האם אנו בבועה של AI? מבט ברור על תשתית מול היסטריה

עלייתה של AI הציתה השקעות מסיביות, חדשנות מהירה ותשומת לב ציבורית אינטנסיבית. תנאים אלו כמעט באופן בלעדי מעלים שאלה מוכרת: האם אנו בבועה של AI?

זו דאגה הגיונית. תקופות של התרגשות טכנולוגית הובילו לעיתים קרובות לתיקונים כואבים, במיוחד כאשר הציפיות עוקפות את היסודות. אך על מנת לענות על שאלה זו, יש צורך להפריד בין ההיסטריה הגלויה למערכות הפחות גלויות מתחתיה ולייסד את הדיון בהיסטוריה, כלכלה והמציאות של שכבת התשתית שבאמת מניעה את AI.

כאשר אתה עושה זאת, התמונה נראית הרבה יותר מורכבת מאשר הסיפור על הבועה.

1. ההבחנה המרכזית: תשתית מול יישומים

רוב השיחות על “בועה של AI” מתמקדות במה שאנשים רואים בשכבת היישומים. זה כולל סבבי גיוס הון מרשימים מחברות כמו OpenAI, Anthropic ו-xAI עם הכרזות מימון מהירות הבאות רק חודשים לאחר מכן. אז ישנם דמואים של סוכני AI ויראליים השוטפים את הפידים החברתיים וטענות מרחיקות לכת על אינטליגנציה כללית מלאכותית או תוצאות של טריליון דולר הרבה לפני שההכנסות תופסות.

שכבה זו של התעשייה נעה מהר מכיוון שהיא מונעת על ידי סיפורת, ציפיות ופסיכולוגיה של משקיעים. חברות יישומים יכולות לזנק בתשומת לב באותה מהירות שהן יכולות ליפול מחוץ לאהדה. נרטיבים רבים מתרחבים מהר יותר מהיסודות העסקיים התחתונים ובגלל שזהו החלק הנראה ביותר של כלכלת AI, הוא הופך לנקודת ההתייחסות המועדפת לטענות שכל המגזר חם מדי.

אך תשתית חישוב פועלת במציאות שונה לחלוטין, אחת הכפופה לפיזיקה, כלכלה ומגבלות קיבולת קשות.

תשתית חישוב מעוצבת על ידי כוחות מודדים: GPUs המייצרים הכנסות שעתיות על ידי ריצה של עומסי עבודה של AI, זמינות ועלות של חשמל, קצב בניית מרכזי נתונים, דרישות אימון והסקה גדלות ככל שהמודלים גדלים בגודל. ניצול, לא סנטימנט, קובע אם שכבה זו עובדת.

במקום שיישומים עולים ויורדים על בסיס תפיסה, תשתית מעוגנת בדרישה מתמשכת. זהו הסיבה ששכבת התשתית אינה מתנהגת כמו מחלקת נכסים הרגילה שנוטה לבועות. היא מתנהגת יותר כמו רשת החשמל במהלך החשמול או סיבים אופטיים במהלך הבום האינטרנטי. היא מערכת יסוד שעקומת הביקוש שלה מונעת על ידי התקדמות טכנולוגית ולא על ידי הפקפוקים של משקיעים.

2. מה ההיסטוריה מראה באמת

בבואנו להסתכל על טכנולוגיות כלל-מטרה קודמות, אנו רואים דפוס עקבי וחוזר: מהפכות טכנולוגיות גדולות מתחילות עם עלייה עצומה בהשקעות תשתית, הרבה לפני שרווחי התפוקה מופיעים בכלכלה.

מסילות ברזל דרשו הון עצום שנים רבות לפני שהם השתנו את המסחר. חשמל דרש עלויות גבוהות של בניית רשת לפני שמפעלים יכלו לארגן מחדש סביב כוח חשמלי. רשתות טלקום, תשתית גבית אינטרנט, רשתות ניידות וענן המחשוב כולם עקבו את אותה המסלול. בכל מקרה, הוצאות תשתית זינקו קודם, בעוד ששיפורי התפוקה התאחרו.

מבחוץ, תקופות אלו נראו לעיתים קרובות כבועות. בהינדסייט, הן היו שלבי התקנה. בנייה הכרחית ורכושה בעלות גבוהה שהניחה את היסודות לעשורים של צמיחה כלכלית.

גרף זה של Goldman Sachs ממחיש את התופעה בבירור:

השקעות תשתית קופצות שנים לפני רווחי תפוקה מודדים. AI היום עוקב אחר עקומה זו כמעט בדיוק.

חלק גדול מבניית AI של היום מונע על ידי חברות שהן בעצם שונות מאלו של תקופת הדוט-קום. בסוף שנות ה-90, חברות אינטרנט רבות בעלות ערך גבוה היו עם הכנסות מועטות או אפילו ללא הכנסות. לעומת זאת, הכוחות הגדולים מאחורי הפריצה הנוכחית של תשתית AI, כמו Microsoft, Google, Meta ו-Amazon, הן חברות רווחיות מאוד עם זרמי מזומנים גדולים וחוזרים מעסקים מוכרים כמו ענן, פרסום ותוכנה ארגונית.

הוצאות AI שלהן ממומנות בעיקר על ידי רווחים מתפעול, לא על ידי חוב ספקולטיבי. הבחנה זו חשובה. היא מפחיתה באופן משמעותי את הרגישות המערכתית ומסיטה את הוצאות ה-CapEx של היום לא כעודפים מופקרים, אלא כהשקעה אסטרטגית ארוכת טווח.

3. הביקוש לחישוב הוא מבני, לא נתון להשפעת דעת הקהל

מה שהופך את מחזור AI הנוכחי לחסין במיוחד הוא שהביקוש לחישוב אינו נתון בעיקר להתלהבות הסיפורית. הוא נתון לדרישות טכניות שממשיכות להתרחב ללא קשר לדעת הקהל.

נהגים מרכזיים של ביקוש לחישוב ממשיכים להאיץ:

• “מס החשיבה”: מודלי AI חדשים לא רק מחזירים תשובות אלא באמת חושבים דרך אלפי אפשרויות לפני שהם מגיבים. זה יוצר מציאות חדשה שבה פרומפט אחד של משתמש יכול לצרוך 100 פעמים יותר חישוב מאשר חיפוש רגיל.

• ייצור נתונים סינתטיים: אנו בעצם רצנו מנתונים איכותיים אנושיים לאימון. כדי להמשיך לשפר, ציים של GPUs רצים 24/7 רק כדי לכתוב את נתוני האימון לדור הבא של המודלים.

• תשתית ריבונית: ממשלות עכשיו קונות חישוב לביטחון לאומי כמו שהן קונות עתודות אנרגיה או מערכות הגנה. זה יוצר רצפה עצומה וקבועה של ביקוש שחסין לדעת הקהל.

כוחות אלו קיימים באופן עצמאי מאיך שחברות AI הזניקות מוערכות ברבעון נתון. אפילו במהלך נסיגות שוק, ניצול GPU נשאר גבוה מכיוון שעומסי העבודה עצמם ממשיכים לגדול במורכבות ובנפח.

בנייה זו היא מוחשית בדרך שרבות מבועות ספקולטיביות לא היו. GPUs, שרתים, מרכזי נתונים, תשתית חשמל ויישומי AI מופעלים הם נכסים אמיתיים שכבר מספקים רווחי תפוקה מודדים. לא כמו רבות מהמושגים של דוט-קום שהיו הרחק משימוש מעשי, מערכות AI כבר משולבות בזרימת העבודה בפיתוח תוכנה, מחקר, תמיכת לקוחות, עיצוב, לוגיסטיקה וקבלת החלטות.

יש גם דינמיקה תחרותית בפעולה שעוברת מעבר לשווקים. AI הפך ל”מרוץ חימוש” אסטרטגי בין חברות ואומות. ממשלות ותאגידים לא יכולים פשוט לוותר על השקעה בלי לסכן את התחרותיות הארוכת הטווח. נפילה מאחור ביכולת חישוב הולכת וגדלה במידה שהיא משמעותית פוחתת מאחור בחדשנות, משיכת כישרונות וגישה להון.

4. בועה או נקודת מפנה?

כלכלנים מסוימים מבחינים בין שני סוגים של בועות. בועות פיננסיות מותירות מעט מאחוריהן כאשר הן מתפוצצות. בועות מפנה, לעומת זאת, מאיצות את בניית התשתית היסודית שמשנה את הנוף הכלכלי באופן קבוע, אפילו אם הון מחולק לא נכון בדרך.

מסילות ברזל, חשמול והאינטרנט המוקדם הראו אלמנטים של עודפים ספקולטיביים. עם זאת, הם גם שינו את החברה בדרכים שאינן הפיכות. הבזבוז לא שלל את הקידמה.

מחזור AI מראה את האופי של בועת מפנה. יש בוודאי היסטריה בשוליים וחלק מההשקעות י