ചിപ്പ് അധികലഭ്യതയല്ല, മറിച്ച് തെറ്റായ നിക്ഷേപങ്ങളാണ് (Malinvestment) AI കുതിപ്പിനെ അവസാനിപ്പിക്കാൻ സാധ്യതയുള്ളത്

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) മേഖലയിലെ ഈ സുവർണ്ണകാലം നിലവിൽ അഭൂതപൂർവമായ മൂലധന ചെലവുകളുടെ (capital expenditure) ഒരു ചക്രത്താൽ നയിക്കപ്പെടുന്നുണ്ടെങ്കിലും, അതിന്റെ ദീർഘകാല നിലനിൽപ്പിനെക്കുറിച്ച് ഗൗരവകരമായ ഒരു മുന്നറിയിപ്പ് ഉയർന്നിട്ടുണ്ട്. ഡിമാൻഡിന്റെ കുറവുകൊണ്ടല്ല, മറിച്ച് ലാഭക്ഷമതയിലുണ്ടാകുന്ന പ്രതിസന്ധി മൂലമായിരിക്കാം AI വ്യാപാരം അവസാനിക്കുകയെന്ന് ജെഫറീസ് (Jefferies) ഗ്ലോബൽ ഹെഡ് ഓഫ് ഇക്വിറ്റി സ്ട്രാറ്റജി ക്രിസ് വുഡ് സൂചിപ്പിക്കുന്നു.

തെറ്റായ നിക്ഷേപത്തിന്റെയും (Malinvestment) സർക്കുലർ ഫണ്ടിംഗിന്റെയും അപകടസാധ്യത

പെട്ടെന്നുള്ള സ്റ്റോക്ക് വർദ്ധനവോ (inventory gluts) വിതരണ തടസ്സങ്ങളോ കാരണം അവസാനിക്കുന്ന പരമ്പരാഗത സെമികണ്ടക്ടർ ചക്രങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, AI വ്യാപാരത്തിന് നേരിടേണ്ടി വരുന്ന പ്രധാന അപകടസാധ്യത "തെറ്റായ നിക്ഷേപമാണ്" (malinvestment) എന്ന് വുഡ് തിരിച്ചറിയുന്നു. ഹൈപ്പർസ്കെയിലർമാരും (hyperscalers) പ്രമുഖ AI ലാബുകളും നടത്തുന്ന വൻതോതിലുള്ള മൂലധന ചെലവുകൾക്ക് (capex) മതിയായ ലാഭം (return) ഉണ്ടാക്കാൻ അവർക്ക് കഴിഞ്ഞെന്നു വരില്ല എന്നതാണ് ഇതിലെ പ്രധാന ആശങ്ക.

ഈ ഇക്കോസിസ്റ്റത്തിനുള്ളിലെ അപകടകരമായ ഒരു ഫീഡ്‌ബാക്ക് ലൂപ്പിനെക്കുറിച്ച് വുഡ് ചൂണ്ടിക്കാട്ടുന്നു: എൻവിഡിയ (Nvidia) പോലുള്ള കമ്പനികൾ ഓപ്പൺ എഐ (OpenAI) പോലുള്ള AI ലാബുകൾക്ക് സാമ്പത്തിക സഹായം നൽകുകയും, ആ ലാബുകൾ ആ പണം ഉപയോഗിച്ച് കൂടുതൽ എൻവിഡിയ ചിപ്പുകൾ വാങ്ങുകയും ചെയ്യുന്ന ഒരു സർക്കുലർ ഫണ്ടിംഗ് രീതിയാണിത്. ഇത് ഹ്രസ്വകാല വളർച്ചയ്ക്ക് സഹായിക്കുമെങ്കിലും ഒരു വലിയ ദുർബലത സൃഷ്ടിക്കുന്നു. ഈ AI നിക്ഷേപങ്ങളിൽ നിന്ന് ദീർഘകാലാടിസ്ഥാനത്തിൽ വരുമാനം ഉണ്ടാക്കാനുള്ള കഴിവിനെക്കുറിച്ച് നിക്ഷേപകർക്ക് സംശയം തോന്നിയാൽ, ഈ ഫീഡ്‌ബാക്ക് ലൂപ്പ് പെട്ടെന്ന് തകരാം, ഇത് വിപണിയിൽ വലിയൊരു തടസ്സത്തിന് കാരണമായേക്കാം.

വൻതോതിലുള്ള മൂലധന ചെലവും (Capex) ജെവോൺസ് പാരഡോക്സും (Jevons Paradox)

നിലവിൽ കാണുന്ന നിക്ഷേപത്തിന്റെ തോത് ചരിത്രപരമാണ്. ടിഎസ്‌എംസി (TSMC) തങ്ങളുടെ 2026-ലെ മൂലധന ചെലവ് (capex) മാർഗ്ഗനിർദ്ദേശം കഴിഞ്ഞ വർഷത്തെ 41 ബില്യൺ ഡോളറിൽ നിന്ന് ഏകദേശം 56 ബില്യൺ ഡോളറായി ഉയർത്തിയിട്ടുണ്ട്. 2027 ആയേക്കും ഈ ചെലവ് 65–70 ബില്യൺ ഡോളറിലെത്താം എന്ന് ചില പ്രവചനങ്ങൾ സൂചിപ്പിക്കുന്നു. ഈ കുതിപ്പ് തായ്‌വാൻ സമ്പദ്‌വ്യവസ്ഥയെ ഇതിനകം തന്നെ ഗണ്യമായി മെച്ചപ്പെടുത്തിയിട്ടുണ്ട്; 2026-ന്റെ ആദ്യ പാദത്തിൽ തായ്‌വാന്റെ യഥാർത്ഥ ജിഡിപി (GDP) വളർച്ച വർഷം തോറും 14.55% ആണ് രേഖപ്പെടുത്തിയത്.

വുഡ് ഇതിനെ "ജെവോൺസ് പാരഡോക്സ്" (Jevons Paradox) എന്ന കാഴ്ചപ്പാടിലൂടെയാണ് കാണുന്നത്—അതായത്, കാര്യക്ഷമത വർദ്ധിക്കുന്നത് കാരണം ഒരു വിഭവത്തിന്റെ (ഇവിടെ കമ്പ്യൂട്ടിംഗ് ടോക്കണുകൾ) ചിലവ് കുറയുമ്പോൾ, ആ വിഭവത്തിന്റെ മൊത്തത്തിലുള്ള ഉപയോഗം യഥാർത്ഥത്തിൽ വർദ്ധിക്കുന്നു എന്ന ആശയമാണിത്. ഈ പാരഡോക്സ് "പിക്സ് ആൻഡ് ഷോവൽസ്" (picks and shovels) മേഖലയിലുള്ളവർക്ക്, പ്രത്യേകിച്ച് മെമ്മറി, DRAM വിതരണക്കാർക്ക് ഗുണകരമാണ്. മൈക്രോൺ (Micron) പോലുള്ള കമ്പനികൾ ഈ ഘടനാപരമായ മാറ്റം ഇതിനകം തന്നെ അനുഭവിക്കുന്നുണ്ട്. മൈക്രോൺ തങ്ങളുടെ DRAM വോളിയത്തിന്റെ 20 ശതമാനവും NAND വോളിയത്തിന്റെ മൂന്നിലൊന്നും ഉൾക്കൊള്ളുന്ന 16 തന്ത്രപരമായ ഉപഭോക്തൃ കരാറുകളിൽ ഒപ്പുവെച്ചിട്ടുണ്ട്, ഇവ പലതും അഞ്ച് വർഷത്തെ കാലാവധിയുള്ളവയാണ്.

AI മോഡലുകളുടെ കൊമോഡിറ്റൈസേഷൻ (Commoditisation)

പാശ്ചാത്യ രാജ്യങ്ങളിലെ പ്രീമിയം AI സേവനദാതാക്കളുടെ സാമ്പത്തിക ലാഭക്ഷമതയ്ക്ക് മേൽ മറ്റൊരു സമ്മർദ്ദം വർദ്ധിച്ചുവരുന്നത് ലാർജ് ലാംഗ്വേജ് മോഡലുകളുടെ (LLMs) അതിവേഗത്തിലുള്ള കൊമോഡിറ്റൈസേഷൻ (സാധാരണവൽക്കരണം) മൂലമാണ്. ഉയർന്ന ഗുണനിലവാരമുള്ളതും എന്നാൽ കുറഞ്ഞ ചിലവിലുള്ളതുമായ മോഡലുകൾ—പ്രത്യേകിച്ച് ചൈനയിൽ നിന്നുള്ളവ—അമേരിക്കൻ കമ്പനികളുടെ ആധിപത്യത്തെ വെല്ലുവിളിക്കുന്നു.

ഉദാഹരണത്തിന്, Z.ai പുറത്തിറക്കിയ GLM-5.2 കോർപ്പറേറ്റ് ആവശ്യങ്ങൾക്കായി ആന്ത്രോപിക് (Anthropic) മോഡലുകൾക്ക് തുല്യമാണെന്ന് പറയപ്പെടുന്നുണ്ടെങ്കിലും, ഒരു ടോക്കണിന് അതിന്റെ നാലിലൊന്ന് ചിലവ് മാത്രമേ ഇതിനുണ്ട്. ഓപ്പൺറൂട്ടറിൽ (OpenRouter) നിന്നുള്ള വിവരങ്ങൾ പ്രകാരം വോളിയത്തിൽ വലിയൊരു മാറ്റം കാണാം; ജൂൺ അവസാനത്തോടെ, പ്രമുഖ ചൈനീസ് AI മോഡലുകൾ 21.37 ട്രില്യൺ ടോക്കണുകൾ പ്രോസസ്സ് ചെയ്തപ്പോൾ, പ്രമുഖ യുഎസ് മോഡലുകൾ പ്രോസസ്സ് ചെയ്തത് 5.76 ട്രില്യൺ ടോക്കണുകൾ മാത്രമാണ്. കുറഞ്ഞ ചിലവിലുള്ളതും എന്നാൽ മികച്ച പ്രകടനമുള്ളതുമായ ഇത്തരം ബദൽ മാർഗങ്ങളുടെ വരവ്, AI മത്സരത്തിൽ മുന്നിൽ നിൽക്കുന്ന കമ്പനികളുടെ ലാഭവിഹിതത്തിന് (profit margins) വലിയ സമ്മർദ്ദം ചെലുത്തുന്നു.

പ്രധാന കാര്യങ്ങൾ

• പ്രധാന അപകടസാധ്യത: പരമ്പരാഗതമായ സെമികണ്ടക്ടർ അധികലഭ്യതയേക്കാൾ ഉപരിയായി, "തെറ്റായ നിക്ഷേപവും" (malinvestment) മൂലധന ചെലവുകളിൽ നിന്നുള്ള കുറഞ്ഞ ലാഭവും തിരിച്ചറിയപ്പെടുന്നത് വഴിയാകാം AI വ്യാപാരത്തിന്റെ അവസാനം സംഭവിക്കുക.
• മെമ്മറി മേഖലയിലെ ഘടനാപരമായ മാറ്റം: DRAM, മെമ്മറി വിതരണക്കാർ നിലവിൽ ഏറ്റവും സുരക്ഷിതരായ "പിക്സ് ആൻഡ് ഷോവൽസ്" ഗുണഭോക്താക്കളാണ്; തങ്ങളുടെ വില നിയന്ത്രണ ശേഷി നിലനിർത്താൻ അവർ ദീർഘകാല തന്ത്രപരമായ കരാറുകൾ പ്രയോജനപ്പെടുത്തുന്നു.
• കൊമോഡിറ്റൈസേഷൻ ഭീഷണി: കുറഞ്ഞ ചിലവിലുള്ളതും ഉയർന്ന പ്രകടനമുള്ളതുമായ AI മോഡലുകളുടെ (പ്രത്യേകിച്ച് ചൈനയിൽ നിന്നുള്ളവ) അതിവേഗത്തിലുള്ള വളർച്ച LLM മേഖലയെ ഒരു കൊമോഡിറ്റി (സാധാരണവൽക്കരിക്കപ്പെട്ട ഉൽപ്പന്നം) ആക്കി മാറ്റുകയും, പാശ്ചാത്യ AI കമ്പനികളുടെ ഉയർന്ന ലാഭവിഹിതമുള്ള മോഡലുകൾക്ക് ഭീഷണിയാവുകയും ചെയ്യുന്നു.