ख्रिस वूड यांचा इशारा: चुकीच्या गुंतवणुकीचा (Malinvestment) धोका AI ट्रेडचा अंत करू शकतो

आर्टिफिशियल इंटेलिजन्स (AI) मधील खर्च वेगाने वाढत असताना, वॉल स्ट्रीटमधील सर्वात अनुभवी रणनीतिकारांपैकी एकाने गंभीर इशारा दिला आहे. जेफरीजचे (Jefferies) ग्लोबल हेड ऑफ इक्विटी स्ट्रॅटेजी, ख्रिस वूड यांच्या मते, AI मधील तेजी मागणीच्या अभावामुळे नाही, तर नफा कमावण्यातील संभाव्य संकटामुळे संपू शकते.

पुरवठ्याच्या अतिरेकापेक्षा चुकीच्या गुंतवणुकीचा (Malinvestment) धोका जास्त

पारंपारिक सेमीकंडक्टर सायकल सहसा अचानक साठ्यामध्ये झालेली वाढ किंवा पुरवठ्यातील धक्क्यांमुळे कोसळतात, परंतु वूड यांचा असा युक्तिवाद आहे की AI ट्रेडसमोर 'मॅलइन्व्हेस्टमेंट' (चुकीची गुंतवणूक) नावाचा एक वेगळा संरचनात्मक धोका आहे. त्यांच्या मते, जेव्हा हायपरस्केलर्स आणि आघाडीचे AI लॅब्स त्यांना करत असलेल्या प्रचंड भांडवली खर्चावर (capex) पुरेसा परतावा मिळवू शकणार नाहीत, तेव्हा AI तेजीचा "अंतिम टप्पा" (endgame) सुरू होईल.

वूड यांनी एका संभाव्य धोकादायक 'फीडबॅक लूप'कडे लक्ष वेधले आहे, जिथे Nvidia सारख्या कंपन्या OpenAI सारख्या संस्थांना वित्तपुरवठा करतात आणि त्यानंतर त्या संस्था तोच भांडवल वापरून अधिक Nvidia चिप्स खरेदी करतात. जरी ही चक्रीय प्रक्रिया वेगाने वाढीस मदत करत असली, तरी ती नफा कमावण्याच्या आशावादी गृहितकांवर मोठ्या प्रमाणावर अवलंबून आहे. जर गुंतवणूकदारांनी AI स्टॅकच्या दीर्घकालीन कमाईच्या स्पष्टतेवर शंका घ्यायला सुरुवात केली, तर हे चक्रीय फंडिंग मॉडेल वेगाने कोलमडू शकते.

प्रचंड भांडवली खर्च (Capex) आणि मेमरी क्षेत्रातील दिग्गज कंपन्यांचा उदय

सध्याच्या गुंतवणुकीचे प्रमाण अभूतपूर्व आहे. वूड यांनी सध्या सुरू असलेल्या उभारणीला त्यांनी आतापर्यंत पाहिलेला "सर्वात नाट्यमय capex सायकल" असे वर्णन केले आहे. याचे प्रमुख उदाहरण म्हणजे TSMC, ज्याने आपला २०२६ चा capex अंदाज वाढवून सुमारे ५६ अब्ज डॉलर्स केला आहे, तर फ्युबॉन रिसर्चच्या (Fubon Research) अंदाजानुसार २०२७ पर्यंत तो ६५-७० अब्ज डॉलर्सपर्यंत पोहोचू शकतो. या वाढीमुळे तैवानच्या अर्थव्यवस्थेला मोठी चालना मिळाली असून, २०२६ च्या पहिल्या तिमाहीत (Q1) वार्षिक जीडीपी (GDP) वाढ १४.५५% वर पोहोचली आहे.

विशेष म्हणजे, सॉफ्टवेअर आणि मॉडेल लेयर्सना जोखीम असली तरी, या उद्योगाचे "पिक्स अँड शॉव्हल्स" (picks and shovels) म्हणजेच मेमरी पुरवठादारांना संरचनात्मक फायदा होत आहे. वूड यांनी 'जेव्हॉन्स पॅराडॉक्स'चा (Jevons Paradox) उल्लेख केला आहे, जिथे वाढलेली कार्यक्षमता एकूण वापरामध्ये अधिक वाढ घडवून आणते. यामुळे DRAM आणि मेमरी हे केवळ दुय्यम घटक न राहता AI उत्पादकतेचे मुख्य इंजिन बनले आहेत. Micron सारख्या मोठ्या कंपन्या आधीच दीर्घकालीन लाभ मिळवत आहेत; त्यांनी १६ धोरणात्मक करार केले असून, त्याद्वारे त्यांच्या DRAM व्हॉल्यूमच्या २०% आणि NAND व्हॉल्यूमच्या एक तृतीयांश भागावर नियंत्रण मिळवले आहे.

AI मॉडेल्सचे कमोडिटायझेशन (Commoditization)

पाश्चात्य AI पुरवठादारांसाठी 'लार्ज लँग्वेज मॉडेल्स'चे (LLMs) वेगाने होणारे कमोडिटायझेशन ही एक मोठी अडचण आहे. वूड यांच्या मते, कार्यक्षम चिनी मॉडेल्सच्या उदयामुळे उच्च-कार्यक्षम मॉडेल्सच्या किमती वेगाने कमी होत आहेत.

OpenRouter च्या डेटावरून एक मोठा बदल दिसून येतो: जूनच्या अखेरीस, आघाडीच्या चिनी AI मॉडेल्सनी २१.३७ ट्रिलियन टोकन्सवर प्रक्रिया केली, जी एप्रिलमधील ४.३७ ट्रिलियनच्या तुलनेत मोठी वाढ आहे. हे प्रमाण अमेरिकेच्या आघाडीच्या मॉडेल्सनी प्रक्रिया केलेल्या ५.७६ ट्रिलियन टोकन्सपेक्षा कितीतरी जास्त आहे. Z.ai चे GLM-5.2 सारखी मॉडेल्स पाश्चात्य प्रीमियम पुरवठादारांच्या तुलनेत केवळ एक चतुर्थांश किमतीत जवळपास समान कामगिरी देत असल्याने, "प्रीमियम" AI सेवांच्या आर्थिक मॉडेलवर दबाव वाढत आहे.

महत्त्वाचे मुद्दे

• मुख्य जोखीम: AI ट्रेड पारंपारिक चिप्सच्या अतिपुरवठ्यामुळे नाही, तर "मॅलइन्व्हेस्टमेंट" (चुकीची गुंतवणूक) आणि भांडवलावरील कमी परतावा या गोष्टींची जाणीव झाल्यामुळे संपण्याची शक्यता जास्त आहे.
• मेमरी क्षेत्राची लवचिकता: AI सॉफ्टवेअरला कमोडिटायझेशनचा सामना करावा लागत असताना, मेमरी उत्पादक (DRAM/NAND) संरचनात्मक किंमत निर्धारण शक्ती (pricing power) आणि दीर्घकालीन करारांची स्थिरता मिळवत आहेत.
• फीडबॅक लूप: गुंतवणूकदारांनी चिप निर्मात्यांनी AI लॅब्सना करत असलेल्या वित्तपुरवठ्याच्या चक्रीय संबंधांवर लक्ष ठेवावे, कारण हे चक्र गुंतवणूकदारांच्या मानसिकतेतील बदलांना अत्यंत संवेदनशील असते.