ചിപ്പ് അധികലഭ്യതയല്ല, മറിച്ച് തെറ്റായ നിക്ഷേപമാണ് (Malinvestment) AI ട്രേഡിന്റെ അവസാനം കുറിച്ചേക്കാം

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) മുന്നേറ്റം ചരിത്രത്തിലെ ഏറ്റവും വലിയ മൂലധന ചെലവുകളുടെ (capex) ഒരു ഘട്ടത്തിന് വഴിയൊരുക്കുന്നുണ്ടെങ്കിലും, അതിന്റെ സുസ്ഥിരതയെക്കുറിച്ച് ഗൗരവകരമായ ഒരു മുന്നറിയിപ്പ് ഉയർന്നിട്ടുണ്ട്. ജെഫറീസ് (Jefferies) ഗ്ലോബൽ ഹെഡ് ഓഫ് ഇക്വിറ്റി സ്ട്രാറ്റജി ക്രിസ് വുഡ് സൂചിപ്പിക്കുന്നത്, AI ട്രേഡിന്റെ അന്ത്യം ചിപ്പുകളുടെ കുറവ് മൂലമാകില്ലെന്നും, മറിച്ച് നിക്ഷേപത്തിൽ നിന്നുള്ള ലാഭക്ഷമതയിലുള്ള വിശ്വാസ്യത തകരുന്നതിലൂടെയാകുമെന്നുമാണ്.

തെറ്റായ നിക്ഷേപത്തിന്റെ (Malinvestment) ഭീഷണി

പെട്ടെന്നുള്ള വിതരണ വർദ്ധനവോ സ്റ്റോക്ക് അടിഞ്ഞുകൂടലോ കാരണം അവസാനിക്കുന്ന പരമ്പരാഗത സെമികണ്ടക്ടർ ചക്രങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, AI യുഗം നേരിടുന്നത് 'തെറ്റായ നിക്ഷേപം' (malinvestment) എന്ന സവിശേഷമായ ഘടനാപരമായ റിസ്ക് ആണെന്ന് വുഡ് വാദിക്കുന്നു. ഹൈപ്പർസ്കെയിലർമാരും (hyperscalers) പ്രമുഖ AI ലാബുകളും അവർ വിനിയോഗിക്കുന്ന വൻതോതിലുള്ള മൂലധനത്തിന് മതിയായ ലാഭം ഉണ്ടാക്കാൻ കഴിയാതെ വരുന്നു എന്നതാണ് ഇതിലെ പ്രധാന അപകടം.

ഈ ഇക്കോസിസ്റ്റത്തിനുള്ളിലെ ആശങ്കാജനകമായ ഒരു "സർക്കുലർ ഫണ്ടിംഗ്" (circular funding) രീതിയെ വുഡ് ചൂണ്ടിക്കാട്ടുന്നു. ഉദാഹരണത്തിന്, എൻവിഡിയ (Nvidia) ഓപ്പൺ എഐ (OpenAI) പോലുള്ള സ്ഥാപനങ്ങൾക്ക് സാമ്പത്തിക സഹായം നൽകുന്നുണ്ട്, ഈ സ്ഥാപനങ്ങൾ ആ മൂലധനം ഉപയോഗിച്ച് കൂടുതൽ എൻവിഡിയ ചിപ്പുകൾ വാങ്ങുന്നു. ഇത് ഹ്രസ്വകാലത്തിൽ ശക്തമായ മുന്നേറ്റം സൃഷ്ടിക്കുന്നുണ്ടെങ്കിലും, AI സാങ്കേതികവിദ്യയുടെ ദീർഘകാല വരുമാനക്ഷമതയിൽ നിക്ഷേപകർ സംശയം പ്രകടിപ്പിക്കാൻ തുടങ്ങിയാൽ ഇത് പെട്ടെന്ന് തകരാൻ സാധ്യതയുള്ള ഒരു ഫീഡ്‌ബാക്ക് ലൂപ്പ് സൃഷ്ടിക്കുന്നു.

വൻതോതിലുള്ള മൂലധന ചെലവും (Capex) റിസ്ക് കേന്ദ്രീകരണവും

നിലവിൽ കാണുന്ന നിക്ഷേപത്തിന്റെ തോത് അഭൂതപൂർവമാണ്. ലോകത്തിലെ മുൻനിര ഫൗണ്ടറിയായ ടിഎസ്എംസി (TSMC), തങ്ങളുടെ 2026-ലെ മൂലധന ചെലവ് (capex) കണക്ക് കഴിഞ്ഞ വർഷത്തെ 41 ബില്യൺ ഡോളറിൽ നിന്ന് ഏകദേശം 56 ബില്യൺ ഡോളറായി ഉയർത്തിയിട്ടുണ്ട്. ഫുബോൺ റിസർച്ചിന്റെ (Fubon Research) പ്രവചനമനുസരിച്ച്, ഇത് 2027 ആയപ്പോഴേക്കും 65 ബില്യൺ മുതൽ 70 ബില്യൺ ഡോളർ വരെയാകാം.

ഈ കുതിച്ചുചാട്ടം പ്രാദേശിക സമ്പദ്‌വ്യവസ്ഥകളെ ഇതിനകം തന്നെ മാറ്റിമറിച്ചുകൊണ്ടിരിക്കുകയാണ്. തായ്‌വാനിൽ, AI സംബന്ധമായ ആവശ്യകതയുടെ സ്വാധീനം വ്യക്തമാണ്; 2026-ന്റെ ആദ്യ പാദത്തിൽ യഥാർത്ഥ ജിഡിപി (GDP) വളർച്ച വർഷം തോറും 14.55% ആയി ഉയർന്നു. കൂടാതെ, 2026-ൽ ടിഎസ്എംസിയുടെ ആകെ വരുമാനത്തിന്റെ ഏകദേശം 31% AI സംബന്ധമായ ആവശ്യകതകളിൽ നിന്നായിരിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു, ഇത് ആഗോള സമ്പദ്‌വ്യവസ്ഥ എത്രത്തോളം AI ഇൻഫ്രാസ്ട്രക്ചറിൽ കേന്ദ്രീകരിക്കപ്പെടുന്നു എന്നതിനെ അടിവരയിടുന്നു.

AI മോഡലുകളുടെ കൊമോഡിറ്റൈസേഷൻ (Commoditisation)

ലാർജ് ലാംഗ്വേജ് മോഡലുകളുടെ (LLMs) അതിവേഗത്തിലുള്ള കൊമോഡിറ്റൈസേഷൻ (സാധാരണവൽക്കരണം) മറ്റൊരു സമ്മർദ്ദമേഖലയാണ്. കാര്യക്ഷമത വർദ്ധിക്കുകയും ചെലവ് കുറയുകയും ചെയ്തതോടെ, പാശ്ചാത്യ AI സേവനദാതാക്കളുടെ "പ്രീമിയം" മേധാവിത്വത്തിന് വെല്ലുവിളി ഉയരുന്നു. Z.ai-യുടെ GLM-5.2 പോലുള്ള ചൈനീസ് മോഡലുകളുടെ വളർച്ചയെ വുഡ് ചൂണ്ടിക്കാട്ടുന്നു; ഇവ പാശ്ചാത്യ മോഡലുകൾക്ക് സമാനമായ പ്രകടനം നാലിലൊന്ന് ചിലവിൽ നൽകുന്നു എന്നാണ് റിപ്പോർട്ടുകൾ പറയുന്നത്.

ഈ മാറ്റത്തെ ഡാറ്റാ പിന്തുണയ്ക്കുന്നു; ഓപ്പൺറൂട്ടർ (OpenRouter) പ്ലാറ്റ്‌ഫോമിൽ, ജൂൺ അവസാനത്തോടെ പ്രമുഖ ചൈനീസ് AI മോഡലുകൾ 21.37 ട്രില്യൺ ടോക്കണുകൾ പ്രോസസ്സ് ചെയ്തു, ഇത് ഏപ്രിലിലെ 4.37 ട്രില്യൺ എന്നതിൽ നിന്നുള്ള വലിയ കുതിച്ചുചാട്ടമാണ്. പ്രമുഖ യുഎസ് മോഡലുകൾ പ്രോസസ്സ് ചെയ്ത 5.76 ട്രില്യൺ ടോക്കണുകളേക്കാൾ ഇത് വളരെ കൂടുതലാണ്, ഇത് വിപണിയിൽ കടുത്ത മത്സരവും വിലക്കുറവിനോടുള്ള താല്പര്യവും സൂചിപ്പിക്കുന്നു.

ശ്രദ്ധ "പിക്സ് ആൻഡ് ഷോവൽസ്" (Picks and Shovels) മേഖലയിലേക്ക് മാറുന്നു

ഈ മുന്നറിയിപ്പുകൾക്കിടയിലും, പെട്ടെന്നൊരു തകർച്ച വരാൻ സാധ്യതയില്ലെന്ന് വുഡ് പ്രവചിക്കുന്നു. പകരം, ഈ വ്യവസായത്തിന്റെ "പിക്സ് ആൻഡ് ഷോവൽസ്" (അതായത് അടിസ്ഥാനപരമായ ഉപകരണങ്ങൾ)—പ്രത്യേകിച്ച് DRAM, മെമ്മറി സപ്ലയർമാർ—ലേക്ക് ഒരു തന്ത്രപരമായ മാറ്റം അദ്ദേഹം നിർദ്ദേശിക്കുന്നു. ജെവോൺസ് പാരഡോക്സ് (Jevons Paradox) അനുസരിച്ച്, കമ്പ്യൂട്ടിംഗ് കൂടുതൽ കാര്യക്ഷമവും വില കുറഞ്ഞതും ആകുന്നത് അനുസരിച്ച്, മൊത്തത്തിലുള്ള ഉപയോഗം വർദ്ധിക്കുകയും അത് ഹാർഡ്‌വെയർ ദാതാക്കൾക്ക് ഗുണകരമാവുകയും ചെയ്യുന്നു.

മൈക്രോൺ (Micron) പോലുള്ള പ്രമുഖ കമ്പനികൾ തങ്ങളുടെ DRAM, NAND വോളിയങ്ങളുടെ വലിയൊരു ഭാഗം ഉൾക്കൊള്ളുന്ന അഞ്ച് വർഷത്തെ തന്ത്രപരമായ കരാറുകളിൽ ഒപ്പുവെക്കുന്നത് പോലുള്ള ഘടനാപരമായ മാറ്റങ്ങളിലൂടെ തങ്ങളുടെ സ്ഥാനം ഉറപ്പാക്കിക്കഴിഞ്ഞു. ഇത് AI സോഫ്റ്റ്‌വെയർ മേഖല ലാഭക്ഷമത തെളിയിക്കാൻ പാടുപെട്ടാൽ പോലും, മെമ്മറി നിർമ്മാതാക്കൾക്ക് മികച്ച വില നിയന്ത്രണശേഷിയും സ്ഥിരതയും നൽകുന്നു.

പ്രധാന കാര്യങ്ങൾ

• യഥാർത്ഥ റിസ്ക്: പരമ്പരാഗതമായ ചിപ്പ് അധികലഭ്യതയേക്കാൾ ഉപരിയായി, "തെറ്റായ നിക്ഷേപം" (malinvestment)—അതായത് വൻതോതിലുള്ള മൂലധന ചെലവുകളിൽ നിന്ന് ഹൈപ്പർസ്കെയിലർമാർക്ക് മതിയായ ലാഭം ലഭിക്കാത്ത സാഹചര്യം—കാരണമായിരിക്കാനാണ് AI ട്രേഡിന്റെ അവസാനം വരാൻ സാധ്യത കൂടുതൽ.
• മോഡൽ കൊമോഡിറ്റൈസേഷൻ: കുറഞ്ഞ ചിലവിലുള്ളതും ഉയർന്ന പ്രകടനമുള്ളതുമായ ചൈനീസ് AI മോഡലുകളുടെ അതിവേഗത്തിലുള്ള വളർച്ച, പാശ്ചാത്യ പ്രീമിയം AI സേവനദാതാക്കളുടെ സാമ്പത്തിക ലാഭക്ഷമതയിൽ വലിയ സമ്മർദ്ദം ചെലുത്തുന്നു.
• ഹാർഡ്‌വെയർ കരുത്ത്: ദീർഘകാല വിൽപ്പന കരാറുകൾ ഉറപ്പാക്കാനും വില നിയന്ത്രിക്കാനുമുള്ള ശേഷി ഉള്ളതിനാൽ, മെമ്മറി, DRAM നിർമ്മാതാക്കൾ (SK Hynix, Samsung എന്നിവരെപ്പോലെ) ഏറ്റവും ശക്തമായ ഗുണഭോക്താക്കളായി തുടരുന്നു.