ક્રિસ વુડની ચેતવણી: માલઇન્વેસ્ટમેન્ટ (ખોટા રોકાણ) નું જોખમ AI ટ્રેડનો અંત લાવી શકે છે

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ના ખર્ચમાં થઈ રહેલો સતત વધારો વોલ સ્ટ્રીટના સૌથી અનુભવી વ્યૂહરચનાકારોમાંના એક દ્વારા આપવામાં આવેલી ગંભીર ચેતવણીનો સામનો કરી રહ્યો છે. Jefferies ના ગ્લોબલ હેડ ઓફ ઇક્વિટી સ્ટ્રેટેજી, ક્રિસ વુડ સૂચવે છે કે AI બૂમ માંગના અભાવને કારણે નહીં, પરંતુ નફાકારકતાના આગામી સંકટને કારણે સમાપ્ત થશે.

ઓવરસપ્લાય કરતા માલઇન્વેસ્ટમેન્ટનો ખતરો વધુ

પરંપરાગત સેમિકન્ડક્ટર સાયકલથી વિપરીત, જે સામાન્ય રીતે અચાનક ઇન્વેન્ટરી વધારો અથવા સપ્લાય શોકને કારણે તૂટી પડે છે, વુડ દલીલ કરે છે કે AI ટ્રેડ એક અનોખા માળખાગત જોખમનો સામનો કરી રહ્યો છે: માલઇન્વેસ્ટમેન્ટ (ખોટું રોકાણ). તેઓ માને છે કે AI બૂમનો "એન્ડગેમ" ત્યારે શરૂ થશે જ્યારે હાઇપરસકેલર્સ અને અગ્રણી AI લેબ્સને એ સમજાયા કે તેઓ જે વિશાળ મૂડી ખર્ચ (capex) કરી રહ્યા છે તેના પર પૂરતું વળતર મેળવી શકશે નહીં.

વુડ એક સંભવિત જોખમી ફીડબેક લૂપ તરફ ધ્યાન દોરે છે જ્યાં Nvidia જેવી કંપનીઓ OpenAI જેવી સંસ્થાઓને ફાઇનાન્સિંગ પૂરું પાડે છે, જે પછી તે મૂડીનો ઉપયોગ વધુ Nvidia ચિપ્સ ખરીદવા માટે કરે છે. જોકે આ ચક્ર ઝડપી વૃદ્ધિને વેગ આપે છે, પરંતુ તે આશાવાદી મોનેટાઈઝેશન ધારણાઓ પર ખૂબ જ નિર્ભર છે. જો રોકાણકારો AI સ્ટેકની લાંબા ગાળાની કમાણીની સ્પષ્ટતા પર શંકા કરવા લાગે, તો આ સર્ક્યુલર ફંડિંગ મોડેલ ઝડપથી વિખેરાઈ શકે છે.

વિશાળ Capex અને મેમરી જાયન્ટ્સનો ઉદય

વર્તમાન રોકાણનું પ્રમાણ અભૂતપૂર્વ છે. વુડ હાલના નિર્માણને તેમણે જોયેલા "સૌથી નાટકીય capex સાયકલ" તરીકે વર્ણવે છે. તેનું એક મુખ્ય ઉદાહરણ TSMC છે, જેણે તેનું 2026 capex માર્ગદર્શન વધારીને અંદાજે $56 બિલિયન કર્યું છે, જ્યારે Fubon Research ના અનુમાન મુજબ તે 2027 સુધીમાં $65–$70 બિલિયન સુધી પહોંચી શકે છે. આ ઉછાળાએ તાઇવાનના અર્થતંત્રને નોંધપાત્ર રીતે વેગ આપ્યો છે, જેમાં Q1 2026 માં વાર્ષિક ધોરણે વાસ્તવિક GDP વૃદ્ધિ 14.55% સુધી પહોંચી છે.

રસપ્રદ વાત એ છે કે, જ્યારે સોફ્ટવેર અને મોડેલ લેયર્સ જોખમોનો સામનો કરી રહ્યા છે, ત્યારે ઉદ્યોગના "picks and shovels" — ખાસ કરીને મેમરી સપ્લાયર્સ — માળખાગત લાભો જોઈ રહ્યા છે. વુડ Jevons Paradox તરફ નિર્દેશ કરે છે, જ્યાં વધેલી કાર્યક્ષમતા વધુ ઊંચા કુલ વપરાશ તરફ દોરી જાય છે. આનાથી DRAM અને મેમરી પેરિફેરલ ઘટકોમાંથી AI ઉત્પાદકતાના મુખ્ય એન્જિન બની ગયા છે. Micron જેવા મોટા ખેલાડીઓ પહેલેથી જ લાંબા ગાળાનું લેવરેજ સુરક્ષિત કરી રહ્યા છે, જેમાં 16 વ્યૂહાત્મક કરારો તેમના DRAM વોલ્યુમના 20% અને તેમના NAND વોલ્યુમના ત્રીજા ભાગને આવરી લે છે.

AI મોડેલ્સનું કોમોડિટાઈઝેશન (સામાન્યીકરણ)

પશ્ચિમી AI પ્રદાતાઓ માટે એક મોટો અવરોધ Large Language Models (LLMs) નું ઝડપી કોમોડિટાઈઝેશન છે. વુડ નોંધે છે કે ઉચ્ચ પ્રદર્શન કરતા મોડેલ્સની કિંમત ઝડપથી ઘટી રહી છે, ખાસ કરીને કાર્યક્ષમ ચીની મોડેલ્સના ઉદય સાથે.

OpenRouter ના ડેટા એક મોટું પરિવર્તન દર્શાવે છે: જૂન ના અંતમાં, ટોચના ચીની AI મોડેલ્સે 21.37 ટ્રિલિયન ટોકન્સ પ્રોસેસ કર્યા, જે એપ્રિલના 4.37 ટ્રિલિયનથી નોંધપાત્ર વધારો છે. આ પ્રમાણ ટોપ US મોડેલો દ્વારા પ્રોસેસ કરાયેલા 5.76 ટ્રિલિયન ટોકન્સ કરતા ઘણું વધારે હતું. જેમ Z.ai ના GLM-5.2 જેવા મોડેલ્સ ચોથા ભાગના ખર્ચે પ્રીમિયમ પશ્ચિમી પ્રદાતાઓ જેટલું જ પ્રદર્શન આપે છે, તેમ "પ્રીમિયમ" AI સેવાઓના અર્થશાસ્ત્ર પર દબાણ વધતું જાય છે.

મુખ્ય મુદ્દાઓ

• મુખ્ય જોખમ: AI ટ્રેડ પરંપરાગત ચિપ ઓવરસપ્લાયને બદલે "માલઇન્વેસ્ટમેન્ટ" (ખોટા રોકાણ) અને મૂડી પર નબળા વળતરની સમજણને કારણે સમાપ્ત થવાની શક્યતા વધુ છે.
• મેમરી સ્થિતિસ્થાપકતા: જ્યારે AI સોફ્ટવેર કોમોડિટાઈઝેશનનો સામનો કરી રહ્યું છે, ત્યારે મેમરી ઉત્પાદકો (DRAM/NAND) માળખાગત પ્રાઇસિંગ પાવર અને લાંબા ગાળાના કોન્ટ્રાક્ટની સ્થિરતા મેળવી રહ્યા છે.
• ફીડબેક લૂપ: રોકાણકારોએ ચિપમેકર્સ દ્વારા AI લેબ્સને ફાઇનાન્સ કરવા વચ્ચેના ચક્રીય સંબંધ પર નજર રાખવી જોઈએ, કારણ કે આ ચક્ર રોકાણકારોની ભાવનામાં આવતા ફેરફારો પ્રત્યે અત્યંત સંવેદનશીલ છે.