لیمبڈا کا مائیکروسافٹ کے لیے نویڈیا چپس کی خریداری پر ایک ارب ڈالر قرض کا معاہدہ

مصنوعی ذہانت کے لیے مخصوص کلاؤڈ فراہم کرنے والی کمپنی 'لیمبڈا' (Lambda) نے اعلیٰ معیار کی نویڈیا گرافکس پروسیسنگ یونٹس (GPUs) خریدنے کے لیے 1 ارب ڈالر کا پرائیویٹ ڈیٹ حاصل کر لیا ہے۔ لیمبڈا ان مائیکرو چپس کو بڑے ڈیٹا سینٹرز میں نصب کرے گی اور کمپیوٹنگ کی صلاحیت براہِ راست مائیکروسافٹ کو لیز پر دے گی، جس سے ظاہر ہوتا ہے کہ ٹیک کمپنیاں اے آئی کے بڑھتے ہوئے اخراجات کو پورا کرنے کے لیے قرض سے فنانس شدہ انفراسٹرکچر کا سہارا لے رہی ہیں۔

سلیکان کی دوڑ اور قرض پر مبنی فنانسنگ

جنریٹو آرٹیفیشل انٹیلی جنس ماڈلز کی تیاری کی عالمی دوڑ نے پروسیسنگ پاور کی بے پناہ طلب پیدا کر دی ہے۔ صرف روایت وینچر کیپٹل یا نقد رقم پر انحصار کرنے کے بجائے، لیمبڈا جیسے نیو کلاؤڈ آپریٹرز نویڈیا کی ہزاروں مائیکرو چپس ایک ساتھ خریدنے کے لیے پرائیویٹ کریڈٹ مارکیٹ کا استعمال کر رہے ہیں۔ 1 ارب ڈالر کا یہ نیا معاہدہ یہ واضح کرتا ہے کہ سلیکان ویلی اپنے ہارڈ ویئر انفراسٹرکچر کی فنانسنگ کے طریقے کو کس طرح تبدیل کر رہی ہے۔

لیمبڈا، جو بنیادی طور پر ڈیپ لرننگ ورک اسٹیشنز بنانے کے لیے قائم کی گئی تھی، اب ایک اہم کلاؤڈ فراہم کنندہ میں تبدیل ہو چکی ہے۔ نویڈیا کی ایچ 100 اور آئندہ نسل کی بلیک ویل چپس کا بڑا کوٹہ حاصل کر کے، یہ کمپنی ایسے اے آئی محققین اور اداروں کو فوری کمپیوٹنگ فراہم کرتی ہے جو ڈائریکٹ شپمنٹ کا مہینوں انتظار نہیں کر سکتے۔

مائیکروسافٹ کے لیے لیمبڈا جیسے اسپیشلائزڈ کلاؤڈز کے ساتھ شراکت داری سے انفراسٹرکچر کا دباؤ کم ہوتا ہے۔ اوپن اے آئی کے ماڈل ٹریننگ اور ایژور (Azure) اے آئی سروسز کی طلب کو پورا کرنے کے لیے مائیکروسافٹ ان کمپنیوں سے جی پی یو کی رسائی کی ضمانت لیتا ہے، جبکہ مالیاتی خطرہ بظاہر کم رہتا ہے۔

جی پی یو کیسے وال اسٹریٹ کی پسندیدہ ضمانت بن گئے؟

وال اسٹریٹ کے مالیاتی ادارے روایتی طور پر تجارتی عمارتوں، ہوائی جہازوں یا سیل ٹاورز جیسی ٹھوس جائیدادوں پر قرض دیتے تھے۔ لیکن آج نویڈیا کے گرافکس پروسیسرز اربوں ڈالر کے قرضوں کے لیے بنیادی ضمانت (Collateral) کے طور پر استعمال ہو رہے ہیں۔

اس مالیاتی طریقہ کار میں سپیشل پرپز وہیکلز (SPVs) کا سہارا لیا جاتا ہے۔ نیو کلاؤڈ آپریٹرز خریدی گئی جی پی یوز کو علیحدہ ذیلی کمپنیوں کے تحت رکھتے ہیں۔ قرض دہندگان مائیکروسافٹ جیسے پائیدار گاہکوں کے ساتھ طے شدہ معاہدوں کی بنیاد پر براہِ راست انہی چپس کی قیمت پر قرض دیتے ہیں۔

تاہم، جی پی یو کی بنیاد پر دیے جانے والے اس قرض میں چند اہم تکنیکی اور مالیاتی خطرات شامل ہیں:

• ہارڈ ویئر کی تیز رفتار پرانگی: مائیکرو چپس جائیداد کے مقابلے میں بہت تیزی سے اپنی قیمت کھو دیتی ہیں۔ آج نصب کی گئی چپ اگلے 24 سے 36 مہینوں میں نئی اور تیز تر چپس کے آنے سے غیر مؤثر ہو سکتی ہے۔
• بجلی اور ڈیٹا سینٹر کی قلت: صرف چپس خریدنا ہی کافی نہیں، بلکہ ان کو چلانے کے لیے مائع کولنگ اور میگاواٹ بجلی کی فراہمی بھی ایک بڑا چیلنج ہے۔
• مخصوص گاہکوں پر انحصار: چند بڑی ٹیک کمپنیوں پر حد سے زیادہ انحصار کرنا ان آپریٹرز کے لیے خطرناک ہو سکتا ہے اگر کلاؤڈ کی طلب اچانک کم ہو جائے۔

ٹیک کمپنیوں کا انفراسٹرکچر خریدنے کے بجائے لیز پر لینے کا رجحان

بڑی ٹیک کمپنیوں پر وال اسٹریٹ کے سرمایہ کاروں کی طرف سے شدید دباؤ ہے کہ وہ بڑے سرمایہ کاری اخراجات (Capital Expenditures) پر فوری منافع دکھائیں۔ اربوں ڈالر کا ہارڈ ویئر براہِ راست خریدنے سے ان کی فنانشل بیلنس شیٹ پر دباؤ آتا ہے۔ اس کے برعکس لیمبڈا جیسے درمیانی آپریٹرز سے پروسیسنگ پاور لیز پر لینا کمپنیوں کو ان اخراجات کو آپریٹنگ ایکسپینس میں تبدیل کرنے کی سہولت دیتا ہے۔

جب تک مصنوعی ذہانت کے ماڈلز کو تربیت دینے کے لیے کمپیوٹنگ پاور کی طلب بڑھتی رہے گی، پرائیویٹ کریڈٹ مارکیٹ ڈیٹا سینٹرز کی توسیع کے لیے مالیاتی ایندھن فراہم کرتی رہے گی۔

اکثر پوچھے گئے سوالات

How much debt did Lambda secure and what is the money for?

Lambda secured $1 billion in private debt financing. The funds will be used to purchase advanced Nvidia graphics processing units (GPUs) and build data center infrastructure to service a compute lease agreement with Microsoft.

Why are cloud companies using debt instead of equity to buy GPUs?

Debt backed by GPU assets allows cloud providers to scale rapidly without diluting equity ownership. Lenders view high-demand Nvidia chips tied to long-term corporate leases like Microsoft as low-risk, cash-generating collateral.

What risk do lenders face with GPU-backed loans?

The primary risks include rapid hardware obsolescence as newer chip architectures enter the market, data center power supply bottlenecks, and customer concentration if hyperscalers reduce compute leasing.