بحران انرژی در ایالات متحده تهدیدی برای هوش مصنوعی، اما نودیا و برودکام را نجات می‌دهد

رونق هوش مصنوعی یک مشکل ایجاد کرده است که پول به تنهایی نمی‌تواند آن را حل کند: کمبود انرژی الکتریکی. میلیاردها دلار هزینه شده برای ساخت مراکز داده در ایالات متحده با زیرساخت انرژی که نتوانسته است با سرعت تقاضا هماهنگ شود، مواجه است. و این گلوگاه شروع به بازطراحی نقشه برندگان و بازندگان در زنجیره نیمه‌هادی‌ها کرده است.

یک گزارش از مورگان استنلی که روز دوشنبه منتشر شد، تخمین می‌زند که توسعه‌دهندگان مراکز داده در ایالات متحده تا سال ۲۰۲۸ با کسری خالص انرژی ۳۴ درصدی، معادل ۳۲ گیگاوات، مواجه خواهند شد. برای قرار دادن این در چشم‌انداز، این مقدار بیشتر از کل ظرفیت تولید انرژی بادی برزیل است. این عدد نشان می‌دهد که مشکل حاشیه‌ای نیست: ساختاری است.

با این حال، نتیجه‌گیری مرکزی بانک با خوش‌بینی انتخابی شگفت‌انگیز است. نودیا و برودکام، دو تأمین‌کننده بزرگ تراشه‌های با عملکرد بالا برای هوش مصنوعی، نسبت به این سناریو نسبتاً محافظت شده‌اند. خطر واقعی بر دوش حلقه‌های ثانویه زنجیره است: تولیدکنندگان تراشه‌های حافظه، اجزای نوری، مدیریت انرژی و پردازنده‌های آنالوگ.

چرا نودیا و برودکام از گلوگاه انرژی فرار می‌کنند

منطق مورگان استنلی نسبتاً ساده است. نودیا و برودکام دیدگاه ویژه‌ای نسبت به تخصیص تراشه‌های خود، گسترش جغرافیایی مشتریان و هماهنگی بین مراکز داده، تأمین‌کنندگان و زنجیره تأمین انرژی دارند. این بدان معناست که این شرکت‌ها می‌توانند پیش‌بینی کنند که کجا ظرفیت نصب وجود خواهد داشت و تولید خود را مطابق با آن هدایت کنند.

در عمل، بزرگ‌ترین خریداران GPU نودیا، مانند مایکروسافت، گوگل، آمازون و متا، دقیقاً اپراتورهای مراکز داده‌ای هستند که بیشترین قدرت چانه‌زنی را در برابر شرکت‌های انرژی و دولت‌های محلی دارند. این هایپر اسکیلرها قبلاً قراردادهای تأمین بلندمدت را تضمین کرده‌اند و در حال تنوع جغرافیایی عملیات خود، حتی خارج از ایالات متحده هستند.

این بانک اعلام کرد که نمی‌بیند که گلوگاه‌های انرژی پیش‌بینی‌های درآمد نودیا یا برودکام برای سال ۲۰۲۷ را به خطر بیندازند. این تحلیل یک نظریه را تقویت می‌کند که بازار مالی قبلاً به‌طور جزئی قیمت‌گذاری کرده است: این دو شرکت در سطح تقاضای بسیار بالایی فعالیت می‌کنند که حتی محدودیت‌های زیرساختی نیز صف درخواست‌ها را کاهش نمی‌دهد، بلکه فقط جایی که تراشه‌ها نصب خواهند شد را دوباره توزیع می‌کند.

چه کسی هزینه را پرداخت می‌کند: حلقه‌های ضعیف زنجیره هوش مصنوعی

اگر ظرفیت تولید تراشه‌ها به دلیل کمبود انرژی در مراکز داده قابل پیاده‌سازی نباشد، مشتریان ممکن است تحویل‌ها را به تأخیر بیندازند یا سفارشات را لغو کنند. و اجزای بیشتری که در معرض این خطر هستند، دقیقاً همان‌هایی هستند که برای حفظ حاشیه‌های سالم به حجم‌های بالایی وابسته‌اند.

تولیدکنندگان تراشه‌های حافظه، مانند میکرون و SK Hynix، با حاشیه‌های باریک‌تری کار می‌کنند و به سرعت ساخت مراکز داده جدید برای حفظ تقاضا وابسته‌اند. همین امر برای تأمین‌کنندگان اجزای نوری، که برای اتصال بین سرورها ضروری هستند، و همچنین برای شرکت‌های مدیریت انرژی و تراشه‌های آنالوگ صدق می‌کند. همان‌طور که در پوشش فناوری پورتال تحلیل کردیم، زنجیره نیمه‌هادی‌ها مانند یک اکوسیستم یکپارچه عمل می‌کند و تأخیر در یک حلقه اثرات زنجیره‌ای را ایجاد می‌کند.

گلدمن ساکس همچنین به محدودیت‌های فزاینده‌ای برای گسترش مراکز داده در ایالات متحده اشاره کرده است، هرچند با خوانش کمی متفاوت. این بانک انتظار تأثیر محدودی در کوتاه‌مدت دارد، بخشی به دلیل مقاومت سیاسی در برابر اقداماتی که سرمایه‌گذاری‌ها در هوش مصنوعی را محدود کند. در حالی که مورگان استنلی چالش‌های ملموس‌تری را می‌بیند که به نیروی کار، تأمین انرژی و موانع نظارتی مربوط می‌شود.

کسری ۳۲ گیگاوات و معنای آن برای سرمایه‌گذاران

تعداد ۳۲ گیگاوات کمبود پیش‌بینی‌شده برای سال ۲۰۲۸ تنها یک کنجکاوی فنی نیست. این موضوع تأثیرات مستقیمی بر سرمایه‌گذاران در شرکت‌های فناوری و زیرساخت دارد. ساخت نیروگاه‌های جدید، خطوط انتقال و ایستگاه‌های فرعی سال‌ها طول می‌کشد. حتی با تشویق‌های میلیاردی دولت‌های فدرال و ایالتی، عرضه انرژی به سرعت تقاضا برای محاسبات گسترش نمی‌یابد.

این عدم توازن در حال حاضر حرکات ملموسی را ایجاد کرده است. شرکت‌هایی مانند مایکروسافت قراردادهایی برای احیای نیروگاه‌های هسته‌ای امضا کرده‌اند. آمازون در تولید انرژی خورشیدی و بادی برای مراکز داده خود سرمایه‌گذاری کرده است. گوگل توافق‌نامه‌هایی برای خرید انرژی زمین‌گرمایی امضا کرده است. همان‌طور که در بخش مالی پیگیری کردیم، بخش انرژی شاید بزرگ‌ترین بهره‌بردار غیرمستقیم از رونق هوش مصنوعی شده است، با سهام شرکت‌های خدمات عمومی و شرکت‌های زیرساخت الکتریکی که در ۱۲ ماه گذشته افزایش‌های قابل توجهی داشته‌اند.

برای سرمایه‌گذار، خوانش این است که فرضیه Nvidia و Broadcom در میان‌مدت دست‌نخورده باقی مانده است، اما ریسک به لایه‌های دوم و سوم زنجیره منتقل شده است. شرکت‌هایی که به نظر می‌رسید در چرخه هوش مصنوعی شرط‌های مطمئنی هستند، مانند تولیدکنندگان حافظه HBM و تأمین‌کنندگان تجهیزات شبکه، اکنون ریسک اضافی تأخیر در پیاده‌سازی را دارند که شش ماه پیش در رادار نبود.

هوش مصنوعی و انرژی: یک گلوگاه که برای ماندن آمده است

سناریوی توصیف‌شده توسط مورگان استنلی موقتی نیست. تقاضای انرژی هوش مصنوعی تولیدی به‌طور نمایی با هر نسل جدید مدل‌ها افزایش می‌یابد. آموزش GPT-4 تخمین زده می‌شود که ۵۰ گیگاوات ساعت برق مصرف کرده است. مدل‌های آینده باید به مقادیر بیشتری نیاز داشته باشند. و استنتاج، استفاده روزمره از مدل‌ها توسط میلیاردها نفر، یک لایه مداوم از مصرف را اضافه می‌کند که قبلاً وجود نداشت.

بنابراین، مسئله انرژی دیگر یک ریسک حاشیه‌ای نیست و به محدودکننده اصلی سرعت گسترش هوش مصنوعی در ایالات متحده تبدیل شده است. کشورهایی که بتوانند این معادله را زودتر حل کنند، چه به دلیل فراوانی منابع طبیعی و چه به دلیل چابکی نظارتی، تمایل دارند سهم نامتناسبی از سرمایه‌گذاری‌ها در زیرساخت‌های هوش مصنوعی را جذب کنند. همان‌طور که در پوشش بخش فناوری بحث کردیم، برزیل به عنوان یک کاندیدای مهم در این رقابت ظاهر می‌شود، با توجه به ماتریس انرژی عمدتاً تجدیدپذیر خود.

برای کسانی که بازار مالی را دنبال می‌کنند، پیام واضح است: روایت هوش مصنوعی همچنان قدرتمند است، اما ریسک‌ها در حال توزیع مجدد در طول زنجیره هستند. Nvidia و Broadcom به عنوان دفاعی‌ترین موقعیت‌ها در این موضوع باقی می‌مانند. بقیه اکوسیستم باید ثابت کند که می‌تواند رشد را حتی با انرژی که علیه آن عمل می‌کند، ارائه دهد.