ಕ್ರಿಸ್ ವುಡ್ ಎಚ್ಚರಿಕೆ: ತಪ್ಪು ಹೂಡಿಕೆಯ (Malinvestment) ಅಪಾಯವು AI ವ್ಯಾಪಾರದ ಅಂತ್ಯಕ್ಕೆ ಕಾರಣವಾಗಬಹುದು

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (Artificial Intelligence) ಮೇಲಿನ ಅತಿಯಾದ ವೆಚ್ಚವು ವಾಲ ಸ್ಟ್ರೀಟ್‌ನ ಅತ್ಯಂತ ಅನುಭವಿ ತಂತ್ರಜ್ಞರಲ್ಲಿ ಒಬ್ಬರಿಂದ ಗಂಭೀರ ಎಚ್ಚರಿಕೆಯನ್ನು ಎದುರಿಸುತ್ತಿದೆ. ಜೆಫರೀಸ್‌ನ (Jefferies) ಗ್ಲೋಬಲ್ ಹೆಡ್ ಆಫ್ ಇಕ್ವಿಟಿ ಸ್ಟ್ರಾಟಜಿ ಕ್ರಿಸ್ ವುಡ್, AI ಏಳಿಗೆಯು ಬೇಡಿಕೆಯ ಕೊರತೆಯಿಂದಾಗಿ ಕೊನೆಗೊಳ್ಳುವುದಿಲ್ಲ, ಬದಲಾಗಿ ಲಾಭದಾಯಕತೆಯ ಬಿಕ್ಕಟ್ಟಿನಿಂದಾಗಿ ಕೊನೆಗೊಳ್ಳಬಹುದು ಎಂದು ಸೂಚಿಸಿದ್ದಾರೆ.

ಅತಿಯಾದ ಪೂರೈಕೆಯನ್ನು விட ತಪ್ಪು ಹೂಡಿಕೆಯ ಅಪಾಯ ಹೆಚ್ಚು

ಇದ್ದಕ್ಕಿದ್ದಂತೆ ದಾಸ್ತಾನು ಹೆಚ್ಚಾಗುವುದು ಅಥವಾ ಪೂರೈಕೆ ಏರುಪೇರಾಗುವುದರಿಂದ ಕುಸಿಯುವ ಸಾಂಪ್ರದಾಯಿಕ ಸೆಮಿಕಂಡಕ್ಟರ್ ಚಕ್ರಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, AI ವ್ಯಾಪಾರವು 'ತಪ್ಪು ಹೂಡಿಕೆ' (malinvestment) ಎಂಬ ವಿಶಿಷ್ಟ ರಚನಾತ್ಮಕ ಅಪಾಯವನ್ನು ಎದುರಿಸುತ್ತಿದೆ ಎಂದು ವುಡ್ ವಾದಿಸುತ್ತಾರೆ. ಹೈಪರ್ಸ್ಕೇಲರ್‌ಗಳು ಮತ್ತು ಪ್ರಮುಖ AI ಪ್ರಯೋಗಾಲಯಗಳು ತಾವು ಮಾಡುತ್ತಿರುವ ಬೃಹತ್ ಬಂಡವಾಳ ವೆಚ್ಚಗಳ (capex) ಮೇಲೆ ಸಾಕಷ್ಟು ಲಾಭವನ್ನು ಗಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ಅರಿತುಕೊಂಡಾಗ AI ಏಳಿಗೆಯ "ಅಂತ್ಯ" (endgame) ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಎಂದು ಅವರು ನಂಬುತ್ತಾರೆ.

Nvidia ನಂತಹ ಕಂಪನಿಗಳು OpenAI ನಂತಹ ಸಂಸ್ಥೆಗಳಿಗೆ ಹಣಕಾಸಿನ ನೆರವು ನೀಡುತ್ತವೆ ಮತ್ತು ನಂತರ ಆ ಸಂಸ್ಥೆಗಳು ಹೆಚ್ಚಿನ Nvidia ಚಿಪ್‌ಗಳನ್ನು ಖರೀದಿಸಲು ಅದೇ ಬಂಡವಾಳವನ್ನು ಬಳಸುತ್ತವೆ ಎಂಬ ಅಸ್ಥಿರವಾದ 'ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್' ಅನ್ನು ವುಡ್ ಎತ್ತಿ ತೋರಿಸುತ್ತಾರೆ. ಈ ಚಕ್ರವು ಕ್ಷಿಪ್ರ ಬೆಳವಣಿಗೆಯನ್ನು ಉತ್ತೇಜಿಸಿದರೂ, ಇದು ಅತಿಯಾದ ಆಶಾವಾದದ ಹಣ ಗಳಿಕೆಯ (monetization) ಊಹೆಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಒಂದು ವೇಳೆ ಹೂಡಿಕೆದಾರರು AI ಸ್ಟ್ಯಾಕ್‌ನ ದೀರ್ಘಕಾಲದ ಗಳಿಕೆಯ ಬಗ್ಗೆ ಅನುಮಾನ ವ್ಯಕ್ತಪಡಿಸಲು ಪ್ರಾರಂಭಿಸಿದರೆ, ಈ ವೃತ್ತಾಕಾರದ ಹಣಕಾಸು ಮಾದರಿಯು ತೀವ್ರವಾಗಿ ಕುಸಿಯಬಹುದು.

ಬೃಹತ್ Capex ಮತ್ತು ಮೆಮೊರಿ ದೈತ್ಯರ ಉದಯ

ಪ್ರಸ್ತುತ ಹೂಡಿಕೆಯ ಪ್ರಮಾಣವು ಅಭೂತಪೂರ್ವವಾಗಿದೆ. ನಡೆಯುತ್ತಿರುವ ಅಭಿವೃದ್ಧಿಯನ್ನು ತಾನು ಕಂಡ ಅತ್ಯಂತ ನಾಟಕೀಯ ಬಂಡವಾಳ ವೆಚ್ಚದ ಚಕ್ರ (capex cycle) ಎಂದು ವುಡ್ ವಿವರಿಸುತ್ತಾರೆ. ಇದಕ್ಕೆ ಪ್ರಮುಖ ಉದಾಹರಣೆಯೆಂದರೆ TSMC, ಇದು ತನ್ನ 2026 ರ capex ಮಾರ್ಗದರ್ಶನವನ್ನು ಸುಮಾರು $56 ಬಿಲಿಯನ್‌ಗೆ ಏರಿಸಿದೆ ಮತ್ತು ಫುಬೋನ್ ರಿಸರ್ಚ್‌ನ (Fubon Research) ಅಂದಾಜಿನ ಪ್ರಕಾರ ಇದು 2027 ರ ವೇಳೆಗೆ $65–$70 ಬಿಲಿಯನ್‌ಗೆ ತಲುಪಬಹುದು. ಈ ಏರಿಕೆಯು ತೈವಾನ್ ಆರ್ಥಿಕತೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಉತ್ತೇಜಿಸಿದೆ, 2026 ರ ಮೊದಲ ತ್ರೈಮಾಸಿಕದಲ್ಲಿ ಅದರ ನೈಜ GDP ಬೆಳವಣಿಗೆಯು ವರ್ಷದಿಂದ ವರ್ಷಕ್ಕೆ 14.55% ತಲುಪಿದೆ.

ಆಸಕ್ತಿದಾಯಕ ವಿಷಯವೆಂದರೆ, ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಮಾಡೆಲ್ ಹಂತಗಳು ಅಪಾಯಗಳನ್ನು ಎದುರಿಸುತ್ತಿದ್ದರೂ, ಉದ್ಯಮದ "picks and shovels" ಅಂದರೆ ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೆಮೊರಿ ಪೂರೈಕೆದಾರರು ರಚನಾತ್ಮಕ ಪ್ರಯೋಜನಗಳನ್ನು ಪಡೆಯುತ್ತಿದ್ದಾರೆ. ದಕ್ಷತೆ ಹೆಚ್ಚಾದಂತೆ ಒಟ್ಟು ಬಳಕೆ ಮತ್ತಷ್ಟು ಹೆಚ್ಚಾಗುತ್ತದೆ ಎಂಬ 'ಜೆವನ್ಸ್ ಪ್ಯಾರಾಡಾಕ್ಸ್' (Jevons Paradox) ಅನ್ನು ವುಡ್ ಉಲ್ಲೇಖಿಸುತ್ತಾರೆ. ಇದು DRAM ಮತ್ತು ಮೆಮೊರಿಗಳನ್ನು ಕೇವಲ ಪೂರಕ ಘಟಕಗಳಿಂದ AI ಉತ್ಪಾದಕತೆಯ ಪ್ರಮುಖ ಇಂಜಿನ್‌ಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸಿದೆ. Micron ನಂತಹ ಪ್ರಮುಖ ಕಂಪನಿಗಳು ಈಗಾಗಲೇ ದೀರ್ಘಕಾಲದ ಲಾಭವನ್ನು ಪಡೆಯುತ್ತಿದ್ದು, ಅವುಗಳ DRAM ಪ್ರಮಾಣದ 20% ಮತ್ತು NAND ಪ್ರಮಾಣದ ಮೂರನೇ ಒಂದು ಭಾಗವನ್ನು ಒಳಗೊಂಡಿರುವ 16 ಕಾರ್ಯತಂತ್ರದ ಒಪ್ಪಂದಗಳನ್ನು ಮಾಡಿಕೊಂಡಿವೆ.

AI ಮಾಡೆಲ್‌ಗಳ ಕಮೋಡಿಟೈಸೇಶನ್ (Commoditization)

ಪಶ್ಚಿಮದ AI ಪೂರೈಕೆದಾರರಿಗೆ ಎದುರಾಗುತ್ತಿರುವ ದೊಡ್ಡ ಸವಾಲೆಂದರೆ Large Language Models (LLMs) ಗಳ ಕ್ಷಿಪ್ರ ಕಮೋಡಿಟೈಸೇಶನ್. ಕಾರ್ಯಕ್ಷಮತೆಯುಳ್ಳ ಮಾಡೆಲ್‌ಗಳ ವೆಚ್ಚವು ಕುಸಿಯುತ್ತಿದೆ, ವಿಶೇಷವಾಗಿ ದಕ್ಷ ಚೀನೀ ಮಾಡೆಲ್‌ಗಳ ಉದಯದಿಂದಾಗಿ ಇದು ಸಂಭವಿಸುತ್ತಿದೆ ಎಂದು ವುಡ್ ಗಮನಿಸಿದ್ದಾರೆ.

OpenRouter ದತ್ತಾಂಶವು ಒಂದು ದೊಡ್ಡ ಬದಲಾವಣೆಯನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ: ಜೂನ್ ಅಂತ್ಯದಲ್ಲಿ, ಅಗ್ರ ಚೀನೀ AI ಮಾಡೆಲ್‌ಗಳು 21.37 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳನ್ನು ಪ್ರೊಸೆಸ್ ಮಾಡಿದವು, ಇದು ಏಪ್ರಿಲ್‌ನಲ್ಲಿನ 4.37 ಟ್ರಿಲಿಯನ್‌ಗಿಂತ ಗಮನಾರ್ಹ ಏರಿಕೆಯಾಗಿದೆ. ಈ ಪ್ರಮಾಣವು ಅಮೆರಿಕದ ಅಗ್ರ ಮಾಡೆಲ್‌ಗಳು ಪ್ರೊಸೆಸ್ ಮಾಡಿದ 5.76 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳಿಗಿಂತ ಬಹಳ ಹೆಚ್ಚಾಗಿದೆ. Z.ai ನ GLM-5.2 ನಂತಹ ಮಾಡೆಲ್‌ಗಳು ಪಶ್ಚಿಮದ ಪ್ರೀಮಿಯಂ ಪೂರೈಕೆದಾರರಿಗೆ ಸಮಾನವಾದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕಾಲು ಭಾಗದ ವೆಚ್ಚದಲ್ಲಿ ನೀಡುತ್ತಿರುವುದರಿಂದ, "ಪ್ರೀಮಿಯಂ" AI ಸೇವೆಗಳ ಆರ್ಥಿಕತೆಯ ಮೇಲೆ ಒತ್ತಡ ಹೆಚ್ಚಾಗುತ್ತಿದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಮೂಲ ಅಪಾಯ: ಸಾಂಪ್ರದಾಯಿಕ ಚಿಪ್ ಅತಿಯಾದ ಪೂರೈಕೆಯನ್ನು விட, "ತಪ್ಪು ಹೂಡಿಕೆ" ಮತ್ತು ಬಂಡವಾಳದ ಮೇಲೆ ಕಡಿಮೆ ಲಾಭ ಸಿಗುತ್ತದೆ ಎಂಬ ಅರಿವಿನಿಂದಾಗಿ AI ವ್ಯಾಪಾರವು ಕೊನೆಗೊಳ್ಳುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚು.
• ಮೆಮೊರಿ ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವ: AI ಸಾಫ್ಟ್‌ವೇರ್ ಕಮೋಡಿಟೈಸೇಶನ್ ಎದುರಿಸುತ್ತಿದ್ದರೂ, ಮೆಮೊರಿ ತಯಾರಕರು (DRAM/NAND) ರಚನಾತ್ಮಕ ಬೆಲೆ ನಿರ್ಧಾರದ ಶಕ್ತಿ ಮತ್ತು ದೀರ್ಘಕಾಲದ ಒಪ್ಪಂದದ ಸ್ಥಿರತೆಯನ್ನು ಪಡೆಯುತ್ತಿದ್ದಾರೆ.
• ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್: ಚಿಪ್ ತಯಾರಕರು AI ಪ್ರಯೋಗಾಲಯಗಳಿಗೆ ಹಣಕಾಸು ನೆರವು ನೀಡುವ ವೃತ್ತಾಕಾರದ ಸಂಬಂಧವನ್ನು ಹೂಡಿಕೆದಾರರು ಗಮನಿಸಬೇಕು, ಏಕೆಂದರೆ ಈ ಚಕ್ರವು ಹೂಡಿಕೆದಾರರ ಮನಸ್ಥಿತಿಯ ಬದಲಾವಣೆಗಳಿಗೆ ಬಹಳ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ.