Insights Investing

مصنوعی ذہانت کی تہہ دار ساخت کی تفہیم: طویل مدتی سرمایہ کاروں کے لیے رکاوٹوں، معاشی حصاروں اور قدر کے جمع ہونے کا تجزیہ

پوڈکاسٹ · سنیں (24 منٹ)

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

فہرست
  1. 1. مصنوعی ذہانت کی تہہ دار ساخت کا تجزیہ: رکاوٹیں بمقابلہ معاشی قدر کا جمع ہونا
  2. 2. بنیادی ڈھانچہ اور سرمایہ جاتی اخراجات کی شدت: مصنوعی ذہانت کے نیچے برپا صنعتی انقلاب
  3. 3. چپس، میموری اور ماڈلز کی معاشیات: عام تجارتی شے بننا بمقابلہ بدلتی ہوئی حدود
  4. 4. عمل درآمد کی سطحیں، طبعی AI، اور جیونز کا تضاد
  5. 5. اہم اعداد و شمار
  6. 6. کن باتوں سے ہماری رائے بدلے گی
  7. 7. ماخذ

مصنوعی ذہانت کی تکنیکی تہہ دار ساخت میں قدر محض مطلق مادی قلت سے نہیں، بلکہ ان مقامات پر جمع ہوتی ہے جہاں تکنیکی رکاوٹیں قیمت مقرر کرنے کی قوت، حجم میں مسلسل توسیع، تبدیلی کی لاگت اور سرمایہ کاری شدہ سرمائے پر بلند اضافی منافع (ROIC) سے ملتی ہیں۔ اگرچہ Chamath Palihapitiya کا چھ تہوں پر مشتمل خاکہ (بنیادی ڈھانچہ، چپس، ڈیٹا، ماڈلز، عمل درآمد، اطلاق) بنیادی ماڈلز کے معاشی طور پر عام تجارتی شے بننے اور اہم ہارڈویئر رکاوٹوں کے ابھرنے کو درست طور پر نمایاں کرتا ہے، تاہم طویل مدتی سرمایہ کاروں کو مطلق تکنیکی قلت اور پائیدار حصص یافتگان کی قدر کی تخلیق میں فرق کرنا چاہیے۔ جب انتہائی بڑے پیمانے کے کلاؤڈ فراہم کنندگان بھاری سرمایہ درکار صنعتی اداروں میں تبدیل ہو رہے ہیں، جن کے بارے میں تخمینہ ہے کہ وہ 2026 میں کمپیوٹنگ اور بجلی کے گرڈ کے بنیادی ڈھانچے پر $700B سے زیادہ خرچ کریں گے، تو حقیقی قدر کا جائزہ لینے کے لیے محض مادی رکاوٹوں پر انحصار کرنے کے بجائے فری کیش فلو کی پائیداری، سرمائے کی شدت کے خطرات اور اختصاصی طریقۂ کار کے بازخوردی چکروں کا تجزیہ ضروری ہے۔

1. مصنوعی ذہانت کی تہہ دار ساخت کا تجزیہ: رکاوٹیں بمقابلہ معاشی قدر کا جمع ہونا

تہہ دار ساخت کے ذریعے مصنوعی ذہانت کا تجزیہ بنیادی عوامل پر توجہ دینے والے سرمایہ کاروں کو ضروری وضاحت فراہم کرتا ہے۔ Chamath Palihapitiya اس ماحولیاتی نظام کو چھ الگ تہوں میں تقسیم کرتے ہیں: بنیادی ڈھانچہ (بجلی، زمین، ٹھنڈک، معدنیات، چپ سازی کے کارخانے)، چپس (GPUs/ASICs، بلند بینڈوڈتھ میموری [HBM]، پیکیجنگ، نیٹ ورکنگ)، ڈیٹا (اختصاصی، حسی، روبوٹکس کا ڈیٹا)، ماڈلز (بنیادی ذہانت)، عمل درآمد (ایجنٹس، ہم آہنگی، APIs، حرکت پیدا کرنے والے آلات)، اور اطلاق (حتمی صارف کا سافٹ ویئر اور نظام)۔ ان تہوں کو جوڑنے والا مرکزی تجزیاتی تصور "محوری اثاثہ" ہے—ایک ناقابلِ بدل جزو جس سے ہر بالائی تہہ کو گزرنا پڑتا ہے اور جس کا متبادل آسانی سے فراہم نہیں کیا جا سکتا۔

تاہم، ایک مطلق تکنیکی رکاوٹ اور زیادہ منافع دینے والے معاشی حصار کے درمیان اہم فرق موجود ہے۔ کوئی اثاثہ تکنیکی طور پر ناگزیر راستے میں براہِ راست موجود ہو سکتا ہے، مگر حصص یافتگان کے لیے اسی تناسب سے مالی منافع حاصل نہ کرے۔ Graham اور Buffett کے فریم ورک کے ذریعے معاشی حصاروں کا جائزہ لینے والے طویل مدتی سرمایہ کاروں کے لیے، صرف مادی قلت مالکان کی آمدنی میں طویل مدتی مرکب نمو کی ضمانت نہیں دیتی۔

ASML اور NVIDIA کا موازنہ اس عمل کو واضح طور پر ظاہر کرتا ہے۔ ASML کے پاس انتہائی بالائے بنفشی (EUV) لیتھوگرافی نظاموں میں ایک مطلق، ناقابلِ بدل تکنیکی رکاوٹ ہے؛ جدید سیمی کنڈکٹر کارخانے ASML کی مشینری کا متبادل استعمال نہیں کر سکتے۔ پھر بھی NVIDIA نے حصص کی قدر میں کہیں زیادہ اضافہ پیدا کیا ہے۔ ASML خریداروں کے ایک محدود گروہ کو محدود تعداد میں انتہائی پیچیدہ، بھاری سرمایہ درکار مشینیں فروخت کرتی ہے، جس سے عالمی ٹوکن کھپت دوگنی ہونے پر آمدنی کا خودکار طور پر بڑھنا محدود رہتا ہے۔ اس کے برعکس، NVIDIA سلیکون کی رکاوٹوں کو CUDA سافٹ ویئر ٹول چین، نظامی ساختوں، NVLink نیٹ ورکنگ اور ماحولیاتی نظام کے گہرے انضمام سے جوڑتی ہے۔ NVIDIA مصنوعی ذہانت کے استدلالی استعمال اور تربیت میں حجم کی بڑھتی ہوئی لچک سے براہِ راست فائدہ اٹھاتی ہے۔

تہہ دار ساخت میں معاشی قدر کے جمع ہونے کا جائزہ لینے کے لیے سرمایہ کاروں کو قلت کو الگ سے ناپنے کے بجائے ایک جامع معیاری فارمولہ استعمال کرنا چاہیے:

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

پائیدار معاشی منافع صرف اس وقت وجود میں آتا ہے جب عملی رکاوٹ حجم کی لچک، تبدیلی کی بلند لاگت اور سرمایہ کاری شدہ سرمائے پر مضبوط اضافی منافع کے ساتھ ملتی ہے۔

2. بنیادی ڈھانچہ اور سرمایہ جاتی اخراجات کی شدت: مصنوعی ذہانت کے نیچے برپا صنعتی انقلاب

مصنوعی ذہانت کی ساخت کی بنیادی تہیں کم اثاثوں والے سافٹ ویئر ماڈلز سے بھاری سرمایہ درکار صنعتی سرگرمیوں کی جانب ساختی تبدیلی سے گزر رہی ہیں۔ ساخت کی بنیاد میں اہم رکاوٹیں انتہائی جغرافیائی اور کارپوریٹ ارتکاز ظاہر کرتی ہیں:

  • سیمی کنڈکٹر مواد کی قلت: کمپنی کی قومیت کے لحاظ سے جاپانی مواد فراہم کنندگان عالمی سیمی کنڈکٹر فوٹوریزسٹ فروخت کے تقریباً 78% کو کنٹرول کرتے ہیں، جبکہ Shin-Etsu، JSR، Tokyo Ohka Kogyo اور Fujifilm مخصوص انتہائی خالص کیمیائی منڈیوں پر غالب ہیں۔
  • انتہائی خالص کوارٹز (HPQ): سیمی کنڈکٹر معیار کے سلیکون انگوٹ کی پیداوار پگھلے ہوئے کوارٹز کی کٹھالیوں پر منحصر ہے، جو شمالی کیرولائنا کے سپروس پائن میں کان کنی سے حاصل ہونے والے غیر معمولی خالص کوارٹز سے بنتی ہیں۔ Sibelco (جو خالص خام دھات کے دو ذخائر سے IOTA مواد تیار کرتی ہے) اور The Quartz Corp وہ واحد فراہم کنندگان ہیں جو بڑے پیمانے پر جدید، اعلیٰ معیار کا HPQ معاشی طور پر قابلِ عمل انداز میں تیار کرتے ہیں۔

مادی خام مال کے علاوہ، بجلی کی فراہمی کا بنیادی ڈھانچہ ایک شدید عملی پابندی پیش کرتا ہے۔ بین الاقوامی توانائی ایجنسی (IEA) کا تخمینہ ہے کہ عالمی ڈیٹا مراکز کی بجلی کی کھپت تقریباً دوگنی ہو جائے گی، جو 2025 میں تقریباً 485 TWh سے بڑھ کر 2030 تک تقریباً 950 TWh ہو گی۔ انتہائی بڑے پیمانے کے کلاؤڈ فراہم کنندگان کے سرمایہ جاتی اخراجات 2026 میں $700B سے تجاوز کرنے کا تخمینہ ہے، جس کا بنیادی محرک ڈیٹا مراکز کی توسیع ہے۔

بنیادی ڈھانچے کا شعبہ اہم رکاوٹ اور بنیادی فراہم کنندگان معاشی اثر اور پیمانے
سیمی کنڈکٹر مواد جاپانی فوٹوریزسٹ (Shin-Etsu, JSR, TOK, Fujifilm) قومیت کے لحاظ سے ~78% مارکیٹ حصہ؛ ناقابلِ بدل کیمیائی خام مواد۔
انتہائی خالص کوارٹز سپروس پائن کے خام دھات کے ذخائر (Sibelco, The Quartz Corp) سلیکون انگوٹس کے لیے پگھلے ہوئے کوارٹز کی کٹھالیوں کا واحد ذریعہ۔
قابلِ ترسیل گرڈ بجلی ٹرانسفارمرز، سوئچ گیئر، UPS، باہمی رابطے خام بجلی کی پیداوار سے پہلے پابندیاں مؤثر ہوتی ہیں؛ 485 TWh $\rightarrow$ 950 TWh (IEA)۔
انتہائی بڑے پیمانے کے کلاؤڈ فراہم کنندگان کے سرمایہ جاتی اخراجات ڈیٹا مراکز کی توسیع اور کمپیوٹنگ میں تیزی 2026 میں >$700B کا تخمینہ (IEA)؛ فرسودگی کے شدید منفی اثرات۔

اہم بات یہ ہے کہ محض بجلی کی پیداوار قریب المدت کی بنیادی حد نہیں ہے۔ Johns Hopkins University کی تحقیق ظاہر کرتی ہے کہ گرڈ کی ترسیلی سازوسامان—خصوصاً ٹرانسفارمرز، سوئچ گیئر، بلاتعطل بجلی کی فراہمی (UPS) کے نظام، ترسیلی باہمی رابطے اور مخصوص ٹھنڈک کا بنیادی ڈھانچہ—ڈیٹا مراکز کی تعمیر کو محدود کریں گے، اس سے پہلے کہ پیداواری صلاحیت خود بنیادی رکاوٹ بن جائے۔ فوری طور پر معاشی لحاظ سے نایاب اثاثہ وہ قابلِ ترسیل بجلی ہے جو مطلوبہ وولٹیج، مقام اور قابلِ اعتماد معیار پر فراہم کی جائے۔

قدری سرمایہ کاری کے نقطۂ نظر سے، یہ تبدیلی کمپنیوں کی بیلنس شیٹس اور منافع کے پیمانوں پر شدید اثر ڈالتی ہے۔ جب انتہائی بڑے پیمانے کے کلاؤڈ فراہم کنندگان سالانہ سرمایہ جاتی اخراجات میں $700B سے زیادہ لگاتے ہیں، تو کئی ارب ڈالر کے مادی اثاثے جائیداد، پلانٹ اور سازوسامان (PP&E) کے طور پر بیلنس شیٹس میں داخل ہوتے ہیں۔ فعال ہونے کے بعد، یکساں سالانہ فرسودگی کے شیڈول آمدنی کے گوشواروں پر اثر انداز ہوتے ہیں، چاہے فوری آمدنی حاصل ہو یا نہ ہو۔ اگر آمدنی پیدا کرنے کے قابل ٹوکن طلب یا کاروباری سافٹ ویئر کو اپنانے کی رفتار مادی تعمیرات سے پیچھے رہ جائے، تو سرمایہ کاری شدہ سرمائے پر منافع (ROIC) اور فری کیش فلو (FCF) میں تبدیلی کی شرحیں اس بنیادی ڈھانچے کے بوجھ تلے گر جاتی ہیں جس کی لاگت ابھی اخراجات میں منتقل نہیں ہوئی۔ یہ عمل تاریخی طور پر بنیادی ڈھانچے کی ضرورت سے زیادہ تعمیر کی براہِ راست عکاسی کرتا ہے، جیسے WorldCom اور Global Crossing سے متعلق ٹیلی کام فائبر کا انہدام، جہاں بڑے سرمایہ جاتی اخراجات نے شدید اضافی صلاحیت پیدا کی اور حصص کی قدر تباہ کر دی، باوجود اس کے کہ طویل مدتی انٹرنیٹ اختیار کرنے کا رجحان بالآخر درست ثابت ہوا۔

3. چپس، میموری اور ماڈلز کی معاشیات: عام تجارتی شے بننا بمقابلہ بدلتی ہوئی حدود

اگرچہ نظریاتی ماڈلز فرض کرتے ہیں کہ پیداواری صلاحیت معمول پر آنے کے ساتھ ہارڈویئر رکاوٹیں وقت کے ساتھ قدرتی طور پر ختم ہو جاتی ہیں، سیمی کنڈکٹر کی رسد کی پابندیاں شدید برقرار ہیں۔ بلند بینڈوڈتھ میموری (HBM) اور جدید پیکیجنگ عارضی مشکلات کے بجائے کئی سالہ ساختی رکاوٹیں ہیں۔ IEA کا تخمینہ ہے کہ HBM کی رسد کی قلت کم از کم 2027 کے اختتام تک برقرار رہے گی۔ مارکیٹ حصہ انتہائی مرتکز ہے؛ Q2 2026 کے لیے Counterpoint کے اعداد و شمار HBM کی آمدنی میں حصے کا تخمینہ یوں لگاتے ہیں:

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

جدید ہارڈویئر کے معاشی حصار الگ تھلگ کمپیوٹنگ ڈائیز پر نہیں، بلکہ مکمل نظامی سطح کے انضمام پر منحصر ہیں: انٹرپوزرز کے ذریعے HBM کے ساتھ مربوط GPU/ASIC ڈائیز، جدید پیکیجنگ، تیز رفتار نیٹ ورکنگ (جیسے NVLink)، بجلی کی فراہمی اور مخصوص ٹھنڈک۔ جب کام کا بوجھ ماڈل کی تربیت سے استدلالی استعمال کی طرف منتقل ہوتا ہے تو یہ نظامی انضمام مزید اہم ہو جاتا ہے۔ McKinsey کا تخمینہ ہے کہ 2030 تک استدلالی استعمال مصنوعی ذہانت کی مجموعی طلب کا تقریباً 60% ہو گا۔ نتیجتاً، مسابقت کا میدان براہِ راست میموری بینڈوڈتھ، گنجائش، تاخیر، حرارتی کارکردگی اور ہر مفید اخراجی ٹوکن کے لیے بجلی کی کھپت کی طرف منتقل ہو رہا ہے—جس سے مربوط ہارڈویئر فروخت کنندگان کے ساختی معاشی حصار مضبوط ہو رہے ہیں۔

اسی دوران، بنیادی ذہانت کے ماڈلز کی معاشیات لاگت میں تیز کمی ظاہر کرتی ہے۔ Stanford کے مصنوعی ذہانت اشاریے کے اعداد و شمار بتاتے ہیں کہ GPT-3.5 کی سطح کی MMLU کارکردگی پر ماڈل چلانے کی لاگت نومبر 2022 میں تقریباً $20 فی M ٹوکن سے گر کر اکتوبر 2024 میں تقریباً $0.07 رہ گئی—یعنی 18 ماہ میں لاگت میں 280 گنا کمی۔ مزید برآں، OECD کے مطالعات ظاہر کرتے ہیں کہ معیار کے لحاظ سے ایڈجسٹ شدہ لسانی ماڈل کی قیمتیں جنوری 2024 اور اپریل 2026 کے درمیان تقریباً 80% کم ہوئیں۔

پیمانہ / پیمانے کی توجہ تاریخی بنیادی سطح حالیہ / متوقع سطح تجزیاتی اہمیت
GPT-3.5 MMLU ٹوکن لاگت $20.00 / M ٹوکن (نومبر 2022) $0.07 / M ٹوکن (اکتوبر 2024) ذہانت کی فی اکائی لاگت میں 280x کمی (Stanford)۔
لسانی ماڈل کی قیمتیں بنیادی سطح (جنوری 2024) ~80% کمی (اپریل 2026) معیار کے لحاظ سے ایڈجسٹ شدہ اخراج کی قیمت میں تیز انہدام (OECD)۔
بند بمقابلہ کھلے ماڈلز کی کارکردگی کا فرق وسیع فرق (2023) 3.3%–3.4% فرق (مارچ 2026) بنیادی صلاحیت کا عام تجارتی شے بننا (Stanford 2026 مصنوعی ذہانت اشاریہ)۔
کاروباری اخراجات میں حصہ 35% جدید ترین ماڈلز (Q3 2025) 63% جدید ترین ماڈلز (Q3 2026) جدید ترین استدلال کے لیے اضافی قیمت ادا کرنے کی آمادگی (Menlo)۔

قیمتوں کے اس انہدام کے باوجود، بنیادی ماڈلز ابھی مکمل طور پر عام تجارتی اشیا نہیں بنے ہیں۔ بنیادی ذہانت عام تجارتی شے بن رہی ہے—Stanford کے 2026 مصنوعی ذہانت اشاریے کے مطابق سرفہرست جدید ترین ماڈلز (Anthropic، xAI، Google، OpenAI) کے درمیان Arena Elo کے صرف 25 پوائنٹس کا فرق ہے، اور مارچ 2026 تک بند ماڈلز کھلے وزن والے متبادل ماڈلز سے صرف 3.3% سے 3.4% آگے ہیں۔ تاہم، کاروباری صارفین جدید ترین صلاحیتوں کے لیے اضافی قیمت ادا کرتے رہتے ہیں۔ Menlo کی تحقیق ظاہر کرتی ہے کہ کاروباری اداروں کے مصنوعی ذہانت کے اخراجات میں جدید ترین ماڈلز کا حصہ Q3 2025 میں 35% سے بڑھ کر Q3 2026 میں 63% ہو گیا۔

ماڈل کی تہہ ایک بدلتی ہوئی معاشی حد کے طور پر کام کرتی ہے: بنیادی صلاحیتیں تیزی سے عام تجارتی شے بنتی ہیں، جبکہ جدید ترین استدلال قیمت مقرر کرنے کی قوت برقرار رکھتا ہے، جس سے ماڈل تیار کرنے والوں کو محض جدید ترین سطح کے برابر رہنے کے لیے مسلسل، بڑے سرمایہ جاتی اخراجات برداشت کرنا پڑتے ہیں۔

4. عمل درآمد کی سطحیں، طبعی AI، اور جیونز کا تضاد

جیسے جیسے بنیادی ماڈلز عام دستیاب اجناس بنتے جاتے ہیں، معاشی قدر عمل درآمد اور کنٹرول کی سطح کی جانب منتقل ہوتی ہے۔ درمیانی سافٹ ویئر کی یہ تہہ متحرک ماڈل روٹنگ، پائیدار حالت کی یادداشت، شناخت کے انتظام، اجازتوں کے تعین، جانچ، ٹولز کے انضمام، اور ہم آہنگ انتظام پر مشتمل ہے۔ کارپوریٹ بیلنس شیٹس کے تناظر میں، ادارہ جاتی سافٹ ویئر کے خریدار بنیادی ماڈلز کے خام ٹوکن نہیں خریدتے؛ وہ مکمل شدہ کاروباری نتائج خریدتے ہیں۔ عمل درآمد کی تہہ ادارہ جاتی "درمیانی سافٹ ویئر" کے طور پر کام کرتی ہے—کلاؤڈ کمپیوٹنگ میں Kubernetes، شناخت و رسائی کے انتظام، اور نظام کی قابلِ نگرانی حیثیت کی طرح—جو اداروں کے لیے نظام تبدیل کرنے کی لاگت کو مستحکم کرتی اور منافع کے مارجن کا تحفظ کرتی ہے، چاہے زیریں بنیادی ماڈلز بدلتے رہیں۔ LangChain کا 2026 کا عملی استعمال کا سروے تصدیق کرتا ہے کہ متعدد ماڈلز پر مشتمل ادارہ جاتی ساختیں اب معیار بن چکی ہیں، اور نفاذ کی بنیادی رکاوٹیں ٹوکن کی فی اکائی لاگت سے عمل درآمد کی قابلِ اعتماد کارکردگی، حفاظت، اور کام کی تکمیل کی جانب منتقل ہو رہی ہیں۔

اسی طرح، ملکیتی، نتائج پر مبنی فیڈبیک چکروں کے مقابلے میں عمومی ویب تربیتی ڈیٹا ایک عام دستیاب جنس بنتا جا رہا ہے۔ پائیدار معاشی حصار اس وقت بنتے ہیں جب سافٹ ویئر ایپلی کیشنز مخصوص شعبوں کے عملی کام کے بہاؤ میں براہِ راست شامل ہو جاتی ہیں، جہاں اقدامات حقیقی دنیا میں قابلِ تصدیق جائزے پیدا کرتے ہیں۔

اس رجحان کی ایک نمایاں مثال قانونی شعبے میں Harvey ہے۔ Harvey عمومی ٹوکن تخلیق فروخت کرنے والے، بنیادی ماڈل پر چڑھے ایک کمزور سافٹ ویئر غلاف کے طور پر مقابلہ نہیں کرتا۔ اس کے بجائے، وہ قانونی کام کے بہاؤ میں براہِ راست شامل ہوتا ہے، اور قانونی ریکارڈ کے نظام، تقسیم، ضابطہ جاتی تعمیل، مؤکل کے اعتماد، اور ملکیتی فیڈبیک چکروں کو یکجا کرتا ہے (معاہدے کا تجزیہ $\rightarrow$ وکیل کی نظرثانی $\rightarrow$ حتمی عدالتی دستاویز جمع کرانا/تصفیہ)۔ چونکہ Harvey پورے کام کے بہاؤ اور اس سے حاصل ہونے والے نتائج کے ڈیٹا کا مالک ہے، اس لیے وہ نظام تبدیل کرنے کی بلند لاگت پیدا کرتا اور اپنی قیمت مقرر کرنے کی قوت کا دفاع کرتا ہے، یوں بنیادی ماڈل کا انتخاب حاصل شدہ کاروباری نتیجے کے مقابلے میں ثانوی بن جاتا ہے۔ اسی طرح کے نتائج پر مبنی فیڈبیک چکر مخصوص شعبوں میں بھی ابھر رہے ہیں، جیسے کوڈنگ (اصلاحی ترمیم $\rightarrow$ آزمائش کا نتیجہ $\rightarrow$ نفاذ کا نتیجہ)، طب (تشخیص $\rightarrow$ علاج $\rightarrow$ مریض کی صحت کا نتیجہ)، اور مالیات (انوائس $\rightarrow$ کلیئرنگ $\rightarrow$ تنازعے کا تصفیہ)۔

طبعی AI نظاموں میں سرمائے کی تخصیص کی حرکیات خالص سافٹ ویئر کے ادارہ جاتی معاشی اصولوں سے بنیادی طور پر مختلف ہیں۔ سافٹ ویئر تقریباً صفر اضافی لاگت پر وسعت اختیار کرتا ہے، جبکہ طبعی روبوٹکس کے لیے اجزائے تیاری کی فہرست (BOM) پر وسیع سرمایہ درکار ہوتا ہے۔ McKinsey کا تخمینہ ہے کہ درستگی سے کام کرنے والے حرکت پیدا کرنے والے آلات، انسان نما روبوٹ کی BOM کا 40% سے 60% بنتے ہیں، جبکہ بیٹری ماڈیولز کا حصہ 5% سے 10% ہوتا ہے۔ مزید برآں، CRU کا تخمینہ ہے کہ ہر انسان نما روبوٹ کو 2 سے 3 کلوگرام NdFeB (نیوڈیمیم-لوہا-بورون) نایاب ارضی مقناطیس درکار ہوتے ہیں۔ اگرچہ طبعی AI کے اجزا طویل مدتی تزویراتی اختیارات کی قدر رکھتے ہیں، ڈیٹا سینٹر کے کمپیوٹنگ اور میموری اثاثے آج ہی فوری، قابلِ تصدیق نقد بہاؤ پیدا کرتے ہیں۔

طبعی AI ہارڈویئر کا جزو تخمینی BOM / وسائل کا حصہ بنیادی معاشی اور رسدی زنجیر کے محرکات
درستگی سے کام کرنے والے حرکت پیدا کرنے والے آلات کل BOM کا 40% – 60% (McKinsey) انتہائی درست جوڑ، گیئر باکس، موٹرز، اور رفتار گھٹانے والے آلات۔
بیٹری ماڈیولز کل BOM کا 5% – 10% (McKinsey) حرکت پیدا کرنے والے نظام کے مقابلے میں نسبتاً کم سرمائے کی تخصیص۔
NdFeB نایاب ارضی مقناطیس فی انسان نما روبوٹ 2 – 3 کلوگرام (CRU) بھاری نایاب ارضی عناصر کی طلب کا ساختی محرک۔

سرمائے کے اخراجات کی اس ساختی توسیع کو سمجھنے کے لیے جیونز کے تضاد کا اطلاق ضروری ہے۔ ٹوکن کی فی اکائی لاگت میں 100 گنا کمی کمپیوٹنگ پر مجموعی اخراجات کو نہیں گھٹاتی؛ اس کے بجائے، کم فی اکائی قیمتیں ٹوکن کی مجموعی کھپت میں دھماکا خیز توسیع کو جنم دیتی ہیں۔ جیسے جیسے سوال اور جواب پر مشتمل انفرادی تعاملات کی جگہ متعدد ایجنٹس کے استدلالی چکر لیتے ہیں، جو پس منظر میں مسلسل نقلِ حالات اور خودکار ٹول کالز انجام دیتے ہیں، فی اکائی قیمتوں میں شدید کمی کے باوجود ہارڈویئر کمپیوٹنگ کی مجموعی طلب تیزی سے بڑھتی ہے۔

سرمائے کی تخصیص کا جائزہ لینے والے طویل مدتی بنیادی سرمایہ کاروں کے لیے، قدر کے حصول کو پائیدار بنانے کے لیے محض طبعی قلت پر انحصار سے گریز اور ایسے کاروباروں کو ترجیح دینا ضروری ہے جن میں بلند اضافی ROIC، قیمت مقرر کرنے کی قوت، اور کام کے بہاؤ میں شامل فیڈبیک چکر موجود ہوں۔ قدر پیمائی کے زیادہ گہرے ماڈلز اور مالکان کی آمدنی کے بنیادی حسابات میں دلچسپی رکھنے والے سرمایہ کار DeepValues Research کی ویب سائٹ پر ہماری کھلے ماخذ کی کمپنی تحقیق دیکھ سکتے ہیں، یا DeepValues ایپ کے ذریعے کسی بھی حصص کی حقیقی قدر اور حفاظتی مارجن کا جائزہ لے سکتے ہیں۔

5. اہم اعداد و شمار

  • 78%: کمپنی کی قومیت کے لحاظ سے سیمی کنڈکٹر فوٹو ریزسٹ کی فروخت میں جاپانی کمپنیوں کا تقریباً مارکیٹ حصہ۔
  • >$700B: IEA کے مطابق 2026 میں انتہائی بڑے پیمانے پر کمپیوٹنگ فراہم کرنے والی کمپنیوں کے تخمینی سرمائے کے اخراجات، بنیادی طور پر ڈیٹا سینٹر کی توسیع کے لیے۔
  • 485 ٹیراواٹ گھنٹے سے ~950 ٹیراواٹ گھنٹے: 2025 سے 2030 تک ڈیٹا سینٹر کی بجلی کی کھپت میں متوقع اضافہ (IEA)۔
  • 2027 کا اختتام: بلند بینڈوڈتھ میموری (HBM) کی رسد میں قلت برقرار رہنے کی متوقع مدت (IEA)۔
  • 50% / 33% / 18%: Q2 2026 میں HBM کی آمدنی میں بالترتیب SK Hynix، Samsung، اور Micron کا تخمینی حصہ (Counterpoint)۔
  • فی M ٹوکن $20 سے $0.07: نومبر 2022 اور اکتوبر 2024 کے درمیان GPT-3.5 کی سطح کی MMLU کارکردگی چلانے کی لاگت میں کمی، جو 280x کمی کو ظاہر کرتی ہے (Stanford AI اشاریہ)۔
  • ~80%: جنوری 2024 سے اپریل 2026 تک معیار کے لحاظ سے ایڈجسٹ شدہ لسانی ماڈلز کی قیمتوں میں کمی (OECD)۔
  • 25 Arena Elo پوائنٹس: مارچ 2026 تک Anthropic، xAI، Google، اور OpenAI کے صفِ اول کے ماڈلز کی کارکردگی میں معمولی فرق (Stanford 2026 AI اشاریہ)۔
  • 3.3%–3.4%: مارچ 2026 میں بہترین بند ماخذ ماڈل اور بہترین کھلے وزنی پیرامیٹرز والے ماڈل کے درمیان کارکردگی کا فرق (Stanford AI اشاریہ)۔
  • 35% سے 63%: Q3 2025 اور Q3 2026 کے درمیان ادارہ جاتی AI اخراجات میں صفِ اول کے ماڈلز کے حصے میں اضافہ (Menlo تحقیق)۔
  • 40%–60% بمقابلہ 5%–10%: انسان نما روبوٹ کی اجزائے تیاری کی فہرست (BOM) میں حرکت پیدا کرنے والے آلات اور بیٹری ماڈیولز کا تخمینی تناسب (McKinsey)۔
  • 2–3 کلوگرام: فی انسان نما روبوٹ NdFeB نایاب ارضی مقناطیس کی تخمینی ضرورت (CRU)۔

6. کن باتوں سے ہماری رائے بدلے گی

  • CUDA اور HBM ساختوں کا تیزی سے متروک ہونا: متبادل باہمی رابطوں یا میموری ساختوں کی تیز رفتار ترقی، جو HBM اور NVLink کو کامیابی سے بے دخل کر دیں اور 2027 سے پہلے نظام کی سطح پر نیٹ ورکنگ کے معاشی حصار کو کمزور کر دیں۔
  • انتہائی بڑے پیمانے پر کمپیوٹنگ فراہم کرنے والی کمپنیوں کے سرمائے کے اخراجات میں کٹوتی: لگائے گئے سرمائے پر مایوس کن منافع (ROIC) یا بجلی کے گرڈ سے اتصال میں شدید تاخیر کے باعث >$700B سالانہ سرمائے کے اخراجات کے متوقع راستے میں نمایاں کمی۔
  • کھلے وزنی پیرامیٹرز والے ماڈلز سے تیزی سے آمدنی پیدا ہونا اور جمود: صفِ اول کی کارکردگی کے 3.3–3.4% فرق کا ختم ہونا، جس سے ادارہ جاتی صارفین اعلیٰ قیمت والے بند ماڈلز چھوڑ کر مقامی ضروریات کے مطابق ڈھالے گئے، سستے کھلے وزنی پیرامیٹرز والے ماڈلز کو اختیار کریں۔
  • طبعی AI کے نفاذ میں تیزی: انسان نما روبوٹکس کی بڑے پیمانے پر تجارتی دستیابی اور وسیع مقدار میں تیاری کا 2030 سے بہت پہلے ملینوں اکائیوں تک پہنچنا، جس سے فوری نقد بہاؤ کی قدر کا حصول حرکت پیدا کرنے والے آلات اور مقناطیس کی رسدی زنجیروں کی جانب منتقل ہو جائے۔

7. ماخذ

AI کی قدر کی تفہیم، Chamath Palihapitiya (2025 کا سالانہ خط اور متعلقہ فریم ورک) Stanford AI اشاریہ (Stanford University، 2024–2026 کے اعداد و شمار) بین الاقوامی توانائی ایجنسی (IEA) کی بجلی اور سرمائے کے اخراجات کی رپورٹس Counterpoint Research (Q2 2026 سیمی کنڈکٹر اور HBM مارکیٹ کا تجزیہ) McKinsey & Company کی روبوٹکس BOM تحقیق CRU Group کی مواد اور نایاب ارضی عناصر کی تحقیق OECD کے لسانی ماڈلز کی قیمتوں کے مطالعات (2024–2026) Menlo Ventures کی ادارہ جاتی AI اخراجات کی تحقیق (2025–2026) Johns Hopkins University کی بنیادی ڈھانچے اور ڈیٹا سینٹر کی بجلی کی تحقیق LangChain کا عملی استعمال میں AI کا سروے (2026)

دیکھیں

ماخذ کے لنکس

  • Decoding AI Value

دیکھیں اور سنیں

کمپنیوں پر تحقیق

تحقیقی متن کا لائسنس: CC BY 4.0، حوالہ یوں دیں: DeepValues Research, مصنوعی ذہانت کی تہہ دار ساخت کی تفہیم: طویل مدتی سرمایہ کاروں کے لیے رکاوٹوں، معاشی حصاروں اور قدر کے جمع ہونے کا تجزیہ, https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-ur/

مفت ہفتہ وار ای میل

Margin of Safety Weekly

ہر سنیچر: مارکیٹ کا درجۂ حرارت، بڑے سرمایہ کاروں نے کیا خریدا اور بیچا (13F فائلنگز)، ہفتے کی نئی تحقیق، اور ہماری ویڈیوز اور پوڈکاسٹس — مفت، اکاؤنٹ کی ضرورت نہیں۔

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

مزید جانیں

کسی بھی شیئر کا یہ تجزیہ 2 منٹ میں کریں

اس رپورٹ کو تیار کرنے والا متعدد ایجنٹس پر مشتمل مصنوعی ذہانت کا تجزیہ کار، Deep Value Intelligence، کسی بھی اسٹاک ایکسچینج میں درج کمپنی کے لیے درخواست پر ایسی ہی رپورٹ تیار کرتا ہے۔

Deep Value Intelligence کھولیں

DeepValues ایپ میں 300+ شیئرز پر نظر رکھیں

آرا، حقیقی قدر اور تازہ رپورٹس، آپ کے فون پر۔

ڈویلپرز: API سے آرا اور رپورٹس حاصل کریں

ان صفحات کی بنیاد بننے والے بنیادی مالی اعداد، حقیقی قدریں، آرا اور رپورٹ لنکس، JSON کی صورت میں۔

API دستاویزات

گفتگو کریں