AI bubble कैसे फूटता है

 (martinvol.pe)
4 पॉइंट द्वारा GN⁺ 2026-03-31 | 2 टिप्पणियां | WhatsApp पर शेयर करें
  • AI उद्योग में निवेश का bubble पहले से बन चुका है, और productivity तथा profitability के बीच के अंतर के कारण यह उम्मीद से जल्दी फूट सकता है
  • Big Tech कंपनियां प्रतिस्पर्धी बढ़त बनाए रखने के लिए इतिहास की सबसे बड़ी capital expenditure दौड़ में लगी हैं, लेकिन वास्तविक खर्च का पैमाना घट सकता है
  • energy cost में वृद्धि, RAM कीमतों में उतार-चढ़ाव, मध्य पूर्वी पूंजी तक पहुंच में रुकावट जैसी वजहों से AI labs पर वित्तीय दबाव बढ़ रहा है, और कुछ इसके जवाब में user fees बढ़ा रहे हैं
  • OpenAI के लिए monetization की सीमा सामने आ रही है, इसलिए ads लाने और बिक्री की संभावना पर चर्चा हो रही है, जबकि Microsoft की अधिग्रहण कोशिश उसके stock valuation के औचित्य को कमजोर करने का जोखिम ला सकती है
  • यह रुझान market valuation में गिरावट, VC funding में सख्ती, data center और GPU demand में कमी तक जा सकता है, और AI उद्योग में boom-bust cycle फिर से दिख सकती है

AI bubble फूटने के संकेत

  • AI उद्योग के गिरावट catalyst पहले से बन चुके हैं, और यह उम्मीद से जल्दी सामने आ सकते हैं
    • AI तकनीक खुद बनी रह सकती है, लेकिन productivity improvement और investment return अलग मुद्दे हैं
    • तकनीक समाज की efficiency बढ़ा सकती है, पर निवेश asset के रूप में उसका आकर्षण कमजोर पड़ सकता है

Big Tech की रणनीति: जीत नहीं, बल्कि खर्च की दौड़

  • Magnificent 7 कंपनियां रिकॉर्ड स्तर की capital expenditure (capex) की योजना बना रही हैं, और यह प्रतिस्पर्धियों तथा AI labs से खुद को अलग दिखाने की एक defensive strategy है
    • उदाहरण के लिए, अगर कोई कंपनी 50 billion dollar लगाती है, तो OpenAI और Anthropic को प्रतिस्पर्धा के लिए 100 billion dollar जुटाने पड़ सकते हैं
    • फंडिंग का आकार जितना बड़ा होता है, उसे उठाने वाले investment funds उतने कम रह जाते हैं, और खासकर मध्य पूर्व की पूंजी तक geopolitical वजहों से पहुंच मुश्किल है
  • इसी कारण AI कंपनियों के IPO प्रयास तेज हो रहे हैं, और यह पूंजी प्रवाह बनाए रखने का एक प्रमुख साधन बन रहा है
  • Google लंबी अवधि की capital allocation क्षमता के कारण बेहतर स्थिति में है
    • वह घोषित capex को तुरंत खर्च किए बिना, प्रतिस्पर्धियों के funding crunch में जाने तक धीरे-धीरे लगा सकता है
    • बाद में जब प्रतिस्पर्धी पीछे हटें, तो वह खर्च घटाकर बाजार पर कब्जा कर सकता है
    • Alphabet का market cap लगभग 2 trillion dollar है, जो सबसे बड़ी defense companies से 10 गुना है
  • नतीजतन Mag 7 कंपनियों, खासकर Google का वास्तविक capex, अनुमान से कम रह सकता है, और यह निवेशकों के लिए सकारात्मक हो सकता है
  • Apple सीधे मुकाबले के बजाय Siri में बाहरी AI models को paid basis पर जोड़ने का रास्ता तलाश रहा है, Amazon ने Anthropic में निवेश कर जोखिम बांटा है, जबकि Meta बड़े पैमाने पर खर्च जारी रखे हुए है

catalyst factors: लागत में बढ़ोतरी और funding crunch

  • AI labs energy cost में तेज बढ़ोतरी, मध्य पूर्वी पूंजी पर रोक, ब्याज दर बढ़ने की चिंता, RAM कीमतों में तेज गिरावट जैसे कई नकारात्मक कारकों से जूझ रहे हैं
    • RAM कीमतों में गिरावट की वजह Google की TurboQuant AI तकनीक है, जिसके कारण अगली पीढ़ी के models को कम memory चाहिए, जबकि labs पहले ही ऊंची कीमत पर bulk purchase contracts कर चुके हैं
  • Anthropic लागत घटाने और revenue बढ़ाने के लिए usage limits समायोजित कर रहा है, और अगर निवेश फंडिंग सूखती है तो लागत users पर डालना लगभग तय है
    • एक independent report के अनुसार Claude model की वास्तविक usage cost subscription fee की 5 गुना तक है, और profitability अनिश्चित है
    • price hike से demand घट सकती है, जो growth narrative को कमजोर करेगी
    • revenue बढ़ने पर भी बिना मुनाफे की growth cash burn को तेज करती है
  • बड़ी cloud कंपनियां AI features को loss leader की तरह bundle कर सकती हैं, इसलिए independent labs की price competitiveness कमजोर पड़ती है
  • Claude Max और Max 5x plans (क्रमशः 100 dollar और 200 dollar प्रति माह) में annual payment संभव नहीं है, जो आगे price increase का संकेत देता है

OpenAI की monetization limits

  • OpenAI revenue generation में संघर्ष कर रहा है और ChatGPT के भीतर ads लाने जैसे आखिरी उपाय की ओर बढ़ रहा है
    • CEO Sam Altman ने इसे पहले “last resort” कहा था
    • वहीं Anthropic enterprise customers और developer market में ज्यादा profitability हासिल कर रहा है
  • shopping feature असफल रहा, और short video app Sora को लागत घटाने के लिए बंद कर दिया गया
  • निकट भविष्य में OpenAI की बिक्री की संभावना उठ रही है
    • सबसे संभावित खरीदार Microsoft है, जिसके पास पहले से बड़ा stake है
    • लेकिन OpenAI के अधिग्रहण के लिए Microsoft के market cap का लगभग 22% यानी 613 billion dollar चाहिए होगा, और shareholders की मंजूरी अनिश्चित है
  • अगर Microsoft अधिग्रहण आगे बढ़ाता भी है, तो AI growth narrative के टूटने से उसके stock valuation की वैधता कमजोर पड़ने का जोखिम है
    • अगर OpenAI विफल होता है, तो Microsoft एक बड़ा cloud customer खो देगा, और उसके द्वारा समर्थित AI की वजह से GitHub जैसे core products के cannibalize होने की आशंका भी है

बाजार और व्यक्तियों पर असर

  • बड़े AI labs की फंडिंग समस्या public companies के financial statements और growth outlook पर सीधा असर डाल सकती है
    • इससे पूरे बाजार की valuation में गिरावट, M&A की मंदी, VC funding में सख्ती आ सकती है
    • 2022 जैसे investment contraction cycle के दोहरने की संभावना है
  • pension funds और data center investment भी प्रभावित होंगे
    • अगर नए models की training रुकती है, तो GPU demand घटेगी और excess capacity पैदा होगी
    • कुछ GPU की delivery नहीं होगी या उनका production ही नहीं होगा
    • यह Nvidia के लिए बड़ा झटका हो सकता है
  • भले data centers चालू रहें, उन्हें उम्मीद से कम दरों पर सेवाएं देनी पड़ सकती हैं, यानी AI users को फायदा होगा लेकिन operators को नुकसान उठाना पड़ेगा
  • data centers को आम तौर पर safe asset मानकर bank loans से बनाया जाता है, लेकिन value गिरने पर banks को losses recognize करने और lending घटाने की नौबत आ सकती है
    • कुछ banks पर 2023 की तरह liquidation pressure आ सकता है
  • अगर इसके साथ ताइवान में manufacturing disruption या supply chain disturbance भी जुड़ जाए, तो स्थिति और खराब हो सकती है
  • हालांकि यह भी संभव है कि models की मांग उम्मीद से ज्यादा निकल आए और सभी समस्याओं की भरपाई हो जाए
    • लेकिन ज्यादातर तकनीकी नवाचार boom और bust के चक्र से गुजरे हैं, और AI भी शायद इसका अपवाद न हो

संबंधित पढ़ाई

2 टिप्पणियां

 
sea715 2026-03-31

यह तो हर साल ऊपर आने वाली WWE पोस्ट है..
 
GN⁺ 2026-03-31
Hacker News की राय

  • लेख में दावा किया गया है कि “RAM की कीमतें तेजी से गिर रही हैं”, लेकिन वास्तव में ऐसा नहीं है
    PCPartPicker की memory price trends देखें तो अभी तक कीमतों में गिरावट नहीं दिखती, और Google के TurboQuant पर लेख में भी सिर्फ RAM requirements को कम कर सकने की संभावना का ही ज़िक्र है
    ऐसी बातों के आधार पर पूरी दलील खड़ी करना गैर-जिम्मेदाराना लगता है। यह LLM के बेतुके links cite करने से अलग नहीं है

    • मुझे लगता है यह मुद्दा पहले ही तय हो चुका है। Jevons Paradox को देखें तो efficiency बढ़ने पर भी अंत में उपयोग और बढ़ता है
    • बड़ी research labs शायद TurboQuant जैसी तकनीकों का इस्तेमाल बहुत पहले से कर रही होंगी
      Google की announcement में कुछ नया नहीं है, और TurboQuant खुद भी एक साल पुरानी तकनीक है
    • सहमत। लेकिन consumer RAM prices, commercial prices की तुलना में देर से reflect होती हैं
      commercial prices गिर भी जाएँ, तो आम consumer market पर उसका असर काफी बाद में आता है
    • LLM द्वारा बेतुके links cite करने की समस्या पहले भी इंसान बिल्कुल उसी तरह करते रहे हैं
      मैंने भी ऐसे कई मामले देखे हैं
    • लेख में quote RAM prices का नहीं बल्कि memory companies के stock गिरने का है
      वास्तव में FT article की तरह stock गिरना सही बात है

  • AI boom का इस तरह polarized होना हैरान करने वाला है
    तकनीक खुद साफ तौर पर एक stepwise leap है, लेकिन यह कहाँ जाएगी, यह किसी को नहीं पता
    tokens उपलब्ध कराने की लागत पहले से ही एक साल से ज्यादा समय से profitable level पर है, समस्या R&D और capex की है
    data centers में अभी भी demand supply से ज्यादा है। यह पहले की तरह अवास्तविक salaries पर टिका ढाँचा नहीं, बल्कि वास्तविक demand वाला market है

    • token demand विस्फोटक रूप से बढ़ रही है
      पहले की तरह “इंसानों को replace करेगी” वाला मामला नहीं, बल्कि नया market बना रही है
      लेकिन अगर quality साथ न दे, तो यह bubble भी बन सकता है
    • कहा जा रहा है कि token profitability है, लेकिन उसके लिए ठोस numerical basis क्या है, यह जानना चाहूँगा
    • OpenRouter के मुताबिक token demand हर हफ्ते 10% growth पर है। यह अविश्वसनीय रूप से तेज है
    • ‘excessive engineer salaries’ वाली अभिव्यक्ति से सहमत होना मुश्किल है। उसका मापदंड क्या है, यह साफ नहीं है
    • token serving profitable है? ज़्यादातर कंपनियाँ अब भी घाटे में हैं। revenue और profit एक ही बात नहीं हैं

  • लेख में OpenAI के ads लाने को “monetization failure” बताना सटीक नहीं है
    ads सिर्फ free version की strategy हैं, paid plans में वे शामिल नहीं हैं
    startup का growth phase में घाटा करना VC cycle की सामान्य घटना है
    inference उल्टा ज्यादा profitable है, और R&D में निवेश करना सही दिशा है

    • ChatGPT में ads आए हैं, यह सही है, लेकिन वे free tier से शुरू होकर paid तक भी फैल सकते हैं
      TV और YouTube भी ऐसे ही शुरू हुए थे
    • ads आए हैं, यह सच है, और Sam ने इसे “last resort” कहा था, इसे देखते हुए इसका महत्व है
      VC subsidy पर टिका ढाँचा लंबे समय में टिकाऊ नहीं है
    • अगर ऐसा है, तो फिर OpenAI अब भी भारी घाटा क्यों उठा रही है, यह सवाल बनता है
    • DeepSeek या z.ai जैसे competitors को भी बहुत आशावादी नज़र से देखना कठिन है। बस उनकी चर्चा कम होती है
    • “growth के दौरान घाटा स्वाभाविक है” वाली बात की भी सीमा है
      अगर कंपनी पहले ही कई अरब डॉलर के पैमाने पर है, तो अब profitability की ओर मुड़ना ज़रूरी है
      GPU operations खुद ही घाटे का सौदा हैं, इसलिए data centers तक के लिए मुनाफा कमाना मुश्किल है

  • LLM usage तो बहुत बढ़ गया, लेकिन social impact कहाँ दिख रहा है, यह सवाल है
    मुझे लगा था App Store, Steam, GitHub, PyPI आदि में साफ वृद्धि दिखेगी
    corporate productivity, educational outcomes, यहाँ तक कि GDP growth तक की उम्मीद थी, लेकिन उसका एहसास नहीं होता
    निजी तौर पर यह मुझे उपयोगी tool लगता है, लेकिन macro effect अभी नहीं दिख रहा

    • programming पूरे software creation का सिर्फ 2~10% हिस्सा है
      AI ने coding की speed बढ़ाई है, लेकिन planning·management·feedback की प्रक्रिया उल्टा ज्यादा अव्यवस्थित हो गई है
    • तकनीक अभी शुरुआती चरण में है, और projects पूरा होने में समय लगता है
      मैं भी एक indie game बना रहा हूँ, AI की वजह से speed 2~4 गुना बढ़ी है, लेकिन फिर भी शायद 1 साल लगेगा
    • “⸻” character इस्तेमाल करते देख मैं प्रभावित हुआ। पक्का इंसान है!

  • “token serving profitable है” वाला दावा ज़्यादातर रंगी हुई accounting है
    असली समस्या अगली पीढ़ी के models की training cost है
    independent providers बहुत कम कीमत पर मिलते-जुलते models की service दे रहे हैं

    • लेकिन OpenAI के financial documents देखें तो inference भी घाटे में है
      revenue बढ़ने पर भी costs उसी अनुपात में बढ़ती हैं, यानी economies of scale नहीं है
    • मेरे लिखे लेख में भी यह बात है, Cursor का दावा बढ़ा-चढ़ाकर कहा गया है
      OpenRouter के हिसाब से यह 90% margin के स्तर पर है
    • वास्तव में users को लाने के लिए subsidy बाँटी जा रही है
      सिर्फ simple chat users को देखें तो मुनाफा हो सकता है, लेकिन कुल usage का ज़्यादातर हिस्सा वैसा नहीं है
    • training cost को छोड़कर निकाला गया profit calculation सिर्फ creative accounting है
      subscription price API से काफी सस्ती है, इसलिए अंत में या तो इसे बढ़ाना होगा या बंद करना होगा
      AI companies के executives की बात पर भरोसा करना मुश्किल है

  • यह राय है कि AI market winner-takes-all नहीं है
    ChatGPT की brand recognition ऊँची है, लेकिन models के बीच switch cost लगभग नहीं के बराबर है
    engineers कई models साथ-साथ इस्तेमाल करते हैं, और price बढ़ते ही तुरंत बदल देते हैं
    यहाँ तक कि कंपनियों के लिए खुद GPU खरीदकर self-hosting करना भी सस्ता पड़ सकता है

    • token-based billing structure में किसी एक model से बँधे रहने की वजह नहीं है
      हर model की strengths और weaknesses को स्थिति के हिसाब से इस्तेमाल करना चाहिए
    • अभी तक ऐसा कोई model नहीं है जो रोज़मर्रा के PC usage को पूरी तरह automate कर दे
      जब वह market खुलेगा, तो आज से कहीं बड़ा अवसर बनेगा
    • Google winner इसलिए बना क्योंकि उसके competitors खराब थे
      अभी models के बीच quality gap छोटा है, इसलिए ज़्यादातर users multiple models साथ इस्तेमाल करेंगे

  • Microsoft products को “बेकार” कहना कुछ ज्यादा है
    Word जैसे products दशकों से top engineers के काम का नतीजा हैं

    • लेकिन Word का modern PC पर 20 सेकंड से ज्यादा लेकर launch होना समस्या है
      AI features को जबरन थोपना भी असुविधाजनक है
    • ‘बेकार’ की बजाय feature creep ज्यादा सटीक अभिव्यक्ति है
      वास्तव में Word इस्तेमाल करने की नौबत बहुत कम आती है
    • user खुद वह चीज़ न बना सके, फिर भी आलोचना का अधिकार रखता है। reviewers भी यही करते हैं
    • Microsoft का AI इस समय निराशाजनक स्तर का है, और Copilot brand के प्रति भी काफी नकारात्मकता है
      Office सिर्फ नाम बदलकर भी लंबे समय तक चल सकता है
    • GitHub और Windows 11 की स्थिति निश्चित रूप से कमज़ोर quality दिखाती है

  • “इतिहास खुद को नहीं दोहराता” वाली कहावत की तरह, इस बार शायद AI winter न आए
    90s के विपरीत अब कोई alternative technology नहीं है, और AI एक स्पष्ट तकनीकी छलांग है

    • लेख की शुरुआत में भी यह बात पहले ही कही गई है।
      “AI टिकेगा, लेकिन investment return अलग सवाल है” यही उसका मुख्य बिंदु है
    • dot-com bubble फूटा था, लेकिन अंत में internet companies ने market पर राज किया
      railway bubble भी ऐसा ही था — तकनीक बची रही, सिर्फ bubble खत्म हुआ
    • “इतिहास खुद को नहीं दोहराता” वाली बात अक्सर दोहराव के ठीक पहले सुनाई देती है

  • data center की स्थिति अव्यवस्थित है
    2024 में घोषित ज़्यादातर centers अभी तक पूरे नहीं हुए हैं,
    Nvidia के production की तुलना में deployment speed बहुत धीमी है
    power shortage की वजह से बहुत-सा equipment चल भी नहीं पा रहा, और “dark silicon” जमा हो रहा है
    दूसरी ओर consumers अब भी उचित कीमत पर products नहीं पा रहे हैं

  • “Magnificent 7” द्वारा भारी capex बढ़ाना एक defensive move है
    लेकिन लेखक यह नहीं समझाता कि इससे OpenAI या Anthropic को खतरा क्यों होना चाहिए
    यह बस shares बटोरने के लिए लिखा गया सतही लेख लगता है

    • प्रतिस्पर्धा बनाए रखने के लिए आखिरकार यह पैसे की ताकत की लड़ाई बन सकती है
      हालांकि लंबी अवधि में शायद इतनी जरूरत भी न पड़े