برنامه هوش مصنوعی پنتاگون برای معاملات مواد معدنی به بخش خصوصی واگذار شد

یک برنامه هوش مصنوعی که توسط دولت ایالات متحده ایجاد شده و هدف آن پیش‌بینی عرضه و قیمت مواد معدنی حیاتی است، به یک سازمان غیرانتفاعی منتقل شده که به شرکت‌های معدنی و تولیدکنندگان در انعقاد قراردادهای تأمین کمک می‌کند.

این برنامه که در اواخر سال 2023 توسط وزارت دفاع ایالات متحده راه‌اندازی شد و تحت عنوان "Open Price Exploration for National Security AI metals program" شناخته می‌شود، تلاشی برای مقابله با کنترل گسترده چین بر بخش مواد معدنی حیاتی است.

به گفتهRob Strayer، دیپلمات سابق آمریکایی و رئیس این سازمان، اکنون، بیش از 30 شرکت معدنی، تولیدکننده و سرمایه‌گذار، از جمله غول خودروسازی Volkswagen به سازمان غیرانتفاعی Critical Minerals Forum (CMF) پیوسته‌اند و اولین کاربران آن خواهند بود.

Seth Goldstein، تحلیلگر صنعت لیتیوم درMorningstar، اظهار داشت: همه در بخش مواد معدنی حیاتی به دنبال شفافیت بیشتر در قیمت‌گذاری هستند. هر ابزاری مانند CMF که بتواند به این امر کمک کند، مورد استقبال قرار خواهد گرفت.

از دیگر اعضای این سازمان می‌توان به شرکت معدنی مسSouth32، تولیدکننده عناصر نادر MP Materials  و پیمانکار دفاعی RTX اشاره کرد. CMF اولین نشست خود با اعضا را در ماه نوامبر برگزار کرد. خصوصی‌سازی و عضویت CMF پیش از این گزارش نشده بود.

CMF با بهره‌گیری از مدل هوش مصنوعی، قصد دارد به تولیدکنندگان کمک کند تا با امضای قراردادهای تأمین فلزات بیشتر با معادن غربی، وابستگی خود به چین را کاهش دهند. این موضوع بر اساس اظهارات بیش از دوازده مشاور صنعتی، نمایندگان خرید، تحلیلگران، تنظیم‌کنندگان بازار و سرمایه‌گذارانی است که به رویترز گفته‌اند این برنامه یکی از جسورانه‌ترین تلاش‌ها تا به امروز برای تغییر روش خرید و فروش برخی فلزات است.

هدف این است که مدل هوش مصنوعی هزینه واقعی یک فلز را با در نظر گرفتن هزینه‌های نیروی کار، فرآوری و سایر هزینه‌ها محاسبه کند، در حالی که دستکاری بازار توسط چین حذف می‌شود، و بدین ترتیب به خریدار و فروشنده اطمینان دهد که معامله از نظر اقتصادی منطقی است.

برخی از قراردادها با CMF در حال شکل‌گیری هستند. مقامات نوادا این هفته اعلام کردند که با CMF و مدل هوش مصنوعی آن همکاری خواهند کرد تا ذوب مس را به این ایالت جذب کنند. ایالات متحده تنها دو کارخانه ذوب مس دارد و به همین دلیل نزدیک به نیمی از تقاضای خود برای این فلز قرمز را وارد می‌کند.

این برنامه با شک و تردیدهایی در مورد توانایی آن برای تغییر روش‌های دیرینه خرید و فروش فلزات مواجه شده است. با این حال، هدف آن کمتر روی فلزات با حجم معاملات بالا، مانند آلومینیوم، و بیشتر روی فلزات با معاملات کم یا فلزاتی است که برخی کشورها با تولید بیش از حد سعی در تأثیرگذاری بر قیمت‌گذاری بازار دارند.

برای مثال، مدل CMF می‌تواند به تولیدکنندگان کمک کند تا عرضه نیکل موجود در سال 2028 را پیش‌بینی کنند، در صورتی که ایالات متحده تعرفه 100 درصدی بر این فلز از اندونزی، بزرگ‌ترین تولیدکننده جهانی، اعمال کند. این داده‌ها می‌توانند به یک تولیدکننده کمک کنند تا تصمیم بگیرد که آیا در یک معدن نیکل آمریکایی سرمایه‌گذاری کند یا تولید آینده آن را خریداری کند، گامی که به تأمین مالی برای ساخت معدن کمک خواهد کرد.

در چنین سناریویی، خریدار نیکل از داده‌های مدل هوش مصنوعی برای مذاکره در مورد یک قرارداد بلندمدت برای تأمین تضمین‌شده استفاده خواهد کرد، صرف‌نظر از اینکه آیا معدن‌کاران چینی تولید را افزایش داده و قیمت‌های بازار را پایین بیاورند، همان‌طور که در سال‌های اخیر انجام داده‌اند.

هدف CMF با مدل هوش مصنوعی این است که فرض کند خریدار حاضر است برای فلزی که تأمین آن تضمین شده، قیمتی بالاتر از قیمت بازار بپردازد.

فشار چین

ورود CMF به بازارهای پیچیده فلزات در حالی رخ می‌دهد که پکن صادرات مواد معدنی حیاتی را محدود کرده است، همان نوع دخالت در بازار که مقامات CMF می‌گویند نیاز به راه اندازی معادن و [احداث] تأسیسات فرآوری بیشتر در ایالات متحده برای پیشبرد گذار انرژی را برجسته می‌کند.

قیمت‌ها در بورس فلزات لندن (LME) و سایر بورس‌های آتی برای نیکل، کبالت و برخی دیگر از فلزات باتری در سال‌های اخیر تحت تأثیر تولید بیش از حد توسط معدن‌کاران چینی بوده که در اندونزی و کنگو با ضرر فعالیت می‌کنند تا سهم بازار را افزایش دهند.

بسیاری از مواد معدنی ضروری اما خاص باتری که پکن بر صادرات آن‌ها کنترل اعمال کرده، یا معامله نمی‌شوند یا معاملات کمی دارند، از جمله عناصر نادر، گروهی از 17 فلز که برای ساخت آهن‌رباهایی استفاده می‌شوند، و همچنین ژرمانیوم و گالیوم، که قدرت را به حرکت تبدیل می‌کنند.

در پاسخ به درخواست اظهارنظر دربارهCMF، سفارت چین در واشنگتن دی‌سی اظهار داشت که چین صادرات عناصر نادر خود را مطابق با قوانین سازمان تجارت جهانی (WTO) مدیریت می‌کند. Liu Pengyu، سخنگوی سفارت، گفت: چین به همکاری با سایر کشورها ادامه خواهد داد تا به طور مشترک مسئولیت تأمین جهانی عناصر نادر را بر عهده بگیرد.

Volkswagen و برخی دیگر از اعضای CMF اظهار داشتند که CMF را به عنوان ابزاری برای افزایش شفافیت در زنجیره تأمین مواد معدنی حیاتی که گاهی غیرشفاف است، می‌بینند. MP Materials و RTX به درخواست‌های اظهارنظر پاسخ ندادند.

دونالد ترامپ، رئیس‌جمهور ایالات متحده، به دولت خود دستور داده است که با توسعه‌دهندگان خصوصی برای افزایش تولید مواد معدنی حیاتی ایالات متحده همکاری کند، گامی که می‌تواند با داده‌هایی که CMF قصد دارد به بازارها ارائه دهد، پشتیبانی شود. ترامپ همچنین مطالعه‌ای را درباره تعرفه‌های احتمالی بر تمام واردات مواد معدنی ایالات متحده آغاز کرده است.

Strayer اظهار داشت که CMF با استفاده از ارتباطات دولتی خود، قصد دارد پروژه‌های معدنی را با سرمایه‌گذاران بالقوه و تولیدکنندگانی که به تأمین فلزات مطمئن‌تر نیاز دارند، متصل کند.

استارت‌آپ فرآوری عناصر نادر Phoenix Tailings در ماساچوست امیدوار است که CMF بتواند به ایجاد قیمت‌های مبتنی بر ایالات متحده برای مواد معدنی مرتبط با هزینه‌های واقعی تولید کمک کند. Nick Myers، مدیرعامل Phoenix، گفت که این شرکت قصد دارد از داده‌های CMF به عنوان اهرمی برای مذاکره با مشتریان بالقوه، از جمله تولیدکنندگانی که خود عضو CMF هستند، استفاده کند. Myers افزود: در بخشی که غیرشفاف است، این یکی از ابزارهایی است که اطلاعات بیشتری ارائه می‌دهد.

همه ناظران بازار متقاعد نشده‌اند که مدل هوش مصنوعی CMF انقلابی است.Ian Lange، که اقتصاد معدن را در Colorado School of Mines تدریس می‌کند، گفت: من سعی کرده‌ام به طور مؤدبانه بگویم که فکر می‌کنم این بی‌ارزش است. Lange اهداف مدل هوش مصنوعی پنتاگون را با بازار جهانی نفت که بسیار بزرگ‌تر و پیچیده‌تر است، مقایسه کرد. او افزود: آیا اکنون می‌توانیم قیمت نفت را بهتر از پنج سال پیش پیش‌بینی کنیم؟ پاسخ خیر است. یادگیری ماشینی کمکی نمی‌کند.

تشویق به شفافیت بیشتر

مدل هوش مصنوعی پنتاگون با استفاده از بیش از 70 مجموعه داده مرتبط با معدن آموزش داده می‌شود و قصد دارد تصمیم‌گیری‌های سرمایه‌گذاری را برای حداقل 15 سال آینده هدایت کند، بر اساس اینکه چگونه شوک‌های غیرمنتظره بازار، مانند محدودیت‌های صادراتی، می‌توانند بر تولید یا قیمت یک فلز تأثیر بگذارند.

مقامات اظهار داشتند که FactSet، Benchmark Mineral Intelligence  و سایر ارائه‌دهندگان قیمت‌گذاری، همراه با وزارت بازرگانی ایالات متحده، داده‌ها را تأمین می‌کنند.

CMF معتقد است که دسترسی به تحلیل این داده‌ها، که برخی از آن‌ها عمومی نیستند، برنامه هوش مصنوعی پنتاگون را از ChatGPT یا سایر برنامه‌های هوش مصنوعی متمایز می‌کند.

هزینه اصلی CMF این داده‌هاست، بخشی از دلیلی که آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی (DARPA) پنتاگون برای چند سال آینده آن را تأمین مالی خواهد کرد، در حالی که CMF تصمیم می‌گیرد که آیا از همه اعضا هزینه دریافت کند یا ساختاری چندسطحی ایجاد کند که در آن اعضای پایه دسترسی رایگان داشته باشند و دیگران برای داده‌های دقیق‌تر هزینه پرداخت کنند.

طبق اعلام پنتاگون، S&P Global، توسعه‌دهنده هوش مصنوعی Charles River Analytics و شرکت نرم‌افزاری Exiger با همکاری آژانس گزارش قیمت Metal Miner این مدل را توسعه داده‌اند.

S&P Global از اظهارنظر خودداری کرد. Charles River Analytics به درخواست اظهارنظر پاسخ نداد. Exiger اظهار داشت که معتقد است داده‌های آن می‌تواند به پیش‌بینی هزینه و دسترسی به یک ماده کمک کند و شفافیت زنجیره تأمین را افزایش دهد.

CMF به عنوان یک انجمن تجاری غیرانتفاعی با هیأت مدیره‌ای متشکل از اعضایش سازمان‌دهی شده است. تعداد کارکنان آن کم است، کمتر از 10 نفر، و بودجه سالانه آن اعلام نشده است.

مقامات اظهار داشتند که DARPA نماینده‌ای در هیأت مدیره CMF ندارد، اما این برنامه را حداقل تا سال 2029 تأمین مالی خواهد کرد و قصد دارد مالکیت فکری مدل هوش مصنوعی را تا ابتدای سال 2027 به CMF منتقل کند.

هیچ برنامه‌ای برای تبدیل CMF به یک نهاد انتفاعی وجود ندارد، اگرچه ممکن است در آینده برای دسترسی به مجموعه‌های داده‌ای دقیق‌تر هزینه‌هایی دریافت شود.

Strayer اظهار داشت که CMF کمپینی را برای جذب اعضای بیشتر، به‌ویژه از صنایع نیمه‌هادی، هوانوردی و دفاعی، راه‌اندازی کرده و عضویت رایگان را برای 14 ماه آینده ارائه می‌دهد، در حالی که پنتاگون هزینه‌های جمع‌آوری داده‌ها را تأمین می‌کند.

مقامات CMF اظهار داشتند که دولت‌های خارجی نیز در حال بررسی پیوستن به CMF و استفاده از داده‌های آن هستند، از جمله زامبیا که غنی از مس و جمهوری دموکراتیک کنگو که غنی از کبالت است، و افزودند که هدف آن‌ها بین‌المللی کردن این برنامه برای افزایش شفافیت بازار فلزات است.

سفارت‌های زامبیا و جمهوری دموکراتیک کنگو در واشنگتن دی‌سی به درخواست‌های اظهارنظر پاسخ ندادند.

با توجه به اینکه معدن‌کاران غربی شروع به درخواست پرمیوم سبز برای فلزات خود کرده‌اند، این توافقات جدید به طور فزاینده‌ای به اطلاعات بازاری که مدل CMF قصد ارائه آن را دارد، نیاز دارند.

Brian Menell، مدیرعاملTechMet، یک سرمایه‌گذار معدنی و عضوCMF، گفت: هر مکانیزمی که بتواند مدل‌سازی بهتری از بازارها ارائه دهد، بدیهی است که بسیار ارزشمند است.

مدل هوش مصنوعی متغیر دیگری را برای LME ایجاد می‌کند، به‌ویژه در حالی که این بورس با رقبایی در شیکاگو و شانگهای که تلاش می‌کنند سهم بازار برخی از فلزات باتری خاص را به دست آورند، در حال رقابت است.

 تحلیل و جمع‌بندی

گزارش ارائه‌شده به بررسی برنامه هوش مصنوعی پنتاگون (تحت عنوان Open Price Exploration for National Security AI metals program ) می‌پردازد که اکنون به یک سازمان غیرانتفاعی به نام Critical Minerals Forum (CMF) واگذار شده است. این برنامه با هدف پیش‌بینی عرضه و قیمت مواد معدنی حیاتی، کاهش وابستگی به چین، و تقویت زنجیره تأمین فلزات در کشورهای غربی طراحی شده است. در ادامه، تحلیل جامعی از این برنامه برای تحلیلگران و فعالان بازار کامودیتی‌ها ارائه می‌شود که بر جنبه‌های کلیدی متن تمرکز دارد و پیامدهای آن برای بازارهای جهانی فلزات را بررسی می‌کند.

1. هدف برنامه و انتقال به بخش خصوصی

   - این برنامه توسط وزارت دفاع ایالات متحده در سال 2023 راه‌اندازی شد تا با تسلط چین بر بازار مواد معدنی حیاتی مقابله کند.

   - انتقال بهCMF، یک سازمان غیرانتفاعی، با هدف تسریع در انعقاد قراردادهای تأمین بین معادن غربی و تولیدکنندگان صورت گرفته است.

   - بیش از 30 شرکت، از جملهVolkswagen، South32، MP Materials وRTX، به CMF پیوسته‌اند.

2. کاربرد مدل هوش مصنوعی

   - مدل هوش مصنوعی CMF برای محاسبه هزینه واقعی فلزات با حذف عوامل دستکاری بازار (مانند تولید بیش از حد توسط چین) طراحی شده است.

   - این مدل به پیش‌بینی عرضه و قیمت فلزات، به‌ویژه فلزات با معاملات کم مانند نیکل، عناصر نادر، ژرمانیوم و گالیوم، کمک می‌کند.

   - مثال کاربردی: پیش‌بینی عرضه نیکل در سال 2028 در صورت اعمال تعرفه 100 درصدی بر واردات از اندونزی.

3. مزایا برای زنجیره تأمین

-CMF به تولیدکنندگان کمک می‌کند تا با انعقاد قراردادهای بلندمدت با معادن غربی، وابستگی به چین را کاهش دهند.

   - شفافیت بیشتر در قیمت‌گذاری و داده‌های بازار، اعتماد خریداران و فروشندگان را در معاملات افزایش می‌دهد.

   - نمونه عملی: همکاری CMF با ایالت نوادا برای جذب کارخانه‌های ذوب مس.

4. چالش‌ها و تردیدها

   - برخی کارشناسان، مانندIan Lange، معتقدند که پیش‌بینی قیمت فلزات با هوش مصنوعی به دلیل پیچیدگی بازارها دشوار است و این مدل ممکن است تأثیر محدودی داشته باشد.

   - مقایسه با بازار نفت نشان می‌دهد که حتی با پیشرفت‌های هوش مصنوعی، پیش‌بینی‌های دقیق همچنان چالش‌برانگیز هستند.

5. پیامدهای ژئوپلیتیکی

   - محدودیت‌های صادراتی چین بر مواد معدنی حیاتی، مانند عناصر نادر، نیاز به توسعه زنجیره‌های تأمین مستقل در غرب را برجسته می‌کند.

   - حمایت دولت ایالات متحده، از جمله دستورات دونالد ترامپ برای تقویت تولید داخلی و بررسی تعرفه‌ها، نشان‌دهنده اولویت استراتژیک این برنامه است.

   - علاقه کشورهای غنی از منابع مانند زامبیا و کنگو به پیوستن بهCMF، نشان‌دهنده پتانسیل جهانی شدن این ابتکار است.

6. ساختار و تأمین مالی CMF

CMF- به عنوان یک سازمان غیرانتفاعی با بودجه DARPA تا سال 2029 فعالیت می‌کند.

   - داده‌های گران‌قیمت از منابع معتبری مانند FactSet و Benchmark Mineral Intelligence تأمین می‌شود.

   - برنامه‌هایی برای جذب اعضای جدید و احتمالاً ایجاد ساختار عضویت چندسطحی با دسترسی رایگان یا پولی به داده‌ها وجود دارد.

تحلیل برای فعالان بازار کامودیتی‌ها

1. فرصت‌ها برای سرمایه‌گذاری

   - مدل هوش مصنوعی CMF می‌تواند به سرمایه‌گذاران در شناسایی پروژه‌های معدنی با پتانسیل بالا کمک کند، به‌ویژه در فلزات استراتژیک مانند نیکل، کبالت و عناصر نادر.

   - قراردادهای بلندمدت تضمین‌شده با تولیدکنندگان می‌تواند ریسک مالی پروژه‌های معدنی جدید را کاهش دهد و سرمایه‌گذاری در معادن غربی را جذاب‌تر کند.

   - حمایت دولتی ایالات متحده و داده‌های CMF می‌تواند اعتماد سرمایه‌گذاران به پروژه‌های معدنی داخلی را افزایش دهد.

2. تأثیر بر قیمت‌گذاری و شفافیت

   - شفافیت بیشتر در قیمت‌گذاری، به‌ویژه برای فلزات با معاملات کم، می‌تواند نوسانات ناشی از دستکاری بازار (مانند تولید بیش از حد چین) را کاهش دهد.

   - تحلیلگران باید به این نکته توجه کنند که خریداران ممکن است برای تأمین تضمین‌شده، قیمتی بالاتر از بازار بپردازند، که می‌تواند دینامیک قیمت‌گذاری را در بازارهای خاص تغییر دهد.

3. ریسک‌ها و محدودیت‌ها

   - موفقیت CMF به توانایی مدل هوش مصنوعی در ارائه پیش‌بینی‌های دقیق بستگی دارد. تردیدهای کارشناسان نشان‌دهنده ریسک‌های مرتبط با اتکا به این فناوری است.

   - رقابت با بورس‌های موجود مانند LME و تأثیر رقبای جدید در شیکاگو و شانگهای می‌تواند چالش‌هایی برای پذیرش گسترده CMF ایجاد کند.

   - وابستگی به داده‌های گران‌قیمت ممکن است دسترسی برخی از بازیگران کوچک‌تر بازار را محدود کند، مگر اینکه CMF مدل‌های عضویت مقرون‌به‌صرفه ارائه دهد.

4.  پیامدهای استراتژیک برای زنجیره تأمین

   - کاهش وابستگی به چین مستلزم توسعه زیرساخت‌های معدنی و فرآوری در غرب است، که CMF می‌تواند با ارائه داده‌های بازار و تسهیل قراردادها از آن پشتیبانی کند.

   - همکاری با کشورهای غنی از منابع مانند زامبیا و کنگو می‌تواند به تنوع‌بخشی به زنجیره تأمین جهانی کمک کند و ریسک‌های ژئوپلیتیکی را کاهش دهد.

5. چشم‌انداز بلندمدت

   - موفقیت CMF در بلندمدت به توانایی آن در جذب اعضای جدید، به‌ویژه از صنایع کلیدی مانند نیمه‌هادی‌ها و دفاع، بستگی دارد.

   - بین‌المللی شدن برنامه می‌تواند به ایجاد استانداردهای جهانی برای شفافیت بازار فلزات کمک کند، اما نیازمند همکاری گسترده با دولت‌ها و شرکت‌های بین‌المللی است.

 

برنامه CMF و مدل هوش مصنوعی آن ابتکاری استراتژیک برای مقابله با تسلط چین بر بازار مواد معدنی حیاتی و تقویت زنجیره‌های تأمین غربی است. این برنامه با ارائه داده‌های شفاف و پیش‌بینی‌های مبتنی بر هوش مصنوعی، پتانسیل تغییر دینامیک معاملات فلزات، به‌ویژه فلزات با معاملات کم، را دارد. برای تحلیلگران و فعالان بازار کامودیتی‌ها،CMF فرصت‌هایی برای سرمایه‌گذاری، کاهش ریسک‌های زنجیره تأمین و بهبود شفافیت قیمت‌گذاری ارائه می‌دهد. با این حال، چالش‌هایی مانند تردید در مورد دقت پیش‌بینی‌ها، رقابت با بورس‌های موجود و هزینه‌های داده‌ها باید به دقت رصد شوند. فعالان بازار باید تحرکات CMF، به‌ویژه در جذب اعضای جدید و گسترش بین‌المللی، را به عنوان شاخصی از تأثیر بالقوه آن بر بازارهای جهانی فلزات زیر نظر داشته باشند.

 

پی نوشت

Green Premium

پرمیوم سبز به هزینه اضافی انتخاب یک جایگزین پاک و کم کربن نسبت به یک گزینه معمولی با انتشار بالا اشاره دارد. این اصطلاح توسط بیل گیتس در بحث‌های مربوط به تغییرات آب و هوایی و انرژی پاک رایج شد.

برای مثال، اگر سوخت جت سنتی 2.22 دلار در هر گالن هزینه داشته باشد، اما یک سوخت زیستی پایدار 5.35 دلار در هر گالن هزینه داشته باشد، پرمیوم سبز 3.13 دلار خواهد بود، یک اختلاف قیمت قابل توجه که پذیرش آن را دشوار می‌کند. این مفهوم به سیاست‌گذاران، مشاغل و نوآوران کمک می‌کند تا زمینه‌هایی را شناسایی کنند که در آن کاهش هزینه و پیشرفت‌های فناوری برای رقابتی‌تر کردن راه حل‌های پایدار مورد نیاز است.