શા માટે ચિપનો અતિશય પુરવઠો નહીં, પરંતુ ખોટું રોકાણ (Malinvestment) AI બૂમને સમાપ્ત કરી શકે છે

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ની આ 'ગોલ્ડ રશ' હાલમાં અભૂતપૂર્વ મૂડી ખર્ચ (capital expenditure) ચક્ર દ્વારા સંચાલિત છે, પરંતુ તેની લાંબા ગાળાની ટકાઉપણું અંગે એક મહત્વપૂર્ણ ચેતવણી સામે આવી છે. જેફરીઝના ગ્લોબલ હેડ ઓફ ઇક્વિટી સ્ટ્રેટેજી, ક્રિસ વુડ સૂચવે છે કે AI ટ્રેડ માંગના અભાવને કારણે નહીં, પરંતુ નફાકારકતાના સંકટને કારણે સમાપ્ત થઈ શકે છે.

ખોટા રોકાણ (Malinvestment) અને સર્ક્યુલર ફંડિંગનું જોખમ

પરંપરાગત સેમિકન્ડક્ટર ચક્રોથી વિપરીત, જે સામાન્ય રીતે અચાનક ઇન્વેન્ટરીનો વધારો અથવા સપ્લાય શોકને કારણે સમાપ્ત થાય છે, વુડ AI ટ્રેડ માટે "malinvestment" ને પ્રાથમિક જોખમ તરીકે ઓળખે છે. મુખ્ય ચિંતા એ છે કે હાઇપરસકેલર્સ અને અગ્રણી AI લેબ્સ તેઓ જે વિશાળ મૂડી ખર્ચ (capex) કરી રહ્યા છે તેના પર પૂરતું વળતર મેળવવામાં નિષ્ફળ જઈ શકે છે.

વુડ ઇકોસિસ્ટમની અંદર સંભવિત જોખમી ફીડબેક લૂપ પર પ્રકાશ પાડે છે: સર્ક્યુલર ફંડિંગ વ્યવસ્થાઓ જ્યાં Nvidia જેવી કંપનીઓ OpenAI જેવી AI લેબ્સને નાણાકીય સહાય પૂરી પાડે છે, જે પછી તે મૂડીનો ઉપયોગ વધુ Nvidia ચિપ્સ ખરીદવા માટે કરે છે. જોકે આ ટૂંકા ગાળાના વિકાસને વેગ આપે છે, પરંતુ તે એક નબળાઈ ઊભી કરે છે. જો રોકાણકારો આ AI રોકાણોની લાંબા ગાળાની મોનેટાઇઝેશન (monetization) ક્ષમતા પર શંકા કરવા લાગે, તો આ ફીડબેક લૂપ અચાનક તૂટી શકે છે, જેનાથી બજારમાં પીડાદાયક સ્થિરતા આવી શકે છે.

વિશાળ Capex અને જેવોન્સ પેરાડોક્સ (Jevons Paradox)

હાલમાં જોવા મળી રહેલા રોકાણનું પ્રમાણ ઐતિહાસિક છે. TSMC એ તેના 2026 ના capex માર્ગદર્શનને ગયા વર્ષના $41 બિલિયનથી વધારીને અંદાજે $56 બિલિયન કર્યું છે, જ્યારે કેટલાક અનુમાન સૂચવે છે કે 2027 સુધીમાં ખર્ચ $65–$70 બિલિયન સુધી પહોંચી શકે છે. આ ઉછાળાએ તાઈવાનના અર્થતંત્રને પહેલેથી જ નોંધપાત્ર રીતે વેગ આપ્યો છે, જેમાં 2026 ના પ્રથમ ત્રિમાસિક ગાળામાં વાસ્તવિક GDP વૃદ્ધિ વાર્ષિક 14.55% સુધી પહોંચી છે.

વુડ આને "Jevons Paradox" ના દ્રષ્ટિકોણથી જુએ છે—એ વિચાર કે જેમ જેમ કાર્યક્ષમતા વધવાને કારણે સંસાધનની કિંમત (આ કિસ્સામાં, કમ્પ્યુટિંગ ટોકન્સ) ઘટે છે, તેમ તેમ તે સંસાધનનો કુલ વપરાશ વાસ્તવમાં વધે છે. આ વિરોધાભાસ "picks and shovels" (પાયાના સાધનો પૂરા પાડતા) ખેલાડીઓને ફાયદો કરાવે છે, ખાસ કરીને મેમરી અને DRAM સપ્લાયર્સને. Micron જેવી કંપનીઓ પહેલેથી જ આ માળખાગત ફેરફાર જોઈ રહી છે, જેમાં Micron એ 16 વ્યૂહાત્મક ગ્રાહક કરારો કર્યા છે જે તેના DRAM વોલ્યુમના 20% અને તેના NAND વોલ્યુમના ત્રીજા ભાગને આવરી લે છે, જે ઘણીવાર પાંચ વર્ષના સમયગાળા માટે હોય છે.

AI મોડલ્સનું કોમોડિટાઇઝેશન (Commoditisation)

પ્રીમિયમ પશ્ચિમી AI પ્રદાતાઓ માટે આર્થિક દૃષ્ટિએ વધતું જતું બીજું દબાણ એ લાર્જ લેંગ્વેજ મોડલ્સ (LLMs) નું ઝડપી કોમોડિટાઇઝેશન છે. ઉચ્ચ ગુણવત્તાવાળા, ઓછા ખર્ચના મોડલ્સનો ઉદય—ખાસ કરીને ચીનથી—અમેરિકા સ્થિત કંપનીઓના વર્ચસ્વને પડકાર આપી રહ્યો છે.

ઉદાહરણ તરીકે, Z.ai ના GLM-5.2 ના લોન્ચને કોર્પોરેટ ઉપયોગ માટે Anthropic ની લગભગ સમાન ગણવામાં આવ્યું છે, પરંતુ પ્રતિ ટોકન ખર્ચમાં તે માત્ર ચોથા ભાગ જેટલું જ છે. OpenRouter ના ડેટા એક નોંધપાત્ર ફેરફાર દર્શાવે છે; જૂન ના અંતમાં, ટોચના ચીની AI મોડલ્સે 21.37 ટ્રિલિયન ટોકન્સ પ્રોસેસ કર્યા હતા, જે ટોપ યુએસ મોડલ્સ દ્વારા પ્રોસેસ કરાયેલા 5.76 ટ્રિલિયન ટોકન્સ કરતા નોંધપાત્ર રીતે વધુ છે. સસ્તા અને સક્ષમ વિકલ્પોનો આ પ્રવાહ AI રેસમાં અગ્રેસર કંપનીઓના નફાના માર્જિન પર ભારે દબાણ લાવે છે.

મુખ્ય તારણો

• પ્રાથમિક જોખમ: AI ટ્રેડનો અંત પરંપરાગત સેમિકન્ડક્ટરના અતિશય પુરવઠાને બદલે "malinvestment" (ખોટું રોકાણ) અને capex પર નબળા વળતરના અહેસાસને કારણે આવવાની શક્યતા વધુ છે.
• મેમરીમાં માળખાગત ફેરફાર: DRAM અને મેમરી સપ્લાયર્સ હાલમાં સૌથી વધુ સુરક્ષિત "picks and shovels" લાભાર્થીઓ છે, જે કિંમત જાળવી રાખવા માટે લાંબા ગાળાના વ્યૂહાત્મક કરારોનો ઉપયોગ કરી રહ્યા છે.
• કોમોડિટાઇઝેશનનો ખતરો: ઓછા ખર્ચના, ઉચ્ચ-પ્રદર્શન ધરાવતા AI મોડલ્સનો ઝડપી ઉદય (ખાસ કરીને ચીનથી) LLM લેન્ડસ્કેપને કોમોડિટાઇઝ કરી રહ્યો છે, જે પશ્ચિમી AI લીડર્સના હાઈ-માર્જિન મોડલ્સ માટે ખતરો ઊભો કરી રહ્યો છે.