Insights Investing

AI की परतदार संरचना को समझना: दीर्घकालिक निवेशकों के लिए बाधाओं, मोट (टिकाऊ प्रतिस्पर्धी बढ़त) और मूल्य संचय का विश्लेषण

पॉडकास्ट · सुनें (24 मिनट)

Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market

विषय-सूची
  1. 1. कृत्रिम बुद्धिमत्ता के स्तरीय ढाँचे का विश्लेषण: अवरोध बनाम आर्थिक मूल्य संचय
  2. 2. अवसंरचना और पूँजीगत व्यय की सघनता: कृत्रिम बुद्धिमत्ता के नीचे चल रही औद्योगिक क्रांति
  3. 3. चिप, मेमोरी और मॉडल का अर्थशास्त्र: वस्तुकरण बनाम आगे बढ़ती सीमाएँ
  4. 4. निष्पादन स्तर, भौतिक AI और जेवन्स विरोधाभास
  5. 5. प्रमुख आँकड़े
  6. 6. किन बातों से हमारा दृष्टिकोण बदलेगा
  7. 7. स्रोत

कृत्रिम बुद्धिमत्ता के तकनीकी स्तरीय ढाँचे में मूल्य का संचय केवल पूर्ण भौतिक दुर्लभता से नहीं होता, बल्कि वहाँ होता है जहाँ तकनीकी अवरोध मूल्य-निर्धारण की शक्ति, मात्रा में बार-बार होने वाले विस्तार, बदलाव की लागत और निवेशित पूँजी पर उच्च वृद्धिशील रिटर्न (ROIC) से मिलते हैं। हालाँकि Chamath Palihapitiya का छह-स्तरीय ढाँचा (अवसंरचना, चिप, डेटा, मॉडल, निष्पादन, अनुप्रयोग) आधारभूत मॉडलों के आर्थिक वस्तुकरण और महत्वपूर्ण हार्डवेयर अवरोधों के उभरने को सटीक रूप से उजागर करता है, दीर्घकालिक निवेशकों को पूर्ण तकनीकी दुर्लभता और टिकाऊ इक्विटी मूल्य सृजन के बीच अंतर करना चाहिए। चूँकि विशाल स्तर पर कंप्यूटिंग सेवाएँ देने वाली कंपनियाँ पूँजी-प्रधान औद्योगिक उद्यमों में बदल रही हैं, जिनका 2026 में कंप्यूटिंग और विद्युत ग्रिड अवसंरचना पर खर्च $700B से अधिक रहने का अनुमान है, इसलिए इंट्रिंसिक वैल्यू के मूल्यांकन के लिए केवल भौतिक अवरोधों पर निर्भर रहने के बजाय फ्री कैश फ्लो (FCF) के टिकाऊपन, पूँजी-सघनता के जोखिमों और स्वामित्वाधीन कार्यप्रवाह की प्रतिपुष्टि प्रक्रियाओं का विश्लेषण आवश्यक है।

1. कृत्रिम बुद्धिमत्ता के स्तरीय ढाँचे का विश्लेषण: अवरोध बनाम आर्थिक मूल्य संचय

स्तरीय संरचना के माध्यम से कृत्रिम बुद्धिमत्ता का विश्लेषण मूलभूत विश्लेषण करने वाले निवेशकों को आवश्यक स्पष्टता देता है। Chamath Palihapitiya इस पारिस्थितिकी तंत्र को छह अलग-अलग स्तरों में बाँटते हैं: अवसंरचना (बिजली, भूमि, शीतलन, खनिज, चिप निर्माण संयंत्र), चिप (GPU/ASIC, उच्च बैंडविड्थ मेमोरी [HBM], पैकेजिंग, नेटवर्किंग), डेटा (स्वामित्वाधीन, संवेदी, रोबोटिक्स डेटा), मॉडल (आधारभूत बुद्धिमत्ता), निष्पादन (एजेंट, समन्वय, API, प्रवर्तक) और अनुप्रयोग (अंतिम उपयोगकर्ता के सॉफ्टवेयर और प्रणालियाँ)। इन स्तरों को जोड़ने वाली केंद्रीय विश्लेषणात्मक अवधारणा है "धुरी परिसंपत्ति"—एक अपरिवर्तनीय घटक, जिससे हर ऊपरी स्तर को होकर गुजरना पड़ता है और जिसका विकल्प आसानी से नहीं मिल सकता।

हालाँकि, एक पूर्ण तकनीकी अवरोध और उच्च प्रतिफल देने वाले आर्थिक मोट (टिकाऊ प्रतिस्पर्धी बढ़त) के बीच महत्वपूर्ण अंतर है। कोई परिसंपत्ति तकनीक के अनिवार्य मार्ग पर सीधे मौजूद हो सकती है, फिर भी शेयरधारकों के लिए उसके अनुपात में वित्तीय रिटर्न प्राप्त नहीं कर सकती। Graham और Buffett के ढाँचे के माध्यम से आर्थिक मोट (टिकाऊ प्रतिस्पर्धी बढ़त) का मूल्यांकन करने वाले दीर्घकालिक निवेशकों के लिए, केवल भौतिक दुर्लभता ओनर अर्निंग्स के दीर्घकालिक चक्रवृद्धि विस्तार की गारंटी नहीं देती।

ASML और NVIDIA की तुलना से यह स्थिति स्पष्ट होती है। अत्यंत पराबैंगनी (EUV) लिथोग्राफी प्रणालियों में ASML के पास एक पूर्ण, अपरिवर्तनीय तकनीकी अवरोध है; उन्नत अर्धचालक निर्माण संयंत्र ASML की मशीनों का विकल्प नहीं अपना सकते। फिर भी NVIDIA ने इक्विटी मूल्य में कहीं अधिक वृद्धि उत्पन्न की है। ASML सीमित खरीदारों के समूह को सीमित संख्या में अत्यधिक जटिल, पूँजी-सघन मशीनें बेचती है, जिससे वैश्विक टोकन खपत दोगुनी होने पर राजस्व का स्वतः विस्तार सीमित रहता है। इसके विपरीत, NVIDIA सिलिकॉन संबंधी अवरोधों को CUDA सॉफ्टवेयर उपकरण-श्रृंखला, प्रणाली संरचनाओं, NVLink नेटवर्किंग और पारिस्थितिकी तंत्र के गहरे एकीकरण से जोड़ती है। NVIDIA कृत्रिम बुद्धिमत्ता के अनुमान और प्रशिक्षण की मात्रा में बढ़ते विस्तार का लाभ सीधे प्राप्त करती है।

स्तरीय ढाँचे में आर्थिक मूल्य संचय का मूल्यांकन करने के लिए निवेशकों को दुर्लभता को अलग से मापने के बजाय एक व्यापक गुणात्मक सूत्र अपनाना चाहिए:

$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$

टिकाऊ आर्थिक रिटर्न तभी साकार होते हैं जब किसी परिचालन अवरोध को मात्रा के लचीले विस्तार, बदलाव की उच्च लागत और निवेशित पूँजी पर मजबूत वृद्धिशील रिटर्न के साथ जोड़ा जाता है।

2. अवसंरचना और पूँजीगत व्यय की सघनता: कृत्रिम बुद्धिमत्ता के नीचे चल रही औद्योगिक क्रांति

कृत्रिम बुद्धिमत्ता के स्तरीय ढाँचे के आधारभूत स्तर कम परिसंपत्तियों वाले सॉफ्टवेयर मॉडलों से पूँजी-प्रधान औद्योगिक परिचालनों की ओर संरचनात्मक बदलाव से गुजर रहे हैं। ढाँचे के आधार पर मौजूद महत्वपूर्ण अवरोध अत्यधिक भौगोलिक और कॉर्पोरेट संकेंद्रण दर्शाते हैं:

  • अर्धचालक सामग्री की दुर्लभता: कंपनी की राष्ट्रीयता के आधार पर जापानी सामग्री आपूर्तिकर्ताओं का वैश्विक अर्धचालक फोटोरेज़िस्ट बिक्री के लगभग 78% पर नियंत्रण है, और Shin-Etsu, JSR, Tokyo Ohka Kogyo तथा Fujifilm विशिष्ट उच्च-शुद्धता वाले रसायन बाजारों में प्रमुख हैं।
  • उच्च-शुद्धता क्वार्ट्ज (HPQ): अर्धचालक-स्तरीय सिलिकॉन सिल्लियों का उत्पादन पिघले हुए क्वार्ट्ज के क्रूसिबलों पर निर्भर करता है, जो North Carolina के Spruce Pine में खनन किए गए असाधारण रूप से शुद्ध क्वार्ट्ज से बनते हैं। Sibelco (दो शुद्ध अयस्क निकायों से IOTA सामग्री का उत्पादन करने वाली) और The Quartz Corp ही ऐसे आपूर्तिकर्ता हैं जो बड़े पैमाने पर आर्थिक रूप से व्यवहार्य ढंग से उन्नत, उत्कृष्ट श्रेणी के HPQ का उत्पादन करते हैं।

भौतिक कच्चे माल के अलावा, विद्युत उपयोगिता अवसंरचना भी एक गंभीर परिचालन सीमा प्रस्तुत करती है। अंतरराष्ट्रीय ऊर्जा एजेंसी (IEA) का अनुमान है कि वैश्विक डेटा-केंद्र बिजली खपत लगभग दोगुनी होगी, जो 2025 में लगभग 485 TWh से बढ़कर 2030 तक करीब 950 TWh हो जाएगी। विशाल स्तर पर कंप्यूटिंग सेवाएँ देने वाली कंपनियों का पूँजीगत व्यय 2026 में $700B से अधिक रहने का अनुमान है, जिसका मुख्य कारण डेटा-केंद्रों का विस्तार है।

अवसंरचना क्षेत्र महत्वपूर्ण अवरोध और प्रमुख आपूर्तिकर्ता आर्थिक प्रभाव और मापदंड
अर्धचालक सामग्री जापानी फोटोरेज़िस्ट (Shin-Etsu, JSR, TOK, Fujifilm) राष्ट्रीयता के आधार पर ~78% बाजार हिस्सेदारी; बिना विकल्प वाले रासायनिक इनपुट।
उच्च-शुद्धता क्वार्ट्ज Spruce Pine के अयस्क निकाय (Sibelco, The Quartz Corp) सिलिकॉन सिल्लियों के लिए पिघले हुए क्वार्ट्ज के क्रूसिबलों का एकमात्र स्रोत।
आपूर्ति योग्य ग्रिड बिजली ट्रांसफॉर्मर, स्विचगियर, UPS, अंतर्संयोजन सीमाएँ मूल बिजली उत्पादन से पहले प्रभावी होती हैं; 485 TWh $\rightarrow$ 950 TWh (IEA)।
विशाल कंप्यूटिंग कंपनियों का पूँजीगत व्यय डेटा-केंद्र विस्तार और कंप्यूटिंग त्वरण 2026 में >$700B का अनुमान (IEA); मूल्यह्रास का गंभीर प्रतिकूल दबाव।

महत्वपूर्ण बात यह है कि मूल बिजली उत्पादन निकट अवधि की मुख्य सीमा नहीं है। Johns Hopkins University का शोध दर्शाता है कि ग्रिड आपूर्ति उपकरण—विशेष रूप से ट्रांसफॉर्मर, स्विचगियर, निर्बाध बिजली आपूर्ति (UPS) प्रणालियाँ, पारेषण अंतर्संयोजन और विशेषीकृत शीतलन अवसंरचना—उत्पादन क्षमता के स्वयं मुख्य अवरोध बनने से पहले डेटा-केंद्र निर्माण को सीमित करेंगे। तत्काल आर्थिक रूप से दुर्लभ परिसंपत्ति वह आपूर्ति योग्य बिजली है जो आवश्यक वोल्टेज, स्थान और विश्वसनीयता के साथ पहुँचाई जाए।

मूल्य निवेश के दृष्टिकोण से, यह बदलाव कंपनियों के तुलन-पत्रों और रिटर्न मापदंडों पर गंभीर प्रभाव डालता है। जब विशाल कंप्यूटिंग कंपनियाँ वार्षिक पूँजीगत व्यय में $700B से अधिक लगाती हैं, तो कई अरब डॉलर की भौतिक परिसंपत्तियाँ संपत्ति, संयंत्र और उपकरण (PP&E) के रूप में तुलन-पत्रों में दर्ज होती हैं। परिचालन शुरू होते ही, तत्काल राजस्व प्राप्ति हो या न हो, सीधी रेखा पद्धति की मूल्यह्रास अनुसूचियाँ आय विवरणों को प्रभावित करती हैं। यदि राजस्व उत्पन्न करने योग्य टोकन की माँग या उद्यम सॉफ्टवेयर का अपनाया जाना भौतिक निर्माण से पीछे रह जाता है, तो निवेशित पूँजी पर रिटर्न (ROIC) और फ्री कैश फ्लो (FCF) रूपांतरण दरें अपरिशोधित अवसंरचना के बोझ तले ध्वस्त हो जाती हैं। यह स्थिति ऐतिहासिक अवसंरचना के अतिनिर्माणों से सीधे मेल खाती है, जैसे WorldCom और Global Crossing से जुड़ा दूरसंचार फाइबर संकट, जहाँ भारी पूँजीगत व्यय ने गंभीर अतिरिक्त क्षमता पैदा की और दीर्घकालिक इंटरनेट अपनाने की संभावना अंततः सही साबित होने के बावजूद इक्विटी मूल्य नष्ट कर दिया।

3. चिप, मेमोरी और मॉडल का अर्थशास्त्र: वस्तुकरण बनाम आगे बढ़ती सीमाएँ

हालाँकि सैद्धांतिक मॉडल मानते हैं कि विनिर्माण क्षमता सामान्य होने पर हार्डवेयर अवरोध समय के साथ स्वाभाविक रूप से समाप्त हो जाते हैं, अर्धचालक आपूर्ति की सीमाएँ अब भी गंभीर हैं। उच्च बैंडविड्थ मेमोरी (HBM) और उन्नत पैकेजिंग अस्थायी अड़चनों के बजाय कई वर्षों तक रहने वाले संरचनात्मक अवरोध हैं। IEA का अनुमान है कि HBM आपूर्ति की कमी कम-से-कम 2027 के अंत तक बनी रहेगी। बाजार हिस्सेदारी अत्यधिक केंद्रित बनी हुई है; Q2 2026 के लिए Counterpoint के आँकड़ों में HBM राजस्व हिस्सेदारी का अनुमान इस प्रकार है:

  • SK Hynix: 50%
  • Samsung: 33%
  • Micron: 18%

आधुनिक हार्डवेयर के मोट (टिकाऊ प्रतिस्पर्धी बढ़त) स्वतंत्र कंप्यूटिंग डाइ पर नहीं, बल्कि पूर्ण प्रणाली-स्तरीय एकीकरण पर निर्भर करते हैं: इंटरपोज़र के माध्यम से HBM के साथ एकीकृत GPU/ASIC डाइ, उन्नत पैकेजिंग, उच्च गति की नेटवर्किंग (जैसे NVLink), बिजली आपूर्ति और विशेषीकृत शीतलन। जैसे-जैसे कार्यभार मॉडल प्रशिक्षण से अनुमान की ओर जाता है, यह प्रणाली एकीकरण और अधिक महत्वपूर्ण हो जाता है। McKinsey का अनुमान है कि 2030 तक अनुमान कुल कृत्रिम बुद्धिमत्ता माँग का लगभग 60% होगा। परिणामस्वरूप, प्रतिस्पर्धा का मैदान सीधे मेमोरी बैंडविड्थ, क्षमता, विलंबता, तापीय दक्षता और प्रति उपयोगी टोकन आउटपुट बिजली खपत की ओर जा रहा है—जिससे एकीकृत हार्डवेयर विक्रेताओं के संरचनात्मक मोट (टिकाऊ प्रतिस्पर्धी बढ़त) मजबूत हो रहे हैं।

इसी समय, आधारभूत बुद्धिमत्ता मॉडलों का अर्थशास्त्र लागत में तेज गिरावट दर्शाता है। Stanford कृत्रिम बुद्धिमत्ता सूचकांक के आँकड़े बताते हैं कि GPT-3.5-स्तरीय MMLU प्रदर्शन वाला मॉडल चलाने की लागत नवंबर 2022 में लगभग $20 प्रति M टोकन से घटकर अक्टूबर 2024 में करीब $0.07 हो गई—18 महीनों में लागत में 280-गुना कमी। इसके अलावा, OECD के अध्ययन दिखाते हैं कि गुणवत्ता-समायोजित भाषा-मॉडल कीमतें जनवरी 2024 और अप्रैल 2026 के बीच लगभग 80% घटीं।

मापदंड / मापदंड का केंद्र ऐतिहासिक आधार स्तर हालिया / अनुमानित स्तर विश्लेषणात्मक महत्व
GPT-3.5 MMLU टोकन लागत $20.00 / M टोकन (नवंबर 2022) $0.07 / M टोकन (अक्टूबर 2024) बुद्धिमत्ता की प्रति इकाई लागत में 280x कमी (Stanford)।
भाषा मॉडल की कीमतें आधार स्तर (जनवरी 2024) ~80% गिरावट (अप्रैल 2026) गुणवत्ता-समायोजित आउटपुट की कीमत में तेज गिरावट (OECD)।
बंद बनाम खुले मॉडलों का प्रदर्शन अंतर बड़ा अंतर (2023) 3.3%–3.4% अंतर (मार्च 2026) आधारभूत क्षमता का वस्तुकरण (Stanford 2026 कृत्रिम बुद्धिमत्ता सूचकांक)।
उद्यम व्यय में हिस्सेदारी 35% अग्रणी मॉडल (Q3 2025) 63% अग्रणी मॉडल (Q3 2026) अत्याधुनिक तर्क क्षमता के लिए अधिक कीमत चुकाने की इच्छा (Menlo)।

कीमतों में इस गिरावट के बावजूद, आधारभूत मॉडल अभी पूरी तरह सामान्य वस्तुएँ नहीं बने हैं। मूलभूत बुद्धिमत्ता का वस्तुकरण हो रहा है—Stanford 2026 कृत्रिम बुद्धिमत्ता सूचकांक के अनुसार शीर्ष अग्रणी मॉडलों (Anthropic, xAI, Google, OpenAI) के बीच केवल 25 Arena Elo अंकों का अंतर है, और मार्च 2026 तक बंद मॉडल खुले भार वाले विकल्पों से केवल 3.3% से 3.4% आगे हैं। हालाँकि, उद्यम ग्राहक अग्रणी क्षमताओं के लिए अधिक कीमत चुकाना जारी रखते हैं। Menlo के शोध के अनुसार उद्यमों के कृत्रिम बुद्धिमत्ता व्यय में अग्रणी मॉडलों की हिस्सेदारी Q3 2025 में 35% से बढ़कर Q3 2026 में 63% हो गई।

मॉडल स्तर एक आगे बढ़ती आर्थिक सीमा के रूप में काम करता है: आधारभूत क्षमताओं का तेजी से वस्तुकरण होता है, जबकि अत्याधुनिक तर्क क्षमता मूल्य-निर्धारण की शक्ति बनाए रखती है, जिससे मॉडल डेवलपर केवल अग्रणी स्तर की बराबरी बनाए रखने के लिए लगातार भारी पूँजी निवेश वहन करने को बाध्य होते हैं।

4. निष्पादन स्तर, भौतिक AI और जेवन्स विरोधाभास

जैसे-जैसे आधारभूत मॉडल सामान्य वस्तु बनते जाते हैं, आर्थिक मूल्य निष्पादन और नियंत्रण स्तर की ओर स्थानांतरित होता है। इस मिडलवेयर परत में गतिशील मॉडल रूटिंग, टिकाऊ अवस्था-स्मृति, पहचान प्रबंधन, अनुमति प्रबंधन, मूल्यांकन, उपकरण एकीकरण और समन्वयन शामिल हैं। कॉर्पोरेट बैलेंस शीट के दृष्टिकोण से देखें तो उद्यम सॉफ्टवेयर खरीदार कच्चे आधारभूत टोकन नहीं खरीदते; वे पूरे किए गए व्यावसायिक परिणाम खरीदते हैं। निष्पादन परत संस्थागत "मिडलवेयर" के रूप में काम करती है—क्लाउड कंप्यूटिंग में Kubernetes, पहचान एवं पहुँच प्रबंधन और प्रेक्षणीयता के समान—जो उद्यमों के लिए प्रदाता बदलने की लागत को स्थापित करती है और अंतर्निहित आधार मॉडलों में उतार-चढ़ाव के बावजूद लाभ मार्जिन की रक्षा करती है। 2026 का LangChain उत्पादन सर्वेक्षण पुष्टि करता है कि बहु-मॉडल उद्यम संरचनाएँ अब मानक बन गई हैं और तैनाती की प्रमुख बाधाएँ टोकन की प्रति-इकाई लागत से हटकर निष्पादन की विश्वसनीयता, सुरक्षा और कार्य-समापन की ओर जा रही हैं।

इसी तरह, स्वामित्व वाले, परिणाम-आधारित प्रतिपुष्टि चक्रों की तुलना में सामान्य वेब प्रशिक्षण डेटा एक सामान्य वस्तु बनता जा रहा है। टिकाऊ आर्थिक मोट (टिकाऊ प्रतिस्पर्धी बढ़त) तब बनते हैं जब सॉफ्टवेयर अनुप्रयोग सीधे क्षेत्र-विशिष्ट परिचालन कार्यप्रवाहों में समाहित होते हैं, जहाँ कार्रवाइयाँ सत्यापन योग्य वास्तविक दुनिया के मूल्यांकन उत्पन्न करती हैं।

इस गतिशीलता का एक प्रमुख उदाहरण कानूनी क्षेत्र में Harvey है। Harvey सामान्य टोकन सृजन बेचने वाले एक कमजोर आधारभूत मॉडल आवरण के रूप में प्रतिस्पर्धा नहीं करता। इसके बजाय, यह सीधे कानूनी कार्यप्रवाहों में समाहित होता है और कानूनी अभिलेख प्रणालियों, वितरण, नियामकीय अनुपालन, ग्राहक विश्वास और स्वामित्व वाले प्रतिपुष्टि चक्रों को जोड़ता है (अनुबंध विश्लेषण $\rightarrow$ वकील द्वारा संशोधन $\rightarrow$ अंतिम न्यायालयीन दाखिला/समाधान)। चूँकि Harvey पूरे कार्यप्रवाह और उससे उत्पन्न परिणाम डेटा का स्वामी है, इसलिए वह प्रदाता बदलने की ऊँची लागत बनाता है और अपनी मूल्य-निर्धारण शक्ति की रक्षा करता है, जिससे हासिल किए गए व्यावसायिक परिणाम के मुकाबले अंतर्निहित आधारभूत मॉडल का चुनाव गौण हो जाता है। ऐसे ही परिणाम-आधारित प्रतिपुष्टि चक्र कोडिंग (पैच $\rightarrow$ परीक्षण परिणाम $\rightarrow$ तैनाती परिणाम), चिकित्सा (निदान $\rightarrow$ उपचार $\rightarrow$ रोगी का स्वास्थ्य परिणाम) और वित्त (बीजक $\rightarrow$ समाशोधन $\rightarrow$ विवाद समाधान) जैसे विशिष्ट क्षेत्रों में उभर रहे हैं।

भौतिक AI प्रणालियों में पूँजी आवंटन की गतिशीलता शुद्ध सॉफ्टवेयर उद्यमों के अर्थशास्त्र से मूलतः अलग होती है। सॉफ्टवेयर लगभग शून्य सीमांत लागत पर विस्तार करता है, जबकि भौतिक रोबोटिक्स के लिए सामग्री-सूची (BOM) में भारी पूँजी लगानी पड़ती है। McKinsey का अनुमान है कि सटीक एक्चुएटर मानवाकार रोबोट की BOM के 40% से 60% तक होते हैं, जबकि बैटरी मॉड्यूल का हिस्सा 5% से 10% है। इसके अलावा, CRU का अनुमान है कि प्रत्येक मानवाकार रोबोट के लिए 2 से 3 किलोग्राम NdFeB (नियोडिमियम-लोहा-बोरॉन) दुर्लभ-मृदा चुंबकों की आवश्यकता होती है। जहाँ भौतिक AI घटक दीर्घकालीन रणनीतिक विकल्पों की संभावना प्रदान करते हैं, वहीं डेटा-सेंटर की कंप्यूटिंग और मेमोरी परिसंपत्तियाँ आज तत्काल, सत्यापन योग्य नकदी प्रवाह उत्पन्न करती हैं।

भौतिक AI हार्डवेयर घटक अनुमानित BOM / संसाधन हिस्सा प्रमुख आर्थिक और आपूर्ति-शृंखला चालक
सटीक एक्चुएटर कुल BOM का 40% – 60% (McKinsey) उच्च-सटीकता वाले जोड़, गियरबॉक्स, मोटर और रिड्यूसर।
बैटरी मॉड्यूल कुल BOM का 5% – 10% (McKinsey) एक्चुएशन की तुलना में अपेक्षाकृत कम पूँजी आवंटन।
NdFeB दुर्लभ-मृदा चुंबक प्रति मानवाकार रोबोट 2 – 3 किलोग्राम (CRU) भारी दुर्लभ-मृदा तत्वों की माँग का संरचनात्मक चालक।

इस संरचनात्मक पूँजीगत व्यय विस्तार को समझने के लिए जेवन्स विरोधाभास लागू करना आवश्यक है। टोकन की प्रति-इकाई लागत में 100-गुना गिरावट कंप्यूटिंग पर कुल खर्च को कम नहीं करती; इसके बजाय, कम प्रति-इकाई कीमतें कुल टोकन खपत में विस्फोटक विस्तार को प्रेरित करती हैं। जैसे-जैसे एकल प्रश्न-उत्तर अंतःक्रियाओं की जगह निरंतर पृष्ठभूमि सिमुलेशन और स्वचालित उपकरण कॉल निष्पादित करने वाले बहु-एजेंट तर्क चक्र लेते हैं, प्रति-इकाई कीमतों में तेज गिरावट के बावजूद हार्डवेयर कंप्यूटिंग की कुल माँग तेज होती है।

पूँजी आवंटन का मूल्यांकन करने वाले दीर्घकालीन मौलिक निवेशकों के लिए टिकाऊ मूल्य अर्जन का अर्थ है केवल भौतिक दुर्लभता पर निर्भरता से बचना और ऐसे व्यवसायों को प्राथमिकता देना जिनमें उच्च वृद्धिशील ROIC, मूल्य-निर्धारण शक्ति और समाहित कार्यप्रवाह प्रतिपुष्टि चक्र हों। अधिक गहन मूल्यांकन मॉडलों और मौलिक ओनर अर्निंग्स गणनाओं में रुचि रखने वाले निवेशक DeepValues Research की वेबसाइट पर हमारे मुक्त-स्रोत कंपनी अनुसंधान का अध्ययन कर सकते हैं या DeepValues ऐप का उपयोग करके किसी भी शेयर की इंट्रिंसिक वैल्यू और सुरक्षा-मार्जिन का मूल्यांकन कर सकते हैं।

5. प्रमुख आँकड़े

  • 78%: कंपनी की राष्ट्रीयता के आधार पर सेमीकंडक्टर फोटोरेज़िस्ट बिक्री में जापानी कंपनियों की अनुमानित बाजार हिस्सेदारी।
  • >$700B: IEA के अनुसार 2026 में हाइपरस्केलरों का अनुमानित पूँजीगत व्यय, मुख्यतः डेटा-सेंटर विस्तार के लिए।
  • 485 टेरावाट-घंटे से ~950 टेरावाट-घंटे: 2025 से 2030 तक डेटा-सेंटर बिजली खपत में अनुमानित वृद्धि (IEA)।
  • 2027 का अंत: उच्च बैंडविड्थ मेमोरी (HBM) की आपूर्ति में कमी के बने रहने की अपेक्षित अवधि (IEA)।
  • 50% / 33% / 18%: Q2 2026 में क्रमशः SK Hynix, Samsung और Micron के लिए अनुमानित HBM राजस्व हिस्सेदारी (Counterpoint)।
  • प्रति M टोकन $20 से $0.07: नवंबर 2022 और अक्टूबर 2024 के बीच GPT-3.5-स्तर का MMLU प्रदर्शन चलाने की लागत में गिरावट, जो 280x कमी दर्शाती है (Stanford AI सूचकांक)।
  • ~80%: जनवरी 2024 से अप्रैल 2026 तक गुणवत्ता-समायोजित भाषा-मॉडल कीमतों में गिरावट (OECD)।
  • 25 Arena Elo अंक: मार्च 2026 तक Anthropic, xAI, Google और OpenAI के अग्रणी मॉडलों के प्रदर्शन के बीच मामूली अंतर (Stanford 2026 AI सूचकांक)।
  • 3.3%–3.4%: मार्च 2026 में सर्वश्रेष्ठ बंद-स्रोत मॉडल और सर्वश्रेष्ठ खुले-वेट मॉडल के बीच प्रदर्शन अंतर (Stanford AI सूचकांक)।
  • 35% से 63%: Q3 2025 और Q3 2026 के बीच उद्यम AI खर्च में अग्रणी मॉडलों की हिस्सेदारी में वृद्धि (Menlo अनुसंधान)।
  • 40%–60% बनाम 5%–10%: मानवाकार रोबोट की सामग्री-सूची (BOM) में एक्चुएटर बनाम बैटरी मॉड्यूल का अनुमानित अनुपात (McKinsey)।
  • 2–3 किलोग्राम: प्रति मानवाकार रोबोट NdFeB दुर्लभ-मृदा चुंबकों की अनुमानित आवश्यकता (CRU)।

6. किन बातों से हमारा दृष्टिकोण बदलेगा

  • CUDA और HBM संरचनाओं का तेजी से अप्रचलित होना: वैकल्पिक इंटरकनेक्ट या मेमोरी संरचनाओं में तेजी, जो सफलतापूर्वक HBM और NVLink को विस्थापित कर दें और 2027 से पहले प्रणाली-स्तरीय नेटवर्किंग मोट (टिकाऊ प्रतिस्पर्धी बढ़त) को कमजोर कर दें।
  • हाइपरस्केलरों के पूँजीगत व्यय में कटौती: निवेशित पूँजी पर निराशाजनक रिटर्न (ROIC) या बिजली ग्रिड से जुड़ने में गंभीर देरी के कारण हाइपरस्केलरों के >$700B वार्षिक पूँजीगत व्यय के रुझान में तीव्र अधोगामी संशोधन।
  • खुले-वेट मॉडलों का तीव्र मुद्रीकरण और ठहराव: 3.3–3.4% के अग्रणी प्रदर्शन अंतर का समाप्त होना, जिससे उद्यम ग्राहक प्रीमियम बंद मॉडलों को छोड़कर स्थानीयकृत, सस्ते खुले-वेट मॉडल अपनाएँ।
  • भौतिक AI की त्वरित तैनाती: मानवाकार रोबोटिक्स का व्यापक व्यावसायीकरण और बड़े पैमाने पर विनिर्माण 2030 से काफी पहले M इकाइयों तक पहुँच जाए, जिससे तत्काल नकदी प्रवाह से मूल्य अर्जन एक्चुएशन और चुंबक आपूर्ति-शृंखलाओं की ओर स्थानांतरित हो जाए।

7. स्रोत

AI मूल्य की व्याख्या, Chamath Palihapitiya (2025 का वार्षिक पत्र और संबंधित रूपरेखा) Stanford AI सूचकांक (Stanford University, 2024–2026 के आँकड़े) अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA) की बिजली और पूँजीगत व्यय रिपोर्टें Counterpoint Research (Q2 2026 सेमीकंडक्टर और HBM बाजार विश्लेषण) McKinsey & Company का रोबोटिक्स BOM अनुसंधान CRU Group का सामग्री और दुर्लभ-मृदा अनुसंधान OECD के भाषा-मॉडल मूल्य अध्ययन (2024–2026) Menlo Ventures का उद्यम AI खर्च अनुसंधान (2025–2026) Johns Hopkins University का अवसंरचना और डेटा-सेंटर बिजली अनुसंधान LangChain उत्पादन AI सर्वेक्षण (2026)

देखें

स्रोत लिंक

  • Decoding AI Value

देखें और सुनें

कंपनी रिसर्च

रिसर्च टेक्स्ट का लाइसेंस: CC BY 4.0। संदर्भ इस तरह दें: DeepValues Research, AI की परतदार संरचना को समझना: दीर्घकालिक निवेशकों के लिए बाधाओं, मोट (टिकाऊ प्रतिस्पर्धी बढ़त) और मूल्य संचय का विश्लेषण, https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-hi/

मुफ़्त साप्ताहिक ईमेल

Margin of Safety Weekly

हर शनिवार: बाज़ार का तापमान, महान निवेशकों ने क्या खरीदा और बेचा (13F), इस हफ़्ते की नई रिसर्च, वीडियो और पॉडकास्ट — मुफ़्त, किसी अकाउंट की ज़रूरत नहीं। ईमेल अंग्रेज़ी में आता है।

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. गोपनीयता

और आगे जानें

किसी भी स्टॉक पर यह विश्लेषण 2 मिनट में चलाएँ

Deep Value Intelligence, इस रिपोर्ट के पीछे का मल्टी-एजेंट AI विश्लेषक, किसी भी लिस्टेड कंपनी के लिए माँग पर यही रिपोर्ट तैयार करता है।

Deep Value Intelligence खोलें

DeepValues ऐप में 300+ स्टॉक ट्रैक करें

स्टांस, इंट्रिंसिक वैल्यू और ताज़ा रिपोर्ट, आपके फ़ोन पर।

डेवलपर: API से स्टांस और रिपोर्ट पाएँ

इन पन्नों के पीछे के फंडामेंटल्स, इंट्रिंसिक वैल्यू, स्टांस और रिपोर्ट लिंक, JSON में।

API दस्तावेज़

चर्चा करें