من سندات الرهن العقاري العقاري إلى سندات الرهن العقاري لـGPU، هل تتبع Nvidia خطى AIG؟

أفادت تقارير جديدة أن Nvidia تخطط مجددًا لتوريق أصول مراكز البيانات لديها، وهو ما قد يدفع طفرة قوة الحوسبة في مجال الذكاء الاصطناعي نحو مرحلة جديدة محفوفة بالمخاطر.

وفقًا لتحليل Simon White، استراتيجي الاقتصاد الكلي في Bloomberg، صفقة Nvidia الهادفة لتحويل مراكز البيانات إلى أصول قابلة للاستثمار قد تؤدي إلى فائض هائل في القدرة الإنتاجية ضمن قطاع قوة الحوسبة للذكاء الاصطناعي، خاصة في ظل التحول التدريجي نحو نموذج تسعير قائم على النتائج ليصبح معيارًا صناعيًا. يكمن المنطق الأساسي لهذا التقدير في أن التمويليّة بدأت تصنع إشارات طلب صناعية مضخمة صناعيًا وتخفي حالة التشبع في السوق — مشابهة تمامًا للفقاعة العقارية قبيل الأزمة المالية 2008.

يشير White إلى أن إطار التعاون بين Nvidia وكل من Apollo وBrookfield وKKR وBlackstone وBlackRock وGoldman Sachs يهدف إلى اجتذاب أكثر من 500 مليار دولار من رأس المال إلى ما يُسمى "مصانع الذكاء الاصطناعي". ستوفر Nvidia ضمانًا لاستعادة القيمة لأعلى 25% من وحدات المعالجة الرسومية (GPU) المستخدمة كضمان في بعض المعاملات. تشابهات هذه الخطوة مع فترة فقاعة الإسكان لا يمكن تجاهلها. ففي ذلك الوقت، باعت AIG تأمينًا على السندات ذات أولوية في عقود الدين المضمونة (CDO)، مما مكّن البنوك من تقليل انكشافها الرأسمالي وتوزيع المزيد من الديون السامة — حتى انتهت الأمور بارتفاع الترابط الشديد لحد تدخل الحكومات للإنقاذ.

تسارع المالية: لحظة AIG في سوق سندات GPU

يرى Simon White أن حمى البنية التحتية للذكاء الاصطناعي اليوم في حجمها قد تجاوزت فترات التوسع الكبرى للبنية التحتية في التاريخ مثل بناء الطرق السريعة الأمريكية في الستينات أو تمديد النطاق العريض في الألفية الثانية. ولضمان استمرارية هذا الزخم، شهدنا بالفعل العديد من صفقات التمويل المتقاطع والدعم المقدم من الموردين — بقيمة معاملات متعلقة بـ Nvidia وحدها بلغت 750 مليار دولار.

صرّح الرئيس التنفيذي لـ Nvidia، Jensen Huang، بوضوح أن هدف الشركة هو تحويل "قوة حوسبة مصانع الذكاء الاصطناعي" إلى فئة أصول قابلة للاستثمار. سوق الديون المدعومة بالـ GPU شهد هذا العام نموًا انفجاريًا، وهذه الاتفاقية الجديدة ستعمّق هذه العملية نحو التوريق والتوزيع. الشركاء سيوفرون رأس المال والخبرة في البنية التحتية ويدعمون عمليات التوريق والتوزيع.

من خلال تعزيز جاذبية هذه المعاملات، ستتيح Nvidia للسندات ذات الأولوية ضمن هيكل الديون الحصول على تصنيف ائتماني أعلى. في الوقت ذاته، قام مجلس الأوراق المالية والبورصات الأمريكي (SEC) بتخفيف القواعد التنظيمية لتوريق سندات مراكز البيانات. ويقارن White هذا باللحظة التي دخلت فيها صناديق التقاعد سوق الأزمة المالية — ما شكّل نقطة بداية لانتشار المخاطر على نطاق أوسع وللأزمة عينها.

من النظرة الأولى، قد تبدو مخاطر Nvidia محدودة. لكن White يذكرنا أن هذا كان هو اعتقاد AIG سابقًا — فمع مرور الوقت بدأت الشركة في تحمل المزيد من الالتزامات التي اعتبرتها آمنة ومربحة، حتى اكتشفت في نهاية المطاف أن زيادة الترابط في الضغوط الائتمانية بين المقترضين كانت كافية لتتحول إلى كارثة.

إشارات فائض الطاقة: اختلال العرض والطلب المُخفي بفعل السحر المالي

المخاوف المحورية لدى White تكمن في أن التمويليّة تعمل ممنهجة على إخفاء إشارات فائض القدرة الإنتاجية في السوق. كما حدث في أزمة الإسكان، من المرجح أن يؤدي جنون الإنفاق الرأسمالي الحالي إلى جذب المزيد من رؤوس الأموال المبالغ فيها بفعل سحر الأدوات المالية، مؤديًا إلى الإفراط في البناء، بينما من غير المرجح أن يتم الالتفات إلى مؤشرات وفرة الطاقة الحسابية.

على صعيد الطلب، يشير White إلى أن معايير القياس نفسها تشهد تحولًا جذريًا. معيار تأجير وحدات المعالجة الرسومية يتمثل في التكلفة لكل ساعة، أما في مرحلة الاستدلال فهو التكلفة لمعالجة كل token. لكن بالنسبة للمستخدم النهائي، المهم بشكل حقيقي هو النتائج المخرجة — كم من القيمة الذكية أحصل عليها مقابل كل دولار أنفقه، أو بشكل أوضح ما هي تكلفة إنجاز مهمة محددة؟

تكلفة الذكاء في انخفاض، لكن هذا التغير لم ينعكس فورًا على تسعير الـ GPU. فإذا أمكن لأحد النماذج تنفيذ نفس المهمة بعدد tokens أقل بعشر مرات بينما ظلت تكلفة الـ GPU لكل token ثابتة، فهذا يعني فعليًا أن كفاءة كل GPU زادت عشر مرات.

مع تلاشي مبدأ "تعظيم عدد الـ token" وتزايد الأدلة على أن النماذج يمكن أن تتفاوت في استهلاك الـ token لنفس المهمة بشكل كبير، بالإضافة إلى سهولة تعديل النماذج اللغوية الكبيرة (LLM) لاستهلاك المزيد من الـ token، يزداد إقبال المستخدمين من المؤسسات على نموذج التسعير القائم على النتائج. حالما يصبح هذا النمط هو السائد، سيضع ذلك ضغطًا على مقدمي النماذج لتقليل استهلاك الـ token، وبالتالي خفض أسعار تأجير الـ GPU.

الأمر الآخر المثير للاهتمام هو أن معدل الاستفادة الفعلي من الـ GPU بحسب التقارير منخفض للغاية. حيث أظهر تقرير Cast AI أن معدل الاستخدام المتوسط هو 5% فقط؛ أما ClearML فاكتشفت أن نحو نصف الشركات تضيع "ملايين الدولارات" على رقائق غير مستخدمة.

قيود مفارقة جيفونز: الاعتماد على المسار هو الخطر الحقيقي للسوق

في مواجهة هذه الحجج حول كفاءة رفع الطاقة الحسابية، غالبًا ما يكون رد المتفائلين بإنفاق رأس المال على الذكاء الاصطناعي هو مفارقة جيفونز (Jevons paradox): انخفاض تكلفة الذكاء المدعوم بالحوسبة سيؤدي حتمًا إلى ارتفاع الطلب بما يعوّض انخفاض الأسعار.

لكن White لا يقتنع بذلك. فهو يرى أن مفارقة جيفونز لا يمكن أن تستمر عبر جميع الأبعاد الزمنية، وبالنسبة للسوق فإن الاعتماد على المسار هو المفتاح. ويقدّر أنه في مرحلة تطوير الذكاء الاصطناعي التي تهيمن عليها النماذج اللغوية الكبيرة حاليًا، سيبدأ نمو الطلب على الذكاء (بدلًا من الطلب على الـ token) في التباطؤ عند المستويات السعرية الحالية ليصل في نهاية المطاف لدرجة كافية لتحفيز ثبات أو هبوط مستدام في تكاليف قوة الحوسبة.

بالنسبة للمقرضين، عندما تبدأ ترابط الضمانات في التراجع، بينما يتدهور متزامنًا الخطر الأساسي الآخر — وهو الجدارة الائتمانية للمقترضين — ستتراكم المخاطر بسرعة. عندها ستضطر Nvidia إلى تنفيذ التزامات التأمين الخاصة بها، بينما قد تتعثر معاملات تمويلية أخرى تخصها، ناهيك عن تراجع القيمة الجوهرية لمنتجاتها الأساسية. الشركات الأخرى التي تدعم هذه الموجة من الإنفاق الرأسمالي عبر ميزانياتها العمومية، مثل Google، تواجه مخاطر مماثلة.

كما كشفت أزمة الإسكان، متى ما بدأ الترابط، لا يتوقف لينتظر أحد. يستخلص White أن هذه الصفقة المقترحة من Nvidia تقرّب السوق خطوة أخرى من معاينة قوة الطبيعة المالية ذاتها مجددًا.