گلدمن ساکس معادله هوش مصنوعی را محاسبه می‌کند: پس از تریلیون‌ها دلار هزینه سرمایه‌گذاری، به چه میزان سود برای بازگشت سرمایه نیاز است؟

TL;DR
· تجارت هوش مصنوعی در حال انتقال از "هزینه‌های سرمایه‌ای" به "نگاه به بازده‌ها" است، جایی که درآمد و جریان نقدی مهم‌تر از مقیاس سرمایه‌گذاری می‌شوند.
· هزینه‌های سرمایه‌ای هوش مصنوعی هنوز به اوج نرسیده‌اند، اما سریع‌ترین مرحله رشد در حال گذر است و رشد پس از سال ۲۰۲۷ به طور قابل توجهی کند خواهد شد.
· ۳۰۰ میلیارد دلار تنها "خط شکست" درآمد سالانه برای غول‌های فناوری است؛ درآمد بالاتر برای بازده‌های معقول لازم است.
· فشار واقعی در لایه کاربرد قرار دارد: سطوح فعلی سرمایه‌گذاری در نهایت به درآمدهای تریلیون دلاری از کاربردهای هوش مصنوعی نیاز دارند تا از آنها حمایت کنند.
· هسته مرحله بعدی تجارت هوش مصنوعی این است که چه کسی می‌تواند واقعاً تقاضای قدرت محاسباتی را به درآمد و جریان نقدی تبدیل کند.

در دو سال گذشته، واضح‌ترین خط اصلی تجارت هوش مصنوعی هزینه‌های سرمایه‌ای بوده است.

غول‌های فناوری مانند آمازون، گوگل، متا، مایکروسافت و اوراکل به طور مداوم سرمایه‌گذاری‌های خود را در مراکز داده و زیرساخت‌های محاسباتی افزایش داده‌اند، با سرمایه‌هایی که در زنجیره تأمین به سمت GPUها، ذخیره‌سازی، ارتباطات نوری، برق و خنک‌سازی مایع جریان می‌یابد و زیرساخت هوش مصنوعی را به یکی از مهم‌ترین جهت‌های تجاری در بازار سهام ایالات متحده تبدیل می‌کند.

توجه: هایپر اسکیلرهای ذکر شده در زیر عمدتاً به غول‌های فناوری فوق اشاره دارند که مراکز داده و پلتفرم‌های محاسبات ابری عظیمی دارند و هر ساله در ساخت زیرساخت‌های محاسباتی هوش مصنوعی سرمایه‌گذاری می‌کنند.

با این حال، با نزدیک شدن این چرخه ساخت به سطح تریلیون دلار، سوالاتی که بازار نیاز دارد به آنها پاسخ دهد در حال تغییر است.

گلدمن ساکس سه سوال اصلی را در آخرین دیدگاه‌های سهام ایالات متحده مطرح کرد: هزینه‌های سرمایه‌ای هوش مصنوعی چه مدت دیگر می‌تواند رشد کند؟ این سرمایه‌گذاری‌ها به چه میزان درآمد نیاز دارند تا بازده‌های معقولی را به دست آورند؟ چه مقدار رشد آینده در حال حاضر در سهام هوش مصنوعی لحاظ شده است؟

گلدمن ساکس معتقد نیست که چرخه سرمایه‌گذاری هوش مصنوعی در حال پایان است. برعکس، هزینه‌های سرمایه‌ای به رشد خود ادامه خواهند داد. تغییر واقعی این است که مرحله سریع‌ترین رشد هزینه‌های سرمایه‌ای و انتظارات بازار به طور مداوم در حال افزایش ممکن است در حال گذر باشد و کلید در مرحله بعدی این خواهد بود که آیا این سرمایه‌گذاری‌ها می‌توانند به درآمد و جریان نقدی کافی تبدیل شوند.

هزینه‌های سرمایه‌ای تریلیون دلاری هنوز در حال گسترش است، اما سریع‌ترین مرحله در حال گذر است

بر اساس اجماع فعلی بازار، هزینه‌های سرمایه‌ای غول‌های فناوری بزرگ ایالات متحده انتظار می‌رود که در سال ۲۰۲۶ حدود ۸۰۶ میلیارد دلار باشد، که تقریباً ۹۶٪ افزایش سالانه دارد؛ این رقم در سال ۲۰۲۷ به حدود ۱.۱ تریلیون دلار افزایش خواهد یافت.

از آغاز فصل درآمدهای سه‌ماهه دوم امسال، اجماع بازار برای هزینه‌های سرمایه‌ای ۲۰۲۷ به طور متوسط حدود ۱۷۵ میلیارد دلار افزایش یافته است. تأمین قدرت محاسباتی همچنان محدود است و فروشندگان ابری هنوز دارای حجم بالایی از سفارشات معوق هستند که به گسترش سرمایه‌گذاری‌های غول‌های فناوری ادامه می‌دهد.

پیش‌بینی گلدمن ساکس حتی بالاتر از اجماع بازار است: انتظار می‌رود هزینه‌های سرمایه‌ای هایپر اسکیلرها در سال ۲۰۲۷ به حدود ۱.۲ تریلیون دلار و در سال ۲۰۲۸ به ۱.۴ تریلیون دلار برسد که به ترتیب حدود ۱۳۰ میلیارد دلار و ۱۰۰ میلیارد دلار بالاتر از اجماع فعلی بازار است.

با این حال، نسبت به مقیاس مطلق، نرخ رشد مهم‌تر است.

گلدمن ساکس انتظار دارد نرخ رشد هزینه‌های سرمایه‌ای هایپر اسکیلرها از نزدیک به ۱۰۰٪ در سال ۲۰۲۶ به ۵۴٪ در سال ۲۰۲۷ و سپس به ۱۲٪ در سال ۲۰۲۸ کاهش یابد. به عبارت دیگر، هزینه‌های سرمایه‌ای هوش مصنوعی به اوج نرسیده‌اند، اما به تدریج در حال انتقال از گسترش انفجاری به نرمال‌سازی نرخ‌های رشد هستند.

نمودار سمت چپ نشان‌دهنده گسترش هزینه‌های سرمایه‌ای هایپر اسکیلرها از ۱۵۴ میلیارد دلار در سال ۲۰۲۳ به بیش از یک تریلیون دلار است؛ نمودار سمت راست نشان می‌دهد که اجماع برای هزینه‌های سرمایه‌ای در سال‌های ۲۰۲۶ و ۲۰۲۷ از امسال به طور مداوم به سمت بالا اصلاح شده است.

در عین حال، عواملی که مانع از ادامه رشد سریع هزینه‌های سرمایه‌ای می‌شوند نیز در حال افزایش هستند.

هزینه‌های سرمایه‌ای غول‌های فناوری اکنون از جریان نقدی عملیاتی آنها فراتر رفته است، به این معنی که گسترش بیشتر به طور فزاینده‌ای به تأمین مالی بدهی و سهام وابسته خواهد بود. گلدمن ساکس معتقد است که ترازنامه‌های شرکت‌های بزرگ فناوری هنوز سالم است، اما محدودیت‌های واقعی بر سرعت سرمایه‌گذاری ممکن است ظرفیت بازار تأمین مالی و گلوگاه‌های عملیاتی در برق، حافظه، نیروی کار و ساخت مراکز داده باشد.

این به این معنی است که برای شرکت‌های زیرساخت هوش مصنوعی: هزینه‌های سرمایه‌ای هنوز می‌تواند از سودآوری حمایت کند، اما با کند شدن رشد سرمایه‌گذاری، فضای اصلاحات مداوم EPS ممکن است شروع به تنگ شدن کند.

آنچه که زیرساخت هوش مصنوعی باید به آن پاسخ دهد دیگر فقط "آیا هنوز سرمایه‌گذاری وجود دارد؟" نیست، بلکه آیا سودآوری فعلی می‌تواند پس از کند شدن رشد سرمایه‌گذاری حفظ شود.

۳۰۰ میلیارد دلار تنها "خط شکست" است؛ لایه کاربرد نیاز به فراتر رفتن از ۱ تریلیون دلار دارد

با ورود هزینه‌های سرمایه‌ای به عصر تریلیون دلار، سوالی مستقیم‌تر مطرح می‌شود: غول‌های فناوری برای پوشش این سرمایه‌گذاری به چه میزان درآمد نیاز دارند؟

بر اساس میانگین سالانه هزینه‌های سرمایه‌ای هوش مصنوعی از ۲۰۲۶ تا ۲۰۲۷، گلدمن ساکس تخمین می‌زند که غول‌های فناوری، از جمله آمازون، گوگل، متا، مایکروسافت و اوراکل، در سال‌های آینده به حدود ۳۰۰ میلیارد دلار درآمد هوش مصنوعی نیاز دارند تا استهلاک و هزینه‌های عملیاتی مرتبط را پوشش دهند و حس پایه‌ای از شکست را به دست آورند.

اگر نیاز فقط به شکست نباشد بلکه به دست آوردن بازده‌های سرمایه‌ای عادی باشد، آستانه درآمد همچنان افزایش خواهد یافت.

تحلیل حساسیت گلدمن ساکس نشان می‌دهد که در ۰٪ ROIC، به معنای فقط دستیابی به شکست، درآمد سالانه مورد نیاز هوش مصنوعی حدود ۳۰۸ میلیارد دلار است؛ اگر ROIC ۱۰٪ مورد نیاز باشد، این عدد به ۴۱۷ میلیارد دلار افزایش می‌یابد؛ برای ۲۰٪، به حدود ۵۲۶ میلیارد دلار می‌رسد؛ و برای ۳۰٪، به حدود ۶۳۶ میلیارد دلار می‌رسد.

به عبارت دیگر، ۳۰۰ میلیارد دلار یک سناریوی خوشبینانه نیست بلکه به آستانه اقتصادی حداقلی برای این دور از سرمایه‌گذاری هوش مصنوعی نزدیک‌تر است.

در حال حاضر، درآمد هوش مصنوعی غول‌های فناوری هنوز زیر این سطح است، اما سمت درآمد شروع به نزدیک شدن کرده است.

نرخ رشد سالانه کسب و کارهای ابری برای آمازون، گوگل، مایکروسافت و اوراکل از حدود ۲۵٪ در سال ۲۰۲۴ به ۴۸٪ در سه‌ماهه دوم سال ۲۰۲۶ تسریع شده است. اگر روند رشد ۲۰۲۴ را به عنوان معیار در نظر بگیریم، گلدمن ساکس تخمین می‌زند که درآمد سالانه کسب و کارهای ابری در سه‌ماهه دوم امسال از روند اصلی حدود ۶۷ میلیارد دلار فراتر رفته است.

در عین حال، حجم درآمد معوق (درآمد آینده که قرارداد بسته شده اما هنوز تأیید نشده است) برای آمازون، گوگل و مایکروسافت به حدود ۱.۷ تریلیون دلار رسیده است.

نمودار سمت چپ نشان‌دهنده تسریع قابل توجه درآمد برای چهار فروشنده بزرگ ابری نسبت به روند رشد اصلی است؛ نمودار سمت راست نشان می‌دهد که حجم کسب و کار ابری برای آمازون، گوگل و مایکروسافت به ۱.۷ تریلیون دلار نزدیک می‌شود.

این داده‌ها نشان می‌دهند که تقاضای هوش مصنوعی هنوز به سرعت در حال رشد است، اما هنوز فاصله‌ای وجود دارد تا ثابت شود که هزینه‌های سرمایه‌ای فعلی می‌توانند بازده کافی را تولید کنند. آنچه که واقعاً باید تأیید شود این است که آیا درآمد می‌تواند به طور مداوم با پایه هزینه‌ای که توسط هزینه‌های سرمایه‌ای تشکیل شده است، همگام شود.

علاوه بر این، ۳۰۰ میلیارد دلار تنها محاسبه خود غول‌های فناوری است.

فروشندگان ابری در نهایت باید قدرت محاسباتی را به شرکت‌های مدل و کاربردهای هوش مصنوعی بفروشند و این شرکت‌ها، علاوه بر پوشش هزینه‌های محاسباتی، باید هزینه‌های تحقیق و توسعه، نیروی کار، فروش را نیز تحمل کنند و سود کافی را باقی بگذارند. این به این معنی است که لایه کاربرد باید درآمد نهایی را ایجاد کند که به طور قابل توجهی از خط شکست خود فروشندگان ابری فراتر رود.

گلدمن ساکس به طور بیشتری تخمین می‌زند که اگر شرکت‌های لایه کاربرد حاشیه EBIT حدود ۳۰٪ را حفظ کنند، در حالی که غول‌های فناوری به ۱۰٪-۲۰٪ ROIC دست یابند، درآمد سالانه مورد نیاز برای لایه کاربرد بین ۹۲۵ میلیارد دلار و ۱.۳ تریلیون دلار خواهد بود.

بنابراین، به اصطلاح "۱ تریلیون دلار" پیش‌بینی گلدمن ساکس برای درآمد آینده کاربردهای هوش مصنوعی نیست، بلکه مقدار درآمدی است که به ارائه عقل اقتصادی برای مقیاس فعلی سرمایه‌گذاری هوش مصنوعی تحت فرضیات خاص حاشیه سود و بازگشت سرمایه مربوط می‌شود.

آستانه‌های درآمد سالانه برای لایه کاربرد تحت فرضیات مختلف ROIC هایپر اسکیلر و حاشیه EBIT کاربرد.

به عنوان مرجع، هزینه‌های تبلیغاتی و نرم‌افزاری جهانی در سال ۲۰۲۶ انتظار می‌رود که هر کدام حدود ۱.۵ تریلیون دلار باشد. اقتصاددانان گلدمن ساکس همچنین تخمین می‌زنند که هوش مصنوعی در نهایت می‌تواند حدود ۱.۸ تریلیون دلار در سال در افزایش بهره‌وری نیروی کار ناشی از سرمایه در ایالات متحده به ارمغان بیاورد.

از منظر اقتصاد کلان، درآمد تریلیون دلاری هوش مصنوعی کاملاً غیرقابل تصور نیست. سوال واقعی این است: ارزش اقتصادی ایجاد شده توسط هوش مصنوعی برابر با درآمدی نیست که شرکت‌های هوش مصنوعی می‌توانند به دست آورند.

افزایش بهره‌وری ممکن است به مصرف‌کنندگان، شرکت‌های سنتی و سایر شرکت‌کنندگان در زنجیره تأمین منتقل شود و همه آنها به درآمد برای فروشندگان ابری، شرکت‌های مدل و شرکت‌های کاربردی تبدیل نخواهند شد. بنابراین، بیانات "هوش مصنوعی می‌تواند ارزش اقتصادی عظیمی ایجاد کند" و "هزینه‌های سرمایه‌ای فعلی می‌توانند بازده سرمایه‌گذاری کافی را تولید کنند" در واقع دو سوال متفاوت هستند.

پس از کاهش هزینه‌های سرمایه‌ای، تجارت هوش مصنوعی شروع به قیمت‌گذاری مجدد می‌کند

اگر هزینه‌های سرمایه‌ای تریلیون دلاری در نهایت به چنین حمایت درآمدی عظیمی نیاز دارد، سوال بعدی این است: چه مقدار رشد در حال حاضر در سهام هوش مصنوعی قیمت‌گذاری شده است؟

گلدمن ساکس دریافت که ارزیابی زیرساخت هوش مصنوعی در واقع به طور قابل توجهی کاهش یافته است. نسبت P/E پیشرو این بخش از حدود ۳۲ برابر در آوریل ۲۰۲۶ به حدود ۲۲ برابر در حال حاضر کاهش یافته است.

مهم‌تر از آن، قیمت‌گذاری داخلی درون زیرساخت دیگر یکنواخت نیست.

انتظارات پایدار بودن سودآوری برای بخش‌هایی مانند ارتباطات نوری، شبکه‌های برق و خنک‌سازی مایع نسبتاً بالا باقی مانده است، در حالی که قیمت‌گذاری بازار برای نیمه‌هادی‌ها، خدمات عمومی و حافظه نسبتاً محافظه‌کارانه است. بازار در حال شروع به تمایز این است که کدام شرکت‌ها می‌توانند سودهای خود را در برابر روند نزولی رشد هزینه‌های سرمایه‌ای حفظ کنند و کدام شرکت‌ها سودهای بالای خود را بیشتر از قوی‌ترین مرحله چرخه سرمایه‌گذاری به دست آورده‌اند.

حافظه یک مثال典型 است. در حال حاضر، سهام ذخیره‌سازی دارای نسبت P/E پیشرو دو ساله حدود ۴ برابر است که تنها نیمی از سطح متوسط در ۱۵ سال گذشته است؛ با این حال، در عین حال، حاشیه ناخالص فعلی شرکت‌های حافظه حدود ۸۰٪ است که همچنین دو برابر میانگین تاریخی است. گلدمن ساکس تخمین می‌زند که برای بازگرداندن نسبت P/E فعلی به سطح میانگین بلندمدت، سودهای شرکت‌های حافظه باید در سال‌های آینده حدود ۵۰٪ کاهش یابد.

در مقابل، گلدمن ساکس معتقد است که سهام شرکت‌های بدون کارخانه جذاب‌تر هستند. اگرچه حاشیه سود آنها نیز بالاتر از سطوح تاریخی است، اما درجه انحراف کمتر است؛ گلدمن ساکس تخمین می‌زند که اگر سودهای آینده شرکت‌های بدون کارخانه حدود ۱۰٪ کاهش یابد، ارزیابی‌های آنها می‌تواند به سطوح میانگین تاریخی بازگردد.

این به این معنی است که منطق تجاری زیرساخت هوش مصنوعی در حال تغییر است: در گذشته، تمرکز بر این بود که چه کسی بیشترین بهره را از افزایش هزینه‌های سرمایه‌ای می‌برد؛ مرحله بعدی تعیین این است که کدام سودها می‌توانند بیشتر از همه حفظ شوند.

این تغییر همچنین امکان دیگری را برای غول‌های فناوری که قبلاً به دلیل هزینه‌های سرمایه‌ای تحت فشار بودند، باز می‌کند.

در گذشته، بازار نگران بود که شرکت‌هایی مانند مایکروسافت، آمازون، گوگل و متا به طور مداوم سرمایه‌گذاری‌های هوش مصنوعی را افزایش می‌دهند و جریان نقدی آزاد را کاهش می‌دهند، در حالی که بازده سرمایه‌گذاری نامشخص باقی مانده است. با این حال، با رشد درآمد هوش مصنوعی و کاهش تدریجی رشد هزینه‌های سرمایه‌ای، این منطق ممکن است شروع به معکوس شدن کند.

در حال حاضر، نسبت P/E پیشرو غول‌های فناوری به پایین‌ترین سطح در دهه گذشته کاهش یافته است و حقایق ارزیابی نسبت به میانگین S&P 500 به حدود ۴ برابر کاهش یافته است. اگر درآمدهای آینده به رشد خود ادامه دهند در حالی که رشد هزینه‌های سرمایه‌ای کاهش می‌یابد، جریان نقدی آزاد ممکن است به تدریج بهبود یابد.

در دو سال گذشته، روایت اصلی تجاری این بوده است: هزینه‌های سرمایه‌ای ↑ → درآمد زیرساخت هوش مصنوعی ↑

مرحله بعدی که نیاز به تأیید دارد این است: درآمد هوش مصنوعی ↑ + کاهش رشد هزینه‌های سرمایه‌ای → جریان نقدی آزاد هایپر اسکیلر ↑

نسبت P/E پیشرو هایپر اسکیلرها به پایین‌ترین سطح ده ساله خود رسیده است و حقایق ارزیابی بین آنها و میانگین S&P 500 به طور قابل توجهی کاهش یافته است.

این نتیجه‌ای نیست که قبلاً محقق شده باشد، بلکه منطقی جدید است که بازار ممکن است شروع به معامله کند زیرا چرخه هزینه‌های سرمایه‌ای وارد مرحله بعدی می‌شود.

مرحله بعدی هوش مصنوعی: چه کسی می‌تواند واقعاً قدرت محاسباتی را به درآمد تبدیل کند؟

به جلو نگاه کرده، گلدمن ساکس معتقد است که تجارت هوش مصنوعی به تدریج از ساخت زیرساخت به اجراهای کاربردی منتقل خواهد شد.

با این حال، لایه کاربرد به سادگی مانند بازار زیرساخت در دو سال گذشته نخواهد بود.

زمانی که غول‌های فناوری هزینه‌های سرمایه‌ای را افزایش می‌دهند، GPUها، شبکه‌ها، برق و مراکز داده می‌توانند افزایش تقاضای نسبتاً واضحی را به دست آورند؛ در لایه کاربرد، اینکه آیا شرکت‌ها می‌توانند بهره‌برداری کنند بستگی به پذیرش محصول، قدرت قیمت‌گذاری، ساختار هزینه و اینکه آیا هوش مصنوعی مدل‌های کسب‌وکار موجود را تغییر می‌دهد، دارد که ممکن است منجر به تمایز فردی بیشتری در سهام شود.

در حال حاضر، صنعت نرم‌افزار هنوز تأثیر گسترده هوش مصنوعی را که بازار قبلاً ترسیده بود، تجربه نکرده است. در میان شرکت‌های نرم‌افزاری تحت پوشش گلدمن ساکس، نرخ رشد درآمد سالانه تکراری (ARR) اخیراً کمی تسریع شده است، با عملکرد قوی‌ترین در زیرساخت IT و امنیت سایبری، در حالی که نرم‌افزار مدیریت سازمانی نسبتاً عقب مانده است.

عاملان هوش مصنوعی ممکن است نوع دیگری از تأثیر را به ارمغان بیاورند. گلدمن ساکس سبدی از سهام با چسبندگی مصرف‌کننده را ساخته است که شامل صنایعی مانند بیمه، ارتباطات، سفر، اشتراک‌ها، بازارها و فین‌تک است. برخی از چسبندگی کاربران این شرکت‌ها ناشی از زمان و هزینه‌های عملیاتی مورد نیاز برای تغییر خدمات است. اگر عاملان بتوانند به طور خودکار جستجو کنند، قیمت‌ها را مقایسه کنند و حتی معاملات را انجام دهند، این اصطکاک به طور نظری کاهش می‌یابد.

از اواسط سپتامبر، این سبد حدود ۵ درصد از پرتفوی هج فنی بی‌طرف صنعت کمتر عمل کرده است. با این حال، این تنها نشان می‌دهد که بازار در حال شروع به قیمت‌گذاری این ریسک بالقوه است و اثبات نمی‌کند که مدل‌های کسب‌وکار مربوطه به طور اساسی تحت تأثیر قرار گرفته‌اند.

در نهایت، کلید تأیید این دور از چرخه سرمایه‌گذاری هوش مصنوعی هنوز به درآمد شرکت‌ها برمی‌گردد.

بر اساس نظرسنجی اداره سرشماری ایالات متحده، حدود ۴۰٪ از شرکت‌های بزرگ ایالات متحده در حال حاضر از هوش مصنوعی در تولید کالاها و خدمات استفاده می‌کنند؛ تحلیل گلدمن ساکس از تماس‌های درآمد سه‌ماهه دوم نشان می‌دهد که حدود نیمی از شرکت‌های S&P 500 به کاربردهای هوش مصنوعی در بهره‌وری اشاره کرده‌اند، اما تعداد بسیار کمی می‌توانند بهبودهای بهره‌وری را کمی‌سازی کنند.

انتظار رشد بلندمدت ضمنی برای S&P 500 حدود ۱۲٪ است که بالاتر از میانگین تاریخی است، اما هنوز زیر اوج حدود ۱۶٪ در دوران حباب دات کام است.

در عین حال، گلدمن ساکس معتقد است که بازار سهام ایالات متحده در حال حاضر انتظارات رشد بهره‌وری بلندمدت افراطی را لحاظ نکرده است. محاسبات آنها نشان می‌دهد که انتظار رشد EPS بلندمدت ضمنی بازار برای S&P 500 تنها کمی بالاتر از میانگین تاریخی است و فاصله قابل توجهی نسبت به دوره حباب دات کام دارد.

بنابراین، مرحله بعدی که واقعاً باید مشاهده شود دیگر فقط این نیست که غول‌های فناوری در یک فصل معین چه مقدار هزینه‌های سرمایه‌ای را افزایش داده‌اند، بلکه سه شاخص مستقیم‌تر: آیا درآمد هوش مصنوعی می‌تواند به طور مداوم با هزینه‌های سرمایه‌ای همگام شود، آیا جریان نقدی آزاد غول‌های فناوری می‌تواند پس از کاهش رشد هزینه‌های سرمایه‌ای بهبود یابد و آیا لایه کاربرد می‌تواند درآمد واقعی به اندازه کافی بزرگ تولید کند تا ارزش بهره‌وری هوش مصنوعی را به سودهای شرکتی تبدیل کند.

در دو سال گذشته، تجارت هوش مصنوعی به این سوال پاسخ داده است که چه کسی می‌تواند هزینه‌های سرمایه‌ای بیشتری را تأمین کند. پس از سرمایه‌گذاری تریلیون دلاری، سوال در حال تغییر است: چه کسی می‌تواند واقعاً قدرت محاسباتی را به جریان نقدی تبدیل کند؟

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.