سرمایه‌گذاری در هوش مصنوعی؛ از تاکسی‌های خودران تا زیرساخت‌های انرژی و مس

به گزارش تجارگستران ، در شرایطی که جهش فناوری هوش مصنوعی (AI) با سرعت چشمگیری ادامه دارد، سرمایه‌گذاری بر آینده این بخش، آن‌گونه که توسط بلومبرگ تحلیل شده، هم‌زمان هم جذاب است و هم با ریسک‌هایی همراه است. تأثیر هوش مصنوعی بر اقتصاد، سبد سرمایه‌گذاری‌ها و زندگی روزمره در حال افزایش است؛ به‌طوری که شرکت‌های بزرگ بهره‌مند از این فناوری، حدود ۳۶ درصد از شاخص S&P 500 را تشکیل می‌دهند و انویدیا (Nvidia) سهمی نزدیک به ۸٪ از این شاخص دارد.

بلومبرگ خاطرنشان می‌سازد که موج عظیم هزینه‌های سرمایه‌ای برای ساخت مراکز داده (Data Centers)، محرک اصلی اقتصاد آمریکا شده است، اما هم‌زمان نگرانی‌هایی را در مورد حذف فرصت‌های شغلی سطح مبتدی و افزایش چشمگیر مصرف آب و برق به دنبال دارد.

برای درک بهتر اینکه «وعده‌های هوش مصنوعی چگونه به سود تبدیل می‌شوند»، بلومبرگ با چهار کارشناس سرمایه‌گذاری مصاحبه کرده است:

• کتی وود (Ark Invest): تمرکز بر حمل و نقل خودران و فناوری‌های تحول‌آفرین.
• دنی فیش (Janus Henderson): استراتژی‌های بلندمدت و تقسیم چرخه پذیرش هوش مصنوعی به سه مرحله.
• تاوشا وانگ (Fidelity International): ارتباط هوش مصنوعی با کالاهای اساسی (مانند مس) و چرخه‌های کلان اقتصادی.
• مایکل اسمیت (Allspring Global Investments): تخصص در سرمایه‌گذاری در بخش‌های انرژی و زیرساخت.

دیدگاه‌های این کارشناسان نشان می‌دهد که فرصت‌های سودآوری فراتر از مدل‌های زبان بزرگ (LLMs) است و در تقاطع داده‌ها با زیرساخت‌ها، انرژی، منابع طبیعی و مراقبت‌های بهداشتی شکوفا می‌شود.

  هوش مصنوعی تجسم‌یافته: پتانسیل ده‌ها تریلیون دلاری تاکسی‌های خودران

کتی وود، مدیرعامل آرک اینوست، «هوش مجسم» (Embodied Intelligence) و به‌طور خاص حمل و نقل خودران را مهم‌ترین فرصت سرمایه‌گذاری در سال ۲۰۲۶ می‌داند.

بلومبرگ به نقل از وود تخمین می‌زند که سیستم جهانی تاکسی‌های خودران ظرف ۵ تا ۱۰ سال آینده می‌تواند به بازاری به ارزش ۸ تا ۱۰ تریلیون دلار گسترش یابد. او شرکت تسلا را در موقعیت پیشتاز این بازار در سطح جهانی ارزیابی می‌کند.

وود رقم قابل توجه ۲۶۰۰ دلار را به عنوان قیمت هدف سهام تسلا ظرف ۴ سال آتی ذکر می‌کند و ادعا دارد که ۹۰٪ از این سناریو به خدمات «تاکسی‌های روباتیک» مرتبط است. وی عامل اصلی موفقیت را «داده‌های عملیاتی» انبوه وسایل نقلیه در حال حرکت می‌داند که «داده‌های شرایط مرزی» (مانند خرابی‌ها و حوادث نادر) را جمع‌آوری می‌کنند.

جهش‌های جدید در بخش مراقبت‌های بهداشتی با AI

دومین محور مهم سرمایه‌گذاری، بخش مراقبت‌های بهداشتی است؛ حوزه‌ای که می‌تواند تأثیری فراتر از هیاهوی سنتی پیرامون تراشه‌ها داشته باشد.

وود به پیشرفت‌های عظیم در «توالی‌یابی ژن‌ها» و «توالی‌یابی تک سلولی» اشاره می‌کند که در تشخیص سرطان و توسعه راهبردهای درمانی به کار می‌روند. او از شرکت‌های «تن ایکس ژنومیکس» (10x Genomics) و «تمپس اِی‌آی» (Tempus AI) به عنوان نمونه‌های مورد علاقه خود نام می‌برد. تمپس اِی‌آی یک پلتفرم تحلیل‌گر حجم عظیمی از داده‌های بیماران است که پتانسیل تبدیل شدن به «یکی از مهم‌ترین پایه‌های اطلاعاتی» درمانی آمریکا را دارد.

 سرمایه‌گذاری در چرخه پذیرش هوش مصنوعی

دنی فیش از جانوس هندرسن، رویکردی مهندسی‌شده‌تری ارائه می‌دهد و چرخه پذیرش هوش مصنوعی را به سه دسته اصلی تقسیم می‌کند:

• توانمندسازان (Enablers): شامل زیرساخت، تراشه‌ها، مراکز داده و انرژی. (مرحله فعلی بازار)
• تقویت‌کننده‌ها (Augmenters): نرم‌افزارهایی که با هوش مصنوعی سود می‌برند یا در خطر اختلال قرار دارند. (شرکت‌هایی چون اینتویت، دیتاداگ، اسنوفلیک)
• کاربران نهایی (End Users): شرکت‌هایی که هوش مصنوعی را برای مزیت رقابتی به کار می‌برند. (شرکت‌هایی چون دیر، اینتوئیتو سرجیکال، بلک‌استون)

به گفته فیش، بازار هنوز در «مرحله توانمندسازی» است که با هزینه‌های سنگین سرمایه‌ای برای ساخت ظرفیت محاسباتی و آموزشی توسط شرکت‌هایی مانند مایکروسافت و آلفابت هدایت می‌شود.

  مس و انرژی؛ محدودیت‌های رشد هوش مصنوعی

تاوشا وانگ (فیدلیتی) معتقد است که هزینه‌های عظیم مراکز داده برای هوش مصنوعی، فشارهای تورمی ایجاد خواهد کرد و مس را به ابزار پوشش ریسک مهمی تبدیل می‌کند؛ زیرا تقاضای مس با نرخی نمایی رشد می‌کند در حالی که عرضه آن کاهش می‌یابد.

مایکل اسمیت (اول‌اسپرینگ) تأکید می‌کند که انرژی «بزرگترین محدودیت» در مسیر گسترش هوش مصنوعی است. این مسئله فرصت‌های بزرگی را در زیرساخت‌های انرژی (مانند کوانتا سرویسز و تالن انرژی) و همچنین در حوزه‌های سلامت دیجیتال (مانند راد نِت) و بیمه مبتنی بر داده (پروگرسیو اینشورنس) ایجاد می‌کند.

بلومبرگ با ذکر نمونه‌هایی از استفاده شخصی کارشناسان از هوش مصنوعی در زندگی روزمره (مانند کمک به آموزش ریاضی یا تولید داستان)، گزارش خود را به پایان می‌رساند. با این حال، مایکل اسمیت هشدار می‌دهد که حاشیه‌های ایمنی در قیمت‌گذاری سهام محدود است و ریسک‌های غیرقابل تعریف ممکن است بیشترین تأثیر را بگذارند.