सुपरसाइकिल के पीछे के आँकड़े

इसके पैमाने को शब्दों में बयाँ करना मुश्किल है। वैश्विक सेमीकंडक्टर राजस्व पिछले साल $800 बिलियन से अधिक हो गया था और अब 2026 में $1.3 ट्रिलियन की ओर बढ़ रहा है । मार्केट रिसर्च फर्म गार्टनर ने अलग से इसी आँकड़े में 64% की सालाना वृद्धि की रिपोर्ट दी है ।

रासगॉन ने बताया कि चार सबसे बड़े अमेरिकी हाइपरस्केलर – अमेज़न, माइक्रोसॉफ्ट, गूगल और मेटा – 2026 में लगभग $725 बिलियन पूंजीगत व्यय करने की योजना बना रहे हैं, जिसमें से अधिकांश AI बुनियादी ढाँचे पर खर्च होगा । मेमोरी की कीमतें आसमान छू रही हैं: 2026 की शुरुआत तक DRAM की कीमतों में तिमाही-दर-तिमाही लगभग 90% की वृद्धि हुई है ।

'व्हैक-ए-मोल' इफ़ेक्ट: हर जगह कमी

रासगॉन की सबसे चौंकाने वाली टिप्पणियों में से एक है 'व्हैक-ए-मोल' इफ़ेक्ट – जहाँ बाधाएँ पूरी चिप सप्लाई चेन में फैलती जा रही हैं। "सब कुछ AI कंप्यूट की अतृप्त माँग द्वारा खींचा जा रहा है। मैंने अपने करियर में कभी भी इस पैमाने पर कुछ नहीं देखा," रासगॉन ने कहा ।

उन्होंने बताया कि कैसे यह कमी फैलती गई: कमी की शुरुआत GPU एक्सेलरेटर से हुई, फिर HBM मेमोरी पर आई, फिर सेमीकंडक्टर मैन्युफैक्चरिंग उपकरणों पर, फिर नेटवर्किंग और ऑप्टिक्स पर, फिर पावर चिप पर, और अब CPU की भी कमी हो गई है ।

माँग की पहुँच का एक ठोस उदाहरण: इंटेल, जिसका "पहले शून्य-मूल्य वाला इन्वेंट्री था," अब पूरी तरह से बिक चुका है । ग्राहकों ने कथित तौर पर इंटेल से कहा, "हमें परवाह नहीं है; बस हमें बेच दो" ।

HBM: छिपा हुआ सिलिकॉन हॉग

एक महत्वपूर्ण बाधा हाई-बैंडविड्थ मेमोरी (HBM) है, जो एक AI चिप के 85% से अधिक सिलिकॉन क्षेत्र को कवर करती है । स्टैकिंग यील्ड और लॉजिक डाई ओवरहेड के कारण, 1GB HBM के निर्माण के लिए मानक DRAM की तुलना में लगभग चार गुना अधिक सिलिकॉन क्षेत्र की आवश्यकता होती है । यह गणित बताता है कि मेमोरी सप्लाई GPU माँग की गति क्यों नहीं रख पा रही है, और मेमोरी की कीमत चिप की लागत में एक प्रमुख कारक क्यों बन गई है।

Nvidia का CPU राजस्व: एक रैक ही कहानी बयाँ करता है

रासगॉन ने एक चौंकाने वाला डेटा पॉइंट उजागर किया: 72-GPU रैक में मौजूद 36 CPUs से Nvidia को लगभग $20 बिलियन का CPU राजस्व प्राप्त होता है। यह दर्शाता है कि AI बिल्डआउट सिर्फ GPU एक्सेलरेटर से परे भी भारी चिप माँग पैदा कर रहा है।

ट्रेनिंग से इन्फ्रेंस तक: कमर्शियलाइज़ेशन की ओर बदलाव

रासगॉन ने इस बात पर जोर दिया कि बाजार का फोकस मॉडल ट्रेनिंग से AI इन्फ्रेंस की ओर बढ़ रहा है – यह मुद्रीकरण का मुख्य रास्ता है । उन्होंने एंथ्रोपिक के राजस्व में $9 बिलियन से $30 बिलियन तक की उछाल को इस बदलाव के प्रत्यक्ष प्रमाण के रूप में उद्धृत किया । जैसे-जैसे AI मॉडल रिसर्च प्रोजेक्ट से प्रोडक्शन में आते हैं, इन्फ्रेंस के लिए आवश्यक कंप्यूट ट्रेनिंग वर्कलोड को भी पीछे छोड़ सकता है।

ASICs बनाम GPUs: सह-अस्तित्व, प्रतिस्पर्धा नहीं

एक सामान्य निवेशक का सवाल है कि क्या कस्टम ASICs (जैसे कि ब्रॉडकॉम द्वारा बनाए गए) अंततः Nvidia के GPUs को विस्थापित कर देंगे। रासगॉन का मानना है कि दोनों एक बढ़ते बाजार में लंबे समय तक सह-अस्तित्व में रहेंगे । उनका फ्रेमवर्क: प्रोग्रामेबल GPUs रिसर्च और एक्सप्लोरेटरी इन्फ्रेंस के लिए बेहतर हैं, जबकि ASICs पूर्वानुमानित, उच्च-मात्रा वाले इन्फ्रेंस वर्कलोड में उत्कृष्ट प्रदर्शन करते हैं। कुल संबोधन योग्य बाजार दोनों को समायोजित करने के लिए काफी बड़ा है।

अंतिम बाधा: बिजली

रासगॉन ने एक गंभीर नोट पर निष्कर्ष निकाला। अंतिम कमी चिप, मेमोरी या नेटवर्किंग की नहीं, बल्कि ऊर्जा की है। AI बुनियादी ढाँचे को विकास की गति को बनाए रखने के लिए अमेरिकी पावर ग्रिड क्षमता में लगभग 5% वार्षिक वृद्धि की आवश्यकता है । यह उस ग्रिड पर एक चौंकाने वाली माँग है जिसने दशकों में न्यूनतम क्षमता वृद्धि देखी है।

उन्होंने तर्क दिया कि AI नवाचार और बाधाओं की अगली लहर अनिवार्य रूप से ऊर्जा उत्पादन, कूलिंग और परमाणु ऊर्जा पर आएगी । पर्याप्त ग्रिड निवेश के बिना, सुपरसाइकिल खुद एक बिजली की छत से टकरा सकती है।

निवेशकों के लिए इसका क्या मतलब है

रासगॉन का संदेश स्पष्ट है: जब तक AI की माँग ध्वस्त नहीं होती, सेमीकंडक्टर सुपरसाइकिल वास्तविक और टिकाऊ है। लेकिन अवसर की प्रकृति बदल रही है। GPU स्टॉक में आसान पैसा एक अधिक जटिल परिदृश्य को जन्म दे सकता है जहाँ 'बाधा' ही – चाहे वह HBM, पावर चिप या ऊर्जा बुनियादी ढाँचे में हो – धन सृजन का स्रोत बन जाती है ।

सुपरसाइकिल के पीछे के आँकड़े

इसके पैमाने को शब्दों में बयाँ करना मुश्किल है। वैश्विक सेमीकंडक्टर राजस्व पिछले साल $800 बिलियन से अधिक हो गया था और अब 2026 में $1.3 ट्रिलियन की ओर बढ़ रहा है । मार्केट रिसर्च फर्म गार्टनर ने अलग से इसी आँकड़े में 64% की सालाना वृद्धि की रिपोर्ट दी है ।

रासगॉन ने बताया कि चार सबसे बड़े अमेरिकी हाइपरस्केलर – अमेज़न, माइक्रोसॉफ्ट, गूगल और मेटा – 2026 में लगभग $725 बिलियन पूंजीगत व्यय करने की योजना बना रहे हैं, जिसमें से अधिकांश AI बुनियादी ढाँचे पर खर्च होगा । मेमोरी की कीमतें आसमान छू रही हैं: 2026 की शुरुआत तक DRAM की कीमतों में तिमाही-दर-तिमाही लगभग 90% की वृद्धि हुई है ।

'व्हैक-ए-मोल' इफ़ेक्ट: हर जगह कमी

रासगॉन की सबसे चौंकाने वाली टिप्पणियों में से एक है 'व्हैक-ए-मोल' इफ़ेक्ट – जहाँ बाधाएँ पूरी चिप सप्लाई चेन में फैलती जा रही हैं। "सब कुछ AI कंप्यूट की अतृप्त माँग द्वारा खींचा जा रहा है। मैंने अपने करियर में कभी भी इस पैमाने पर कुछ नहीं देखा," रासगॉन ने कहा ।

उन्होंने बताया कि कैसे यह कमी फैलती गई: कमी की शुरुआत GPU एक्सेलरेटर से हुई, फिर HBM मेमोरी पर आई, फिर सेमीकंडक्टर मैन्युफैक्चरिंग उपकरणों पर, फिर नेटवर्किंग और ऑप्टिक्स पर, फिर पावर चिप पर, और अब CPU की भी कमी हो गई है ।

माँग की पहुँच का एक ठोस उदाहरण: इंटेल, जिसका "पहले शून्य-मूल्य वाला इन्वेंट्री था," अब पूरी तरह से बिक चुका है । ग्राहकों ने कथित तौर पर इंटेल से कहा, "हमें परवाह नहीं है; बस हमें बेच दो" ।

HBM: छिपा हुआ सिलिकॉन हॉग

एक महत्वपूर्ण बाधा हाई-बैंडविड्थ मेमोरी (HBM) है, जो एक AI चिप के 85% से अधिक सिलिकॉन क्षेत्र को कवर करती है । स्टैकिंग यील्ड और लॉजिक डाई ओवरहेड के कारण, 1GB HBM के निर्माण के लिए मानक DRAM की तुलना में लगभग चार गुना अधिक सिलिकॉन क्षेत्र की आवश्यकता होती है । यह गणित बताता है कि मेमोरी सप्लाई GPU माँग की गति क्यों नहीं रख पा रही है, और मेमोरी की कीमत चिप की लागत में एक प्रमुख कारक क्यों बन गई है।

Nvidia का CPU राजस्व: एक रैक ही कहानी बयाँ करता है

रासगॉन ने एक चौंकाने वाला डेटा पॉइंट उजागर किया: 72-GPU रैक में मौजूद 36 CPUs से Nvidia को लगभग $20 बिलियन का CPU राजस्व प्राप्त होता है। यह दर्शाता है कि AI बिल्डआउट सिर्फ GPU एक्सेलरेटर से परे भी भारी चिप माँग पैदा कर रहा है।

ट्रेनिंग से इन्फ्रेंस तक: कमर्शियलाइज़ेशन की ओर बदलाव

रासगॉन ने इस बात पर जोर दिया कि बाजार का फोकस मॉडल ट्रेनिंग से AI इन्फ्रेंस की ओर बढ़ रहा है – यह मुद्रीकरण का मुख्य रास्ता है । उन्होंने एंथ्रोपिक के राजस्व में $9 बिलियन से $30 बिलियन तक की उछाल को इस बदलाव के प्रत्यक्ष प्रमाण के रूप में उद्धृत किया । जैसे-जैसे AI मॉडल रिसर्च प्रोजेक्ट से प्रोडक्शन में आते हैं, इन्फ्रेंस के लिए आवश्यक कंप्यूट ट्रेनिंग वर्कलोड को भी पीछे छोड़ सकता है।

ASICs बनाम GPUs: सह-अस्तित्व, प्रतिस्पर्धा नहीं

एक सामान्य निवेशक का सवाल है कि क्या कस्टम ASICs (जैसे कि ब्रॉडकॉम द्वारा बनाए गए) अंततः Nvidia के GPUs को विस्थापित कर देंगे। रासगॉन का मानना है कि दोनों एक बढ़ते बाजार में लंबे समय तक सह-अस्तित्व में रहेंगे । उनका फ्रेमवर्क: प्रोग्रामेबल GPUs रिसर्च और एक्सप्लोरेटरी इन्फ्रेंस के लिए बेहतर हैं, जबकि ASICs पूर्वानुमानित, उच्च-मात्रा वाले इन्फ्रेंस वर्कलोड में उत्कृष्ट प्रदर्शन करते हैं। कुल संबोधन योग्य बाजार दोनों को समायोजित करने के लिए काफी बड़ा है।

अंतिम बाधा: बिजली

रासगॉन ने एक गंभीर नोट पर निष्कर्ष निकाला। अंतिम कमी चिप, मेमोरी या नेटवर्किंग की नहीं, बल्कि ऊर्जा की है। AI बुनियादी ढाँचे को विकास की गति को बनाए रखने के लिए अमेरिकी पावर ग्रिड क्षमता में लगभग 5% वार्षिक वृद्धि की आवश्यकता है । यह उस ग्रिड पर एक चौंकाने वाली माँग है जिसने दशकों में न्यूनतम क्षमता वृद्धि देखी है।

उन्होंने तर्क दिया कि AI नवाचार और बाधाओं की अगली लहर अनिवार्य रूप से ऊर्जा उत्पादन, कूलिंग और परमाणु ऊर्जा पर आएगी । पर्याप्त ग्रिड निवेश के बिना, सुपरसाइकिल खुद एक बिजली की छत से टकरा सकती है।

निवेशकों के लिए इसका क्या मतलब है

रासगॉन का संदेश स्पष्ट है: जब तक AI की माँग ध्वस्त नहीं होती, सेमीकंडक्टर सुपरसाइकिल वास्तविक और टिकाऊ है। लेकिन अवसर की प्रकृति बदल रही है। GPU स्टॉक में आसान पैसा एक अधिक जटिल परिदृश्य को जन्म दे सकता है जहाँ 'बाधा' ही – चाहे वह HBM, पावर चिप या ऊर्जा बुनियादी ढाँचे में हो – धन सृजन का स्रोत बन जाती है ।