Google એ તેના મૂડી ખર્ચ (capital-expenditure) ના અંદાજને વધારીને $205 બિલિયન કરી દીધો છે, જે અગાઉની $190 બિલિયનની મર્યાદા કરતા વધુ છે, અને રોકાણકારોએ તરત જ આ આશ્ચર્યજનક સમાચારને AI ઉછાળા માટે ચેતવણીના સંકેત તરીકે જોયા છે. કંપનીના તાજેતરના અર્નિંગ રિલીઝમાં જાહેર કરાયેલ આ ખર્ચમાં થયેલો વધારો એ વાત પર ભાર મૂકે છે કે AI મોડલ્સ બનાવવા અને ચલાવવાનો ખર્ચ તેમાંથી થતી આવક કરતા કેટલી ઝડપથી વધી રહ્યો છે.

ખર્ચમાં આ વધારો અત્યારે શા માટે મહત્વનો છે

Google ના અંદાજમાં થયેલો આ વધારો માત્ર એક સામાન્ય ફેરફાર નથી; નવા અંદાજની નીચલી મર્યાદા, $195 બિલિયન પણ, અગાઉના સર્વોચ્ચ અંદાજ કરતા પણ વધારે છે. જ્યારે એવી કંપની જે લાંબા સમયથી તેના પોતાના હાર્ડવેર રોલઆઉટનું અનુમાન લગાવી શકતી હોય, તે જ્યારે બજેટ નક્કી કરી શકતી નથી, ત્યારે વિશ્લેષકોને ચિંતા થાય છે કે આખી AI નિર્માણ પ્રક્રિયા એક 'નાણાકીય બ્લેક બોક્સ' (financial black box) બની રહી છે. આ અનિશ્ચિતતા ટેક જાયન્ટ્સની AI સંશોધનને નફામાં બદલવાની ક્ષમતા પર વોલ સ્ટ્રીટના વિશ્વાસને અસર કરે છે.

AI શસ્ત્ર સ્પર્ધાનું અર્થશાસ્ત્ર

આ મુદ્દાના મૂળમાં કમ્પ્યુટિંગ (compute) ની કિંમત અને તેમાંથી થતી આવક વચ્ચેનું વધતું જતું અંતર છે. Google હવે ડેટા-સેન્ટર વિસ્તરણ, કસ્ટમ સિલિકોન અને ઉર્જા પાછળ AI સંબંધિત સેવાઓમાંથી થતી આવક કરતા વધુ ખર્ચ કરી રહ્યું છે. હરીફો—ખાસ કરીને અત્યાધુનિક ચીની AI ટૂલ્સની લહેર—બજારને પર્ફોર્મન્સ અને ફીચર્સ પર સ્પર્ધાત્મક રહેવા માટે મજબૂર કરે છે. સાથે સાથે, AI મોડલ્સનું બજાર કોમોડિટીકરણ (commoditisation) તરફ આગળ વધી રહ્યું છે; ગ્રાહકો દરેક કોલ અથવા યુઝર દીઠ ઓછા ફીની અપેક્ષા રાખે છે, જેના કારણે હાર્ડવેરના ખર્ચમાં વધારો થવા છતાં નફાના માર્જિન પર દબાણ આવી રહ્યું છે.

પરિણામ એક ક્લાસિક 'માર્જિન સ્ક્વીઝ' (margin squeeze) છે: ઊંચો ખર્ચ અને નબળી કિંમત નિર્ધારણ શક્તિ. જે કંપનીઓ સર્વર્સ, કૂલિંગ ઇન્ફ્રાસ્ટ્રક્ચર અને સ્પેશિયલાઇઝ્ડ ચિપ્સમાં ખર્ચાતા અબજો ડોલરની ભરપાઈ કરી શકશે નહીં, તેમને નફાના માર્જિનમાં ઘટાડો જોવાનો ભય છે, ભલે AI ના ઉત્સાહને લગતા મુખ્ય આંકડા ઊંચા દેખાતા હોય.

શું Google અપવાદ છે?

મોટાભાગના નિરીક્ષકો Google ની સ્થિતિને અપવાદને બદલે એક લક્ષણ તરીકે જુએ છે. અર્નિંગ સીઝન હવે અન્ય AI-કેન્દ્રિત પ્લેયર્સ—Meta, Amazon અને Microsoft—તરફ વળી રહી છે, જેઓ ડેટા-સેન્ટર ખર્ચ અને સિલિકોન ડેવલપમેન્ટમાં સમાન વધારો દર્શાવવાની અપેક્ષા છે. વિશ્લેષકોએ પહેલેથી જ સંકેત આપ્યો છે કે આ કંપનીઓ Google ના માર્ગ પર ચાલી શકે છે અને કમ્પ્યુટિંગની સ્પર્ધામાં ટકી રહેવા માટે મોટા મૂડી રોકાણોની જાહેરાત કરી શકે છે.

જો આ વલણ ચાલુ રહેશે, તો AI ઇકોસિસ્ટમ એવા ચક્રમાં ફસાઈ શકે છે જ્યાં ખર્ચ વસૂલવાનો સ્પષ્ટ માર્ગ વિના સતત મોટું રોકાણ કરવું પડે. ટેકનોલોજીની ઝડપી પ્રગતિ નિર્વિવાદ છે, પરંતુ નાણાકીય ગણતરી એ વાત પર નિર્ભર છે કે શું સોફ્ટવેર આવક અને ઉત્પાદકતામાં થતો વધારો આ બહુ-અબજ ડોલરના હાર્ડવેર અને ઉર્જા ખર્ચને યોગ્ય ઠેરવવા માટે પૂરતી ઝડપે વધી શકશે કે નહીં.

વિરોધી પક્ષ: વૃદ્ધિની સંભાવના અને વ્યૂહાત્મક દાવ

દરેક વ્યક્તિ ખર્ચના આ વધારાને ઘાતક ખામી તરીકે જોતા નથી. સમર્થકો દલીલ કરે છે કે આ મોટો ખર્ચ લાંબા ગાળાના વર્ચસ્વ માટેનો એક વ્યૂહાત્મક દાવ છે. અત્યારે જ કસ્ટમ સિલિકોન અને વિશાળ ડેટા-સેન્ટર ક્ષમતા મેળવીને, કંપનીઓ ભવિષ્યની AI સેવાઓ, ક્લાઉડ કોન્ટ્રાક્ટ્સ અને એન્ટરપ્રાઇઝ લાયસન્સનો મોટો હિસ્સો કબજે કરવા માટે પોતાને તૈયાર કરે છે. શરૂઆતનું ભારે રોકાણ નેટવર્ક ઇફેક્ટ્સ (network effects) પેદા કરી શકે છે, જેનાથી પછીથી પ્રવેશતા સ્પર્ધકો માટે પર્ફોર્મન્સ અથવા કિંમતમાં ટક્કર લેવી મુશ્કેલ બની જાય છે.

કેટલાક વિશ્લેષકો એ શક્યતા તરફ પણ નિર્દેશ કરે છે કે AI નવી આવકના સ્ત્રોતો ખોલી શકે છે—જેમ કે જનરેટિવ કન્ટેન્ટ ટૂલ્સ, ઇન્ડસ્ટ્રી-સ્પેસિફિક એનાલિટિક્સ—જેનું મૂલ્ય હજુ સુધી અર્નિંગ રિપોર્ટ્સમાં સંપૂર્ણ રીતે દર્શાવવામાં આવ્યું નથી. જો આ સ્ત્રોતો મોટા પાયે સામે આવશે, તો તેઓ વર્તમાન ખર્ચના અંતરને পুষી શકે છે.

હવે આગળ શું જોવું

  • આગામી અર્નિંગ રિપોર્ટ્સ: Meta, Amazon અને Microsoft ના આગામી ત્રિમાસિક નિવેદનો એ જણાવશે કે શું મૂડી ખર્ચમાં આ વધારો સમગ્ર સેક્ટરની ઘટના છે.
  • AI APIs માટેના ભાવના વલણો: પ્રતિ-કોલ કિંમતમાં કોઈપણ ફેરફાર, વધારો કે ઘટાડો, સીધી રીતે માર્જિનની ગણતરીને અસર કરશે.
  • ઉર્જા ખર્ચના વિકાસ: ડેટા-સેન્ટરના પાવર બિલ AI ખર્ચનો મોટો હિસ્સો હોવાથી, વીજળીના ભાવમાં ફેરફાર અથવા કાર્યક્ષમતામાં ક્રાંતિકારી સુધારો ખર્ચના વલણને બદલી શકે છે.
  • હાર્ડવેર ઇનોવેશનની સમયરેખા: કસ્ટમ AI ચિપ્સ અને કૂલિંગ ટેકનોલોજીના રોલઆઉટની ઝડપ એ નક્કી કરશે કે કંપનીઓ તેમના મૂડી ખર્ચની ભરપાઈ કેટલી ઝડપથી કરી શકશે.

મુખ્ય સારાંશ

Google નો સુધારેલો $205 બિલિયનનો capex અંદાજ AI ઇન્ફ્રાસ્ટ્રક્ચર ખર્ચ અને તેમાંથી હાલમાં થતી આવક વચ્ચે વધતી જતી વિસંગતતા પર પ્રકાશ પાડે છે. આ જ દબાણ અન્ય ટેક જાયન્ટ્સમાં પણ જોવા મળવાની શક્યતા છે, જે AI શસ્ત્ર સ્પર્ધા માટે નફાકારકતાને એક મુખ્ય પ્રશ્ન બનાવે છે. રોકાણકારો માત્ર હાઈપ (hype) પર જ નહીં, પરંતુ માર્જિનમાં ઘટાડો કાયમી બનતા પહેલા આ ભારે ખર્ચને ટકાઉ આવકના સ્ત્રોતોમાં બદલી શકાય છે કે નહીં તે જોશે.