10 دقیقه
ریزش ارزهای دیجیتال متمرکز بر هوش مصنوعی در پی کاهش اعتماد سرمایهگذاران
توکنهای مرتبط با هوش مصنوعی این هفته بیش از ۲۰ درصد افت کردند زیرا اشتیاق سرمایهگذاران همزمان با نگرانیهای جدید درباره هزینههای عظیم زیرساختی هوش مصنوعی در شرکتهای بزرگ فناوری کاهش یافت. دادههای CoinGecko نشان میدهد Bittensor (TAO)، NEAR Protocol (NEAR)، Internet Computer (ICP) و Render همگی در بازه هفتگی سقوطهای چشمگیری را تجربه کردند، زیرا فعالان بازار مجدداً جدول زمانی رشد و درآمدزایی پروژههای غیرمتمرکز هوش مصنوعی را بازبینی کردند.
کاهش اخیر نه تنها بازتاب نگرانی کوتاهمدت نسبت به نقدینگی و نوسان است، بلکه تردید بیشتری نسبت به مدلهای کسبوکار و مسیرهای درآمدزایی در اکوسیستمهای غیرمتمرکز هوش مصنوعی ایجاد کرده است. سرمایهگذارانی که پیشتر روی فرصتهای «محاسبات توزیعشده»، «آموزش مدلهای متنباز» و «میزبانی خودمختار» حساب کرده بودند، اکنون در برابر رقابت شدید سرمایهگذاری کلان شرکتهای بزرگی که زیرساخت ابری و پردازندههای قدرتمند را میسازند، محتاطتر شدهاند. کلیدواژههایی مانند ارز دیجیتال هوش مصنوعی، زیرساختهای هوش مصنوعی و سرمایهگذاری فناوری بهصورت طبیعی در بحثهای بازار پررنگ شدهاند.
برآورد کلی بازار و مهمترین زیانها
Bittensor که به لحاظ ارزش بازار یکی از بزرگترین پروژههای متمرکز بر هوش مصنوعی است، پس از افتی در حدود ۲۳ درصد طی هفت روز، حوالی ۱۶۴ دلار معامله شد و ارزش بازار آن حدود ۱.۵۸ میلیارد دلار گزارش شده است. NEAR Protocol در همین بازه تقریباً ۲۵.۴ درصد کاهش یافت و Internet Computer و Render نیز افتهای دو رقمی مشابهی را ثبت کردند. بهطور کلی، ارزش بازار ترکیبی ارزهای دیجیتال مرتبط با هوش مصنوعی در روز جمعه بیش از ۴۰ درصد ریزش کرد و در عرض ۲۴ ساعت بیش از ۴۲ درصد سقوط را تجربه نمود که باعث شد ارزش کلی بخش به حدود ۱۲ میلیارد دلار برسد.
این ارقام نشاندهنده یک اصلاح ساختاری در انتظارات بازار است؛ نه صرفاً نوسان روزانه. تحلیلگران بازار اشاره میکنند که وقتی سرمایهگذاران بزرگ و معاملهگران نهادی، ریسک زیرساخت و زمانبندی درآمدزایی را بازتعیین میکنند، ارزشگذاری پروژههای با تکیه بر تقاضای محاسبات توزیعشده و آموزش مدل افزایش ناپایدار را تجربه میکند. در این شرایط، توکنهایی که مدل کسبوکار روشن یا جریان درآمدی سریع ندارند، بیش از دیگران تحت فشار فروش قرار میگیرند.
چرا هزینههای عظیم شرکتهای بزرگ سرمایهگذاران را نگران کرده است
گزارشها نشان میدهد شرکتهایی مانند Alphabet و Amazon قصد دارند در سال ۲۰۲۶ هزینههای زیرساختی هوش مصنوعی را بهطور چشمگیری افزایش دهند — برخی برآوردها حاکی از آن است که مجموع سرمایهگذاریها ممکن است تا حدود ۵۰۰ میلیارد دلار افزایش یابد — و این موضوع، توجه و تردید سرمایهگذاران را تشدید کرده است. نگرانی اصلی این است که این هزینههای هنگفت سرمایهای (CAPEX) شکاف زمانی بین استقرار زیرساخت و تحقق درآمد را افزایش دهد.
افشاگریهای درآمدی که نشاندهنده نسبت نامتناسب هزینههای زیرساختی نسبت به سود کوتاهمدت هستند، تردیدها در مورد حاشیه سود و بازگشت سرمایه را تشدید کردهاند. برای نمونه، اگر یک شرکت ابری سرمایه زیادی را برای پردازش مدلها و مراکز داده اختصاص دهد اما راههای مستقیم و قابل توجهی برای درآمدزایی سریع ارائه نکند، بازار ممکن است از آن بهعنوان نشانهای از طولانی شدن چرخه بازگشت سرمایه تعبیر کند. در چنین شرایطی، اعتماد به پروژههای کوچکتر یا غیرمتمرکز که بهطور مستقیم به سختافزار و خدمات ابری وابستهاند، کاهش مییابد.
از منظر تأمینکننده، هزینههای کلان شرکتهای بزرگ ممکن است بر قیمت دسترسی به GPU و خدمات ابری اثر بگذارد و در نهایت هزینه استفاده برای پروژههای غیرمتمرکز را نیز تغییر دهد. همچنین تمرکز سرمایهگذاری در شرکتهای عظیم میتواند نوآوری و جذب سرمایه برای راهحلهای جایگزین را مختل کند، حتی اگر آن راهحلها از نظر فنی پیشرو باشند.
تأثیرات فرابخشی: چیپها، نرمافزار و لیکوئیدیشنها
نگرانیها در بازار سهام به بازار ارزهای دیجیتال نیز سرایت کرد. سهام شرکتهای ارائهدهنده نرمافزار و سختافزار مرتبط با هوش مصنوعی مانند مایکروسافت، AMD و انویدیا تضعیف شدند — مایکروسافت بیش از ۸ درصد در پنج روز کاهش یافت، در حالی که AMD و Nvidia بهترتیب حدود ۱۸.۵ درصد و ۱۰ درصد افت کردند — و این موضوع فشار بیشتری بر توکنهای مرتبط با هوش مصنوعی وارد ساخت. این شرکتهای عمومی تأمینکننده GPUها، چیپها و خدمات ابری هستند که بسیاری از پروژههای غیرمتمرکز هوش مصنوعی به آنها وابستهاند، بنابراین ضعف در آن سهام معمولاً به احساسات منفی در بازار رمزارزها منتقل میشود.
ارتباط بین بازارهای سهام فناوری و بازار ارزهای دیجیتال از طریق چند کانال رخ میدهد: اول، سرمایهگذاران نهادی که در هر دو بازار فعالاند ممکن است پوزیشنهای پرریسک خود را همزمان کاهش دهند؛ دوم، انتظارات عرضه سختافزار و افزایش قیمتهای قطعات میتواند هزینههای عملیاتی پروژههای غیرمتمرکز را بالا ببرد؛ سوم، پوشش رسانهای و بازتاب تحلیلگران درباره ریسکهای ساختاری میتواند اعتماد خردهسرمایهگذاران را کاهش دهد.
بهعلاوه، تمرکز سرمایهگذاری و سیاستهای قیمتگذاری شرکتهای بزرگ در تأمین قطعات کلیدی میتواند موجب تسلط عرضه و فشار بر پروژههای کوچکتر شود. از منظر بازار سرمایه، زمانی که بازیگران بزرگ بخش سختافزار و خدمات ابری اقدام به افزایش ظرفیت میکنند، سرمایهگذاران میخواهند بدانند چه زمانی این سرمایهگذاریها به رشد درآمدی پایدار منجر میشود؛ تا زمانی که پاسخ روشن نباشد، بخشهایی مانند ارز دیجیتال هوش مصنوعی در معرض نوسان باقی میمانند.
لِوِرج، افت بیتکوین و فروش اجباری
فشار فروش توکنهای هوش مصنوعی همزمان با یک رویداد گسترده لیکوئیدیشن در بازار رمزارزها رخ داد؛ در پی افت کوتاهمدت بیش از ۱۸ درصدی بیتکوین در روز پنجشنبه که تا حوالی سطح ۶۰٬۰۰۰ دلار نزول کرد، حدود ۲.۶ میلیارد دلار موقعیتهای اهرمی لیکوئید شد. این رویداد، رفتار ریسکگریز را تشدید و داراییهای سفتهبازانه را به سمت نزول بیشتر سوق داد.
لِوِرج (اهرم) در بازار رمزارزها میتواند نوسانها را تشدید کند: هنگامی که قیمتها به طور ناگهانی افت میکنند، سفارشهای توقف یا لیکوئید شدن پوزیشنهای اهرمی باعث ایجاد شکافهای قیمتی و فشار فروش فزاینده میشوند. این مکانیسم زمانی که نگرانیهای کلان اقتصادی یا ژئوپلیتیک نیز اوج میگیرد، تشدید میشود و سرمایهگذاران ریسکپذیرتر، از بخشهایی با بتای بالا مانند توکنهای هوش مصنوعی خارج میشوند.
برای سرمایهگذاران و ناظران بازار، دنبال کردن نشانگرهای لیکوئیدیشن، نسبتهای مارجین و دادههای مبادلاتی از جمله حجم معاملات قراردادهای آتی و آپشن میتواند نمای واضحتری از احتمال ادامه فشار فروش فراهم کند. همچنین تحلیل جریانهای خروجی از صرافیها و تغییر در نقدینگی بازار برای توکنهای بزرگ مرتبط با هوش مصنوعی از اهمیت ویژهای برخوردار است.
چرا این پروژهها آسیبپذیرند — و عملکرد هر کدام چیست
بسیاری از پروژههای رمزارز محور هوش مصنوعی به محاسبات با کارایی بالا و زیرساخت غیرمتمرکز وابستهاند. Bittensor از خوشههای سنگین GPU برای پشتیبانی از آموزش رقابتی مدلهای یادگیری ماشین استفاده میکند؛ این مکانیزم مستلزم دسترسی پایدار و ارزان به تراشهها و پردازندههای گرافیکی است تا مدلها بتوانند بهطور مداوم آموزش ببینند و ارزیابی شوند.
NEAR Protocol برای مقیاسپذیری در برابر برنامههای هوش مصنوعی پرترافیک و دادهمحور طراحی شده است؛ معماری شاردینگ و مکانیزمهایی که برای تأمین تراکنشهای سریع و هزینه پایین در نظر گرفته شدهاند، آن را برای برنامههای کاربردی که به پردازش زنجیرهای و ذخیرهسازی داده سنگین نیاز دارند، مناسب میسازد.
Internet Computer بهعنوان یک زیرساخت ابری خودمختار عمل میکند که میزبان عاملهای خودکار هوش مصنوعی و سرویسهای مستقل میباشد. این پلتفرم تلاش میکند میزبانهایی را فراهم کند که بتوانند مدلهای هوش مصنوعی را بدون نیاز به خدمات ابری متمرکز اجرا کنند و بدین ترتیب ایده میزبانی خودمختار و حاکمیتی برای هوش مصنوعی را تقویت نماید.
Render بر ارائه رندرینگ و محاسبات غیرمتمرکز برای بارهای کاری گرافیکی و هوش مصنوعی تمرکز دارد و بازارهایی برای واگذاری توان محاسباتی و پردازش تصویر فراهم میآورد. وابستگی این پروژهها به سختافزار (GPUها)، خدمات ابری و عرضهکنندگان چیپ باعث شده عملکرد توکنها به روایتی گستردهتر از زیرساختهای هوش مصنوعی گره بخورد. زمانی که عرضه یا قیمت سختافزار مختل میشود، یا هزینه دسترسی به آن افزایش مییابد، این تأثیر به سرعت در عملکرد اقتصادی پروژهها منعکس میگردد.
از منظر فنی، عوامل دیگری نیز بر آسیبپذیری اثر میگذارند: مدلهای اقتصادی توکن (Tokenomics) مانند نرخ انتشار توکن، مکانیزمهای استیکینگ، و ساختار پاداشدهی برای مشارکتدهندگان شبکه میتوانند جریان نقدی کوتاهمدت پروژهها را تحت فشار قرار دهند. پروژههایی که نیاز به سرمایهگذاری اولیه بالا یا مصرف مداوم منابع محاسباتی دارند، در صورت نبود راههای درآمدی پایدار، بیشتر در معرض نگرانیهای سرمایهگذاران خواهند بود.
چشمانداز و نکاتی که سرمایهگذاران باید دنبال کنند
فشار کوتاهمدت روی ارزهای دیجیتال هوش مصنوعی ممکن است ادامه یابد اگر شرکتهای بزرگ فناوری چرخه CAPEX سنگین خود را بدون بهبود روشن در سودآوری ادامه دهند یا اگر احساسات ریسک کلان همچنان بالا بماند. سرمایهگذاران باید موارد زیر را نظارت کنند:
۱) راهنماییهای هزینه و گزارشهای فصلی شرکتهای بزرگ ابری و سازندگان چیپ: تغییر در طرحهای سرمایهگذاری یا شفافسازی مسیرهای درآمدزایی میتواند انتظارات بازار را تغییر دهد.
۲) ثبات قیمت بیتکوین و شاخصهای لیکوئیدیشن: تثبیت یا بازگشت به سطوح بالاتر میتواند ریسک سیستماتیک را کاهش دهد و فضای بهتری برای داراییهای پرنوسان فراهم آورد.
۳) شاخصهای آنچین و فعالیت توسعهدهندگان برای پروتکلهای متمرکز بر هوش مصنوعی: افزایش متریکهایی مانند فعالیت قراردادها، تراکنشهای مرتبط با پروژه و مشارکت توسعهدهندگان میتواند نشانههایی از پذیرش فنی و گامهای عملی به سمت محصول-بازار باشد.
۴) نقدینگی کوتاهمدت و جریانهای صرافی برای توکنهای بزرگ: بررسی رکوردهای معاملاتی، اسپرد قیمت خرید/فروش و میزان ذخایر صرافیها میتواند میزان آسیبپذیری در برابر سفارشات بزرگ را نشان دهد.
اگرچه نوسان میتواند ریسک نزولی ایجاد کند، بنیادیهای بلندمدت برای هوش مصنوعی غیرمتمرکز — مانند تقاضا برای محاسبات توزیعشده، آموزش مدلهای متنباز و میزبانی خودمختار — میتواند از بازیابی حمایت کند، به شرطی که پروژهها تطابق محصول-بازار را ثابت کنند و وابستگیهای خود به زیرساختهای متمرکز را کاهش دهند. در کوتاهمدت بازار عدمقطعیت را قیمتگذاری میکند زیرا سرمایهها به داراییهای امنتر و نقدشوندهتر منتقل میشوند.
برای سرمایهگذاران حرفهای و پژوهشگران بازار، ترکیب تحلیل آنچین، ارزیابی مدل کسبوکار و دنبال کردن روندهای سرمایهگذاری کلان در حوزه زیرساخت میتواند تصویر دقیقتری از ریسک و فرصت در بخش ارز دیجیتال هوش مصنوعی ارائه دهد. همچنین توجه به چشمانداز مقرراتی و سیاستهای صادراتی تراشهها/قطعات و مسائل امنیت زنجیره تامین میتواند برای درک کامل ریسکهای بالقوه ضروری باشد.
منبع: crypto
ارسال نظر