اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت

۱۶ مهر ۱۴۰۵

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت

اپلاید دیجیتال در تازه‌ترین گزارش مالی خود، ۱۸۳٫۵ میلیون دلار درآمد تجهیز فضای مشتریان را در برابر ۶۵٫۸ میلیون دلار اجارهٔ پایه ثبت کرد. این تفاوت نشان می‌دهد چرا رشد درآمد مراکز هوش مصنوعی را نمی‌توان یکسره رشد اجارهٔ تکرارشونده دانست. زیان حسابداری بزرگ، زیان تعدیل‌شدهٔ کوچک‌تر و جریان نقد مثبتِ عملیات نیز هرکدام مبنای متفاوتی دارند. گزارش امروز این حساب‌ها را باز می‌کند و سپس با اتکا به صورت‌جلسهٔ تازهٔ فدرال رزرو، تغییر چت‌جی‌پی‌تی و قیمت‌های هایکو ۵٫۵، پرسش بعدی را مطرح می‌کند: درآمد ساخت زیرساخت چگونه به درآمد پایدار استفاده از آن تبدیل می‌شود؟ پاسخ هنوز به تحویل پروژه، هزینهٔ تأمین مالی و مصرف واقعی وابسته است.


تحلیل ژرف

اپلاید دیجیتال در گزارش ۷ اکتبر خود نشان داد که درآمد آماده‌سازی مراکز هوش مصنوعی‌اش بسیار بیشتر از اجارهٔ پایه است: در سه‌ماههٔ منتهی به ۳۱ اوت، از ۲۶۲٫۶ میلیون دلار درآمد بخش میزبانی پردازش سنگین، ۱۸۳٫۵ میلیون دلار به تجهیز فضای مشتری و ۶۵٫۸ میلیون دلار به اجارهٔ پایه مربوط بود. ۱۳٫۳ میلیون دلار دیگر، بازپرداخت هزینه‌ها از سوی مستأجران بود. محاسبهٔ ژرف از همین ارقام، سهم تجهیز را نزدیک ۷۰ درصد و نسبت آن به اجاره را حدود ۲٫۸ برابر نشان می‌دهد. مسئله این نیست که درآمد تجهیز بی‌ارزش است؛ مسئله این است که نباید آن را درآمد تکرارشوندهٔ اجاره جا زد.

درآمد کل شرکت در فصل نخست سال مالی ۲۰۲۷ به ۳۴۱٫۹ میلیون دلار رسید؛ ۳۲۲ درصد بیشتر از دورهٔ مشابه. این رشد واقعیِ درآمد ثبت‌شده، به‌تنهایی نمی‌گوید پس از پایان موج تحویل پروژه‌ها چه مبلغی هر فصل باقی می‌ماند. تجهیز فضای مستأجر، کاری است که هنگام آماده‌سازی محل انجام می‌شود؛ اجاره با استفاده از فضای تحویل‌شده ادامه پیدا می‌کند. البته پروژه‌های بعدی می‌توانند دوباره درآمد تجهیز بسازند. بنابراین ژرف نه این بخش را حذف می‌کند و نه فرض می‌گیرد سال بعد عیناً تکرار خواهد شد. برای سنجش دوام درآمد، زمان تحویل پروژه‌های تازه و درآمد اجارهٔ محل‌های فعال باید جدا دیده شود.

گزارش فصلی ثبت‌شدهٔ شرکت، ارقام اصلی را تأیید می‌کند و توضیح می‌دهد اجارهٔ پایه پس از کسر ۰٫۹ میلیون دلار استهلاک مشوق‌های اجاره ثبت شده است. همان سند می‌گوید افزایش سالانهٔ درآمد خدمات تجهیز حدود ۱۵۷٫۲ میلیون دلار بوده و هزینه‌های مرتبط نیز حدود ۱۵۱٫۱ میلیون دلار بالا رفته است. این دو عدد «تغییر نسبت به پارسال» هستند، نه کل درآمد و هزینهٔ آن خدمت. کم‌کردن یکی از دیگری، سود کامل بخش تجهیز را به دست نمی‌دهد. اطلاعیه و گزارش فصلی هر دو متعلق به خود شرکت‌اند؛ تطبیق آن‌ها کنترل سازگاری حساب‌هاست، نه تأیید مستقل کیفیت سرمایه‌گذاری.

فاصلهٔ سود و زیان گزارش‌شده با عدد تعدیل‌شده هم بزرگ است. زیان عملیات ادامه‌دارِ قابل انتساب به سهام‌داران عادی ۲۲۱ میلیون دلار بود، در حالی که زیان خالص تعدیل‌شده ۴٫۱ میلیون دلار اعلام شد. عدد دوم طبق اصول متعارف حسابداری آمریکا نیست: نتایج شرکت تابعهٔ ChronoScale را کنار می‌گذارد و تعدیلاتی از جمله جبران خدمت سهامی، تغییر ارزش منصفانه و برخی هزینه‌های معامله و اقلام دیگر دارد. این دو عدد دو پاسخ به یک سؤال با مبنای یکسان نیستند. همچنین زیان حسابداری را نمی‌توان بی‌واسطه پول نقدِ مصرف‌شده نامید؛ برای آن باید صورت جریان نقد را خواند.

صورت جریان نقد در گزارش فصلی همین تفاوت را روشن‌تر می‌کند: ورود نقد عملیاتی حدود ۶۳٫۹ میلیون دلار، خروج نقد سرمایه‌گذاری حدود ۲٫۰۸۳ میلیارد دلار و ورود نقد تأمین مالی حدود ۱٫۵۴۳ میلیارد دلار بود. این ارقام تلفیقی‌اند؛ تمام خروج سرمایه‌گذاری را هم نباید خرج ساخت یک پروژه دانست. موجودی نقد، معادل نقد و وجوه محدودشده در پایان دوره نزدیک ۳٫۶۷۸ میلیارد دلار بود که حدود ۷۲۸ میلیون دلار آن محدودیت مصرف داشت. نتیجهٔ مورد نظر ژرف روشن است: مثبت‌شدن جریان نقد عملیاتی، با تأمین تمام هزینهٔ توسعه از عملیات یکی نیست. پول موجود نیز لزوماً برای هر مصرفی آزاد نیست.

این پرسش مالی در صورت‌جلسهٔ تازهٔ فدرال رزرو زمینهٔ مهمی پیدا می‌کند. سند ۷ اکتبر، مربوط به نشست ۱۵ و ۱۶ سپتامبر است؛ افزایش ۰٫۲۵ واحد درصدی نرخ هدف به بازهٔ ۳٫۷۵ تا ۴ درصد، تصمیم همان سپتامبر بود، نه تصمیم تازهٔ اکتبر. در گزارش مدیر عملیات بازار، انتشار گستردهٔ بدهی برای زیرساخت هوش مصنوعی یکی از عواملی است که تفسیرهای بازار برای افزایش بازده اوراق و صرف سررسید مطرح کرده‌اند. این روایت، سهم عددیِ هر عامل را ثابت نمی‌کند. صورت‌جلسه همچنین اندازه و زمان اثر هوش مصنوعی بر بهره‌وری را نامطمئن می‌داند؛ منافع آینده هنوز جای هزینهٔ تأمین مالی امروز را نگرفته‌اند.

بیشتر شرکت‌کنندگان در نشست سپتامبر احتمالاً افزایش دیگری تا پایان سال را مناسب می‌دانستند، اما تصمیم را به داده‌های بعدی وابسته کردند. برای خواندن ترازنامهٔ یک سازندهٔ مرکز داده، این یعنی باید به سررسید بدهی، شرایط وام تازه و زمان شروع اجاره توجه کرد، نه اینکه هر تغییر نرخ سیاستی را عیناً روی تمام بدهی موجود اعمال کرد. صورت‌جلسه توضیح اختصاصی زیان اپلاید دیجیتال نیست و انتشارش نرخ قراردادهای این شرکت را خودکار عوض نمی‌کند. از نگاه ژرف، اگر تکمیل یک سایت عقب بیفتد، فاصلهٔ زمانی میان خرج و درآمد اهمیت بیشتری می‌یابد؛ این یک ریسک قابل بررسی است، نه گزارش تأخیر تازه در شرکت.

سمت مصرف هوش مصنوعی نیز در ۷ اکتبر تغییر کرد. اوپن‌ای‌آی عرضهٔ تدریجی GPT-6 و رابط تعاملی Intelligent UI را در بخش گفت‌وگوی چت‌جی‌پی‌تی آغاز کرد؛ پاسخ می‌تواند علاوه بر متن، ابزار قابل استفاده، فرم یا تصویر تعاملی داشته باشد. آغاز عرضه برای حساب‌های پولی ۷ اکتبر و برای Free و Go، هشتم اکتبر اعلام شد؛ دسترسی سازمانی به تنظیمات مدیر بستگی دارد. مدل‌های Work و Codex با این خبر عوض نمی‌شوند. این یک تغییر مشخص در محصول است، اما از آن نمی‌توان میزان تقاضا برای یک مرکز دادهٔ معین یا درآمد مستأجران اپلاید دیجیتال را استخراج کرد.

آنتروپیک همان روز هایکو ۵٫۵ را برای کارهای کوتاه و پرتعداد عرضه کرد. برای درخواست‌هایی با ورودی تا ۱۰۰ هزار توکن، نرخ هر یک میلیون توکن ورودی ۰٫۱۰ دلار و خروجی ۰٫۵۰ دلار است؛ برای ورودی بلندتر، این نرخ‌ها به‌ترتیب ۰٫۵۰ و ۲٫۵۰ دلار می‌شوند. افت اسمی قیمت نسبت به هایکو ۴٫۵ در این دو گروه، ۹۰ و ۵۰ درصد است. برآورد شرکت از حدود ۷۵ درصد کاهش هزینهٔ انجام کار، عدد دیگری است که ترکیب درخواست‌ها و تغییر توکن‌ساز را هم در نظر می‌گیرد. هیچ‌یک از این درصدها به‌خودی‌خود کاهش برابرِ هزینهٔ برق یا نیاز به ظرفیت فیزیکی را ثابت نمی‌کند.

رابط آسان‌تر و قیمت پایین‌تر ممکن است کارهای بیشتری را از نظر اقتصادی به‌صرفه کند؛ از سوی دیگر، انجام همان کار با هزینهٔ کمتر می‌تواند درآمد فروشنده به‌ازای هر درخواست را پایین بیاورد. اینکه در نهایت مصرف کل پردازش بالا می‌رود یا پایین، به حجم استفاده و بهره‌وری بستگی دارد. این دو مسیر احتمالی، تحلیل ژرف‌اند، نه پیش‌بینی شرکت‌ها یا شاهد یک رابطهٔ تجاری اعلام‌نشده. برای نمونه، یک تیم می‌تواند کارهای دسته‌بندی را به مدل ارزان‌تر بسپارد و کار پیچیده را برای مدل بزرگ نگه دارد. معیار مفیدش هزینهٔ هر نتیجهٔ پذیرفته‌شده پس از اصلاح و بازبینی است، نه فقط قیمت یک میلیون توکن.

در گزارش‌های بعدی اپلاید دیجیتال باید سهم اجاره، ترکیب تجهیز، جریان نقد و محدودیت مصرف منابع را کنار هم دنبال کرد. در محصولات تازه نیز باید دید کاهش قیمت و تغییر رابط واقعاً چه مقدار کار قابل قبول به همراه می‌آورد. جمع‌بندی امروز دربارهٔ دو مرحلهٔ متفاوت است: بازار می‌تواند هم‌زمان از ساخت زیرساخت درآمد بگیرد و هنوز دربارهٔ بازده استفادهٔ طولانی‌مدت از آن سؤال داشته باشد. رشد فروش به‌تنهایی این سؤال را پاسخ نمی‌دهد، همان‌طور که قیمت ارزان‌تر مدل به‌تنهایی نشانهٔ شکست سرمایه‌گذاری نیست. تصویر این گزارش یک تصویرسازی تولیدشده با هوش مصنوعی برای ژرف است و هیچ‌یک از تأسیسات واقعی اپلاید دیجیتال را نشان نمی‌دهد.


منابع و اسناد

  1. 01Applied Digital Reports Fiscal First Quarter 2027 ResultsApplied Digital · ۱۵ مهر ۱۴۰۵
  2. 02Applied Digital Form 10-Q for the Quarter Ended August 31, 2026Applied Digital · ۱۵ مهر ۱۴۰۵
  3. 03Minutes of the Federal Open Market Committee, September 15–16, 2026Federal Reserve Board · ۱۵ مهر ۱۴۰۵
  4. 04GPT-6 and Intelligent UI for everyoneOpenAI · ۱۵ مهر ۱۴۰۵
  5. 05Introducing Claude Haiku 5.5Anthropic · ۱۵ مهر ۱۴۰۵

برچسب‌ها

زیرساخت هوش مصنوعیاپلاید دیجیتالدرآمد مراکز دادهجریان نقدفدرال رزروقیمت‌گذاری هوش مصنوعی

اخبار مرتبط

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست
۲۳ مهر ۱۴۰۵•منبع: ASML

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست

ای‌اس‌ام‌ال می‌گوید برنامهٔ فعلی تولیدش برای پاسخ به تقاضای مشتریان در ۲۰۲۷ و ۲۰۲۸ کافی نیست؛ حتی با سود قابل توجهی که امروز گزارش می‌کند. ابزارهای تازهٔ انویدیا ممکن است محاسبات مهندسی را کوتاه‌تر کنند، اما سرعت بیشتر یک محاسبه به‌خودی‌خود تولید کارخانه را بالا نمی‌برد. نظرسنجی فعالان نیمه‌رسانا از مشکل نیروی ماهر خبر می‌دهد و تورم آمریکا نیز موضوعی جداگانه برای فرض‌های تأمین مالی است. این شماره تفاوت ظرفیت دستگاه، سود گزارش‌شده، زمان محاسبه و قیمت مصرف‌کننده را روشن می‌کند. آنچه باید در ادامه دید، تعهد مشخص‌تر تولید و نتیجهٔ آزمون در کار واقعی است، نه فرض رفع کمبود با نرم‌افزار.

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت
۱۷ مهر ۱۴۰۵•منبع: GlobalFoundries

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت

گلوبال‌فاندریز با تی‌اس‌ام‌سی برای تولید قطعات بسته‌بندی تراشه‌های هوش مصنوعی در نیویورک توافق کرد؛ اما این خبر به معنای آماده‌شدن ظرفیت تازه در همین امروز نیست. هم‌زمان، درآمد ماهانهٔ تی‌اس‌ام‌سی و برآورد سود فصلی سامسونگ تصویری از کسب‌وکار فعلی تراشه‌سازان می‌دهند. در سوی مصرف نیز انویدیا و وزارت انرژی آمریکا برنامه‌های تازه‌ای برای پژوهش با هوش مصنوعی اعلام کرده‌اند. گزارش امروز تفاوت این اسناد را توضیح می‌دهد: قرارداد تولید با درآمد ثبت‌شده یکی نیست، سود تلفیقی سهم هوش مصنوعی را نشان نمی‌دهد و بودجهٔ پژوهش هم هنوز نتیجهٔ علمی نیست. برای فهم اثر واقعی این خبرها باید زمان تحویل، نوع هزینه و خروجی قابل سنجش هر برنامه را جدا دنبال کرد.

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست
۱۵ مهر ۱۴۰۵•منبع: Constellation Energy

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست

گوگل با تعهد خرید بلندمدت برق، پشت افزایش ظرفیت نیروگاه‌های موجود کانستلیشن ایستاده است؛ برق تازه هنوز تولید نشده است. تفاوت میان خرید برق موجود و ساخت ظرفیت اضافه، مهم‌ترین نکتهٔ این قرارداد برای خوانندهٔ خبرهای مراکز داده است. گزارش امروز توضیح می‌دهد این تعهد چه کمکی به سرمایه‌گذاری می‌کند و چه چیزهایی، از زمان تحویل تا بازده اقتصادی، هنوز روشن نیست. نتایج مالی پنگوئن، پژوهش تازهٔ اوپن‌ای‌آی دربارهٔ کار با نرم‌افزار و تغییر دسترسی امنیتی آنتروپیک نیز حدود شواهد موجود را نشان می‌دهند. جمع‌بندی ژرف این است که تعهد خرید، پیشرفت مدل و درآمد ثبت‌شده را باید جدا سنجید؛ هیچ‌کدام جای برق قابل تحویل و کار واقعاً انجام‌شده را نمی‌گیرد.

ژرف این تحلیل را به‌طور مستقل و بر پایه منابع اصلی نوشته است. برای جزئیات و زمینه کامل، پیوندهای بالا را ببینید.

می‌خواهید هوش مصنوعی را وارد کار روزمره سازمانتان کنید؟

با ما تماس بگیرید و بگویید کدام کار بیشترین وقتتان را می‌گیرد.

تماس با ما