ग्लोबल ब्रोकरेज फर्म Jefferies च्या मते, आर्टिफिशियल इंटेलिजन्स (AI) मुळे मेमरी सेमीकंडक्टर मार्केट (Memory Semiconductor Market) आता सायकल-आधारित (Cyclical) न राहता स्थिर (Stable) बनत आहे. प्रॉफिटवर लक्ष केंद्रित केल्यामुळे DRAM कंपन्यांचे उत्पन्न अधिक मजबूत होत असून, त्यामुळे या क्षेत्रातील स्टॉक्सचे व्हॅल्युएशन (Valuation) वाढण्याची शक्यता आहे.
काय घडले?
ग्लोबल ब्रोकरेज फर्म Jefferies ने नुकत्याच केलेल्या विश्लेषणात म्हटले आहे की, आर्टिफिशियल इंटेलिजन्स (AI) मुळे मेमरी सेमीकंडक्टर उद्योगात कायमस्वरूपी बदल घडत आहे. अनेक वर्षांपासून DRAM (Dynamic Random Access Memory) मार्केट हे 'बूम-अँड-बस्ट' सायकलसाठी (Boom-and-Bust Cycles) ओळखले जात होते, ज्यात जास्त उत्पादन आणि किंमतींमध्ये घसरण हे चक्र सुरू असायचे. मात्र, Jefferies च्या मते, आता हे चित्र बदलत आहे. AI इन्फ्रास्ट्रक्चरची वाढती मागणी, विशेषतः सर्व्हरमध्ये वापरल्या जाणाऱ्या हाय-बँडविड्थ मेमरी (HBM) ची प्रचंड गरज, यामुळे एक अधिक स्थिर आणि लवचिक मागणी संरचना तयार होत आहे, जी मेमरी उत्पादनाच्या अर्थशास्त्रात (Economics) कायमस्वरूपी बदल घडवू शकते.
सायकल-आधारित कडून स्थिरतेकडे वाटचाल
ऐतिहासिकदृष्ट्या, सेमीकंडक्टर मेमरी कंपन्यांना अत्यंत सायकल-आधारित व्यवसाय म्हणून पाहिले जात असे. मागणी वाढल्यास, कंपन्या त्यांची उत्पादन क्षमता वेगाने वाढवत असत, ज्यामुळे ओव्हरसप्लाय (Oversupply) होऊन किंमती आणि प्रॉफिट मार्जिन कोसळत असे. Jefferies नमूद करते की, आता हे बदलत आहे कारण AI वर्कलोड्ससाठी पारंपरिक कंप्यूटिंगच्या तुलनेत प्रति सर्व्हर कितीतरी जास्त मेमरीची गरज भासते. जसे की डेटा सेंटर्स आणि AI हार्डवेअर डेव्हलपर्स जागतिक AI प्रक्रियेच्या मागणीची पूर्तता करण्यासाठी धावपळ करत आहेत, तसे ते मोठ्या प्रमाणात ॲडव्हान्स्ड मेमरी वापरत आहेत, ज्यामुळे या उद्योगाला पूर्वी ग्रासणारी अस्थिरता कमी होत आहे.
हाय-बँडविड्थ मेमरी (HBM) चे महत्त्व
या ट्रेंडमध्ये हाय-बँडविड्थ मेमरी (HBM) हा सर्वात महत्त्वाचा घटक ठरला आहे. हे विशेष मेमरी चिप्स हाय-परफॉर्मन्स ग्राफिक्स प्रोसेसिंग युनिट्स (GPUs) सोबत जोडलेले असतात, जे लार्ज लँग्वेज मॉडेल्स (LLMs) आणि इतर AI ॲप्लिकेशन्स चालवण्यासाठी आवश्यक आहेत. HBM साठी अधिक क्लिष्ट उत्पादन प्रक्रिया लागत असल्याने, स्टँडर्ड मेमरी चिप्सच्या तुलनेत त्याचा पुरवठा मर्यादित आहे. या मर्यादेमुळे उत्पादकांना किंमतींवर नियंत्रण ठेवण्यास आणि नफा कमावण्यास मदत होत आहे, कारण उद्योग हायपरस्केल क्लाउड प्रोव्हायडर्सच्या गरजा पूर्ण करण्यासाठी पुरेसे ॲडव्हान्स्ड HBM उत्पादन क्षमता वाढवण्यासाठी धडपडत आहे.
शिस्तबद्ध पुरवठा धोरण
मागील सायकलच्या विपरीत, Jefferies च्या मते आघाडीचे मेमरी उत्पादक आता पुरवठ्यात लक्षणीय शिस्त दाखवत आहेत. स्वस्त चिप्सचा पुरवठा करून मार्केट शेअर मिळवण्याऐवजी, या कंपन्या नफ्याला प्राधान्य देत आहेत. नवीन उत्पादन क्षमता किती वेगाने वाढवायची हे काळजीपूर्वक नियंत्रित करून, ते पुरवठा-मागणीचा समतोल घट्ट ठेवत आहेत. या धोरणात्मक बदलाचा उद्देश प्रॉफिट मार्जिनचे संरक्षण करणे आणि मागील दशकांमध्ये या क्षेत्राला परिभाषित करणाऱ्या तीव्र किंमत घसरणीला प्रतिबंध करणे हा आहे.
व्हॅल्युएशनचा प्रश्न
ऐतिहासिकदृष्ट्या मार्केट मेमरी कंपन्यांना अस्थिर, सायकल-आधारित कंपन्या मानत असल्यामुळे, त्यांच्या स्टॉक्सच्या व्हॅल्युएशनवर अनेकदा दबाव राहिला आहे. Jefferies चा युक्तिवाद आहे की, जर स्थिरतेकडे आणि शिस्तबद्ध पुरवठ्याकडे हा कल कायम राहिला, तर गुंतवणूकदारांना या कंपन्यांचे व्हॅल्युएशन कसे करावे यावर पुनर्विचार करावा लागेल. जर कमाईचे स्वरूप पीसी (PC) आणि स्मार्टफोन मार्केटच्या चढ-उतारांवर कमी अवलंबून राहिले आणि AI डेटा सेंटर्सच्या सातत्यपूर्ण गरजांवर अधिक केंद्रित झाले, तर फर्म सुचवते की उच्च व्हॅल्युएशन मल्टीपल्स (Price-to-Earnings Ratio) अधिक न्याय्य ठरतील.
धोके आणि गुंतवणूकदारांनी काय लक्ष ठेवावे
AI-आधारित मागणीचे भविष्य मजबूत असले तरी, गुंतवणूकदारांनी हे लक्षात ठेवले पाहिजे की सेमीकंडक्टर उद्योग तंत्रज्ञान खर्चातील बदलांसाठी संवेदनशील आहे. जर कंपन्यांनी AI इन्फ्रास्ट्रक्चरमधील गुंतवणूक कमी केली, किंवा अर्थव्यवस्था लक्षणीयरीत्या मंदावली, तर हाय-एंड मेमरीची मागणी कमी होऊ शकते. याव्यतिरिक्त, पुरवठा घट्ट ठेवण्याची रणनीती उत्पादकांनी शिस्त राखण्यावर अवलंबून आहे; जर एखाद्या स्पर्धकाने मार्केट शेअर मिळवण्यासाठी आक्रमकपणे क्षमता वाढवण्याचा निर्णय घेतला, तर उद्योगात पुन्हा ओव्हरसप्लायचे (Oversupply) चित्र दिसू शकते. जागतिक टेक ट्रेंड्सवर लक्ष ठेवणार्या गुंतवणूकदारांसाठी, प्रमुख मेमरी उत्पादकांचे भविष्यातील भांडवली खर्चाचे अहवाल (Capital Expenditure Reports), प्रॉफिट मार्जिन ट्रेंड्स आणि जागतिक टेक जायंट्सद्वारे AI हार्डवेअरवरील खर्चाचा सातत्यपूर्ण वेग यावर लक्ष ठेवणे महत्त्वाचे ठरेल.