Маҷмӯи Нуқтаҳои Гулӯгоҳ (Chokepoint Stack) — чаҳорчӯбаи таҳлилиест, ки Yuan Gao густариши инфрасохтори ҷаҳонии зеҳни сунъиро на ҳамчун мушкили танҳо як GPU ё камбуди чип, балки ҳамчун низоми ба ҳам вобаста аз неруи барқ ва шабака, хотираи дорои паҳнои баланди гузариш ва бастабандии пешрафта, коркарди маъданҳои муҳим, долонҳои транзити энергия ва шабакаи маблағгузорие, ки бар болои онҳо фаъолият мекунад, баррасӣ мекунад. Таҳқиқот ин қабатҳои физикӣ ва молиявиро дар як шабакаи самтдор муттаҳид карда, барои омӯхтани он ки зарбаҳо дар саросари шабака чӣ гуна паҳн мешаванд, модели каскадии бар DebtRank асосёфтаро истифода мебарад. Натиҷаи асосӣ ин аст, ки осебпазирии системавӣ метавонад на танҳо дар ширкат ё объекти физикии аз ҳама намоён, балки дар баъзе робитаҳои муайяни “борбардор” байни гиреҳҳо мутамарказ шавад.

Тезиси асосии манбаъ ин аст, ки маҳдудияти маржиналии иқтидори ҷаҳонии AI аз самти самаранокии сирфи ҳисоббарорӣ дар хатти Қонуни Moore ҳарчи бештар ба инфрасохтори физикӣ мегузарад. Ҳатто агар оптимизатсияҳои нармафзор ва чип арзиши воҳидии ҳисоббарорӣ барои тавлиди як token-ро коҳиш диҳанд, арзиши маржиналии сохтани кластери нави ҳисоббарории миқёси frontier ба воридоти сусттар васеъшаванда, аз ҷумла пайвастшавӣ ба шабака, трансформатор ва инфрасохтори интиқол, HBM, бастабандии пешрафта ба монанди CoWoS, мис, элементҳои нодири замин ва амнияти энергетикӣ вобаста мешавад.

Дар тарафи молиявӣ, гузориш як даври бастаеро тавсиф мекунад, ки байни лабораторияҳои AI, hyperscaler-ҳо, ширкатҳои neocloud, истеҳсолкунандагони чип, созишномаҳои хариди иқтидори оянда ва қарзи бо GPU гаравгузоришуда амал мекунад. Дар графи истеҳсолии 13 гиреҳии манбаъ, таҳти зарбаи молиявии 100-воҳидии махсуси OpenAI, ҳазфи робитаи OpenAI → CoreWeave distress-и умумии каскадии моделро тақрибан %28,5 коҳиш медиҳад; робитаҳои минбаъдаи борбардор ҳамчун OpenAI → Oracle тақрибан %20, CoreWeave → маҷмааи қарзи бо GPU гаравгузоришуда тақрибан %14 ва OpenAI → SoftBank тақрибан %11 гузориш шудаанд.

Ин фоизҳо эҳтимоли муфлисшавӣ дар ҷаҳони воқеӣ нестанд. DebtRank distress индекси нисбии талафот/вайроншавӣ дар дохили модел мебошад. Илова бар ин, баъзе вазнҳои робита барои тағйирёбандаҳое, ки ширкатҳо ошкор намекунанд, аз ҷумла тамаркузи муштариён ё тақсимоти гарав, аз арзёбиҳо истифода мекунанд. Сенарияҳои стрессии таҳқиқот пешгӯии бозор барои санаҳои мушаххас нестанд, балки посухҳои сохторӣ ба саволи “агар чунин зарба рух диҳад, тавассути шабакаи муайяншуда кадом роҳ пайгирӣ мешавад?” мебошанд.

Масъалаи таҳқиқот: маҳдудияти воқеии инфрасохтори AI куҷост?

Баҳси инфрасохтори зеҳни сунъӣ аксаран дар атрофи шумораи GPU, наслҳои нави чип ё самаранокии ҳисоббарории модел сурат мегирад. Аммо таҳқиқот фарқи бунёдитаре мегузорад: боло рафтани нархи як маҳсулот ва натавонистани низом барои тавлиди иқтидори бештари физикӣ як чиз нестанд. Саволи муаллиф ин аст, ки бо афзоиши талабот кадом вуруд дар миқёси муайяни вақт ба “маҳдудияти бастакунанда” табдил меёбад ва пешниҳоди он вуруд то чӣ андоза зуд метавонад васеъ шавад.

Гузориш роҳнамои хароҷоти сармоявии яксолаи панҷ hyperscaler-и ИМА — Microsoft, Google, Amazon, Meta ва Oracle — ро дар маҷмӯъ тақрибан дар доираи 600–690 миллиард доллар арзёбӣ мекунад ва онро ҳамчун нишонаи муҳими миқёси сохтмони инфрасохтори AI истифода мебарад. Аммо тибқи гузориш, мавҷуд будани сармояи бештар худ аз худ маънои онро надорад, ки иқтидори физикӣ бо ҳамон суръат зиёд мешавад. Бинои datacenter метавонад дар чанд сол анҷом ёбад, дар ҳоле ки хатҳои баландшиддат, зеристгоҳҳо, иқтидори коркард ё истеҳсоли бастабандии пешрафта метавонанд муҳлатҳои хеле дарозтари таҳвил дошта бошанд.

Ин фарқ тамоми меъмории таҳқиқотро муайян мекунад: сармояи молиявӣ метавонад зуд ҳаракат кунад; аммо шабака, коркарди маъдан, иқтидори марҳилаи пасини нимноқил ва долонҳои энергетикӣ наметавонанд бо ҳамон суръат вокуниш нишон диҳанд. Аз ин рӯ, маҳдудияти сармоягузориҳои AI метавонад ҳарчи бештар на ба ҳаҷми сармоя, балки ба чандирии воридоти физикие вобаста шавад, ки сармоя мехоҳад онҳоро бихарад.

“Маҷмӯи Нуқтаҳои Гулӯгоҳ” чист ва чаро аз як гулӯгоҳи ягона фарқ мекунад?

Маҷмӯи Нуқтаҳои Гулӯгоҳ иерархияи ба ҳам пайвастаи маҳдудиятҳои физикӣ ва сиёсист, ки аз неруи барқ ва шабака то бастабандии пешрафта, аз коркарди маъданҳои муҳим то долонҳои транзити энергия дар миқёсҳои гуногуни вақт ба маҳдудияти бастакунанда табдил меёбанд; аз ин рӯ сабукшавӣ дар як қабат метавонад тамоми низомро озод накунад, зеро қабати дигар метавонад маҳдудияти навбатии бастакунанда гардад.

Чор қабати физикӣ

Қабат 1 — неруи барқ ва шабака

Кӯтоҳмуддаттарин маҳдудияти физикии гузориш неруи барқ аст. Тибқи манбаъ, datacenter-ҳо метавонанд тақрибан дар як то се сол сохта шаванд, дар ҳоле ки муҳлати иҷозат ва сохтмони зеристгоҳҳо ва хатҳои баландшиддати дурмасофае, ки онҳоро таъмин мекунанд, метавонад тақрибан ба панҷ то понздаҳ сол расад. Ин номувофиқии миқёси вақт ба он монеъ мешавад, ки қарори сармоягузорӣ бо ҳамон суръат ба иқтидори физикӣ табдил ёбад.

Гузориш бо такя ба проексияи IEA, ки datacenter-ҳо метавонанд тақрибан нисфи афзоиши талаботи барқи ИМА-ро ташкил диҳанд, афзоиши навбатҳои пайвастшавии ERCOT ва PJM ва проексияи EIA, ки талаботи datacenter метавонад нархҳои яклухти барқи ERCOT-ро то 2027 тақрибан %80 боло барад, шабакаро ҳамчун қабати физикии “имрӯз аз ҳама бастакунанда” тасниф мекунад. Инҳо ченкуниҳои таҷрибавии худи таҳқиқот нестанд; онҳо маълумот ва проексияҳои берунии давлатӣ/институтсионалӣ мебошанд, ки гузориш истифода мекунад.

Қабат 2 — HBM, бастабандии пешрафта ва Тайван

Табдил ёфтани GPU ба суръатбахши истифодашавандаи AI танҳо ба истеҳсоли чипи мантиқӣ вобаста нест. Хотираи дорои паҳнои баланди гузариш (High-Bandwidth Memory, HBM) ва равандҳои бастабандии пешрафтаи TSMC ба монанди CoWoS низ қисмҳои муҳими занҷири таҳвил мебошанд. Гузориш қайд мекунад, ки истеҳсоли HBM-и SK Hynix барои 2026 дар аввали сол пешакӣ фурӯхта шуда буд ва иқтидори TSMC CoWoS то охири 2026 пур аст.

Ҳангоми илова шудани тамаркузи ҷуғрофии Тайван, иқтидори физикии истеҳсолӣ ба як гиреҳи ягонаи геосиёсӣ табдил меёбад. Гузориш ин хавфро ҳамчун яке аз сенарияҳои стрессии худ мустақиман фаъол намекунад; аммо онро ҳамчун хавфи сохторие, ки тамоми шабака мебардорад, нишон медиҳад. Ин фарқ муҳим аст: дар таҳқиқот пешгӯии “сенарияи Тайван рух медиҳад” вуҷуд надорад.

Қабат 3 — маъданҳои муҳим ва коркард

Манбаъ таъкид мекунад, ки гарчанде истихроҷи маъдан дар бисёр кишварҳо пароканда аст, коркарди металлҳои стратегӣ хеле бештар мутамарказ мебошад. Дар гузориш гуфта мешавад, ки Чин тақрибан %90 саҳми маъданҳои нодири замин ва %98 саҳми галлийи тозашударо дар ихтиёр дорад. Аз нигоҳи модел, масъалаи муҳим танҳо мавҷуд будани маъдан дар зери замин нест, балки қобилияти табдил додани он ба маҳсулоти миёнарав бо дараҷаи муайяни покӣ ва хусусиятҳои техникӣ мебошад.

Аз ин рӯ, таҳқиқот мис ва металлҳои стратегӣ ба монанди маъданҳои нодири замин/галлийро як навъи гулӯгоҳ намешуморад. Иқтидори гудозиши мис ҳамчун гулӯгоҳи самаранокии бозор, ки асосан аз оптимизатсияи хароҷоти бозорӣ ба вуҷуд омадааст, ва имкони қатъ кардани металлҳои махсуси стратегӣ тавассути иҷозатномаҳои содиротӣ ва назорати маъмурӣ ҳамчун клапани сиёсати соҳибихтиёр тасниф мешавад.

Қабат 4 — долонҳои энергия

Гузориш далел меорад, ки тақрибан %76 нафти тавассути баҳр интиқолшаванда аз роҳҳои танги обӣ мегузарад ва гузаргоҳҳое ба монанди Гулӯгоҳи Ҳурмуз метавонанд қабати энергетикиро аз нигоҳи хароҷоти инфрасохтори AI зуд сахттар кунанд. Графики 2-и манбаъ бо истифода аз силсилаи ҳаррӯзаи FRED барои нафти Brent ва силсилаи моҳонаи proxy-и FRED барои гази табиии Аврупо вақти зарбаи энергетикии 2026-ро нишон медиҳад. Графики 3 бошад ба таври муқоисавӣ нишон медиҳад, ки ду зарбаи гуногуни ҳамлу нақл аз Баҳри Сурх ва Ҳурмуз метавонанд дар бахшҳои контейнерӣ ва танкерӣ интиқоли гуногуни нарх ба вуҷуд оранд.

Чаро мис ҳамчун масъалаи алоҳидаи системавӣ баррасӣ мешавад?

Дар манбаъ гуфта мешавад, ки нархи мис дар аввали 2026 аз 13.000 доллар барои як тонна боло рафта, нишондиҳандаҳои treatment-and-refining charge-и гудозиш ба минтақаи манфӣ фаромадаанд. Муаллиф инро бештар ҳамчун аломати тангшавӣ дар иқтидори коркарди миёнамарҳилавӣ, на ҳамчун мушкили пешниҳоди маъдан, тафсир мекунад.

Гузориш инчунин тарифҳои мисии Section 232-и ИМА-ро ба арзиши AI datacenter мепайвандад. Дар сохтори Апрел 2026, ки таҳқиқот истифода мекунад, барои маҳсулоти мисии соф ё наздик ба соф %50, барои маҳсулоти ҳосилавии дорои миқдори назарраси мис %25 ва барои баъзе таҷҳизоти шабакавӣ/барқии вазнин %15 тариф зикр мешавад. Гуфта мешавад, ки маҳсулоте, ки саҳми вазнии мис дар онҳо %15 ё камтар аст, аз тариф озоданд.

Механизме, ки муаллиф онро “резонанси сохторӣ” меномад, чунин аст: вақте ки шабака аллакай бо маҳдудияти иқтидори физикӣ рӯбарӯст, боло рафтани арзиши таҷҳизоти мисинтенсивӣ ба монанди кабели интиқол, busway, трансформатор ва switchgear ҳамон гулӯгоҳро аз ҷиҳати молиявӣ боз ҳам сахттар мекунад. Ин таҳлили сиёсӣ ва чаҳорчӯбаи сенариявии гузориш аст; маънои онро надорад, ки тариф дар ҳамаи лоиҳаҳои datacenter ҳамон афзоиши хароҷотро ба вуҷуд меорад.

Шабакаи геосиёсӣ: ҳар кас як клапанро идора мекунад, вале ба клапани дигар вобаста аст

Гузориш равиши “weaponised interdependence”-ро ба занҷири таъминоти AI татбиқ мекунад ва бар он аст, ки ҳеҷ як бозигари бузург истиқлоли мутлақ надорад. ИМА ва ҳампаймонҳо дар таҷҳизоти пешрафтаи литография; Чин дар коркарди маъданҳои муҳим; Эрон дар гузаргоҳи энергетикии Ҳурмуз; Тайван бошад дар иқтидори leading-edge foundry мавқеъҳои асимметрии шабакавӣ доранд.

Фикри асосӣ ин аст, ки бартарии геосиёсӣ танҳо аз саволи “кӣ бештар истеҳсол мекунад?” барнамеояд, балки аз он низ вобаста аст, ки кӣ гиреҳи душвор ивазшавандаи шабакаро назорат мекунад. Аммо ҳамон бозигар дар қабати дигар ба бозигари дигар вобаста аст. Шакли 3-и гузориш ин муносибатҳои назорати мутақобиларо ҳамчун давраҳои “mutual-hostage” визуалӣ мекунад.

Ифшои хавфҳои SEC-и 24 ширкат чӣ гуна истифода шуд?

Таҳқиқот бахшҳои “Item 1A — Risk Factors”-и файлҳои SEC 10-K ё 20-F-и 24 ширкати бузурги дар биржаҳои ИМА савдошаванда ва дучори экосистемаи AI-ро ба таври барномавӣ скан мекунад. Ба гурӯҳҳои мафҳумҳои ҷустуҷӯшаванда вобастагӣ аз Чин, металлҳои стратегӣ, Тайван/TSMC, HBM/CoWoS, неруи барқ-шабака ва назорати содиротӣ дохил мешаванд.

Ин басомадҳо мустақиман “холи хавфи ширкат” нестанд. Бештар зикр шудани як истилоҳ дар омилҳои хавф танҳо нишон медиҳад, ки мавзӯи хавфи дахлдор дар ифшоҳо намоёнтар аст. Азбаски ширкатҳо услубҳои гуногуни навишт, зичии гуногуни ифшо ва амалияҳои гуногуни ҳисоботдиҳии ҳуқуқиро истифода мебаранд, шумораи хоми mention-ро бо эҳтимоли зарари иқтисодӣ баробар кардан мумкин нест.

Гирифтани сифр mention аз ҷониби Oracle маънои онро надорад, ки Oracle хавфи физикӣ ё молиявӣ надорад. Худи гузориш Oracle-ро ҳамчун гиреҳи муҳим дар шабакаи маблағгузорӣ модел мекунад. Ин мисол ба таври равшан нишон медиҳад, ки скани калидвожаҳои SEC ва вазни шабакавии DebtRank ду навъи гуногуни маълумот мебошанд.

Маблағгузории даврии AI чӣ гуна шакл мегирад?

Таҳқиқот бар он аст, ки сармоя барои инфрасохтори AI ба таври хаттӣ дар шакли “сармоягузор → datacenter → даромад” ҷараён намегирад; балки сохтори даврие ба вуҷуд омадааст, ки дар он ҳамон ширкатҳо метавонанд саҳмдори якдигар, таъминкунанда, муштарӣ, харидори иқтидор ва пуштибони қарзӣ бошанд.

Манбаъ чор робитаи калонро махсусан таъкид мекунад: Microsoft–OpenAI, Nvidia–CoreWeave, Oracle–OpenAI/Stargate ва SoftBank–OpenAI. Дар ин робитаҳо соҳибии саҳмия, ӯҳдадориҳои хариди compute, remaining performance obligations (RPO), forward offtake ва қарзи бо GPU гаравгузоришуда дар як экосистема муттаҳид мешаванд.

Remaining Performance Obligations (RPO) ӯҳдадориҳои иҷроии ояндаи ширкатро ифода мекунад, ки тибқи шартнома баста шудаанд, вале ҳанӯз ҳамчун даромад эътироф нашудаанд. RPO на пули нақди мустақим ва на даромади ҳатман ситонидашуда мебошад. Гузориш RPO-и умумии Oracle-ро барои давраи 28 Феврал 2026 552,6 миллиард доллар нишон медиҳад ва ӯҳдадории тақрибан 300 миллиард долларии OpenAI/Stargate-ро ҳамчун тақрибан %57 аз маҷмӯъ арзёбӣ мекунад. Манбаъ ба таври возеҳ мегӯяд, ки ин арзёбии Pangura аст, ки аз маълумоти муштарие бароварда шудааст, ки Oracle онро ба таври ҷудогона ошкор накардааст.

Neocloud операторони абриро ифода мекунад, ки иқтидори зичи GPU-ро асосан ба сарбориҳои AI иҷора медиҳанд ва инфрасохтори compute-и нисбат ба hyperscaler-ҳо ихтисосёфтаро таъмин мекунанд. Дар таҳқиқот CoreWeave намунаи асосии ин синф мебошад. Манбаъ мегӯяд, ки қисми муҳими парки GPU бо қарзи бо дороиҳо гаравгузоришуда, ки бар GPU-ҳои зуд коҳишёбандаи арзиш асос ёфтааст, маблағгузорӣ шудааст ва CoreWeave дар Март 2026 қарзи DDTL 4.0 ба маблағи 8,5 миллиард долларро бастааст.

Арзиши DebtRank distress дар воқеъ чиро чен мекунад?

DebtRank distress дар ин таҳқиқот индекси сохториест, ки вайроншавии нисбии гиреҳро дар дохили модел аз сабаби зарбаи аз робитаҳои шабакавӣ омада дар доираи 0 то 1 чен мекунад; он эҳтимоли муфлисшавӣ, талафоти капитализатсияи бозорӣ ё нисбати қарз/дороиҳо нест ва дар ҳадди %100 ба сершавӣ мерасад.

Моҳияти ҳисобкунии DebtRank

Барои ҳар робитаи самтдори \(j\rightarrow i\), \(w_{ji}\) таъсирпазирии гиреҳи ҳадаф \(i\)-ро нисбат ба гиреҳи манбаъ \(j\) ифода мекунад. Дар робитаи молиявӣ ин вазн бо нисбати таъсирпазирӣ ба қобилияти ҷабби талафоти ҳадаф; дар вобастагии offtake бошад бо ҳаҷми тиҷорат/вобастагии муштарӣ алоқаманд мешавад.

Дар манбаъ ядрои навсозии каскад чунин дода шудааст:

\[ h_i \leftarrow \min\left( 1,\, h_i+\sum_j h_j w_{ji} \right) \]

Дар ин ҷо \(h_i\) сатҳи distress-и гиреҳи ҳадаф аст; \(h_j\) сатҳи ҷории distress дар гиреҳи ҳамсояи манбаъро; ва \(w_{ji}\) вазни робитаи \(j\rightarrow i\)-ро нишон медиҳад. Ададҳо нисбатҳои беандоза мебошанд. Оператори \(\min(1,\cdot)\) арзиши distress-ро ҳадди аксар бо 1, яъне %100 маҳдуд мекунад.

Дар модел ҳар гиреҳ пас аз ҷамъ кардани distress онро ба берун танҳо як маротиба интиқол медиҳад. Баъд гиреҳ ғайрифаъол мешавад; арзиши ҷории distress нигоҳ дошта мешавад, вале дигар аз нав паҳн намешавад. Ин қоида пешгирӣ мекунад, ки дар давраҳои самтдор ҳамон як зарба беохир гардиш карда, хавфи системавиро сунъӣ бузург кунад ва ҳамон талафот такроран ҳисоб шавад.

Чаро ҳадди %100 муҳим аст?

Вақте ки гиреҳ ба сатҳи %100 distress наздик мешавад, зарбаи нав онро ба %120 ё %150 distress бурда наметавонад. Ин сершавӣ аз ҷиҳати математикӣ шарҳ медиҳад, ки чаро маҷмӯи зарбаҳои таркибӣ метавонад аз ҷамъбасти арифметикии сенарияҳои алоҳида камтар бошад. Манбаъ инро ҳамчун “sub-additivity” тафсир мекунад.

Робитаҳои аз ҳама борбардор дар шабака

Махсус қайд шудааст, ки вазни тамаркузи муштариён барои OpenAI → CoreWeave ба маълумоти мустақиман ошкоршудаи RPO аз рӯйи муштарӣ такя намекунад ва арзёбӣ мебошад. Аз ин рӯ, арзиши тақрибан %28,5 “воқеияти молиявии ошкоркардаи ширкат” нест, балки натиҷаи модел дар зери калибровкаи мушаххаси шабака мебошад.

Чаро Nvidia дар сенарияи аввал ҳамчун “робитаи пуштибон” мебарояд?

Дар зарбаи 100-воҳидии махсуси OpenAI, модел кафолати хариди иқтидор/off-take-и Nvidia ба CoreWeave-ро на ҳамчун робитае, ки зарбаро афзоиш медиҳад, балки ҳамчун робитаи ҷаббанда тафсир мекунад. Дар ин сенария distress барои Nvidia тақрибан дар сатҳи %0,6 мемонад. Муаллиф инро бо он шарҳ медиҳад, ки буфери баланди тавозун/дороиҳои Nvidia метавонад таъсирпазирии ҳамсояи OpenAI-ро ҷабб кунад.

Аммо таҳқиқот баъд ин натиҷаро маҳдуд мекунад: устувор намудор шудани Nvidia нисбат ба зарбаи idiosyncratic-и муштарии OpenAI маънои устувор будан нисбат ба зарбаи умумӣ ба тамоми талаботи AI-ро надорад. Сенарияи F маҳз ҳамин фарқро месанҷад.

Чаро молишавии compute хавфи қарзиро аз байн намебарад?

Гузориш маҳсулоти фьючерсии compute-и бо ҳисоббаробаркунии нақдӣ ва бар H100 GPU-соат асосёфтаи CME ва ICE-ро ҳамчун нишонаи раванди стандартшавии compute арзёбӣ мекунад. Дар чаҳорчӯбаи таҳқиқот молишавӣ аз чор марҳила иборат аст: таърифи маҳсулоти стандартӣ, кашфи нарх, клиринг/ҳисоббаробаркунӣ ва чуқурии кофии ликвидият. Тибқи манбаъ, се марҳилаи аввал ба дараҷаи назаррас амалӣ шудаанд, дар ҳоле ки ликвидият ҳанӯз рушд мекунад.

Шартномаи фьючерсӣ метавонад хавфи нархи ояндаи GPU-соатро hedge кунад; аммо қобилияти пардохти муштарии neocloud-и ба як муштарӣ вобастаро hedge намекунад. Ба ҳамин монанд, фьючерси нархи GPU хавфи қарзии фармоиши forward-и садҳо миллиарддолларии hyperscaler-ро бо як контрагент аз байн намебарад. Аз ин рӯ гузориш хавфи нарх ва хавфи тамаркузи контрагент/қарз-ро ҳамчун қабатҳои ҷудогона арзёбӣ мекунад.

Чаро зарбаҳои таркибӣ ба андозаи ҷамъбасти оддии зарбаҳои алоҳида калон намешаванд?

Азбаски дар модели DebtRank арзиши distress-и ҳар гиреҳ дар %100 сер мешавад, ҳангоми ҳамзамон татбиқ кардани зарбаҳои A, B ва C distress-и умумии низом тақрибан дар сатҳи 0,72 баробари ҷамъбасти се иҷрои мустақил мемонад; аммо гиреҳҳои умумии гузариш, аз ҷумла Oracle ва маҷмааи қарзи бо GPU гаравгузоришуда, нисбат ба сенарияҳои алоҳида ба distress-и амиқтар кашида мешаванд.

Усул ва Натиҷаҳои Таҳқиқот

Равиши граф-аввал

Равиши методологии таҳқиқот ин аст, ки инфрасохтори AI на ҳамчун занҷири хаттии таъминот, балки ҳамчун шабакаи бисёрқабатаи самтдор муаррифӣ шавад. Миқёсҳои физикии вақт, нуқтаҳои назорати сиёсӣ, ӯҳдадориҳои тиҷоратии байни ширкатҳо ва муносибатҳои маблағгузорӣ ба як чаҳорчӯбаи таҳлилӣ проексия мешаванд.

Манбаъ инро равиши graph-first network-topology меномад. Пас аз табдил додани робитаҳои физикӣ ва молиявӣ ба муносибатҳои гиреҳ–канор, каскади DebtRank барои нуқтаҳои гуногуни оғози зарба иҷро мешавад. Ҳамин тавр на танҳо саволи “кадом ширкат калон аст?”, балки саволи “кадом робита барои кор карда тавонистани гиреҳҳои дигар ба андозаи номутаносиб муҳим аст?” таҳлил мешавад.

Шакли 1 — харитаи чорқабатаи гулӯгоҳҳо

Шакли 1 дар саҳифаи шашуми манбаъ ду намоишро пешниҳод мекунад. Қисми боло чор қабати физикӣ, миқёси вақт барои он ки ҳар қабат кай бастакунанда мешавад ва гиреҳҳои намояндагиро нишон медиҳад. Қисми поён ҳамон гиреҳҳоро дар харитаи ҷаҳон дар ҷойҳои ҷуғрофии онҳо ҷой медиҳад. Нақши илмии шакл танҳо нишон додани ҷуғрофия нест, балки намоён сохтани он аст, ки гулӯгоҳҳои гуногун собитҳои вақти гуногун доранд.

Паёми шакл чунин аст: имрӯз пайвастшавӣ ба шабака метавонад сахттарин маҳдудият бошад, дар кӯтоҳмуддат HBM/бастабандӣ, дар миёнамуддат коркарди маъдан ва ба таври эпизодӣ долони энергия метавонад қабати нави бастакунандаи ҳамон низом гардад. Аз ин рӯ, низомро бо як параметри ягонаи “камбуди GPU” модел кардан мумкин нест.

Шакли 2 ва Графики 4 — занҷири мис

Шакли 2 занҷири мисро аз маъдан → гудозиш → тозакунӣ → истифода дар datacenter ва тамаркузи ҷуғрофии онро якҷо нишон медиҳад. Тафсири асосии манбаъ ин аст, ки истеҳсоли маъдан аз ҷиҳати ҷуғрофӣ бештар пароканда, вале гудозиш/коркарди марҳилаи миёна бештар мутамарказ аст.

Графики 4 ин сохторро бо сигнали нарх ҳамоҳанг мекунад: силсилаи сурх нархи воқеии моҳонаи мис аз FRED-ро ва силсилаи дигар нишондиҳандаи TC/RC-ро, ки маржаи гудозишро ифода мекунад, нишон медиҳад. Манбаъ нархи баланди мис дар аввали 2026 ва маржаи фурӯрафтаи гудозишро якҷо ҳамчун аломати тангӣ дар марҳилаи коркард тафсир мекунад.

Шакли 3 — гулӯгоҳҳои мутақобилаи геосиёсӣ

Шакли 3 вобастагии мутақобили ИМА/ҳампаймонҳо, Чин, Эрон, Тайван ва гиреҳҳои sovereign compute-и Халиҷро бо робитаҳои самтдор нишон медиҳад. Робитаҳои сурх давраҳои гаравгони мутақобил ё “mutual-hostage”-ро ифода мекунанд. Ин шакл ифодаи визуалии тезис аст, ки ягон давлат тамоми занҷири таъминоти AI-ро назорат намекунад; акторҳои гуногун дар қабатҳои гуногун қудрати клапанмонанд доранд.

Шакли 4 — пайвастани ифшои хавфҳои ширкат ба занҷири физикӣ

Шакли 4 таъсирпазирии ширкатҳоро, ки дар скани SEC Item 1A ёфт шудаанд, бо чор қабати физикии гулӯгоҳ мувофиқ мекунад. Истеҳсолкунандагони таҷҳизоти datacenter бевосита ба вурудоти физикӣ, ширкатҳои мудофиа ба маъданҳои нодири замини тозашуда, истеҳсолкунандагони fabless-чип ба TSMC ва назорати содирот ва ширкатҳои дубора маҳаллисозӣ ба сармоягузории ивазкунандаи дастгиришуда аз ҷониби давлат пайваст мешаванд.

Ин шакл графики пешгӯии зарар нест. Он харитаи таъсирпазирист, ки нишон медиҳад кадом мавзӯъҳо дар ифшои хавфҳои худи ширкат намоёнанд ва онҳоро бо мавқеи ширкат дар шабакаи физикӣ мутобиқ мекунад.

Шакли 5 ва Графики 6 — маблағгузории даврӣ ва канорҳои борбардор

Шакли 5 топологияи шабакавии муносибати давриро байни лабораторияҳои AI, hyperscaler-ҳо, neocloud-ҳо, истеҳсолкунандагони чип ва таъминкунандагони маблағгузорӣ нишон медиҳад. Намоиши харита ҷойгиршавии ҷуғрофии контрагентҳои молиявиро ва намоиши шабака муносибатҳои сармоя, иқтидор ва қарзро таъкид мекунад.

Графики 6 ҳар канорро аз рӯйи меъёри “агар таҳти ҳамон зарбаи OpenAI ин робита ҳазф шавад, чӣ қадар аз distress-и умумии низом аз байн меравад?” тартиб медиҳад. Аз ин рӯ арзиши %28,5 эҳтимоли %28,5 муфлисшавии CoreWeave нест, балки ченаки аҳамияти маржиналии системавии канори OpenAI → CoreWeave дар шабака мебошад.

Сенарияҳои асосии стресс A–C

Ин сенарияҳо пешгӯии навъи “дар 2027 ҳатман ҳамин ҳодиса рух медиҳад” нестанд. Таҳқиқот онҳоро ба таври возеҳ ҳамчун стрессҳои экстремалии намояндагӣ муайян мекунад, ки барои фаҳмидани роҳҳои интиқоли синфҳои муайяни зарба дар шабака тарҳрезӣ шудаанд.

Санҷиши стрессии таркибии A+B+C

Ҳангоми ҳамзамон иҷро кардани се зарба, distress-и умумии модел тақрибан 0,72 баробари ҷамъбасти арифметикии се иҷрои мустақил гузориш мешавад. Сабаб дар он аст, ки гиреҳҳо дар ҳадди %100 distress ба сершавӣ мерасанд.

Аммо sub-additive будани ҷамъбаст маънои онро надорад, ки гулӯгоҳҳои умумӣ сабук мемонанд. Манбаъ гузориш медиҳад, ки distress-и Oracle аз тақрибан %57 дар бадтарин сенарияи ягона то тақрибан %72 дар зарбаи таркибӣ; ва distress-и маҷмааи қарзи бо GPU гаравгузоришуда аз тақрибан %46 то %60 боло меравад. Аз ин рӯ, хавфи таркибӣ ба ҷои он ки дар тамоми шабака баробар афзоиш ёбад, дар чанд гиреҳи умумӣ мутамарказ мешавад.

Сенарияи D — зарбаи арзиши боқимондаи GPU

Ин сенария бар хилофи зарбаи молиявии муштарӣ гузариши насли технологиро месанҷад. Агар насли нави GPU арзиши бозори дуюмдараҷаи H100/H200-ро поин барад, арзиши гарави қарзие, ки бар GPU-ҳо асос ёфтааст, низ метавонад коҳиш ёбад.

Манбаъ мегӯяд, ки дар маълумоти 2026 Q1 10-Q-и CoreWeave тақрибан 17,31 миллиард доллар қарзи бо GPU гаравгузоришуда ва 36,42 миллиард доллар property, plant and equipment вуҷуд дорад. Бо фарзияи моделӣ барои саҳми GPU, loan-to-value тақрибан дар сатҳи %62 ҳисоб мешавад; нишон дода мешавад, ки тахфифи тақрибан %10–20 дар арзиши бозори дуюмдараҷа метавонад ба доираи маъмулии maintenance covenant бирасад.

Вақте ки ин зарба аз гиреҳи CoreWeave оғоз мешавад, модел маҷмааи қарзи бо GPU гаравгузоришударо ба тақрибан %95 distress мерасонад. Азбаски кафолати offtake-и Nvidia ҳаҷми харидро дастгирӣ мекунад, коҳиши арзиши бозории гаравро мустақиман ҷуброн намекунад. Ҳамин тавр, натиҷаи “Nvidia канори пуштибон аст” ба навъи зарба вобаста мегардад.

Сенарияи E — таъсири тарифҳои мис ба арзиши сармоягузорӣ барои ҳар MW

Гузориш аз манбаи беруна истифода мекунад, ки тақрибан %48 арзиши сохтмони AI datacenter-ро низомҳои барқӣ ташкил медиҳанд ва тақрибан нисфи онро ҳамчун зермаҷмӯае мегирад, ки ба тарифи мис дучор мешавад. Дар пойгоҳи 2026-и JLL, ки дар гузориш истифода шудааст, 11,3 миллион доллар барои ҳар MW, фарзияи %30 афзоиши ҳисоби таҷҳизоти барқӣ аз ҳисоби тариф арзиши умумиро барои ҳар MW тақрибан %7 боло мебарад.

Тибқи ҳисобкунии манбаъ, ин фарзия ба густариши neocloud-и миқёси 5 GW тақрибан 4 миллиард доллар capex-и иловагӣ меорад, дар ҳоле ки pass-through-и пурраи %50 тақрибан 6,8 миллиард доллар хароҷоти иловагӣ ба вуҷуд меорад. Инҳо хароҷоти мушоҳидашудаи лоиҳаҳои анҷомёфта нестанд, балки ҳисобҳои сенариявӣ бо фарзияҳои муайяни pass-through мебошанд.

Сенарияи F — зарбаи системавии талаботи AI

Сенарияи F як санҷиши муҳими устувории таҳқиқот аст. Ба ҷои зарбаи махсуси OpenAI, зарбаи талаботи омили умумӣ татбиқ мешавад, ки ҳамзамон ба тамоми маҷмааи инфрасохтори AI таъсир мерасонад.

Дар манбаъ distress-и умумии низом аз 2,8 то 9,1, яъне тақрибан 3,2 баробар меафзояд. Distress-и Nvidia бошад аз тақрибан %0,6 дар сенарияи махсуси OpenAI то тақрибан %91 дар зарбаи системавӣ боло меравад.

Ин натиҷа нишон медиҳад, ки устувории шабака хусусияти мутлақи ширкат нест. Ширкат метавонад нисбат ба зарбаи муайяни контрагент ҳамчун буфер амал кунад, аммо дар зарбаи омили умумии талабот ба тамоми бахш ҳамон муҳофизат аз байн равад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад ва намекунад

Маҳдудиятҳои асосии таҳқиқот

Маҳдудияти якум ношаффофии маълумот аст. Баъзе тағйирёбандаҳо, аз ҷумла тақсимоти RPO аз рӯйи муштарии CoreWeave ва таркиби воқеии ҳавзи гарави GPU, барои ҷомеа дастрас нестанд. Гузориш баъзе аз ин арзишҳоро арзёбӣ карда, ба вазнҳои шабака табдил медиҳад. Аз ин рӯ, қисми натиҷаҳо коэффисиентҳои мустақиман мушоҳидашуда аз маълумот нестанд, балки натиҷаҳои моделие мебошанд, ки ба параметрҳои калибршудаи шабака шартӣ мебошанд.

Маҳдудияти дуюм хусусияти сенариявӣ аст. Зарбаи даромади OpenAI, муҳосираи шашмоҳаи Ҳурмуз, эмбаргои пурраи маъданӣ ё зарбаи омили умумӣ ба тамоми талаботи AI арзёбии ex-post-и сабабии рӯйдодҳои воқеан рухдода нестанд. Онҳо шароити стрессие мебошанд, ки барои озмоиши роҳҳои интиқоли шабака сохта шудаанд.

Маҳдудияти сеюм ин аст, ки баъзе графикҳо тавзеҳӣ/иллюстративӣ мебошанд. Манбаъ махсусан баъзе визуалҳои нархи compute, ҳамлу нақл ва қарзи GPU-ро ҳамчун “illustrative” нишон медиҳад. Каҷхатҳои визуалии ин графикҳо набояд ҳамчун силсилаи хоми мушоҳидаҳо дубора истифода шаванд; агар силсилаи воқеӣ мавҷуд бошад, он бояд мустақиман аз манбаи асосии маълумот аз нав сохта шавад.

Маҳдудияти чорум бархӯрди манфиатҳост. Модел ва визуалҳо бо истифода аз платформаи тиҷоратии таҳлилии Pangura, яъне Pangura Axe, сохта шудаанд ва муаллиф муассиси Pangura буда, дар муваффақияти тиҷоратии ширкат манфиати молиявӣ дорад. Ин ҳолат моделро худкор беэътибор намекунад; аммо аҳамияти илмии такрористеҳсоли мустақил ва таҳлили ҳассосиятро зиёд мекунад.

Маҳдудияти панҷум хусусияти preprint-и таҳқиқот аст. Гарчанде гузориш пойгоҳи васеи манбаъҳо ва мантиқи ошкори моделро пешниҳод мекунад, он набояд ҳамчун мақолаи ниҳоии дар маҷаллаи рецензияшаванда нашршуда арзёбӣ шавад.

Чаҳорчӯбаи мониторинги пешниҳодшуда барои идоракунии устуворӣ

Таҳқиқот мониторинги огоҳкунии барвақти низомро ба шаш сутуни телеметрӣ ҷудо мекунад: неруи барқ ва шабака; хотира ва бастабандӣ; коркард ва сиёсат; энергия ва гулӯгоҳҳои баҳрӣ; талабот/нархи compute; стресси маблағгузорӣ. Ҳадаф тавлиди як “холи хавфи AI” нест, балки аз ҳамон графи асосӣ барои корбарони гуногуни институтсионалӣ зер-шабакаҳои дахлдорро ҷудо карда, роҳи зарбаро намоён кардан аст.

Паёми асосии идоракунии ин равиш дар он аст, ки ба ҷои ҷустуҷӯи як ширкати бехатар ё як кишвари бехатар, гиреҳҳои ивазнашаванда, вобастагиҳои умумӣ ва робитаҳоеро пайгирӣ кард, ки вобаста ба навъи зарба тағйир меёбанд.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: AI’s Chokepoints: The physical constraints, geopolitical playbooks, and financial fragility of the global AI build-out.

Муаллиф: Yuan Gao.

Муассиса дар PDF-и боршуда: Pangura Limited.

Муассисаҳо дар metadata-и ҷории SSRN: Pangura Limited; The University of Manchester. Дар саҳифаи муқоваи PDF-и боршуда аффилиатсияи University of Manchester дида намешавад; ин фарқи библиографӣ ҳифз шудааст.

Санаи PDF: June 2026.

Маълумоти сабти SSRN: Written 5 June 2026; posted 26 June 2026; дар сабти SSRN охирин бозбинӣ 16 August 2026.

Платформа: SSRN.

Рақами abstract-и SSRN: 6884598.

DOI: 10.2139/ssrn.6884598.

Навъи манбаъ: Preprint-и таҳқиқотӣ, ки таҳлили шабакаи ҳисоббарорӣ, моделсозии хавфи системавии молиявӣ, синтези маълумоти оммавӣ ва санҷиши стрессии сенариявиро дар бар мегирад.

Вазъи рецензия: Preprint-и SSRN аст; ҳамчун мақолаи маҷаллаи рецензияшуда пешниҳод намешавад.

Литсензия: Сабти SSRN дорои маълумоти “All rights reserved. No reuse allowed without permission” мебошад. Аз ин рӯ, шаклҳои манбаъ набояд дар Verianla айнан нусхабардорӣ шаванд.

Бархӯрди манфиатҳо: Тибқи изҳороти SSRN, Yuan Gao муассиси Pangura Limited аст ва дар ширкат манфиати молиявӣ дорад. Таҳлилҳои миқдорӣ, шаклҳо ва санҷишҳои стрессии DebtRank/каскад бо платформаи хусусии таҳлилии Pangura Axe-и Pangura сохта шудаанд; муаллиф ошкоро изҳор мекунад, ки дар муваффақияти тиҷоратии платформа манфиати молиявӣ дорад.

Маблағгузорӣ: Тибқи изҳороти SSRN, таҳқиқот гранти беруна нагирифта ва дар дохили муассиса бо захираҳои Pangura Limited анҷом дода шудааст.

Этика: Азбаски иштирокчиёни инсонӣ, беморон ё маълумоти шахсӣ истифода нашудаанд, дар сабти SSRN тасдиқи кумитаи этика ҳамчун татбиқнашаванда нишон дода шудааст.

Манбаъҳои маълумот: Таҳқиқот ифшои ширкатҳои SEC EDGAR, силсилаҳои FRED/EIA/IEA, муомилоти ширкатҳои ба таври оммавӣ ошкоршуда ва дигар манбаъҳои расмӣ/институтсионии дар библиографияи гузориш зикршударо муттаҳид мекунад. Appendix A скани SEC Item 1A-ро, Appendix B нишондиҳандаҳои арзёбии контрагентҳои интихобшудаи AI-ро то 30 May 2026 ва Appendix C мантиқи ҳисобкунии DebtRank-ро шарҳ медиҳад.

Модели асосӣ: Паҳншавии каскадии DebtRank дар шабакаи самтдор, ки гулӯгоҳҳои физикиро бо муносибатҳои контрагенти молиявӣ муттаҳид мекунад.

Муодилаи асосӣ: \(h_i \leftarrow \min(1,h_i+\sum_j h_jw_{ji})\). Distress дар доираи 0–1 сер мешавад; ҳар гиреҳ distress-ро як маротиба интиқол медиҳад ва баъд дигар дубора паҳн намекунад.

Маънои метрикаи модел: Distress индекси нисбии талафоти моделӣ аст. Он эҳтимоли муфлисшавӣ, нисбати қарз/дороиҳо ё талафоти воқеан баамаломадаи капитализатсияи бозорӣ нест.

Маҳдудияти калибровка: Баъзе вазнҳои канор ба арзёбиҳо барои вурудоти ғайриоммавӣ, аз ҷумла тамаркузи муштариёни ошкорнашуда, тақсимоти RPO, саҳми гарави GPU ва ҳадҳои covenant асос меёбанд.

Маҳдудияти санҷиши стресс: Сенарияҳои A–F сенарияҳои тавзеҳӣ ва ҳисоббарории стресс мебошанд; маслиҳати сармоягузорӣ ё пешгӯии санаи бозор нестанд.

Бозсозии визуалӣ: Chokepoint stack-и чорқабата, занҷири арзиши мис, шабакаи клапанҳои мутақобилаи соҳибихтиёр, қабати таъсирпазирии ширкатҳо, графи маблағгузории даврӣ ва роҳҳои интиқоли стресс метавонанд аз ҷиҳати семантикӣ барои Verianla ба таври аслӣ аз нав кашида шаванд. Азбаски визуалҳои манбаъ бо литсензияи пӯшидаанд, нусхаи пикселӣ, тарҳ ё дизайни графикӣ набояд истифода шавад.

Мутобиқати Verianla Live: Мутобиқ аст. Барои низоми чорқабата Live Architecture; барои роҳҳои зарбаи A–F Live Flow; барои аҳамияти канорҳо ва муқоисаи distress Live Compare; барои тартиби навсозии DebtRank Live Equation/Live Figure бо параметрҳои собит мувофиқанд. Slider-ҳои корбарӣ, ки параметрҳои илмиро тағйир медиҳанд, мувофиқ нестанд.