3 ٹریلین ڈالر کا AI سوال: کیا آمدنی انفراسٹرکچر کے اخراجات کا مقابلہ کر سکے گی؟
مصنوعی ذہانت (AI) کی صنعت اس وقت بھاری سرمایہ کاری (capital expenditure) اور آمدنی پیدا کرنے کی فوری ضرورت کے درمیان ایک انتہائی اہم دوڑ میں پھنسی ہوئی ہے۔ جیسے جیسے ہائپر اسکیلرز (hyperscalers) ہارڈ ویئر پر ٹریلین ڈالر خرچ کر رہے ہیں، ایک اہم سوال ابھرتا ہے: کیا سافٹ ویئر لیئر سلیکون کی بے پناہ قیمت کو جائز قرار دینے کے لیے کافی قدر پیدا کر سکے گی؟
CapEx اور آمدنی کے درمیان بڑھتا ہوا فرق
AI انفراسٹرکچر میں سرمایہ کاری کا پیمانہ حیران کن ہے۔ Sequoia کے پارٹنر ڈیوڈ کین (David Cahn)، جنہوں نے پہلے Nvidia کی 50 ارب ڈالر کی GPU آمدنی کی بنیاد پر 200 ارب ڈالر کی آمدنی کی ضرورت کا تخمینہ لگایا تھا، نے اپنی پیش گوئیوں پر نمایاں نظر ثانی کی ہے۔ مسلسل تین سالہ ہائپر اسکیلنگ کی وجہ سے، کین اب اندازہ لگاتے ہیں کہ 2026 تک AI انفراسٹرکچر پر اخراجات 1.5 ٹریلین ڈالر تک پہنچ جائیں گے۔
ان اخراجات کی تلافی کے لیے، صنعت کو اندازاً 3 ٹریلین ڈالر کی آمدنی پیدا کرنی ہوگی۔ یہ ہندسہ غالباً ایک محتاط بنیاد ہے۔ میموری کی بڑھتی ہوئی قیمتیں، مخصوص انفرنس (inference) کے لیے استعمال ہونے والے جدید چپس کی تعیناتی، اور ڈیٹا سینٹرز کی تعمیراتی لاگت میں اضافہ، CapEx کے فی گیگاواٹ (GW) کے لیے مطلوبہ آمدنی کو تیزی سے بڑھا رہا ہے۔ اگرچہ فرنٹیر لیبز (frontier labs) ترقی کر رہی ہیں—جس میں Anthropic کی ARR 60 ارب ڈالر اور OpenAI کی ARR 20 ارب ڈالر تک پہنچنے کی اطلاعات ہیں—تاہم موجودہ آمدنی اور 3 ٹریلین ڈالر کی حد کے درمیان ایک بہت بڑا فرق موجود ہے۔
ہائپر اسکیلر کا جوا اور ڈیفلیشن کا خطرہ
"Magnificent Seven" طرز کے ہائپر اسکیلرز—Google، Meta، Microsoft، اور Amazon—اس اخراجات کے بنیادی محرک ہیں۔ یہ دیو ہیکل کمپنیاں 2028 تک فری کیش فلو (free cash flow) میں بڑے اضافے پر جوا لگا رہی ہیں، جس کی بنیاد اس خیال پر ہے کہ AI خدمات ضروری اور زیادہ منافع بخش یوٹیلیٹیز بن جائیں گی۔
تاہم، اپالو (Apollo) کے چیف اکانومسٹ ٹورسٹن سلوک (Torsten Slok) ان اہم مشکلات سے خبردار کرتے ہیں جو اس حساب کتاب کو درہم برہم کر سکتی ہیں۔ دو مخصوص رجحانات "ٹوکن فیکٹری" کے بزنس ماڈل کے لیے خطرہ ہیں:
- اوپن ویٹس (Open Weights) کا عروج: تنظیمیں مہنگے فرنٹیر ماڈلز پر مکمل انحصار کرنے کے بجائے، چین سے آنے والے ماڈلز سمیت سستے، اوپن ویٹ ماڈلز کی طرف تیزی سے مائل ہو رہی ہیں۔
- ٹوکن ڈیفلیشن (Token Deflation): جیسے جیسے ماڈلز زیادہ موثر ہو رہے ہیں، فی ٹوکن قیمت تیزی سے گر رہی ہے۔ مثال کے طور پر، OpenAI کے تازہ ترین ماڈلز نے کوڈنگ کے کاموں کے لیے ٹوکن کی کارکردگی میں 54 فیصد اضافہ حاصل کیا ہے۔ اگرچہ یہ ڈویلپرز اور صارفین کے لیے ایک کامیابی ہے، لیکن یہ ان فراہم کنندگان کے لیے "race to the bottom" (قیمتوں میں مسلسل کمی کا مقابلہ) پیدا کرتا ہے جو بھاری انفراسٹرکچر اخراجات کی تلافی کے لیے ٹوکن کے زیادہ حجم پر انحصار کرتے ہیں۔
AI کی واپسی (Payback) میں ناکامی کے میکرو اکنامک اثرات
اس کے اثرات صرف ٹیک کمپنیوں کے بیلنس شیٹس تک محدود نہیں ہیں۔ چونکہ موجودہ مارکیٹ کی قیادت چند ناموں تک محدود ہے، اس لیے پورا S&P 500 اس AI سرمایہ کاری کے چکر کی کامیابی سے جڑا ہوا ہے۔
اگر ہائپر اسکیلرز 2028 تک اپنے تخمینہ شدہ کیش فلو کے اہداف کو پورا کرنے میں ناکام رہتے ہیں، تو مارکیٹ کا ردعمل نظامی (systemic) ہو سکتا ہے۔ سلوک کا کہنا ہے کہ توقع سے کم منافع صرف ایک مخصوص شعبے کی اصلاح (correction) کا باعث نہیں بنے گا، بلکہ یہ ممکنہ طور پر مجموعی معیشت کو کساد بازاری (recession) کی طرف دھکیل سکتا ہے۔ AI ایکو سسٹم کے لیے، آنے والے سال اس بات کا حتمی امتحان ہوں گے کہ آیا ذہانت (intelligence) کو اتنی تیزی سے پیسے میں بدلا جا سکتا ہے کہ وہ اسے پیدا کرنے والے ہارڈ ویئر کی بڑھتی ہوئی لاگت کا مقابلہ کر سکے۔
اہم نکات
- بڑی آمدنی کی ضرورت: 2026 تک 1.5 ٹریلین ڈالر کے تخمینہ شدہ انفراسٹرکچر اخراجات کو جائز قرار دینے کے لیے AI صنعت کو تقریباً 3 ٹریلین ڈالر کی آمدنی پیدا کرنے کی ضرورت ہے۔
- کارکردگی کا تضاد (Efficiency Paradox): ماڈل کی بہتر کارکردگی (جیسے کوڈنگ کے کاموں میں OpenAI کا 54 فیصد اضافہ) صارفین کے لیے اخراجات کم کرتی ہے لیکن ہارڈ ویئر کے لیے فنڈز فراہم کرنے والی کمپنیوں پر قیمتوں کا دباؤ ڈالتی ہے۔
- نظامی معاشی خطرہ: چونکہ ہائپر اسکیلر کی ترقی S&P 500 کا بنیادی محرک ہے، اس لیے AI سے منافع حاصل کرنے میں ناکامی وسیع تر مارکیٹ کی اصلاح یا کساد بازاری کا باعث بن سکتی ہے۔