ಚಿಪ್‌ಗಳ ಅತಿಯಾದ ಪೂರೈಕೆಯಲ್ಲಲ್ಲದೆ, ತಪ್ಪಾದ ಹೂಡಿಕೆಯು (Malinvestment) AI ಉಲ್ಬಣವನ್ನು ಕೊನೆಗೊಳಿಸಬಹುದು

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ (AI) ಈ ಬಂಗಾರದ ಅನ್ವೇಷಣೆಯು ಪ್ರಸ್ತುತ ಅಭೂತಪೂರ್ವ ಬಂಡವಾಳ ವೆಚ್ಚದ (capital expenditure) ಚಕ್ರದಿಂದ ಚಾಲಿತವಾಗುತ್ತಿದೆ, ಆದರೆ ಅದರ ದೀರ್ಘಕಾಲೀನ ಸುಸ್ಥಿರತೆಯ ಬಗ್ಗೆ ಗಂಭೀರ ಎಚ್ಚರಿಕೆಯೊಂದು ಹೊರಹೊಮ್ಮಿದೆ. ಜೆಫರೀಸ್‌ನ (Jefferies) ಗ್ಲೋಬಲ್ ಹೆಡ್ ಆಫ್ ಇಕ್ವಿಟಿ ಸ್ಟ್ರಾಟಜಿ ಕ್ರಿಸ್ ವುಡ್ ಅವರು, AI ವ್ಯಾಪಾರವು ಬೇಡಿಕೆಯ ಕೊರತೆಯಿಂದಲ್ಲದೆ, ಲಾಭದಾಯಕತೆಯ ಬಿಕ್ಕಟ್ಟಿನಿಂದ ಕೊನೆಗೊಳ್ಳಬಹುದು ಎಂದು ಸೂಚಿಸಿದ್ದಾರೆ.

ತಪ್ಪಾದ ಹೂಡಿಕೆ (Malinvestment) ಮತ್ತು ವೃತ್ತಾಕಾರದ ಹಣಕಾಸು ಪೂರೈಕೆಯ ಅಪಾಯ

ಸಾಮಾನ್ಯವಾಗಿ ದಾಸ್ತಾನು ಹೆಚ್ಚಳ ಅಥವಾ ಪೂರೈಕೆ ಏರುಪೇರಿನಿಂದ ಕೊನೆಗೊಳ್ಳುವ ಸಾಂಪ್ರದಾಯಿಕ ಸೆಮಿಕಂಡಕ್ಟರ್ ಚಕ್ರಗಳಿಗ Unlike, ವುಡ್ ಅವರು AI ವ್ಯಾಪಾರಕ್ಕೆ "ತಪ್ಪಾದ ಹೂಡಿಕೆ"ಯನ್ನು (malinvestment) ಪ್ರಾಥಮಿಕ ಅಪಾಯವೆಂದು ಗುರುತಿಸಿದ್ದಾರೆ. ಹೈಪರ್ಸ್ಕೇಲರ್‌ಗಳು ಮತ್ತು ಪ್ರಮುಖ AI ಪ್ರಯೋಗಾಲಯಗಳು ತಾವು ಮಾಡುತ್ತಿರುವ ಬೃಹತ್ ಬಂಡವಾಳ ವೆಚ್ಚಗಳ (capex) ಮೇಲೆ ಸಮರ್ಪಕವಾದ ಲಾಭವನ್ನು ಗಳಿಸಲು ವಿಫಲವಾಗಬಹುದು ಎಂಬುದು ಇಲ್ಲಿನ ಮುಖ್ಯ ಕಳವಳವಾಗಿದೆ.

ಈ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯೊಳಗೆ ಸಂಭವನೀಯವಾಗಿ ಅಪಾಯಕಾರಿ ಎನಿಸಬಹುದಾದ 'ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್' ಅನ್ನು ವುಡ್ ಎತ್ತಿ ತೋರಿಸುತ್ತಾರೆ: ಅಂದರೆ, Nvidia ನಂತಹ ಕಂಪನಿಗಳು OpenAI ನಂತಹ AI ಪ್ರಯೋಗಾಲಯಗಳಿಗೆ ಹಣಕಾಸಿನ ನೆರವು ನೀಡುತ್ತವೆ, ನಂತರ ಆ ಪ್ರಯೋಗಾಲಯಗಳು ಅದೇ ಬಂಡವಾಳವನ್ನು ಬಳಸಿ ಹೆಚ್ಚಿನ Nvidia ಚಿಪ್‌ಗಳನ್ನು ಖರೀದಿಸುತ್ತವೆ. ಇದು ಅಲ್ಪಾವಧಿಯ ಬೆಳವಣಿಗೆಯನ್ನು ಉತ್ತೇಜಿಸಿದರೂ, ಒಂದು ದುರ್ಬಲತೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಒಂದು ವೇಳೆ ಹೂಡಿಕೆದಾರರು ಈ AI ಹೂಡಿಕೆಗಳ ದೀರ್ಘಕಾಲೀನ ಹಣ ಗಳಿಸುವ ಸಾಮರ್ಥ್ಯದ ಬಗ್ಗೆ ಅನುಮಾನ ವ್ಯಕ್ತಪಡಿಸಲು ಪ್ರಾರಂಭಿಸಿದರೆ, ಈ ವೃತ್ತಾಕಾರದ ಹಣಕಾಸು ವ್ಯವಸ್ಥೆಯು ದಿಢೀರನೆ ಕುಸಿಯಬಹುದು ಮತ್ತು ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ನೋವಿನ ವಿರಾಮವನ್ನು ಉಂಟುಮಾಡಬಹುದು.

ಬೃಹತ್ Capex ಮತ್ತು ಜೆವನ್ಸ್ ಪ್ಯಾರಾಡಾಕ್ಸ್ (Jevons Paradox)

ಪ್ರಸ್ತುತ ಕಂಡುಬರುತ್ತಿರುವ ಹೂಡಿಕೆಯ ಪ್ರಮಾಣ ಐತಿಹಾಸಿಕವಾಗಿದೆ. TSMC ತನ್ನ 2026 ರ capex ಮಾರ್ಗದರ್ಶನವನ್ನು ಕಳೆದ ವರ್ಷದ $41 ಬಿಲಿಯನ್‌ನಿಂದ ಸುಮಾರು $56 ಬಿಲಿಯನ್‌ಗೆ ಏರಿಸಿದೆ, ಮತ್ತು ಕೆಲವು ಅಂದಾಜುಗಳ ಪ್ರಕಾರ 2027 ರ ವೇಳೆಗೆ ಈ ವೆಚ್ಚವು $65–$70 ಬಿಲಿಯನ್‌ಗೆ ತಲುಪಬಹುದು. ಈ ಏರಿಕೆಯು ಈಗಾಗಲೇ ತೈವಾನಿ ಆರ್ಥಿಕತೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಉತ್ತೇಜಿಸಿದೆ, 2026 ರ ಮೊದಲ ತ್ರೈಮಾಸಿಕದಲ್ಲಿ (Q1) ವಾರ್ಷಿಕವಾಗಿ ನೈಜ GDP ಬೆಳವಣಿಗೆಯು 14.55% ತಲುಪಿದೆ.

ವುಡ್ ಇದನ್ನು "ಜೆವನ್ಸ್ ಪ್ಯಾರಾಡಾಕ್ಸ್" (Jevons Paradox) ದೃಷ್ಟಿಕೋನದಿಂದ ನೋಡುತ್ತಾರೆ—ಅಂದರೆ, ದಕ್ಷತೆ ಹೆಚ್ಚಾದಂತೆ ಒಂದು ಸಂಪನ್ಮೂಲದ (ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಕಂಪ್ಯೂಟಿಂಗ್ ಟೋಕನ್‌ಗಳು) ವೆಚ್ಚವು ಕಡಿಮೆಯಾದಾಗ, ಆ ಸಂಪನ್ಮೂಲದ ಒಟ್ಟು ಬಳಕೆ ವಾಸ್ತವವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ ಎಂಬ ಕಲ್ಪನೆ ಇದು. ಈ ವಿರೋಧಾಭಾಸವು "picks and shovels" (ಅಡಿಪಾಯದ ವ್ಯವಹಾರ ಮಾಡುವವರು) ಆಟಗಾರರಿಗೆ, ವಿಶೇಷವಾಗಿ ಮೆಮೊರಿ ಮತ್ತು DRAM ಪೂರೈಕೆದಾರರಿಗೆ ಪ್ರಯೋಜನಕಾರಿಯಾಗಿದೆ. Micron ನಂತಹ ಕಂಪನಿಗಳು ಈಗಾಗಲೇ ಈ ರಚನಾತ್ಮಕ ಬದಲಾವಣೆಯನ್ನು ಕಾಣುತ್ತಿವೆ; Micron ತನ್ನ DRAM ಪ್ರಮಾಣದ 20% ಮತ್ತು NAND ಪ್ರಮಾಣದ ಮೂರನೇ ಒಂದು ಭಾಗವನ್ನು ಒಳಗೊಂಡಂತೆ 16 ಕಾರ್ಯತಂತ್ರದ ಗ್ರಾಹಕ ಒಪ್ಪಂದಗಳಿಗೆ ಸಹಿ ಹಾಕಿದೆ, ಇವು ಹೆಚ್ಚಾಗಿ ಐದು ವರ್ಷಗಳ ಅವಧಿಯ ಒಪ್ಪಂದಗಳಾಗಿವೆ.

AI ಮಾದರಿಗಳ ಕಮೋಡಿಟೈಸೇಶನ್ (Commoditisation)

ಪ್ರೀಮಿಯಂ ಪಾಶ್ಚಿಮಾತ್ಯ AI ಪೂರೈಕೆದಾರರ ಆರ್ಥಿಕತೆಯ ಮೇಲೆ ಮತ್ತೊಂದು ಹೆಚ್ಚುತ್ತಿರುವ ಒತ್ತಡವೆಂದರೆ Large Language Models (LLMs) ಗಳ ವೇಗದ ಕಮೋಡಿಟೈಸೇಶನ್. ಉನ್ನತ ಗುಣಮಟ್ಟದ, ಕಡಿಮೆ ವೆಚ್ಚದ ಮಾದರಿಗಳ ಉದಯವು—ವಿಶೇಷವಾಗಿ ಚೀನಾದಿಂದ—ಅಮೆರಿಕ ಮೂಲದ ಕಂಪನಿಗಳ ಪ್ರಾಬಲ್ಯಕ್ಕೆ ಸವಾಲು ಹಾಕುತ್ತಿದೆ.

ಉದಾಹರಣೆಗೆ, Z.ai ನ GLM-5.2 ಬಿಡುಗಡೆಯನ್ನು ಕಾರ್ಪೊರೇಟ್ ಬಳಕೆಗೆ Anthropic ಗೆ ಸಮಾನವೆಂದು ವಿವರಿಸಲಾಗಿದೆ, ಆದರೆ ಇದು ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಕೇವಲ ಕಾಲ್ ಭಾಗದ ವೆಚ್ಚವನ್ನು ಹೊಂದಿದೆ. OpenRouter ದ ಡೇಟಾವು ಪ್ರಮಾಣದಲ್ಲಿ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಯನ್ನು ತೋರಿಸುತ್ತದೆ; ಜೂನ್ ಅಂತ್ಯದಲ್ಲಿ, ಪ್ರಮುಖ ಚೀನೀ AI ಮಾದರಿಗಳು 21.37 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳನ್ನು ಪ್ರೊಸೆಸ್ ಮಾಡಿದವು, ಇದು ಅಮೆರಿಕದ ಪ್ರಮುಖ ಮಾದರಿಗಳು ಪ್ರೊಸೆಸ್ ಮಾಡಿದ 5.76 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳಿಗಿಂತ ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಾಗಿದೆ. ಈ ಅಗ್ಗದ ಮತ್ತು ಸಮರ್ಥ ಪರ್ಯಾಯಗಳ ಹರಿವು, AI ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಮುಂಚೂಣಿಯಲ್ಲಿರುವ ಕಂಪನಿಗಳ ಲಾಭದ ಪ್ರಮಾಣದ (profit margins) ಮೇಲೆ ಭಾರಿ ಒತ್ತಡವನ್ನು ಹೇರುತ್ತದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಪ್ರಾಥಮಿಕ ಅಪಾಯ: AI ವ್ಯಾಪಾರದ ಅಂತ್ಯವು ಸಾಂಪ್ರದಾಯಿಕ ಸೆಮಿಕಂಡಕ್ಟರ್ ಅತಿಯಾದ ಪೂರೈಕೆಯಿಂದಲ್ಲದೆ, "ತಪ್ಪಾದ ಹೂಡಿಕೆ" (malinvestment) ಮತ್ತು capex ಮೇಲಿನ ಕಡಿಮೆ ಲಾಭದ ಅರಿವಿನಿಂದ ಉಂಟಾಗುವ ಸಾಧ್ಯತೆಯಿದೆ.
• ಮೆಮೊರಿಯಲ್ಲಿ ರಚನಾತ್ಮಕ ಬದಲಾವಣೆ: DRAM ಮತ್ತು ಮೆಮೊರಿ ಪೂರೈಕೆದಾರರು ಪ್ರಸ್ತುತ ಅತ್ಯಂತ ಸುರಕ್ಷಿತವಾದ "picks and shovels" ಫಲಾನುಭವಿಗಳಾಗಿದ್ದಾರೆ, ಅವರು ಬೆಲೆ ನಿರ್ಧಾರದ ಶಕ್ತಿಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳಲು ದೀರ್ಘಕಾಲದ ಕಾರ್ಯತಂತ್ರದ ಒಪ್ಪಂದಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತಿದ್ದಾರೆ.
• ಕಮೋಡಿಟೈಸೇಶನ್ ಬೆದರಿಕೆ: ಕಡಿಮೆ ವೆಚ್ಚದ, ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ AI ಮಾದರಿಗಳ (ವಿಶೇಷವಾಗಿ ಚೀನಾದಿಂದ) ವೇಗದ ಉದಯವು LLM ಭೂದೃಶ್ಯವನ್ನು ಕಮೋಡಿಟೈಸ್ ಮಾಡುತ್ತಿದೆ, ಇದು ಪಾಶ್ಚಿಮಾತ್ಯ AI ನಾಯಕರ ಹೆಚ್ಚಿನ ಲಾಭದ ಮಾದರಿಗಳಿಗೆ ಬೆದರಿಕೆಯೊಡ್ಡುತ್ತಿದೆ.