سِمی‌آنالیز بحران قدرت پردازشی را تحلیل می‌کند: اوپن‌ای‌آی و آنتروپیک در حال تصاحب قدرت پردازشی جدید جهانی هستند
Tapbit Wireدر ۳ نوامبر، دیلان پاتل، بنیان‌گذار و مدیرعامل شرکت تحقیقات نیمه‌هادی سِمی‌آنالیز، در کنفرانس Runtime 2026 سخنرانی کرد و بر قدرت پردازشی، سرمایه و ذینفعان واقعی تأمین آن تمرکز نمود.
وی اعلام کرد که اوپن‌ای‌آی و آنتروپیک حجم قابل‌توجهی از قدرت پردازشی را رزرو کرده‌اند؛ این دو شرکت حدود ۲۵ تا ۴۰ درصد از قدرت پردازشی جدید قابل‌دسترس در سال ۲۰۲۷ را به خود اختصاص داده‌اند. تحت فشار تقاضا، قیمت قرارداد یک‌ساله تراشه‌های مرکز داده انویدیا H100 از حداقل ۱٫۷۰ دلار در ساعت در اکتبر گذشته به حدود ۲٫۸۰ دلار رسیده است. برای سایر شرکت‌ها، توانایی پرداخت هزینه قدرت پردازشی لزوماً به معنای دسترسی واقعی به آن نیست.
سرمایه‌گذاری نیز فشرده شده است: در دو ماه گذشته، بازده اوراق خزانه آمریکا به‌طور چشمگیری افزایش یافته و بازده ده‌ساله در اوایل اکتبر از ۵ درصد فراتر رفته است؛ این امر تأمین مالی برای ارائه‌دهندگان ابری نوظهور که برای ساخت مراکز داده وابسته به وام‌گیری هستند را دشوارتر کرده است.
این سخنرانی هفت روز پس از ثبت عمومی فرم S-1 توسط آنتروپیک انجام شد و بازار تازه شاهد حساب‌های قدرت پردازشی پشت یکی از پیشروترین آزمایشگاه‌ها بود. پاتل اشاره کرد که انویدیا حدود ۶٫۵ گیگاوات از قدرت پردازشی را پشتیبانی کرده است، اما این مقدار تنها بخش کوچکی از قدرت پردازشی جدید قبل از سال ۲۰۳۰ است که وی آن را «قطره‌ای در دریا» توصیف کرد.
۰۱ بخش بزرگی از قدرت پردازشی جدید توسط دو آزمایشگاه رزرو شده است
تنگی قدرت پردازشی از تمرکز خریداران ناشی می‌شود. قدرت پردازشی جهانی به‌سرعت در حال افزایش است: حدود ۶۰ گیگاوات تا پایان سال ۲۰۲۴، بیش از ۱۰۰ گیگاوات تا پایان امسال و تقریباً دوبرابر شدن در دو سال. پاتل اظهار داشت:
«تا پایان سال ۲۰۲۴، ۶۰ گیگاوات قدرت پردازشی جهانی وجود خواهد داشت و تا پایان امسال این مقدار از ۱۰۰ گیگاوات فراتر خواهد رفت؛ یعنی در دو سال دوبرابر می‌شود.»
بزرگ‌ترین خریداران این قدرت پردازشی اضافی، اوپن‌ای‌آی و آنتروپیک هستند. مجموع قدرت پردازشی این دو شرکت در پایان سال گذشته حدود ۴ گیگاوات، امسال حدود ۱۰ گیگاوات و در سال آینده انتظار می‌رود از ۲۰ گیگاوات فراتر رود. در قالب افزایش سالانه، این دو شرکت در سال ۲۰۲۷ حدود ۱۲ گیگاوات اضافه خواهند کرد، درحالی‌که افزایش کل جهانی آن سال حدود ۴۰ گیگاوات است که معادل حدود ۳۰ درصد می‌شود. پاتل پیش‌بینی کرده است که در سال ۲۰۲۸، آزمایشگاه‌های هوش مصنوعی نیازمند افزودن حدود ۳۰ گیگاوات در یک سال خواهند بود.
پاتل تخمین زد:
«آنها ۲۵، ۳۰ یا ۴۰ درصد از قدرت پردازشی جدید را در اختیار دارند.»
«در پایان سال گذشته، درآمد اوپن‌ای‌آی و آنتروپیک با رونمایی کلاود کُد افزایش چشمگیری یافت و این امر باعث شد که این دو شرکت به‌صورت گسترده قدرت پردازشی را خریداری کنند؛ متا نیز خرید گسترده‌ای را آغاز کرد.»
«برای بسیاری از افراد امروزه خرید قدرت پردازشی اصلاً امکان‌پذیر نیست.»
جزئیات دیگری که ارزش توجه دارد این است که این قدرت پردازشی عمدتاً برای آموزش مدل‌ها و نه برای پاسخگویی به کاربران (استنتاج) استفاده می‌شود. پاتل اشاره کرد که آنتروپیک در حال حاضر ۴ گیگاوات قدرت پردازشی دارد، اما تنها حدود ۱ گیگاوات از آن برای پاسخگویی به کل کلاود کُد صرف می‌شود و قدرت پردازشی مصرفی در استنتاج «به‌صورت غیرمعمول کم» است نسبت به آموزش. این بدان معناست که حتی اگر تقاضای کاربران پایدار شود، بودجه آزمایشگاه‌ها برای آموزش مدل‌های جدید به‌طور مداوم تراشه‌ها را مصرف خواهد کرد.
۰۲ ارائه خدمات استنتاج برای مدل‌های متن‌باز بسیار سودآور است و قیمت‌های اجاره را افزایش می‌دهد
با افزایش تعداد خریداران، قیمت‌ها افزایش می‌یابد. پاتل معتقد است عامل دیگری که قیمت‌های اجاره‌ای را بالا می‌برد، حاشیه سود بالای کسب‌وکار فروش توکن‌ها (واحد اندازه‌گیری خروجی‌های مدل) است؛ یعنی تعداد زیادی افراد آماده‌اند برای اجاره واحدهای GPU با قیمت‌های بالا پرداخت کنند، نه صرفاً دو آزمایشگاه.
او محاسباتی بر اساس مگاوات ارائه داد: ساخت یک خوشه B300 با در نظر گرفتن هزینه‌های ساخت و پنج سال عملیات، حدود ۹ میلیون دلار در سال می‌شود؛ اما اجاره از ارائه‌دهندگان ابری «اگر بتوانید سالانه ۱۴ میلیون دلار دریافت کنید، خوشبخت محسوب می‌شوید.» از سوی دیگر، استفاده از این یک مگاوات توان محاسباتی برای اجرای مدل منبع‌باز DeepSeek V4.1 Flash با بهره‌وری ۶۰٪، درآمد سالانه‌ای حدود ۷۰ میلیون دلار ایجاد می‌کند. این یعنی حتی اگر قیمت اجاره ۵۰٪ بالاتر از هزینه ساخت خودرویی باشد، درآمد حاصل از فروش استنتاج همچنان پنج برابر هزینه اجاره خواهد بود. (این ۷۰ میلیون دلار درآمد است، نه سود خالص و هزینه‌های نیروی کار و سایر موارد در آن لحاظ نشده است.) او گفت:
«حتی اگر بهره‌وری را تنها ۳۰٪ در نظر بگیرید، باز هم سود غیرمعقولی کسب خواهید کرد.»
«من ده‌ها نفر را می‌شناسم که کسب‌وکارشان اجاره برخی واحدهای GPU و سپس فروش استنتاج است و سود فراوانی کرده‌اند.»
این محاسبات بر اساس بنچمارک InferenceX که توسط SemiAnalysis منبع‌باز شده است، انجام شده و از ظروفی که هرکسی می‌تواند دانلود کند استفاده می‌کند؛ تنها دو نرم‌افزار استنتاج منبع‌باز vLLM و SGLang به کار رفته‌اند و تیمی از «تنها چهار مهندس» بدون استفاده از روش‌های رمزگشایی پیش‌بینانه یا بهینه‌سازی بیشتر، این کار را انجام داده است.
داده‌های قیمتی نیز با این استدلال همسو است. پاتل اعلام کرد که اکتبر گذشته نقطه کمینه بود: قیمت H100 حدود ۱٫۷۰ دلار و پایین‌ترین قیمت یافت‌شده ۱٫۴۵ دلار بود؛ اکنون قیمت معاملاتی بین ۲٫۴۰ تا ۳٫۲۰ دلار است و میانه آن ۲٫۸۰ دلار است:
«اگر دو سال پیش در این قیمت قرارداد امضا می‌کردید، دیوانه تلقی می‌شدید؛ اما امروز مردم عجله دارند تا در این محدوده قرارداد امضا کنند.»
شاخص قرارداد یک‌ساله خود SemiAnalysis از مارس امسال ۲٫۳۵ دلار بود و قیمت‌های لیست‌شده از ارائه‌دهندگانی مانند Nebius در اکتبر به طور مداوم افزایش یافت. خوانندگان باید توجه داشته باشند که پاتل اشاره کرد SemiAnalysis نیز در زمینه تطبیق توان محاسباتی فعالیت دارد، بنابراین دسترسی به قیمت‌های واقعی معاملات دارد که این امر نشان‌دهنده تعارض منافع نیز هست.
قضاوت او درباره مراحل بعدی این است:
«اگر قیمت H100 از ۳ دلار و B300 از ۷ دلار فراتر رود، تعجبی ندارم.»
برای خریداران، توصیه او مستقیم‌تر است:
«اگر بتوانید یک واحد B300 را با قیمت ۶ دلار در ساعت پیدا کنید، باید فوراً قرارداد امضا کنید و سپس توکن بفروشید. این قیمت غیرمنطقی است، اما تصمیم درستی است.»
ممانعت اصلی این است که ارائه‌دهندگان ابری پیش‌پرداخت می‌طلبد که برای استارت‌آپ‌ها حتی سخت‌تر است: دریافت قرارداد یک‌ساله دشوار است و استارت‌آپ‌ها اغلب نمی‌توانند تضمین کنند که پس از یک سال هنوز فعال خواهند بود. در مورد مدل‌های محرمانه، او اشاره کرد که درآمد Anthropic از ارائه خدمات Fable و Opus 5.5 «بیش از ۱۰۰ میلیون دلار» بوده است که بر اساس اسناد افشای‌شده به سرمایه‌گذاران در فرآیند IPO آن اعلام شده است، هرچند در متن مصاحبه واحد آن مشخص نشده است که احتمالاً بر اساس زمینه، درآمد سالانه به ازای هر مگاوات است.
۰۳ حتی اگر بتوانید پرداخت کنید، ممکن است ارائه‌دهندگان ابری توان محاسباتی را تحویل ندهند
اجاره توان محاسباتی تنها گام نخست است؛ قابلیت استفاده از خوشه در نهایت ارزش واقعی آن را تعیین می‌کند. SemiAnalysis ارزیابی‌ای به نام ClusterMAX انجام داد که ۳۲۳ ارائه‌دهنده ابری را پیگیری کرده و ۷۷ مورد از آنها را ارزیابی کرده است و به ۱۹ مورد مدال (تشخیص و قدردانی) اعطا کرده است.
از دیدگاه پاتل، بهترین‌ها CoreWeave و Nebius هستند، اما هر دو دسترسی بسیار ضعیفی دارند:
«آنها توان محاسباتی را برای شش ماه آینده به شما نمی‌فروشند؛ تمام موجودی‌شان تمام شده است. Nebius از شما می‌خواهد که برای یک سال یا شش ماه پیش‌پرداخت کنید و قیمت‌ها بسیار بالا است، اما این تنها راه دسترسی به توان محاسباتی از آن‌هاست.»
اوراکل و گوگل نیز امتیاز بالایی دریافت کردند که گوگل از مدال برنز در دوره اول ارتقا یافته است. تعداد بیشتری از ارائه‌دهندگان درجه‌بندی‌شان پایین آمد: با سخت‌تر شدن معیارهای ارزیابی، Azure به مدال نقره، Together و AWS به مدال برنز و Crusoe نیز درجه‌بندی‌شان پایین آمد. مشکلات AWS بیشتر از نوع تجربه کاربری است:
«برای ایجاد یک خوشه، باید با حدود ده نفر کار کرد و این فرآیند زمان‌بر است؛ همچنین مدیریت شبکه نیز کمی دشوار است.»
مشکل بارزترین در ارزیابی، امنیت بود. شرکت SemiAnalysis به مدل‌های هوش مصنوعی اجازه داد تا این ابرها را هدف قرار دهند:
«برخی آسیب‌پذیری‌ها از پیش در اینترنت منتشر شده‌اند و مدل‌ها می‌توانند مستقیماً آنها را کشف کرده و از آنها سوءاستفاده کنند، سپس به ذخیره‌سازی سایر مشتریان دسترسی پیدا کنند.»
در یک مورد، از یک مدل متن‌باز استفاده کردند که «از OpenAI و Anthropic عقب‌تر بود» تا به کل دسترسی Slurm خوشه (سیستم رایج زمان‌بندی خوشه) دست یابند و نام وظایف مربوط به صنایع دفاع ملی و آژانس‌های اطلاعات امنیت ملی را مشاهده کنند. آنها بلافاصله تست را متوقف کردند و گزارشی با عنوان «بیشتر ابرهای نوین از نظر امنیتی بسیار ضعیف‌اند» منتشر کردند. آزمون دیگری نیز شامل القای خطاهای مصنوعی در GPUها (کد خطای XID 719 از Nvidia که اشاره کرد) برای بررسی مدت زمان تشخیص آنها توسط ارائه‌دهندگان ابر بود. نتیجه این بود:
«بسیاری از ارائه‌دهندگان ابر تنها پس از یادآوری شما متوجه می‌شوند و برخی حتی پس از یادآوری نیز روزها طول می‌کشد تا پاسخ دهند.»
او این را «آزمون حداقلی» خواند: GPUها حتماً با مشکلاتی روبه‌رو می‌شوند و ارائه‌دهندگان ابر باید برای تشخیص و رفع آنها از سیستم‌های نظارتی داخلی خود استفاده کنند.
۰۴ افزایش نرخ بهره، بازیگران جدید نمی‌توانند وام بگیرند، حمایت Nvidia تنها بخش کوچکی است
افزایش عرضه نیازمند سرمایه است و هزینه سرمایه در حال افزایش است. پatel تأکید کرد که تا پایان سال ۲۰۲۹، هزینه‌های سرمایه‌ای جهانی هوش مصنوعی حدود ۱۱ تریلیون دلار خواهد بود که تقریباً ۷ تریلیون دلار آن از وام تأمین می‌شود. بیشتر این پول صرف تراشه‌ها می‌شود و بقیه برای مراکز داده، انرژی و نیروگاه‌های محلی ساخته‌شده برای تولید سریع‌تر صرف می‌شود.
در چنین محیطی از نرخ بهره، جریان وام‌ها به‌وضوح تمایل دارد. بازده اوراق خزانهٔ ۱۰ ساله آمریکا از ۳٫۹۶٪ امسال به ۵٫۳۱٪ در اوایل اکتبر رسیده و انتشار وام‌های مرتبط با هوش مصنوعی در سپتامبر به‌وضوح کاهش یافته است. پatel وضعیت یک ابر نوین با ظرفیت ۱۰۰ مگاوات را که می‌خواهد به ۱ گیگاوات گسترش یابد، توصیف کرد:
«چه کسی به آنها وام می‌دهد؟ تنها راه این است که آن ۱ گیگاوات را به یک ارائه‌دهنده ابر مقیاس بزرگ بفروشند تا آنها از بازار وام تأمین مالی کنند؛ شما وام را دریافت می‌کنید، اما هیچ‌یک از آن قدرت محاسباتی نمی‌تواند وارد بازار عمومی شود.»
در نتیجه، از قدرت محاسباتی که برای سال آینده قراردادبندی شده است، «حدود ۶۵ تا ۷۰ درصد» به ارائه‌دهندگان ابر مقیاس بزرگ و آزمایشگاه‌های هوش مصنوعی جریان می‌یابد. برای استارت‌آپ‌ها، اجاره خوشه نیازمند پرداخت نصف هزینه به‌صورت پیش‌پرداخت است و زمان تحویل سه تا نه ماه طول می‌کشد:
«هر آزمایشگاه جدیدی را که اخیراً سرمایه‌گذاری زیادی جذب کرده پیدا کنید؛ برای آنها تأمین قدرت محاسباتی جهنم است.»
رویکرد Nvidia ارائه تورفتگی امنیتی برای خوشه‌هاست که پatel آن را در سه دسته خلاصه کرد:
SoftBank Energy: فقط زمین، برق و ساختمان را تضمین می‌کند. این تسهیلات ۹ گیگاواتی در اوهایو است که انتظار می‌رود حدود سال ۲۰۳۰ به‌کار افتاده و کاملاً برای OpenAI رزرو شده است.
Firmus: Nvidia تعهد می‌دهد خوشه را با قیمت مشخصی اجاره کند تا طرف مقابل «سود نبرد اما زیان هم نکند»؛ اما با این تضمین، دیگران حاضر به اعطای وام می‌شوند. برای هر دلار در ساعت بالاتر از آن قیمت، Nvidia نصف آن را دریافت می‌کند که پatel آن را «خیلی هوشمندانه» و «به‌نظر من جالب است» خواند.
تضمین ارزش باقی‌مانده: او تنها این نوع را ذکر کرد بدون توضیح بیشتر.
از نظر مقیاس، NVIDIA حدود ۶٫۵ گیگاوات را تضمین کرده است که به بازار آزاد فروخته می‌شود نه اینکه صرفاً به آزمایشگاه‌ها و ارائه‌دهندگان ابر مقیاس بزرگ تأمین شود. حداکثر مقداری که ارائه داد ۴۵ گیگاوات است که «حتی این مقدار نیز تنها سهم کوچکی از قدرت محاسباتی جدید اضافه‌شده تا قبل از سال ۲۰۳۰ را تشکیل می‌دهد.» او معتقد است شرکت‌هایی مانند Fireworks و Modal که بر استنتاج تمرکز دارند، و همچنین بسیاری از آزمایشگاه‌های جدید، در حال ساخت خوشه‌های خود، دریافت وام و جستجوی تأییدیه از NVIDIA هستند.
در پایان سخنرانی، ارزیابی خود از مقیاس توکن‌ها را ارائه کرد: چندین ارائه‌دهنده در مجموع بیش از ۱۰۰ تریلیون توکن در روز پردازش می‌کنند و درآمد سالانه هر شرکت در حال افزایش است. جمله پایانی او این بود:
«امیدوارم بتوانند قدرت پردازشی را تأمین کنند؛ در غیر این صورت همه ما بردهٔ انترُپیک و اوپن‌آی‌آی خواهیم شد.»
این مقاله توصیه سرمایه‌گذاری شخصی محسوب نمی‌شود، دیدگاه پلتفرم را منعکس نمی‌کند، بازار دارای ریسک است و سرمایه‌گذاری نیازمند احتیاط است. لطفاً قضاوت و تصمیم‌گیری مستقل داشته باشید.
