شرکت Mitsubishi HC Capital America اعلام کرد در سه‌ماهه سوم سال ۲۰۲۶، حدود ۲۴۰ میلیون دلار فعالیت تأمین مالی مرتبط با زیرساخت GPU انجام داده است. این منابع از طریق راهکارهای لیزینگ و تأمین مالی تجهیزات پردازشی در اختیار چند ارائه‌دهنده خدمات رایانش ابری قرار گرفته تا ظرفیت زیرساختی موردنیاز برای توسعه هوش مصنوعی و محاسبات با کارایی بالا (HPC) افزایش پیدا کند.
این اقدام نشان‌دهنده رشد نقش شرکت‌های تأمین مالی در توسعه دیتاسنترهای هوش مصنوعی است؛ زیرساخت‌هایی که برای خرید و راه‌اندازی خوشه‌های پردازشی GPU به سرمایه‌گذاری اولیه قابل‌توجهی نیاز دارند.
تامین مالی GPU چگونه انجام شده است؟
Mitsubishi HC Capital America در این طرح از دو روش اصلی لیزینگ تجهیزات و تأمین مالی استفاده کرده است. هدف این راهکارها، کمک به شرکت‌های ارائه‌دهنده خدمات ابری برای تهیه تجهیزات GPU و گسترش ظرفیت پردازشی بدون نیاز به تأمین تمام سرمایه موردنیاز از منابع داخلی خودشان است.
در مدل لیزینگ، شرکت استفاده‌کننده می‌تواند تجهیزات پردازشی را برای یک دوره مشخص در اختیار بگیرد و هزینه آن را طبق شرایط قرارداد پرداخت کند. در روش‌های تأمین مالی نیز سرمایه موردنیاز برای خرید و توسعه زیرساخت فراهم می‌شود.
این روش‌ها برای کسب‌وکارهایی اهمیت دارند که باید پیش از کسب درآمد کامل از ظرفیت جدید، هزینه خرید GPU، راه‌اندازی سرورها و توسعه دیتاسنتر را پرداخت کنند.
Mitsubishi HC Capital America نام شرکت‌های دریافت‌کننده این منابع و جزئیات قراردادهای جداگانه را اعلام نکرده است؛ بنابراین نمی‌توان رقم ۲۴۰ میلیون دلار را به یک پروژه یا ارائه‌دهنده ابری مشخص نسبت داد.
چرا تامین مالی تجهیزات GPU اهمیت بیشتری پیدا کرده است؟
توسعه زیرساخت هوش مصنوعی به سرمایه‌گذاری سنگینی نیاز دارد. شرکت‌های فعال در این حوزه برای ارائه خدمات آموزش و استنتاج مدل‌های هوش مصنوعی باید مجموعه‌ای از تجهیزات را تهیه و راه‌اندازی کنند؛ از جمله:
- GPUهای دیتاسنتری برای آموزش و اجرای مدل‌های هوش مصنوعی
- سرورها و تجهیزات ارتباطی برای ایجاد خوشه‌های پردازشی
- حافظه و تجهیزات ذخیره‌سازی پرسرعت
- زیرساخت برق، خنک‌سازی و شبکه دیتاسنتر
خرید این تجهیزات به‌ویژه در مقیاس خوشه‌های بزرگ GPU، هزینه اولیه بالایی ایجاد می‌کند. از طرف دیگر، شرکت‌های ارائه‌دهنده خدمات ابری و باید ظرفیت پردازشی را متناسب با تقاضای مشتریان توسعه دهند و در بسیاری از موارد نمی‌توانند برای تأمین سرمایه، تا زمان کسب درآمد از پروژه منتظر بمانند.
به همین دلیل، استفاده از تسهیلات مالی، لیزینگ و تأمین سرمایه ساختاریافته به یکی از روش‌های توسعه سریع‌تر زیرساخت GPU تبدیل شده است.
نقش شرکت‌های تامین مالی در گسترش دیتاسنترهای هوش مصنوعی
Mitsubishi HC Capital America اعلام کرده است که برای تأمین مالی پروژه‌های بزرگ‌تر، از ترکیب منابع مالی خود، توانایی سازمان‌دهی تأمین مالی مشترک و شبکه شرکای سرمایه‌گذاری استفاده می‌کند.
Corinne Seton، معاون ارشد و رئیس بخش بازارهای سرمایه این شرکت، می‌گوید با افزایش مقیاس و پیچیدگی استقرار GPUها، مشتریان به شرکای مالی نیاز دارند که علاوه بر تأمین سرمایه، امکان دسترسی به منابع مالی و بازار سرمایه را نیز فراهم کنند.
این رویکرد به‌ویژه برای شرکت‌های ارائه‌دهنده خدمات ابری اهمیت دارد؛ زیرا توسعه یک دیتاسنتر بزرگ صرفاً به خرید GPU محدود نمی‌شود و تأمین مالی تجهیزات، زیرساخت فیزیکی و هزینه‌های عملیاتی نیز باید در برنامه اقتصادی پروژه در نظر گرفته شود.
تامین مالی GPU چه ریسک‌هایی دارد؟
با وجود رشد تقاضا برای زیرساخت هوش مصنوعی، تأمین مالی تجهیزات GPU بدون ریسک نیست. یکی از مهم‌ترین چالش‌ها، کاهش ارزش سخت‌افزار در طول زمان است.
سرعت بالای معرفی نسل‌های جدید GPU می‌تواند باعث شود تجهیزات خریداری‌شده پس از چند سال ارزش بازار کمتری داشته باشند. در نتیجه، شرکت‌های تأمین‌کننده سرمایه باید ارزش باقی‌مانده تجهیزات و توان بازپرداخت مشتریان را در ارزیابی قراردادها در نظر بگیرند.
از سوی دیگر، درآمد پروژه‌های دیتاسنتری به میزان استفاده مشتریان از ظرفیت پردازشی وابسته است. اگر تقاضای واقعی کمتر از پیش‌بینی باشد یا راه‌اندازی پروژه با تأخیر مواجه شود، بازپرداخت هزینه‌های تأمین مالی نیز می‌تواند با مشکل روبه‌رو شود.
بنابراین، اعتبارسنجی مشتریان، قراردادهای بلندمدت استفاده از ظرفیت GPU و ارزیابی ارزش تجهیزات در پایان دوره قرارداد، از عوامل مهم در پایداری مدل تأمین مالی زیرساخت هوش مصنوعی هستند.
جمع‌بندی: بازار تامین مالی GPU در حال گسترش است
انجام ۲۴۰ میلیون دلار فعالیت تأمین مالی زیرساخت GPU توسط Mitsubishi HC Capital America در سه‌ماهه سوم ۲۰۲۶، نمونه‌ای از ورود جدی‌تر شرکت‌های مالی به زنجیره توسعه دیتاسنترهای هوش مصنوعی است.
افزایش هزینه خرید تجهیزات و سرعت رشد تقاضا برای پردازش هوش مصنوعی باعث شده است شرکت‌های ابری و اجاره GPU برای توسعه ظرفیت خود به روش‌هایی فراتر از سرمایه‌گذاری مستقیم متکی باشند. لیزینگ تجهیزات، تأمین مالی ساختاریافته و مشارکت سرمایه‌گذاران می‌توانند امکان توسعه سریع‌تر زیرساخت GPU را فراهم کنند.
با این حال، موفقیت این مدل به عواملی مانند میزان تقاضای واقعی برای پردازش، عمر اقتصادی GPUها، ارزش باقی‌مانده تجهیزات و توان بازپرداخت شرکت‌های دریافت‌کننده سرمایه بستگی دارد.
