أعرب آرفيند كريشنا، الرئيس التنفيذي لشركة آي بي إم، عن شكوكه حول جدوى الاستثمارات الهائلة التي تُبذل في مراكز البيانات ضمن سباق الشركات الكبرى نحو الذكاء الاصطناعي العام (AGI). في مقابلة مع برنامج "Decoder"، أشار كريشنا إلى أن التكاليف المتوقعة لبناء مراكز بيانات ضخمة قد تصل إلى تريليونات الدولارات، بينما تكون العائدات المتوقعة غير كافية لتغطية هذه النفقات، حتى في أفضل السيناريوهات. ووفقًا لحساباته التقريبية، يتطلب ملء مركز بيانات بقدرة 1 جيجاواط استثمارًا بقيمة 80 مليار دولار. وبما أن بعض الشركات تخطط لاستثمار ما بين 20 إلى 30 جيجاواط، فإن التكلفة الإجمالية تصل إلى 1.5 تريليون دولار لشركة واحدة. وعند تعميم هذا الرقم على مجموع التزامات العالم في هذا المجال – التي تُقدَّر بـ100 جيجاواط – تصل التكلفة الإجمالية إلى نحو 8 تريليونات دولار. وبحسب كريشنا، فإن هذا المبلغ يتطلب عائدًا صافٍ بقيمة 800 مليار دولار سنويًا فقط لسداد الفوائد، وهو ما يُعدّ مستحيلًا في ظل الوضع الحالي. وأضاف أن أجهزة الرقائق الذكية المستخدمة في هذه المراكز تفقد قيمتها بسرعة، حيث يجب استبدالها كل خمس سنوات، ما يزيد من تكاليف التشغيل. ونُقل أن المستثمر مايكل بوري، الذي انتقد نفاذية نفتكس، ساهم في تراجع أسهم شركات الذكاء الاصطناعي، ما يعزز مخاوف كريشنا من ارتفاع المخاطر المالية. رغم تأييد كريشنا لفكرة أن الذكاء الاصطناعي الحالي سيُحدث ثورة في كفاءة المؤسسات ويعزز الإنتاجية بقيمة تريليونات الدولارات، إلا أنه يشكّ في أن مسار نماذج اللغة الكبيرة (LLMs) وحدها سيقود إلى تحقيق الذكاء الاصطناعي العام. واعتبر أن احتمال تحقيقه دون ابتكار تقني جديد يقع بين 0% و1% فقط. وأشار إلى أن قادة آخرين مثل مارك بنيوف، أندرو نج، وأرثر مينش، قد أعربوا عن تشكك مماثل، معتبرين أن الحديث عن AGI يُعدّ ترويجًا تسويقيًا أو توقعًا مبالغًا فيه. حتى إيليا سوتسكيف، أحد مؤسسي أوبي إن، قال إن عصر التوسع الكمي في النماذج انتهى، وأن التحسينات لا تكفي دون تقدم حقيقي في البحث العلمي. في المقابل، دعا سام ألتمان، الرئيس التنفيذي لأوبين أي، إلى زيادة الطاقة الكهربائية في الولايات المتحدة بمعدل 100 جيجاواط سنويًا، ووعد بتحقيق عائد على الاستثمارات التي تصل إلى 1.4 تريليون دولار. لكن كريشنا أوضح أنه لا يتفق مع هذا التفاؤل، معتبرًا أنه "اعتقاد" وليس حقيقة مثبتة. وأشار إلى أن الحل قد يكمن في دمج المعرفة الدقيقة (Hard Knowledge) مع نماذج اللغة، لكنه أعرب عن تردد حول نجاح هذا النهج، وقال إنه "ربما" فقط. في النهاية، يرى كريشنا أن التحدي ليس فقط في التوسع التقني، بل في إعادة تقييم القيم والمنطق وراء هذا التسارع.