ஏன் ஒரு AI சந்தை வீழ்ச்சி டாட்-காம் (Dot-Com) சரிவை விட வேகமாக இருக்கலாம்

செயற்கை நுண்ணறிவு (AI) எழுச்சி முன்னெப்போதும் இல்லாத சந்தை உற்சாகத்தைத் தூண்டியுள்ளது, ஆனால் பிரபல நிதி நிபுணர் Aswath Damodaran ஒரு நெருக்கடியான அமைப்பு ரீதியான அபாயத்தைப் பற்றி எச்சரிக்கிறார். முந்தைய தொழில்நுட்ப சுழற்சிகளைப் போலல்லாமல், தற்போதைய AI எழுச்சி மிகப்பெரிய உடல் ரீதியான உள்கட்டமைப்பு மற்றும் அதிகப்படியான கடன் ஆகியவற்றின் அடிப்படையில் கட்டமைக்கப்பட்டுள்ளது. இது 2000-ஆம் ஆண்டின் டாட்-காம் சரிவை விட மிகவும் அழிவுகரமான ஒரு சந்தை திருத்தத்திற்கு (market correction) வழிவகுக்கும் சூழலை உருவாக்குகிறது.

உள்கட்டமைப்பு பொறி: கடன் மற்றும் தேய்மானம்

நியூயார்க் பல்கலைக்கழகப் பேராசிரியரான Aswath Damodaran, தொழில்நுட்ப ஜாம்பவான்கள் செயல்படும் முறையில் ஏற்பட்டுள்ள ஒரு அடிப்படை மாற்றத்தை சுட்டிக்காட்டுகிறார். டாட்-காம் காலத்தில், நிறுவனங்கள் பெரும்பாலும் குறைந்த மூலதனத் தேவை கொண்டவையாக (capital-light) இருந்தன, மிகக் குறைந்த உடல் ரீதியான செலவினங்களுடன் மென்பொருட்களை விரிவுபடுத்தின. ஆனால் இன்று, AI போட்டிக்காக தரவு மையங்கள் (data centers) மற்றும் சிறப்பு வன்பொருட்களில் (specialized hardware) மிகப்பெரிய மூலதனச் செலவுகள் (CapEx) தேவைப்படுகின்றன.

"Magnificent Seven" நிறுவனங்களுக்கு உள்ள ஒரு முக்கியமான அபாயத்தை Damodaran சுட்டிக்காட்டுகிறார்: அவை குறைந்த மூலதன மென்பொருள் மாதிரிகளிலிருந்து கனமான உள்கட்டமைப்பு மாதிரிகளுக்கு மாறி வருகின்றன. இந்த நிறுவனங்கள் பத்து ஆண்டுகளில் தேய்மானம் அடையும் சொத்துக்களில் பில்லியன் கணக்கான டாலர்களை முதலீடு செய்கின்றன, இருப்பினும் வேகமாக மாறிவரும் AI சூழலில், அந்த வன்பொருட்கள் வெறும் ஐந்து ஆண்டுகளில் காலாவதியாகிவிடக்கூடும். இந்த விரிவாக்கத்தின் பெரும்பகுதி கடன்கள் மூலம் நிதியளிக்கப்படுவதால், சந்தை திருத்தம் என்பது பங்குதாரர்களை மட்டும் பாதிக்காது—அது ஒரு பரந்த பொருளாதாரத் தாக்கத்தையும் (ripple effect) ஏற்படுத்தும்.

ஏன் AI பாரம்பரிய மென்பொருள் விரிவாக்கச் சோதனையில் தோல்வியடைகிறது

தொழில்நுட்பத் துறையில் நிலவும் ஒரு பொதுவான தவறான கருத்து என்னவென்றால், AI என்பது மென்பொருட்களின் பாரம்பரிய "பூஜ்ஜிய விளிம்புச் செலவு" (marginal cost of zero) விதியைப் பின்பற்றுகிறது என்பதாகும். Damodaran இது ஒரு மாயை என்று வாதிடுகிறார். நிலையான உள்ளடக்கச் செலவுகளை (fixed content costs) விரிவடைந்து வரும் சந்தாதாரர் தளத்திற்குப் பரப்பக்கூடிய Netflix போலல்லாமல், AI மாதிரிகள் ஒவ்வொரு தனிப்பட்ட தொடர்பிற்கும் (interaction) குறிப்பிடத்தக்க செலவுகளைச் சந்திக்கின்றன.

அவர் AI வணிக மாதிரியை Netflix உடன் ஒப்பிடுவதை விட Spotify உடன் ஒப்பிடுகிறார். Spotify மாதிரியில், ஒவ்வொரு புதிய ஸ்ட்ரீமிங்கும் (stream) ஒரு செலவை ஏற்படுத்துகிறது, இது குறைந்த லாப வரம்பிற்கு (thin margins) வழிவகுக்கிறது. அதேபோல், ஒவ்வொரு கூடுதல் AI வினவும் (query) விலையுயர்ந்த கணினித் திறனை (compute power) பயன்படுத்துகிறது. பாரம்பரிய அளவிலான பொருளாதார நன்மைகள் (economies of scale) இல்லாததும், DeepSeek போன்ற குறைந்த விலை போட்டியாளர்களிடமிருந்து வரக்கூடிய விலை வீழ்ச்சியும் இணைந்து, வேகமான வளர்ச்சி மதிப்பை உருவாக்குவதற்குப் பதிலாக உண்மையில் அதை அழித்துவிடக்கூடும் என்பதை உணர்த்துகின்றன.

"AI காய்ச்சல் கனவு" மற்றும் சமூகக் குழப்பம்

Damodaran AI-க்கான "bull case" (நேர்மறையான வாய்ப்பு) குறித்தும் பேசுகிறார், இது அதன் சொந்த வாழ்வாதார அபாயங்களைக் கொண்டுள்ளது. AI அதன் இறுதி வாக்குறுதியை நிறைவேற்றினால்—அதாவது வெறும் உற்பத்தித் திறன் கருவியாக மட்டுமல்லாமல், மனித உழைப்பிற்கு முழுமையான மாற்றாக மாறினால்—அதன் சமூக விளைவுகள் முன்னெப்போதும் இல்லாத வகையில் இருக்கும்.

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.