- Meta का Scale AI अधिग्रहण बताया गया $14B (14 अरब डॉलर, लगभग 20 ट्रिलियन वॉन) का निवेश वास्तव में पूर्ण अधिग्रहण नहीं, बल्कि 49% हिस्सेदारी हासिल करने और CEO Alexander Wang को हायर करने के लिए था
- मौजूदा Scale AI कर्मचारियों ने अपने शेयर बरकरार रखे, साथ ही उन्हें नकद वितरण भी मिला; Alexander Wang Meta में जाते हुए भी बोर्ड में बने रहते हैं
- Meta का लक्ष्य Scale AI के बिज़नेस से ज्यादा व्यक्तिगत रूप से Alexander Wang को लाना था
- Meta हाल में AI प्रतिस्पर्धा में पिछड़ रहा है, और आंतरिक राजनीति व leadership समस्याओं, खासकर Yann LeCun-केंद्रित रूढ़िवादी research culture, की वजह से कमजोर प्रदर्शन झेल रहा है
- लेखक का मानना है कि किसी एक व्यक्ति पर 11-अंकीय राशि का निवेश तर्कसंगत नहीं है, और Meta को संगठनात्मक संस्कृति व talent structure सुधारने पर ध्यान देना चाहिए
अपडेट: Scale AI कर्मचारियों की इक्विटी संरचना
- Scale AI के कर्मचारियों को अपने सभी शेयरों के premium के बराबर dividend एकमुश्त मिला, जबकि उनके पास मौजूद शेयर बने रहे
- पारंपरिक अधिग्रहण से अलग, इस संरचना का फायदा यह है कि कर्मचारी कंपनी की आगे की growth से अतिरिक्त लाभ लेते रह सकते हैं
- बताया गया है कि CEO Alexander Wang ने यह संरचना खुद मांगी थी, और इसे कर्मचारियों की सुरक्षा के लिहाज़ से सकारात्मक माना जा रहा है
- अधिकांश रकम सिर्फ CEO को नहीं गई, बल्कि पूरे कर्मचारियों में बांटी गई
- वास्तव में Meta ने Scale AI को पूरी तरह अधिग्रहित नहीं किया, बल्कि शेयरधारकों और कर्मचारियों को नई नकद compensation देने जैसा निवेश किया
Meta के 14 अरब डॉलर के 'अधिग्रहण' का असली मतलब
- Meta ने Scale AI में 14 अरब डॉलर निवेश कर सिर्फ 49% हिस्सेदारी ली, और नियंत्रण अभी भी Scale AI बोर्ड के पास है
- कानूनी तौर पर यह 'अधिग्रहण' नहीं है, लेकिन व्यवहार में Meta और Alexander Wang की संयुक्त हिस्सेदारी बहुमत से ऊपर होने के कारण निर्णय-नियंत्रण उन्हीं के हाथ में माना जा सकता है
- CEO Alexander Wang Meta में चले जाते हैं, लेकिन Scale AI बोर्ड में बने रहकर कंपनी प्रबंधन पर प्रभाव बनाए रखते हैं
- इस तरह की डील संरचना उद्योग में दुर्लभ है, और यह दिखाती है कि Meta का मुख्य लक्ष्य कंपनी नहीं बल्कि एक खास प्रतिभा (Alexander Wang) को हासिल करना था
- पारंपरिक अधिग्रहण की तरह सभी शेयर cash out नहीं किए गए; कुछ हिस्सेदारी ट्रांसफर करके भी नियंत्रण संभव बनाया गया
Scale AI की असली प्रकृति और Meta क्या चाहता है
- Scale AI का बिज़नेस मूल रूप से B2B data labeling और बड़े पैमाने पर मानव संसाधन outsourcing पर आधारित 'Mechanical Turk as a Service' मॉडल है
- इस कंपनी की ताकत अत्याधुनिक algorithm या IP नहीं, बल्कि कुशल workforce संचालन और बड़े dataset production में है
- बड़ी AI कंपनियां पहले से कई data labeling partners और अपनी labeling teams चलाती हैं, इसलिए वे Scale AI के data पर पूरी तरह निर्भर नहीं हैं
- वास्तव में Scale AI के प्रमुख ग्राहक Toyota, Etsy, GM, सरकारी संस्थान जैसे AI ecosystem के अपेक्षाकृत पिछलग्गू या गैर-विशेषज्ञ संगठन हैं
- इससे यह तर्क मजबूत होता है कि Meta, Scale AI के बिज़नेस को नहीं बल्कि मुख्य प्रतिभा हासिल करने को ज्यादा महत्व दे रहा था
Meta की AI प्रतिस्पर्धात्मकता में गिरावट और आंतरिक समस्याएं
- Llama 2 के बाद Meta, AI प्रतिस्पर्धा में OpenAI, Google, Anthropic आदि से पीछे रह गया है
- शुरुआत में open source strategy के जरिए community-led ecosystem बनाकर उसने 'AI का Linux' जैसी छवि बनाई, लेकिन Deepseek जैसे नए models आने के बाद प्रतिस्पर्धात्मक बढ़त खो दी
- Meta की AI research organization FAIR (Foundational AI Research) में Yann LeCun-केंद्रित रूढ़िवादी और बाज़ार-विमुख संस्कृति ने innovation को बाधित किया
- LeCun ने पहले Lua और Torch पर ज़ोर, transformer और LLM को लेकर संदेह जैसी वजहों से नई तकनीक अपनाने में देरी की; यहां तक कि शुरुआती Llama टीम ने LeCun से छिपाकर prototype विकसित किया और सीधे Zuckerberg को demo दिया था
- संगठन के भीतर ठहराव, leadership conflict और core talent exodus के चलते AI innovation लगातार धीमा पड़ता गया
Zuckerberg की आक्रामक talent acquisition strategy
- Zuckerberg ने Meta के AI division की कमजोरी का कारण आंतरिक bureaucracy और संगठनात्मक जड़ता को माना, और इसे तोड़ने के लिए असाधारण hiring शुरू की
- उद्योग के top-tier talent को 8–9 अंकों (सैकड़ों मिलियन से अरबों डॉलर) के pay package, CEO को सीधे रिपोर्ट करने वाली टीम, और autonomous research environment की पेशकश कर सीधे भर्ती की कोशिश की गई
- रिपोर्टों के अनुसार Nat Friedman, Daniel Gross, Ilya Sutskever सहित AI जगत की कई हस्तियों को ऐसे प्रस्ताव दिए गए
- Zuckerberg से करीबी संबंध और अनौपचारिक AI सलाहकार जैसी भूमिका के कारण Alexander Wang इस रणनीति की पहली सफल भर्ती माने जा रहे हैं
- लेकिन अत्यधिक बड़े निवेश के सहारे 'superstar' talent पर केंद्रित रणनीति वास्तव में संगठनात्मक innovation और AI क्षमता बढ़ा पाएगी या नहीं, इस पर संदेह बना हुआ है
निष्कर्ष और लेखक का मूल्यांकन
- लेखक ज़ोर देकर कहते हैं कि AI innovation किसी एक 'जीनियस' व्यक्ति से नहीं, बल्कि सामूहिक प्रयोग और सहयोगी माहौल से पैदा होता है
- Google जैसे उदाहरण दिखाते हैं कि research freedom, मजबूत collaboration और लगभग असीमित resources वाला वातावरण लंबे समय में innovation को आगे बढ़ा सकता है
- लेखक के अनुसार Meta की branding और internal culture में सुधार ही AI प्रतिस्पर्धात्मकता बहाल करने की कुंजी है; किसी एक प्रतिभा पर भारी निवेश केंद्रित करना जोखिमभरा है
- Zuckerberg की execution क्षमता और बदलाव लाने की इच्छा से उम्मीद जरूर है, लेकिन 11-अंकीय वेतन देकर 'एक व्यक्ति को हायर' करने की रणनीति Meta की AI innovation समस्या का समाधान बनेगी या नहीं, यह अभी अनिश्चित है
2 टिप्पणियां
संस्थापक खुद ही exit कर सकते थे, लेकिन अगर ऐसा होता तो बाकी कर्मचारियों के लिए exit करना मुश्किल हो जाता.
लगता है कि Meta ने जो हिस्सेदारी हासिल की, उसमें सिर्फ संस्थापक की हिस्सेदारी ही नहीं बल्कि कर्मचारियों का हिस्सा भी शामिल था.
Alexander Wang, वाकई कमाल के व्यक्ति हैं..
Hacker News राय
मुझे लगता है कि Meta ने Scale में सिर्फ 49% निवेश क्यों किया, इस बात को ठीक से नहीं समझा गया। Meta ने इस रास्ते से वैश्विक regulatory scrutiny से बचाव किया। अगर यह पूरी acquisition होती, तो अलग-अलग देशों के regulators की मंजूरी चाहिए होती, लेकिन minority stake investment आमतौर पर ऐसी समीक्षा के दायरे में नहीं आता। Shareholders को acquisition जैसी कमाई भी मिल गई और regulatory uncertainty से बचाव भी। बची हुई Scale के सफल होने की संभावना भी बनी रहती है, जिससे shareholders को, जिनमें अब Meta भी शामिल है, अतिरिक्त upside मिल सकता है। नतीजतन यह win-win ढांचा है
minority stake investment होने का मतलब यह नहीं कि antitrust investigation को नज़रअंदाज़ किया जा सकता है। अमेरिका में 15 U.S.C. §18 जैसी व्यवस्थाओं के तहत partial acquisition या minority investment की भी जांच हो सकती है। यूरोप में भी यही बात लागू होती है
यह अनुमान समझ में आता है कि Meta ने जल्दी आगे बढ़ने के लिए M&A की जगह यह रास्ता चुना। मैंने भी अपनी पोस्ट में कहा था कि Meta का अपने core business से सीधे जुड़े क्षेत्र में acquisition करना तर्कसंगत नहीं लगता, लेकिन संभावना को पूरी तरह नकारा नहीं जा सकता। हालांकि मुझे यह win-win नहीं लगता। Scale के shares अब भी कम liquid हैं, और core members के निकल जाने से shares रखने वालों के लिए value वास्तव में घटी है
Microsoft और Google ने भी ऐसा ही किया है, जैसे Character AI में निवेश। Scale कोई AI research lab नहीं है, मूल रूप से यह Fiverr जैसा outsourcing platform है। वहां से talent लाना Meta की AI research appeal बढ़ाने में कैसे मदद करेगा, यह मुझे साफ नहीं दिखता
रिपोर्ट के अनुसार यह investment structure वास्तव में Wang (Scale CEO) के अनुरोध पर बना। यानी इसका बड़ा उद्देश्य investors और employees को returns देना था। Meta की तरफ से देखा जाए तो शायद उसे Scale का ownership लेने की खास इच्छा नहीं थी। वह पहले से Scale data का अच्छा इस्तेमाल कर रहा था, इसलिए कंपनी का मालिक होना सीधे तौर पर जरूरी नहीं था
लगता है OpenAI ने Jony Ive को $6.5 billion में लाकर अच्छा सौदा किया। लेकिन Llama 4 benchmarks पर अच्छा दिखने की अफवाहों के बावजूद, वास्तविक उपयोग अनुभव इतना निराशाजनक रहा कि Meta पर numbers manipulate करने तक की बातें हुईं। मुझे खुद भी benchmarks के standards को लेकर साफ समझ नहीं है, और इस्तेमाल करने पर भी वह "कमाल का AI!" वाली चर्चा जैसा महसूस नहीं हुआ। अब भी बार-बार अजीब और गलत जवाब मिलते हैं
benchmarks भी कई तरह के होते हैं। एक वे जो real data पर आधारित, quantifiable होते हैं, और दूसरा है जनता की प्रतिक्रिया। वास्तविक benchmark leading indicator हो सकता है, लेकिन हमेशा सही नहीं होता; आखिरकार सबसे महत्वपूर्ण जनता का आकलन है। सिर्फ Reddit की प्रतिक्रियाएं देखकर भी समझ आता था कि Gemini 2.5, Claude 3.7 से बेहतर है
मुझे Apple में Jony Ive के दौर की उपलब्धियां खास अच्छी नहीं लगतीं: बहुत पतले laptops, repair न हो सकने वाली designs, असुविधाजनक keyboard, charging के दौरान इस्तेमाल न हो सकने वाला mouse, performance को नुकसान पहुंचाने वाली case design, जरूरत से ज्यादा abstract UI वगैरह। आज तक charging के दौरान mouse इस्तेमाल न कर पाना भी काफी निराशाजनक है
यह हैरानी की बात है कि Jony Ive ने लगभग Dieter Rams style की नकल करते हुए भी superstar करियर बनाया। वह OpenAI को क्या value दे पाएंगे, इसकी कल्पना करना मुश्किल है। वही व्यक्ति है जिसने Apple laptops को 5 साल तक खराब दिशा में धकेला
दरअसल OpenAI ने Jony Ive को सीधे hire नहीं किया। उसने एक existing joint venture को acquire किया, इसलिए Ive पहले ही cash out कर चुके हैं, और अब OpenAI के पास सिर्फ उनकी design firm के साथ contract है। मुझे यह ढांचा Ive के लिए jackpot और OpenAI के लिए बहुत खास फायदे वाला नहीं लगता
Meta द्वारा जारी Llama 4 benchmarks तुरंत झूठे साबित हो गए
मैं इस विचार से असहमत हूं कि Scale AI data, Wang के लिए secondary चीज है। data labeling अब सिर्फ workers से labeling करवाने तक सीमित नहीं है, बल्कि expert demonstrations और workflow design तक पहुंच चुका है। यह ऐसा advanced data है जिससे अंदाजा लगाया जा सकता है कि frontier labs RL environments कैसे बनाती हैं। मुझे लगता है कि असली motive यही है।
साथ ही, मैं इस दावे से भी सहमत नहीं हूं कि LLM कोई भी बना सकता है। प्रतिस्पर्धी LLM को बड़े पैमाने पर train कर सकने वाले लोग दुनिया भर में शायद कुछ सौ ही होंगे, और इसके लिए बहुत गहरा technical know-how और tricks चाहिए होती हैं। DeepSeek पर रिपोर्ट आते ही लोग इतने चौंके क्यों थे, इसकी वजह भी यही है।
मैं इस बात से भी सहमत नहीं हूं कि ML की प्रगति ज्यादातर luck पर चलती है और केवल decentralized organizations ही तर्कसंगत हैं। Schmidhuber, Shazeer, Alec Radford जैसे कई लोग लगातार foundational research करते आए हैं, और यह भी महत्वपूर्ण है कि OpenAI ने decentralized experiments के बजाय focused investment के जरिए इस पूरे क्षेत्र को आगे बढ़ाया। Deepmind के मामले में भी यही बात लागू होती है
LLM training कठिन जरूर है, लेकिन ऐसी चीज नहीं है जिसे सीखना लगभग असंभव हो। graduation के बाद करीब 3 महीने के अनुभव में मुझे छोटे या बड़े model की training difficulty में बहुत बड़ा फर्क नहीं लगा। torch और megatron जैसी libraries भी काफी मदद करती हैं
मैं यह नहीं कह रहा कि researchers महान नहीं हैं या किसी को कमतर दिखाना चाहता हूं। लेकिन मेरा मानना है कि ML में बड़े बदलाव और नए ideas वास्तव में कई जगहों पर अलग-अलग लोगों के बीच decentralized communication से उभर रहे हैं। यह मेरी निजी राय है
Meta के भीतर AI organization conflicts और cultural problems गंभीर हैं। इस समय मुख्य "AI" organizations तीन हैं: GenAI, FAIR, और RL-R
FAIR कई teams में बांट दिए जाने के बाद अपनी powerhouse वाली स्थिति खो चुका है और वहां से काफी लोग जा चुके हैं
GenAI पहले एक छोटी team थी, लेकिन अब सिर्फ headcount बढ़ता जा रहा है, products अस्पष्ट हो गए हैं, और leadership के पास productization या practical ML execution का अनुभव कम है। हर हफ्ते बस A/B tests होते रहते हैं
RL-R avatar organization में उलझा हुआ है, और उसका leader execution से ज्यादा perfectionism की तरफ झुका हुआ लगता है, इसलिए अंत में उसके फेल होने की आशंका है। पूरी तरह ML-based system की तुलना में simpler systems बेहतर perform कर रहे हैं, फिर भी $15 billion बर्बाद हो गए
hand interaction team भी है जो wristband पर निर्भर है, लेकिन उसके पास कोई ठोस large-scale prototype नहीं है और वह बहुत असुविधाजनक है
display team ने जरूरत से ज्यादा वादे करके Orion जैसे consumer productization में विफलता पाई
mapping team सिर्फ ऐसे research glasses बना रही है जो privacy के लिहाज से बहुत invasive हैं
RL-R में talent बहुत था, लेकिन "hire and fire" culture की वजह से risk लेकर research करना लगभग असंभव हो गया है
अगर इसे data labeling company के नजरिए से देखें, तो यह पूरा मामला हास्यास्पद लगता है। यह लगभग "hotdog classification" जैसी सरल चीज की याद दिलाता है, और उस पर $14 billion खर्च होना अपने आप में चौंकाने वाला है
Meta अपना advertising business इतना शानदार चला रहा है कि कई billion dollar गंवाने वाले projects के बावजूद stock price पर खास असर नहीं पड़ता, बल्कि वह बढ़ता ही रहता है। यहां तक कि PER भी बहुत ज्यादा नहीं है। यह वाकई हैरान करने वाली बात है
मुझे लगता है कि AGI पर लेखक की राय scientific methodology का पालन नहीं करती। मेरा अंदाजा यह है कि Meta का बड़ा उद्देश्य शायद प्रभावशाली लोगों को साथ लाना है, ताकि AGI की definition बदलती रहे तो वह हर बार अपने goals को adjust कर सके। यानी focus क्षमता से ज्यादा paradigm control हासिल करने पर है
आखिरी दो paragraphs पढ़ने के बाद भी मैं उलझन और असहजता महसूस करता हूं।
मुझे नहीं लगता कि यह कहने के लिए पर्याप्त आधार है कि Zuck कोई असाधारण CEO हैं। Facebook ने पिछले 10 साल से ज्यादा समय में acquisitions के अलावा कोई नई product success नहीं दी है
यह काफी शर्मनाक है कि TikTok जैसे नए service ने Instagram को पछाड़ दिया। Meta Quest लगातार घाटे वाला side business है; क्या उसके लिए कंपनी का नाम बदलना सही था, इस पर भी संदेह है
Microsoft, Google, और Amazon की तुलना में Meta customer trust में बहुत पीछे है। इसी trust gap की वजह से Meta के नए businesses को हमेशा दिक्कत होती है। LinkedIn, Gmail, Search जैसी services होने के बावजूद Microsoft और Google पर लोग ज्यादा भरोसा करते हैं
मेरी निजी राय में Meta ने $14 billion लगाकर आखिरकार यही माना है कि वह अपने दम पर सफल नहीं हो पा रहा, इसलिए दूसरे की company में निवेश करके नई product success का रास्ता खोज रहा है
(संदर्भ: https://allaboutcookies.org/big-tech-trust)
उसका core business इतना profitable और scalable है कि उसे किसी 'नई technology' की सख्त जरूरत नहीं है। innovation हमेशा आवश्यक नहीं होती। असल में जहां competition कमजोर हो, वहां पुरानी tobacco stocks या Walmart की तरह बिना innovation के भी बहुत बड़े स्तर पर बढ़त संभव है
TikTok और Instagram का मामला भी ऐसा नहीं कि किसी को शर्मिंदा होना पड़े; दोनों ही अच्छा कर रहे हैं। Pepsi और Coca-Cola की तरह साथ-साथ मौजूद रह सकते हैं
मैं कुछ हद तक Zuck का fan हूं, और उस नजरिए से उनके बचाव में तर्क भी बना सकता हूं, लेकिन इसका मतलब यह नहीं कि मैं हर बात से सहमत हूं; आलोचनात्मक पक्ष भी मुझे काफी persuasive लगता है
सिर्फ नई product success के आधार पर CEO की क्षमता को मापना गलत metric है। Ray Ban Meta भी लगातार sold out होकर सफलता दिखा रहा है
क्या आपने $META (stock price) देखा है?
ये आंकड़े सचमुच पागलपन की हद के हैं
इसमें कुछ बातें तथ्यात्मक रूप से गलत थीं, और अब लेखक को भी इसका पता चल गया है। यह update भी किया गया है कि "पूरा $14 billion सिर्फ Alexandr को नहीं गया," इसलिए मुझे लगता है कि title भी बदलना चाहिए