هوش مصنوعی و بازار سرمایه

[eco777]

این صفحه برای انتشار اخبار، نظرات و تحلیل ها در مورد تاثیرات هوش مصنوعی بر اقتصاد، بازارهای مالی، تکنولوژی، صنایع، شرکتها و ... ایجاد شده است .

[eco777]

در طول دهه آینده، هوش مصنوعی از دوران ساخت زیرساختهای عظیم به دوران استقرار و بهکارگیری گسترده تجاری منتقل خواهد شد. اگرچه برخی اغراقها در این زمینه وجود دارد، اما تحقیقات نهادی از سوی مراکزی مانند گلدمن ساکس، مککینزی و OECD به یک تحول ساختاری عمیق در صنایع، اقتصاد کلان و بازارهای مالی اشاره میکنند. ۱. جابهجاییهای ساختاری در صنایع کلیدی

تاثیر هوش مصنوعی بر صنایع یکنواخت نخواهد بود. دهه آینده شاهد ایجاد یک شکاف میان «توانمندسازان» هوش مصنوعی و «پذیرندگان» آن خواهد بود.

• فناوری و زیرساخت (توانمندسازان): تمرکز فوری همچنان بر ساخت لایه فیزیکی هوش مصنوعی است. مککینزی تخمین میزند که مراکز داده مجهز به بارهای پردازشی هوش مصنوعی، تا سال ۲۰۳۰ به ۵.۲ تریلیون دلار سرمایهگذاری سرمایهای (Capex) نیاز خواهند داشت. این امر تقاضای بیسابقهای برای تراشههای پیشرفته، سیستمهای خنککننده و سختافزارهای شبکه ایجاد میکند.
• انرژی و خدمات شهری: مراکز داده هوش مصنوعی بهشدت انرژیبر هستند. پیشبینی میشود که مدلهای پیشرو (Frontier models) تا سال ۲۰۳۰ برای آموزش به ۴ تا ۱۶ گیگاوات برق نیاز داشته باشند. گلدمن ساکس اشاره میکند که مصرف جهانی برق برای مراکز داده در مسیر دو برابر شدن تا سال ۲۰۳۰ قرار دارد؛ امری که شرکتهای سنتی خدمات شهری را به زیرساختهای حیاتی و گلوگاهی تبدیل میکند.
• خدمات دانشبنیان (پذیرندگان): خدمات مالی، حقوقی، مهندسی نرمافزار و مدیریت شرکتی، سریعترین روند یکپارچهسازی را تجربه میکنند. ابزارهای هوش مصنوعی مولد هزینههای نیروی کار را برای کارهای روتین پردازش داده، پیشنویس اسناد و وظایف خدمات مشتریان به طور متوسط ۲۵٪ تا ۴۰٪ کاهش میدهند که این امر حاشیه سود عملیاتی شرکتها را به شکل چشمگیری تغییر میدهد.

۲. مسیر اقتصاد کلان: پارادوکس بهرهوری

بحث اقتصاد کلان بر این محور استوار است که کاراییهای ایجاد شده توسط هوش مصنوعی در سطح خرد، با چه سرعتی خود را در آمار کلان ملی نشان میدهند.

• بهرهوری و رشد تولید ناخالص داخلی (GDP): اجماع نهادی (مانند مدل بودجه پن وارتون) نشان میدهد که هوش مصنوعی یک محرک ساختاری برای «بهرهوری کل عوامل تولید» (TFP) ایجاد خواهد کرد که در اوایل دهه ۲۰۳۰ با سهم سالانه حدود ۰.۲ واحد درصد به اوج خود میرسد. به صورت تجمعی، پیشبینی میشود که این فناوری بسته به میزان موفقیت شرکتها در درآمدزایی از آن، ۱.۵٪ تا ۷٪ به تولید ناخالص داخلی جهانی در طول این دهه بیفزاید.
• بازارهای کار و دستمزدها: حدود ۴۰٪ از درآمد نیروی کار جهانی در معرض اتوماسیون ناشی از هوش مصنوعی قرار دارد. با این حال، دهه آینده کمتر به معنای بیکاری گسترده و بیشتر به معنای تحول وظایف شغلی است. کارکنان دهک ۸۰ درآمدی (نیروهای کار دانشمحور) با بیشترین میزان مواجهه روبرو هستند. در حالی که وظایف روتین با خودکارسازی مواجه میشوند، نقشهای فنی، تحلیلی و نظارتی جدیدی در حال خلق شدن هستند.
• تورم و نرخهای بهره: مخارج سرمایهای کلانی که برای زیرساختهای هوش مصنوعی مورد نیاز است، در ترکیب با روند گستردهتر گذار به انرژیهای پاک، به شکلگیری یک رژیم ساختاری در اقتصاد کلان کمک میکند که مشخصه آن نرخهای بهره بالاتر و تورم چسبندهتر در میانمدت خواهد بود.

۳. پویاییهای بازار سهام و ارزشگذاریها

بازارهای سهام به شکلی تهاجمی سودهای آینده هوش مصنوعی را پیشخور کردهاند و وزن بازار به شدت روی چند نام بزرگ (Mega-cap) متمرکز شده است. دهه آینده این موضوع را به آزمایش خواهد گذاشت که آیا دادههای بنیادی میتوانند این ارزشگذاریها را توجیه کنند یا خیر.

• نسبتهای ارزشگذاری: شرکتهای بهشدت تاثیرپذیر از هوش مصنوعی رشد کرده و بیش از ۴۴٪ از شاخص S&P 500 را به خود اختصاص دادهاند. این تمرکز، نسبت قیمت به درآمد تعدیلشده چرخهای (CAPE) شاخصهای اصلی را به سطوح تاریخی بالایی کشانده است. بازار در حال حاضر بر اساس انتظارات رشد بالا معامله میشود تا میانگینهای تاریخی.
• تغییر تمرکز به سمت درآمدزایی و سودآوری: در آینده، تمرکز سرمایهگذاران از افزایش صرف ارزشگذاریها به سمت رشد واقعی درآمدها جابهجا خواهد شد. انتظار میرود بازار شرکتهایی را که هزینههای سرمایهای سنگینی را بدون نشان دادن استراتژی روشن در درآمدزایی یا کاهش هزینهها متحمل میشوند، مجازات کند.
• محرکهای بازار کالا: از آنجا که زیرساختهای هوش مصنوعی به مواد فیزیکی گستردهای نیاز دارند، تاثیر بازار سهام فراتر از بخش فناوری میرود. شرکتهای فعال در زمینه نهادههای حیاتی—مانند مس (که برای هر مگاوات ظرفیت مرکز داده به ۲۰ تا ۴۰ تن از آن نیاز است)، اورانیوم برای انرژی هستهای پاک، و تجهیزات الکتریکی تخصصی—در حال تبدیل شدن به گزینههای کلان برای سرمایهگذاری هستند.

ریسک کلیدی بازار: یک پیشرفت الگوریتمی بزرگ که بهرهوری مدلها را به شدت افزایش دهد (مانند شوکهایی که با معرفی معماریهای استدلالی بسیار کارآمد مانند دیپسیک به بخش سختافزار وارد شد)، میتواند به سرعت سرمایهها را از ارائهدهندگان صرف سختافزار به سمت لایههای نرمافزاری و کاربردی سوق دهد.
ده سال آینده به احتمال زیاد پاداش سرمایهگذاران و شرکتهایی را خواهد داد که از فاز «سوار شدن بر موج تبلیغات» فراتر رفته و بر کارایی دقیق سرمایه، گلوگاههای زیرساختی و یکپارچهسازی عملی در سطح کسبوکار تمرکز کنند.

[پیمان]

درود Eco عزیز
تاپیک خوبی خواهد شد. موفق باشید