AI বুদ্‌বুদের আসল ঝুঁকি: ৩.৪ ট্রিলিয়ন ডলারের ব্যয় আর ছায়া-ঋণ

AI অবকাঠামোয় ৩.৪ ট্রিলিয়ন ডলারের সম্ভাব্য ব্যয় একা বুদ্‌বুদের আসল ঝুঁকি নয়। বড় ঝুঁকি তৈরি হয় যখন চিপ সরবরাহকারী, AI ডেভেলপার, হাইপারস্কেলার, ডেটা সেন্টারের বিশেষ উদ্দেশ্য সংস্থা এবং ঋণদাতার আয় ও দায় পরস্পরের ওপর নির্ভরশীল থাকে—তখন চাহিদার একটি ধাক্কা প্রযুক্তি শেয়ার, প্রকল্প-ঋণ ও পুনঃঅর্থায়নে একসঙ্গে ছড়াতে পারে।

এই ব্যবস্থায় কিছু ঋণ হাইপারস্কেলারের ব্যালান্স শিটে থাকে, আর কিছু আলাদা প্রকল্প-সংস্থার নামে থেকে দীর্ঘমেয়াদি লিজ বা ক্ষমতা কেনার চুক্তির ওপর নির্ভর করে। তাই AI থেকে প্রত্যাশিত আয় না এলে ক্ষতি শুধু শেয়ারদরে আটকে থাকবে—এমন নিশ্চয়তা নেই; তবে এটিও অনিবার্য ধসের পূর্বাভাস নয়, কারণ বড় হাইপারস্কেলারদের বর্তমান ঋণমান ও নগদ প্রবাহ তুলনামূলকভাবে শক্তিশালী এবং IMF এখনো সামগ্রিক আর্থিক-স্থিতিশীলতার ঝুঁকিকে সীমিত বলছে।

৩.৪ ট্রিলিয়ন ডলার ঋণ নয়, সম্ভাব্য ব্যয়

৩.৪ ট্রিলিয়ন ডলার বর্তমান বকেয়া ঋণের পরিমাণ নয়; এটি ২০২৯ সাল পর্যন্ত সম্ভাব্য AI-সম্পর্কিত মূলধনী ব্যয়ের প্রক্ষেপণ। IMF-এর এপ্রিল ২০২৬ বিশ্লেষণ অনুযায়ী, হাইপারস্কেলাররা এই ব্যয়ের প্রায় ৭০ শতাংশ করতে পারে এবং ২০২৫ সালের জানুয়ারি থেকে ১০০ বিলিয়ন ডলারের বেশি বন্ড অর্থায়ন তুলেছে। একই প্রতিবেদনে বলা হয়েছে, তাদের আয় এখন পর্যন্ত মূলধনী ব্যয়ের সঙ্গে তাল রেখেছে, মুক্ত নগদ প্রবাহ উঁচু এবং বিনিয়োগ-গ্রেড ঋণের চাহিদাও শক্তিশালী।

অতএব বড় ব্যয় দেখেই বুদ্‌বুদ ঘোষণা করলে অর্থায়নের গুরুত্বপূর্ণ পার্থক্যগুলো বাদ পড়ে। নগদে অর্থায়িত প্রকল্পের আয় কমলে প্রথম চাপ পড়ে শেয়ারহোল্ডারের ওপর; ঋণনির্ভর প্রকল্পে একই ঘাটতি বন্ডধারী, ব্যক্তিগত ঋণদাতা, গ্যারান্টিদাতা এবং নতুন অর্থায়ন দিতে আগ্রহী প্রতিষ্ঠানের কাছেও পৌঁছায়। মূল প্রশ্ন হলো, ভবিষ্যৎ AI আয় নির্মাণ, বিদ্যুৎ, চিপ, লিজ ও সুদের বহু বছরের খরচ বহন করতে পারবে কি না।

চক্রাকার অর্থায়নে একই চাহিদা বারবার শক্তি দেখায়

চক্রাকার অর্থায়ন মানে কাল্পনিক লেনদেন নয়। এখানে AI ডেভেলপার, চিপ কোম্পানি ও বড় প্রযুক্তি প্রতিষ্ঠান একই সঙ্গে পরস্পরের গ্রাহক, বিনিয়োগকারী বা অর্থদাতা হতে পারে। এতে বাস্তব চিপ, ডেটা সেন্টার ও কম্পিউটিং সেবা তৈরি হয়, কিন্তু ব্যবসায়িক বৃত্তের বাইরে স্বাধীন ও টেকসই চাহিদা কতটা আছে, তা বোঝা কঠিন হয়ে পড়ে।

• চিপ সরবরাহকারী AI ডেভেলপার বা কম্পিউটিং অপারেটরকে মূলধন অথবা অর্থায়ন-সহায়তা দেয়।
• AI ডেভেলপার সেই অর্থের অংশ চিপ ও ক্লাউড কম্পিউটিং ক্ষমতা কিনতে ব্যয় করে।
• হাইপারস্কেলার নিজে ডেটা সেন্টার নির্মাণ করে অথবা আলাদা প্রকল্প-সংস্থার কাছ থেকে দীর্ঘমেয়াদি ক্ষমতা নেয়।
• প্রকল্প-সংস্থা বেসরকারি ঋণ তুলে স্থাপনা তৈরি করে এবং লিজের নগদ প্রবাহ দিয়ে ঋণ শোধ করে।
• ব্যক্তিগত ঋণ তহবিল, বিমা কোম্পানি ও অন্য প্রাতিষ্ঠানিক বিনিয়োগকারী শেষ পর্যন্ত সেই ঋণ ধারণ করতে পারে।

এই চক্রে AI ডেভেলপারের ব্যয় এক প্রতিষ্ঠানের বিক্রি, আরেকটির ক্লাউড আয় এবং তৃতীয়টির লিজ-সমর্থন হিসেবে দেখা দিতে পারে। কিন্তু শেষ ব্যবহারকারীর রাজস্ব দুর্বল হলে একই চাহিদা-অনুমানের ওপর দাঁড়ানো দাবিগুলো একসঙ্গে নরম হয়। IMF-এর বিশ্লেষণে এই বহুমুখী সংযোগকে এমন একটি পথ হিসেবে দেখা হয়েছে, যার মাধ্যমে একটি প্রতিষ্ঠানের প্রতিকূল ধাক্কা অরৈখিকভাবে বড় হয়ে বিস্তৃত বাজারে পৌঁছাতে পারে।

অফ-ব্যালান্স-শিট দায় কীভাবে ছায়া-ঋণ হয়

একটি প্রচলিত কাঠামোয় যৌথ উদ্যোগ বা বিশেষ উদ্দেশ্য সংস্থা ডেটা সেন্টারের মালিক ও ঋণগ্রহীতা হয়। হাইপারস্কেলার সাধারণত সংখ্যালঘু অংশীদার থেকে দীর্ঘমেয়াদি অপারেটিং লিজ, বিদ্যুৎ বা কম্পিউটিং ক্ষমতা কেনার অঙ্গীকার এবং কখনো গ্যারান্টি দেয়। আইনি ঋণটি প্রকল্প-সংস্থার নামে থাকলেও তার পরিশোধ নির্ভর করে হাইপারস্কেলারের চুক্তিভিত্তিক অর্থপ্রবাহের ওপর।

BIS-এর মার্চ ২০২৬ গবেষণা এ ধরনের দায়কে shadow borrowing বলেছে—অর্থনৈতিকভাবে ঋণের মতো বাধ্যবাধকতা, যা প্রধান কোম্পানির ব্যালান্স শিটের বাইরে থাকে। লিজের অর্থে প্রকল্প-ঋণ শোধ হয়; ব্যক্তিগত ঋণ তহবিল ও প্রাতিষ্ঠানিক বিনিয়োগকারী তা ধারণ করে। ফলে প্রকাশিত করপোরেট ঋণের সঙ্গে দীর্ঘমেয়াদি লিজ, ক্ষমতা কেনার অঙ্গীকার ও গ্যারান্টিও না দেখলে প্রকৃত অর্থনৈতিক দায়ের মানচিত্র অসম্পূর্ণ থাকে।

এটি নিজে অনিয়মের প্রমাণ নয়। দীর্ঘমেয়াদি সম্পদের খরচ সময়ের মধ্যে ছড়িয়ে দেওয়া এবং প্রকল্পভিত্তিক বিনিয়োগকারী আনার জন্য কাঠামোটি ব্যবহারযোগ্য। তবে Foley & Lardner-এর প্রকল্প-অর্থায়ন পর্যালোচনা দেখায়, ঋণদাতারা সম্ভাব্য নগদ প্রবাহ ও প্রধান ভাড়াটের দীর্ঘমেয়াদি চুক্তির ওপর ঋণ দেয় এবং নির্মাণ শেষ করা, অতিরিক্ত ব্যয় বা প্রাথমিক ঋণ-পরিষেবার জন্য স্পনসরের সহায়তাও চাইতে পারে। আইনি বিচ্ছিন্নতা তাই অর্থনৈতিক ঝুঁকিকে পুরোপুরি বিচ্ছিন্ন করে না।

চাহিদার ধাক্কা থেকে ঋণবাজারে সংক্রমণ

প্রথম ধাক্কা হতে পারে AI সেবার আয় প্রত্যাশার চেয়ে কম হওয়া, নির্মাণ বিলম্ব, বিদ্যুতের ঘাটতি বা নতুন চিপের কারণে পুরোনো যন্ত্রের আয়ুষ্কাল কমে যাওয়া। AI ডেভেলপার কম ক্ষমতা কিনতে চাইলেও দীর্ঘমেয়াদি চুক্তি থেকে বেরোতে না পারলে তার নগদ প্রবাহে চাপ পড়ে। চুক্তি বাতিল বা পুনর্নির্ধারিত হলে চাপটি ডেটা সেন্টারের লিজ-আয় এবং প্রকল্প-ঋণের ওপর চলে যায়।

পরবর্তী ধাপে প্রকল্প-ঋণের বাজারমূল্য কমতে পারে, ব্যক্তিগত ঋণদাতারা নতুন অর্থায়নে কঠোর হতে পারে এবং ব্যাংকের প্রতিশ্রুত তহবিল-লাইন ব্যবহারের প্রয়োজন বাড়তে পারে। কোনো করপোরেট গ্যারান্টি বা সহায়তার অঙ্গীকার কার্যকর হলে অফ-ব্যালান্স-শিট ঝুঁকি আবার মূল প্রতিষ্ঠানের নগদ চাহিদায় ফিরে আসে। একই সময়ে চিপ ও ক্লাউড বিক্রির পূর্বাভাস কমলে ইকুইটির মূল্যও সমন্বিত হতে পারে—অর্থাৎ ঋণ ও শেয়ারবাজারের চাপ একই ব্যবসায়িক অনুমান থেকে জন্ম নেয়।

জামানতের পুনরুদ্ধারমূল্যও স্থির নয়। S&P Global-এর ডেটা সেন্টার মূল্যায়ন অতিরিক্ত নির্মাণ, মেয়াদ শেষে ঋণ নবায়ন, কম অবশিষ্ট মূল্য ও প্রযুক্তিগত অচলতাকে দীর্ঘমেয়াদি ঝুঁকি হিসেবে চিহ্নিত করেছে; দূরবর্তী স্থানে বিশেষ উদ্দেশ্যে নির্মিত কেন্দ্রের বিকল্প ব্যবহার ও নতুন ভাড়াটে সীমিত হতে পারে। তবে সংস্থাটি নিকট ও মধ্যমেয়াদে চাহিদা সরবরাহের চেয়ে বেশি থাকবে বলেও মনে করে।

কোন দায় কোথায় দাঁড়ায়, সেটিই মূল পরীক্ষা

AI অবকাঠামোর ঝুঁকি বুঝতে ঘোষিত মূলধনী ব্যয় বা করপোরেট বন্ডের মোট অঙ্ক যথেষ্ট নয়। দেখতে হবে চূড়ান্ত গ্রাহকের রাজস্ব কতটা টেকসই, প্রকল্পের আইনি ঋণ কার নামে, লিজ ও ক্ষমতা কেনার অঙ্গীকার কে দিয়েছে, গ্যারান্টি কোথায় আছে, ঋণের মেয়াদ সম্পদের কার্যকর আয়ুর সঙ্গে মেলে কি না এবং প্রধান ভাড়াটে সরে গেলে স্থাপনাটি অন্য কাজে ব্যবহার করা সম্ভব কি না।

একক ভাড়াটের ওপর নির্ভরতা, পুনঃঅর্থায়ননির্ভর ঋণ, দ্রুত অচল হওয়ার সরঞ্জাম এবং একই ব্যবসায়িক বৃত্ত থেকে আসা আয় একসঙ্গে থাকলে ধাক্কা শোষণের জায়গা কমে যায়। বিপরীতে, বৈচিত্র্যময় গ্রাহক, স্পষ্ট চুক্তিগত দায়, দীর্ঘমেয়াদি অর্থায়ন ও বিকল্প ব্যবহারযোগ্য সম্পদ ক্ষতি সামলানোর সুযোগ বাড়ায়। তাই AI বুদ্‌বুদের সবচেয়ে কার্যকর পরীক্ষা শুধু ‘ব্যয় কত’ নয়; বরং চাহিদা কমলে দায় কার কাছে যায় এবং শেষ পর্যন্ত কে নগদ দিতে বাধ্য হয়।