डेटा सेंटर निवेश ने सिर्फ 6 साल में अमेरिका के अब तक के मेगा-प्रोजेक्ट खर्च को पीछे छोड़ा

 (twitter.com/finmoorhouse)
1 पॉइंट द्वारा GN⁺ 13 일 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • डेटा सेंटर capex सिर्फ 6 साल में लगभग 930 अरब डॉलर तक पहुंच गया, जो अमेरिका के प्रमुख मेगा-प्रोजेक्ट्स के कुल संचयी खर्च से भी अधिक है
  • यह तुलना 2024 डॉलर के आधार पर, महंगाई समायोजित ग्राफ में दिखाई गई है
  • पहले के मेगा-प्रोजेक्ट्स जैसे Interstate Highway System (620 अरब डॉलर, 37 साल), US Railroads (550 अरब dollar, 71 साल) आदि लंबे समय में किए गए निवेश थे
  • डेटा सेंटर capex में 2025 का baseline और 2026 की planned value दोनों दिखाए गए हैं, और इसकी वृद्धि की रफ्तार अन्य प्रोजेक्ट्स की तुलना में बेहद अधिक है
  • ये आंकड़े Amazon, Microsoft, Alphabet, Meta, Oracle जैसे अमेरिकी big-5 hyperscalers के डेटा सेंटर हिस्से के अनुमान पर आधारित हैं

ग्राफ का अवलोकन

  • शीर्षक "Data centers vs. megaprojects" है, और उपशीर्षक महंगाई-समायोजित संचयी लागत (अरब डॉलर में)
  • X-अक्ष प्रोग्राम शुरू होने के बाद बीते वर्षों को दिखाता है, Y-अक्ष संचयी खर्च (अधिकतम 1 ट्रिलियन डॉलर तक)
  • सभी राशियों को 2024 डॉलर के आधार पर बदला गया है

डेटा सेंटर capex की trajectory

  • डेटा सेंटर capex 6 साल में लगभग 930 अरब डॉलर के संचयी खर्च तक पहुंचता है, जिसे 2025 baseline के रूप में दिखाया गया है
  • 2026 की planned value डॉटेड लाइन में दिखाई गई है और 1 ट्रिलियन डॉलर से ऊपर जाने की दिशा में है
  • ग्राफ में यह बाकी सभी मेगा-प्रोजेक्ट्स की तुलना में काफी ज्यादा steep slope दिखाता है

तुलना के लिए मेगा-प्रोजेक्ट्स

  • Interstate Highway System: 620 अरब डॉलर, 37 साल
  • US Railroads: 550 अरब डॉलर, 71 साल
  • F-35 Program: 400 अरब डॉलर, 25 साल (अब तक का संचयी)
  • Apollo Program: 257 अरब डॉलर, 14 साल
  • Marshall Plan: 170 अरब डॉलर, 4 साल
  • International Space Station: 150 अरब डॉलर, 27 साल
  • Manhattan Project: 36 अरब डॉलर, 5 साल

डेटा निकालने का तरीका

  • AI capex की गणना अमेरिकी big-5 hyperscalers (Amazon, Microsoft, Alphabet, Meta, Oracle) के वैश्विक reported capex में से डेटा सेंटर हिस्से के अनुमान के आधार पर की गई है
  • Epoch AI + Platformonomics डेटा का उपयोग किया गया
  • यह माना गया है कि डेटा सेंटर का हिस्सा 2020 में लगभग 55% से बढ़कर 2026 में लगभग 80% हो जाएगा
  • चीनी hyperscalers शामिल नहीं हैं

स्रोत

  • Company reports, Epoch AI, FHWA, NASA, CRS, GAO, Brookings

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 13 일 전
Hacker News की राय

  • इस ट्वीट की तरह अमेरिकी GDP के अनुपात में देखें तो यह कम सनसनीखेज़ भी लग सकता है
    फिर भी इससे यह और साफ़ दिखता है कि रेलमार्ग कितनी बड़ी औद्योगिक घटना थे

    • GDP के हिसाब से समायोजन ज़रूरी है, लेकिन वास्तव में यह उन आँकड़ों से भी ज़्यादा नाटकीय लग सकता है
      पुराने megaprojects की depreciation अवधि कई दशकों की होती थी, और 50~100 साल से ज़्यादा पुराने रेलमार्ग, पुल, सुरंगें, बाँध आज भी सिर्फ़ maintenance के सहारे इस्तेमाल हो रहे हैं
      इसके उलट, आज के ख़र्च का बड़ा हिस्सा GPU पर है, जिसकी depreciation अवधि मुश्किल से 6 साल मानी जाती है, इसलिए वार्षिक amortization के आधार पर देखें तो मौजूदा ख़र्च कहीं ज़्यादा भारी दिखता है
    • इस ग्राफ़ में रेलमार्ग का शिखर GDP के लगभग 9% जैसा दिखता है, जो मुझे खुद मिले आधार से काफ़ी ऊँचा लगा
      उस समय GDP की अवधारणा ही मौजूद नहीं थी, इसलिए ऐसे सभी आँकड़े बाद में निकाले गए अनुमान हैं और इनमें त्रुटि-सीमा बड़ी है
      ऐसा भी लगता है कि आज data center निवेश के लिए एक मिसाल बनानी है, इसलिए रेलमार्ग के आँकड़े को जितना हो सके ऊँचा रखने की प्रेरणा है
    • लेकिन मुझे लगता है कि यह तरीका उलटी दिशा में भी बढ़ा-चढ़ाकर दिखा सकता है
      जिस दौर में आधुनिक GDP का अनुमान ही अनिश्चित था, उस समय के निवेश की GDP हिस्सेदारी से तुलना करना क्या वास्तव में पूरी अर्थव्यवस्था के आकार को ठीक से दिखाता है, इस पर संदेह है
      वह ऐसा समय था जब आधुनिक finance नहीं था, income tax नहीं था, और श्रम का बड़ा हिस्सा कृषि में था; ऐसे में उस दौर के औसत व्यक्ति ने रेलमार्ग की लागत को जितना महसूस किया, क्या वह आज के taxpayer द्वारा F-35 की लागत महसूस करने के बराबर ही है, यह सवाल है
    • मुझे यह वाकई चौंकाने वाला graphic लगा
      सिर्फ़ F-35 एक ही program पर अमेरिकी ख़र्च, द्वितीय विश्वयुद्ध के बाद यूरोप के पुनर्निर्माण के Marshall Plan, Interstate Highway System, या सभी data center निवेशों के कुल के बराबर है—यह प्राथमिकताओं को बहुत साफ़ दिखाता है
    • मुझे तो यह तुलना और भी ज़्यादा नाटकीय लगती है
      सूची में Apollo, Manhattan Project, ISS, Interstate Highway System, Marshall Plan, F-35—इन सबमें एक समान बात यह थी कि सरकार ने इनमें दीर्घकालिक सार्वजनिक हित देखकर निवेश किया, इसलिए इनसे short-term ROI नहीं माँगा गया
      इन परियोजनाओं का प्रतिफल दशकों बाद आर्थिक वृद्धि, सुरक्षा, और वैज्ञानिक प्रगति के रूप में लौटता था
      खासकर Marshall Plan को देखें तो मानो उसने 77 साल तक dividend दिया, और यूरोप की अमेरिका के प्रति सद्भावना ने Big Tech के ख़िलाफ़ कठोर protectionism बनने से भी कुछ हद तक रोका
      इसके विपरीत रेलमार्ग और AI datacenters निजी निवेश हैं, इसलिए इनके पास 50 साल इंतज़ार करने की गुंजाइश नहीं है
      जैसे रेल bubble के फूटने के बाद बड़ा आर्थिक झटका आया था, उसी तरह अगर OpenAI इस साल के आसपास भी आंशिक investment recovery नहीं दिखा पाता, तो IPO की विफलता के साथ वैसा ही झटका आ सकता है—यह चिंता है

  • मुझे लगता है कि यहाँ तुलना की श्रेणियाँ थोड़ी गड़बड़ा गई हैं
    सिर्फ़ रेलमार्ग ही ऐसा उदाहरण है जहाँ private companies ने बड़े पैमाने पर infrastructure build-out किया था, इसलिए वही कुछ हद तक मिलता-जुलता है
    data center boom की तुलना करनी हो तो factory construction, power grid expansion, water supply, gas pipelines, या 20वीं सदी के शुरुआती विद्युत-प्रसार जैसे उदाहरण ज़्यादा उपयुक्त लगते हैं

    • इससे कंपनी में वह दृश्य याद आता है जब कोई आकर कहता है, “हमने थोड़े समय में x खरब चीज़ें कर दीं”
      समान तुलना-आधार के बिना सिर्फ़ बड़ा नंबर बोल देने से यह तय नहीं होता कि काम सचमुच असाधारण था या नहीं
      सिर्फ़ numerator के आधार पर अगर मैं कहूँ कि मैं प्रति मिनट बहुत बड़ी संख्या में कुछ खा लेता हूँ, तो संदर्भ जोड़ते ही किसी को वह प्रभावशाली नहीं लगेगा—यह उसी तरह की उपमा है
    • यह भी याद आता है कि रेलमार्ग इतिहास की कुछ सबसे बड़ी banking collapses के कारणों में थे
      1873 का Panic of 1873 कभी Great Depression भी कहा जाता था, और 1893 की घबराहट भी अति-निवेश और bubble collapse से निकली थी
      आज AI भी बहुत मिलता-जुलता लगता है, क्योंकि भारी निवेश पहले हो रहा है और पक्की कमाई अभी दिख नहीं रही
      सबको पता है कि software और hardware समय के साथ ज़्यादा efficient और सस्ते होते जाएँगे, यानी उनकी value नीचे जाएगी, और अभी तक इस निवेश के पैमाने को user-side लाभ से सही ठहराने वाला प्रमाण भी कमज़ोर है
      अगर bubble फूटता है तो बैंकों के बजाय private capital पहले चोट खा सकता है, और अगर hyperscalers व tech unicorns की balance sheets टूटती हैं, तो उनके ऊपर टिकी कंपनियों, रोज़गार, और S&P 500 के ज़रिए household wealth तक श्रृंखलाबद्ध झटका पहुँच सकता है
      banking crisis जैसी bailout की उम्मीद भी कम है, इसलिए झटका और भी तत्काल हो सकता है
    • एक और category error यह है कि रेलमार्ग असल में अमेरिकी जनता की भारी subsidy पर बने थे
      लगभग देश के 10% भूभाग को rail companies को देकर यह काम पूरा किया गया था
    • मेरे हिसाब से असली बात यह है कि रेलमार्ग बिछते ही तुरंत economic value पैदा करने लगे थे
      LLM वास्तव में कितनी economic value बना रहे हैं, इसका अब धीरे-धीरे संख्याओं के साथ सामने आना चाहिए
      कुछ साल बीत चुके हैं, इसलिए अब ठोस नतीजे बताए जा सकने चाहिए
    • इसे infrastructure build-out कहना मुझे ज़्यादा लगता है
      data center के अंदर डाला जा रहा equipment 10 साल पूरे होने से पहले ही value खो देने वाली asset है, और बिजली भी कई बार gas turbines से पूरी की जाती है, इसलिए यह सचमुच दीर्घकालिक infrastructure छोड़ता है—ऐसा प्रभाव कमज़ोर है

  • AI को लेकर बेचैनी शायद जल्दी कम हो जाए अगर यह मानवता की कोई एक बड़ी समस्या भी हल कर दे
    जैसे space elevator के लिए carbon nanotubes या sustainable nuclear fusion जैसी श्रेणी की कोई breakthrough आ जाए तो माहौल बदल सकता है

    • अब तक तो personalized medicine सबसे आशाजनक उम्मीदवार लगती है, लेकिन क्या वह अकेले काफ़ी होगा, यह पूछा जा सकता है
    • कम-से-कम निवेशकों को प्रभावित करने वाला killer front end तो यह बहुत अच्छे से बना रहा है—ऐसी थोड़ी व्यंग्यात्मक भावना है
    • सच कहूँ तो ऐसे सवाल AI से पहले की हर productivity-improving technology पर भी लागू किए जा सकते हैं
      typewriter और laptop को भी शुरुआत में शायद इसी तरह के संदेह झेलने पड़े होंगे

  • मुझे लगता है कि इस तुलना में छूटा हुआ एक बड़ा उदाहरण nuclear weapons है
    अमेरिका ने 1940 से 1996 के बीच nuclear weapons पर 2024 dollar के हिसाब से लगभग 12 trillion dollar खर्च किए, और इसका बड़ा हिस्सा 1950s और शुरुआती 1960s में केंद्रित था
    संबंधित आँकड़े Wikipedia के Nuclear weapons of the United States में देखे जा सकते हैं

  • अब मुझे ज़्यादा से ज़्यादा शक होने लगा है कि क्या ऐसा ख़र्च और जोखिम वाकई उचित है
    चिंता होती है कि कहीं हम सामूहिक रूप से AI के मोह में पड़कर बहुत स्वस्थ फैसले नहीं ले रहे हैं

    • मुझे भी यह उचित नहीं लगता
      YouTube पर Ed Zitron को इस विषय पर ग़ुस्से भरे अंदाज़ में बोलते अक्सर देखता हूँ, और वह काफ़ी दिलचस्प भी लगता है, सहमति भी होती है
    • मैं भी पहले ऐसा ही सोचता था, लेकिन अब मुझे यह build-out race काफ़ी तर्कसंगत लगने लगी है
      क्योंकि बड़े AI labs अब भी compute हासिल करने की होड़ में हैं, और inference demand का पीछा करना भी मुश्किल दिख रहा है

  • यह किसी एक project की बात नहीं है, बल्कि सैकड़ों या हज़ारों समान projects में compute पर पैसा उड़ेलने की प्रवृत्ति है
    उपमा दें तो यह किसी एक कारोबार पर ख़र्च नहीं, बल्कि एक तय अवधि में पूरे transport infrastructure पर हुए कुल ख़र्च को जोड़कर बोलने जैसा है

  • इस विषय पर Justin Lebar की presentation बहुत अच्छी थी
    वह xla compiler बना चुके हैं और OpenAI में भी काम कर चुके हैं; यह talk संदर्भ समझने में मदद कर सकती है

  • इस चर्चा के सिलसिले में एक और graph का लिंक भी देखने लायक लगता है

  • मुझे जिज्ञासा है कि क्या यह सचमुच वास्तव में किया गया ख़र्च है
    क्या यह वह राशि है जो सच में खर्च हो चुकी, या सिर्फ़ “हम $X निवेश करेंगे” जैसी घोषित commitments हैं—यह उलझन है
    cross-investment जैसे arrangements को इसमें कैसे गिना गया है, यह भी जानना चाहूँगा

    • काफ़ी हिस्सा committed capital है, और यह भी ध्यान रखना चाहिए कि कई data centers में अभी तक निर्माण शुरू भी नहीं हुआ है

  • यहाँ datacenter capex में ठीक-ठीक क्या शामिल है, यह जानना चाहूँगा
    खासकर क्या इसमें power generation facilities भी आती हैं
    अगर AI लहर उम्मीद के मुताबिक न भी निकले, लेकिन इस प्रक्रिया में solar, wind, hydro जैसी generation infrastructure बहुत बनी हो, तो वह अपने-आप में बड़ी उपलब्धि हो सकती है

    • व्यावहारिक रूप से data center को सिर्फ़ solar या wind से चलाना मुश्किल लगता है
      battery जोड़ने पर भी पर्याप्त नहीं होता, और वास्तव में नई facilities अक्सर Musk की xAI की तरह gas और coal पर निर्भर होती दिखती हैं