৩ ট্রিলিয়ন ডলারের এআই প্রশ্ন: রাজস্ব কি অবকাঠামো ব্যয়ের সাথে সামঞ্জস্যপূর্ণ হতে পারবে?
কৃত্রিম বুদ্ধিমত্তা (AI) শিল্প বর্তমানে বিশাল মূলধনী ব্যয় (CapEx) এবং রাজস্ব আদায়ের জরুরি প্রয়োজনের মধ্যে একটি উচ্চ-ঝুঁকিপূর্ণ প্রতিযোগিতায় লিপ্ত। হাইপারস্কেলাররা যখন হার্ডওয়্যারে ট্রিলিয়ন ডলার ঢালছে, তখন একটি গুরুত্বপূর্ণ প্রশ্ন দেখা দিচ্ছে: সিলিকনের এই বিশাল খরচকে বৈধতা দিতে সফটওয়্যার স্তর কি যথেষ্ট ভ্যালু বা মূল্য তৈরি করতে পারবে?
CapEx এবং রাজস্বের মধ্যে ক্রমবর্ধমান ব্যবধান
এআই অবকাঠামোতে বিনিয়োগের মাত্রা বিস্ময়কর। Sequoia-র পার্টনার ডেভিড কান (David Cahn), যিনি আগে Nvidia-র ৫০ বিলিয়ন ডলারের GPU রাজস্বের ওপর ভিত্তি করে ২০০ বিলিয়ন ডলার রাজস্বের প্রয়োজনীয়তা অনুমান করেছিলেন, তিনি তার প্রক্ষেপণ উল্লেখযোগ্যভাবে সংশোধন করেছেন। তিন বছরের নিরবচ্ছিন্ন হাইপারস্কেলিংয়ের কারণে, কান এখন অনুমান করছেন যে ২০২৬ সালের মধ্যে এআই অবকাঠামো ব্যয় ১.৫ ট্রিলিয়ন ডলারে পৌঁছাবে।
এই খরচগুলো পুষিয়ে নিতে শিল্পটিকে আনুমানিক ৩ ট্রিলিয়ন ডলার রাজস্ব তৈরি করতে হবে। এই সংখ্যাটি সম্ভবত একটি রক্ষণশীল ভিত্তি। মেমোরির ক্রমবর্ধমান খরচ, বিশেষায়িত ইনফারেন্স-নির্দিষ্ট চিপের ব্যবহার এবং ডেটা সেন্টার নির্মাণের ক্রমবর্ধমান খরচ CapEx-এর প্রতি গিগাওয়াট (GW)-এর জন্য প্রয়োজনীয় রাজস্বকে দ্রুত বাড়িয়ে দিচ্ছে। যদিও ফ্রন্টিয়ার ল্যাবগুলো প্রবৃদ্ধি দেখছে—প্রতিবেদন অনুযায়ী Anthropic-এর ARR ৬০ বিলিয়ন ডলারে পৌঁছেছে এবং OpenAI-এর ARR ২০ বিলিয়ন ডলারে পৌঁছেছে—তবুও বর্তমান আয় এবং ৩ ট্রিলিয়ন ডলারের সীমার মধ্যে একটি বিশাল ব্যবধান রয়ে গেছে।
হাইপারস্কেলারদের বাজি এবং মুদ্রাসংকোচ বা ডিফ্লেশনের ঝুঁকি
"Magnificent Seven" স্টাইলের হাইপারস্কেলাররা—Google, Meta, Microsoft এবং Amazon—এই ব্যয়ের প্রধান চালিকাশক্তি। এই জায়ান্টরা ২০২৮ সালের মধ্যে ফ্রি ক্যাশ ফ্লো-তে ব্যাপক ত্বরান্বিত হওয়ার ওপর বাজি ধরছে, যা এই ধারণার ওপর ভিত্তি করে যে এআই পরিষেবাগুলো অপরিহার্য এবং উচ্চ-মার্জিনযুক্ত ইউটিলিটি হয়ে উঠবে।
তবে, Apollo-র প্রধান অর্থনীতিবিদ টরস্টেন স্লোক (Torsten Slok) উল্লেখযোগ্য প্রতিকূলতার বিষয়ে সতর্ক করেছেন যা এই হিসাবকে বিচ্যুত করতে পারে। দুটি নির্দিষ্ট প্রবণতা "টোকেন ফ্যাক্টরি" বিজনেস মডেলের জন্য হুমকি হয়ে দাঁড়িয়েছে:
- ওপেন ওয়েইটসের উত্থান (The Rise of Open Weights): প্রতিষ্ঠানগুলো এখন শুধুমাত্র ব্যয়বহুল ফ্রন্টিয়ার মডেলের ওপর নির্ভর না করে চীনসহ অন্যান্য উৎস থেকে আসা সস্তা, ওপেন-ওয়েট মডেলের দিকে ক্রমশ ঝুঁকছে।
- টোকেন ডিফ্লেশন (Token Deflation): মডেলগুলো আরও দক্ষ হয়ে ওঠার সাথে সাথে প্রতি টোকেনের দাম দ্রুত হ্রাস পাচ্ছে। উদাহরণস্বরূপ, OpenAI-এর সাম্প্রতিক মডেলগুলো কোডিং কাজের জন্য টোকেন দক্ষতায় ৫৪% বৃদ্ধি অর্জন করেছে। যদিও এটি ডেভেলপার এবং ব্যবহারকারীদের জন্য একটি জয়, তবে এটি সেইসব প্রদানকারীদের জন্য একটি "race to the bottom" বা তীব্র প্রতিযোগিতার লড়াই তৈরি করছে যারা বিশাল অবকাঠামো খরচ মেটাতে উচ্চ টোকেন ভলিউমের ওপর নির্ভর করে।
এআই বিনিয়োগের লক্ষ্যমাত্রা পূরণে ব্যর্থতার সামষ্টিক অর্থনৈতিক প্রভাব
এর ঝুঁকি প্রযুক্তি জায়ান্টদের ব্যালেন্স শিটের বাইরেও বিস্তৃত। যেহেতু বর্তমান বাজারের নেতৃত্ব হাতেগোনা কয়েকটি কোম্পানির হাতে কেন্দ্রীভূত, তাই পুরো S&P 500 এই এআই বিনিয়োগ চক্রের সাফল্যের ওপর নির্ভরশীল।
যদি হাইপারস্কেলাররা ২০২৮ সালের মধ্যে তাদের প্রক্ষেপিত ক্যাশ-ফ্লো লক্ষ্যমাত্রা পূরণে ব্যর্থ হয়, তবে বাজারের প্রতিক্রিয়া পদ্ধতিগত (systemic) হতে পারে। স্লোক পরামর্শ দেন যে, প্রত্যাশার চেয়ে ধীরগতির রিটার্ন শুধুমাত্র একটি নির্দিষ্ট খাতের সংশোধন (correction) হিসেবে সীমাবদ্ধ থাকবে না; এটি সম্ভাব্যভাবে সামগ্রিক অর্থনীতিকে মন্দার দিকে ঠেলে দিতে পারে। এআই ইকোসিস্টেমের জন্য আগামী বছরগুলো হবে একটি চূড়ান্ত পরীক্ষা যে, বুদ্ধিমত্তাকে (intelligence) কি হার্ডওয়্যারের ক্রমবর্ধমান খরচের চেয়ে দ্রুত নগদীকরণ করা সম্ভব কি না।
মূল বিষয়সমূহ
- বিশাল রাজস্বের প্রয়োজনীয়তা: ২০২৬ সালের মধ্যে প্রক্ষেপিত ১.৫ ট্রিলিয়ন ডলারের অবকাঠামো ব্যয়ের যৌক্তিকতা প্রমাণ করতে এআই শিল্পের প্রায় ৩ ট্রিলিয়ন ডলার রাজস্ব তৈরি করা প্রয়োজন।
- দক্ষতার প্যারাডক্স (Efficiency Paradox): উন্নত মডেল দক্ষতা (যেমন কোডিং কাজে OpenAI-এর ৫৪% উন্নতি) ব্যবহারকারীদের খরচ কমায় কিন্তু হার্ডওয়্যারে অর্থায়নকারী কোম্পানিগুলোর ওপর মূল্য নির্ধারণের চাপ সৃষ্টি করে।
- পদ্ধতিগত অর্থনৈতিক ঝুঁকি: যেহেতু হাইপারস্কেলারদের প্রবৃদ্ধি S&P 500-এর একটি প্রাথমিক চালিকাশক্তি, তাই এআই থেকে রিটার্ন পেতে ব্যর্থতা একটি ব্যাপক বাজার সংশোধন বা মন্দা শুরু করতে পারে।