AI ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಹೆಚ್ಚುತ್ತಿರುವ ಎಚ್ಚರಿಕೆಗಳ ಬಗ್ಗೆ J.P. Morgan ಎಚ್ಚರಿಕೆ ನೀಡಿದೆ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು (AI) ಅಭೂತಪೂರ್ವ ತಾಂತ್ರಿಕ ಪ್ರಗತಿಯನ್ನು ಮುಂದುವರಿಸುತ್ತಿದ್ದರೂ, ಹಣಕಾಸು ವಿಶ್ಲೇಷಕರು ಮಾರುಕಟ್ಟೆಯ ಸಂಭವನೀಯ ಅಸ್ಥಿರತೆಯ ಬಗ್ಗೆ ಎಚ್ಚರಿಕೆ ನೀಡುತ್ತಿದ್ದಾರೆ. J.P. Morgan ನ ಇತ್ತೀಚಿನ ವರದಿಯ ಪ್ರಕಾರ, "ಹೂಡಿಕೆದಾರರ ಅತಿಯಾದ ಉತ್ಸಾಹವು" AI ವಲಯದಲ್ಲಿ ಅಪಾಯಕಾರಿ ಮಟ್ಟದ ಕೇಂದ್ರೀಕರಣ ಮತ್ತು ಅಸ್ಥಿರತೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತಿದೆ.

ತೀವ್ರ ಕೇಂದ್ರೀಕರಣ ಮತ್ತು ಡಾಟ್‌ಕಾಂ ಕಾಲದ ಹೋಲಿಕೆ

J.P. Morgan ಎತ್ತಿ ತೋರಿಸಿರುವ ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಆತಂಕವೆಂದರೆ S&P 500 ನಲ್ಲಿ ಸಂಪತ್ತು ಮತ್ತು ಬೆಳವಣಿಗೆಯ ತೀವ್ರ ಕೇಂದ್ರೀಕರಣ. 2022 ರಲ್ಲಿ ChatGPT ಬಿಡುಗಡೆಯಾದಾಗಿನಿಂದ, ಕೇವಲ 42 AI ಸಂಬಂಧಿತ ಕಂಪನಿಗಳು ಇಡೀ ಸೂಚ್ಯಂಕದ ಲಾಭ, ಆದಾಯ ಮತ್ತು ಹೂಡಿಕೆಗಳಲ್ಲಿ ಸುಮಾರು 65% ರಿಂದ 80% ರಷ್ಟು ಪಾತ್ರ ವಹಿಸಿವೆ. ಈ ಕೇಂದ್ರೀಕರಣವು ಮಾರುಕಟ್ಟೆ ಬಂಡವಾಳೀಕರಣದಲ್ಲಿ (market capitalization) ಸ್ಪಷ್ಟವಾಗಿ ಕಂಡುಬರುತ್ತಿದೆ, ಅಲ್ಲಿ ಹತ್ತು ದೊಡ್ಡ ಅಮೆರಿಕನ್ ಸ್ಟಾಕ್‌ಗಳು ಈಗ S&P 500 ರ ಸುಮಾರು 40% ರಷ್ಟನ್ನು ಹೊಂದಿವೆ—ಇದು 2015 ರಲ್ಲಿ ಕೇವಲ 17% ಇದ್ದ ಮಟ್ಟದಿಂದ ಭಾರಿ ಏರಿಕೆಯಾಗಿದೆ.

ಇದಲ್ಲದೆ, ಸೆಮಿಕಂಡಕ್ಟರ್ ವಲಯದ ತಾಂತ್ರಿಕ ಮಾದರಿಗಳು ಪ್ರಸಿದ್ಧ ಡಾಟ್‌ಕಾಂ ಬಬಲ್ ಅನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತಿವೆ. J.P. Morgan ನಾಲ್ಕು ನಿರ್ದಿಷ್ಟ ಎಚ್ಚರಿಕೆ ಸಂಕೇತಗಳನ್ನು ಗುರುತಿಸಿದೆ:

• ಸೆಮಿಕಂಡಕ್ಟರ್ ಸ್ಟಾಕ್‌ಗಳು 1990 ರ ದಶಕದ ಅಂತ್ಯದಲ್ಲಿ ನಡೆದಂತೆ ತಮ್ಮ 200-ದಿನಗಳ ಚಲನಶೀಲ ಸರಾಸರಿಯಿಂದ (moving average) ತೀವ್ರವಾಗಿ ವಿಚಲಿತಗೊಳ್ಳುತ್ತಿವೆ.
• ಹಿಂದಿನ ಯಾವುದೇ ಸಮಯಕ್ಕಿಂತ ಈಗ ಹೆಡ್ಜ್ ಫಂಡ್‌ಗಳು ಚಿಪ್ ಸ್ಟಾಕ್‌ಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಹೂಡಿಕೆ ಮಾಡಿವೆ.
• ಕೊರಿಯನ್ ಸ್ಟಾಕ್ ಎಕ್ಸ್ಚೇಂಜ್‌ನಲ್ಲಿ ಮಾರ್ಜಿನ್ ಸಾಲಗಳು 2020 ರಿಂದ ಮೂರು ಪಟ್ಟು ಹೆಚ್ಚಿವೆ.
• ಸೆಮಿಕಂಡಕ್ಟರ್ ಸ್ಟಾಕ್‌ಗಳಲ್ಲಿ ಆಪ್ಷನ್ ಟ್ರೇಡಿಂಗ್ 2020 ರ ಮಟ್ಟಕ್ಕಿಂತ ಐದು ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ.

AI ಹಾರ್ಡ್‌ವೇರ್‌ನ ಬದಲಾಗುತ್ತಿರುವ ಚಿತ್ರಣ

Nvidia ಇಂದಿಗೂ AI ಅಕ್ಸೆಲರೇಟರ್ ಮಾರುಕಟ್ಟೆಯ ದೈತ್ಯನಾಗಿದ್ದರೂ, ಅದರ ಪ್ರಾಬಲ್ಯವು ಕಾರ್ಯತಂತ್ರದ ಕ್ಷೀಣತೆಯನ್ನು ಎದುರಿಸುತ್ತಿದೆ. Nvidia ನ ಮಾರುಕಟ್ಟೆ ಪಾಲು 2023 ರಲ್ಲಿ 85% ಇದ್ದದ್ದು 2026 ರ ವೇಳೆಗೆ ಸುಮಾರು 75% ಕ್ಕೆ ಇಳಿಯುವ ಸಾಧ್ಯತೆಯಿದೆ ಎಂದು J.P. Morgan ಅಂದಾಜಿಸಿದೆ. ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಪ್ರಮುಖ ಕ್ಲೌಡ್ ಸೇವಾ ಪೂರೈಕೆದಾರರು ಸ್ವಂತ ಸಿಲಿಕಾನ್ ಚಿಪ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಿರುವುದು ಈ ಬದಲಾವಣೆಗೆ ಕಾರಣವಾಗಿದೆ.

ಉದಾಹರಣೆಗೆ, Google ನ TPUs ಮತ್ತು Amazon ನ Trainium ಚಿಪ್‌ಗಳು ಪ್ರಮುಖ ಪರ್ಯಾಯಗಳಾಗುತ್ತಿವೆ. ಸಾಂಪ್ರದಾಯಿಕ Nvidia GPUs ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಕಸ್ಟಮ್ ಸಿಲಿಕಾನ್ ಬಳಸುವುದು ಕಾರ್ಯಾಚರಣೆಯ ವೆಚ್ಚವನ್ನು 30% ರಿಂದ 40% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಬಹುದು. ಉದ್ಯಮದಲ್ಲಿ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಯು ಈಗಾಗಲೇ ನಡೆಯುತ್ತಿದೆ: Anthropic ತನ್ನ Claude ಮಾಡೆಲ್‌ಗಳನ್ನು ಮುಂದಿನ ದಶಕದವರೆಗೆ Amazon ನ Trainium ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ನಡೆಸಲು ಬದ್ಧವಾಗಿದೆ, ಇದು ಸಂಪೂರ್ಣ GPU ಅವಲಂಬನೆಯಿಂದ ದೂರ ಸರಿಯುವ ಸಂಕೇತವಾಗಿದೆ.

ಮಾರ್ಜಿನ್ ಒತ್ತಡ ಮತ್ತು ಓಪನ್ ಸೋರ್ಸ್‌ನ ಏರಿಕೆ

OpenAI ಮತ್ತು Anthropic ನಂತಹ ಪ್ರಮುಖ AI ಪ್ರಯೋಗಾಲಯಗಳ ಆರ್ಥಿಕ ಕಾರ್ಯಸಾಧ್ಯತೆಯು ದೊಡ್ಡ ಪ್ರಶ್ನೆಯಾಗಿಯೇ ಉಳಿದಿದೆ. ವೇಗದ ಆದಾಯದ ಬೆಳವಣಿಗೆಯ ಹೊರತಾಗಿಯೂ, ಕಂಪ್ಯೂಟಿಂಗ್‌ನ ಅತಿ ಹೆಚ್ಚಿನ ವೆಚ್ಚವು ಲಾಭದ ಮಾರ್ಜಿನ್‌ಗಳನ್ನು ಕುಗ್ಗಿಸುತ್ತಿದೆ. ಇದು ಸ್ಪರ್ಧಿಗಳು ಬಳಸಿಕೊಳ್ಳಲು ಸಿದ್ಧರಿರುವ ಒಂದು ದುರ್ಬಲತೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.

ಟೋಕನ್ ಬೆಲೆಗಳು ಏರಿಳಿತವಾಗುತ್ತಿರುವಂತೆ, ಉದ್ಯಮಗಳು ತಮ್ಮ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಕೆಲಸಗಳನ್ನು ಅಗ್ಗದ ಮತ್ತು ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯ ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್‌ಗಳಿಗೆ ವರ್ಗಾಯಿಸುವ ಮೂಲಕ ವೆಚ್ಚವನ್ನು ಉತ್ತಮಗೊಳಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿವೆ. ಚೀನೀ ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್‌ಗಳು ಪಾಶ್ಚಿಮಾತ್ಯ ಪ್ರೊಪ್ರೈಟರಿ ಮಾಡೆಲ್‌ಗಳ ವೆಚ್ಚದ ಒಂದು ಸಣ್ಣ ಭಾಗದಲ್ಲಿ ಉನ್ನತ ಮಟ್ಟದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ತಲುಪುತ್ತಿರುವುದು ಪರಿಸ್ಥಿತಿಯನ್ನು ಮತ್ತಷ್ಟು ಸಂಕೀರ್ಣಗೊಳಿಸುತ್ತಿದೆ. ಟೋಕನ್ ಬೆಲೆಯ ಮೇಲಿನ ಈ ಇಳಿಕೆಯ ಒತ್ತಡ ಮತ್ತು ಪ್ರಮುಖ ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರ ಮುಕ್ತ ನಗದು ಹರಿವಿನ (free cash flow) ಮಾರ್ಜಿನ್‌ಗಳು ಕುಸಿಯುತ್ತಿರುವುದು, "AI ಚಿನ್ನದ ಹುಡುಕಾಟವು" (AI gold rush) ಲಾಭದಾಯಕತೆಯ ವಿಷಯದಲ್ಲಿ ಶೀಘ್ರದಲ್ಲೇ ಕಠಿಣ ವಾಸ್ತವವನ್ನು ಎದುರಿಸಬಹುದು ಎಂಬುದನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಮಾರುಕಟ್ಟೆಯ ಅಸ್ಥಿರತೆ: ಸೆಮಿಕಂಡಕ್ಟರ್ ಸ್ಟಾಕ್ ಮಾದರಿಗಳು ಮತ್ತು ಹೆಚ್ಚಿದ ಆಪ್ಷನ್ ಟ್ರೇಡಿಂಗ್ ಡಾಟ್‌ಕಾಂ ಬಬಲ್‌ನ ತಾಂತ್ರಿಕ ಸಾಮ್ಯತೆಗಳನ್ನು ತೋರಿಸುತ್ತಿವೆ.
• ಹಾರ್ಡ್‌ವೇರ್ ವೈವಿಧ್ಯೀಕರಣ: ವೆಚ್ಚವನ್ನು 40% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು Amazon ಮತ್ತು Google ನಂತಹ ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರು ಕಸ್ಟಮ್ ಚಿಪ್‌ಗಳನ್ನು ಬಳಸುತ್ತಿರುವುದರಿಂದ Nvidia ನ ಮಾರುಕಟ್ಟೆ ಪಾಲು ಕುಸಿಯುವ ಸಾಧ್ಯತೆಯಿದೆ.
• ಲಾಭದಾಯಕತೆಯ ಅಪಾಯಗಳು: ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟಿಂಗ್ ವೆಚ್ಚ ಮತ್ತು ಕಡಿಮೆ ವೆಚ್ಚದ, ಓಪನ್-ಸೋರ್ಸ್ (ಚೀನೀ ಮಾಡೆಲ್‌ಗಳು ಸೇರಿದಂತೆ) ಮಾಡೆಲ್‌ಗಳ ಹೆಚ್ಚುತ್ತಿರುವ ದಕ್ಷತೆಯು ಪ್ರಮುಖ AI ಪ್ರಯೋಗಾಲಯಗಳ ಮಾರ್ಜಿನ್‌ಗಳಿಗೆ ಬೆದರಿಕೆ ಹಾಕುತ್ತಿವೆ.