بزرگان هوش مصنوعی با سودهای خود ارز دیجیتال میخرند! راهنمای تشخیص پروژههای واقعی از ترندهای توخالی
رونق هوش مصنوعی در سالهای گذشته، ثروت قابلتوجهی برای گروهی از مهندسان، کارکنان و بنیانگذاران شرکتهای فعال در این حوزه ایجاد کرد. بسیاری از این افراد در سالهای ابتدایی فعالیت شرکتهایی مانند اوپنایآی به آنها پیوستند و در ازای دریافت حقوق کمتر، بخشی از دستمزد خود را به سهام اختصاص دادند.
از آنجا که بسیاری از شرکتهای بزرگ هوش مصنوعی هنوز در بازار سهام عرضه عمومی نشدهاند، کارکنان آنها نمیتوانند مانند سهامداران شرکتهای بورسی بهسادگی دارایی خود را بفروشند. در چنین شرایطی، دو روش اهمیت پیدا میکند: فروش ثانویه سهام و عرضههای خرید سهام کارکنان یا «تندر آفر». در روش دوم، شرکت یا سرمایهگذاران بیرونی بخشی از سهام کارکنان را با قیمت مشخص خریداری میکنند.
نمونه قابلتوجه این روند در اکتبر ۲۰۲۵ اتفاق افتاد؛ زمانی که بیش از ۶۰۰ کارمند فعلی و سابق اوپنایآی در مجموع حدود ۶.۶ میلیارد دلار از سهام خود را فروختند. سقف فروش برای هر فرد ۳۰ میلیون دلار بود و حدود ۷۵ نفر به این سقف رسیدند. به این ترتیب، بخشی از ثروتی که پیشتر به شکل سهام خصوصی نگهداری میشد، به نقدینگی قابلاستفاده تبدیل شد.
اما پرسش اصلی این است که صاحبان این ثروت تازه، پس از فروش سهام خود چه خواهند کرد؟ آیا دوباره به سهام شرکتهای هوش مصنوعی بازمیگردند یا به دنبال فرصتهایی خارج از این صنعت میروند؟
چرا سرمایهگذاران از بازار هوش مصنوعی فاصله میگیرند؟
یکی از دلایل احتمالی تغییر مسیر سرمایه، افزایش هزینه توسعه زیرساختهای هوش مصنوعی است. ساخت و راهاندازی مراکز داده، خرید پردازندههای پیشرفته و تامین انرژی موردنیاز مدلهای بزرگ، به سرمایهگذاریهای بسیار سنگینی احتیاج دارد.
برآورد مطرحشده در تحلیل کوینبورو نشان میدهد شرکتهای بزرگ رایانش ابری ممکن است در سال جاری بیش از ۷۴۰ میلیارد دلار برای مراکز داده، تراشهها و زیرساخت انرژی هزینه کنند. در همین حال، آمازون، آلفابت و مایکروسافت در مجموع رقمی معادل ۱۰۲ درصد درآمد بخش رایانش ابری خود را صرف توسعه زیرساخت میکنند. به بیان دیگر، هزینه ساخت ظرفیتهای جدید در این شرکتها از درآمد فعلی این بخش نیز فراتر رفته است.
این وضعیت لزوماً به معنای پایان رونق هوش مصنوعی نیست؛ اما نشان میدهد کسب بازدهی از سرمایهگذاریهای عظیم این صنعت ممکن است زمانبر باشد. حتی شرکتهایی که در مرکز این موج قرار دارند، برای تامین مالی برنامههای خود به منابع گستردهای نیاز دارند. کاهش هدف یکی از دورهای جذب سرمایه اوپنایآی از ۳۰ میلیارد دلار به ۲۰ میلیارد دلار نیز در این تحلیل بهعنوان نشانهای از دشواری تأمین سرمایه در مقیاس مورد انتظار مطرح شده است.
عملکرد بازار سهام نیز تصویری از کاهش شتاب معاملات مرتبط با هوش مصنوعی ارائه میدهد. شاخص نزدک ۱۰۰ در دوره سهماهه منتهی به اکتبر حدود ۱.۴ درصد افت کرد و سهام انویدیا نیز در این بازه رشد قابلتوجهی نداشت. چنین شرایطی میتواند برخی سرمایهگذاران را به بازنگری در ترکیب داراییهایشان وادار کند.
بیتکوین؛ مقصدی برای حفظ ثروت در برابر تورم
یکی از گزینههایی که در این جابهجایی سرمایه مورد توجه قرار گرفته، بیتکوین است. استدلال اصلی طرفداران این دیدگاه به تفاوت میان ماهیت پول نقد و عرضه محدود بیتکوین بازمیگردد.
بدهی دولت آمریکا در آگوست ۲۰۲۶ از ۴۰ تریلیون دلار عبور کرد و حجم پول گسترده این کشور نیز در یک سال منتهی به آگوست حدود ۵.۷ درصد افزایش یافت و به ۲۳.۳ تریلیون دلار رسید. از نگاه سرمایهگذارانی که نگران کاهش قدرت خرید پول هستند، افزایش بدهی و عرضه پول میتواند جذابیت نگهداری بلندمدت داراییهای نقدی را کاهش دهد.
البته بازده اسمی داراییهای کمریسک همچنان اهمیت دارد. برای مثال، در تحلیل ویدئو به بازده حدود ۴.۱۶ درصدی اوراق خزانهداری سهماهه آمریکا در برابر تورم ۳.۷ درصدی اشاره شده است. این اختلاف، بازده واقعی محدودی ایجاد میکند و پس از درنظرگرفتن مالیات، جذابیت آن کمتر نیز میشود.
در مقابل، عرضه بیتکوین به سقفی مشخص محدود است و برخلاف ارزهای رایج، بانک مرکزی یا دولتها نمیتوانند با تصمیمی مستقل تعداد واحدهای آن را افزایش دهند. همین ویژگی باعث شده برخی سرمایهگذاران آن را ابزاری برای حفظ ارزش ثروت در بلندمدت بدانند.
با این حال، محدودیت عرضه بهتنهایی تضمینکننده حفظ ارزش یا افزایش قیمت بیتکوین نیست. نوسان شدید قیمت، تغییر شرایط نقدینگی و حساسیت بازار به سیاستهای پولی همچنان از ریسکهای مهم این دارایی به شمار میروند؛ بنابراین، نگاه به بیتکوین بهعنوان پوششی در برابر تورم، یک استراتژی سرمایهگذاری است و نه تضمینی برای سودآوری.
ورود بازیگران مالی سنتی به زیرساختهای کریپتو
چرخش سرمایه تنها به خرید بیتکوین محدود نمیشود. بخشی از تحولات مهمتر در حال وقوع در مرز میان امور مالی سنتی و بازارهای مبتنی بر بلاکچین است.
- یکی از نمونههای مطرحشده، فعالیت شرکت اینترکانتیننتال اکسچنج، مالک بورس نیویورک، در حوزه معاملات رمزارزی است. این شرکت در حال خرید سهمی اقلیت در پلتفرم ترید اکسوایزد است و به دنبال دریافت مجوزهای لازم برای ارائه معاملات آتی دائمی شبانهروزی در آمریکا از طریق هایپرلیکوئید است. اهمیت این اقدام در آن است که یک بازیگر بزرگ بازارهای مالی سنتی، بهجای محدودکردن فعالیت خود به بازارهای متعارف، به زیرساختی علاقه نشان میدهد که امکان معامله داراییهای دیجیتال را بهصورت شبانهروزی فراهم میکند.
- در سوی دیگر، صندوق سرمایهگذاری خطرپذیر اندریسن هوروویتز نیز با تغییر برند بخش کریپتویی خود به «ای۱۶زد فرانتیر»، دامنه فعالیتش را به حوزههای هوش مصنوعی و ماشینها گسترش داده است. این تغییر نشان میدهد برخی سرمایهگذاران خطرپذیر بهجای انتخاب یکی از دو صنعت، به دنبال فرصتهایی هستند که فناوری هوش مصنوعی و بلاکچین را با یکدیگر ترکیب میکنند.
- استنلی دراکنمیلر، سرمایهگذار شناختهشده بازارهای کلان، نیز از دیگر چهرههایی است که در این روند مطرح شده است. او در نخستین پست خود در شبکه اجتماعی ایکس، به پلتفرم ترید اکسوایزد اشاره کرد. انتشار این پست با رشد حدود ۲۰ درصدی توکن بومی هایپرلیکوئید همراه شد. همچنین اسناد مربوط به سرمایهگذاری شرکت او در ماه ژوئن، از نگهداری حدود ۲۳ میلیون دلار سهام در هایپرلیکوئید استراتژیز حکایت داشت.
مجموع این تحولات نشان میدهد توجه سرمایهگذاران بزرگ به کریپتو فقط به قیمت رمزارزها محدود نیست. زیرساخت معاملات، ابزارهای مالی جدید و خدمات مبتنی بر بلاکچین نیز به بخش مهمی از این رقابت تبدیل شدهاند.
هوش مصنوعی غیرمتمرکز؛ پیوند دو صنعت در لایه زیرساخت
یکی از جذابترین بخشهای این همگرایی، پروژههایی هستند که تلاش میکنند منابع موردنیاز هوش مصنوعی را از انحصار شرکتهای بزرگ فناوری خارج کنند. این پروژهها معمولاً در چند دسته قرار میگیرند.
شبکههای زیرساخت فیزیکی غیرمتمرکز
این شبکهها از سختافزارهایی استفاده میکنند که افراد و شرکتهای مستقل مالک آنها هستند. مشارکتکنندگان منابع خود را در اختیار شبکه قرار میدهند و در ازای ارائه خدمات، پاداش دریافت میکنند. در این مدل، توکن میتواند نقش ابزار پرداخت و هماهنگی میان مشارکتکنندگان را ایفا کند.
شبکههای پردازش غیرمتمرکز
آموزش و اجرای مدلهای هوش مصنوعی به پردازندههای گرافیکی قدرتمند نیاز دارد. پروژههایی مانند رندر تلاش میکنند ظرفیت پردازشی پراکنده را به بازاری مشترک تبدیل کنند. این شبکهها میتوانند به توسعهدهندگان اجازه دهند بهجای اتکا به چند ارائهدهنده بزرگ رایانش ابری، از منابع سختافزاری مستقل استفاده کنند.
برای نمونه، رندر طرحی را برای ادغام ۶۰ هزار پردازنده گرافیکی متعلق به کاربران شبکه سالاد پیش برده است. در چنین مدلی، توکن بومی شبکه میتواند در پرداخت هزینه خدمات پردازشی نقش داشته باشد.
بازارهای داده
پروژههایی مانند گرس به دنبال ایجاد سازوکارهایی برای گردآوری و عرضه داده موردنیاز مدلهای هوش مصنوعی هستند. داده یکی از منابع اصلی آموزش مدلهاست و ایجاد بازارهای بازتر برای آن میتواند فرصت تازهای برای مشارکت کاربران و ارائهدهندگان مستقل ایجاد کند.
در این میان، بیتنسور نیز نمونهای از تلاش برای ایجاد بازاری غیرمتمرکز برای خدمات هوش مصنوعی است. در این شبکه، زیرشبکههای تخصصی برای ارائه خدمات مختلف رقابت میکنند. درآمد سالانه برخی خدمات مبتنی بر مشتریان واقعی در این اکوسیستم از ۳۵ میلیون دلار در سپتامبر به بیش از ۵۰ میلیون دلار در اوایل اکتبر رسیده است.
همه پروژههای هوش مصنوعی و رمزارز ارزش سرمایهگذاری ندارند
ورود سرمایه به پروژههای مشترک هوش مصنوعی و بلاکچین، به معنای موفقیت همه آنها نیست. افزایش محبوبیت این حوزه میتواند زمینه را برای موجی از پروژههای تبلیغاتی نیز فراهم کند؛ پروژههایی که از واژه هوش مصنوعی برای جذب سرمایه استفاده میکنند، بدون آنکه محصول یا شبکهای واقعی داشته باشند.
برای تشخیص پروژههای جدی از نمونههای صرفاً تبلیغاتی، سه معیار اهمیت دارد:
۱. آیا پروژه واقعاً به توکن نیاز دارد؟
اگر یک شبکه بتواند تمام خدمات خود را بدون استفاده از توکن بومی ارائه دهد، باید پرسید توکن دقیقاً چه نقشی در اقتصاد آن دارد. برای مثال، در شبکه رندر پرداخت هزینه پردازش از طریق توکن انجام میشود. آکاش نیز از سازوکاری با عنوان تعادل سوزاندن و ضرب توکن استفاده میکند تا تقاضای خدمات پردازشی را به اقتصاد توکن پیوند دهد.
۲. آیا فعالیت شبکه قابل راستیآزمایی است؟
ادعای برخورداری از صدها هزار پردازنده گرافیکی، بهتنهایی نشاندهنده ظرفیت واقعی شبکه نیست. باید مشخص باشد چه تعداد از این سختافزارها فعالاند، چه میزان پردازش انجام میدهند و آیا نتایج کار آنها قابلبررسی است یا خیر.
۳. آیا مشتری واقعی برای خدمات وجود دارد؟
مهمترین پرسش این است که آیا کسی حاضر است برای محصول شبکه پول پرداخت کند؟ تعداد کاربران، ارزش بازار توکن و تبلیغات گسترده نمیتوانند جای درآمد واقعی را بگیرند.
برای نمونه، درآمد آکاش در سال ۲۰۲۵ حدود ۳ میلیون دلار برآورد شده و درآمد اجاره منابع پردازشی آن در سهماهه نخست ۲۰۲۶ به حدود ۲۵۳ هزار دلار رسیده است؛ رقمی که نسبت به فصل قبل ۴۵ درصد کاهش نشان میدهد. از مجموع ۳۳۴ پردازنده گرافیکی موجود نیز تنها ۸۴ مورد اجاره داده شده بود.
آیا سرمایه هوش مصنوعی میتواند محرک بعدی بازار کریپتو باشد؟
جابهجایی سرمایه از هوش مصنوعی به رمزارزها، اگر ادامه پیدا کند، میتواند چند پیامد مهم داشته باشد. ورود سرمایهگذاران ثروتمند و باتجربه به بازار کریپتو ممکن است تقاضا برای داراییهایی مانند بیتکوین و زیرساختهای مالی مبتنی بر بلاکچین را افزایش دهد. دوم اینکه پروژههای هوش مصنوعی غیرمتمرکز میتوانند از منابع مالی، نیروی انسانی و تجربه فنی افرادی بهره ببرند که پیشتر در شرکتهای بزرگ فناوری فعالیت داشتهاند.
شاید مهمترین تحول پیش رو نه رقابت هوش مصنوعی و رمزارزها، بلکه شکلگیری صنعتی باشد که در آن این دو فناوری به یکدیگر وابستهاند. هوش مصنوعی به قدرت پردازش، داده و زیرساخت مالی نیاز دارد و شبکههای بلاکچینی میتوانند راههایی تازه برای تامین، توزیع و پرداخت هزینه این منابع فراهم کنند.
در چنین شرایطی، برندگان احتمالی الزاماً پروژههایی نیستند که بیشترین هیاهو را ایجاد میکنند؛ بلکه شبکههایی خواهند بود که بتوانند مسئلهای واقعی را حل کنند، خدمات قابلسنجش ارائه دهند و مشتریانی داشته باشند که حاضرند برای آن خدمات هزینه بپردازند.
دلایل ریزش بیتکوین، اتریوم، ریپل و سولانا؛ منتظر چه چیزی باشیم؟
پیشبینی مسیر بیتکوین تا پایان سال؛ کدام سناریو محتملتر است: ۷۰، ۸۰ یا ۱۰۰ هزار دلار؟
اگر میدانستم قیمت این میمکوین جهش میکند جور دیگری رفتار میکردم
پیشبینی قیمت طلا و سکه فردا دوشنبه ۱۸ آبان ۱۴۰۵
پیشبینی مدیرعامل پالانتیر؛ تنها دو گروه شغلی از اتوماسیون هوش مصنوعی جان سالم به در میبرند
شرط بازگشت اتریوم به مدار صعودی؛ این سطوح کلیدی را زیر نظر بگیرید
شانس باورنکردنی ماینرهای خانگی؛ دریافت ۳۶ جایزه استخراج در سال ۲۰۲۶
آخرین قیمت طلا و سکه امروز ۱۷ آبان
هشدار: چتجیپیتی چطور داراییهای دیجیتال شما را در معرض خطر قرار میدهد؟
آیا ایلان ماسک همان ساتوشی ناکاموتوست؟ ماجرای بررسی سه نشانه پنهان در نوشتههای قدیمی
دیدگاهها (۰)