تفاوت حباب دات‌کام و حباب احتمالی AI چیست؟

مقدمه؛ چگونه ممکن است یک فناوری واقعی، سرمایه‌گذاری بدی باشد؟

پارادوکس اصلی بازارهای فناوری این است که «درست بودن آینده یک فناوری» الزاماً به معنای «منطقی بودن قیمت سهام شرکت‌های مرتبط با آن» نیست. اینترنت واقعاً جهان را تغییر داد، تجارت الکترونیک را گسترش داد و اقتصاد دیجیتال را ساخت؛ بااین‌حال، بسیاری از سرمایه‌گذارانی که در اوج حباب دات‌کام سهام فناوری خریدند، زیان‌های سنگینی متحمل شدند.

هوش مصنوعی نیز می‌تواند بهره‌وری شرکت‌ها را افزایش دهد، ساختار بازار کار را دگرگون کند و به یکی از مهم‌ترین فناوری‌های عمومی اقتصاد تبدیل شود؛ اما حتی تحقق این سناریو تضمین نمی‌کند که تمام سهام موسوم به AI بازده مطلوبی داشته باشند.

بنابراین، سؤال دقیق این نیست که «آیا هوش مصنوعی حباب است؟» سؤال بهتر این است:

آیا انتظاراتی که در قیمت سهام شرکت‌های هوش مصنوعی منعکس شده، سریع‌تر از درآمد، جریان نقدی و بازده واقعی سرمایه‌گذاری آن‌ها رشد کرده است؟

تفاوت حباب دات‌کام و حباب احتمالی AI را نیز باید در پاسخ به همین پرسش جست‌وجو کرد. حباب دات‌کام عمدتاً حول شرکت‌های جوان، زیان‌ده و وابسته به تأمین مالی خارجی شکل گرفت؛ در مقابل، موج AI را شرکت‌های بزرگی هدایت می‌کنند که درآمد، سود عملیاتی، زیرساخت ابری و جریان نقدی قابل‌توجه دارند. بااین‌حال، شدت سرمایه‌گذاری در تراشه، دیتاسنتر و انرژی می‌تواند نوع متفاوتی از حباب سرمایه‌گذاری را ایجاد کند.

خلاصه پاسخ این است: حباب دات‌کام بیشتر حباب شرکت‌های فاقد مدل کسب‌وکار پایدار بود؛ اما حباب احتمالی هوش مصنوعی می‌تواند حباب «انتظارات بیش‌ازحد از بازده سرمایه‌گذاری» باشد. فناوری AI ممکن است موفق شود، درحالی‌که بخشی از سهام و پروژه‌های مرتبط با آن شکست بخورند.

حباب مالی دقیقاً چیست؟

هر افزایش سریع قیمت را نمی‌توان حباب نامید. اگر سود شرکت‌ها، جریان نقدی و ظرفیت تولید نیز هم‌زمان رشد کنند، صعود قیمت می‌تواند تا حدی با عوامل بنیادی توجیه شود.

حباب زمانی شکل می‌گیرد که قیمت دارایی بیش از آنکه به جریان نقدی قابل‌اندازه‌گیری وابسته باشد، بر این فرض استوار شود که سرمایه‌گذار بعدی حاضر است آن را با قیمت بالاتری بخرد. در چنین شرایطی معمولاً چند نشانه مشاهده می‌شود:

• روایت جذاب جای تحلیل جریان نقدی را می‌گیرد.
• معیارهای سنتی ارزش‌گذاری «منسوخ» اعلام می‌شوند.
• هزینه سرمایه و ریسک رقابت نادیده گرفته می‌شود.
• رشد تعداد کاربران به‌جای سودآوری معیار اصلی ارزش‌گذاری می‌شود.
• شرکت‌ها برای حفظ رشد به سرمایه‌گذاری فزاینده نیاز پیدا می‌کنند.
• تفاوت میان شرکت‌های باکیفیت و شرکت‌های ضعیف در قیمت‌گذاری کاهش می‌یابد.
• سرمایه‌گذاران از ترس جاماندن وارد بازار می‌شوند.

وجود یک فناوری انقلابی با وجود حباب تناقض ندارد. حتی می‌توان گفت فناوری‌های تحول‌آفرین به دلیل دشواری برآورد اندازه بازار، زمان تجاری‌سازی و سهم برندگان، محیط مناسبی برای شکل‌گیری انتظارات افراطی ایجاد می‌کنند.

حباب دات‌کام چگونه شکل گرفت؟

در نیمه دوم دهه ۱۹۹۰، اینترنت از یک فناوری تخصصی به یک روایت اقتصادی فراگیر تبدیل شد. سرمایه‌گذاران تصور می‌کردند تقریباً هر شرکتی که فعالیت خود را به اینترنت مرتبط کند، می‌تواند از رشد اقتصاد دیجیتال بهره ببرد.

این فرض در سطح فناوری درست بود؛ اما در سطح سرمایه‌گذاری، سه خطای مهم رخ داد:

1. اندازه بازار آینده با سهم هر شرکت از آن بازار اشتباه گرفته شد.
2. رشد کاربران بدون توجه به هزینه جذب مشتری و سودآوری ارزش‌گذاری شد.
3. مزیت پیشگامی دائمی فرض شد، درحالی‌که ورود رقبا بسیار آسان بود.

بر اساس بررسی فدرال رزرو، قیمت سهام شرکت‌های دات‌کام در فاصله ۱۹۹۶ تا ۱۹۹۹ بیش از ۲۰۰ درصد افزایش یافت و شاخص نزدک نیز حدود ۲۱۵ درصد رشد کرد. در اوج این دوره بیش از هزار شرکت بورسی با عنوان دات‌کام شناخته می‌شدند؛ بسیاری از آن‌ها درآمد ناچیز و مدل کسب‌وکار آزمایش‌نشده داشتند. حتی افزودن عبارت «دات‌کام» به نام بعضی شرکت‌ها می‌توانست واکنش مثبت بازار را تحریک کند. بررسی تاریخی فدرال رزرو درباره دات‌کام و AI

پس از تغییر انتظارات، شاخص نزدک از اوج خود در سال ۲۰۰۰ تا کف ثبت‌شده در سال ۲۰۰۲ حدود ۷۸ درصد افت کرد. این محاسبه بر پایه داده‌های تاریخی شاخص نزدک در پایگاه FRED انجام می‌شود.

نکته مهم آن است که اینترنت پس از این سقوط از بین نرفت. برعکس، استفاده از اینترنت، تجارت الکترونیک، تبلیغات دیجیتال و خدمات ابری در دهه‌های بعد گسترش یافت. آنچه سقوط کرد، فناوری اینترنت نبود؛ بلکه قیمت‌گذاری غیرواقع‌بینانه شرکت‌هایی بود که قرار بود از آن استفاده کنند.

حباب احتمالی AI چگونه شکل می‌گیرد؟

موج هوش مصنوعی ساختاری چندلایه دارد. بخشی از سرمایه به تولیدکنندگان تراشه و تجهیزات شبکه می‌رود. بخشی دیگر صرف زیرساخت ابری، دیتاسنتر و تولید برق می‌شود. توسعه‌دهندگان مدل‌های بنیادی نیز برای آموزش و اجرای مدل‌ها به سرمایه هنگفت نیاز دارند. در لایه بعد، شرکت‌های نرم‌افزاری تلاش می‌کنند AI را به محصول قابل‌فروش تبدیل کنند.

در نتیجه، حباب احتمالی AI لزوماً به شکل ورشکستگی هزاران شرکت بورسی ظاهر نمی‌شود. این حباب می‌تواند در یکی از چهار نقطه متمرکز شود:

• ارزش‌گذاری بسیار بالای تأمین‌کنندگان زیرساخت؛
• سرمایه‌گذاری بیش‌ازحد شرکت‌های ابری در ظرفیت محاسباتی؛
• ارزش‌گذاری استارتاپ‌هایی که فاقد مزیت دفاع‌پذیر هستند؛
• قیمت‌گذاری سهامی که رشد سود چندساله را از قبل منعکس کرده‌اند.

داده‌های مؤسسه هوش مصنوعی انسان‌محور استنفورد نشان می‌دهد سرمایه‌گذاری شرکتی در AI در میانه دهه ۲۰۲۰ به بیش از ۲۵۰ میلیارد دلار در سال رسید. سرمایه‌گذاری خصوصی در هوش مصنوعی مولد نیز به حدود ۳۴ میلیارد دلار افزایش یافت و بیش از هشت برابر سطح ثبت‌شده در ابتدای دهه شد. گزارش اقتصادی AI Index استنفورد

این ارقام تقاضای واقعی برای فناوری را نشان می‌دهند؛ اما افزایش سرمایه‌گذاری به‌تنهایی سودآوری را اثبات نمی‌کند. مسئله اصلی این است که آیا درآمد حاصل از AI می‌تواند هزینه تراشه، انرژی، شبکه، نیروی انسانی، استهلاک و ارتقای مداوم زیرساخت را پوشش دهد یا خیر.

تحلیل فنی تفاوت حباب دات‌کام و حباب AI

تفاوت اول؛ کیفیت شرکت‌های رهبر

مهم‌ترین تفاوت حباب دات‌کام و حباب AI به کیفیت شرکت‌هایی مربوط می‌شود که موج صعود را هدایت می‌کنند.

در دوره دات‌کام، بسیاری از شرکت‌ها پیش از اثبات مدل کسب‌وکار وارد بورس می‌شدند. رشد ترافیک وب یا تعداد کاربران، جای درآمد و سود را گرفته بود. برخی شرکت‌ها برای ادامه فعالیت به عرضه مجدد سهام و ورود مداوم سرمایه تازه نیاز داشتند. توقف تأمین مالی می‌توانست مستقیماً آن‌ها را به ورشکستگی برساند.

در موج AI، بخش بزرگی از سرمایه‌گذاری زیرساختی را شرکت‌هایی انجام می‌دهند که پیش از گسترش هوش مصنوعی نیز درآمدهای کلان، کسب‌وکار ابری، تبلیغات دیجیتال، نرم‌افزار سازمانی یا پلتفرم‌های گسترده داشته‌اند. این شرکت‌ها می‌توانند زیان یک پروژه AI را از درآمد سایر بخش‌ها پوشش دهند.

فدرال رزرو نیز در مقایسه این دو دوره تأکید کرده است که شرکت‌های اصلی مرتبط با AI عموماً جریان سود تثبیت‌شده دارند و نسبت‌های قیمت به سود آن‌ها از اوج‌های حباب دات‌کام پایین‌تر بوده است.

بااین‌حال، سودآور بودن شرکت با ارزان بودن سهم آن تفاوت دارد. حتی بهترین شرکت جهان نیز اگر با قیمتی خریداری شود که ده سال رشد فوق‌العاده را پیش‌خور کرده باشد، می‌تواند سرمایه‌گذاری ضعیفی باشد.

تفاوت دوم؛ مسئله AI نبود درآمد نیست، بلکه بازده سرمایه است

در حباب دات‌کام، پرسش اصلی این بود که آیا بسیاری از شرکت‌ها می‌توانند به درآمد پایدار برسند. درباره غول‌های AI، پرسش پیچیده‌تر است:

آیا درآمد افزوده‌شده توسط هوش مصنوعی، بازدهی بالاتر از هزینه سرمایه ایجاد خواهد کرد؟

فرض کنید یک شرکت برای توسعه دیتاسنتر، تراشه و شبکه ۱۰۰ میلیارد دلار سرمایه‌گذاری کند و از این ظرفیت ۱۵ میلیارد دلار جریان نقدی عملیاتی سالانه به دست آورد. این پروژه در نگاه اول سودآور به نظر می‌رسد؛ اما برای ارزیابی واقعی باید هزینه استهلاک، مالیات، مصرف انرژی، نگهداری، ارتقای پردازنده‌ها و هزینه سرمایه را نیز لحاظ کرد.

اگر پردازنده‌هایی که شرکت طی چند سال مستهلک می‌کند، از نظر اقتصادی زودتر قدیمی شوند، سود حسابداری می‌تواند تصویری خوش‌بینانه‌تر از بازده واقعی ارائه دهد.

صندوق بین‌المللی پول نیز درباره حساسیت سودآوری شرکت‌های AI به فرض‌های استهلاک پردازنده‌ها هشدار داده است. ارتقای سریع سخت‌افزار می‌تواند حاشیه سود را کاهش دهد و نیاز به تأمین مالی بیشتر ایجاد کند. تحلیل صندوق بین‌المللی پول از موج سرمایه‌گذاری فناوری

تفاوت سوم؛ AI بیش از دات‌کام سرمایه‌بر است

شرکت‌های اینترنتی اولیه می‌توانستند با نیروی انسانی محدود، چند سرور و سرمایه نسبتاً اندک فعالیت خود را آغاز کنند. بسیاری از کاربردهای AI نیز از نظر نرم‌افزاری سبک هستند؛ اما ساخت مدل‌های بنیادی و ارائه خدمات در مقیاس بزرگ به سرمایه بسیار بیشتری نیاز دارد.

این سرمایه‌گذاری شامل موارد زیر است:

• پردازنده‌های گرافیکی و شتاب‌دهنده‌های تخصصی؛
• شبکه‌های پرسرعت داخلی؛
• دیتاسنتر و سیستم‌های خنک‌کننده؛
• برق پایدار و ظرفیت اتصال به شبکه؛
• آموزش مدل و اجرای استنتاج؛
• نیروی متخصص و دسترسی به داده؛
• ارتقای مداوم نسل سخت‌افزار.

آژانس بین‌المللی انرژی برآورد کرده است که سرمایه‌گذاری سالانه در دیتاسنترها در میانه دهه ۲۰۲۰ به حدود نیم‌تریلیون دلار رسیده است. مصرف برق جهانی دیتاسنترها نیز در سناریوی پایه می‌تواند تا پایان دهه تقریباً دو برابر شود. گزارش انرژی و AI آژانس بین‌المللی انرژی

این ویژگی دو پیام متضاد دارد. از یک‌سو، نیاز به سرمایه بالا موانع ورود ایجاد می‌کند و از موقعیت شرکت‌های بزرگ محافظت می‌کند. از سوی دیگر، اگر تقاضا کمتر از پیش‌بینی باشد، ظرفیت مازاد و افت بازده سرمایه می‌تواند فشار شدیدی بر سودآوری وارد کند.

این همان نقطه‌ای است که موج AI به سرمایه‌گذاری مخابراتی دوره دات‌کام شباهت پیدا می‌کند. فدرال رزرو گزارش کرده بود که پس از جهش سرمایه‌گذاری فناوری در اواخر دهه ۱۹۹۰، رشد هزینه‌کرد تجهیزات ارتباطی از حدود ۲۵ درصد به کاهش سالانه بیش از ۳۰ درصد رسید. بررسی فدرال رزرو درباره مازاد سرمایه‌گذاری فناوری

تفاوت چهارم؛ استفاده از AI واقعی است، اما عمق درآمدزایی هنوز یکسان نیست

یکی از استدلال‌های موافق ارزش‌گذاری سهام AI، گسترش سریع استفاده سازمانی از این فناوری است. این استدلال بی‌پایه نیست؛ بااین‌حال، تعریف «استفاده» اهمیت زیادی دارد.

در نظرسنجی‌های گسترده، استفاده آزمایشی از یک دستیار متنی نیز می‌تواند به‌عنوان پذیرش AI ثبت شود. در مقابل، آمارهایی که فقط استفاده مستقیم از AI در تولید کالا یا خدمت را اندازه‌گیری می‌کنند، نرخ پایین‌تری نشان می‌دهند.

داده‌های جدول از AI Index استنفورد و پژوهش اداره سرشماری آمریکا درباره استفاده بنگاه‌ها از AI استخراج شده‌اند. تفاوت ارقام تناقض نیست؛ هر پژوهش تعریف متفاوتی از پذیرش هوش مصنوعی دارد.

برای سرمایه‌گذار، معیار مهم نباید صرفاً تعداد کاربران یک ابزار باشد. باید بررسی شود که استفاده از AI چه مقدار درآمد اضافه، کاهش هزینه، حفظ مشتری یا افزایش بهره‌وری ایجاد کرده است.

تفاوت پنجم؛ برندگان AI ممکن است مشتریان آن باشند

در حباب دات‌کام، بخش بزرگی از ارزش اقتصادی اینترنت در نهایت به شرکت‌هایی رسید که توانستند شبکه، مقیاس، برند و مدل درآمدی پایدار ایجاد کنند. بسیاری از شرکت‌هایی که زیرساخت اینترنت را ساختند یا نخستین خدمات آنلاین را عرضه کردند، سهم متناسبی از ارزش نهایی به دست نیاوردند.

همین احتمال درباره هوش مصنوعی نیز وجود دارد. کاهش قیمت مدل‌ها و هزینه استنتاج می‌تواند استفاده از AI را گسترش دهد؛ اما هم‌زمان حاشیه سود توسعه‌دهندگان مدل را کاهش دهد.

ممکن است بزرگ‌ترین برندگان اقتصادی AI نه تولیدکنندگان مدل، بلکه شرکت‌هایی باشند که از مدل‌های ارزان برای کاهش هزینه‌های خود استفاده می‌کنند. در چنین سناریویی:

• فناوری AI موفق می‌شود؛
• مصرف‌کنندگان و بنگاه‌ها بهره‌وری بیشتری به دست می‌آورند؛
• قیمت خدمات AI کاهش می‌یابد؛
• اما بعضی از توسعه‌دهندگان مدل به سود مورد انتظار نمی‌رسند.

این الگو یادآور صنعت هواپیمایی است: هواپیما جهان را متحول کرد، ولی رقابت، هزینه سرمایه و ساختار اقتصادی صنعت باعث نشد تمام شرکت‌های هواپیمایی سرمایه‌گذاری‌های فوق‌العاده‌ای باشند.

تفاوت ششم؛ تمرکز بازار در موج AI بیشتر است

در دوره دات‌کام، سرمایه میان تعداد زیادی شرکت کوچک و عرضه‌های اولیه توزیع شده بود. موج AI در بازار عمومی بیشتر به گروه محدودی از شرکت‌های بزرگ وابسته است.

تمرکز بالا از دو جهت اهمیت دارد. نخست اینکه شرکت‌های بزرگ توانایی مالی بیشتری برای ادامه سرمایه‌گذاری دارند و احتمال ورشکستگی ناگهانی آن‌ها کمتر است. دوم اینکه وزن بالای همین شرکت‌ها در شاخص‌های سهام باعث می‌شود اصلاح قیمت تعداد محدودی سهم، اثر بزرگی بر کل بازار بگذارد.

بنابراین، ریسک احتمالی AI ممکن است کمتر به شکل ورشکستگی انبوه شرکت‌ها و بیشتر به شکل «کاهش هم‌زمان ضریب ارزش‌گذاری شرکت‌های بزرگ» ظاهر شود. حتی اگر سود این شرکت‌ها کاهش پیدا نکند، پایین آمدن نسبت قیمت به سود می‌تواند افت قابل‌توجهی در شاخص‌ها ایجاد کند.

برای مثال، اگر سود یک شرکت ۱۵ درصد رشد کند اما نسبت قیمت به سود آن از ۴۰ به ۲۸ کاهش یابد، قیمت سهم می‌تواند با وجود رشد سود افت کند. این همان ریسکی است که سرمایه‌گذاران متمرکز بر داستان رشد معمولاً نادیده می‌گیرند.

شباهت اصلی؛ سرمایه‌گذاری بیش‌ازحد می‌تواند زیرساخت مفید بسازد

مهم‌ترین شباهت میان دات‌کام و AI این نیست که هر دو با افزایش قیمت سهام همراه شده‌اند؛ بلکه هر دو می‌توانند به ظرفیت‌سازی بیش‌ازحد منجر شوند.

در دوره اینترنت، شرکت‌ها سرمایه هنگفتی در فیبر نوری، تجهیزات ارتباطی و دیتاسنترها سرمایه‌گذاری کردند. بخشی از این ظرفیت برای تقاضای آن دوره بیش‌ازحد بود. در نتیجه، سرمایه‌گذاران اولیه زیان کردند؛ اما اقتصاد سال‌های بعد از همان زیرساخت ارزان استفاده کرد.

ممکن است در AI نیز اتفاق مشابهی رخ دهد. شرکت‌ها دیتاسنتر، تراشه و ظرفیت برق بیشتری از نیاز کوتاه‌مدت ایجاد کنند. کاهش قیمت ظرفیت محاسباتی می‌تواند به شرکت‌های زیرساختی آسیب بزند، اما هم‌زمان زمینه را برای رشد نرم‌افزارها و کاربردهای جدید فراهم کند.

بنابراین، ظرفیت مازاد می‌تواند برای جامعه مفید و برای تأمین‌کننده سرمایه زیان‌آور باشد. بازار سهام بازده اجتماعی فناوری را قیمت‌گذاری نمی‌کند؛ بلکه سهم هر شرکت از جریان نقدی آینده را قیمت‌گذاری می‌کند.

آیا AI از نظر ارزش‌گذاری به دات‌کام رسیده است؟

پاسخ یکسانی برای تمام شرکت‌ها وجود ندارد. ارزیابی حباب باید در سطح هر لایه انجام شود:

در بررسی فدرال رزرو، افزایش قیمت سهام شرکت‌های مرتبط با AI از جهاتی به دات‌کام شباهت دارد؛ اما نسبت‌های ارزش‌گذاری، کیفیت سود و تعداد شرکت‌های سفته‌بازانه هنوز با اوج دات‌کام یکسان نیست. صندوق بین‌المللی پول نیز در یک برآورد، میزان بیش‌ارزش‌گذاری شاخص گسترده سهام آمریکا را حدود نصف دوره دات‌کام ارزیابی کرده است؛ هرچند تمرکز بالای بازار و افزایش تأمین مالی بدهی را از عوامل آسیب‌پذیری می‌داند.

این ارزیابی به معنای نبود حباب در تک‌سهم‌ها یا بازار خصوصی نیست. ممکن است شاخص کلی در محدوده‌ای پایین‌تر از دات‌کام قرار داشته باشد، اما بعضی شرکت‌ها بر مبنای سناریوهایی قیمت‌گذاری شده باشند که تقریباً هیچ حاشیه خطایی ندارند.

چگونه حباب احتمالی AI تخلیه می‌شود؟

ترکیدن حباب الزاماً به سقوطی مشابه نزدک در فاصله ۲۰۰۰ تا ۲۰۰۲ نیاز ندارد. تعدیل می‌تواند از مسیرهای مختلف اتفاق بیفتد.

کاهش ضریب ارزش‌گذاری

سود شرکت رشد می‌کند، اما بازار حاضر نیست نسبت قیمت به سود قبلی را بپردازد. سهم بدون رکود عملیاتی شدید وارد اصلاح می‌شود.

رکود زمانی قیمت

قیمت سهم چند سال تقریباً ثابت می‌ماند تا سود شرکت به ارزش‌گذاری قبلی برسد. در این حالت اصلاح از طریق زمان انجام می‌شود، نه سقوط ناگهانی.

کاهش سرمایه‌گذاری زیرساختی

شرکت‌های ابری پس از ایجاد ظرفیت کافی، سفارش تراشه و تجهیزات را کاهش می‌دهند. این اتفاق می‌تواند سود تأمین‌کنندگان بالادستی را تحت فشار قرار دهد، حتی اگر استفاده از AI همچنان افزایش یابد.

رقابت قیمتی

مدل‌های ارزان‌تر و متن‌باز، قیمت خدمات AI را کاهش می‌دهند. تقاضا رشد می‌کند، اما حاشیه سود توسعه‌دهندگان مدل کمتر می‌شود.

شکست درآمدزایی

شرکت‌ها AI را آزمایش می‌کنند، اما حاضر نیستند هزینه کافی برای آن بپردازند. در این شرایط، فاصله میان نرخ استفاده و درآمد قابل‌تحقق آشکار می‌شود.

افزایش هزینه سرمایه

دیتاسنترها پروژه‌هایی بلندمدت و سرمایه‌بر هستند. افزایش بازده مورد انتظار سرمایه‌گذاران یا سخت‌تر شدن شرایط اعتباری، ارزش فعلی جریان‌های نقدی دوردست را کاهش می‌دهد.

شاخص‌های تشخیص حباب هوش مصنوعی

سرمایه‌گذار نباید صرفاً رشد قیمت یا تکرار واژه AI در گزارش شرکت را معیار قرار دهد. ترکیب چند شاخص بنیادی تصویر دقیق‌تری ارائه می‌کند.

دیدگاه مخالف؛ چرا شاید مقایسه AI با دات‌کام اشتباه باشد؟

از زاویه مخالف، مقایسه موج AI با دات‌کام می‌تواند بیش‌ازحد بدبینانه باشد. شرکت‌های اصلی این دوره نه‌تنها سودآورند، بلکه شبکه توزیع، مشتریان سازمانی، داده، زیرساخت ابری و نقدینگی لازم برای تجاری‌سازی فناوری را نیز در اختیار دارند. استفاده از AI از مرحله یک وب‌سایت نمایشی فراتر رفته و وارد برنامه‌نویسی، تبلیغات، تحلیل داده، خدمات مشتری و فرایندهای سازمانی شده است. کاهش هزینه مدل‌ها نیز می‌تواند بازار را کوچک نکند، بلکه تقاضا را چند برابر سازد. در این سناریو، سرمایه‌گذاری سنگین دیتاسنتر مشابه ساخت شبکه برق یا اینترنت خواهد بود: هزینه اولیه بسیار بالاست، اما ظرفیت ایجادشده در سال‌های بعد جریان نقدی و بهره‌وری گسترده‌ای تولید می‌کند. بنابراین، بخشی از ارزش‌گذاری‌های بالا ممکن است انعکاس زودهنگام یک تغییر ساختاری واقعی باشد، نه نشانه قطعی حباب.

جمع‌بندی استراتژیک؛ تریدر چه درسی باید بگیرد؟

مهم‌ترین درس دات‌کام این نیست که باید با مشاهده رشد سریع سهام فناوری فوراً وارد موقعیت فروش شد. بازار می‌تواند مدت طولانی‌تر از توان مالی معامله‌گر در وضعیت خوش‌بینی باقی بماند. از طرف دیگر، واقعی بودن فناوری نیز نباید بهانه‌ای برای خرید سهام با هر قیمتی باشد.

برای معامله‌گر و سرمایه‌گذار، چند اصل اهمیت بیشتری دارد:

1. فناوری را از سهم جدا کنید. موفقیت AI الزاماً موفقیت تمام شرکت‌های AI نیست.
2. شرکت را از قیمت جدا کنید. یک شرکت عالی می‌تواند در قیمت نامناسب، سرمایه‌گذاری بدی باشد.
3. درآمد AI را از درآمد قدیمی شرکت تفکیک کنید. رشد سود یک غول فناوری ممکن است از تبلیغات، ابر یا نرم‌افزار سنتی آمده باشد، نه از هوش مصنوعی.
4. جریان نقدی آزاد را پس از Capex بررسی کنید. سود عملیاتی بدون توجه به هزینه ساخت دیتاسنتر تصویر ناقصی ارائه می‌کند.
5. روی بازده سرمایه تمرکز کنید. رشد هزینه‌کرد زمانی ارزش‌آفرین است که بازده آن از هزینه سرمایه بیشتر باشد.
6. سناریوی شکست را محاسبه کنید. سهمی که فقط در سناریوی رشد کامل ارزنده است، حاشیه امنیت ندارد.
7. میان لایه‌های زنجیره AI تنوع ایجاد کنید. اقتصاد تراشه، ابر، مدل، نرم‌افزار و انرژی یکسان نیست.
8. از اهرم سنگین پرهیز کنید. اصلاح ناشی از کاهش ضریب ارزش‌گذاری می‌تواند بدون انتشار خبر منفی بزرگ رخ دهد.
9. به واگرایی میان Capex و درآمد حساس باشید. اگر سرمایه‌گذاری چند برابر سریع‌تر از درآمد مرتبط با AI رشد کند، احتمال ظرفیت مازاد افزایش می‌یابد.
10. روند قیمت را جای تحلیل بنیادی ننشانید. مومنتوم برای زمان‌بندی معامله مفید است، اما ارزش اقتصادی یک پروژه را اثبات نمی‌کند.

نتیجه نهایی این است که حباب احتمالی AI تکرار دقیق حباب دات‌کام نیست. حباب دات‌کام عمدتاً از شرکت‌های جوان، سودهای خیالی و تأمین مالی آسان ساخته شده بود؛ اما ریسک AI بیشتر در قیمت‌گذاری انتظارات بلندمدت، سرمایه‌گذاری سنگین زیرساختی، استهلاک سریع تجهیزات و تمرکز بازار قرار دارد.

در دات‌کام، بسیاری از شرکت‌ها پیش از رسیدن به سود از بین رفتند. در سناریوی اصلاح AI، شرکت‌های بزرگ ممکن است همچنان سودآور بمانند، اما سهام آن‌ها به دلیل کاهش انتظارات و نسبت‌های ارزش‌گذاری افت کند.

بنابراین، گزاره استراتژیک برای تریدر چنین است:

هوش مصنوعی می‌تواند یکی از موفق‌ترین فناوری‌های اقتصادی باشد و هم‌زمان بخشی از سهام مرتبط با آن، یکی از ضعیف‌ترین سرمایه‌گذاری‌ها در قیمت‌های نامناسب محسوب شود. تشخیص تفاوت میان «رشد واقعی فناوری» و «رشد پیش‌خورشده در قیمت» مهم‌ترین مهارت برای عبور از این چرخه است.