AI bubble ایک نہیں—نئی تحقیق بتاتی ہے خطرہ کن کمپنیوں میں ہے

مختصر جواب یہ ہے کہ پوری AI صنعت کو ایک ہی bubble کہنا درست نہیں۔ کمپنی کی سطح پر نئی تحقیق کچھ AI-exposed حصص میں bubble جیسی قیمت سازی دکھاتی ہے، مگر سب میں نہیں؛ مالی خطرہ تب زیادہ سنجیدہ بنتا ہے جب یہ قیاس آرائی کمزور نقد بہاؤ، بہت بلند توقعات یا غیر پائیدار سرمایہ جاتی خرچ کے ساتھ مل جائے۔

اس لیے کسی کمپنی کو صرف AI سے وابستگی کی بنیاد پر محفوظ یا خطرناک قرار نہیں دیا جا سکتا۔ بہتر جانچ پانچ پیمانوں—آمدن کی نمو، معیارِ آمدن، valuation، capex کی پائیداری اور شرح سود—کو debt، circular financing اور پورٹ فولیو concentration کے ساتھ ملا کر کرتی ہے۔

پوری صنعت پر ایک فیصلہ کیوں گمراہ کرتا ہے

چِپ بنانے والی کمپنی، cloud infrastructure فراہم کرنے والا ادارہ، AI model developer اور صرف AI کا بیانیہ اپنانے والا کاروبار ایک جیسے نہیں۔ ان کی آمدن، margins، سرمایہ جاتی ضروریات، قرض اور مسابقتی طاقت مختلف ہوتی ہے؛ ایک مشترک sector label ان فرقوں کو چھپا دیتا ہے۔

Cornell کی تحقیقی رپورٹ کے مطابق 2020 سے اپریل 2026 تک روزانہ قیمتوں پر استعمال کیے گئے SV-ADF statistical framework نے عارضی volatility اور مستقل exuberance کو کمپنی کی سطح پر الگ کیا؛ نتیجہ یہ تھا کہ بعض AI-exposed کمپنیوں میں bubble جیسی dynamics موجود تھیں، جبکہ پورے شعبے کو bubble کہنا درست نہیں تھا۔

یہ statistical signal بنیادی قدر کا مکمل حساب نہیں۔ یہ قیمت کے غیر معمولی رویے کی نشاندہی کرتا ہے، مگر خود یہ نہیں بتاتا کہ کمپنی کی آئندہ آمدن کتنی ہوگی، capex کتنا منافع دے گا یا موجودہ قیمت کس حد تک جائز ہے۔ اسی لیے اگلا مرحلہ مالی بیانات اور کاروباری انحصار کی جانچ ہے۔

پانچ پیمانے خطرہ کہاں دکھاتے ہیں

Fidelity کا پانچ indicators والا تجزیہ earnings growth، earnings quality، valuation، capex sustainability اور interest-rate cycle کو مرکزی پیمانے قرار دیتا ہے؛ اس کی فروری 2026 کی aggregate reading میں AI capex زیادہ تر earnings سے چل رہا تھا، اگرچہ private companies میں debt funding بڑھنے اور circular financing کے باعث آزاد بیرونی demand ناپنے کی حد بھی واضح کی گئی ہے۔

• آمدن کی نمو: AI سے منسوب revenue کو صارفین، استعمال اور قابلِ تکرار فروخت کے ساتھ ملائیں۔ قیمت بڑھ رہی ہو مگر آمدن یا مستقبل کے orders اسی رفتار سے نہ بڑھیں تو توقعات اور کاروباری حقیقت کا فاصلہ وسیع ہو رہا ہے۔
• معیارِ آمدن: net income کے ساتھ operating cash flow، free cash flow، receivables اور margins دیکھیں۔ منافع مسلسل نقد میں تبدیل نہ ہو یا ایک مرتبہ کے accounting فوائد پر منحصر ہو تو headline earnings کمپنی کی مالی طاقت بڑھا کر دکھا سکتی ہیں۔
• Valuation: price-to-earnings یا enterprise-value-to-sales ratio کو متوقع growth، margins اور موزوں حریفوں کے مقابل رکھیں۔ بلند valuation اکیلی bubble کا ثبوت نہیں؛ اصل سوال یہ ہے کہ اسے درست ثابت کرنے کے لیے کتنی طویل اور غیر معمولی نمو درکار ہے۔
• Capex کی پائیداری: data centers، chips، بجلی اور network پر خرچ کے مقابل incremental revenue، free cash flow اور return on invested capital دیکھیں۔ موجودہ cash generation سے ادا ہونے والا capex قرض پر منحصر توسیع سے مضبوط ہے، لیکن کمزور return پھر بھی معاشی نقصان پیدا کر سکتا ہے۔
• شرح سود: بلند rates مستقبل کی دور کی کمائی کی موجودہ قدر کم اور refinancing مہنگی کرتے ہیں۔ زیادہ قرض، قریب آنے والی maturities اور منفی free cash flow والی کمپنی اس تبدیلی کے مقابل زیادہ حساس ہوگی۔

Circular financing حقیقی طلب کو دھندلا سکتی ہے

Circular financing میں محدود کمپنیاں ایک دوسرے میں سرمایہ لگاتی، computing capacity خریدتی یا supplier financing دیتی ہیں۔ ہر معاہدہ الگ دیکھنے پر revenue اور demand مضبوط دکھائی دے سکتے ہیں، لیکن اگر آخری ادائیگی اسی حلقے کے اندر گھومنے والے سرمائے سے آ رہی ہو تو باہر کے آزاد گاہکوں کی طلب اس سے کم ہو سکتی ہے۔

اس خطرے کو جانچنے کے لیے customer concentration، related-party disclosures، receivables، contract commitments اور strategic investors کے ساتھ تجارتی تعلقات ایک ساتھ پڑھنے چاہییں۔ باہمی معاہدہ بذاتِ خود غلط نہیں؛ کمزوری یہ ہے کہ کسی ایک بڑے خریدار یا financier کے پیچھے ہٹنے سے revenue، capacity utilization اور cash flow بیک وقت متاثر ہوں۔

یہاں debt کو الگ رکھنا بھی ضروری ہے۔ منافع بخش بڑی کمپنی کا اپنے cash flow سے infrastructure بنانا اور کم آمدن والی کمپنی کا مسلسل قرض لے کر capacity خریدنا ایک ہی capex boom کا حصہ ہو سکتے ہیں، مگر ان کے مالی نتائج یکساں نہیں ہوں گے۔

15 فیصد correction concentration کو بے نقاب کرتی ہے

Stress test bubble کی پیش گوئی نہیں بلکہ portfolio کی کمزوری کا نقشہ ہے۔ FactSet کے 31 جولائی 2026 کے فرضی scenario میں امریکی large-cap index کی 500 کمپنیوں میں تقریباً 60 AI-related stocks شناخت کیے گئے، اوسط 15٪ price shock لگایا گیا، اور Magnificent Seven کے الگ اور correlated اثرات کا موازنہ کیا گیا؛ اس index میں سات بڑی کمپنیوں کا وزن تقریباً 30٪ اور وسیع AI-related گروپ کا تقریباً 50٪ تھا۔

نتائج کا مطلب یہ نہیں کہ 15٪ کمی لازماً ہوگی۔ اہم بات یہ ہے کہ صرف Magnificent Seven پر الگ shock اور باقی assets تک correlation کے ذریعے پھیلنے والے shock کے نتائج مختلف تھے: یوں ایک ہی تجربہ idiosyncratic company risk اور systematic portfolio risk کو الگ دکھاتا ہے۔

دو مختلف funds بظاہر متنوع ہو سکتے ہیں، مگر اگر دونوں کی بڑی holdings وہی mega-cap کمپنیاں ہوں اور باقی holdings انہی کے data-center spending، chips یا power demand پر منحصر ہوں تو diversification محدود رہتی ہے۔ portfolio risk صرف ticker names کی تعداد نہیں، مشترک معاشی driver کا سوال بھی ہے۔

Evidence matrix میں مشترک کمزوری تلاش کریں

ہر کمپنی کے لیے پانچ بنیادی indicators کے ساتھ debt، customer concentration اور circular financing کی الگ قطار بنائیں۔ ہر جواب کو مضبوط، غیر واضح یا کمزور قرار دیں اور valuation کو باقی شواہد سے الگ نہ پڑھیں۔

• کیا AI سے منسوب آمدن رپورٹ شدہ، نقد میں تبدیل ہونے والی اور قابلِ تکرار ہے؟
• کیا operating cash flow منافع کی تصدیق کرتا ہے، یا receivables غیر معمولی رفتار سے بڑھ رہی ہیں؟
• موجودہ valuation کن revenue growth اور margin assumptions کی محتاج ہے؟
• کیا capex موجودہ cash generation سے چل رہا ہے، اور اس کا قابلِ پیمائش return کیا ہے؟
• کیا demand آزاد گاہکوں سے آتی ہے یا محدود financing network پر منحصر ہے؟
• قرض کی maturity، refinancing cost اور کسی بڑے customer کے اخراج سے کیا بدلے گا؟
• AI-exposed holdings پر فرضی 15٪ کمی portfolio میں isolated رہتی ہے یا suppliers اور correlated assets تک پھیلتی ہے؟

ایک بلند valuation اکیلی فیصلہ کن نہیں، جیسے مضبوط revenue growth اکیلی حفاظت کی ضمانت نہیں۔ سب سے زیادہ تشویش وہاں بنتی ہے جہاں speculative price behavior، کمزور cash conversion، بڑھتا debt، غیر ثابت شدہ capex return اور concentrated demand ایک ہی کمپنی میں جمع ہوں۔ اسی بنا پر AI bubble ایک sector-wide ہاں یا نہیں کا سوال نہیں، بلکہ مختلف کمپنیوں میں مختلف شدت کے خطرے کی پیمائش ہے۔