3 ട്രില്യൺ ഡോളറിന്റെ AI ചോദ്യം: വരുമാനം ഇൻഫ്രാസ്ട്രക്ചർ ചെലവുകൾക്ക് തുല്യമാകുമോ?
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) വ്യവസായം നിലവിൽ വൻതോതിലുള്ള മൂലധന ചെലവുകളും (capital expenditure) വരുമാനം ഉണ്ടാക്കാനുള്ള അടിയന്തര ആവശ്യകതയും തമ്മിലുള്ള ഒരു വലിയ മത്സരത്തിലാണ്. ഹൈപ്പർസ്കെയിലർമാർ (hyperscalers) ഹാർഡ്വെയറിൽ ട്രില്യൺ കണക്കിന് ഡോളർ നിക്ഷേപിക്കുമ്പോൾ, ഒരു നിർണ്ണായക ചോദ്യം ഉയരുന്നു: സിലിക്കണിന്റെ (silicon) വൻ ചെലവുകളെ ന്യായീകരിക്കാൻ സോഫ്റ്റ്വെയർ മേഖലയ്ക്ക് ആവശ്യമായ മൂല്യം സൃഷ്ടിക്കാൻ കഴിയുമോ?
CapEx-ഉം വരുമാനവും തമ്മിലുള്ള വർദ്ധിച്ചുവരുന്ന വ്യത്യാസം
AI ഇൻഫ്രാസ്ട്രക്ചറിലെ നിക്ഷേപത്തിന്റെ തോത് അതിശയിപ്പിക്കുന്നതാണ്. എൻവിഡിയയുടെ (Nvidia) 50 ബില്യൺ ഡോളർ GPU വരുമാനത്തെ അടിസ്ഥാനമാക്കി നേരത്തെ 200 ബില്യൺ ഡോളർ വരുമാനം ആവശ്യമാണെന്ന് കണക്കാക്കിയിരുന്ന സീക്വോയ (Sequoia) പങ്കാളി ഡേവിഡ് കാൻ (David Cahn), തന്റെ പ്രവചനങ്ങൾ ഗണ്യമായി പുതുക്കിയിരിക്കുന്നു. കഴിഞ്ഞ മൂന്ന് വർഷത്തെ നിരന്തരമായ ഹൈപ്പർസ്കെയിലിംഗ് കാരണം, 2026-ഓടെ AI ഇൻഫ്രാസ്ട്രക്ചർ ചെലവ് 1.5 ട്രില്യൺ ഡോളറിൽ എത്തുമെന്ന് കാൻ ഇപ്പോൾ കണക്കാക്കുന്നു.
ഈ ചെലവുകൾ തിരിച്ചുപിടിക്കുന്നതിന്, വ്യവസായം ഏകദേശം 3 ട്രില്യൺ ഡോളർ വരുമാനം ഉണ്ടാക്കേണ്ടതുണ്ട്. ഈ കണക്ക് ഒരു മിതമായി കണക്കാക്കിയ അടിസ്ഥാന നിരക്ക് മാത്രമായിരിക്കാം. മെമ്മറി ചെലവുകളിലെ വർദ്ധനവ്, ഇൻഫറൻസ്-പ്രത്യേക ചിപ്പുകളുടെ (inference-specific chips) വിന്യാസം, ഡാറ്റാ സെന്ററുകളുടെ നിർമ്മാണ ചെലവ് എന്നിവ CapEx-ന്റെ ഓരോ ഗിഗാവാട്ട് (GW) കണക്കിനും ആവശ്യമായ വരുമാനത്തെ ഗണ്യമായി ഉയർത്തുന്നു. ഫ്രോണ്ടിയർ ലാബുകൾ (frontier labs) വളർച്ച പ്രകടമാക്കുന്നുണ്ടെങ്കിലും—ആന്ത്രോപിക് (Anthropic) 60 ബില്യൺ ഡോളർ ARR-ലും OpenAI 20 ബില്യൺ ഡോളർ ARR-ലും എത്തിയിട്ടുണ്ടെന്ന് റിപ്പോർട്ടുകൾ പറയുന്നു—നിലവിലെ വരുമാനവും 3 ട്രില്യൺ ഡോളർ എന്ന ലക്ഷ്യവും തമ്മിൽ വലിയൊരു വ്യത്യാസമുണ്ട്.
ഹൈപ്പർസ്കെയിലർമാരുടെ പന്തയവും ഡിഫ്ലേഷന്റെ (deflation) ഭീഷണിയും
ഗൂഗിൾ (Google), മെറ്റ (Meta), മൈക്രോസോഫ്റ്റ് (Microsoft), ആമസോൺ (Amazon) തുടങ്ങിയ "മാഗ്നിഫിസെന്റ് സെവൻ" ശൈലിയിലുള്ള ഹൈപ്പർസ്കെയിലർമാരാണ് ഈ ചെലവുകളുടെ പ്രധാന പ്രേരകശക്തികൾ. AI സേവനങ്ങൾ അത്യന്താപേക്ഷിതവും ഉയർന്ന ലാഭവിഹിതം നൽകുന്നതുമായ സേവനങ്ങളായി മാറുമെന്ന വിശ്വാസത്തിൽ, 2028-ഓടെ ഫ്രീ ക്യാഷ് ഫ്ലോയിൽ (free cash flow) വലിയ വർദ്ധനവ് ഉണ്ടാകുമെന്ന് ഈ വമ്പൻ കമ്പനികൾ പന്തയം വെക്കുന്നു.
എന്നിരുന്നാലും, ഈ കണക്കുകൂട്ടലുകളെ തെറ്റിച്ചേക്കാവുന്ന വലിയ വെല്ലുവിളികളെക്കുറിച്ച് അപ്പോളോ (Apollo) ചീഫ് ഇക്കണോമിസ്റ്റ് ടോർസ്റ്റൻ സ്ലോക് (Torsten Slok) മുന്നറിയിപ്പ് നൽകുന്നു. "ടോക്കൺ ഫാക്ടറി" (token factory) ബിസിനസ് മോഡലിന് രണ്ട് പ്രവണതകൾ ഭീഷണി ഉയർത്തുന്നു:
- ഓപ്പൺ വെയ്റ്റ്സിന്റെ (Open Weights) വളർച്ച: വിലകൂടിയ ഫ്രോണ്ടിയർ മോഡലുകളെ മാത്രം ആശ്രയിക്കുന്നതിന് പകരം, ചൈനയിൽ നിന്നുള്ളവ ഉൾപ്പെടെ കുറഞ്ഞ ചിലവുള്ള ഓപ്പൺ-വെയ്റ്റ് മോഡലുകളിലേക്ക് സ്ഥാപനങ്ങൾ കൂടുതൽ മാറിക്കൊണ്ടിരിക്കുന്നു.
- ടോക്കൺ ഡിഫ്ലേഷൻ (Token Deflation): മോഡലുകൾ കൂടുതൽ കാര്യക്ഷമമാകുമ്പോൾ, ഓരോ ടോക്കണിനും നൽകേണ്ടി വരുന്ന വില കുത്തനെ കുറയുന്നു. ഉദാഹരണത്തിന്, കോഡിംഗ് ജോലികൾക്കായി OpenAI-യുടെ ഏറ്റവും പുതിയ മോഡലുകൾ ടോക്കൺ കാര്യക്ഷമതയിൽ 54% വർദ്ധനവ് കൈവരിച്ചിട്ടുണ്ട്. ഇത് ഡെവലപ്പർമാർക്കും ഉപഭോക്താക്കൾക്കും ഗുണകരമാണെങ്കിലും, വൻതോതിലുള്ള ഇൻഫ്രാസ്ട്രക്ചർ ചെലവുകൾ നികത്താൻ ഉയർന്ന ടോക്കൺ വോളിയത്തെ ആശ്രയിക്കുന്ന സേവനദാതാക്കൾക്ക് ഇത് വലിയ വെല്ലുവിളിയാണ്.
AI നിക്ഷേപം തിരിച്ചുകിട്ടാത്തതിന്റെ സാമ്പത്തിക പ്രത്യാഘാതങ്ങൾ
ഇതിന്റെ ആഘാതം ടെക് ഭീമന്മാരുടെ ബാലൻസ് ഷീറ്റുകളിൽ മാത്രം ഒതുങ്ങുന്നതല്ല. നിലവിലെ വിപണി നേതൃത്വം ഏതാനും കമ്പനികളിൽ മാത്രം കേന്ദ്രീകരിച്ചിരിക്കുന്നതിനാൽ, മുഴുവൻ S&P 500 ഇൻഡക്സും ഈ AI നിക്ഷേപ ചക്രത്തിന്റെ വിജയവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.
2028-ഓടെ ഹൈപ്പർസ്കെയിലർമാർക്ക് അവരുടെ നിക്ഷേപ ലക്ഷ്യങ്ങൾ കൈവരിക്കാൻ കഴിഞ്ഞില്ലെങ്കിൽ, വിപണിയിൽ വലിയ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാകാം. പ്രതീക്ഷിച്ചതിലും സാവധാനത്തിലാകുന്ന ലാഭം ഒരു പ്രത്യേക മേഖലയെ മാത്രം ബാധിക്കില്ലെന്നും, അത് സമ്പദ്വ്യവസ്ഥയെ സാമാന്യമായ ഒരു മാന്ദ്യത്തിലേക്ക് (recession) നയിച്ചേക്കാമെന്നും സ്ലോക് സൂചിപ്പിക്കുന്നു. AI ഇക്കോസിസ്റ്റത്തെ സംബന്ധിച്ചിടത്തോളം, ഹാർഡ്വെയറിന്റെ വർദ്ധിച്ചുവരുന്ന ചെലവുകളെ മറികടക്കാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എത്ര വേഗത്തിൽ വരുമാനമാക്കി മാറ്റാൻ കഴിയും എന്നതിന്റെ നിർണ്ണായകമായ പരിശോധനയായി വരും വർഷങ്ങൾ മാറും.
പ്രധാന കാര്യങ്ങൾ
- വൻതോതിലുള്ള വരുമാന ആവശ്യം: 2026-ഓടെ പ്രതീക്ഷിക്കുന്ന 1.5 ട്രില്യൺ ഡോളർ ഇൻഫ്രാസ്ട്രക്ചർ ചെലവുകളെ ന്യായീകരിക്കാൻ AI വ്യവസായത്തിന് ഏകദേശം 3 ട്രില്യൺ ഡോളർ വരുമാനം ഉണ്ടാക്കേണ്ടതുണ്ട്.
- കാര്യക്ഷമതയുടെ വൈരുദ്ധ്യം (Efficiency Paradox): മോഡലുകളുടെ മെച്ചപ്പെട്ട കാര്യക്ഷമത (ഉദാഹരണത്തിന് കോഡിംഗിൽ OpenAI കൈവരിച്ച 54% വർദ്ധനവ്) ഉപഭോക്താക്കളുടെ ചെലവ് കുറയ്ക്കുന്നുണ്ടെങ്കിലും, ഹാർഡ്വെയറിന് പണം നൽകുന്ന കമ്പനികൾക്ക് ഇത് വില കുറയ്ക്കാനുള്ള സമ്മർദ്ദം ഉണ്ടാക്കുന്നു.
- സാമ്പത്തിക വ്യവസ്ഥയിലുള്ള റിസ്ക്: ഹൈപ്പർസ്കെയിലർമാരുടെ വളർച്ച S&P 500-ന്റെ പ്രധാന ചാലകശക്തിയായതിനാൽ, AI നിക്ഷേയത്തിൽ നിന്ന് പ്രതീക്ഷിച്ച ലാഭം ലഭിക്കാത്തത് വിപണിയിൽ വലിയ തകർച്ചയ്ക്കോ സാമ്പത്തിക മാന്ദ്യത്തിനോ കാരണമായേക്കാം.