الاستثمار الجريء يبدأ بفلسفة… وليس بقراءة الشركات
في الاستثمار الجريء، لا يكفي أن تكون قادرًا على تقييم شركة أو قراءة عرضها الاستثماري. ما يصنع الفارق فعلًا هو أن تمتلك فلسفة واضحة عن الاتجاه الذي يتحرك إليه الذكاء الاصطناعي، وأن ترى السلسلة كاملة بدلًا من التركيز على جزء واحد منها.
إذا نظرت إلى المشهد اليوم، ستجد أن هناك خطًا مترابطًا يبدأ من النماذج نفسها (Brain)، ثم الذاكرة (Memory)، ثم التقييمات (Evals)، ثم التعلم المعزز (RL)، وصولًا إلى البنية التحتية التي تجعل كل ذلك ممكنًا، وهي مراكز البيانات (Data Centers).
بعدها تبدأ المهمة الحقيقية: تفكيك كل طبقة، ومحاولة الإجابة عن سؤالين بسيطين لكنهما يصنعان أفضل الفرص الاستثمارية: أين يكمن الخطأ في النموذج الحالي؟ وما الذي لن يصمد خلال السنوات القادمة؟
لنأخذ مراكز البيانات كمثال.
اليوم، يكاد كل شيء يُبنى حول وحدات معالجة الرسومات (GPUs). سواء كان العمل يتعلق بكتابة الأكواد، أو التطبيقات المالية، أو الوكلاء الذكيين (Agents)، أو تشغيل نماذج الذكاء الاصطناعي للاستدلال (Inference)، أصبحت الـGPU هي الحل الافتراضي لكل شيء.
لكن هل هذا هو النموذج الذي سيستمر؟
الـGPU صُمم في الأساس لمعالجة الرسوميات، وله عمر محاسبي يقارب أربع سنوات، ومع ذلك أصبحنا نعتمد عليه في جميع أنواع الأحمال الحاسوبية، رغم أن احتياجات الاستدلال تختلف جذريًا من نموذج إلى آخر ومن تطبيق إلى آخر.
بالنسبة لي، هذا النموذج لم يكن مقنعًا منذ البداية.
لهذا قضيت سنوات أبحث عن شركة تكسر فكرة الاعتماد الكامل على الـGPU، وتبني ما يمكن وصفه بـ Disaggregated Inference؛ أي منصة تختار أفضل شريحة لكل مهمة بدلًا من استخدام نفس العتاد لكل شيء.
الفكرة بسيطة لكنها قوية. يتم استخدام الـGPU في مرحلة Prefill، بينما تنتقل مرحلة Decode إلى شرائح متخصصة مثل SN50، ويتولى نظام الـRouting توجيه كل طلب إلى العتاد الأقل تكلفة والأعلى كفاءة. النتيجة ليست مجرد أداء أفضل، بل استغلال أعلى لرأس المال والطاقة الكهربائية.
لهذا السبب، عندما وجدت General Compute، لم يكن رهاني على امتلاكها شريحة أسرع من المنافسين، بل على نموذج اقتصادي مختلف بالكامل عن نموذج شركات GPU Cloud التقليدية.
الكثير يعتقد أن المنافسة ستكون في تحقيق هامش ربح أعلى، لكن هذا ليس جوهر الفكرة.
في الواقع، نموذج الشركة يفترض Blended Gross Margin يقارب 24.7%، وهو ليس هامشًا استثنائيًا بحد ذاته. الميزة الحقيقية تكمن في اقتصاديات رأس المال: سرعة تدوير الأصول، والإيراد الذي يمكن استخراجه من كل Rack، والعائد الناتج من كل ميغاواط كهرباء.
بحسب نموذج الشركة، يمكن لـ 815 Rack المبنية على شرائح SN50 أن تولد ما يقارب 668 مليون دولار من الإيرادات السنوية المتكررة (ARR)، أي ما يعادل نحو 820 ألف دولار سنويًا لكل Rack.
أما اقتصاديات الـRack الواحد فتوضح الصورة بشكل أفضل. يدفع العميل قرابة 95 ألف دولار شهريًا، يذهب منها حوالي 68 ألف دولار لتمويل الأصل، بينما يبقى نحو 27 ألف دولار كربح تشغيلي إجمالي.
وتستهدف الشركة استرداد تكلفة الأصل خلال 36 شهرًا، في حين أن العمر المحاسبي للهاردوير يقارب 48 شهرًا. بمعنى أن الأصل يسدد تكلفته قبل نهاية عمره المحاسبي، ثم يستمر في توليد التدفقات النقدية بعد ذلك.
لكن الرقم الأكثر إثارة للاهتمام بالنسبة لي كان في كفاءة استخدام الطاقة.
وفقًا للنموذج، يستطيع كل 1 ميغاواط من البنية التحتية لدى General Compute إنتاج نحو 33 مليون دولار من الإيرادات السنوية، مقارنة بحوالي 8 ملايين دولار في نموذج GPU Cloud التقليدي.
بمعنى آخر، الشركة تستهدف تحقيق أكثر من 4 أضعاف الإيرادات من نفس كمية الكهرباء.
كما تشير اختبارات الشركة إلى أن شريحة SN50 حققت في بعض مهام البرمجة سرعة وصلت إلى 16.1 ضعفًا مقارنة بالحلول التقليدية، مع انخفاض في التكلفة يتراوح بين 2.5 و7.8 أضعاف بحسب نوع النموذج والحمل التشغيلي.
وعند النظر إلى الخطة الرأسمالية الكاملة، تصبح الصورة أوضح.
فالشركة تستهدف توظيف نحو 499 مليون دولار من حقوق الملكية، مدعومة بحوالي 1.165 مليار دولار من التمويل، ليصل إجمالي القدرة الحاسوبية المنشورة إلى نحو 1.664 مليار دولار.
وبحسب نموذجها المالي، يفترض أن ينتج هذا الاستثمار حوالي 1.243 مليار دولار من الإيرادات السنوية المتكررة. وإذا تم تقييم الشركة عند مضاعف محافظ يبلغ 12 مرة الإيرادات السنوية المتكررة، فإن ذلك يقود إلى قيمة منشأة تقارب 14.9 مليار دولار.
بمعنى آخر، كل دولار من حقوق الملكية لا يمول دولارًا واحدًا من البنية التحتية، بل يدعم نحو 3.33 دولار من القدرة الحاسوبية، ويولد حوالي 2.49 دولار من الإيرادات السنوية المتكررة، وهو ما ينعكس على قيمة اقتصادية أعلى بكثير إذا نجح النموذج في التنفيذ.
وهنا يكمن الاختلاف الحقيقي عن شركات GPU Cloud التقليدية.
القصة ليست تحقيق هامش أعلى، بل تحقيق إيرادات أكبر من كل ميغاواط كهرباء، واستخراج قيمة أعلى من كل Rack، واسترداد رأس المال قبل انتهاء العمر المحاسبي للأصل، ثم استخدام التدفقات النقدية لتمويل التوسع المستقبلي.
إذا نجحت هذه المعادلة، فإن الـRack لن يكون مجرد خادم يفقد قيمته خلال أربع سنوات، بل أصلًا منتجًا للنقد، يسدد تكلفة تمويله، ثم يساعد في تمويل الجيل التالي من الأصول.
لهذا، عندما استثمرت في General Compute، لم يكن رهاني على شريحة SN50 وحدها.
رهاني كان على فكرة أكبر بكثير: أن مستقبل الـInference لن يكون قائمًا على نوع واحد من الشرائح، وأن الفائز في العقد القادم لن يكون من يمتلك أكبر عدد من وحدات الـGPU، بل من يستطيع إنتاج أكبر عدد من Premium Tokens مقابل كل دولار يُستثمر في رأس المال، وكل ميغاواط من الكهرباء.
إذا كان المقال مخصصًا لمدونة استثمارية احترافية، فأنا أنصح أيضًا بإضافة إخلاء مسؤولية في النهاية يوضح أن هذا يمثل وجهة نظرك الاستثمارية وليس توصية شراء، لأن المقال يتضمن ذكر شركة واستثمار شخصي وأرقامًا مستقبلية.