رقبای سرسخت با هم متحد می‌شوند و مدیران ارشد برای دسترسی به منابع مورد نیاز رونق AI شخصاً وارد عمل می‌شوند
Google واقعاً می‌خواست نوام شازیر (Noam Shazeer)، پژوهشگر پیشگام حوزه AI، برگردد.
این کارمند باسابقه شرکت را ترک کرده بود تا استارتاپ خودش را راه بیندازد، اما در سال ۲۰۲۴، Google ۲.۷ میلیارد دلار پرداخت کرد تا او برای کار روی پروژه‌های پیشرفته، از جمله قدرتمندترین فناوری AI این شرکت یعنی Gemini برگردد.
با این حال، حتی این رقم هم نتوانست تضمین کند که شازیر به منابع پردازشی دلخواهش برسد.
کمتر از دو سال بعد، او در پیامی به یکی از تیم‌هایش گفت که Google سهم پردازشی اختصاص‌یافته به آن‌ها را کم کرده تا به پروژه دیگری بدهد. کمی بعد از آن، شازیر به شرکت رقیب یعنی OpenAI پیوست.
واژه Compute که در این صنعت به معنای توان پردازشی است، شاهرگ حیاتی رونق AI است و عرضه آن بسیار کم است. حالا درگیری‌ها بر سر اینکه چطور منابع بیشتری به دست آورند—و به کدام پروژه‌ها اولویت بدهند—این صنعت قدرتمند را حسابی به تکاپو انداخته است. رقبای سرسخت دست به ائتلاف‌های جدیدی می‌زنند؛ مثل ایلان ماسک (Elon Musk) و داریو آمودی (Dario Amodei) که شرکت‌هایشان برای تأمین توان پردازشی با هم همکاری کردند. شرکت‌های سرمایه‌گذاری خطرپذیر برای جذب استارتاپ‌ها، دسترسی خود به تراشه‌های AI را به رخ می‌کشند. جنگ قدرت هم بیشتر شده، چون شرکت‌ها در رقابتی جهانی به دنبال باارزش‌ترین منبع صنعت فناوری می‌گردند.
ایوان کنراد (Evan Conrad)، مدیرعامل San Francisco Compute گفت: «در حال حاضر تب طلای بزرگی به راه افتاده است. درک مقیاس واقعی آن بسیار دشوار است.»
شرکت کنراد مراکز داده را بررسی می‌کند و سپس توان پردازشی آن‌ها را به شرکت‌های فعال در حوزه AI، از غول‌های بزرگی مثل Nvidia گرفته تا استارتاپ‌های کوچکی مانند Standard Intelligence، اجاره می‌دهد. اریک پارک (Eric Park)، مدیر ارشد فناوری این شرکت، به سراسر جهان سفر می‌کند تا منابع پردازشی پنهانی را در جاهایی پیدا کند که کمتر کسی فکرش را می‌کند.
در فصل بهار، مقصد او مناطق دورافتاده روستایی در آمریکا بود؛ جایی که معلوم شد یک مرکز داده جدید و امیدبخش، سرورهای AI است که درون جایی شبیه به یک مرغداری تغییرکاربری‌داده‌شده کار می‌کردند. سپس در فصل باران‌های موسمی به مانیل رفت؛ جایی که ماشین پارک در سیلاب از کار افتاد و او و همکارانش در حالی که کیف‌هایشان را روی سر گرفته بودند، از میان آب گذشتند تا به جای امنی برسند. در نهایت، یک کامیون عبوری او را به فرودگاه رساند؛ جایی که یک جفت کفش نو خرید و سوار پروازی به مقصد تایپه شد—تا با شرکتی دیدار کند که برای رونق AI سرور می‌سازد.
حتی یک کلاستر کوچک از تراشه‌های در دسترس AI هم می‌تواند به استارتاپ‌هایی که به دنبال آموزش یا تنظیم دقیق (fine-tune) مدل‌های کوچک‌تر AI هستند، کمک کند.
کسب‌وکار SF Compute رشد کرده است، زیرا شرکت‌ها بیش از پیش معطل زمان‌بندی‌های چندساله ساخت مراکز داده می‌شوند. رقابتی برای ساخت مراکز داده بیشتر شکل گرفته تا ظرفیت‌های جدید سریع‌تر وارد مدار شوند، اما مقررات قانونی و مخالفت‌های سیاسی جلوی پیشرفت ساخت‌وساز را گرفته است.
تأمین‌کنندگان باسابقه توان پردازشی، مشتریان را ملزم می‌کنند قراردادهای چندساله با پیش‌پرداخت‌های سنگین‌تر ببندند. استارتاپ‌ها هم از روی ناچاری روزبه‌روز قراردادهای بیشتری با ارائه‌دهندگان نامطمئن امضا می‌کنند؛ ارائه‌دهندگانی که امنیت مناسب ندارند یا زیرساخت‌هایشان ضعیف‌تر است.
نیک فراست (Nick Frosst)، یکی از هم‌بنیان‌گذاران استارتاپ کانادایی Cohere در حوزه AI گفت در حالی که در اطلاعیه‌های پر سر و صدا وعده داده شده حجم عظیمی از توان پردازشی جدید به‌زودی می‌آید، اما در عمل امروز مقدار بسیار کمتری در دسترس است.
فراست، که استارتاپش مدل‌های زبانی بزرگ می‌سازد و سال گذشته ۶.۸ میلیارد دلار ارزش‌گذاری شد، گفت: «خیلی چیزها اعلام و بعد لغو شدند. یا مواردی بوده که گفتند قرار است پروژه‌ای به این بزرگی بسازند، اما در عمل خیلی کمتر از آن ساخته‌اند.»
مارک مک‌کوئید (Mark McQuade)، مدیرعامل Arcee که یک استارتاپ منبع‌باز AI است گفت این شرکت اخیراً برای دریافت سرمایه و ظرفیت پردازشی از یک شریک زیرساختی تعهداتی گرفته بود، اما وقتی پروژه مرکز داده آن شرکت با تاخیر مواجه شد، توافق هم به هم خورد.
مک‌کوئید گفت: «در این مسائل خیلی چیزها روی هواست، مخصوصاً وقتی پای Compute در میان باشد. تا وقتی چیزی واقعی نشده، نباید صددرصد رویش حساب باز کرد.»
با چنین تقاضای بالایی، قیمت‌ها هم بالا می‌رود. طبق گزارش شرکت تحلیل داده و مشاوره SemiAnalysis هزینه ساعتی اجاره توان پردازشی تراشه‌های Nvidia H100 در یک قرارداد یک‌ساله، طی سال گذشته ۶۰٪ افزایش یافته است. شرکت Alphabet افزایش ۰.۹۷٪ GOOGL؛ مثلث رو به بالا انتظار دارد امسال تا ۲۰۰ میلیارد دلار هزینه سرمایه‌ای داشته باشد که بخش زیادی از آن صرف زیرساخت‌های AI می‌شود.
حتی پرمشغله‌ترین مدیران ارشد AI هم خودشان شخصاً وارد مذاکرات برای تأمین توان پردازشی می‌شوند.
به گفته منابع آگاه، در اواخر ماه مارس، تام براون (Tom Brown)، یکی از هم‌بنیان‌گذاران Anthropic، با ایلان ماسک (Elon Musk) در دفتر شرکت رقیب xAI در شهر هاثورن کالیفرنیا دیدار کرد تا برای اجاره توان پردازشی از شرکت ماسک به توافق برسد. موفقیت انفجاری و غیرمنتظره ابزار Claude Code متعلق به Anthropic باعث کمبود شدید توان پردازشی شده بود و به قطعی‌های مکرر دامن می‌زد.
در ماه مه، Anthropic با اعلام توافقی برای اجاره بیش از ۳۰۰ مگاوات توان پردازشی از شرکت SpaceX متعلق به ماسک، این صنعت را شگفت‌زده کرد—بخشی از قراردادی که بعداً معلوم شد ارزش آن در سال‌های آینده به ۴۵ میلیارد دلار می‌رسد. ماسک، که قبلاً علناً از Anthropic انتقاد کرده بود، در پستی در شبکه X نوشت که تحت تأثیر اعضای ارشد تیم Anthropic قرار گرفته است و اضافه کرد: «هیچ‌کدامشان سنسور تشخیص آدم‌های بد من را فعال نکردند.»
به گفته یک فرد آگاه، داریو آمودی (Dario Amodei)، مدیرعامل Anthropic، اوایل امسال با الکساندر ونگ (Alexandr Wang)، مدیر ارشد AI در Meta، گفت‌وگوی تلفنی داشت تا ظرفیت پردازشی بیشتری تأمین کند. افراد آگاه گفتند که Meta درباره اینکه آیا تراشه‌هایش را به Anthropic بدهد یا نه بحث کرد، اما در نهایت تصمیم گرفت فعلاً این کار را نکند.
همه این‌ها علاوه بر قراردادهای پردازشی صدها میلیارد دلاری است که Anthropic در طول یک سال گذشته از آن‌ها خبر داده است.
در دفاتر Mountain View متعلق به Google، میان پژوهشگران بر سر اینکه کدام پروژه‌ها ارزش دریافت منابع پردازشی گران‌بهای شرکت را دارند، اختلاف‌نظر شدیدی وجود دارد. به گفته افراد آگاه، سرگی برین (Sergey Brin)، یکی از بنیان‌گذاران شرکت، گاهی روند رسمی تقسیم توان پردازشی را به هم می‌زند و توان لازم را به پروژه‌هایی اختصاص می‌دهد که از نظر خودش مهم هستند. همچنین به گفته منابع آگاه، دمیس هاسابیس (Demis Hassabis)، که از بنیان‌گذاران DeepMind (آزمایشگاه AI متعلق به Google) بود و تا چندی پیش آن را مدیریت می‌کرد و در ماه اوت به جایگاه رئیس هیئت‌مدیره رسید، از کمبود توان پردازشی اختصاص‌یافته به پژوهش‌های بلندمدت ابراز نارضایتی کرده است.
بعضی شرکت‌ها برای جلوگیری از ریسک غیرقابل‌پیش‌بینی بودن تامین توان پردازشی، قراردادهایی برای ظرفیتی بسیار بیشتر از نیاز واقعی‌شان امضا می‌کنند. در موارد دیگر، استارتاپ‌ها تقاضای بالایی را برای محصولات AI خود پیش‌بینی کرده بودند که هیچ‌وقت محقق نشد، و به همین خاطر مجبور شدند ظرفیت مازاد خود را دوباره بفروشند.
مجموعه این عوامل همراه با افزایش زمان انتظار و جهش سرسام‌آور هزینه‌های پردازشی، نسلی از بازیگران تازه‌وارد را که تلاش می‌کنند با Google، Anthropic و OpenAI رقابت کنند، زمین‌گیر کرده است.
در روزهای آغازین رونق AI، شرکت‌های کوچک و بزرگ می‌توانستند خوشه‌هایی از تراشه‌های AI را مثلاً از Amazon Web Services اجاره کنند، بدون اینکه مجبور باشند تعهدی چندساله بدهند یا پیش‌پرداختی نجومی بپردازند.
با بلعیده شدن توان پردازشی موجود توسط آزمایشگاه‌های پیشرو AI، ارائه‌دهندگان خدمات ابری به سمت درخواست قراردادهای چندساله رفتند که پیش‌پرداخت آن‌ها اغلب تا ۳۰ درصد هم می‌رسد. این شرکت‌ها گاهی از استارتاپ‌ها می‌خواهند ضامن‌هایی معرفی کنند که حاضر باشند در صورت ناتوانی آن‌ها در پرداخت، هزینه‌ها را تقبل کنند.
کنراد (Conrad) از SF Compute گفت: «مثل این است که آپارتمانی داشته باشید و بتوانید ماه به ماه اجاره‌اش کنید، اما ناگهان صاحب‌خانه بیاید و بگوید: "باید یک قرارداد پنج‌ساله ببندی و تازه، کرایه یک سال را هم جلوجلو پرداخت کنی."»
چالش موجود فقط تامین توان پردازشی نیست، بلکه پیش‌بینی دقیق این است که استارتاپ‌ها هم‌گام با رشدشان، به چه میزان توان و ظرفیت پردازشی نیاز خواهند داشت.
دستیار پرطرفدار AI به نام Instinct، یکی از جدیدترین و سریع‌ترین استارتاپ‌های در حال رشد در Silicon Valley است که با رقابت سنگینی از سوی Meta و OpenAI روبه‌رو شده است؛ دو شرکتی که هر دو به‌تازگی از عامل‌های شخصی AI خود رونمایی کرده‌اند و به سرمایه و توان پردازشی بسیار بیشتری دسترسی دارند.
ماه گذشته Instinct با ارزش‌گذاری ۱۰ میلیارد دلار، ۱ میلیارد دلار سرمایه جذب کرد که سومین مرحله جذب سرمایه آن در سال جاری بود؛ اما حتی با وجود این پول کلان، شاید نتواند با غول‌هایی مثل Meta که دیتاسنترهای اختصاصی خود را دارند و اداره می‌کنند، هم‌پای آن‌ها پیش برود.
نوآ شین (Noah Shinn)، مدیرعامل Instinct، در یکی از قسمت‌های اخیر پادکست «Invest Like the Best» گفت با این دغدغه روبه‌رو بوده که آیا همین حالا برای پوشش آینده‌ای با ۱۰۰ میلیون کاربر توان پردازشی بخرد یا نه؛ تصمیمی پرخطر که اگر شرکت مطابق انتظار رشد نکند، می‌تواند آن را به ورطه نابودی بکشاند. نماینده Instinct از اظهارنظر خودداری کرد.
زک براتون-گلنون (Zach Bratun-Glennon)، یکی از شرکای عمومی در Gradient Ventures که روی استارتاپ‌های AI سرمایه‌گذاری می‌کند، گفت: «اگر بیش از حد بخرید، با تعهدات سنگین اجاره ممکن است شرکت را ورشکست کنید، و اگر کمتر بخرید، مسیر رشدتان را کند می‌کنید و کلی کاربر ناراضی روی دستتان می‌ماند.»
بعضی از شرکت‌های سرمایه‌گذاری خطرپذیر حالا خودشان کلاسترها را رزرو می‌کنند و این ظرفیت را به استارتاپ‌های تحت پوشش خود اجاره می‌دهند، یا ضمانت قراردادها با ارائه‌دهندگان توان پردازشی را بر عهده می‌گیرند. به گفته فردی آگاه، سال گذشته یکی از استارتاپ‌های Y Combinator برای یک دوره آموزش دوماهه به ۱۲۰ پردازنده گرافیکی یا GPU نیاز داشت اما نتوانست قرارداد مناسبی پیدا کند. به همین دلیل Y Combinator کلاستری اختصاصی برای استارتاپ‌های خود آماده کرد و آن را در ماه ژوئیه راه انداخت.
در Radical Ventures، یک شرکت سرمایه‌گذاری VC متمرکز بر AI که اخیراً از آزمایشگاه جدید AI به نام Discovery Loop (به هم‌بنیان‌گذاری جف دین (Jeff Dean)، دانشمند ارشد سابق Alphabet) حمایت مالی کرده است، دیوید کاتز (David Katz) تیمی را هدایت می‌کند که وضعیت GPUs موجود را رصد می‌کنند، قیمت‌ها و شرایط قراردادها را زیر نظر دارند و شرکت‌های زیرمجموعه خود را به ارائه‌دهندگان توان پردازشی متصل می‌کنند.
