কেন চিপের অতিরিক্ত সরবরাহ নয়, বরং ভুল বিনিয়োগ (Malinvestment) এআই (AI) বিপ্লবকে থামিয়ে দিতে পারে

কৃত্রিম বুদ্ধিমত্তা বা আর্টিফিশিয়াল ইন্টেলিজেন্সের (AI) এই স্বর্ণযুগের জোয়ার বর্তমানে একটি নজিরবিহীন মূলধনী ব্যয়ের (capital expenditure) চক্র দ্বারা পরিচালিত হচ্ছে, তবে এর দীর্ঘমেয়াদী স্থায়িত্ব নিয়ে একটি গুরুত্বপূর্ণ সতর্কতা সামনে এসেছে। Jefferies-এর গ্লোবাল হেড অফ ইকুইটি স্ট্র্যাটেজি Chris Wood পরামর্শ দিয়েছেন যে, চাহিদার অভাবে নয়, বরং মুনাফার সংকটের কারণে AI বাণিজ্য শেষ হয়ে যেতে পারে।

ভুল বিনিয়োগ (Malinvestment) এবং চক্রাকার অর্থায়নের ঝুঁকি

প্রথাগত সেমিকন্ডাক্টর চক্রগুলো সাধারণত আকস্মিক ইনভেন্টরি উদ্বৃত্ত বা সরবরাহজনিত ধাক্কার কারণে শেষ হয়ে যায়, কিন্তু Wood AI বাণিজ্যের প্রধান ঝুঁকি হিসেবে "malinvestment" বা ভুল বিনিয়োগকে চিহ্নিত করেছেন। মূল উদ্বেগের বিষয় হলো, হাইপারস্কেলার এবং শীর্ষস্থানীয় AI ল্যাবগুলো তাদের বিশাল মূলধনী ব্যয়ের (capex) বিপরীতে পর্যাপ্ত রিটার্ন বা মুনাফা অর্জন করতে ব্যর্থ হতে পারে।

Wood এই ইকোসিস্টেমের মধ্যে একটি সম্ভাব্য ঝুঁকিপূর্ণ ফিডব্যাক লুপের কথা তুলে ধরেছেন: চক্রাকার অর্থায়ন ব্যবস্থা, যেখানে Nvidia-র মতো কোম্পানিগুলো OpenAI-র মতো AI ল্যাবগুলোকে অর্থায়ন করে, যা পরবর্তীতে সেই মূলধন ব্যবহার করে আরও বেশি Nvidia চিপ কেনে। যদিও এটি স্বল্পমেয়াদী প্রবৃদ্ধি ঘটায়, তবে এটি একটি দুর্বলতা তৈরি করে। যদি বিনিয়োগকারীরা এই AI বিনিয়োগগুলোর দীর্ঘমেয়াদী অর্থায়নের (monetization) ক্ষমতা নিয়ে সন্দেহ করতে শুরু করেন, তবে এই ফিডব্যাক লুপটি দ্রুত ভেঙে পড়তে পারে, যা বাজারে একটি বেদনাদায়ক স্থবিরতা তৈরি করতে পারে।

বিশাল মূলধনী ব্যয় (Capex) এবং জেভন্স প্যারাডক্স (Jevons Paradox)

বর্তমানে যে বিনিয়োগের মাত্রা দেখা যাচ্ছে তা ঐতিহাসিক। TSMC তাদের ২০২৬ সালের capex নির্দেশিকা গত বছরের ৪১ বিলিয়ন ডলার থেকে বাড়িয়ে প্রায় ৫৬ বিলিয়ন ডলারে উন্নীত করেছে, এবং কিছু প্রক্ষেপণ বলছে যে ২০২৭ সালের মধ্যে এই ব্যয় ৬৫–৭০ বিলিয়ন ডলারে পৌঁছাতে পারে। এই উল্লম্ফন ইতিমধ্যেই তাইওয়ানের অর্থনীতিকে উল্লেখযোগ্যভাবে ত্বরান্বিত করেছে, যেখানে ২০২৬ সালের প্রথম প্রান্তিকে (Q1) বার্ষিক জিডিপি (GDP) প্রবৃদ্ধি ১৪.৫৫% এ পৌঁছেছে।

Wood এটিকে "Jevons Paradox"-এর দৃষ্টিভঙ্গি থেকে দেখেন—এটি এমন একটি ধারণা যেখানে কোনো সম্পদের (এই ক্ষেত্রে, কম্পিউটিং টোকেন) খরচ দক্ষতা বৃদ্ধির কারণে কমে গেলে, সেই সম্পদের মোট ব্যবহার আসলে বেড়ে যায়। এই প্যারাডক্সটি "picks and shovels" (পরিকাঠামো সরবরাহকারী) খেলোয়াড়দের সুবিধা দেয়, বিশেষ করে মেমরি এবং DRAM সরবরাহকারীদের। Micron-এর মতো কোম্পানিগুলো ইতিমধ্যেই এই কাঠামোগত পরিবর্তন দেখতে পাচ্ছে; Micron ইতিমধ্যে ১৬টি কৌশলগত গ্রাহক চুক্তি স্বাক্ষর করেছে যা তাদের DRAM ভলিউমের ২০% এবং NAND ভলিউমের এক-তৃতীয়াংশ কভার করে, যার অনেকগুলোর মেয়াদ পাঁচ বছর।

AI মডেলের পণ্যকরণ (Commoditisation)

প্রিমিয়াম পশ্চিমা AI প্রদানকারীদের অর্থনীতির ওপর আরেকটি ক্রমবর্ধমান চাপ হলো Large Language Models (LLMs)-এর দ্রুত পণ্যকরণ বা কমদামি পণ্যে পরিণত হওয়া। উচ্চ-মানের, স্বল্প-মূল্যের মডেলের উত্থান—বিশেষ করে চীন থেকে—মার্কিন ভিত্তিক কোম্পানিগুলোর আধিপত্যকে চ্যালেঞ্জ জানাচ্ছে।

উদাহরণস্বরূপ, Z.ai-এর GLM-5.2 লঞ্চ করার বিষয়টি কর্পোরেট ব্যবহারের জন্য Anthropic-এর প্রায় সমতুল্য হিসেবে বর্ণনা করা হয়েছে, তবে প্রতি টোকেনের খরচ মাত্র এক-চতুর্থাংশ। OpenRouter-এর তথ্য ভলিউমে একটি উল্লেখযোগ্য পরিবর্তন দেখায়; জুনের শেষের দিকে, শীর্ষস্থানীয় চীনা AI মডেলগুলো ২১.৩৭ ট্রিলিয়ন টোকেন প্রসেস করেছে, যা শীর্ষ মার্কিন মডেলগুলোর প্রসেস করা ৫.৭৬ ট্রিলিয়ন টোকেনের তুলনায় অনেক বেশি। সস্তা এবং সক্ষম বিকল্পগুলোর এই আগমন AI দৌড়ে নেতৃত্বদানকারী কোম্পানিগুলোর মুনাফার মার্জিনের ওপর প্রচণ্ড চাপ সৃষ্টি করছে।

মূল বিষয়সমূহ

• প্রধান ঝুঁকি: AI বাণিজ্যের সমাপ্তি প্রথাগত সেমিকন্ডাক্টর অতিরিক্ত সরবরাহের চেয়ে "malinvestment" বা ভুল বিনিয়োগ এবং capex-এর নিম্ন রিটার্নের উপলব্ধির কারণে ঘটার সম্ভাবনা বেশি।
• মেমরিতে কাঠামোগত পরিবর্তন: DRAM এবং মেমরি সরবরাহকারীরা বর্তমানে সবচেয়ে সুরক্ষিত "picks and shovels" সুবিধাভোগী, যারা তাদের মূল্য নির্ধারণের ক্ষমতা বজায় রাখতে দীর্ঘমেয়াদী কৌশলগত চুক্তি ব্যবহার করছে।
• পণ্যকরণের হুমকি: স্বল্প-মূল্যের, উচ্চ-ক্ষমতাসম্পন্ন AI মডেলের (বিশেষ করে চীন থেকে) দ্রুত উত্থান LLM ক্ষেত্রটিকে পণ্যকরণ (commoditising) করছে, যা পশ্চিমা AI লিডারদের উচ্চ-মার্জিন মডেলগুলোর জন্য হুমকি হয়ে দাঁড়িয়েছে।