اختلال در تنگه هرمز می‌تواند از بازار انرژی فراتر برود و فشار تازه‌ای بر صنعت هوش مصنوعی و نظام مالی غرب وارد کند
آثار هرمز به وال‌استریت می‌رسد
گروه سیاسی
در نگاه نخست، تنگه هرمز مسئله‌ای مربوط به نفت، گاز و امنیت انرژی جهان به نظر می‌رسد. اهمیت این گذرگاه راهبردی نیز معمولاً با یک شاخص سنجیده می‌شود: چه مقدار نفت از آن عبور می‌کند و اختلال در تردد کشتی‌ها تا چه اندازه قیمت انرژی را افزایش می‌دهد؟ اما در اقتصاد به‌هم‌پیوسته امروز، اثرگذاری یک گذرگاه انرژی لزوماً به بازار نفت محدود نمی‌ماند. افزایش قیمت انرژی می‌تواند به تورم، هزینه تولید، نرخ بهره، بازار بدهی و در نهایت تصمیم‌های سرمایه‌گذاری در مهم‌ترین صنایع جهان منتقل شود. یکی از این صنایع، هوش مصنوعی است؛ فناوری‌ای که طی چند سال گذشته به محور اصلی رقابت اقتصادی و فناورانه قدرت‌های بزرگ تبدیل شده و اکنون با یکی از بزرگ‌ترین موج‌های سرمایه‌گذاری تاریخ صنعت فناوری روبه‌روست. از همین زاویه می‌توان رابطه‌ای را بررسی کرد که در نگاه اول چندان آشکار نیست: ارتباط میان تنگه هرمز، وضعیت مالی غول‌های فناوری و آینده حباب احتمالی هوش مصنوعی. مسئله این نیست که اختلال در هرمز به‌تنهایی می‌تواند صنعت هوش مصنوعی را متوقف کند؛ مسئله این است که این اختلال ممکن است در زمانی اتفاق بیفتد که بخش‌هایی از صنعت فناوری برای تأمین مالی سرمایه‌گذاری‌های عظیم خود به پول نقد، اعتبار بانکی و اعتماد بازارهای مالی وابستگی بیشتری پیدا کرده‌اند. در چنین شرایطی، یک شوک بزرگ در بازار انرژی می‌تواند فشارهای موجود را تشدید کند و پیامدهایی فراتر از افزایش قیمت نفت به همراه داشته باشد.
هوش مصنوعی؛ صنعتی که سرمایه‌های عظیم می‌بلعد
برای فهم این ارتباط ابتدا باید به ماهیت اقتصادی هوش مصنوعی توجه کرد. برخلاف بسیاری از کسب‌وکارهای نرم‌افزاری گذشته، توسعه و عرضه هوش مصنوعی پیشرفته فقط به طراحی یک نرم‌افزار و فروش حق اشتراک آن محدود نیست. این فناوری به زیرساخت فیزیکی بسیار بزرگی نیاز دارد: مراکز داده، هزاران و گاه میلیون‌ها پردازنده تخصصی، سرورهای قدرتمند، شبکه‌های انتقال اطلاعات، تجهیزات خنک‌کننده، تأسیسات برق و دسترسی دائمی به انرژی. به بیان ساده، شرکت‌هایی که می‌خواهند در رقابت هوش مصنوعی باقی بمانند، باید شهرک‌های صنعتی دیجیتال بسازند. این شهرک‌ها به‌جای خطوط تولید و ماشین‌آلات متعارف، مملو از تراشه‌های گران‌قیمت و سرورهایی هستند که شبانه‌روز در حال پردازش اطلاعات‌اند. ساخت چنین زیرساختی هزینه اولیه بسیار بالایی دارد و نگهداری آن نیز به مصرف مداوم برق و تجهیزات نیازمند است. به همین دلیل، توسعه هوش مصنوعی برخلاف تصور رایجی که آن را صنعتی صرفاً نرم‌افزاری و کم‌هزینه می‌داند، به یکی از سرمایه‌برترین فعالیت‌های اقتصادی جهان تبدیل شده است. ابعاد این تحول را می‌توان در مخارج سرمایه‌ای شرکت‌های بزرگ فناوری مشاهده کرد. مایکروسافت در یک فصل حدود ۴۵.۲ میلیارد دلار، آلفابت، شرکت مادر گوگل، حدود ۵۱.۴ میلیارد دلار و آمازون حدود ۷۷.۳ میلیارد دلار برای سرمایه‌گذاری هزینه کرده‌اند. مجموع این ارقام به حدود ۱۷۴ میلیارد دلار می‌رسد. این هزینه‌ها صرف ساخت مراکز داده، خرید تراشه‌های پردازشی، تهیه سرورها، توسعه شبکه‌های ارتباطی و گسترش زیرساخت‌هایی می‌شود که امکان عرضه خدمات هوش مصنوعی را فراهم می‌کنند. البته روش گزارش‌دهی مخارج سرمایه‌ای این شرکت‌ها کاملاً یکسان نیست و برخی اقلام، از جمله تعهدات اجاره مالی، در ارقام گزارش‌شده لحاظ می‌شوند؛ با این حال، مقیاس سرمایه‌گذاری به‌روشنی نشان می‌دهد که چه حجم عظیمی از منابع مالی به سمت این صنعت سرازیر شده است. این سرمایه‌گذاری‌ها در شرایطی انجام می‌شود که تقاضا برای خدمات هوش مصنوعی و پردازش ابری همچنان بالاست. شرکت‌ها، دولت‌ها، مؤسسات مالی و حتی کسب‌وکارهای کوچک‌تر به‌تدریج از ابزارهای هوش مصنوعی استفاده می‌کنند و برای دسترسی به قدرت پردازشی بیشتر هزینه می‌پردازند. بنابراین مسئله اصلی این نیست که هوش مصنوعی فناوری واقعی و دارای مشتری است یا نه. مسئله این است که درآمد حاصل از این تقاضا تا چه اندازه می‌تواند هزینه سنگین ایجاد و نگهداری زیرساخت‌های آن را جبران کند.
وقتی درآمد کافی است، اما پول نقد کم می‌آید
در اینجا باید تفاوت میان سود حسابداری و جریان نقدی آزاد را شناخت. ممکن است شرکتی میلیاردها دلار درآمد داشته باشد و در صورت‌های مالی خود نیز سودآور به نظر برسد، اما به دلیل هزینه‌های سنگین سرمایه‌گذاری، پول نقد آزاد چندانی در اختیار نداشته باشد.
جریان نقدی آزاد، به زبان ساده، پولی است که پس از تأمین هزینه‌های جاری و سرمایه‌گذاری‌های سرمایه‌ای در اختیار شرکت باقی می‌ماند. این پول برای بازپرداخت بدهی، پرداخت سود سهام، خرید سهام خود شرکت یا سرمایه‌گذاری‌های جدید قابل استفاده است. وقتی مخارج سرمایه‌ای از پول نقد تولیدشده توسط فعالیت‌های شرکت بیشتر شود، جریان نقدی آزاد منفی خواهد شد. چنین وضعیتی به‌خودی‌خود نشانه ورشکستگی نیست، اما می‌تواند وابستگی شرکت به منابع مالی بیرونی را افزایش دهد.
برای نمونه، آلفابت در یک بازه سه‌ماهه حدود ۹.۱ میلیارد دلار جریان نقدی آزاد منفی ثبت کرده و آمازون نیز در دوازده ماه گذشته با جریان نقدی آزاد منفی ۴۲.۴ میلیارد دلاری روبه‌رو بوده است. در مقابل، مایکروسافت با وجود سرمایه‌گذاری سنگین، همچنان جریان نقدی آزاد مثبت داشته است. این تفاوت نشان می‌دهد که حتی میان غول‌های فناوری نیز توانایی تأمین هزینه‌های توسعه هوش مصنوعی یکسان نیست.
اهمیت این اعداد در آن است که شرکت‌ها برای ساخت زیرساخت‌های هوش مصنوعی نمی‌توانند به سرمایه‌گذاری اولیه بسنده کنند. آن‌ها باید پیوسته تجهیزات جدید بخرند، ظرفیت پردازشی خود را افزایش دهند و مراکز داده بیشتری بسازند. از سوی دیگر، بخشی از تجهیزات به‌سرعت ارزش اقتصادی خود را از دست می‌دهند؛ زیرا نسل تازه‌تری از تراشه‌ها وارد بازار می‌شود و استانداردهای پردازش را تغییر می‌دهد. بنابراین این شرکت‌ها با نوعی مسابقه سرمایه‌گذاری مواجه‌اند که در آن توقف یا کاهش شدید هزینه‌ها می‌تواند جایگاه رقابتی‌شان را تضعیف کند، اما ادامه بی‌وقفه سرمایه‌گذاری نیز فشار بر نقدینگی و بدهی را افزایش می‌دهد.
نگرانی فقط به سه شرکت بزرگ محدود نیست. در زنجیره هوش مصنوعی، شرکت‌هایی وجود دارند که خودشان مدل‌های بزرگ تولید نمی‌کنند، اما با ساخت مراکز داده و اجاره قدرت پردازش به شرکت‌های دیگر خدمات می‌دهند. برخی از این شرکت‌ها برای خرید تراشه و ساخت زیرساخت به وام و منابع مالی بیرونی متکی‌اند و برخلاف مایکروسافت یا آمازون، مجموعه متنوعی از منابع درآمدی در اختیار ندارند. برای مثال، یک شرکت نوپا ممکن است با دریافت وام، مرکز داده‌ای بزرگ بسازد و هزاران پردازنده گران‌قیمت بخرد. برنامه اقتصادی آن نیز بر این اساس باشد که شرکت‌های بزرگ هوش مصنوعی در سال‌های آینده قدرت پردازش این مرکز را اجاره کنند و درآمد حاصل از این اجاره، هزینه تجهیزات و اقساط وام را پوشش دهد.
اما اگر تقاضا کمتر از پیش‌بینی‌ها باشد، قیمت اجاره پردازش کاهش یابد یا هزینه تأمین مالی افزایش پیدا کند، چنین شرکتی ممکن است دیگر قادر به ادامه فعالیت مستقل نباشد. پیش‌بینی مؤسسه گارتنر نیز حاکی از آن است که بیش از ۸۰ درصد ارائه‌دهندگان نوپای خدمات ابری تخصصی هوش مصنوعی تا سال ۲۰۳۰ استقلال خود را از دست خواهند داد. این پیش‌بینی به معنای ورشکستگی قطعی ۸۰ درصد این شرکت‌ها نیست؛ ممکن است بسیاری از آن‌ها در شرکت‌های بزرگ‌تر ادغام شوند یا به تملک آن‌ها درآیند. با این حال، همین برآورد نشان می‌دهد که توسعه سریع هوش مصنوعی لزوماً به معنای موفقیت اقتصادی همه فعالان این زنجیره نخواهد بود.
تنگه هرمز؛ شوک انرژی در حساس‌ترین زمان
در چنین شرایطی، اهمیت تنگه هرمز از سطح یک گذرگاه نفتی فراتر می‌رود. روزانه حدود ۲۰ میلیون بشکه نفت خام و فرآورده‌های نفتی از این تنگه عبور می‌کند؛ رقمی معادل حدود یک‌پنجم مصرف جهانی نفت و بخش قابل‌توجهی از تجارت دریابرد نفت جهان. افزون بر آن، حدود یک‌پنجم تجارت جهانی گاز طبیعی مایع‌شده نیز از این گذرگاه انجام می‌شود. بخش عمده این محموله‌ها به بازارهای آسیایی می‌رود و امکان جایگزینی کامل مسیرهای انتقال آن‌ها وجود ندارد.
به همین دلیل، اختلال در تردد کشتی‌ها از هرمز فقط عرضه نفت را تحت تأثیر قرار نمی‌دهد. بازار گاز طبیعی و به‌ویژه محموله‌های ال‌ان‌جی قطر و امارات نیز از این وضعیت تأثیر می‌پذیرد. بخشی از صادرات انرژی این کشورها به بازارهای آسیایی و اروپایی به امنیت عبور از همین گذرگاه وابسته است. برای این محموله‌ها مسیر جایگزین دریایی مشابهی وجود ندارد و خطوط لوله منطقه‌ای نیز ظرفیت آن را ندارند که تمام حجم صادرات مختل‌شده را جبران کنند. در نتیجه، هرگونه اختلال طولانی‌مدت می‌تواند عرضه جهانی نفت و گاز را محدود کند و قیمت آن‌ها را در بازارهای مختلف تحت فشار قرار دهد.
البته همه نفت عبوری از هرمز از بین نمی‌رود و بخشی از صادرات منطقه می‌تواند از طریق خطوط لوله جایگزین منتقل شود. اما ظرفیت این مسیرها در مقایسه با حجم عبور روزانه از تنگه محدود است و نمی‌تواند جایگزین کامل آن باشد. بنابراین حتی با استفاده از مسیرهای جایگزین نیز ریسک کمبود عرضه و افزایش قیمت پابرجا خواهد ماند.
نکته مهم این است که بازار انرژی فقط به میزان واقعی نفت و گاز عرضه‌شده واکنش نشان نمی‌دهد؛ احتمال اختلال در عرضه نیز می‌تواند قیمت‌ها را تحت تأثیر قرار دهد. وقتی معامله‌گران، شرکت‌های حمل‌ونقل، پالایشگاه‌ها و دولت‌ها احتمال می‌دهند که یک مسیر مهم برای مدتی طولانی ناامن یا مسدود بماند، هزینه بیمه، حمل‌ونقل و تأمین محموله‌های جایگزین افزایش پیدا می‌کند. به همین دلیل، حتی پیش از آنکه کمبود فیزیکی در بازار به‌طور کامل ظاهر شود، قیمت‌ها ممکن است افزایش یابند. این همان جایی است که یک بحران منطقه‌ای می‌تواند به‌سرعت به مسئله‌ای جهانی تبدیل شود.
اما پرسش اصلی این است که افزایش قیمت نفت و گاز چگونه به صنعت هوش مصنوعی منتقل می‌شود؟
از قیمت انرژی تا هزینه سرمایه
نخستین مسیر انتقال، هزینه اداره زیرساخت‌های هوش مصنوعی است. مراکز داده برخلاف تصور عمومی، صرفاً ساختمان‌هایی پر از رایانه نیستند؛ آن‌ها تأسیساتی با مصرف بسیار بالای برق‌اند که برای حفظ عملکرد سرورها به سامانه‌های خنک‌کننده و تأمین برق پایدار نیاز دارند. قطع یا نوسان برق می‌تواند خسارت بزرگی به فعالیت آن‌ها وارد کند. با افزایش قدرت پردازش، نیاز این مراکز به انرژی نیز بیشتر شده است. پیش‌بینی‌ها نشان می‌دهد مصرف برق مراکز داده جهان در سال‌های آینده به‌شدت افزایش خواهد یافت و بخش مهمی از این رشد مربوط به گسترش هوش مصنوعی خواهد بود.
با این حال، باید از یک ساده‌سازی پرهیز کرد: مراکز داده عمدتاً نفت مصرف نمی‌کنند تا افزایش قیمت نفت مستقیماً هزینه برق تک‌تک آن‌ها را به همان نسبت بالا ببرد. برق این مراکز از ترکیبی از منابع گاز، زغال‌سنگ، انرژی‌های تجدیدپذیر و هسته‌ای تأمین می‌شود و ترکیب آن در هر کشور متفاوت است. بنابراین ارتباط هرمز با هزینه برق مراکز داده، بیشتر از مسیر بازار جهانی انرژی، قیمت گاز، هزینه سوخت نیروگاه‌ها و قراردادهای تأمین برق شکل می‌گیرد. اختلال در صادرات ال‌ان‌جی خلیج فارس، به‌خصوص برای بازارهایی که به واردات گاز وابستگی دارند، می‌تواند این فشار را مستقیم‌تر کند.
اما اثر مهم‌تر شاید از مسیری غیرمستقیم‌تر عبور کند: تورم و هزینه تأمین مالی.
افزایش قیمت نفت و گاز فقط قبض انرژی شرکت‌ها را بالا نمی‌برد. سوخت گران‌تر هزینه حمل‌ونقل، تولید کالا، مواد اولیه، پتروشیمی، خدمات و بخش بزرگی از فعالیت‌های اقتصادی را افزایش می‌دهد. در نتیجه، فشار تورمی می‌تواند در سطح وسیع‌تری از اقتصاد ظاهر شود. اگر این افزایش قیمت موقتی نباشد و به انتظارات تورمی و قیمت کالاها و خدمات سرایت کند، بانک‌های مرکزی نیز ممکن است برای کاهش نرخ بهره با احتیاط بیشتری عمل کنند یا نرخ‌های بالا را برای مدت طولانی‌تری حفظ کنند.
این مسئله برای صنعتی که به سرمایه‌گذاری‌های چندصد میلیارد دلاری و بازده بلندمدت وابسته است، اهمیت زیادی دارد. هرچه نرخ بهره و هزینه تأمین مالی بالاتر باشد، تأمین وام برای ساخت مراکز داده و خرید تجهیزات گران‌تر می‌شود. سرمایه‌گذاران نیز در ارزیابی پروژه‌ها سخت‌گیرتر خواهند شد؛ زیرا بازدهی که پیش‌تر در آینده‌ای دور قابل قبول به نظر می‌رسید، در شرایط نرخ بهره بالا ممکن است دیگر توجیه اقتصادی نداشته باشد.
برای درک بهتر، می‌توان یک پروژه فرضی ساخت مرکز داده را در نظر گرفت. شرکتی برای راه‌اندازی این مرکز باید چندین میلیارد دلار هزینه کند و بخش قابل‌توجهی از سرمایه مورد نیاز را از طریق وام تأمین کند. درآمد آن نیز قرار است طی چند سال آینده و از محل اجاره قدرت پردازش به دست آید. اگر نرخ بهره پایین باشد، شرکت می‌تواند با هزینه کمتری وام بگیرد و امیدوار باشد درآمدهای آینده، اصل و سود بدهی را پوشش دهند. اما اگر هم‌زمان با افزایش قیمت انرژی، نرخ بهره نیز بالا بماند، هزینه اداره مرکز داده و بازپرداخت وام افزایش پیدا می‌کند. در چنین وضعیتی، حتی اگر تعداد مشتریان کاهش پیدا نکند، ممکن است سودآوری پروژه به‌شدت افت کند.
به همین دلیل است که شوک انرژی می‌تواند به شوک مالی تبدیل شود. شرکت‌ها ممکن است برای حفظ برنامه‌های توسعه‌ای خود به منابع مالی بیشتری نیاز داشته باشند، اما بانک‌ها و سرمایه‌گذاران در شرایط تورمی و پرریسک تمایل کمتری به تأمین اعتبار داشته باشند. اینجاست که یک بحران انرژی می‌تواند به شکل غیرمستقیم، توسعه یکی از مهم‌ترین صنایع آینده را تحت فشار قرار دهد.
وقتی فشار مالی به بازار سهام سرایت می‌کند
در این مرحله، مسئله از ترازنامه شرکت‌های فناوری فراتر می‌رود و به بازارهای مالی می‌رسد. ارزش‌گذاری بسیاری از شرکت‌های فعال در حوزه هوش مصنوعی بر اساس انتظارات بلندمدت از رشد این صنعت شکل گرفته است. سرمایه‌گذاران حاضر بوده‌اند امروز قیمت بالایی برای سهام این شرکت‌ها بپردازند، به این امید که در سال‌های آینده از رشد درآمد هوش مصنوعی سود ببرند.
اما هنگامی که هزینه سرمایه‌گذاری افزایش پیدا کند و بازده پروژه‌ها با تأخیر یا عدم قطعیت روبه‌رو شود، بازار در ارزش‌گذاری خود تجدیدنظر می‌کند. سرمایه‌گذار دیگر صرفاً نمی‌پرسد یک شرکت چقدر در هوش مصنوعی سرمایه‌گذاری کرده است؛ بلکه می‌پرسد این سرمایه‌گذاری چه زمانی و با چه میزان سود به پول نقد تبدیل خواهد شد.
این تغییر معیار اهمیت زیادی دارد. در دوره‌ای که منابع مالی ارزان و نرخ بهره پایین است، سرمایه‌گذاران معمولاً حاضرند برای وعده‌های رشد آینده قیمت‌های بالایی بپردازند. اما وقتی بازده اوراق قرضه افزایش پیدا می‌کند و سرمایه‌گذاری‌های کم‌ریسک‌تر جذاب‌تر می‌شوند، سهامداران برای پذیرش ریسک پروژه‌های بلندمدت انتظار بازده بیشتری دارند. در نتیجه، ارزش سهامی که بخش مهمی از قیمت آن بر پایه سودهای احتمالی سال‌های آینده شکل گرفته است، ممکن است کاهش یابد.
واکنش بازار به گزارش‌های مالی اخیر غول‌های فناوری نیز نشان داده است که سرمایه‌گذاران نسبت به حجم سرمایه‌گذاری و توانایی شرکت‌ها برای تبدیل آن به جریان نقدی حساس‌تر شده‌اند. صرف اعلام برنامه‌های چندصد میلیارد دلاری برای توسعه هوش مصنوعی دیگر نمی‌تواند به‌تنهایی نشانه قدرت یک شرکت تلقی شود. بازار می‌خواهد بداند این هزینه‌ها چه زمانی به درآمد قابل‌اتکا تبدیل می‌شوند و آیا شرکت می‌تواند بدون افزایش بی‌رویه بدهی، برنامه توسعه خود را ادامه دهد یا خیر.
این تغییر اهمیت دیگری هم دارد. شرکت‌های بزرگ فناوری در سال‌های گذشته بخش قابل‌توجهی از جذابیت سهام خود را از طریق بازخرید سهام و پرداخت سود نقدی حفظ می‌کردند. بازخرید سهام به شرکت اجازه می‌دهد بخشی از سهام موجود در بازار را بخرد و از این طریق از قیمت سهم حمایت کند. اما افزایش هزینه‌های هوش مصنوعی منابع نقدی قابل استفاده برای این کار را کاهش می‌دهد. هنگامی که بخش بزرگ‌تری از پول نقد شرکت به ساخت مراکز داده و خرید تراشه اختصاص پیدا می‌کند، منابع کمتری برای بازخرید سهام، سود سهام و سایر فعالیت‌های مالی باقی می‌ماند. در نتیجه، بخشی از پشتوانه سنتی قیمت سهام شرکت‌های فناوری نیز ممکن است تحت فشار قرار گیرد.
از مارجین‌کال تا بحران اعتباری؛ یک حلقه احتمالی
در کنار این تحولات، موضوع اهرم مالی و مارجین‌کال نیز اهمیت پیدا می‌کند. بعضی صندوق‌ها و سرمایه‌گذاران برای خرید دارایی‌ها از وام یا اعتبار استفاده می‌کنند. وقتی ارزش دارایی‌های وثیقه‌شده کاهش پیدا کند، کارگزار یا وام‌دهنده از آن‌ها می‌خواهد وثیقه بیشتری فراهم کنند یا بخشی از دارایی‌های خود را بفروشند. اگر سرمایه‌گذار پول نقد کافی نداشته باشد، فروش اجباری می‌تواند به افت بیشتر قیمت‌ها منجر شود.
چنین اتفاقی ممکن است به دارایی‌هایی هم سرایت کند که در ظاهر ارتباط مستقیمی با فناوری ندارند. صندوقی که برای جبران زیان سهام فناوری به نقدینگی نیاز دارد، ممکن است طلای خود را هم بفروشد. این اتفاق در نگاه نخست عجیب به نظر می‌رسد؛ زیرا طلا معمولاً در زمان بحران به‌عنوان دارایی امن شناخته می‌شود. اما وقتی مسئله اصلی کمبود پول نقد و تسویه فوری بدهی‌ها باشد، حتی دارایی امن نیز ممکن است برای تأمین نقدینگی فروخته شود. از این طریق، فشار ناشی از سقوط یک گروه دارایی به بازارهای دیگر منتقل می‌شود.
با این حال، صرف هم‌زمانی افت سهام فناوری و طلا برای اثبات آغاز یک آبشار گسترده مارجین‌کال کافی نیست. برای چنین نتیجه‌ای باید اطلاعات دقیق‌تری از میزان اهرم مالی صندوق‌ها، کسری وثیقه‌ها و فروش‌های اجباری در دست داشت. آنچه می‌توان با اطمینان بیشتری گفت این است که افزایش نوسان در بازارها، در کنار وابستگی بخشی از سرمایه‌گذاری‌های جدید به بدهی، احتمال سرایت فشار مالی را افزایش می‌دهد.
در این میان، شرکت‌های کوچک‌تر فعال در زیرساخت هوش مصنوعی آسیب‌پذیرترند. غول‌هایی مانند مایکروسافت و آمازون مجموعه بزرگی از منابع درآمدی دارند و می‌توانند در صورت لزوم بخشی از سرمایه‌گذاری‌های خود را از محل فعالیت‌های دیگر تأمین کنند. اما یک شرکت نوپای ابری که تقریباً تمام درآمدش از اجاره قدرت پردازش حاصل می‌شود و برای خرید تراشه و ساخت مرکز داده وام گرفته است، در برابر افزایش نرخ بهره یا کاهش تقاضا آسیب‌پذیری بیشتری دارد. اگر دسترسی این شرکت به اعتبار بانکی محدود شود، ممکن است نتواند تجهیزات جدید بخرد، بدهی‌های قبلی را بازپرداخت کند یا حتی هزینه‌های جاری خود را بپردازد. در نهایت، شرکت‌های بزرگ‌تر می‌توانند چنین مجموعه‌هایی را با قیمت پایین‌تر خریداری کنند و سهم بیشتری از بازار را در اختیار بگیرند؛ یا برخی از این شرکت‌ها به‌طور کامل از چرخه فعالیت خارج شوند.
قدرت هرمز فراتر از بازار نفت
با کنار هم گذاشتن این عوامل می‌توان به یک تصویر گسترده‌تر رسید. هوش مصنوعی یکی از ستون‌های رقابت فناورانه و اقتصادی قدرت‌های بزرگ است. این صنعت برای توسعه به سرمایه‌های عظیم، برق پایدار، تراشه‌های پیشرفته و دسترسی مستمر به بازارهای مالی نیاز دارد. هم‌زمان، بخش‌هایی از زنجیره آن با فشار بر نقدینگی، افزایش بدهی و تردید درباره بازده سرمایه‌گذاری مواجه‌اند. در چنین وضعیتی، اختلال پایدار در یکی از مهم‌ترین گذرگاه‌های انرژی جهان می‌تواند مجموعه‌ای از هزینه‌های تازه را به این صنعت تحمیل کند.
این همان نقطه‌ای است که اهمیت راهبردی تنگه هرمز از بازار انرژی به بازار سرمایه و فناوری گسترش می‌یابد. ایران در مجاورت گذرگاهی قرار دارد که اختلال در آن می‌تواند عرضه بخشی از نفت و گاز جهان را تحت تأثیر قرار دهد. اثر چنین موقعیتی فقط در افزایش قیمت هر بشکه نفت خلاصه نمی‌شود؛ بلکه در افزایش ریسک فعالیت اقتصادی، بالا رفتن هزینه انرژی، تغییر انتظارات تورمی و دشوارتر شدن تأمین مالی نیز خود را نشان می‌دهد.
از این منظر، تنگه هرمز را باید نه‌فقط یک مسیر انتقال نفت، بلکه یکی از نقاط اتصال جغرافیای سیاسی به اقتصاد جهانی دانست. هرچه وابستگی اقتصادهای بزرگ به زیرساخت‌های پرهزینه و سرمایه‌بر افزایش پیدا کند، اهمیت امنیت انرژی و ثبات مسیرهای انتقال آن نیز بیشتر می‌شود. صنعت هوش مصنوعی نمونه روشنی از این وابستگی است: فناوری‌ای که در تصور عمومی بیشتر با نرم‌افزار، الگوریتم و تراشه شناخته می‌شود، در واقع بر شبکه‌ای عظیم از نیروگاه‌ها، خطوط انتقال برق، تجهیزات صنعتی، مراکز داده و سرمایه‌گذاری مالی تکیه دارد.
در این چارچوب، باید به یک نکته دیگر نیز توجه کرد: اثر اختلال هرمز فقط به شرکت‌های آمریکایی محدود نمی‌شود. بازار انرژی جهانی به‌هم‌پیوسته است و افزایش قیمت نفت و گاز می‌تواند بر هزینه فعالیت اقتصادی در اروپا و آسیا نیز اثر بگذارد. این موضوع از آن جهت اهمیت دارد که بخش مهمی از مشتریان خدمات ابری و هوش مصنوعی در همین بازارها قرار دارند. اگر افزایش هزینه انرژی به کاهش رشد اقتصادی، محدود شدن بودجه شرکت‌ها و کاهش مخارج فناوری منجر شود، فشار ناشی از بحران می‌تواند از سمت مشتریان نیز به ارائه‌دهندگان خدمات هوش مصنوعی منتقل شود. به این ترتیب، شرکت‌های فناوری ممکن است نه‌فقط با افزایش هزینه‌های خود، بلکه با کاهش توان خرید بخشی از مشتریانشان مواجه شوند.
البته نباید از این تحلیل نتیجه گرفت که یک شوک در تنگه هرمز الزاماً حباب هوش مصنوعی را خواهد ترکاند یا شرکت‌های بزرگ فناوری را به ورشکستگی می‌کشاند. این شرکت‌ها از منابع مالی، قراردادهای بلندمدت انرژی، ذخایر نقدی و توانایی‌های متنوعی برای مدیریت بحران برخوردارند. افزون بر آن، افزایش قیمت انرژی در همه مناطق جهان آثار یکسانی ندارد و بخش مهمی از مراکز داده نیز از منابع مختلف برق استفاده می‌کنند. اثرگذاری نهایی به مدت و شدت اختلال، میزان افزایش قیمت انرژی، واکنش بانک‌های مرکزی، وضعیت بازار اعتبار و توان واقعی شرکت‌ها برای کسب درآمد از سرمایه‌گذاری‌های انجام‌شده بستگی دارد.
همچنین باید میان دو موضوع تفاوت گذاشت: حباب احتمالی ارزش سهام شرکت‌های هوش مصنوعی و اهمیت واقعی خود فناوری. حتی اگر بخشی از شرکت‌ها به دلیل هزینه‌های سنگین، بدهی یا ناتوانی در رقابت از بازار خارج شوند، این اتفاق لزوماً به معنای پایان رشد هوش مصنوعی نیست. ممکن است فناوری همچنان توسعه پیدا کند، اما شرکت‌های کمتری توان ادامه فعالیت مستقل داشته باشند و بخش بزرگ‌تری از بازار در اختیار چند غول فناوری قرار گیرد. در این صورت، آنچه فرو می‌ریزد لزوماً خود صنعت نیست، بلکه بخشی از ارزش‌گذاری‌های خوش‌بینانه و مدل‌های تجاری ناپایدار پیرامون آن است.
با وجود این ملاحظات، یک نکته قابل انکار نیست: اقتصاد جهانی در حال ورود به دوره‌ای است که رقابت بر سر هوش مصنوعی، بیش از گذشته به انرژی و سرمایه وابسته شده است. اگر تا چند سال قبل قدرت فناوری عمدتاً با دسترسی به دانش، نیروی انسانی و تراشه سنجیده می‌شد، اکنون توان تأمین برق، ساخت مراکز داده و تأمین مالی بلندمدت نیز به همان اندازه اهمیت پیدا کرده است.
در چنین شرایطی، یک بحران در خلیج فارس می‌تواند پیامدهایی در فاصله هزاران کیلومتری از آن ایجاد کند. شاید در وال‌استریت کسی مستقیماً به تنگه هرمز فکر نکند، اما قیمت انرژی، بازده اوراق قرضه، هزینه تأمین مالی و ارزش سهام شرکت‌های فناوری می‌توانند به‌سرعت اثر یک اختلال ژئوپلیتیکی را منعکس کنند. به همین دلیل، پیامدهای یک بحران در هرمز را باید در زنجیره‌ای از بازارها و صنایع دنبال کرد که از انرژی آغاز می‌شود و به اعتبارات بانکی، سرمایه‌گذاری صنعتی و رقابت فناورانه می‌رسد.
جنگ در خاورمیانه ممکن است در میدان‌های نظامی منطقه جریان داشته باشد، اما بخشی از پیامدهای اقتصادی آن در ترازنامه شرکت‌های فناوری، بازار بدهی و شاخص‌های بورس آمریکا ظاهر شود. اهمیت این مسئله برای ایران نیز دقیقاً در همین‌جاست: قدرت اثرگذاری یک موقعیت ژئوپلیتیکی را نباید فقط با حجم نفت عبوری از آن سنجید؛ گاهی دامنه واقعی اثر آن را باید در زنجیره‌ای از هزینه‌ها، انتظارات و تصمیم‌های اقتصادی جست‌وجو کرد که از بازار انرژی آغاز می‌شود و تا قلب اقتصاد فناوری جهان امتداد می‌یابد.