AI का कर्ज़ी उछाल लंबे समय तक नहीं चल सकता, छिपा हुआ उधार $1.65T तक पहुंचा

मूल लेख ↗ Hacker News चर्चा ↗

AI infrastructure पर बढ़ते capital expenditures को अनुमानित $1.65 ट्रिलियन के कर्ज़ से वित्तपोषित किया जा रहा है, जिससे यह चिंता बढ़ रही है कि hyperscalers और उनके lenders ऐसी तकनीक पर जरूरत से ज़्यादा दांव लगा रहे हैं जिसकी मौजूदा revenues अभी इस खर्च को उचित नहीं ठहरातीं। टिप्पणीकार बहस करते हैं कि क्या यह dot-com या subprime mortgages जैसे पुराने bubbles जैसा है; वे नोट करते हैं कि भले ही AI की दीर्घकालिक संभावनाएँ मजबूत हों, लेकिन गलत समय पर या leveraged bets बड़े stock market losses और pension funds, insurers, तथा व्यापक अर्थव्यवस्था तक spillover पैदा कर सकते हैं। अन्य लोगों का तर्क है कि सबसे बड़ी tech कंपनियों के पास crash झेलने के लिए पर्याप्त diversified cash flow है, लेकिन उन्हें चिंता है कि अगर AI investments को “too strategic to fail” माना गया तो अंततः taxpayers को इसकी लागत उठानी पड़ सकती है.

AI ऋण का पैमाना और प्रणालीगत जोखिम

  • चर्चा का केंद्र लगभग ~$1.65T के AI‑संबंधित कर्ज़ और यह सवाल है कि क्या यह “अस्तित्वगत” है।
  • कुछ लोगों का तर्क है कि यह बहुत बड़ा है, लेकिन hyperscalers के AI‑पूर्व free cash flow को देखते हुए संभालने लायक है; यहाँ तक कि AI पर कुल लिख-ऑफ भी कुछ वर्षों में चुकाया जा सकता है।
  • अन्य कहते हैं कि stock crashes, wealth effects, और stressed credit markets फिर भी recession को ट्रिगर कर सकते हैं।
  • चिंता यह है कि कर्ज़ का बड़ा हिस्सा insurers, pension funds, PE, और छोटे खिलाड़ियों के पास है, जिससे second-order effects मामूली नहीं रहेंगे।
  • कई लोग नोट करते हैं कि जब तक lending स्पष्ट रूप से “रुकती” दिखती है, तब तक crash पहले ही शुरू हो चुका होता है।

बबल बनाम दीर्घकालिक तकनीक

  • इस बात पर तीखा मतभेद है कि क्या हम “AI bubble” के आख़िरी चरणों में हैं या लंबे boom की शुरुआत में।
  • dot-com, housing, railroads, और fiber से तुलना की जाती है: तकनीक बची और फली-फूली, लेकिन कई शुरुआती निवेशक साफ़ हो गए।
  • मुख्य चिंता: massive capex और circular financing का वास्तविक AI revenue और moats से आगे निकल जाना, जबकि मांग का बड़ा हिस्सा सिर्फ़ कुछ labs चला रहे हैं।
  • अन्य लोग ज़ोर देते हैं कि compute demand टिकाऊ है, tools पहले ही दैनिक काम का केंद्रीय हिस्सा बन चुके हैं, और AI “played out” होने से बहुत दूर है।

जोखिम कौन उठाएगा और bailout

  • बार-बार यह डर जताया जाता है कि 2008 की तरह, अंततः किसी भी bailout का बिल आम जनता को ही भरना पड़ेगा।
  • कुछ लोगों को संदेह है कि “we can’t let China win” वाली rhetoric का इस्तेमाल AI overbuilders को बचाने के लिए किया जा सकता है।
  • diversified hyperscalers (जो शायद घायल होंगे लेकिन बच जाएंगे) और pure-play AI/datacenter firms के बीच अंतर किया जाता है, जिन्हें संभावित “sacrificial lambs” माना जाता है।

आम लोगों का एक्सपोज़र

  • इस पर बहस कि क्या कोई “directly immune” हो सकता है:
    • एक पक्ष: AI stocks और retirement plans से बचो, और direct hits से बच जाओगे।
    • दूसरा पक्ष: recessions, layoffs, बिजली और hardware की कीमतें, और taxpayer-funded bailouts लगभग सभी को प्रभावित करेंगे।

इन्फ्रास्ट्रक्चर और depreciation की बहस

  • AI datacenters की तुलना railroads/fiber से की जाती है:
    • आलोचक: GPUs और models जल्दी depreciate होते हैं और लगातार भारी खर्च मांगते हैं; tracks/fiber के विपरीत, ये टिकाऊ, कम-maintenance assets नहीं हैं।
    • जवाब: सभी infrastructure depreciate करता है और maintenance मांगता है; फर्क प्रकार का नहीं, मात्रा का है।

AI का perceived value और trajectory

  • कुछ प्रतिभागियों का कहना है कि अब LLMs उनके workflow पर हावी हैं और पर्याप्त मासिक fees को न्यायसंगत ठहराएंगे।
  • अन्य लोग सिद्धांत के आधार पर corporate AI offerings को खारिज करते हैं या open models को प्राथमिकता देते हैं, फिर भी tools की ताकत स्वीकार करते हैं।
  • एक उद्धृत AI exec मानता है कि मौजूदा revenues अभी capex को justify नहीं करते, लेकिन खर्च को भविष्य के, recursively improving systems के लिए नींव रखने के रूप में पेश करता है।