمان‌دهی یک وام ۵۰۰ میلیون‌دلاری برای شرکت Lambda مشارکت کرد؛ وامی که با تراشه‌های ارزشمند انویدیا متعلق به این شرکت تضمین شده بود. انویدیا تأمین‌کننده بخش عمده تراشه‌های هوش مصنوعی جهان است. همین بانک در آوریل ۲۰۲۵ نیز وامی با پشتوانه پردازنده‌های گرافیکی به یکی دیگر از نئوکلاودها به نام Fluidstack اعطا کرد؛ البته مبلغ این وام اعلام نشد.

بااین‌حال، وام‌هایی که صرفاً با پشتوانه پردازنده‌های گرافیکی اعطا شوند، حتی برای نئوکلاودهایی که تعداد بسیار زیادی GPU در اختیار دارند، همچنان نادر هستند. در واقع، بخشی از آنچه در ظاهر «وام با پشتوانه GPU» به نظر می‌رسد، در عمل ساختاری بسیار متعارف‌تر دارد. شرکت CoreWeave به‌عنوان بزرگ‌ترین نئوکلاود جهان، ۴۹ مرکز داده را اداره می‌کند. ظرفیت برق اختصاص‌یافته به زیرساخت پردازشی این شرکت حدود یک گیگاوات است؛ رقمی معادل توان تولیدی یک نیروگاه هسته‌ای با اندازه متوسط. این شرکت از سال ۲۰۲۳ تاکنون، در مجموعه‌ای از وام‌هایی که از مدیران دارایی‌های جایگزین مانند Blackstone و Magnetar Capital دریافت کرده، تراشه‌های خود را به‌عنوان بخشی از وثیقه ارائه داده است. اما این وام‌ها تنها به تراشه‌ها متکی نیستند، بلکه با ضمانت مشتریان CoreWeave که قراردادهای چندساله برای دریافت ظرفیت رایانش ابری دارند نیز پشتیبانی می‌شوند.

وجود این ضمانت‌ها به وام‌دهندگان اطمینان می‌دهد که CoreWeave توان بازپرداخت بدهی‌های خود را دارد، بدون آنکه مجبور باشند بیش از حد نگران سرعت کاهش ارزش پردازنده‌های گرافیکی این شرکت باشند. افزون بر این، چنین ساختار تأمین مالی، هرچند بر فناوری کاملاً جدیدی استوار است، از نظر مالی ساختاری آشنا و آزموده‌شده دارد؛ مدلی که سال‌هاست در تأمین مالی زیرساخت‌هایی مانند بزرگراه‌های عوارضی و سایر پروژه‌های سنتی مورداستفاده قرار می‌گیرد.

اگرچه این ابزارهای مالی نیاز فروشندگان بزرگ توان پردازشی را تا حد زیادی برطرف می‌کنند، اما خریداران بزرگ به ابزار متفاوتی نیاز دارند. انعقاد یک قرارداد چندساله با شرکت‌های نئوکلاود، خریدار را در برابر افزایش قیمت توان پردازشی بیمه می‌کند، اما اگر قیمت‌ها به شکل قابل‌توجهی کاهش یابد، از او محافظت نخواهد کرد. بنابراین، هم‌زمان با افزایش هزینه شرکت‌ها برای خرید توان پردازشی، آن‌ها به دنبال آن هستند که همانند پوشش ریسک نوسانات تعرفه‌های انرژی، نرخ بهره یا نرخ ارز، در برابر نوسانات قیمت توان پردازشی نیز ابزارهای پوشش ریسک در اختیار داشته باشند؛ ترجیحاً در قالب بازارهای عمیق و نقدشونده قراردادهای مشتقه.

چگونه در عصر هوش مصنوعی، توان پردازشی را به یک دارایی مالی تبدیل کنیم

دو استارتاپ قصد دارند با تبدیل شاخص‌های نوظهور هزینه توان پردازشی به بازار قراردادهای آتی، این امکان را فراهم کنند. شرکت Silicon Data که در سال ۲۰۲۴ تأسیس شده و از حمایت شرکت معاملاتی DRW برخوردار است و با CME Group، یکی از بزرگ‌ترین اپراتورهای بازارهای مشتقه جهان همکاری می‌کند. در مقابل، شرکت Ornn که توسط گروهی از فارغ‌التحصیلان MIT تأسیس شده و تا همین چند ماه پیش فعالیت خود را از یک آپارتمان مسکونی و نه یک دفتر کار آغاز کرده بود، با شرکت Intercontinental Exchange، مالک بورس اوراق بهادار نیویورک وارد همکاری شده است. هر دو شرکت قصد دارند تا پایان سال جاری قراردادهای آتی توان پردازشی را در بورس‌های شریک خود راه‌اندازی کنند.

هر یک از این دو شرکت شاخص اختصاصی خود را برای رصد نرخ اجاره ساعتی تراشه‌های پیشرفته‌ای مانند H100، پردازنده گرافیکی پرکاربرد انویدیا توسعه داده‌اند. شاخص Silicon Data هم معاملات واقعی و هم قیمت‌های پیشنهادی بازار را در محاسبات خود لحاظ می‌کند؛ موضوعی که باعث می‌شود شاخص آن نوسانات کمتری داشته باشد. در مقابل، شاخص Ornn صرفاً بر مبنای معاملات واقعی محاسبه می‌شود؛ ویژگی‌ای که اگرچه دست‌کاری آن را دشوارتر می‌کند، اما موجب نوسان بیشتر شاخص نیز می‌شود. در حال حاضر، قیمت H100 در شاخص Silicon Data حدود ۱۰ درصد بالاتر از شاخص Ornn است؛ درحالی‌که تنها دو ماه قبل این اختلاف به حدود ۴۰ درصد می‌رسید. بااین‌حال، بعید است هیچ‌یک از این دو شاخص بتواند بیش از بخش کوچکی از بازار گسترده توان پردازشی را پوشش دهد؛ بازاری که بخش عمده آن همچنان خصوصی است.

گسترش استفاده از مشتقات مالی مرتبط با توان پردازشی مستلزم استانداردسازی این بازار است. همان‌گونه که «راندولف راث» یک دهه پیش تجربه کرد، این فرایند بسیار پیچیده و حساس است. انواع مختلف تراشه‌ها جایگزین کامل یکدیگر نیستند. حتی تراشه‌های یکسانی که توسط ارائه‌دهندگان مختلف خدمات ابری عرضه می‌شوند نیز ممکن است از نظر عملکرد و قیمت تفاوت‌های چشمگیری داشته باشند. نحوه اتصال صدها یا هزاران تراشه به یکدیگر، محیط فیزیکی استقرار آن‌ها و حتی موقعیت جغرافیایی مراکز داده نیز بر میزان تقاضا تأثیر می‌گذارد.

همین چالش‌ها باعث شده برخی از فعالان صنعت معتقد باشند شکل‌گیری یک بازار کارآمد برای مشتقات توان پردازشی شاید هنوز یک دهه با واقعیت فاصله داشته باشد. اما ارائه‌دهندگان شاخص‌ها و طراحان این ابزارهای مالی در پاسخ استدلال می‌کنند که هیچ بازار مالی در زمان آغاز فعالیت خود کاملاً استاندارد نبوده است. حتی در بازارهای عمیق و بسیار نقدشونده نیز برخی محصولات اختلاف قابل‌توجهی با شاخص‌های مرجع دارند؛ کافی است به بازار نفت نگاه کنیم. در مارس ۲۰۲۶، قیمت قراردادهای آتی نفت عمان و دبی که عمدتاً برای خریداران آسیایی عرضه می‌شوند از هر بشکه ۱۵۰ دلار فراتر رفت، درحالی‌که هم‌زمان قیمت شاخص نفت خام وست تگزاس اینترمدیت (WTI) که معیار اصلی بازار آمریکا است کمتر از ۱۰۰ دلار بود.

دلایل متعددی وجود دارد که می‌تواند نسبت به استانداردسازی بازار توان پردازشی خوش‌بینی ایجاد کند. تراشه‌های خانواده Hopper انویدیا که مدل H100 نیز بخشی از آن است، حتی پس از ورود نسل جدید Blackwell، بخش قابل‌توجهی از ارزش اجاره‌ای خود را حفظ کرده‌اند. این موضوع برخلاف اظهارنظر «جنسن هوانگ»، مدیرعامل انویدیا در مارس ۲۰۲۵ است که گفته بود: «وقتی Blackwell به طور گسترده عرضه شود، دیگر کسی حاضر نیست از Hopper حتی به‌رایگان استفاده کند.» این روند همچنین نشان می‌دهد دارایی‌های پایه مشتقات توان پردازشی قرار نیست ناگهان ارزش خود را از دست بدهند؛ ریسکی که در غیر این صورت می‌توانست سرعت پذیرش این ابزارهای مالی را کاهش دهد.

در همین حال، واسطه‌های مالی دیگری نیز وارد این عرصه شده‌اند. شرکت نرم‌افزاری Architect Financial Technologies یک بورس معاملات آتی توان پردازشی را در برمودا راه‌اندازی کرده است. این شرکت اکنون علاوه بر ارائه قراردادهای آتی اختصاصی خود در رقابت با بورس‌های بزرگ، در حال برنامه‌ریزی برای راه‌اندازی پلتفرمی دارای مجوز معامله در آمریکا با نام American Innovation Exchange است. «برت هریسون»، مدیرعامل Architect پیش‌تر مدیریت FTX US، شعبه آمریکایی صرافی ارزهای دیجیتال FTX را بر عهده داشت؛ صرافی‌ای که در سال ۲۰۲۲ فروپاشید. او می‌گوید AI Exchange، نامی که به طور غیررسمی برای این پلتفرم به کار می‌رود قصد دارد بازاری نه‌تنها برای توان پردازشی، بلکه برای مواد اولیه‌ای مانند مس و نقره و همچنین منابع انرژی موردنیاز تراشه‌های هوش مصنوعی و مراکز داده ایجاد کند.

هم‌زمان، دو شرکت ارائه‌دهنده صندوق‌های قابل‌معامله در بورس (ETF)، یعنی Roundhill Investments و ProShares، اسناد لازم را به نهادهای ناظر بازار سرمایه ارائه کرده‌اند تا پس از راه‌اندازی قراردادهای آتی توان پردازشی، صندوق‌های ETF مبتنی بر این قراردادها را ایجاد کنند. برخی دیگر از ارائه‌دهندگان ETF نیز درخواست راه‌اندازی صندوق‌های اهرمی موسوم به 2x funds را ثبت کرده‌اند؛ صندوق‌هایی که با استفاده از اهرم مالی، بازدهی یا زیان سرمایه‌گذاران را دو برابر می‌کنند.

با تبدیل‌شدن توان پردازشی به ارز اصلی عصر هوش مصنوعی، بی‌تردید تمامی این اقدامات نیز شدت خواهد گرفت. همان‌گونه که برت هریسون جمع‌بندی می‌کند: «ناگهان همه وارد رقابت شده‌اند.»

گزارش حاضر در نسخه June 27th 2026 نشریه The Economist منتشر شده است.

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