क्यों गलत निवेश, चिप की अत्यधिक आपूर्ति नहीं, AI उछाल को समाप्त कर सकता है

आर्टिफिशियल इंटेलिजेंस की यह 'सोने की दौड़' वर्तमान में एक अभूतपूर्व पूंजीगत व्यय (capex) चक्र द्वारा संचालित है, लेकिन इसकी दीर्घकालिक स्थिरता को लेकर एक महत्वपूर्ण चेतावनी सामने आई है। जेफ़रीज (Jefferies) के ग्लोबल हेड ऑफ इक्विटी स्ट्रैटेजी, क्रिस वुड का सुझाव है कि AI ट्रेड मांग की कमी के कारण नहीं, बल्कि लाभप्रदता के संकट के कारण समाप्त हो सकता है।

गलत निवेश और चक्रीय फंडिंग का जोखिम

पारंपरिक सेमीकंडक्टर चक्रों के विपरीत, जो आमतौर पर इन्वेंट्री की अचानक अधिकता या आपूर्ति के झटकों के कारण समाप्त हो जाते हैं, वुड AI ट्रेड के लिए प्राथमिक जोखिम के रूप में "गलत निवेश" (malinvestment) की पहचान करते हैं। मुख्य चिंता यह है कि हाइपरस्केलर्स और प्रमुख AI लैब्स अपने द्वारा किए जा रहे भारी पूंजीगत व्यय (capex) पर पर्याप्त रिटर्न देने में विफल हो सकते हैं।

वुड इस इकोसिस्टम के भीतर एक संभावित रूप से अनिश्चित फीडबैक लूप की ओर इशारा करते हैं: चक्रीय फंडिंग व्यवस्था, जहाँ Nvidia जैसी कंपनियाँ OpenAI जैसे AI लैब्स को वित्त पोषण प्रदान करती हैं, जो फिर उस पूंजी का उपयोग अधिक Nvidia चिप्स खरीदने के लिए करती हैं। हालांकि यह अल्पकालिक विकास को बढ़ावा देता है, लेकिन यह एक भेद्यता (vulnerability) पैदा करता है। यदि निवेशक इन AI निवेशों की दीर्घकालिक मुद्रीकरण क्षमताओं पर संदेह करने लगते हैं, तो यह फीडबैक लूप तेजी से उलट सकता है, जिससे बाजार में एक दर्दनाक ठहराव आ सकता है।

भारी Capex और जेवन्स विरोधाभास (Jevons Paradox)

वर्तमान में देखा जा रहा निवेश का पैमाना ऐतिहासिक है। TSMC ने अपने 2026 के capex अनुमान को पिछले वर्ष के $41 बिलियन से बढ़ाकर लगभग $56 बिलियन कर दिया है, जबकि कुछ अनुमान बताते हैं कि 2027 तक खर्च $65–$70 बिलियन तक पहुँच सकता है। इस उछाल ने ताइवानी अर्थव्यवस्था को पहले ही महत्वपूर्ण रूप से बढ़ावा दिया है, जहाँ 2026 की पहली तिमाही (Q1) में वास्तविक GDP वृद्धि साल-दर-साल 14.55% तक पहुँच गई है।

वुड इसे "जेवन्स विरोधाभास" (Jevons Paradox) के नजरिए से देखते हैं—यह विचार कि जैसे-जैसे दक्षता बढ़ने के कारण किसी संसाधन (इस मामले में, कंप्यूटिंग टोकन) की लागत कम होती है, उस संसाधन की कुल खपत वास्तव में बढ़ जाती है। यह विरोधाभास "पिक्स एंड शॉवेल्स" (picks and shovels) खिलाड़ियों, विशेष रूप से मेमोरी और DRAM सप्लायर्स को लाभ पहुँचाता है। Micron जैसी कंपनियाँ पहले से ही इस संरचनात्मक बदलाव को देख रही हैं, जहाँ Micron ने 16 रणनीतिक ग्राहक समझौते किए हैं जो इसके DRAM वॉल्यूम के 20% और NAND वॉल्यूम के एक तिहाई हिस्से को कवर करते हैं, जो अक्सर पांच साल की अवधि के होते हैं।

AI मॉडल्स का कमोडिटाइजेशन

प्रीमियम पश्चिमी AI प्रदाताओं की आर्थिक स्थिति पर एक और बढ़ता दबाव लार्ज लैंग्वेज मॉडल्स (LLMs) का तेजी से हो रहा कमोडिटाइजेशन है। उच्च गुणवत्ता वाले, कम लागत वाले मॉडल्स का उदय—विशेष रूप से चीन से—अमेरिका स्थित फर्मों के प्रभुत्व को चुनौती दे रहा है।

उदाहरण के लिए, Z.ai के GLM-5.2 के लॉन्च को कॉर्पोरेट उपयोग के लिए Anthropic के लगभग बराबर बताया गया है, लेकिन प्रति टोकन लागत इसके केवल एक-चौथाई है। OpenRouter का डेटा वॉल्यूम में एक महत्वपूर्ण बदलाव दिखाता है; जून के अंत में, शीर्ष चीनी AI मॉडल्स ने 21.37 ट्रिलियन टोकन प्रोसेस किए, जो शीर्ष अमेरिकी मॉडल्स द्वारा प्रोसेस किए गए 5.76 ट्रिलियन टोकन से काफी अधिक थे। सस्ते और सक्षम विकल्पों की यह आवक AI दौड़ का नेतृत्व करने वाली कंपनियों के लाभ मार्जिन पर भारी दबाव डालती है।

मुख्य बातें

• प्राथमिक जोखिम: AI ट्रेड का अंत पारंपरिक सेमीकंडक्टर की अत्यधिक आपूर्ति के बजाय "गलत निवेश" (malinvestment) और capex पर खराब रिटर्न के अहसास से होने की अधिक संभावना है।
• मेमोरी में संरचनात्मक बदलाव: DRAM और मेमोरी सप्लायर्स वर्तमान में सबसे सुरक्षित "पिक्स एंड शॉवेल्स" (picks and shovels) लाभार्थी हैं, जो अपनी मूल्य निर्धारण शक्ति (pricing power) बनाए रखने के लिए दीर्घकालिक रणनीतिक समझौतों का लाभ उठा रहे हैं।
• कमोडिटाइजेशन का खतरा: कम लागत वाले, उच्च प्रदर्शन वाले AI मॉडल्स (विशेष रूप से चीन से) का तेजी से उदय LLM परिदृश्य का कमोडिटाइजेशन कर रहा है, जिससे पश्चिमी AI दिग्गजों के हाई-मार्जिन मॉडल्स को खतरा पैदा हो रहा है।