എന്തുകൊണ്ട് ഒരു AI വിപണി തകർച്ച ഡോട്ട്-കോം തകർച്ചയേക്കാൾ വേഗത്തിലാകാം
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) കുതിച്ചുചാട്ടം വിപണിയിൽ അഭൂതപൂർവമായ ആവേശം സൃഷ്ടിച്ചിട്ടുണ്ടെങ്കിലും, വരാനിരിക്കുന്ന ഒരു വ്യവസ്ഥാപിത അപകടത്തെക്കുറിച്ച് പ്രമുഖ സാമ്പത്തിക വിദഗ്ധനായ അശ്വത് ദാമോദരൻ മുന്നറിയിപ്പ് നൽകുന്നു. മുൻപത്തെ സാങ്കേതിക വികാസങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, നിലവിലെ AI കുതിച്ചുചാട്ടം വൻതോതിലുള്ള ഭൗതിക അടിസ്ഥാന സൗകര്യങ്ങളിലും കനത്ത കടങ്ങളിലും അധിഷ്ഠിതമാണ്. ഇത് 2000-ലെ ഡോട്ട്-കോം തകർച്ചയേക്കാൾ വിനാശകരമായ ഒരു വിപണി തിരുത്തലിന് (market correction) വഴിയൊരുക്കിയേക്കാം.
അടിസ്ഥാന സൗകര്യങ്ങളുടെ കെണി: കടവും മൂല്യത്തകർച്ചയും
ന്യൂയോർക്ക് യൂണിവേഴ്സിറ്റിയിലെ പ്രൊഫസറായ അശ്വത് ദാമോദരൻ, വൻകിട സാങ്കേതിക കമ്പനികളുടെ പ്രവർത്തനരീതിയിലുണ്ടായ അടിസ്ഥാനപരമായ മാറ്റത്തെ ചൂണ്ടിക്കാട്ടുന്നു. ഡോട്ട്-കോം കാലഘട്ടത്തിൽ, കമ്പനികൾ പ്രധാനമായും കുറഞ്ഞ മൂലധനം ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നവയായിരുന്നു (capital-light), ഭൗതികമായ ചിലവുകൾ കുറഞ്ഞുകൊണ്ട് തന്നെ സോഫ്റ്റ്വെയറുകൾ വികസിപ്പിക്കാൻ അവർക്ക് സാധിച്ചിരുന്നു. എന്നാൽ ഇന്ന്, AI മത്സരത്തിന് ഡാറ്റാ സെന്ററുകളിലും പ്രത്യേക ഹാർഡ്വെയറുകളിലും വൻതോതിലുള്ള മൂലധന ചെലവുകൾ (CapEx) ആവശ്യമാണ്.
"Magnificent Seven" കമ്പനികൾ നേരിടുന്ന ഒരു നിർണ്ണായക അപകടത്തെ ദാമോദരൻ ചൂണ്ടിക്കാട്ടുന്നു: അവർ കുറഞ്ഞ മൂലധനമുള്ള സോഫ്റ്റ്വെയർ മാതൃകകളിൽ നിന്ന് കനത്ത അടിസ്ഥാന സൗകര്യ മാതൃകകളിലേക്ക് മാറുകയാണ്. പത്ത് വർഷത്തിനുള്ളിൽ മൂല്യം കുറയുന്ന (depreciate) ആസ്തികളിൽ ഈ കമ്പനികൾ കോടിക്കണക്കിന് രൂപ നിക്ഷേപിക്കുന്നുണ്ടെങ്കിലും, അതിവേഗം മാറിക്കൊണ്ടിരിക്കുന്ന AI മേഖലയിൽ ആ ഹാർഡ്വെയറുകൾ അഞ്ച് വർഷത്തിനുള്ളിൽ തന്നെ ഉപയോഗശൂന്യമായേക്കാം. ഈ വിപുലീകരണത്തിന്റെ ഭൂരിഭാഗവും കടം വാങ്ങിയാണ് നടത്തുന്നതെന്നതിനാൽ, ഒരു വിപണി തിരുത്തൽ ഓഹരി ഉടമകളെ മാത്രമല്ല ബാധിക്കുകയെന്നല്ല, മറിച്ച് അത് വിപുലമായ ഒരു സാമ്പത്തിക പ്രത്യാഘാതത്തിനും കാരണമായേക്കാം.
എന്തുകൊണ്ട് AI പരമ്പരാഗത സോഫ്റ്റ്വെയർ സ്കെയിലിംഗ് പരിശോധനയിൽ പരാജയപ്പെടുന്നു
AI, പരമ്പരാഗത സോഫ്റ്റ്വെയറുകളിലെ "സീറോ മാർജിനൽ കോസ്റ്റ്" (marginal cost of zero) എന്ന നിയമം പിന്തുടരുന്നു എന്നത് സാങ്കേതിക വ്യവസായത്തിലെ ഒരു തെറ്റായ ധാരണയാണ്. നിശ്ചിത ഉള്ളടക്ക ചിലവുകൾ (fixed content costs) വർദ്ധിച്ചുവരുന്ന ഉപഭോക്താക്കളുടെ ഇടത്തേക്ക് വിഭജിച്ചു നൽകുന്ന Netflix-ൽ നിന്ന് വ്യത്യസ്തമായി, ഓരോ തവണ ഉപയോഗിക്കുമ്പോഴും AI മോഡലുകൾക്ക് വലിയ ചിലവ് വരുന്നുവെന്ന് ദാമോദരൻ വാദിക്കുന്നു.
അദ്ദേഹം AI ബിസിനസ് മോഡലിനെ Netflix-നോടല്ല, മറിച്ച് Spotify-നോടാണ് താരതമ്യം ചെയ്യുന്നത്. Spotify-യുടെ മാതൃകയിൽ, ഓരോ പുതിയ സ്ട്രീമിംഗിനും ചിലവ് വരുന്നുണ്ട്, ഇത് ലാഭവിഹിതം (margins) കുറയ്ക്കുന്നു. അതുപോലെ, ഓരോ അധിക AI ക്വറിയും (query) വലിയ തോതിലുള്ള കമ്പ്യൂട്ടിംഗ് പവർ ഉപയോഗിക്കുന്നു. പരമ്പരാഗതമായ 'economies of scale' ഇല്ലാത്തതും, DeepSeek പോലുള്ള കുറഞ്ഞ ചിലവുള്ള എതിരാളികളിൽ നിന്നുള്ള വിലക്കുറവും കണക്കിലെടുക്കുമ്പോൾ, അതിവേഗത്തിലുള്ള വളർച്ച മൂല്യം വർദ്ധിപ്പിക്കുന്നതിന് പകരം അത് നശിപ്പിച്ചേക്കാം എന്ന് ഇത് സൂചിപ്പിക്കുന്നു.
"AI ഫീവർ ഡ്രീം" ഉം സാമൂഹിക അസ്വസ്ഥതകളും
AI-യുടെ അനുകൂലമായ വശങ്ങളെക്കുറിച്ചും (bull case) ദാമോദരൻ സംസാരിക്കുന്നുണ്ട്, എന്നാൽ അതിൽ തന്നെ നിലനിൽപ്പിനെ ബാധിക്കുന്ന അപകടങ്ങളുണ്ട്. AI അതിന്റെ പരമമായ വാഗ്ദാനം നിറവേറ്റുകയാണെങ്കിൽ—അതായത് വെറുമൊരു ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കാനുള്ള ഉപകരണം എന്നതിലുപരി മനുഷ്യന്റെ അധ്വാനത്തിന് പൂർണ്ണമായ പകരക്കാരനാവുകയാണെങ്കിൽ—അതിന്റെ സാമൂഹിക പ്രത്യാഘാതങ്ങൾ അഭൂതപൂർവ്വമായിരിക്കും.
He describes this scenario as an "AI fever dream," where the very success of the technology could lead to the displacement of up to half of all white-collar workers. While the economic returns might look impressive on a balance sheet, the "insane costs to society" created by mass job displacement represent a risk that current market valuations fail to account for.
Strategic Restraint vs. Aggressive Spending
Amidst the frenzy, Damodaran offers a surprising defense of Apple’s perceived hesitation in the AI race. While critics argue Apple is falling behind, Damodaran suggests that "undervaluing restraint" is a common mistake. By observing the massive CapEx mistakes and hardware obsolescence risks faced by its peers, Apple may be positioning itself to enter the market with more efficiency and less wasted capital.
Key Takeaways
- Structural Risk: Unlike the dot-com era, the AI boom is driven by heavy debt and massive physical infrastructure, making a crash more systemically dangerous.
- Margin Compression: AI lacks the zero-marginal-cost advantage of traditional software, functioning more like a high-cost service (similar to Spotify) than a scalable platform (like Netflix).
- Societal Impact: The most successful AI business models—those that replace human labor entirely—could trigger profound social instability and economic disruption.