Category: اخبار

بیت‌کوین، بیمه‌ای در برابر اختلالات اقتصادی از نگاه رابرت کیوساکی

رابرت کیوساکی، نویسنده کتاب پرفروش “پدر پولدار، پدر بی‌پول”، در تازه‌ترین دفاع خود از آمادگی مالی، مالکیت بیت‌کوین را نوعی احتیاط در برابر اختلالات اقتصادی توصیف کرده است. وی این ایده را که پیش‌بینی مشکلات نشان‌دهنده بدبینی است، به چالش کشید و استدلال کرد که حفاظت از ثروت می‌تواند با نگاهی خوش‌بینانه همزیستی داشته باشد.

مقایسه مالکیت بیت‌کوین با داشتن بیمه

کیوساکی مالکیت دارایی‌هایی خارج از ارزهای صادر شده توسط دولت را با داشتن بیمه مقایسه می‌کند. وی معتقد است که همانطور که افراد برای محافظت از دارایی‌های فیزیکی خود در برابر حوادث غیرمنتظره بیمه می‌خرند، باید برای محافظت از ثروت خود در برابر اختلالات اقتصادی نیز تدابیری بیندیشند. بیت‌کوین، به دلیل ماهیت غیرمتمرکز و محدودیت عرضه آن، از نظر کیوساکی می‌تواند نقش این “بیمه” را ایفا کند.

او تاکید کرد که آمادگی برای بدترین سناریوها، به معنای ناامیدی یا بدبینی نیست، بلکه یک رویکرد منطقی و مسئولانه برای حفظ ارزش دارایی‌ها در دنیایی پر از عدم قطعیت است. کیوساکی بارها نسبت به سیاست‌های پولی دولت‌ها و احتمال کاهش ارزش پول رایج هشدار داده و سرمایه‌گذاری در دارایی‌های جایگزین مانند طلا، نقره و بیت‌کوین را راهکاری برای مقابله با این ریسک‌ها معرفی کرده است.

کاتى وود: قانون جدید سرمایه‌گذاری “عوامل را دنبال کنید”

کاتى وود، هم‌بنیان‌گذار ARK Invest، در نشست Robinhood Summit قانون جدید سرمایه‌گذاری را با عنوان “عوامل را دنبال کنید” (Follow the Agents) مطرح کرد. او معتقد است با تکامل عوامل هوش مصنوعی از پاسخ‌گویی به پرسش‌ها به سمت هزینه‌کرد مستقل، سرمایه‌گذاران باید بر زیرساخت‌های مالی مورد استفاده آن‌ها تمرکز کنند.

تکامل از “دنبال کردن توسعه‌دهندگان” به “دنبال کردن عوامل”

کاتى وود در سال‌های گذشته بارها به سرمایه‌گذاران توصیه کرده بود که “توسعه‌دهندگان را دنبال کنند” (follow the developers) و با رصد تحرکات آن‌ها، روندهای فناوری را پیش‌بینی کنند. او در نشست Robinhood Summit که این هفته در هیوستون برگزار شد، توصیه‌ای به‌روز شده ارائه داد: “ممکن است ما به طور فزاینده‌ای درباره دنبال کردن عوامل صحبت کنیم.”

زیرساخت‌های مالی در عصر عوامل هوش مصنوعی

پرسش اصلی که در پس این جمله نهفته است این است که وقتی هوش مصنوعی دیگر صرفاً به دنبال یافتن پاسخ برای انسان‌ها نیست، بلکه شروع به هزینه کردن برای آن‌ها می‌کند، زیرساخت‌های مالی چگونه تغییر خواهند کرد؟

شرکت BlackRock در گزارشی که در ماه سپتامبر در مورد هم‌پوشانی هوش مصنوعی و دارایی‌های دیجیتال منتشر کرد، استدلال مشابهی را مطرح کرده است. این بزرگترین موسسه مدیریت دارایی جهان معتقد است که عوامل هوش مصنوعی ممکن است نیازهای جدیدی را برای “سیستم‌های پرداخت مخصوص ماشین” ایجاد کنند.

یک عامل هوش مصنوعی ممکن است نیاز به پرداخت هزینه‌های فراخوانی API، خرید داده از خدمات دیگر، یا اجاره منابع محاسباتی داشته باشد، و این تراکنش‌ها نمی‌توانند هر بار منتظر تأیید انسانی بمانند. BlackRock معتقد است که استیبل‌کوین‌ها و بلاک‌چین می‌توانند یکی از راه‌های پردازش این پرداخت‌ها باشند.

استیبل‌کوین‌ها می‌توانند به صورت ۲۴ ساعته و بدون وقفه تراکنش انجام دهند و پروتکل‌های پرداخت بلاک‌چین می‌توانند امکان انتقال مستقیم مبالغ کم بین نرم‌افزارها را فراهم کنند. پروتکل x402 که توسط Coinbase راه‌اندازی شده است، نمونه‌ای از این طراحی‌ها است که به طور خاص برای پرداخت ماشین‌ها برای دسترسی به خدمات آنلاین مانند داده‌ها یا API طراحی شده است.

حضور عوامل هوش مصنوعی در فضای رمزارز

عوامل هوش مصنوعی در حال حاضر در برخی گوشه‌های فضای رمزارز ظاهر شده‌اند. برایان آرمسترانگ، مدیرعامل Coinbase، در پلتفرم X اعلام کرد که “Grok در حال حاضر پیشروترین مشتری معامله‌گر عامل (agentic trader) در Coinbase است”، اما جزئیات بیشتری ارائه نکرد.

این بدان معناست که مدل Grok از xAI در حال اجرای خودکار معاملات از طریق عوامل هوش مصنوعی است، حداقل در مرحله آزمایشی یا اولیه. اگر در آینده مدل‌های هوش مصنوعی بیشتری با الگوی مشابه در صرافی‌های رمزارز فعالیت کنند، حجم معاملات و الگوهای رفتاری ممکن است دچار تغییرات ساختاری شوند.

رقابت بین شبکه‌های باز و اکوسیستم‌های بسته

با این حال، باید توجه داشت که استیبل‌کوین‌ها و بلاک‌چین‌ها بازار پرداخت عوامل هوش مصنوعی را به تنهایی در اختیار نخواهند داشت. Stripe، Visa، Google و OpenAI همگی در حال توسعه قابلیت‌هایی برای خرید و پرداخت توسط عوامل هوش مصنوعی هستند. BlackRock نیز در گزارش خود به صراحت بیان کرده است که سیستم‌های پرداخت سنتی همچنان مهم خواهند بود.

این در واقع رقابت بین “شبکه باز در مقابل اکوسیستم بسته” است. بلاک‌چین‌هایی مانند اتریوم یک شبکه مالی مشترک را ارائه می‌دهند که برای عوامل هوش مصنوعی، اپلیکیشن‌ها و شرکت‌های مختلف قابل استفاده است و نیازی نیست هر شرکت هوش مصنوعی سیستم پرداخت بسته خود را بسازد. در مقابل، غول‌های فناوری تمایل دارند کل فرآیند را در اکوسیستم خود تکمیل کنند؛ عوامل هوش مصنوعی توسط آن‌ها آموزش داده می‌شوند، پرداخت‌ها توسط آن‌ها پردازش می‌شود و داده‌ها در پلتفرم آن‌ها باقی می‌مانند.

شاخص‌های کلیدی برای سرمایه‌گذاران

اگر عوامل هوش مصنوعی واقعاً به بازیگران اصلی اقتصادی تبدیل شوند، رصد محل تراکنش آن‌ها و شبکه‌های پرداختی که استفاده می‌کنند، می‌تواند معیاری برای سنجش کاربرد واقعی استیبل‌کوین‌ها و بلاک‌چین‌ها باشد.

جهت‌گیری فعلی نشان می‌دهد که استیبل‌کوین‌ها و بلاک‌چین‌ها در سناریوهای پرداخت “ماشین به ماشین، ۲۴ ساعته، ۷ روز هفته، با حجم کم و فرکانس بالا” مزیت طبیعی دارند. پرداخت هزینه‌های API، خرید داده، یا اجاره توان محاسباتی توسط عوامل هوش مصنوعی با خرید کارت اعتباری توسط انسان متفاوت است؛ نیازی به صورت‌حساب پایان ماه، تأیید دستی، یا تسویه بین مناطق زمانی مختلف نیست. این‌ها مواردی هستند که استیبل‌کوین‌ها در آن‌ها مهارت دارند.

متغیرهای کلیدی: نظارت و قابلیت همکاری

اما متغیرهای کلیدی در این میان، نظارت و قابلیت همکاری هستند. اگر پرداخت‌های عوامل هوش مصنوعی مشمول چارچوب AML/KYC شوند، مزیت استیبل‌کوین‌ها ممکن است تضعیف شود؛ و اگر پلتفرم‌های اصلی هوش مصنوعی ترجیح دهند فقط با سیستم‌های پرداخت خاصی ادغام شوند، استدلال شبکه باز زیر سوال می‌رود. در ۱ تا ۲ سال آینده، شواهد بیشتری در مورد این نقاط مشاهده‌ای ظهور خواهد کرد.

بیت迪尔 (Bitdeer) تمام ۲۹۲.۳ بیت‌کوین استخراج شده در هفته را فروخت و همچنان موجودی صفر دارد؛ وجوه حاصل از فروش صرف ابر رایانش هوش مصنوعی و زمین‌های برق‌رسانی می‌شود، اما حاشیه سود ناخالص همچنان منفی و بدهی بلندمدت به ۱.۸ میلیارد دلار می‌رسد.

در هفته منتهی به ۲ اکتبر، شرکت بیت‌کوین‌کارینگ (Bitcoin Mining) مستقر در نزدک، بیت‌دییر (Bitdeer)، موفق به استخراج ۲۹۲.۳ بیت‌کوین شد و در همان دوره نیز همین مقدار را فروخت، که منجر به افزایش خالص صفر بیت‌کوین در موجودی این شرکت شد. گزارش هفتگی رسمی بیت‌دییر در پلتفرم X، عملکردی مشابه ماه‌های گذشته را نشان می‌دهد: هر مقدار بیت‌کوین که استخراج می‌شود، همان مقدار نیز فروخته می‌شود و موجودی بیت‌کوین این شرکت همچنان صفر باقی می‌ماند.

با محاسبه تقریبی، بیت‌دییر روزانه حدود ۴۱.۸ بیت‌کوین استخراج می‌کند. با قیمت فعلی حدود ۸۴,۷۷۰ دلار، این ۲۹۲.۳ بیت‌کوین ارزشی معادل ۲۴.۸ میلیون دلار دارد (این محاسبه بر اساس قیمت فعلی است و قیمت واقعی فروش ممکن است متفاوت باشد).

موجودی صفر بیت‌کوین بیت‌دییر همیشگی نبوده است. در پایان سال ۲۰۲۵، این شرکت حدود ۲,۰۰۰ بیت‌کوین در حساب خود داشت. در پایان ژانویه ۲۰۲۶، این رقم به ۱,۵۳۰ بیت‌کوین کاهش یافت و در ۱۳ فوریه به ۹۴۳.۱ بیت‌کوین رسید. در هفته منتهی به ۲۰ فوریه، پست رسمی این شرکت در X نشان داد که تمام ۱۸۹.۸ بیت‌کوین استخراج شده در آن هفته فروخته شده و ۹۴۳.۱ بیت‌کوین دیگر نیز از ذخایر موجود تسویه شده است، که در نهایت موجودی این شرکت به صفر رسید.

راس گان، مدیر ارشد ارتباطات، در آن زمان اعلام کرد که فروش بیت‌کوین یک تصمیم نقدینگی بوده و به معنای انصراف از استخراج نیست. وی افزود که این شرکت در حال ارزیابی چندین فرصت خرید غیرالزام‌آور با پشتیبانی برق‌رسانی است و به همین دلیل، انعطاف‌پذیری نقدی را در اولویت قرار داده است. بیانیه بیت‌دییر نیز تصریح کرد: «تصمیم ما برای فروش بیت‌کوین نباید باعث نگرانی کلی بازار شود.» در همان دوره، این شرکت همچنین اقدام به تامین مالی از طریق اوراق قرضه قابل تبدیل کرده بود.

پس این وجوه کجا رفته‌اند؟ از گزارش عملیاتی ماه اوت (6-K) که به کمیسیون بورس و اوراق بهادار آمریکا (SEC) ارائه شده است، می‌توان این موضوع را مشاهده کرد. در ماه اوت، بیت‌دییر ۱,۳۱۰ بیت‌کوین استخراج کرد و توان محاسباتی استخراج داخلی آن ۷۹.۹ اگزاهش بر ثانیه (EH/s) بود. درآمد سالانه مکرر (ARR) ابر رایانش هوش مصنوعی این شرکت حدود ۸۶ میلیون دلار بود و ۴,۳۲۸ کارت گرافیک (GPU) مستقر کرده بود که نرخ بهره‌برداری ۹۲ درصدی را نشان می‌داد. این رقم نسبت به ۷۶ میلیون دلار در ماه ژوئن، افزایش یافته است.

زمین و برق‌رسانی نیز محور اصلی دیگری است. این شرکت در نزدیکی تاسیسات خود در راک‌دیل، تگزاس، ۲۰۰ هکتار زمین خریداری کرده است؛ ظرفیت فعلی راک‌دیل ۵۶۳ مگاوات است. ظرفیت کل خط لوله ابر رایانش هوش مصنوعی ۲۰۶.۵ مگاوات است. در نروژ، مجتمع تیدال (Tydal) قرارداد اجاره ۱۶ ساله به ارزش ۴.۷ میلیارد دلار امضا کرده است که می‌تواند تا ۸ سال دیگر تمدید شود و ارزش کل آن به ۸ میلیارد دلار برسد. در بوتان، ظرفیت اولیه ۳۰ مگاوات است و برنامه‌ریزی شده تا به ۵۰۰ مگاوات افزایش یابد.

گزارش مالی فصل دوم جزئیات بیشتری از این تحول را ارائه می‌دهد. در تیدال، مستاجر Volta، ۱۲۱ مگاوات بار IT را رزرو کرده است؛ ظرفیت کل مجتمع ۱۸۰ مگاوات است و بیت‌دییر ۴۷ مگاوات را برای خود نگه داشته است.

در مالزی، یک مرکز داده جدید با ظرفیت ۲۱.۷ مگاوات اجاره شده است که انتظار می‌رود در فصل اول ۲۰۲۷ تحویل داده شود و برای میزبانی ۱۲۸ سیستم NVIDIA GB300 برنامه‌ریزی شده است. درآمد ابر رایانش هوش مصنوعی در فصل دوم ۱۴ میلیون دلار بود که ۲۸۴ درصد نسبت به فصل قبل افزایش داشته است. هزینه‌های سرمایه‌ای استخراج برای کل سال به ۲۰۰ تا ۲۸۰ میلیون دلار کاهش یافته است، که نشان‌دهنده انحراف قابل توجه سرمایه به سمت زیرساخت‌های هوش مصنوعی و برق‌رسانی است.

با نگاهی به نیمه دیگر صورت مالی، درآمد فصل دوم ۲۲۸.۸ میلیون دلار بود که ۴۷ درصد نسبت به سال قبل افزایش داشته است. سود تعدیل شده قبل از بهره، مالیات، استهلاک و استهلاک (EBITDA) ۳۱.۱ میلیون دلار بود که ۵۷۵ درصد نسبت به سال قبل افزایش یافته بود؛ اما سود ناخالص ۸.۵ میلیون دلار منفی و حاشیه سود ناخالص حدود ۳.۷- درصد بود.

به عبارت دیگر، در حالی که سود تعدیل شده EBITDA (که استهلاک را در نظر نمی‌گیرد) رقم خوبی را نشان می‌دهد، با احتساب هزینه‌های کامل دستگاه‌های استخراج و کارت‌های گرافیک، کسب‌وکار اصلی همچنان زیان‌ده است.

ترازنامه نیز وضعیت دشواری را نشان می‌دهد: ۴۹۶ میلیون دلار نقدینگی در مقابل ۱.۸ میلیارد دلار بدهی بلندمدت. فروش فوری بیت‌کوین‌های استخراج شده، سریع‌ترین راه برای جبران جریان نقدی است و همچنین به این معنی است که شرکت هیچ ذخیره بیت‌کوین برای مواقع اضطراری ندارد.

مقایسه با صنعت نیز قابل توجه است. در فصل اول ۲۰۲۶، شرکت‌های استخراج‌کننده بورسی مانند MARA، CleanSpark، Riot، Cango، Core Scientific و Bitdeer در مجموع بیش از ۳۲,۰۰۰ بیت‌کوین فروختند که یک رکورد محسوب می‌شود. Riot Platforms به تنهایی ۳,۷۷۸ بیت‌کوین در یک فصل فروخت و حدود ۲۸۹.۵ میلیون دلار نقدینگی کسب کرد تا وام‌های تضمین شده با بیت‌کوین را بازپرداخت کند.

MARA نیز در نیمه اول سال بیش از ۲۰,۰۰۰ بیت‌کوین فروخت، اما پلتفرم تحلیل زنجیره‌ای Lookonchain در ۱۶ سپتامبر مشاهده کرد که MARA از طریق FalconX، ۱,۲۹۲ بیت‌کوین را با میانگین قیمت ۷۶,۳۴۷ دلار خریداری کرده است که ارزش کل آن حدود ۹۸.۶۴ میلیون دلار است و موجودی خود را به ۳۵,۵۷۷ بیت‌کوین رسانده است.

در حالی که MARA با فشار نقدی مشابهی روبرو است و شروع به خرید مجدد کرده است، بیت‌دییر همچنان به فروش ادامه می‌دهد و موقعیت این دو شرکت در قبال بیت‌کوین از هم جدا شده است.

البته، در ساختار بدهی بالا و حاشیه سود ناخالص منفی، استفاده از بیت‌کوین به عنوان جریان نقدی به جای دارایی ذخیره، یک استراتژی بقای منطقی برای بیت‌دییر است. اما اینکه آیا این استراتژی می‌تواند در بلندمدت مورد پذیرش بازار قرار گیرد، بستگی به این دارد که آیا ابر رایانش هوش مصنوعی می‌تواند از یک “داستان” به سودآوری واقعی تبدیل شود.

شرایط روشن است: رشد مداوم ارقام ابر رایانش هوش مصنوعی و مثبت شدن حاشیه سود، این تحول فروش بیت‌کوین را قابل دفاع خواهد کرد.

رقابت در حوزه سخت‌افزار هوش مصنوعی عمدتاً بر سر قطعات کمیاب بوده است. شرکت Cerebras Systems تلاش می‌کند با عدم نیاز به بسیاری از این قطعات، در این رقابت پیروز شود.

رویکرد متفاوت Cerebras

تراشه‌های مقیاس ویفری این شرکت از حافظه با پهنای باند بالا (HBM)، بسته‌بندی پیشرفته CoWoS و تولید در فرآیند ۳ نانومتری اجتناب می‌کنند. این‌ها سه گلوگاه اصلی صنعت در حال حاضر هستند. Cerebras مسیری متفاوت را در پیش گرفته است. تراشه‌های WSE-3 و مشتق آن WSE-3T بر اساس فرآیند ۵ نانومتری TSMC ساخته شده‌اند. تمام حافظه این تراشه‌ها به جای استفاده از پشته‌های جداگانه HBM، به صورت SRAM بر روی خود تراشه قرار دارد.

مشخصات چشمگیر WSE-3

WSE-3 در مارس ۲۰۲۴ معرفی شد. مشخصات آن بیشتر شبیه به یک طرح شهری است تا یک برگه مشخصات تراشه: ۹۰۰,۰۰۰ هسته هوش مصنوعی، ۴۴ گیگابایت حافظه SRAM روی تراشه و تقریباً ۴ تریلیون ترانزیستور. تمام این‌ها در مساحتی معادل ۴۶,۲۲۵ میلی‌متر مربع جای گرفته‌اند.

ادعای سرعت بی‌سابقه

اندرو فلدمن، مدیرعامل این شرکت، استدلال کرده است که این طراحی در جایی که بیشترین اهمیت را برای مشتریان دارد، یعنی سرعت تولید پاسخ توسط مدل‌های هوش مصنوعی، نتیجه‌بخش است. او در ژوئن ۲۰۲۶ این معماری را اینگونه توصیف کرد: “سریع‌ترین استنتاج در جهان به میزان یک مرتبه بزرگی.” یافته‌های تحقیقاتی ادعای فلدمن را به عنوان افزایش سرعت تولید توکن و حذف کندی‌های معمول در طراحی‌های مبتنی بر GPU توصیف می‌کنند.

سفارش‌های عظیم و رشد درآمد

تا ژوئن ۲۰۲۶، این شرکت گزارشی از پشتوانه سفارش ۲۵.۴ میلیارد دلاری ارائه داده است. بیش از ۲۰ میلیارد دلار از این مبلغ مربوط به یک قرارداد چندساله با OpenAI است.

Cerebras همچنین اعلام کرده است که بیش از ۶۰۰ مگاوات ظرفیت مرکز داده، چه فعال و چه قرارداد شده، در اختیار دارد. طبق یافته‌های تحقیقاتی، درآمد این شرکت در سه ماهه دوم سال مالی، تقریباً دو برابر سال گذشته بوده است.

در سپتامبر ۲۰۲۶، Cerebras موافقت کرد که سیستم‌های CS-4 را برای ظرفیتی حدود ۱۰۰ مگاوات به Gimlet Labs عرضه کند. این شرکت همچنین توافق‌نامه‌ای بلندمدت با General Compute منعقد کرده است که استقرار آن برای سه ماهه اول سال ۲۰۲۷ برنامه‌ریزی شده است.

تمام این تحولات پس از عرضه اولیه سهام Cerebras در بورس نزدک در ماه مه ۲۰۲۶ صورت گرفته است. از زمان عرضه، این شرکت شروع به گسترش تولید در ایالات متحده و ایجاد مشارکت‌ها برای افزایش ظرفیت عملیاتی کرده است.

تمرکز بر ظرفیت مراکز داده

یافته‌های تحقیقاتی نشان می‌دهند که تقاضا برای زیرساخت هوش مصنوعی به طور فزاینده‌ای به فضای مراکز داده، برق و ساخت‌وساز وابسته است، نه صرفاً به در دسترس بودن تراشه‌ها. این موضوع توضیح می‌دهد که چرا Cerebras اکنون به جای تعداد تراشه، در مورد ظرفیت بر حسب مگاوات صحبت می‌کند. رقم ۶۰۰ مگاوات و تعهد حدود ۱۰۰ مگاواتی Gimlet Labs معیارهایی از توان و فضای فیزیکی هستند.

چالش‌های پیش رو

برای سرمایه‌گذاران Cerebras، سوال اصلی اجرای تعهدات است. پشتوانه سفارش ۲۵.۴ میلیارد دلاری یک وعده است، نه درآمد، و تبدیل آن به درآمد به ساخت، تأمین برق و راه‌اندازی مراکز داده طبق برنامه بستگی دارد. یافته‌های تحقیقاتی به هزینه‌های راه‌اندازی مراکز داده به عنوان چالشی که شرکت در تلاش برای غلبه بر آن است، اشاره می‌کنند.

تمرکز مشتریان، دومین نکته‌ای است که باید مورد توجه قرار گیرد. با بیش از ۲۰ میلیارد دلار از پشتوانه سفارش که به OpenAI گره خورده است، سلامت این رابطه واحد وزن قابل توجهی دارد. قراردادهایی مانند Gimlet Labs و General Compute به تنوع بخشیدن به ترکیب کمک می‌کنند، هرچند در مقایسه بسیار کوچکتر هستند.

در زمینه عملکرد، ادعای فلدمن مبنی بر استنتاج با مرتبه بزرگی، با بررسی مشتریانی که بارهای کاری واقعی را اجرا می‌کنند، مورد ارزیابی قرار خواهد گرفت. حافظه SRAM روی تراشه بسیار سریع است، اما ۴۴ گیگابایت برای هر تراشه یک بودجه ثابت است و نحوه مقیاس‌پذیری سیستم‌ها برای بزرگترین مدل‌ها، میزان پذیرش گسترده این طراحی را تعیین خواهد کرد.

خرید خدمات توسط عامل‌های هوش مصنوعی، لجر XRP را به مرز ۱۲ میلیون تراکنش نزدیک کرد

تراکنش‌های پردازش شده در لجر XRP (XRPL) با نزدیک شدن به ۱۲ میلیون مورد، شاهد رشد چشمگیری بوده است. این افزایش عمدتاً ناشی از خرید خدمات آنلاین، داده‌ها و توان پردازشی توسط عامل‌های هوش مصنوعی است.

گسترش تجارت خودکار

رهبران مهندسی در شرکت ریپل (Ripple) گسترش تجارت خودکار را به عنوان پدیده‌ای توصیف می‌کنند که در آن نرم‌افزارها اقدام به خرید توان پردازشی، داده‌ها و خدمات مالی نوظهور می‌کنند. این روند نشان‌دهنده گامی مهم در جهت خودکارسازی و تسهیل مبادلات در فضای دیجیتال است.

نقش هوش مصنوعی در تراکنش‌های XRPL

خرید خدمات دیجیتال توسط عامل‌های هوش مصنوعی، نقش بسزایی در افزایش تعداد تراکنش‌های ثبت شده در لجر XRP داشته است. این امر نشان‌دهنده پتانسیل بالای این فناوری در پشتیبانی از اقتصاد نوظهور مبتنی بر هوش مصنوعی است.

دو صداي برجسته وال استريت بر سر يك پرسش واحد در حال بحث و جدل هستند: آيا هوش مصنوعي (AI) برنامه فدرال رزرو را مختل مي‌كند؟ بيل اكمن معتقد است كه اين امر ممكن است رخ دهد و تورم را تشديد كند. كتي وود نيز همين نظر را دارد، اما در جهت مخالف.

مديرعامل و مدير ارشد سرمايه‌گذاري ARK Invest، هشدار اكمن مبني بر احتمال بازگشت افزايش نرخ بهره سپتامبر فدرال رزرو را رد كرد. استدلال او بر دو ادعا استوار است: بازده اوراق قرضه ۱۰ ساله خزانه‌داري در ميانه بلندمدت خود قرار دارد و هزينه‌هاي استنتاج هوش مصنوعي با سرعتی در حال کاهش است که ترس‌های قدیمی تورم را منسوخ می‌کند.

اين بحث در ۲۵ سپتامبر ۲۰۲۶ آغاز شد، زماني كه اكمن در پلتفرم X (توييتر سابق) پستي درباره افزايش ۲۵ واحد پايه‌اي نرخ بهره توسط فدرال رزرو منتشر كرد و اين اقدام را اشتباهي احتمالي دانست.

نگراني اكمن اين است كه هزينه‌هاي مربوط به هوش مصنوعي به اين ترمز (افزايش نرخ بهره) واكنش نشان ندهد. اگر تقاضا براي منابع هوش مصنوعي غيرقابل انعطاف باشد، به اين معني كه خريداران صرف‌نظر از هزينه به پرداخت ادامه دهند، افزايش هزينه‌هاي استقراض ممكن است آن را كاهش ندهد. از ديدگاه او، اين امر مي‌تواند يك چرخه تورمي خودتقويت‌كننده را تغذيه كند.

وود در ۲۹ سپتامبر پاسخ داد. او استدلال كرد كه افزايش نرخ بهره، بازده واقعي (real yields) و رشد قوي‌تر از حد انتظار را منعكس مي‌كند، نه فشار تورمي كه به سيستم نفوذ كرده است.

وود ديدگاه خود را در جلسه ماهانه “در جريان باشيد” (In The Know) ARK در ماه اكتبر گسترش داد. اولين نقطه داده او تاريخي بود. او گفت كه بازده اوراق قرضه ۱۰ ساله خزانه‌داري در حال حاضر در ميانه خود از سال ۱۷۹۰ قرار دارد.

نقطه دوم او به هزينه‌هاي فناوري مربوط مي‌شد. وود گفت كه هزينه‌هاي استنتاج هوش مصنوعي سالانه ۹۹.۹۹ درصد در سطوح عملکرد ثابت کاهش یافته است.

او اين فروپاشي هزينه را به تقاضا مرتبط كرد. وود به افزايش نرخ درآمدي OpenAI از ۲۰ ميليارد دلار به ۷۰ ميليارد دلار به عنوان شاهدي اشاره كرد كه عمليات ارزان‌تر، استفاده بسيار بيشتري را آزاد مي‌كند.

وود نتيجه احتمالي را “کاهش تورم خوش‌خیم” (benign deflation) توصیف کرد؛ نوعی که در آن قیمت‌ها به دلیل ارزان‌تر شدن تولید کاهش می‌یابند، نه به دلیل فروپاشی تقاضا.

دو نقطه داده ديگر در پس‌زمينه اين بحث قرار دارند. عرضه پول آمريكا با نرخ تقريبي ۵.۷ درصد در حال رشد است كه منجر به تورم بالاتر نشده است. و ۹۰ درصد از تأمین مالی مراکز داده جهانی به ایالات متحده هدایت می‌شود.

اردوگاه اكمن نگران است كه فدرال رزرو ممكن است نرخ‌ها را افزايش دهد و تأثير كمي بر هزينه‌هاي هوش مصنوعي ببيند، در حالي كه تورم همچنان باقي بماند و ساير بخش‌هاي اقتصاد درد را جذب كنند. اردوگاه وود معتقد است كه افزايش بهره‌وري و فناوري كاهش‌دهنده هزينه مي‌تواند از رشد پايدار در كنار تورم پايين‌تر يا ثابت حمايت كند.

نشانه‌هاي روشني براي رصد وجود دارد. يكي اين است كه آيا هزينه‌هاي استنتاج هوش مصنوعي با سرعتی که وود توصیف می‌کند، به کاهش ادامه می‌دهد و آیا این در داده‌های گسترده‌تر قیمت‌ها منعکس می‌شود. ديگري اين است كه آيا ارقام تقاضا مانند نرخ درآمدي OpenAI به افزايش خود ادامه مي‌دهند، كه اين امر ادعاي او مبني بر اينكه هوش مصنوعي ارزان‌تر باعث افزايش حجم مي‌شود نه افزايش قيمت، را تأييد مي‌كند.

اقدامات بعدی فدرال رزرو نیز اهمیت دارد. اگر سیاست‌گذاران به انقباض ادامه دهند و تورم مهار شود، فرضیه وود قوت می‌گیرد. اگر قیمت‌ها با وجود نرخ‌های بالاتر به افزایش خود ادامه دهند، نگرانی اکمن در مورد بخش منزوی هوش مصنوعی کمتر نظری به نظر می‌رسد.

هنگ کنگ رکورد جذب سرمایه در بازارهای سهام را شکست؛ هوش مصنوعی موتور محرکه اصلی

بازارهای سرمایه سهام هنگ کنگ در سه ماهه سوم سال ۲۰۲۶ (ژوئیه تا سپتامبر) با جذب ۴۷.۵ میلیارد دلار، رکورد جدیدی را به ثبت رساند. هوش مصنوعی نقش اصلی را در این رشد ایفا کرده و فعالان این حوزه کاری، تعطیلات تابستانی خود را برای پاسخگویی به تقاضای فزاینده صرف کردند.

این رقم ۴۷.۵ میلیارد دلاری شامل تمامی انواع جذب سرمایه از طریق سهام می‌شود: عرضه اولیه سهام (IPO)، واگذاری سهام و معاملات بلوکی. واگذاری سهام به معنای فروش مستقیم سهام جدید توسط یک شرکت به گروهی از سرمایه‌گذاران است، در حالی که معاملات بلوکی به جابجایی حجم بزرگی از سهام موجود در یک تراکنش واحد اشاره دارد.

این سه ماهه همچنین مجموع جذب سرمایه از ابتدای سال ۲۰۲۶ را از مرز ۹۲ میلیارد دلار فراتر برد. با این رقم، هنگ کنگ در آستانه شکستن رکورد سالانه خود یعنی ۱۱۲.۵ میلیارد دلار که در سال ۲۰۲۱ به ثبت رسیده بود، قرار دارد.

بانک گلدمن ساکس پیش‌بینی کرده است که حجم انتشار سهام در سال ۲۰۲۶ می‌تواند رکورد منطقه‌ای سال ۲۰۲۱ را پشت سر بگذارد و تقاضا برای هوش مصنوعی نقش کلیدی در این امر ایفا خواهد کرد.

شاخص‌ترین معامله تابستانی متعلق به شرکت Zhipu AI بود که در ماه ژوئیه موفق شد از طریق واگذاری سهام، ۴ میلیارد دلار سرمایه جذب کند. این معامله بخشی از موج گسترده‌تر تأمین مالی ۵.۸ میلیارد دلاری در حوزه هوش مصنوعی در همان هفته بود. گزارش بلومبرگ نشان می‌دهد که این موج تأمین مالی، بانک‌های سنتی وال استریت را دور زده است.

Zhipu AI تنها شرکت فعال در حوزه هوش مصنوعی نبود که در سال جاری به بازار مراجعه کرد. پیش از این در سال ۲۰۲۶، گروه MiniMax Group نیز در عرضه اولیه سهام خود حدود ۶۱۹ میلیون دلار سرمایه جذب کرده بود.

برای سرمایه‌گذاران، این سه ماهه رکوردشکن نشان‌دهنده اشتهای قوی برای سهام مرتبط با هوش مصنوعی در آسیا است. زمانی که یک واگذاری سهام به تنهایی قادر به جذب ۴ میلیارد دلار است، به وضوح نشان می‌دهد که خریداران نهادی حاضرند سرمایه‌گذاری قابل توجهی در این بخش انجام دهند.

هفته تأمین مالی ۵.۸ میلیارد دلاری در حوزه هوش مصنوعی، طبق گزارش بلومبرگ، بدون حضور بانک‌های سنتی وال استریت صورت گرفته است. اگر این روند به یک الگو تبدیل شود و نه یک رویداد منفرد، درآمدهای کارمزدی که پیش از این به شرکت‌های بزرگ آمریکایی سرازیر می‌شد، ممکن است به طور فزاینده‌ای به مقاصد دیگر منتقل شود.

مجموع جذب سرمایه از ابتدای سال ۲۰۲۶ از ۹۲ میلیارد دلار فراتر رفته و در مقابل رکورد ۱۱۲.۵ میلیارد دلاری سال ۲۰۲۱ قرار دارد. دیدگاه گلدمن ساکس مبنی بر اینکه سال ۲۰۲۶ می‌تواند این رکورد را بشکند، به فعال ماندن سه ماهه چهارم بستگی دارد.

راه‌اندازی XRP Asia با حمایت ریپل و بنیاد XRP Ledger برای گسترش پذیرش در منطقه آسیا-اقیانوسیه

سازمان XRP Asia با حمایت شرکت ریپل (Ripple) و بنیاد XRP Ledger (XRP Ledger Foundation) راه‌اندازی شد تا پذیرش فناوری XRP Ledger را در سراسر منطقه آسیا-اقیانوسیه گسترش دهد. این سازمان که مقر آن در سنگاپور است، با تمرکز بر آموزش توسعه‌دهندگان، حمایت از استارتاپ‌ها و برنامه‌های اجتماعی، به تیم‌ها کمک خواهد کرد تا برنامه‌های کاربردی خود را به بازار عرضه کنند.

XRP Asia، پل ارتباطی میان سازندگان در منطقه

توسعه‌دهندگان و استارتاپ‌ها در سراسر منطقه آسیا-اقیانوسیه اکنون از یک سازمان اختصاصی بهره‌مند خواهند شد که به طور ویژه برای حمایت از آن‌ها در اکوسیستم XRP Ledger فعالیت خواهد کرد. این ابتکار جدید با هدف رفع موانع موجود و تسریع روند نوآوری در این حوزه صورت گرفته است. XRP Asia قصد دارد با ایجاد یک شبکه قوی از متخصصان و کارآفرینان، به رشد و توسعه برنامه‌های کاربردی مبتنی بر XRP Ledger در بازارهای کلیدی آسیا کمک کند. این سازمان برنامه‌های آموزشی جامعی را برای ارتقاء مهارت‌های توسعه‌دهندگان و همچنین برنامه‌های حمایتی هدفمند برای استارتاپ‌های نوپا در نظر گرفته است تا آن‌ها بتوانند ایده‌های خود را به محصولات موفق تبدیل کنند.

واشنگتن نیروی جدیدی دارد، و این بار آسمان را هدف نگرفته است. طبق گزارش بلومبرگ، «نیروی هوش برتر» ۱۲۰ روز فرصت دارد تا گزارشی درباره خطرات هوش مصنوعی تهیه کند.

این نیرو همزمان با تلاش برای تغییر نام‌گذاری، توافق‌نامه داوطلبانه صنعتی و چارچوب‌بندی امنیت ملی از سوی عالی‌ترین مقام اطلاعاتی کشور وارد عرصه شده است.

در تاریخ ۲۹ سپتامبر ۲۰۲۶، رئیس‌جمهور ترامپ فرمان اجرایی ۱۴۴۳۴ را امضا کرد که بر اساس آن، سازمان‌های فدرال موظف شدند در ارتباطات رسمی به جای «هوش مصنوعی» (AI) از اصطلاح «هوش برتر» (Super Intelligence) یا «SI» استفاده کنند.

این فرمان یک ضرب‌الاجل دوم را نیز تعیین می‌کند. پیش‌نویس قانون‌گذاری که «هوش برتر» را تعریف می‌کند، باید ظرف ۶۰ روز ارائه شود که تاریخ سررسید آن تقریباً ۲۸ نوامبر ۲۰۲۶ خواهد بود.

گزارش ۱۲۰ روزه «نیروی هوش برتر» مسیری طولانی‌تر را طی می‌کند. وظیفه این نیرو ارزیابی خطراتی است که این سیستم‌ها ایجاد می‌کنند.

پیش از این نیز به این نیرو اشاره شده بود. ترامپ در سخنرانی خود در مجمع عمومی سازمان ملل متحد، حدود ۱۹ تا ۲۲ سپتامبر ۲۰۲۶، به برنامه‌هایی برای «نیروی هوش مصنوعی» اشاره کرد و آن را با «نیروی فضایی» مقایسه نمود. او همچنین پیشنهاد انتصاب یک «مسئول ویژه هوش مصنوعی» (AI Czar) را برای نظارت بر این بخش بدون اعمال مقررات سخت‌گیرانه مطرح کرد.

جنبه صنعتی این ماجرا نیز در همان روز امضای فرمان اجرایی آشکار شد. شش شرکت بزرگ فناوری، از جمله OpenAI، Anthropic، Google و NVIDIA، «توافق‌نامه کاخ سفید درباره هوش برتر» را امضا کردند.

این توافق‌نامه شرکت‌ها را متعهد به اجرای کنترل‌های داخلی داوطلبانه بر مدل‌های پیشرفته هوش مصنوعی می‌کند و چهار لایه کنترلی برای این مدل‌ها را مشخص می‌سازد. با این حال، این توافق‌نامه شامل هیچ سازوکار اجرایی یا الزامی برای افشای عمومی نمی‌شود.

دو روز پس از صدور فرمان و امضای توافق‌نامه، جامعه اطلاعاتی نیز موضع خود را اعلام کرد. در تاریخ ۱ اکتبر ۲۰۲۶، جی کلیتون، مدیر اطلاعات ملی، در مصاحبه‌ای «هوش برتر» را یک مسئله امنیت ملی اعلام کرد. اظهارات وی درست پس از دیداری با رهبران صنعت فناوری بیان شد.

تحقیقات همراه با این اعلامیه‌ها نشان می‌دهد که شرکت‌ها می‌توانند از توجه فزاینده بهره‌مند شوند و احتمالاً علاقه سرمایه‌گذاری بیشتری را جلب کنند. این تحقیقات همچنین به یک عامل بازدارنده اشاره می‌کند: فقدان سازوکار اجرایی ممکن است سرمایه‌گذارانی را که چارچوب‌های شفاف انطباق و نظارت را ترجیح می‌دهند، منصرف کند.

تعریف قانونی پیشنهادی برای «هوش برتر»، که حدود ۲۸ نوامبر ۲۰۲۶ موعد ارائه آن است، تعیین خواهد کرد که کدام سیستم‌ها واقعاً تحت شمول اقدامات آتی قرار خواهند گرفت. یک تعریف محدود ممکن است بیشتر هوش مصنوعی تجاری را بدون تغییر باقی بگذارد. در مقابل، یک تعریف گسترده می‌تواند بخش بسیار بزرگ‌تری از صنعت را نسبت به شش امضاکننده توافق‌نامه در بر گیرد.

گزارش ۱۲۰ روزه درباره خطرات، نشانگر دیگری است که باید مورد توجه قرار گیرد. اگر «نیروی هوش برتر» ارزیابی قابل‌توجهی ارائه دهد، می‌تواند مبنای واقعی برای قانون‌گذاری‌های آتی یا کنترل‌های سخت‌گیرانه‌تر شود.

ویس اینترنشنال سمی‌کانداکتور (VIS) به دنبال احداث دومین کارخانه تولید ویفر در سنگاپور است

شرکت ویس اینترنشنال سمی‌کانداکتور (VIS) در حال بررسی طرح احداث دومین کارخانه تولید ویفر در سنگاپور است. این در حالی است که اولین کارخانه این شرکت در این کشور به تازگی افتتاح شده و ظرفیت آن از پیش رزرو شده است.

سرمایه‌گذاری مشترک با NXP و تمرکز بر تقاضای هوش مصنوعی

این اقدام از طریق VSMC، سرمایه‌گذاری مشترک VIS با NXP سمی‌کانداکتور صورت می‌گیرد. دلیل اصلی این توسعه، تقاضای فزاینده برای هوش مصنوعی (AI) است، به ویژه برای تراشه‌های تخصصی که زیرساخت‌های هوش مصنوعی به طور پنهانی به آن‌ها متکی هستند.

افتتاح اولین کارخانه و رزرو کامل ظرفیت

اولین کارخانه ۳۰۰ میلی‌متری VSMC در تامپینز سنگاپور در تاریخ ۲۸ سپتامبر ۲۰۲۶ افتتاح شد و انتظار می‌رود تولید در سه ماهه اول سال ۲۰۲۷ آغاز شود. این بازه زمانی اهمیت دارد، زیرا ظرفیت اولیه این تأسیسات از قبل به طور کامل رزرو شده است و مشتریان متعهد به دریافت محصولاتی هستند که هنوز تولید نشده‌اند.

افزایش ظرفیت به دلیل تقاضای مشتریان

لوه فانگ، رئیس هیئت مدیره VIS، اعلام کرد که تقاضای مشتریان باعث شده تا ظرفیت اولین تأسیسات فراتر از حد انتظار افزایش یابد. این فشار، شرکت را بر آن داشت تا ارزیابی برای احداث کارخانه دوم را آغاز کند.

سرمایه‌گذاری عظیم در اولین کارخانه

اقتصاد اولین سایت کوچک نیست. برآورد سرمایه‌گذاری برای این کارخانه بین ۶.۷ تا ۷.۸ میلیارد دلار آمریکا تخمین زده می‌شود. طبق این طرح، کارخانه تامپینز تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه خواهد رسید و انتظار می‌رود حدود ۱۶۰۰ شغل ایجاد کند.

ساختار سرمایه‌گذاری مشترک

این سرمایه‌گذاری مشترک به صورت ۶۰ درصد برای VIS و ۴۰ درصد برای NXP تقسیم شده است. این ساختار به VIS سهم کنترلی و به NXP جایگاهی تضمین شده در دسترسی به ظرفیت تولید می‌دهد.

تمرکز بر گره‌های تولیدی بالغ

VSMC بر فرآیندهای تولید بین ۴۰ تا ۱۳۰ نانومتر تمرکز دارد. این گره‌های تولیدی بالغ، به معنای هندسه‌های بزرگتر و قدیمی‌تر تراشه هستند، برخلاف فرآیندهای پیشرفته که برای شتاب‌دهنده‌های اصلی هوش مصنوعی استفاده می‌شوند.

هوش مصنوعی فیزیکی: فرصت جدید

رافائل سوتومایور، مدیرعامل NXP، این تأسیسات را حول یک ایده خاص تعریف کرده است. وی اظهار داشت که این کارخانه به طور قابل توجهی به فعال‌سازی “هوش مصنوعی فیزیکی” در بخش‌هایی از جمله خودروسازی و کاربردهای صنعتی کمک خواهد کرد.

“هوش مصنوعی فیزیکی” به هوشی اشاره دارد که در ماشین‌هایی که با دنیای واقعی تعامل دارند، نه در پنجره چت‌بات‌ها، زندگی می‌کند. خودروها، تجهیزات کارخانه‌ای و سیستم‌های صنعتی همگی در این دسته قرار می‌گیرند.

تنگنای ظرفیت و رقابت در بازار

فوری‌ترین سیگنال، مربوط به تنگنای ظرفیت است. اگر اولین کارخانه VSMC قبل از شروع تولید در سه ماهه اول سال ۲۰۲۷ به طور کامل رزرو شود، خریداران تراشه‌های گره بالغ ممکن است با محیطی رقابتی‌تر برای تأمین مواجه شوند.

ارزیابی کارخانه دوم

برای VIS و NXP، کارخانه دوم هنوز در مرحله ارزیابی قرار دارد. هیچ جدول زمانی، رقم سرمایه‌گذاری یا هدف ظرفیتی برای آن در جزئیات منتشر شده تاکنون ذکر نشده است، بنابراین باید آن را به عنوان یک طرح در نظر گرفت نه یک تعهد قطعی.

مقیاس سرمایه‌گذاری و چشم‌انداز بلندمدت

اعداد و ارقام مربوط به اولین کارخانه، مقیاس این سرمایه‌گذاری را نشان می‌دهد. تأسیساتی با هزینه تقریبی ۶.۷ تا ۷.۸ میلیارد دلار آمریکا که تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه می‌رسد، یک شرط‌بندی بلندمدت است که فرض بر این است که سایت دوم نیز باید با آن مطابقت داشته باشد یا توجیهی برای آن ارائه دهد.

ریسک‌ها و نکات قابل توجه

ریسک‌هایی وجود دارد که باید مورد توجه قرار گیرند. اولین کارخانه هنوز باید فرآیند راه‌اندازی خود را اجرا کند، شروع تولید در سه ماهه اول سال ۲۰۲۷ را محقق سازد و طبق برنامه به سمت هدف سال ۲۰۲۹ مقیاس‌بندی شود.

در همین حال، سنگاپور از مشاغل و سرمایه‌گذاری‌های مرتبط با سایت اول سود خواهد برد. احداث کارخانه دوم این حضور را عمیق‌تر خواهد کرد، اگرچه جزئیات هرگونه تأسیسات مشابه هنوز مشخص نشده است.

نکات کلیدی برای پیگیری ساده هستند. به دنبال تصمیم رسمی در مورد کارخانه دوم، هرگونه ارقام سرمایه‌گذاری به‌روز شده و اینکه آیا کارخانه تامپینز تولید را طبق برنامه مورد انتظار سه ماهه اول سال ۲۰۲۷ آغاز خواهد کرد، باشید.