यह दौड़ गर्म होती जा रही है। एलन मस्क की स्पेसएक्स, जो अंतरिक्ष रॉकेट के साथ-साथ AI मॉडल भी बनाती है, ने पिछले सप्ताह घोषणा की कि वह अमेरिकी शेयर बाजार में $1.77 ट्रिलियन (£1.31 ट्रिलियन) के मूल्यांकन की मांग कर रही है। इस बीच, क्लॉड चैटबॉट के पीछे की स्टार्टअप एंथ्रोपिक ने कहा कि उसने प्रारंभिक सार्वजनिक पेशकश (IPO) के लिए आवेदन किया है। ChatGPT के डेवलपर OpenAI से भी ऐसा ही करने की उम्मीद है।
AI बाजार में यह नवीनतम शिखर डेटा सेंटर जैसे संबंधित बुनियादी ढांचे पर बहु-ट्रिलियन-डॉलर के खर्च के बीच आया है। साथ ही, कंपनियां प्रौद्योगिकी का उपयोग इस तरह से करने की कोशिश कर रही हैं जिससे उनका निवेश सार्थक हो सके। यहाँ AI बूम की स्थिति और छह प्रमुख चार्ट दिए गए हैं जो दिखाते हैं कि हम यहाँ तक कैसे पहुंचे।
1. AI ने शेयरों को नई ऊंचाइयों पर पहुंचाया है
S&P 500, जो 500 सबसे बड़ी अमेरिकी कंपनियों पर नज़र रखता है, पिछले पांच वर्षों में लगभग 80% उछल गया है। यह उछाल AI बूम में हिस्सेदारी रखने वाले बड़े टेक शेयरों - "मैग्निफिसेंट सेवन": अल्फाबेट, अमेज़न, एप्पल, मेटा, माइक्रोसॉफ्ट, एनवीडिया और टेस्ला - से प्रेरित हुआ है।
अमेरिकी फर्म बियांको रिसर्च के जिम बियांको का कहना है कि प्रौद्योगिकी पर निवेशकों का ध्यान अभूतपूर्व है। उनके शोध में पाया गया कि AI से संबंधित 41 शेयर अब S&P 500 के कुल बाजार मूल्य का लगभग आधा हिस्सा हैं।
निवेश मंच सैक्सो यूके के विश्लेषक नील विल्सन ने चेतावनी दी है कि 1970 के दशक की तरह मुद्रास्फीति के झटके का जोखिम, सामान्य रूप से उच्च टेक मूल्यांकन, और निजी क्रेडिट बाजारों में संभावित ठहराव शेयरों के लिए अच्छा संकेत नहीं हैं।
"पूरा बाजार एक विशाल AI संरचना बन गया है," वे कहते हैं। "खतरा डॉटकॉम बबल की पुनरावृत्ति का है - एक बड़ा क्रैश और वर्षों का खोया हुआ रिटर्न। कुछ मानकों के अनुसार, मूल्यांकन उतने बढ़े-चढ़े नहीं हैं जितने तब थे, लेकिन यह एक अविश्वसनीय रूप से जोखिम भरा बाजार दिखता है।"
2. खर्च आश्चर्यजनक दर से बढ़ रहा है
गोल्डमैन सैक्स के अनुसार, AI पर खर्च - डेटा सेंटर से लेकर चिप्स तक - इस वर्ष $765 बिलियन से बढ़कर 2031 तक $1.6 ट्रिलियन हो जाएगा। निवेश बैंक स्वीकार करता है कि इतनी बड़ी प्रतिबद्धता के साथ समस्याएं हो सकती हैं। क्या होगा अगर डेटा सेंटर में देरी हो?
"पूंजी लगाए जाने के पैमाने को देखते हुए, निष्पादन में छोटी-छोटी देरी भी इन निवेशों के पीछे की मांग की धारणाओं के बारे में गंभीर सवाल खड़े करती है," गोल्डमैन के विश्लेषक कहते हैं। हालांकि, वे आगे कहते हैं कि यदि खर्च की योजनाएं सुचारू रूप से चलती हैं, तो यह AI मांग की एक नई लहर को जन्म दे सकती है। फिर भी, यह खर्च दर्शाता है कि वैश्विक वित्तीय संसाधन - और रिटर्न की उम्मीदें - AI में कितनी डाली जा रही हैं।
3. कंपनियां और उपभोक्ता तेजी से AI अपना रहे हैं
इसके लाभों पर मिश्रित रिपोर्टों के बावजूद, परामर्श फर्म मैकिन्से के अनुसार, अधिकांश कंपनियां AI का उपयोग शुरू कर रही हैं - 2023 में 33% से बढ़कर अब लगभग 80% हो गई हैं। सार्वजनिक उपयोग भी उच्च है, सेंसर टावर के आंकड़ों के अनुसार, OpenAI का ChatGPT अब 1 बिलियन मासिक सक्रिय उपयोगकर्ताओं तक पहुंच गया है - जो किसी भी ऐप के लिए एक रिकॉर्ड है।
AI डेवलपर्स के लिए अब चुनौती यह है कि सार्वजनिक और निजी ग्राहकों के इस विशाल आधार से पैसा कैसे कमाया जाए। कंपनियों को यह दिखाने की जरूरत है कि AI परिणामों में सुधार करता है और खर्च को सही ठहराने के लिए लागत में पर्याप्त कटौती करता है। इसका मतलब है कि इसका उपयोग संपूर्ण वर्कफ़्लो बनाने के लिए करना - व्यावसायिक शब्दावली में किसी कार्य को शुरू से अंत तक पूरा करना। इस मोर्चे पर अभी भी एक लंबा रास्ता तय करना है।
4. क्लॉड, ChatGPT की बराबरी कर रहा है
एंथ्रोपिक ने पिछले साल के अंत में OpenAI पर बढ़त बनाना शुरू किया, जब इसका क्लॉड कोड टूल सॉफ्टवेयर डेवलपर्स के बीच वायरल हो गया, ज्यादातर सैन फ्रांसिस्को क्षेत्र में, और फिर व्यापक रूप से फैल गया। क्लॉड कोड ने बड़े भाषा मॉडल - चैटबॉट के पीछे की मुख्य तकनीक - के उपयोग में एक बदलाव को चिह्नित किया, जो स्वायत्त AI एजेंटों की ओर बढ़ रहा है जो मानव सहायता के बिना कार्य करते हैं, जिससे गैर-तकनीकी-प्रेमी लोगों को भी सॉफ्टवेयर बनाने और कई प्रकार के कार्यों को संभालने की अनुमति मिलती है।
OpenAI के पास अभी भी कुल मिलाकर बहुत बड़ा उपयोगकर्ता आधार है, लेकिन इंटरनेट विश्लेषण कंपनी केंटिक - जो कई अमेरिकी इंटरनेट सेवा प्रदाताओं पर उपयोग को ट्रैक करती है - के आंकड़े बताते हैं कि एंथ्रोपिक तेजी से अंतर को कम कर रहा है। जनवरी और अप्रैल के बीच क्लॉड का उपयोगकर्ता ट्रैफ़िक ChatGPT और Google के जेमिनी की तुलना में काफी तेजी से बढ़ा, और उस अवधि के बाद इसमें उछाल आया। पेंटागन ने मार्च में इसे आपूर्ति श्रृंखला जोखिम करार दिया। विकास की इस दर पर, केंटिक भविष्यवाणी करता है कि यह गर्मियों तक ChatGPT को पीछे छोड़ सकता है - एक और कारण है कि एंथ्रोपिक को अपने प्रतिस्पर्धी की तुलना में IPO के लिए आसान रास्ता मिल सकता है।
5. AI का उपयोग अधिक महंगा होता जा रहा है
हर बार जब कोई AI चैटबॉट या एजेंट प्रतिक्रिया देता है, तो इसे "टोकन" में मापा जाता है - भाषा की मूल इकाइयाँ जो शब्द, विराम चिह्न या शब्दांश हो सकती हैं। (उदाहरण के लिए, OpenAI कहता है कि वाक्यांश "You miss 100% of the shots you don’t take" 11 टोकन के बराबर है।) टोकन इनपुट को भी मापते हैं, जैसे कि आप ChatGPT में जो प्रॉम्प्ट टाइप करते हैं।
लागत मॉडल के अनुसार भिन्न होती है; OpenAI GPT-5.5 के लिए प्रति मिलियन इनपुट टोकन पर $5 और प्रति मिलियन आउटपुट टोकन (आपके प्रॉम्प्ट की प्रतिक्रिया) पर $30 शुल्क लेता है।
उपयोगकर्ताओं के लिए समस्या यह है कि टोकन लागत तेजी से बढ़ रही है, भले ही हर जगह कंपनियां कर्मचारियों को "टोकनमैक्स" करने के लिए प्रेरित कर रही हों - जिसका अर्थ है, वास्तव में AI के उपयोग में पूरी तरह से शामिल होना। AI कंपनियों के लिए समस्या यह है कि वे अभी भी पर्याप्त शुल्क नहीं ले रही हैं।
AI का मूल वादा यह है कि एक कंपनी इन उपकरणों पर जो पैसा खर्च करती है, वह उत्पादकता में लाभ से कहीं अधिक होता है - आर्थिक दक्षता का एक माप जहां उच्च उत्पादकता का अर्थ है प्रति कर्मचारी अधिक उत्पादन। यदि यह व्यापार-बंद काम नहीं कर रहा है, तो AI मूल्यांकन - और नीतियों - के पीछे की धारणाएं कमजोर हो जाती हैं।
"लागत पूरी तरह से नियंत्रण से बाहर हो रही है," ब्रिटिश AI स्टार्टअप पेंड्रा के संस्थापक लियाम बेट्सवर्थ कहते हैं। वे कहते हैं कि उनके नेटवर्क में सॉफ्टवेयर डेवलपर कोडिंग के लिए एजेंटों का उपयोग कर रहे हैं, सबसे सस्ती सदस्यता से शुरू करके जल्दी से सबसे महंगी सदस्यता पर आ रहे हैं। वे अकेले नहीं हैं - समाचार साइट एक्सियोस ने हाल ही में एक अनाम कंपनी के बारे में रिपोर्ट दी जिसने एक महीने में क्लॉड कोड के लाइसेंस पर $500 मिलियन खर्च किए।
6. डेटा सेंटर का निर्माण मांग के साथ तालमेल नहीं रख सकता है
डेटा सेंटर बनाना AI उत्पादों के केंद्रीय तंत्रिका तंत्र की तरह है, इसलिए AI उपकरणों के बढ़ते विकास और उपयोग को अधिक क्षमता से मेल खाना चाहिए - अन्यथा कंप्यूट क्रंच होगा, जिसका अर्थ है AI कंपनियों और उपयोगकर्ताओं के लिए उच्च लागत।
इस क्षेत्र की डेटा सेंटर के लिए महत्वाकांक्षाएं बहुत बड़ी हैं और लगभग अवास्तविक लगती हैं। ब्लूमबर्ग का अनुमान है कि 2025 में दुनिया भर में 23 गीगावॉट क्षमता निर्माणाधीन थी (क्षमता विद्युत शक्ति में मापी जाती है, क्योंकि यह सीमित करता है कि कोई साइट कितनी कंप्यूटिंग कर सकती है)।
अमेरिकी संपत्ति कंपनी JLL भविष्यवाणी करती है कि 2026 और 2030 के बीच 100 गीगावॉट जोड़ा जाएगा - जो उनके अनुमानित वर्तमान क्षमता से दोगुना है, जो 1,200 डेटा सेंटर के बराबर है। JLL का कहना है कि उसके अनुमान में सट्टा परियोजनाएं शामिल हैं जो कभी शुरू नहीं हो सकती हैं।
इस पूर्वानुमान को पूरा करने के लिए पैसा - और ऊर्जा आपूर्ति - कहाँ से आएगी, यह एक खुला प्रश्न है। यूनिवर्सिटी कॉलेज लंदन में एसोसिएट प्रोफेसर सेसिलिया रिकैप का कहना है कि दुनिया भर में कई परियोजनाएं ग्रिड के विस्तार और बिजली देने के राजनीतिक वादों पर निर्भर करती हैं; लेकिन सरकारों के पास उन्हें पूरा करने के लिए संसाधन नहीं हो सकते हैं।
वे पूछती हैं: "क्या सरकार ने गणना की है कि क्या ऐसा विस्तार संभव है? क्या उनके पास ऐसा करने के लिए पैसा है? क्या उन्होंने इससे होने वाले पर्यावरणीय नुकसान पर विचार किया है?"
7. AI मॉडल जो कर सकते हैं वह तेजी से विस्तार कर रहा है
AI क्षमताओं को मापने वाली अनुसंधान संगठन METR के अनुसार, 2023 के बाद से AI मॉडल की क्षमताओं में बहुत सुधार हुआ है।
METR के माप इस बात पर आधारित हैं कि क्या AI मॉडल एक कोडिंग कार्य पूरा कर सकता है, जिसे मापा जाता है कि इसे करने में एक इंसान को कितना समय लगेगा। इस माप से, AI मॉडल हर चार महीने में अपनी क्षमता दोगुनी कर रहे हैं। उदाहरण के लिए, एंथ्रोपिक के क्लॉड मिथोस मॉडल को उन कार्यों पर 50% सफलता दर प्राप्त करने का अनुमान है जिनमें एक मानव विशेषज्ञ को आठ घंटे से दो दिन लगेंगे।
हालांकि, नौकरियों पर अब तक कोई मेल खाने वाला प्रभाव नहीं पड़ा है। एंथ्रोपिक की एक मार्च रिपोर्ट में अनुसंधान शामिल था जो दर्शाता है कि सिद्धांत रूप में, AI कंप्यूटिंग से लेकर कानूनी कार्य तक कई नौकरियां कर सकता है, लेकिन इसने अभी तक बड़े पैमाने पर ऐसा नहीं किया है।
किंग्स कॉलेज लंदन के एक शिक्षाविद और AI के प्रभाव के विशेषज्ञ बौके क्लेन टीसेलिंक ने नोट किया कि यह अंतर महत्वपूर्ण बना हुआ है। काम पर AI का प्रभाव दर्शाता है कि कार्यबल में इसे अपनाने में बाधाएं हैं। उदाहरण के लिए, किसी CEO या वरिष्ठ प्रबंधक की नौकरी का कितना हिस्सा सुरक्षित रूप से एक बॉट को सौंपा जा सकता है? क्या कानूनी रूप से संवेदनशील कार्य किसी इंसान के अलावा किसी और द्वारा किए जा सकते हैं? फिर भी, वे कहते हैं, बदलाव आ रहा है।
"हम अभी भी AI क्रांति के शुरुआती चरणों में हैं। बहुत से लोग ऐसे कार्य कर रहे हैं जिन्हें AI संभाल सकता है। हम जिस बदलाव के पैमाने को देखने वाले हैं वह बहुत बड़ा होगा।"
8. डेटा सेंटर अमेरिकी सकल घरेलू उत्पाद (GDP) को सहारा दे रहे हैं
भले ही डोनाल्ड ट्रम्प के प्रशासन के तहत अमेरिकी सरकार ने नौकरियों में कटौती की है और कई उद्योगों में बड़े पैमाने पर छंटनी देखी गई है, अमेरिकी सकल घरेलू उत्पाद बढ़ता रहा है - अमेरिकी आर्थिक विश्लेषण ब्यूरो के अनुसार, 2025 में 2.1% और 2026 की पहली तिमाही में 1.6%। हालांकि, हार्वर्ड के एक अर्थशास्त्री का अनुमान है कि डेटा सेंटर बूम के बिना, ये संख्याएं बहुत छोटी हो सकती हैं। वास्तव में, "सूचना प्रसंस्करण उपकरण और सॉफ्टवेयर में निवेश" ने 2025 की पहली छमाही में अमेरिकी सकल घरेलू उत्पाद की वृद्धि का 92% हिस्सा बनाया।
इसका मतलब है कि डेटा सेंटर - और AI बूम - अमेरिकी विकास के एक बड़े हिस्से को चला रहे हैं। वे एक बड़ा कारण हैं कि दुनिया की सबसे बड़ी अर्थव्यवस्था, बड़ी चुनौतियों के बावजूद, अभी भी स्वस्थ दिखती है। इस खर्च में कोई भी मंदी आर्थिक, और इसलिए राजनीतिक, परिणाम ला सकती है।
**अक्सर पूछे जाने वाले प्रश्न**
यहाँ लेख पर आधारित अक्सर पूछे जाने वाले प्रश्नों की एक सूची दी गई है: अरबों खर्च किए गए हैं और संभावित रिटर्न अभी भी अनिश्चित है, यहाँ छह चार्ट के साथ AI बूम समझाया गया है
**शुरुआती स्तर के प्रश्न**
1. कंपनियां AI पर इतना पैसा क्यों खर्च कर रही हैं, भले ही रिटर्न की गारंटी नहीं है?
वे दांव लगा रही हैं कि AI अंततः उद्योगों में क्रांति लाएगा और इंटरनेट के शुरुआती दिनों के समान भारी मुनाफा पैदा करेगा। वे सफल होने पर पीछे नहीं रहना चाहतीं।
2. आपका AI बूम से क्या मतलब है?
यह कृत्रिम बुद्धिमत्ता, विशेष रूप से ChatGPT और इमेज जनरेटर जैसे उपकरणों में भारी निवेश, उत्साह और तीव्र विकास की वर्तमान अवधि है।
3. क्या AI वास्तव में अभी किसी के लिए पैसा कमा रहा है?
अधिकांश कंपनियों के लिए अभी तक नहीं। उन्नत AI के निर्माण और संचालन की लागत बहुत अधिक है, और यह अभी भी स्पष्ट नहीं है कि उन लागतों का भुगतान व्यापक रूप से भुगतान करने वाले ग्राहकों द्वारा कब किया जाएगा।
4. लेख में छह चार्ट किस बारे में हैं?
वे प्रमुख रुझान दिखाते हैं: टेक दिग्गजों द्वारा भारी खर्च, AI चिप्स की बढ़ती मांग, AI की भारी ऊर्जा लागत, वास्तविक भुगतान करने वाले उपयोगकर्ताओं की छोटी संख्या, कुछ मॉडलों का प्रदर्शन पठार, और अनिश्चित शेयर बाजार प्रतिक्रिया।
**उन्नत स्तर के प्रश्न**
5. अनुमान (इन्फ्रेंस) की लागत इतनी बड़ी समस्या क्यों है?
अनुमान तब होता है जब आप वास्तव में एक AI मॉडल का उपयोग करते हैं। यह मॉडल को एक बार प्रशिक्षित करने की तुलना में कहीं अधिक महंगा है। यदि लाखों लोग प्रतिदिन इसका उपयोग करते हैं, तो बिजली और कंप्यूटिंग लागत आसमान छू जाती है, जिससे लाभ कमाना बहुत मुश्किल हो जाता है।
6. चार्ट कैसे दिखाते हैं कि AI में आसान लाभ खत्म हो सकता है?
एक चार्ट दिखाता है कि सबसे बड़े AI मॉडल के प्रदर्शन में सुधार धीमा होने लगा है, भले ही उन्हें प्रशिक्षित करने की लागत बढ़ती जा रही है। इससे पता चलता है कि हम घटते प्रतिफल के बिंदु पर पहुंच रहे हैं।
7. लेख इस बूम में Nvidia की भूमिका के बारे में क्या कहता है?
Nvidia AI के लिए आवश्यक चिप्स बनाता है। चार्ट दिखाते हैं कि Nvidia का राजस्व बढ़ गया है, लेकिन यह सोने की दौड़ में फावड़े और कुदाल बेचने जैसा है। सवाल यह है कि क्या उन चिप्स को खरीदने वाली कंपनियां कभी अपने निवेश पर रिटर्न कमाएंगी।
8. अनिश्चित रिटर्न छोटी AI स्टार्टअप को कैसे प्रभावित करता है?
यह
