شکاف ۴.۹ تریلیون دلاری سرمایه‌گذاری و درآمد دیتاسنترهای هوش مصنوعی
به گزارش Network World، برآورد Gartner نشان می‌دهد درآمد دیتاسنترهای هوش مصنوعی تا سال ۲۰۳۰ برای جبران سرمایه‌گذاری‌های برنامه‌ریزی‌شده کافی نخواهد بود. این عدم توازن برای سرمایه‌گذاران، اپراتورهای دیتاسنتر و مدیران زیرساخت سازمانی اهمیت دارد؛ زیرا می‌تواند اقتصاد توسعه ظرفیت پردازشی و خدمات ابری را تحت فشار قرار دهد.
فاصله بزرگ میان هزینه و بازگشت سرمایه
Will Sommer، مدیر ارشد تحلیل در Gartner، می‌گوید مالکان دیتاسنترهای هوش مصنوعی برای پوشش هزینه‌های سرمایه‌ای اعلام‌شده، هزینه تأمین مالی و بازده مورد انتظار سرمایه‌گذاری باید تا سال ۲۰۳۰ در مجموع ۸.۵ تریلیون دلار درآمد ایجاد کنند. با این حال، درآمد پیش‌بینی‌شده از هوش مصنوعی سازمانی و مصرفی که بتوان آن را به این دیتاسنترها نسبت داد، در همین دوره حداکثر ۳.۶ تریلیون دلار خواهد بود.
بر این اساس، فاصله میان درآمد مورد انتظار و رقم لازم برای توجیه مخارج به حدود ۴.۹ تریلیون دلار می‌رسد. Gartner نتیجه گرفته است که درآمد بازار در این بازه نمی‌تواند بازده سودآور همه سرمایه‌گذاری‌های سرمایه‌ای برنامه‌ریزی‌شده را پشتیبانی کند. این ارزیابی با برآورد اخیر Bain نیز هم‌جهت است، هرچند دامنه دو بررسی یکسان نیست. Bain پیش‌بینی کرده بود هزینه سالانه زیرساخت هوش مصنوعی ممکن است تا سال ۲۰۳۱ به ۱.۵ تریلیون دلار برسد و برای پوشش آن، بازار خدمات هوش مصنوعی به بیش از ۶ تریلیون دلار درآمد سالانه نیاز داشته باشد.
فشار بیشتر بر ارائه‌دهندگان Neocloud
پیامد این شکاف برای همه بازیگران یکسان نیست. Hyperscalerها، یعنی بزرگ‌ترین ارائه‌دهندگان زیرساخت ابری در مقیاس جهانی، توان مالی بیشتری برای جذب فشار هزینه دارند. در مقابل، Gartner انتظار دارد فشار مالی باعث شود بیش از ۸۰ درصد ارائه‌دهندگان Neocloud نتوانند فعالیت مستقل خود را ادامه دهند. Neocloud به شرکت‌هایی گفته می‌شود که عمدتاً ظرفیت پردازشی تخصصی و شتاب‌دهنده‌های مورد نیاز بارهای کاری هوش مصنوعی را از طریق ابر عرضه می‌کنند.
برای کسب‌وکارها و تیم‌های فناوری اطلاعات، این برآورد به معنای توقف استفاده از هوش مصنوعی نیست؛ اما ضرورت ارزیابی دقیق‌تر قراردادهای ابری، وابستگی به تأمین‌کننده و هزینه واقعی ظرفیت پردازشی را برجسته می‌کند. احتمال ادغام یا خروج بخشی از ارائه‌دهندگان کوچک‌تر می‌تواند بر قیمت، تداوم خدمات و گزینه‌های تأمین زیرساخت اثر بگذارد.
در مجموع، رشد سریع تقاضا برای پردازش هوش مصنوعی به‌تنهایی تضمین‌کننده بازگشت همه سرمایه‌گذاری‌های دیتاسنتری نیست. تصمیم‌های زیرساختی تا سال ۲۰۳۰ بیش از گذشته به مدل درآمدی پایدار، مدیریت ریسک تأمین‌کننده و سنجش بازده واقعی پروژه‌ها وابسته خواهد بود.
