Alphabet, Microsoft, Amazon, Meta, ਅਤੇ Oracle ਵਰਗੀਆਂ ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ 'ਤੇ ਲਗਭਗ **$1.65 ਟ੍ਰਿਲੀਅਨ** ਦਾ ਆਫ-ਬੈਲੈਂਸ-ਸ਼ੀਟ (Off-Balance-Sheet) AI ਕਰਜ਼ਾ ਹੈ। ਇਹ ਭਵਿੱਖ ਦੇ ਲੀਜ਼ ਅਤੇ ਉਪਕਰਨਾਂ ਦੀਆਂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਹਨ, ਜੋ ਰਵਾਇਤੀ ਕਰਜ਼ ਵਜੋਂ ਦਰਜ ਨਹੀਂ ਕੀਤੀਆਂ ਗਈਆਂ, ਜਿਸ ਨਾਲ ਕੰਪਨੀਆਂ ਦੇ ਅਸਲ ਵਿੱਤੀ ਲੀਵਰੇਜ (Financial Leverage) 'ਤੇ ਸਵਾਲ ਖੜ੍ਹੇ ਹੋ ਰਹੇ ਹਨ।
Detailed Coverage
ਵੱਡੀਆਂ ਟੈਕਨਾਲੌਜੀ ਕੰਪਨੀਆਂ ਇਸ ਸਮੇਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਲਈ ਭਾਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (Infrastructure) ਦੀਆਂ ਵਚਨਬੱਧਤਾਵਾਂ ਨੂੰ ਸੰਭਾਲ ਰਹੀਆਂ ਹਨ, ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਵਿੱਤੀ ਬਿਆਨਾਂ 'ਤੇ ਆਮ ਕਰਜ਼ੇ (Standard Debt) ਵਾਂਗ ਨਜ਼ਰ ਨਹੀਂ ਆਉਂਦੀਆਂ। ਜਾਂਚ ਵਿੱਚ GPU ਖਰੀਦ ਸਮਝੌਤਿਆਂ (GPU Purchase Agreements) ਅਤੇ ਭਵਿੱਖ ਦੇ ਡਾਟਾ-ਸੈਂਟਰ ਲੀਜ਼ (Data-Center Leases) ਨਾਲ ਜੁੜੀਆਂ ਲਗਭਗ $1.65 ਟ੍ਰਿਲੀਅਨ ਦੀਆਂ ਆਫ-ਬੈਲੈਂਸ-ਸ਼ੀਟ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ। ਇਹ ਵਚਨਬੱਧਤਾਵਾਂ ਇਸ ਤਰੀਕੇ ਨਾਲ ਬਣਾਈਆਂ ਗਈਆਂ ਹਨ ਕਿ ਮੌਜੂਦਾ ਅਕਾਊਂਟਿੰਗ ਮਾਪਦੰਡਾਂ (Accounting Standards) ਦੇ ਤਹਿਤ ਇਨ੍ਹਾਂ ਨੂੰ ਤੁਰੰਤ ਕਰਜ਼ੇ ਵਜੋਂ ਮਾਨਤਾ ਨਾ ਮਿਲੇ, ਕਿਉਂਕਿ ਕਈ ਦੇਣਦਾਰੀਆਂ (Liabilities) ਤਾਂ ਉਦੋਂ ਹੀ ਦਰਜ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਜਦੋਂ ਸੰਬੰਧਿਤ ਸਹੂਲਤਾਂ ਕੰਮ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੀਆਂ ਹਨ।
ਵਿੱਤੀ ਪਾਰਦਰਸ਼ਤਾ 'ਤੇ ਅਸਰ
ਇਨ੍ਹਾਂ ਵਚਨਬੱਧਤਾਵਾਂ ਦਾ ਪੈਮਾਨਾ ਪਿਛਲੇ ਚਾਰ ਸਾਲਾਂ ਵਿੱਚ ਅੱਠ ਗੁਣਾ ਵੱਧ ਗਿਆ ਹੈ, ਜੋ AI ਪੂੰਜੀ ਖਰਚ (AI Capital Spending) ਦੀ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਅੰਕੜੇ ਆਮ ਤੌਰ 'ਤੇ ਸਟੈਂਡਰਡ ਲੀਵਰੇਜ ਅਨੁਪਾਤ (Leverage Ratios) ਤੋਂ ਬਾਹਰ ਰੱਖੇ ਜਾਂਦੇ ਹਨ, ਨਿਵੇਸ਼ਕਾਂ (Investors) ਨੂੰ ਇਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਝੱਲੇ ਜਾ ਰਹੇ ਵਿੱਤੀ ਜੋਖਮ (Financial Risk) ਦੀ ਪੂਰੀ ਤਸਵੀਰ ਨਹੀਂ ਮਿਲ ਸਕਦੀ। ਜਦੋਂ ਕੋਈ ਲੀਜ਼ 'ਤੇ ਦਿੱਤੀ ਗਈ ਸਹੂਲਤ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਸ ਦੀਆਂ ਸੰਬੰਧਿਤ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਬੈਲੈਂਸ ਸ਼ੀਟ 'ਤੇ ਆ ਜਾਂਦੀਆਂ ਹਨ। ਇਸ ਨਾਲ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਕਰਜ਼ੇ ਵਿੱਚ ਅਚਾਨਕ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਜੇਕਰ AI ਤੋਂ ਹੋਣ ਵਾਲੀ ਆਮਦਨ (Revenue Growth) ਇਨ੍ਹਾਂ ਨਿਸ਼ਚਿਤ ਲਾਗਤਾਂ (Fixed Costs) ਨਾਲ ਤਾਲਮੇਲ ਨਹੀਂ ਬਿਠਾ ਸਕਦੀ ਤਾਂ ਕੈਸ਼ ਫਲੋ (Cash Flows) 'ਤੇ ਦਬਾਅ ਪੈ ਸਕਦਾ ਹੈ।
Meta ਅਤੇ Oracle ਦਾ ਐਕਸਪੋਜ਼ਰ
ਕੁਝ ਖਾਸ ਕੰਪਨੀਆਂ ਵਿੱਚ ਇਹ ਲੁਕੀਆਂ ਦੇਣਦਾਰੀਆਂ (Hidden Liabilities) ਜ਼ਿਆਦਾ ਦੇਖਣ ਨੂੰ ਮਿਲਦੀਆਂ ਹਨ। Meta Platforms ਦੀਆਂ ਆਫ-ਬੈਲੈਂਸ-ਸ਼ੀਟ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਲਗਭਗ $420 ਬਿਲੀਅਨ ਦੱਸੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ, ਜੋ ਕਿ ਇਸਦੇ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਕਰਜ਼ੇ ਤੋਂ ਲਗਭਗ ਤਿੰਨ ਗੁਣਾ ਵੱਧ ਹੈ। ਇਸ ਦਾ ਮੁੱਖ ਕਾਰਨ ਸਾਂਝੇ ਉੱਦਮਾਂ (Joint Ventures) ਅਤੇ ਲੀਜ਼ਿੰਗ ਮਾਡਲਾਂ (Leasing Models) ਰਾਹੀਂ ਡਾਟਾ ਸੈਂਟਰਾਂ ਦੀ ਫਾਈਨਾਂਸਿੰਗ (Data Center Financing) ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, Oracle ਨੇ ਭਵਿੱਖ ਦੇ ਲੀਜ਼ ਕਮਿਟਮੈਂਟਾਂ (Lease Commitments) ਵਿੱਚ ਭਾਰੀ ਵਾਧਾ ਦੇਖਿਆ ਹੈ, ਜੋ ਹੁਣ ਲਗਭਗ $260 ਬਿਲੀਅਨ ਅਨੁਮਾਨਿਤ ਹੈ। ਇਹ ਵਾਧਾ OpenAI ਵਰਗੇ ਭਾਈਵਾਲਾਂ (Partners) ਲਈ AI ਕੰਪਿਊਟ ਪਾਵਰ (AI Compute Power) ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੀਆਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਲੋੜਾਂ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ।
ਜੋਖਮ ਅਤੇ ਨਿਗਰਾਨੀਯੋਗ ਪਹਿਲੂ
ਬੈਂਕ ਫਾਰ ਇੰਟਰਨੈਸ਼ਨਲ ਸੈਟਲਮੈਂਟਸ (Bank for International Settlements) ਸਮੇਤ ਰੈਗੂਲੇਟਰੀ ਸੰਸਥਾਵਾਂ (Regulatory Bodies) ਨੇ ਪਹਿਲਾਂ ਹੀ ਇਸ ਕਿਸਮ ਦੇ ਸ਼ੈਡੋ ਬੋਰੋਇੰਗ (Shadow Borrowing) ਨਾਲ ਜੁੜੇ ਜੋਖਮਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ। ਇਹ ਢਾਂਚਾ AI ਹਾਰਡਵੇਅਰ (AI Hardware) ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਪੁਰਾਣਾ ਹੋਣ ਦੇ ਮੱਦੇਨਜ਼ਰ ਲਚਕਤਾ (Flexibility) ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਇੱਕ ਬੇਮੇਲਤਾ (Mismatch) ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਫਾਈਨਾਂਸਿੰਗ ਦੀ ਮਿਆਦ (Duration of Financing) ਜਾਇਦਾਦਾਂ (Assets) ਦੇ ਜੀਵਨ ਕਾਲ (Lifespan) ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਇਹ ਕੰਪਨੀਆਂ ਆਉਣ ਵਾਲੀਆਂ ਕਮਾਈ ਰਿਪੋਰਟਾਂ (Earnings Releases) ਦੇ ਨੇੜੇ ਪਹੁੰਚਦੀਆਂ ਹਨ, ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਮੁੱਖ ਚਿੰਤਾ ਇਹ ਹੈ ਕਿ ਜੇਕਰ AI-ਆਧਾਰਿਤ ਆਮਦਨ ਇਨ੍ਹਾਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਨਿਵੇਸ਼ਾਂ (Infrastructure Investments) ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਉੱਚ ਉਮੀਦਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦੀ ਤਾਂ ਐਸੇਟ ਰਾਈਟ-ਡਾਊਨ (Asset Write-downs) ਦਾ ਖਤਰਾ ਹੋ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਹ ਨਿਗਰਾਨੀ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਇਹ ਵਚਨਬੱਧਤਾਵਾਂ ਕਿਵੇਂ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਕਰਦੀਆਂ ਹਨ ਜਦੋਂ ਉਹ ਭਵਿੱਖ ਦੀਆਂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਤੋਂ ਕਾਰਜਸ਼ੀਲ ਦੇਣਦਾਰੀਆਂ (Operational Liabilities) ਵਿੱਚ ਤਬਦੀਲ ਹੁੰਦੀਆਂ ਹਨ, ਅਤੇ ਕੀ ਇਹ ਲਾਭ ਮਾਰਜਿਨ (Profit Margins) ਜਾਂ ਲੰਬੇ ਸਮੇਂ ਦੀ ਵਿੱਤੀ ਲਚਕਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।