ایک Nvidia GPU سالوں تک کام کرتا رہ سکتا ہے اور پھر بھی اقتصادی طور پر بہت جلد obsolete ہو جاتا ہے۔
یہ فرق اہم ہے کیونکہ مائیکروسافٹ، الفابیٹ، ایمیزون اور میٹا AI انفراسٹرکچر میں بہت بڑی رقم کا سرمایہ کاری کر رہے ہیں۔ سرمایہ کار عام طور پر چپس اور ڈیٹا سینٹرز کی سرخی والی لاگت پر توجہ دیتے ہیں، لیکن مالیاتی بیان پر اس سرمایہ کاری کا جتنا خرچ بن جاتا ہے، اس کا تعین تلفات سے ہوتا ہے۔
depreciate یہ ہے کہ آلات کی لاگت کو ان کی متوقع مفید زندگی کے دوران تقسیم کیا جاتا ہے۔ ایک کمپنی جو سرورز پر ایک ارب ڈالر خرچ کرتی ہے، عام طور پر پوری رقم کو فوری طور پر اخراج کے طور پر نہیں درج کرتی۔ بجائے اس کے، لاگت کو کئی سالوں پر تسلیم کیا جاتا ہے۔
ای آئی ہارڈویئر کی پرابلم یہ ہے کہ فزیکل لائف اور اقتصادی لائف بہت مختلف ہو سکتی ہیں۔
کیوں AI GPUز جلدی قیمت کھو سکتی ہیں
ایک جی پی یو کو کام نہ کرنے کی ضرورت نہیں ہوتی کہ اس کی قیمت کم ہو جائے۔
نئی نسلیں ماڈلز کو تیزی سے تربیت دے سکتی ہیں، کم بجلی استعمال کر سکتی ہیں اور ہر ڈالر کے لیے زیادہ کمپیوٹنگ طاقت فراہم کر سکتی ہیں۔ اس کا مطلب ہے کہ پرانا ایکسلریٹر تکنیکی طور پر استعمال کے قابل رہ سکتا ہے جبکہ نئے ہارڈویئر کے مقابلے میں اس کا آپریٹ کرنا لگاتار مہنگا ہوتا جا رہا ہے۔
نیوڈیا کا تیز رفتار مصنوعات کا چکر اس بات کو خاص طور پر اہم بناتا ہے۔ کمپنی نے ہاپر سے بلاک ویل پر منتقلی کر لی ہے جبکہ نئی آرکیٹیکچرز کو ترقی دی جارہی ہے، جس سے مہنگے ڈیٹا سینٹر ہارڈویئر کے رسمی سرورز کے مقابلے میں مالی طور پر زودتر obsolete ہونے کا خطرہ بڑھ جاتا ہے۔
نیوڈیا اپنی موجودہ مصنوعات اور ٹیکنالوجی کی حکمت عملی کو اپنے انویسٹر ریلیشنز میٹریلز کے ذریعے بیان کرتی ہے۔
یہ مسئلہ اس بات سے بھی منسلک ہے کہ بے مثال کاروباری AI خرچ واقعی جذابی عائدات پیدا کرتا ہے یا نہیں۔ AI سرمایہ کاری کی عائدات کی ہماری گائیڈ سرمایہ کاروں کو آزاد نقدی بہاؤ، مارجن اور سرمایہ پر عائدات کا استعمال کرکے یہ جاننے میں مدد کرتی ہے کہ کیا یہ خرچے ادا ہو رہے ہیں۔
کیوں مالیاتی کمی بڑی ٹیک کمپنیوں کے منافع کو بدل سکتی ہے
کلپی کیا جائے کہ ایک کمپنی AI سرورز پر 6 ارب ڈالر خرچ کرتی ہے اور اس کی توقع ہے کہ وہ چھ سال تک مفید رہیں گے۔
بہت آسانی سے، اس کا مطلب ہو سکتا ہے کہ وقت اور دیگر اکاؤنٹنگ تفصیلات کو مدنظر رکھے بغیر سالانہ تقریباً 1 ارب ڈالر کی مالیت کا نقصان ہو۔
اگر انتظامیہ اس نتیجہ پر پہنچے کہ یہ آلات صرف چار سال تک معاشی طور پر مفید رہیں گے، تو سالانہ خرچہ کافی حد تک بڑھ سکتا ہے۔
اہم بات یہ ہے کہ مفید زندگی کے فرض کو تبدیل کرنا رپورٹ کیے جانے والے منافع کو متاثر کر سکتا ہے، جبکہ اصل میں خرچ کیے گئے نقد رقم میں کوئی تبدیلی نہیں آتی۔
بڑی بادل کمپنیاں اپنے فنانشل اسٹیٹمنٹس میں ان فرضیات کا اظہار کرتی ہیں۔ سرمایہ کار Microsoft کی مالیاتی استعمال کی پالیسیاں اس کے انویسٹر ریلیشنز فائلز کے ذریعے، Alphabet کے اعلانات Alphabet Investor Relations کے ذریعے اور Amazon کی فائلز Amazon Investor Relations کے ذریعے دیکھ سکتے ہیں۔
اس کا مطلب یہ نہیں کہ پرانے جی پی یو اچانک بے قیمت ہو جائیں۔ کمپنیاں انہیں مشقت والے ماڈل ٹریننگ کے کاموں سے انفرنس، اندر کے ایپلیکیشنز یا کم کمپیوٹیشنل طاقت کی ضرورت والے کاموں میں منتقل کر سکتی ہیں۔
وہ دوسری زندگی ان کی معاشی فائدہ مندی کو بڑھا سکتی ہے۔
وہ تعداد جس پر سرمایہ کاروں کو حقیقت میں نظر رکھنی چاہیے
اس لیے سب سے بڑا سوال صرف اس بات پر نہیں ہے کہ بڑی ٹیک کمپنیاں جی پی یو پر کتنے خرچ کرتی ہیں۔
کیا ان جی پی یو سے حاصل ہونے والی آمدنی اور نقدی جریان، مالیات، بجلی کے اخراجات اور تیزی سے تکنالوجی کے تبدیل ہونے کے لیے کافی تیزی سے بڑھ رہی ہے؟
یہ زیادہ اہمیت رکھتا ہے جب نوڈیا کی AI چپ کی آمدنی بڑھ رہی ہے۔ کوئن پیپر کی حالیہ Nvidia earnings coverage موجودہ اکسلریٹر کی مانگ کے انوکھے پیمانے کو ظاہر کرتی ہے۔
ہارڈویئر کی قیمت بھی صرف ایک حصہ ہے۔ جدید AI ڈیٹا سینٹرز بے حد زیادہ بجلی استعمال کرتے ہیں، جس سے توانائی کی دستیابی ایک اور بڑھتی ہوئی اہم پابندی بن رہی ہے۔ کوین پیپر کا AI پاور مارکیٹس پر تشریح یہ جانچتی ہے کہ بجلی کی مالیات آخرکار GPU کے خود کے برابر اہم کیوں بن سکتی ہے۔