AI बबल से नफरत करने वालों के लिए गाइड

 (wheresyoured.at)
33 पॉइंट द्वारा GN⁺ 2025-07-24 | 5 टिप्पणियां | WhatsApp पर शेयर करें
  • AI बबल ऐसी स्थिति है जहाँ ठोस मुनाफ़े के बिना सिर्फ़ फुला हुआ प्रचार है, और इसकी संरचना आर्थिक व तकनीकी दोनों दृष्टि से बेहद अस्थिर है
  • NVIDIA और कुछ बड़ी Big Tech कंपनियाँ इस बाज़ार को संभाले हुए हैं, जबकि ज़्यादातर AI कंपनियाँ भारी घाटे में हैं
  • पूरा ecosystem GPU बिक्री पर अत्यधिक निर्भर है, और वास्तव में पैसा कमाने वाली कंपनी सिर्फ़ NVIDIA है
  • productivity, innovation, नौकरी प्रतिस्थापन आदि में AI के प्रभाव को बढ़ा-चढ़ाकर पेश किया गया है, और ज़्यादातर AI-आधारित startups स्पष्ट business model या मुनाफ़े में आए बिना ही टिके हुए हैं
  • बड़ी पूंजी और media AI को लेकर भ्रम फैलाते हैं, जबकि हक़ीक़त में यह दोहराव वाली और सीमित क्षमताओं, ऊँची लागत और अनिश्चित भविष्य से भरा हुआ है

प्रस्तावना: “AI बबल” को लेकर सावधानी

  • सच्ची पत्रकारिता का काम इतिहास को दर्ज करना, तथ्यों का सटीक विश्लेषण करना, और मौजूदा स्थिति को साफ़ तौर पर ‘चेतावनी योग्य’ बताना है
  • लेखक को AI उद्योग की वर्तमान स्थिति को लेकर गहरी चिंता और सतर्कता है
  • यह चिंता कमजोरी या निराशावाद से नहीं, बल्कि बाज़ार और पूंजी के बबल तथा आत्म-छल को आलोचनात्मक नज़र से देखने वाले स्वस्थ संदेहवाद से आती है
  • लेखक सहित आलोचकों को, बाज़ार की तर्कशृंखला के साथ न चलने के कारण, हद से ज़्यादा कमतर आंका जाता है, और उन पर ‘सिर्फ़ विरोध के लिए विरोध’ या ‘traffic बटोरने वाले clickbait’ होने का आरोप लगाया जाता है
  • लेकिन आलोचना का उद्देश्य सिर्फ़ ध्यान खींचना नहीं, बल्कि उद्योग के भीतर अतिशयोक्ति और झूठ, पूंजी की बर्बादी, पर्यावरण विनाश, और ऐसी संरचना को उजागर करना है जिसमें फ़ायदा सिर्फ़ कुछ लोगों को होता है
  • लेखक 2021 के बाद से work from home के ख़िलाफ़ लहर, Clubhouse audio social बबल, NFT बबल, Quiet Quitting की गढ़ी गई कहानी, FTX संकट जैसे कई बबल और हेरफेर की लगातार आलोचना करता आया है
  • यह सिर्फ़ ‘विद्रोही’ बनने की कोशिश नहीं, बल्कि सत्ता और पूंजी के प्रति आलोचनात्मक सोच और स्वस्थ अविश्वास से पैदा हुआ दृष्टिकोण है
  • हालिया स्थिति को देखें तो AI बबल सिर्फ़ बाज़ार की उम्मीदों, माहौल (vibes) और अंधविश्वास पर खड़ी एक बेहद अस्थिर संरचना है
  • बबल स्पष्ट रूप से मौजूद होने के बावजूद, बाज़ार अब भी इसे नकारता है, या इसे वास्तविकता से कहीं ज़्यादा मज़बूत और टिकाऊ मानने की भूल करता है
  • लेखक ख़ुद को ‘hater’ कहता है, और बर्बादी व नुकसान, पर्यावरण विनाश, झूठी marketing, और नौकरी प्रतिस्थापन के भ्रम के प्रति अपनी घृणा ज़ाहिर करता है
  • यह लेख पारंपरिक guide नहीं, बल्कि AI बबल की बुनियादी समस्याओं और उसकी आलोचना के आधारों का संक्षिप्त सार है
  • लेखक AI उद्योग के भ्रम, काम न करने वाले ‘agent’ कॉन्सेप्ट, बेकार लेकिन महंगे cloud software, और ‘भविष्य पहले ही आ चुका है’ जैसे दावों की अतिशयोक्ति से मोहभंग महसूस करता है
  • लेखक की नज़र में generative AI boom revenue, performance और utility—तीनों से खाली एक मृगतृष्णा भर है
  • जब यह पूरी स्थिति ढहे, तो कृपया याद रखें कि लेखक ने पहले ही चेतावनी दी थी

The Magnificent 7 की कमज़ोरी: NVIDIA

  • जुलाई 2025 तक NVIDIA का शेयर 170 डॉलर तक तेज़ी से लौटा, लेकिन इसी साल जनवरी में DeepSeek घटना के दौरान यह 100 डॉलर से नीचे गिर गया था, यानी यह मुख्य बाज़ार घटनाओं पर बेहद तीखी प्रतिक्रिया देता है
  • Magnificent 7 (अमेरिकी शेयर बाज़ार का 35%): NVIDIA, Microsoft, Alphabet(Google), Apple, Meta, Tesla, Amazon
    • इनमें NVIDIA का market cap Magnificent 7 का 19% है
    • बहुत से अमेरिकियों के pension और investment products इस Big Tech समूह से जुड़े हैं, इसलिए AI बबल के फूटने पर real economy पर असर पड़ सकता है
  • NVIDIA की प्रमुख revenue dependency गंभीर है
    • Microsoft(18.9%), Amazon(7.5%), Meta(9.3%), Alphabet(5.6%), Tesla(0.9%) मिलकर NVIDIA की कुल revenue का 42.4% बनाते हैं
    • Meta अपनी capital expenditure का 25%, और Microsoft 47% NVIDIA chips खरीदने पर खर्च करते हैं
    • Microsoft, CoreWeave से servers lease करता है, और CoreWeave व Crusoe जैसी नई cloud कंपनियाँ भी NVIDIA revenue में 10% योगदान देती हैं
  • NVIDIA की तिमाही performance growth rate
    • वार्षिक growth rate: 101%, 94%, 78%, 69% (हाल की 4 तिमाहियाँ)
    • तिमाही growth rate 69%→59%→12%→12% तक तेज़ी से धीमी हुई
    • data center revenue (मुख्यतः server GPU) 39.1 अरब डॉलर रहा, जो बाज़ार अनुमान (39.4 अरब डॉलर) से कम है
    • चीन बाज़ार से जुड़े मुद्दों (H20 ban आदि) के साथ, revenue growth की सीमाएँ धीरे-धीरे खुलकर सामने आ रही हैं
  • NVIDIA के जोखिम
    • growth बनाए रखने के लिए हर तिमाही GPU बिक्री बढ़ती रहनी चाहिए
    • revenue का 88% data center GPU (यानी AI trade) से आता है, और अगर 5~6 Big Tech कंपनियों की लगातार खरीद रुक जाए तो पूरा बाज़ार हिल सकता है
    • वास्तव में अमेरिकी शेयर बाज़ार का 35% सिर्फ़ 5-6 कंपनियों की GPU खरीद से ‘टिका हुआ’ है
    • Russell 1000 की earnings का 47.87% Magnificent 7 से आता है (2024 के अनुसार)
  • निष्कर्षतः, अगर NVIDIA की growth धीमी पड़ती है या revenue पर चोट लगती है, तो उसका सीधा झटका Magnificent 7, और आगे चलकर अमेरिकी शेयर बाज़ार व pension बाज़ार तक पहुँच सकता है

The Hollow "AI Trade" (खोखला AI trade)

  • बाज़ार की आम धारणा “AI से पैसा कमाया जा रहा है” के विपरीत, NVIDIA को छोड़कर generative AI से मुनाफ़ा कमाने वाली कंपनियाँ लगभग न के बराबर हैं

Magnificent 7 ने 2024~2025 के दो वर्षों में AI-संबंधित capital expenditure (Capex) पर 560 अरब डॉलर झोंक दिए, लेकिन उसके बदले AI-संबंधित revenue सिर्फ़ 35 अरब डॉलर बना

  • अगर Meta, Amazon, Microsoft, Google, Tesla अपने वादों के अनुसार आगे बढ़ते हैं, तो 560 अरब डॉलर के निवेश पर सिर्फ़ 35 अरब डॉलर revenue ही बनेगा
  • वास्तव में ज़्यादातर कंपनियों के पास सिर्फ़ ‘revenue’ है, लेकिन मुनाफ़ा (Profit) बिल्कुल नहीं
  • ऐसा बाज़ार ढाँचा बेहद अलौकिक नहीं बल्कि चरम स्तर तक अविवेकपूर्ण और ख़तरनाक पूंजी-खपत है

Microsoft AI Revenue In 2025: 13 अरब डॉलर, जिनमें से 10 अरब डॉलर OpenAI ने Azure पर 'server operating cost भर निकालने वाली discounted pricing' के रूप में खर्च किए

  • 2025 capital expenditure (Capex): 80 अरब डॉलर

  • जनवरी 2025 तक Microsoft ने AI-संबंधित annualized revenue 13 अरब डॉलर बताया, लेकिन इसमें से 10 अरब डॉलर (लगभग 77%) OpenAI द्वारा Microsoft Azure के उपयोग से आए
  • OpenAI जो रकम चुकाता है, वह 'Microsoft के server operating cost भर निकालने लायक़ भारी discount वाली pricing' है, इसलिए वास्तविक मुनाफ़ा लगभग नहीं के बराबर है
  • वास्तव में Microsoft का 'असल' AI revenue लगभग 3 अरब डॉलर है, जो 2025 capital expenditure का सिर्फ़ 3.75% है
  • 2024 में भी AI revenue 4.7 अरब डॉलर था, जिसमें 2 अरब डॉलर OpenAI से आया; दो वर्षों में AI infrastructure पर 135.7 अरब डॉलर लगाए गए, लेकिन कुल AI revenue (17.7 अरब डॉलर) में से 12.7 अरब डॉलर internal transaction थे
  • आख़िरकार Microsoft का AI business सिर्फ़ ऊपर से फुलाया हुआ दिखता है; असली मुनाफ़ा बहुत कम है और ज़्यादातर गतिविधि OpenAI के साथ internal transaction पर टिकी है

Amazon AI Revenue In 2025: 5 अरब डॉलर

  • 2025 capital expenditure (Capex): 105 अरब डॉलर

  • 2025 में Amazon का AI-संबंधित अनुमानित revenue 5 अरब डॉलर है, जो 105 अरब डॉलर के विशाल capital expenditure की तुलना में बहुत ही मामूली है
  • 2024 में भी capital expenditure 83 अरब डॉलर तक पहुँचा, लेकिन वास्तविक AI revenue सिर्फ़ 2.77 अरब डॉलर था
  • analysts का अनुमान है कि Amazon का AI revenue 80% बढ़ सकता है, लेकिन निवेश के मुकाबले रिटर्न की संरचना बेहद अक्षम है
  • Amazon CEO Andy Jassy ने कहा कि “AI, cloud के बाद सबसे बड़ा business opportunity है और internet के बाद सबसे बड़ा तकनीकी बदलाव,” लेकिन वास्तविक डेटा इस दावे का समर्थन नहीं करता
  • भारी पूंजी लगाने के बावजूद, AI से अर्थपूर्ण मुनाफ़ा पैदा न कर पाने की संरचनात्मक सीमा साफ़ दिखाई देती है

Google AI Revenue: अधिकतम 7.7 अरब डॉलर

  • 2025 पूंजीगत व्यय(Capex): 75 अरब डॉलर

  • 2025 में Google का AI-संबंधित अधिकतम अनुमानित राजस्व केवल 7.7 अरब डॉलर है, और Bank of America विश्लेषकों का अनुमान भी कुछ हद तक उदार माना जा सकता है
  • इसमें 4.2 अरब डॉलर Google Cloud के भीतर AI subscription राजस्व से, और 3.1 अरब डॉलर Google One के premium AI plan से आते हैं
    शेष 1.1 अरब डॉलर Workspace सेवा में Gemini AI सुविधाएँ जबरन जोड़कर की गई कीमत वृद्धि से उत्पन्न राजस्व है
  • Google One premium AI plan के लिए 3.1 अरब डॉलर राजस्व मानने हेतु लगभग 1.29 करोड़ paid subscribers मानने पड़ेंगे, लेकिन यह अनुमान यथार्थवादी आधार से रहित है
  • Workspace राजस्व भी व्यावसायिक उपयोगकर्ताओं पर थोपे गए मूल्य-वृद्धि प्रभाव पर निर्भर है, जिससे इसकी टिकाऊ वृद्धि पर सवाल उठते हैं
  • कुल 75 अरब डॉलर के AI-संबंधित पूंजीगत व्यय की तुलना में, वास्तविक AI राजस्व (मुनाफा नहीं) बेहद मामूली स्तर पर है

Meta AI Revenue: 2~3 अरब डॉलर

  • 2025 पूंजीगत व्यय(Capex): 72 अरब डॉलर

  • 2025 में Meta का AI राजस्व 2~3 अरब डॉलर है, जो 72 अरब डॉलर के AI infrastructure निवेश की तुलना में बेहद छोटा है
  • Meta ने generative AI(LLM, image generation आदि) सुविधाओं को Instagram DM सहित अपनी सभी प्रमुख सेवाओं में जबरन एकीकृत किया है, लेकिन इसके जरिए वास्तविक monetization में विफल रहा है
  • copyright मुकदमों में सामने आए दस्तावेज़ों के अनुसार, Meta ने 2035 तक AI राजस्व 460 अरब~1.4 ट्रिलियन डॉलर होने का दावा किया था, लेकिन यह अवास्तविक अतिशयोक्ति भर है
  • कुल राजस्व का 99% विज्ञापन पर निर्भर है, और Llama model licensing राजस्व का कुछ हिस्सा cloud partners(AWS, NVIDIA, Google आदि) से आ सकता है, लेकिन ठोस प्रदर्शन आँकड़े सार्वजनिक नहीं हैं
  • नतीजतन Meta का AI विभाग भारी निवेश के मुकाबले मुनाफा पैदा नहीं कर पा रहा, और विशाल cash burn तथा अक्षमता को ही बढ़ा रहा है

Tesla Does Not Appear To Make Money From Generative AI

  • 2025 पूंजीगत व्यय(Capex): 11 अरब डॉलर

  • Tesla Magnificent 7 में शामिल है, लेकिन generative AI trade से सबसे दूर खड़ी कंपनी है
  • Elon Musk ने xAI(प्रमुख LLM Grok का डेवलपर, और Twitter का मालिक) के जरिए AI क्षेत्र में प्रवेश किया है, लेकिन xAI हर महीने 1 अरब डॉलर cash burn कर रही है और सालाना केवल 10 करोड़ डॉलर(मासिक 8.3 मिलियन डॉलर) जैसा बेहद मामूली राजस्व दर्ज कर रही है
  • Tesla का AI से जुड़ा प्रत्यक्ष राजस्व लगभग शून्य है, और xAI में निवेश करना है या नहीं, यह भी शेयरधारक मतदान से तय होना है; हालांकि इसका उद्देश्य Musk की निजी leverage रणनीति से अधिक जुड़ा दिखता है
  • यदि Tesla की पूंजी xAI जैसे AI कारोबार में डाली जाती है, तो वास्तविक मुनाफा पैदा होने की संभावना कम है, जबकि Tesla के मुख्य व्यवसाय के राजस्व और brand गिरावट का जोखिम और बढ़ेगा
  • निष्कर्षतः Tesla न तो generative AI उन्माद की प्रत्यक्ष लाभार्थी है, और न ही AI निवेश से वास्तविक लाभ की उम्मीद करना आसान है

Apple's AI Story Is Weird

  • 2025 पूंजीगत व्यय(Capex): लगभग 11 अरब डॉलर

  • Apple को generative AI अपनाने में सबसे निष्क्रिय और AI trend से पीछे छूटी कंपनी माना जा रहा है
  • Apple Intelligence फीचर लॉन्च होने के बाद, लाखों उपयोगकर्ता उल्टा AI के प्रति नकारात्मक हो गए, क्योंकि अधिकांश AI सुविधाएँ(दस्तावेज़ summary, email writing, custom emoji आदि) ऐसी चीज़ें थीं जिन्हें वे वास्तव में चाहते ही नहीं थे
  • बाज़ार में यह धारणा है कि Apple AI प्रतिस्पर्धा में पीछे रह गया, और generative AI को जबरन लाने का नतीजा सिर्फ़ बढ़ती user dissatisfaction रहा
  • इसके बावजूद Apple ने AI infrastructure पर खगोलीय स्तर का निवेश नहीं किया, और AI-संबंधित पूंजीगत व्यय लगभग 11 अरब डॉलर पर अपेक्षाकृत काफी कम रहा
  • सीमित बाज़ार क्षमता और बिना लाभ वाले AI products पर विशाल पूंजी दाँव पर नहीं लगाई गई, इस अर्थ में Apple का दृष्टिकोण उल्टा अधिक रूढ़िवादी और सावधान कहा जा सकता है

The Fragile Five — Amazon, Google, Microsoft, Meta and Tesla — Are Holding Up The US Stock Market By Funding NVIDIA's Future Growth Story

  • तथाकथित ‘Fragile Five’ — Amazon, Google, Microsoft, Meta, Tesla — NVIDIA GPU खरीद के जरिए अमेरिकी शेयर बाज़ार को सहारा दे रहे हैं, ऐसी संरचना बन गई है
  • NVIDIA का market cap पूरे अमेरिकी शेयर बाज़ार का लगभग 8% और S&P 500 का लगभग 7.5% है; इसके राजस्व का 88% generative AI के लिए enterprise GPU से आता है, और उसमें से 42% इन पाँच कंपनियों की खरीद पर निर्भर है
  • इनमें से सिर्फ़ एक भी कंपनी यदि NVIDIA chip निवेश में बदलाव करती है, तो पूरे अमेरिकी बाज़ार पर सीधा और गंभीर नकारात्मक प्रभाव पड़ सकता है
  • ऐसी स्थिति में जहाँ NVIDIA का प्रदर्शन ही बाज़ार का भरोसा माना जा रहा है, हक़ीक़त यह है कि इन कंपनियों द्वारा बनाई गई AI सेवाएँ भारी घाटा दे रही हैं, फिर भी वे वास्तविक राजस्व या मुनाफा सृजन में लगभग कोई योगदान नहीं कर रहीं
  • हर कंपनी ‘AI से growth’, ‘AI से jobs replacement’ जैसी बातें करती है, लेकिन यह वास्तविक आय का खुलासा टालने के लिए किए जाने वाले इशारों से अधिक कुछ नहीं
  • यदि वास्तव में ठोस वृद्धि या राजस्व विस्तार हुआ होता, तो वे पूरे बाज़ार में उसका बड़े पैमाने पर प्रचार करते; इसके बजाय वे लगातार सिर्फ़ भारी खर्च ही कर रही हैं
  • आख़िरकार, AI boom का मूल सार वास्तविक business profit नहीं, बल्कि NVIDIA GPU खरीद के इर्द-गिर्द घूमता पूंजी चक्र मात्र है

Ed! Amazon Web Services Took Years To Become Profitable! People Said Amazon Would Fail!

  • बहुत से लोग बार-बार यह तर्क दोहराते हैं कि “Amazon भी लंबे समय तक घाटे में था, इसलिए AI भी समय के साथ मुनाफे में आ सकता है,” लेकिन वास्तव में Amazon Web Services(AWS) और generative AI उद्योग मूल रूप से अलग हैं
  • 1999 में Barron's के Amazon.bomb लेख में Amazon के घाटे वाले ढाँचे, बढ़ती प्रतिस्पर्धा, और ‘कभी न कभी मुनाफे में आने की संभावना’ पर संदेह जताया गया था,
    लेकिन तब भी Amazon के business model(online commerce) की बाज़ार मांग को ही नकारा नहीं गया था
  • AWS भी 2006 के लॉन्च के आसपास घाटे में था, लेकिन पहले से मौजूद एक स्पष्ट बाज़ार(web services, online traffic growth) में वास्तविक मांग मौजूद थी, और वृद्धि के बाद वह तेज़ी से मुनाफे में आ गया
  • generative AI उद्योग, AWS के विपरीत, अभी तक न तो किसी लाभकारी और ठोस business model को साबित कर पाया है और न ही व्यापक जन-आधारित मांग को
  • सिर्फ़ इसलिए कि अतीत में Amazon को लेकर किया गया संशय ग़लत निकला था, वर्तमान AI उद्योग की आलोचना को ‘कभी न कभी मुनाफे में बदल ही जाएगा’ कहकर आशावादी मान लेना मूल संदर्भ के अंतर की अनदेखी करने वाली ग़लत तुलना है

लेकिन Amazon Web Services की बात करें

  • Amazon Web Services(AWS) मूल रूप से Amazon.com के तेज़ी से बढ़ते web traffic और जटिल service operations infrastructure को आंतरिक रूप से scale करने की प्रक्रिया से निकला व्यवसाय था
  • यह शुरुआती इंटरनेट युग था (Facebook और Twitter के आने से पहले), और AWS ने cloud computing, server rental, storage आदि के रूप में वास्तविक infrastructure innovation सबसे पहले उपलब्ध कराकर बाज़ार को नया रूप दिया
  • 2006 की Bloomberg रिपोर्ट में भी इसे Bezos की ‘खतरनाक बाज़ी’ कहा गया था, और इसे Wall Street तथा निवेशकों की कड़ी शंका का सामना करना पड़ा
  • लेकिन उस समय भी hardware/software infrastructure पहले से तैयार था, और management का यह दीर्घकालिक दृष्टिकोण स्पष्ट था कि कुछ वर्षों की भारी upfront investment के बाद व्यवसायिक नतीजे गंभीरता से दिखने लगेंगे
  • उस समय analyst Scott W. Devitt ने निराशावादी ढंग से कहा था कि “कई वर्षों तक कोई आर्थिक रिटर्न नहीं होगा,”
    लेकिन वास्तव में AWS ने पहले से मौजूद स्पष्ट market demand (कंपनियों और developers के लिए IT infrastructure services) को तेज़ी से absorb किया और सफलतापूर्वक मुनाफे में बदल गया
  • आज के AI boom में भी कई analysts आशावादी हैं कि generative AI, AWS की तरह लाभकारी उद्योग बन जाएगा, लेकिन
    वास्तव में Salesforce, Palantir जैसी बड़ी IT कंपनियों ने भी आधिकारिक रूप से कहा है कि AI डिविज़न में मुनाफे में सुधार के संकेत नहीं हैं
  • स्पष्ट अंतर यह है कि AWS एक साफ़ market और वास्तविक ज़रूरत के आधार पर बढ़ा, जबकि generative AI services की स्थिति अतिशयोक्तिपूर्ण उम्मीदों तक सीमित है और वास्तविक demand या revenue model अब तक साबित नहीं हुआ है
  • यह भी रेखांकित किया जाता है कि analysts बड़े पैमाने पर ग़लत अनुमान लगा सकते हैं, और सिर्फ़ market optimism के आधार पर AI business की सफलता की उम्मीद करना ख़तरनाक है

लेकिन Amazon Web Services पर पैसा लगता था Ed, अब तुम्हारा अंत होगा!

  • AWS भी लंबे समय तक घाटे और भारी capital expenditure (Capex) के बोझ के साथ बढ़ा,
    और 2015 में मुनाफे में आने से ठीक पहले तक भी कई analysts (जैसे Katy Huberty)
    “AWS अब भी भारी नुकसान उठा रहा है”, “इसका revenue contribution कम है” जैसी निराशावादी राय दे रहे थे
  • 2014 के अनुसार, Amazon के कुल 4.9 अरब डॉलर के capital expenditure का बड़ा हिस्सा AWS में लगाया गया था,
    लेकिन अंततः 10 वर्षों में 67.6 अरब डॉलर के cumulative investment के साथ AWS
    प्रति तिमाही अरबों डॉलर का मुनाफा कमाने वाला विशाल infrastructure business बन गया
  • संदर्भ के लिए, 67.6 अरब डॉलर, 2024 में Amazon के AI capital expenditure (83 अरब डॉलर) से भी कम है,
    और 2025 में Amazon के कुल AI capital expenditure का सिर्फ़ 1/15 है
  • यानी, AWS की वृद्धि पर लगा खर्च भी मौजूदा AI boom में डाली जा रही पूंजी का बेहद छोटा हिस्सा है
  • इसके विपरीत, generative AI industry पहले ही कम समय में दर्जनों से लेकर सैकड़ों अरब डॉलर की पूंजी झोंक चुकी है, फिर भी न लाभप्रदता और न ही बाज़ार-योग्यता साबित कर पाई है
  • सार यह है कि पुराने AWS और generative AI के बीच पूंजी निवेश, marketability और growth clarity के स्तर पर बुनियादी अंतर है
  • मौजूदा AI investment का पैमाना और गति AWS के समय से तुलना से परे है

Generative AI and Large Language Models Do Not Resemble Amazon Web Services or The Greater Cloud Compute Boom, As Generative AI Is Not Infrastructure

  • बहुत से लोग generative AI और large language models (LLM) की तुलना AWS, Azure, Google Cloud जैसे cloud infrastructure business के साथ एक ही स्तर पर करते हैं, लेकिन वास्तव में दोनों व्यवसाय बुनियादी रूप से पूरी तरह अलग हैं
  • AWS जैसे cloud services EC2 (compute rental), S3 (storage rental) की तरह वास्तविक IT infrastructure को लचीले तरीके से उपलब्ध कराते हैं, और enterprise market में पहले ही दर्जनों से लेकर सैकड़ों अरब डॉलर का revenue दर्ज कर चुके हैं
    यह ऐसा foundational business है जिसकी demand स्पष्ट है और जो कंपनियों व developers को उच्च उपयोगिता देता है
  • cloud infrastructure का मूल स्वभाव है सस्ता और स्थिर ढंग से, दुनिया में कहीं से भी services चलाने की सुविधा देना, क्योंकि यह ग्राहकों को खुद infrastructure बनाने और चलाने की ज़रूरत से मुक्त करता है
  • AWS की growth online shopping, web service traffic में वृद्धि जैसी पहले से मौजूद समस्याओं और मांग को प्रभावी ढंग से हल करते हुए हुई
    • यानी, स्पष्ट business need और market demand पहले से मौजूद थी
  • दूसरी ओर, generative AI/LLM business में अत्यधिक data center और GPU लागत के अलावा, infrastructure के रूप में विविधता, सार्वभौमिक उपयोगिता और स्पष्ट market demand की कमी है
    • वास्तव में अधिकांश AI startups को भी AWS या Azure जैसे ‘असली’ infrastructure के ऊपर ही टिकना पड़ता है
  • निष्कर्षतः, generative AI cloud infrastructure की सिर्फ़ एक feature है,
    और cloud की तरह कई industries व products की आधारभूत general-purpose infrastructure होने के रूप में इसे कभी साबित नहीं किया गया
    AI boom और infrastructure innovation की तुलना एक ही स्तर पर करना तार्किक त्रुटि है

Companies Built On Top Of Large Language Models Don't Make Much Money (In Fact, They're Likely All Deeply Unprofitable)

  • generative AI (LLM) आधारित कंपनियाँ लगभग सभी घाटे में हैं। अपवाद के रूप में Midjourney ने 2022 में मुनाफे का दावा किया था, लेकिन अब यह भी अनिश्चित है
  • OpenAI, Anthropic, Cursor(Anysphere) को छोड़ दें तो, कोई भी कंपनी सालाना 50 करोड़ डॉलर से अधिक revenue नहीं कमा रही है
  • Midjourney, Ironclad, Perplexity जैसी कुछ ही कंपनियाँ सालाना 10 से 20 करोड़ डॉलर revenue के दायरे में हैं, और 100 मिलियन डॉलर से अधिक revenue वाली generative AI कंपनियाँ पूरी दुनिया में सिर्फ़ 12 हैं
  • इनमें से कुछ का अधिग्रहण हो चुका है, और 7 कंपनियाँ सालाना 5 करोड़ डॉलर से अधिक revenue के स्तर पर ही अटकी हुई हैं
  • SaaS/enterprise software market की तुलना में यह revenue scale बेहद छोटा है (उदाहरण: Hubspot का वार्षिक revenue 2.6 अरब डॉलर)
  • 3 साल बीत चुके हैं, लेकिन OpenAI और Anthropic जैसी अग्रणी कंपनियाँ भी अरबों डॉलर का घाटा उठा रही हैं, और growth companies में न तो व्यापक लोकप्रियता है और न लाभप्रदता
  • प्रमुख उदाहरण Cursor भी 50 करोड़ डॉलर revenue दिखाता है, लेकिन आक्रामक pricing policy और service limits आदि के कारण इसका अस्थिर business model उजागर हो चुका है

Cursor's $500 Million "Annualized Revenue" Was Earned With A Product It No Longer Offers, And Anthropic/OpenAI Just Raised Their Prices, Increasing Cursor’s Costs Dramatically

  • Cursor का 50 करोड़ डॉलर annualized revenue वास्तव में ऐसी service से आया था जिसे अब बेचा ही नहीं जाता, और जो टिकाऊ भी नहीं थी
  • जून 2025 में, Anthropic और OpenAI ने API कीमतें बढ़ाईं और service tier/priority processing जैसी संरचनाएँ लागू कीं, जिससे Cursor की operating cost तेज़ी से बढ़ गई
  • इसके चलते Cursor ने subscription pricing, usage limits, speed throttling जैसी यूज़र के लिए प्रतिकूल नीतियाँ लगातार लागू कीं
  • Cursor की तेज़ revenue growth के पीछे पूरी तरह अलाभकारी आक्रामक pricing और model usage conditions थीं, और अब इन्हें बनाए रखना संभव नहीं है, इसलिए service quality और conditions दोनों बिगड़ गए हैं
  • वास्तव में Cursor द्वारा जुटाई गई ज़्यादातर funding OpenAI, Anthropic जैसे LLM providers को भुगतान में जा रही है
  • ऐसे माहौल में किसी भी AI startup के लिए स्थायी business model बनाना कठिन है, और Cursor का तेज़ी से बढ़ने वाला उदाहरण भी अंततः ‘झूठी growth’ साबित होता है

> नहीं, सच में, consumer AI startups कहाँ हैं?

  • प्रमुख consumer AI startup Perplexity का annualized revenue सिर्फ़ 15 करोड़ डॉलर है,
    और 2024 में उसने अपने revenue के 167% के बराबर राशि Anthropic, OpenAI और Amazon को चुकाई, जिससे 6.8 करोड़ डॉलर का घाटा हुआ
  • वास्तव में consumer-facing generative AI services के ठीक से monetize होने के उदाहरण लगभग नहीं हैं
  • अधिकतर नए AI services मौजूदा search, automation, chatbot जैसे existing SaaS features की पुनरावृत्ति तक सीमित हैं, और न तो वास्तविक innovation ला पा रहे हैं और न ही कोई ‘नया market’ बना रहे हैं

The Generative AI Software As A Service Market Is Small, With Little Room For Growth And No Profits To Be Seen

  • Generative AI SaaS बाज़ार का कुल आकार बहुत छोटा है, और इसमें एक भी ऐसी कंपनी नहीं है जो उच्च-विकास और लाभप्रद हो
  • उद्योग वास्तविक राजस्व के बजाय सिर्फ ‘Annualized Revenue’ पर ज़ोर देता है, लेकिन इससे वास्तविक वृद्धि और टिकाऊपन का आकलन सीमित हो जाता है क्योंकि मासिक राजस्व कम हो सकता है या subscribers के churn की दर अधिक हो सकती है
  • मासिक राजस्व के आधार पर देखें तो अधिकांश कंपनियां 10 million डॉलर से कम पर हैं; उदाहरण के लिए 2008 में AWS के मासिक राजस्व (15.75 million डॉलर) से तुलना करें तो भी उनकी growth rate काफी पीछे है
  • Cursor के अलावा कोई उल्लेखनीय SaaS कंपनी नहीं है, और “सबसे तेज़ growth” का दावा करने वाली कंपनियां भी अपारदर्शी pricing policy और भ्रामक growth metrics का उपयोग करती हैं
  • AI search SaaS का एक प्रमुख उदाहरण Glean भी 2024~2025 में लगातार funding जुटाने और “100M ARR” हासिल करने की घोषणा के बाद मासिक राजस्व और वास्तविक growth में ठहराव, अचानक price increase जैसी स्थितियों से जूझ रहा है, यानी वास्तविक marketability और high growth दोनों का अभाव
  • कुल मिलाकर Generative AI SaaS बाज़ार संकीर्ण है, इसमें growth की गुंजाइश भी नहीं है, और अभी तक कोई कंपनी लाभ में नहीं पहुंची है

There Are No Unique Generative AI Companies — And Building A Moat Based On Technology Is Near-Impossible

  • लगभग सभी Generative AI कंपनियां एक जैसे फीचर देती हैं — जैसे chatbot, search/summary, text/image generation, translation, coding support — इसलिए तकनीकी differentiation बेहद कठिन है
  • अंततः ज्यादातर कंपनियां एक ही LLM API, जैसे OpenAI या Anthropic, पर निर्भर हैं, और मुख्य intellectual property (IP) भी उन्हीं LLM providers के पास रहती है
  • Cursor जैसी growth वाली मिसाल में भी UI, prompts और pricing policy के अलावा कोई ठोस अंतर नहीं है, और Amazon, ByteDance जैसी competitors भी मिलते-जुलते products आसानी से लॉन्च कर सकती हैं
  • service design और operations तकनीकी entry barrier या moat नहीं बन सकते, और model providers चाहें तो कभी भी clone service बना सकते हैं
  • नतीजतन ऐसी कोई सचमुच मौलिक Generative AI startup नहीं है जिसने वास्तविक ‘moat’ बना लिया हो

Established Large Language Models Are A Crutch

  • पिछली tech booms में कंपनियां अपने खुद के model और infrastructure बनाती थीं, लेकिन Generative AI के दौर में लगभग सभी startups कुछ गिनी-चुनी बड़ी LLM कंपनियों, जैसे OpenAI और Anthropic, पर निर्भर हैं
  • परिणामस्वरूप बाज़ार दो-तीन कंपनियों के इर्द-गिर्द सिमट गया है, जबकि बाकी कंपनियां मानो subcontractor की तरह सिर्फ functional software की एक परत जोड़ रही हैं

OpenAI And Anthropic Are Their Customers' Weak Point

  • OpenAI, Anthropic जैसे LLM providers जब चाहें pricing और service terms बदल सकते हैं, और Windsurf blocking जैसे मामलों में वे सीधे अपने ग्राहकों के business को खतरे में डालते हैं
  • ग्राहक कंपनियां LLM providers की policy changes पर पूरी तरह निर्भर और अधीन हैं

The Limited Use Cases Are Because Large Language Models Are All Really Similar

  • सभी large language models लगभग एक जैसे data और architecture, जैसे Transformer, का उपयोग करते हैं, इसलिए functional differentiation और use cases की विविधता भी बेहद सीमित रहती है

Generative AI Is Simply Too Expensive To Build A Sustainable Business On Top Of It

  • operating cost, API cost और कुल cost structure बहुत भारी है और उसका अनुमान लगाना भी मुश्किल है
  • OpenAI, Anthropic, Perplexity जैसी कंपनियों पर revenue की तुलना में maintenance cost का बोझ इतना अधिक है कि sustainable business model बनाना लगभग असंभव हो जाता है

Companies Are Using The Term "Agent" To Deceive Customers and Investors

  • ‘AI agent’ शब्द असल में autonomous system नहीं, बल्कि chatbot या automation flow को आकर्षक ढंग से पेश करने वाली marketing चाल के अधिक करीब है
  • उदाहरण के तौर पर Salesforce का Agentforce, OpenAI का ChatGPT Agent, Glean, ServiceNow आदि ‘AI agent’ के नाम पर साधारण chatbot या IF-THEN आधारित automation फीचर ही देते हैं
  • वास्तविकता में single-step tasks की success rate सिर्फ 58% और multi-step tasks की 35% है, यानी ये इंसानों की जगह लेने वाले असली agents बिल्कुल नहीं हैं
  • coding agents भी व्यवहार में execution, errors और quality control के लिए पूरी तरह इंसानी supervision पर निर्भर हैं
    • वास्तविक शोध के अनुसार AI coding tools डेवलपर productivity को 19% घटाते हैं
  • ‘AI agent’ शब्द खुद में ग्राहकों और investors को गुमराह करने वाली बढ़ा-चढ़ाकर पेश की गई प्रतीकात्मक भाषा भर है, और media भी इसे बिना आलोचनात्मक जांच के दोहराता जा रहा है

But Really Though, Everybody Is Losing Money On Generative AI, And Nobody's Making A Profit

  • UBS की रिपोर्ट के मुताबिक, वास्तव में AI services चलाने वाली listed companies की AI-संबंधित कमाई बेहद मामूली है
  • उदाहरण के लिए ServiceNow का AI-संबंधित annual contract value (ACV) सिर्फ 250 million डॉलर है, और यह भी स्पष्ट नहीं है कि इसमें कितना हिस्सा वास्तव में सिर्फ AI का शुद्ध revenue है
  • Gartner का अनुमान है कि 2027 तक ‘AI agent’ projects में 40% से अधिक बीच में ही छोड़ दिए जाएंगे
  • Adobe, Salesforce जैसी कंपनियां भी Generative AI का खूब प्रचार करती हैं, लेकिन उनका annualized revenue करीब 100 million डॉलर के आसपास है; लागत को देखते हुए वास्तविक लाभ लगभग नहीं के बराबर है या वे घाटे के बहुत करीब हैं
  • इतना revenue किसी भविष्य-नेतृत्व करने वाले उद्योग के लिए हास्यास्पद रूप से छोटा है, और इसमें वास्तविक profitability या market viability दोनों का अभाव है

OpenAI and Anthropic Are The Generative AI Industry, Are Deeply Unstable and Unsustainable, and Are Critical To The AI Trade Continuing

  • OpenAI और Anthropic मिलकर Generative AI industry के आधे से अधिक revenue पर कब्जा रखते हैं, लेकिन उनकी संरचना बेहद अस्थिर है क्योंकि वे हर साल अरबों डॉलर का घाटा झेल रहे हैं
  • OpenAI SoftBank आदि से 40 billion डॉलर जुटाने की प्रक्रिया में है, जिनमें से 30 billion डॉलर अभी तक सुनिश्चित नहीं हुए हैं
    • इस investment का बड़ा हिस्सा data centers, जैसे Stargate, में लगाया जाना है, लेकिन वास्तविक funding की संभावना भी अनिश्चित है
    • अगर 2025 तक for-profit company में conversion विफल रहता है, तो 20 billion डॉलर में से 20 billion डॉलर खोने पड़ेंगे, और अगर 2026 के अक्टूबर तक conversion नहीं हुआ तो पूरी investment debt में बदल जाएगी
    • Microsoft जैसे बड़े investors के साथ बातचीत भी गतिरोध में है
  • Anthropic भी 4 billion डॉलर के annual revenue पर 3 billion डॉलर के घाटे में है, और Cursor जैसे बड़े ग्राहकों के लिए बार-बार price increase और service restrictions लागू करता रहा है
    • profitability और sustainability दोनों के बिना यह एक अस्थिर business structure है
  • ये दोनों कंपनियां Generative AI के कुल revenue का 50% से अधिक संभालती हैं, लेकिन वास्तव में यह पूरा ढांचा बिना मुनाफे वाले घाटे के मॉडल पर ही निर्भर है
  • बाहरी funding और infrastructure के लगातार विस्तार के बिना इसका अस्तित्व ही संदिग्ध है; यह एक ‘risk industry’ है

There Is No Real AI Adoption, Nor Is There Any Significant Revenue

  • Generative AI services का वास्तविक mass adoption और meaningful revenue लगभग न के बराबर है
  • ChatGPT साप्ताहिक 500 million users का दावा करता है, लेकिन वास्तविक paid subscribers सिर्फ 15.5 million हैं, और उनमें से भी बड़ी संख्या one-time use, learning या assignments जैसे गैर-business उद्देश्यों के लिए है
  • Google Gemini जैसी सेवाएं भी actual user count को बड़ा दिखाने के लिए Google Assistant आदि के साथ संयुक्त गणना करती हैं, इसलिए वास्तविक market penetration इससे काफी कम है
  • तीन साल तक industry, media और investment market ने AI boom को आगे बढ़ाया, फिर भी revenue, subscribers और ecosystem — तीनों ही पुराने SaaS की तुलना में बेहद कमज़ोर हैं
  • ChatGPT को छोड़कर बाज़ार में ऐसी कोई Generative AI service लगभग नहीं है जिसने meaningful revenue या user base हासिल किया हो

Yes, Generative AI "Does Something," But AI Is Predominantly Marketed Based On Lies

  • यह सच है कि generative AI एक निश्चित स्तर की functionality (coding, search आदि) देता है, लेकिन इससे जुड़ी सभी कंपनियां घाटे में हैं,
    और ऐसी स्थिति में जहाँ एक भी मुनाफे वाली कंपनी नहीं है, इसे वास्तविक उद्योग कहना मुश्किल है
  • ‘agent’, ‘AGI’, ‘singularity’ जैसे शब्दों का दुरुपयोग कर ऐसा बढ़ा-चढ़ाकर पेश किया जाता है मानो LLM स्वायत्त और बुद्धिमान innovation को साकार कर रहे हों
  • AI इंसानी नौकरियां छीन लेगा जैसी दलीलें भी कंपनी valuation और share price बढ़ाने के लिए की गई जानबूझकर अतिशयोक्ति/विकृति भर हैं
  • वास्तव में ज्यादातर media और corporate PR, AI की क्षमताओं को वास्तविकता से ज्यादा बढ़ा-चढ़ाकर दिखाते हैं, जिससे निवेशक और आम लोग गुमराह होते हैं
  • मॉडल का झूठ बोलना या धोखाधड़ी जैसा व्यवहार भी अक्सर जानबूझकर दिए गए prompt का नतीजा होता है, फिर भी मीडिया इसे स्वायत्तता और जोखिम को बढ़ा-चढ़ाकर दिखाने में इस्तेमाल करता है
  • कुल मिलाकर generative AI बाज़ार में 50 अरब डॉलर के वास्तविक revenue वाले उद्योग को 1 ट्रिलियन डॉलर के भविष्य के उद्योग की तरह पैक करके बेचा जा रहा है, और मीडिया भी इस bubble को बनाने में भागीदार है

The AI Trade Is Entirely About GPUs, And Is Incredibly Brittle As A Result

  • AI से जुड़े stock trade का रिश्ता profit, user growth, या technical innovation से नहीं है
  • कंपनियों के share इस वजह से नहीं बढ़ रहे कि वे AI से पैसा कमा रही हैं, बल्कि AI से जुड़ी छवि और माहौल की वजह से बढ़ रहे हैं
  • OpenAI और उसके ऊपर खड़ी कंपनियां business के लिहाज से बेहद कमजोर हैं, और large language model चलाने की लागत बहुत ज्यादा है; साथ ही इनके लिए बुनियादी तौर पर अलग और टिकाऊ innovation बनाना भी मुश्किल है
  • इस समय पूरा AI उद्योग पूरी तरह GPU बिक्री पर निर्भर है
  • CoreWeave, Oracle, Meta आदि NVIDIA से बड़ी मात्रा में GPU खरीद रहे हैं, और Microsoft भी OpenAI को support देने के लिए बड़े Azure infrastructure को NVIDIA GPU आधारित रूप में चला रहा है
  • Microsoft, Meta, Google, Apple, Amazon, Tesla—कोई भी AI से ठोस मुनाफा नहीं कमा रहा, और share price growth भी AI से जुड़ी छवि की वजह से हो रही है
  • यह पूरा प्रवाह आखिरकार NVIDIA की GPU बेचने की क्षमता पर टिका है, जबकि AI product खुद वास्तविक और सार्थक business value देने में विफल हैं। कुछ product अपनाए भी जाएँ, तब भी अधिकतर भारी घाटे के साथ चल रहे हैं

I'm Alarmed!

  • मौजूदा AI उद्योग साफ तौर पर bubble की स्थिति में है
  • ऐसे विश्लेषण मौजूद हैं कि 1990 के दशक के IT bubble की तुलना में आज S&P 500 की शीर्ष 10 कंपनियों का overvaluation और भी गंभीर है
  • Generative AI वास्तविक business performance, user acquisition, labor automation और ठोस value creation में लगभग कोई योगदान नहीं दे रहा। ज्यादातर कंपनियां लाभ नहीं कमा रहीं, बल्कि गंभीर घाटे में हैं
  • यह bubble सिर्फ financial capital का मसला नहीं है, बल्कि एक ऐसी प्रतीकात्मक संरचना है जो केवल GPU की लगातार बिक्री पर निर्भर है। वास्तव में data center में GPU भरने के लिए जगह और पूंजी दोनों सीमित हैं
  • लागत घटने या ASIC (specific-purpose chip) अपनाने के दावों के बावजूद, ठोस सबूत की कमी और production व deployment की कठिनाइयाँ बनी हुई हैं। अभी तक निर्भरता NVIDIA GPU पर ही है
  • मीडिया और बाज़ार का माहौल, बिना ठोस आधार वाली AI सफलता की कहानी को बढ़ावा देता है और वास्तविक innovation व revenue की कमी को अनदेखा करता है
  • NVIDIA इस बाज़ार की ताकत भी है और सबसे बड़ी कमजोरी भी। हर कोई NVIDIA पर टिककर बड़े पैमाने पर GPU खरीद रहा है, लेकिन वास्तव में install होते ही नुकसान शुरू हो जाता है
  • बड़े language model आधारित product लगभग एक जैसे हैं, और भारी लागत के बावजूद negative returns ही ला रहे हैं
  • मौजूदा AI उद्योग संरचना, पुराने Uber या AWS जैसे उदाहरणों से भी अलग है; यह tech और industry जगत में ideas की कमी और एक कंपनी पर अत्यधिक निर्भरता से बनी एक असामान्य संरचना है
  • AI संदेहवादियों से हमेशा सफाई माँगी जाती रही है, लेकिन AI optimists ठोस सबूत पेश नहीं कर पाए हैं
  • जब bubble फूटेगा, तब AI उद्योग का बुनियादी भ्रम उजागर हो जाएगा

  • “क्या inference cost घट रही है?” पर आपत्ति

    • प्रति token कीमत में गिरावट का मतलब यह नहीं कि inference cost भी घट रही है। मॉडल जितना बड़ा होगा, वास्तविक लागत उतनी बढ़ सकती है
    • वास्तव में reasoning-heavy model (जैसे Claude Opus 4 आदि) operating cost बढ़ाते हैं

  • “क्या ASIC समाधान है?” पर संदेह

    • OpenAI और Broadcom जैसी कंपनियाँ अपना ASIC विकसित करना चाहती हैं, लेकिन production feasibility, actual performance, server architecture compatibility जैसी कई समस्याएँ अब भी अनसुलझी हैं
    • वास्तव में Microsoft के पास भी भरोसेमंद ASIC development में विफलता का उदाहरण है
    • यदि ASIC में बदलाव सफल भी हो जाए, तब भी अगर NVIDIA GPU की बिक्री घटती है, तो पूरा AI trade ही डगमगा सकता है

  • bubble का मूल जोखिम

    • मौजूदा AI उद्योग, वास्तविक innovation या infrastructure-based entry barrier (moat) के बिना, मीडिया और market sentiment के सहारे अपनी valuation और stock price बनाए हुए है
    • इतिहास में इसकी तुलना सिर्फ dot-com bubble और WeWork collapse जैसी घटनाओं से की जा सकती है
    • बाज़ार सिर्फ NVIDIA की GPU बिक्री जारी रहने पर टिका हुआ है। install होते ही घाटा शुरू हो जाने वाली संरचना
    • अंततः सभी product और business model लगभग एक ही तरीके से काम करते हैं: high-cost, low-return का दुष्चक्र
  • उद्योग के भीतर और बाहर बिना आधार का आशावाद भरा हुआ है, और AI के वास्तविक उपयोग और innovation को बढ़ा-चढ़ाकर पेश किया जा रहा है
  • अगर AI bubble फूटता है, तो अब तक बिना आधार के आशावाद फैलाने वालों को जवाबदेह ठहराया जाना चाहिए

I Don't Like What's Happening : मुझे अभी जो हो रहा है, वह पसंद नहीं है

  • tech industry को innovation, वास्तविक मुनाफे, और सच्ची growth का पीछा करना चाहिए, लेकिन मौजूदा generative AI यह दिखाता है कि बाज़ार और मीडिया सिर्फ इंसानी श्रम के प्रतिस्थापन वाले भ्रम पर अटके हुए हैं
  • Rot Economy (सड़ी हुई अर्थव्यवस्था) वाली दलील की तरह, वास्तविक value या product quality से अलग होकर growth-at-all-costs की मानसिकता में LLM और GPU सिर्फ पैसा झोंकने के औज़ार बन गए हैं। व्यवहार में, ऐसे product बनाए जा रहे हैं जिन्हें शायद कोई वास्तव में पसंद भी न करे, फिर भी data center और chip खरीद का चक्र चलता जा रहा है
  • आज का AI उद्योग बेहद नाज़ुक और जोखिमभरा ढाँचा है। मुश्किल से चार-पाँच कंपनियाँ chip खरीदती रहेंगी या नहीं, इसी पर पूरा बाज़ार टिका है। install होते ही घाटा देने वाले GPU, वास्तविक भिन्नता के बिना LLM product, और लगातार घाटा इसकी मूल समस्या हैं
  • Generative AI के प्रशंसक, कुछ मीडिया और executives, आलोचनात्मक राय के प्रति तिरस्कारपूर्ण रवैया रखते हैं और वास्तविक उपयोगिता या innovation समझाने के बजाय भ्रम को ही बढ़ाते हैं। वे AI को महान बताते हैं, लेकिन ठोस आधार बहुत कम है
  • LLM सही और गलत में फर्क नहीं कर पाते और गलत जानकारी को अधिकारपूर्ण अंदाज़ में पेश करते हैं। executives और managers AI की मदद से खुद को ज्यादा समझदार दिखाने की कोशिश करते हैं, और इसे असली learning या जिम्मेदारी से बचने के साधन की तरह इस्तेमाल करते हैं
  • generative AI का सबसे बड़ा भ्रम आर्थिक गतिविधि का भ्रम है। वास्तव में यह सार्थक value पैदा नहीं करता, लेकिन GPU और data center में भारी निवेश को उचित ठहराने का बहाना बनकर bubble को और बड़ा करता है
  • यह संरचना Uber, AWS या अतीत के दूसरे उद्योग उदाहरणों से बिल्कुल अलग है। एक कंपनी की hardware sales चार-पाँच कंपनियों पर निर्भर हैं, और perception में बदलाव भर से बहुत बड़ा domino effect शुरू हो सकता है
  • मौजूदा दिशा अनावश्यक बर्बादी और विनाश की ओर ले जा रही है। बहुत से लोगों की retirement savings और नौकरियाँ प्रभावित हुई हैं, जबकि बड़ी कंपनियाँ quarterly growth numbers सजाने के लिए data center और GPU पर खगोलीय खर्च कर रही हैं
  • आखिरकार, इस market chaos के लिए जिम्मेदार लोग साफ मौजूद हैं, और इसका नुकसान पूरे उद्योग को भुगतना पड़ेगा। इस प्रक्रिया में लोगों में डर और अविश्वास भरने के बजाय, असली जिम्मेदारों को सही तरह पहचानना ज़रूरी है
  • Sam Altman, Dario Amodei, Satya Nadella, Sundar Pichai, Tim Cook, Elon Musk, Mark Zuckerberg, Andy Jassy आदि पर इस अनावश्यक और विनाशकारी आर्थिक संरचना को आगे बढ़ाने की जिम्मेदारी है
    • bubble फूटने के बाद उन्हें ज़रूर जवाबदेह ठहराया जाना चाहिए
  • आम लोग भी इस ढाँचे को पर्याप्त रूप से समझ सकते हैं, और उन्हें यह समझना चाहिए कि सत्ता या पूंजी का होना सही होना या बुद्धिमान होना नहीं होता—इसी समझ से बेहतर भविष्य बनाया जा सकता है

संबंधित पढ़ाई

5 टिप्पणियां

 
dojanmail 2025-07-28

LLM में कमियाँ नहीं हैं ऐसा तो नहीं है, लेकिन यह मानना मुश्किल लगता है कि सभी AI services लाभदायक नहीं हैं। मुझे लगता है कि आने वाले 5 सालों में मौजूदा लगभग सभी platform services का ज़्यादातर हिस्सा AI agents से replace हो जाएगा।
 
ndrgrd 2025-07-25

अगर LLM सचमुच काफ़ी उपयोगी हो गए हैं, फिर भी कोई उन्हें इस्तेमाल करके देखे बिना ही नीचा दिखाता है और जानबूझकर उनसे बचता है, तो समस्या उस व्यक्ति में है.
लेकिन मौजूदा consumer-level services की quality ऐसी है कि उन्हें इस्तेमाल करना मुश्किल है.

मैंने Perplexity, GPT, Gemini जैसी मशहूर services के paid models इस्तेमाल किए हैं, लेकिन सब लगभग एक जैसे ही हैं.
खुद source material ढूँढकर, link जोड़कर, ज़रूरी data चम्मच से खिलाने जैसा देने पर भी ये उसे ठीक से पढ़ नहीं पाते और बात गढ़कर सिर्फ़ गलत दावे दोहराते रहते हैं.
ऊपर से इन सबमें एक अजीब ज़िद भी होती है; एक बार गलत दावा करना शुरू कर दें तो उसे कभी ठीक नहीं कर पाते. पूरी बातचीत फेंककर नए सिरे से शुरू करना ही ज़्यादा तेज़ है.

सच कहूँ तो ऐसी चीज़ों से उलझना झुंझलाहट पैदा करता है. ये बात ही नहीं समझते.
उस समय में मैं खुद document ढूँढकर, खुद समझकर, खुद ठीक कर लूँ तो ज़्यादा जल्दी हो जाता है.

Copilot जैसी services भी एक चुनने के लिए कई इस्तेमाल कीं, लेकिन आख़िर में सब छोड़ दीं.
snippet-स्तर के काम ये ठीक कर लेते हैं, लेकिन उससे ज़्यादा की उम्मीद करना मुश्किल है. अगर बात इतनी ही है, तो फिर data share करके और इस सुस्त internet से जुड़कर इन्हें इस्तेमाल ही क्यों करूँ? मैं तो बस कुछ snippets और register कर लूँ.

जिन लोगों का कहना है कि उनका अनुभव अच्छा रहा, उन्होंने कौन-सी service किस हद तक जटिल काम में इस्तेमाल की, यह मुझे नहीं पता.
 
3ae3ae 2025-07-25

Claude Code का इस्तेमाल करने के मेरे अनुभव में, यह कम और लगा कि कोई agent मेरी जगह development कर रहा है, और ज़्यादा ऐसा लगा कि development process में सिर्फ वही हिस्सा outsource किया गया है जहाँ मैं सीधे code टाइप करता हूँ.

डिज़ाइन कई मामलों में इंसान को ही करना पड़ता है, और निर्देश भी इतने विस्तार से देने पड़ते हैं कि उन्हें कोई भी आए तो जैसा है वैसा ही follow कर सके, इसलिए यह सुनी हुई बातों से थोड़ा अलग अनुभव था.

फिर भी मैं इसे संतोष के साथ इस्तेमाल कर रहा हूँ. भले ही यह मेरा काम बहुत ज़्यादा कम नहीं कर पाता, लेकिन जब AI काम कर रहा होता है तब मैं दूसरा काम कर सकता हूँ या किसी दूसरे AI को निर्देश दे सकता हूँ, इसलिए समय बचाने के मामले में यह मददगार रहा.

अगर आप Claude Code इस्तेमाल कर रहे हैं, तो मैं recommend करूँगा कि prompt में think deeply या ultrathink जैसे पहले से तय reasoning निर्देश शब्द शामिल करें, और shift tab से plan mode में बदलकर काम करके देखें.
 
argo9 2025-07-24

VisiCalc, Lotus 1-2-3 वगैरह जब आए थे, तब भी लोग अबेकस या कैलकुलेटर ही ठोक-पीटकर इस्तेमाल कर रहे थे... आम लोगों को चीज़ें सच में महसूस होने तक उम्मीद से ज़्यादा समय का फासला होता है।
 
GN⁺ 2025-07-24
Hacker News राय

  • जुलाई 2023 में मैंने एक दोस्त से यह कहा था: "ईमानदारी से कहूँ तो मैं AI को लेकर संदेहवादी हूँ। AI और LLM थोड़े दिलचस्प ज़रूर हैं, लेकिन 5 साल पहले की self-driving cars की तरह ये venture capital द्वारा बनाई गई एक बढ़ा-चढ़ाकर पेश की गई लहर के शिखर पर लगते हैं, और जल्द ही इसका बुलबुला फूट जाएगा। मुझे तकनीक में दिलचस्पी तब होती है जब innovation सचमुच लोगों के काम आए, लेकिन इस चरण पर content consumption में मामूली सुधार से आगे कोई उपयोगी इस्तेमाल मैं सोच नहीं पा रहा। यह सबसे अच्छा जो करता है, वह है believable content बनाना, लेकिन असल में हर generated output को errors, mistakes, 'hallucinations' वगैरह के लिए किसी expert द्वारा बारीकी से जाँचना पड़ता है। अगर कोई फैक्टरी ChatGPT की तरह defect products निकाले, तो उसे तुरंत बंद कर दिया जाए। इंटरनेट पहले से ही low-quality, यहाँ तक कि deceptive content से भरा पड़ा है, और इसे अपने-आप और ज़्यादा बनाना एक दुःस्वप्न जैसा है। ऊपर से, आमतौर पर इस्तेमाल होने वाले training datasets में बहुत से creators की लिखी चीज़ें बिना अनुमति शामिल होने की पूरी संभावना है, और ये systems आख़िरकार creators की मेहनत से बने सजावटी झूठ बिना compensation या attribution के उगल रहे हैं। बहुत असहज लगता है!" अब मैं सोच रहा हूँ कि यह 'bubble का spectacular deflation' कितनी जल्दी आने वाला है। अपनी ज़िंदगी में अब तक मैं करीब 3 बड़े tech bubbles देख चुका हूँ, और मेरी instinct कहती है कि वह समय दूर नहीं है

    • यह बात कि उपयोगी इस्तेमाल content consumption में मामूली सुधार से आगे नहीं जा सकता<p>AlphaFold medical research पर बड़ा असर डाल रहा है। AI सिर्फ chatbots नहीं है<p>AlphaFold 3 को drug discovery में कैसे इस्तेमाल किया जा रहा है, इसके लिए यह लेख देखने लायक है। मेरी छोटी बहन को ALS है, इसलिए यह मेरे लिए निजी तौर पर बहुत मायने रखता है। मुझे उम्मीद है कि in silico breakthroughs ही उसे बचा पाएँगे

    • generated हर output को experts द्वारा बारीकी से verify करना पड़ता है<p>नहीं, बस पोस्ट कर दो। लोग अगर गलतियाँ पकड़ भी लें, तो algorithm उन comments को भी positive engagement मान लेता है। जिन्हें सचमुच फ़र्क पड़ता है, उनके लिए यह काफ़ी निराशाजनक हक़ीक़त है

  • मुझे भी मौजूदा economic allocation को लेकर गहरा संदेह है, लेकिन frontier पर ऐसा हमेशा होता है<p>AI में लोग इस बात को नज़रअंदाज़ करते हैं कि transformer architecture मूलतः बड़े datasets से semantic relationships को पहचानने और निकालने की एक extractive process है<p>मानव cultural data में ऊपर-ऊपर से न दिखने वाली बहुत बड़ी मात्रा में inferred information भरी होती है, इसलिए बहुत से होशियार लोग इसे generative mechanism समझ बैठते हैं<p>इसीलिए इस पूरे क्षेत्र को "generative" AI कहा जाता है, लेकिन असल में यह कभी generative है ही नहीं। यह सिर्फ hidden meaning को extract करता है और seed values से extrapolate करता है<p>इस तरह के mechanism के बहुत से उपयोगी पहलू हैं। ऐसे कई तरह के काम हैं जहाँ नई meaning या नई stories बनाने की ज़रूरत नहीं होती<p>आप मौजूदा semantic patterns को data पर लागू करके manual work को automate कर सकते हैं, और इसके लिए goal तक पहुँचने वाले algorithm को पूरी तरह formalize करने की भी ज़रूरत नहीं रहती<p>एक universal algorithm, जैसे sonic screwdriver, जहाँ आप बस पर्याप्त problems और solution examples दे दें, और hidden algorithm model parameters में समा जाए ताकि पूरी तरह सुलझी हुई problem families हल की जा सकें<p>हाँ, यह पहले से काफ़ी हद तक सुलझे problem sets पर ही प्रभावी है। Unsolved problems में भी, अगर आप generate-verify framework से उन्हें हल करना चाहते हैं, तो शायद यह tool वहाँ कोशिश करने में काम आ सकता है

    • अलग-अलग algorithms अलग-अलग भूमिकाएँ निभाते हैं। "Generative" AI सचमुच नई stories या images बना सकता है, और पूरी तरह unsolved नहीं हुए problems (जैसे protein folding) भी कुछ algorithms से tackle किए जा सकते हैं

  • मुझे लगता है यह bubble 19वीं सदी के railway bubble या पहली dot-com bubble की तरह एक "अच्छा" bubble है, जहाँ अंततः भारी value पैदा करने वाले infrastructure investments होंगे<p>लेकिन, सारे LLM interchangeable हैं (कोई differentiation moat नहीं), और ज़्यादातर revenue "last mile" यानी domain experts द्वारा अपने actual workflows में AI लगाने वाले इस्तेमालों से आएगा

    • अगर "अच्छा" bubble का मतलब यह है कि बड़ी मात्रा में खरीदा गया hardware कुछ साल बाद फेंक दिया जाएगा, तो इसे positive infrastructure investment कैसे मानें, यह समझ नहीं आता

    • काश consumer devices में भरोसेमंद memory bandwidth व्यापक रूप से उपलब्ध हो। बहुत से hardware vendors दुख की बात है कि इस हिस्से को नज़रअंदाज़ करते हैं

    • मैं अपने आसपास अक्सर कहता हूँ, "अगर तुम्हारे पास सचमुच useful large-scale cheap GPU utilization idea है, तो तैयार हो जाओ"। लेकिन अभी तक कोई सच में अच्छा business idea दिमाग में नहीं आया

    • railways और dot-com की तरह, AI bubble फूटने के बाद कौन-सा infrastructure बचेगा और reuse हो सकेगा, यह जानने की जिज्ञासा है

  • मुझे लगता है लेखक बहुत ज़्यादा निराशावादी है। मैं मानता हूँ कि AI कंपनियाँ अभी पैसा जलाने वाली और unsustainable हैं, लेकिन यह मान लेना कि AI कभी revenue generate ही नहीं कर पाएगा, मुझे ज़रूरत से ज़्यादा लगता है। पूरी industry बेहद तेज़ी से आगे बढ़ रही है और model quality हर महीने बेहतर हो रही है। Costs भी तेज़ी से गिर रही हैं। AI को कैसे इस्तेमाल किया जाए, यह हमने अभी तक पूरी तरह खोजा ही नहीं है अगर इस bubble के बाद भी कोई यह निष्कर्ष निकाले कि AI का इस्तेमाल करके कोई value deliver और revenue generate नहीं कर पाएगा, तो वह हद से ज़्यादा अहंकार होगा

    • "Costs तेज़ी से गिर रही हैं", लेकिन capital expenditure अब भी बड़ा है। आख़िरकार उसके पैसे तो वसूले जाएँगे, है न?

    • यह सिर्फ profitability का सवाल नहीं है। लंबी अवधि में पूरे समाज के लिए net benefit भी होना चाहिए मौजूदा standards में profitability पाना आसान है। users जुटाओ, dependence बढ़ाओ, prices बढ़ाओ, AI को mandatory बनाओ, बस यही रास्ता है

    • noone क्या है? आप उस शब्द पर कुछ ज़्यादा ही भरोसा कर रहे हैं

    • gpt4 के बाद से base model performance लगभग ठहरी हुई है। अभी competition ज़्यादातर tools/integration में है, और target AGI होने की वजह से किसी भी product को उसकी progress rate से आँका जाता है। "Latest" models लगातार आते रहते हैं, इसलिए user retention भी मुश्किल है, और users को असल में सिर्फ model performance की परवाह है। openai, मैं तुम्हें देख रहा हूँ...<p>"उन्होंने मुझे bubble boy कहा था..." - Deutsche बैंक का कोई व्यक्ति

  • विश्लेषण बहुत विस्तृत है, लेकिन लगता है लेखक अपनी भावनाओं में इतना डूब गया है कि वही निष्कर्ष निकाल रहा है जो उसकी भावनाओं को सही ठहराएँ। मैं मानता हूँ कि यह bubble है और बहुत-सी कंपनियाँ डूबेंगी, लेकिन मुझे नहीं लगता Google या Anthropic जैसी कंपनियाँ खत्म हो जाएँगी (हाँ, अगर Google उसी स्तर का मॉडल बहुत बेहतर या बहुत सस्ता न बना दे तो बात अलग है)। Claude Python, Typescript जैसी data-rich भाषाओं में इतना अच्छा code देता है कि हर महीने सैकड़ों, कभी-कभी हज़ारों डॉलर (जब कंपनी subsidy दे रही हो) न खर्च करने का कोई कारण नहीं दिखता। अभी सबसे powerful agents और models हासिल करने की दौड़ है। आख़िरकार bottleneck यह होगा कि इंसान requirements और context को कितनी अच्छी तरह स्पष्ट कर पाता है, और उसके बाद model pricing कम करना मुख्य प्रतिस्पर्धात्मक ताकत बनेगा। हम अभी उस चरण पर नहीं पहुँचे हैं (हालाँकि अभी भी जो लोग requirements/context बेहतर दे पाते हैं, वे models को ज़्यादा उत्पादक ढंग से इस्तेमाल करते हैं)। जब लागत घटाना असली लक्ष्य बनेगा, तब मुझे लगता है Google अपनी hardware capability के दम पर जीतेगा

    • Claude की value सैकड़ों से हज़ारों डॉलर है<p>असल inference cost हज़ारों डॉलर या उससे भी ऊपर पहुँच सकती है। और यह मानने की कोई ठोस वजह नहीं कि किसी engineer की productivity हर महीने इतने हज़ार डॉलर अतिरिक्त खर्च करने लायक बढ़ जाती है। Models greenfield projects (नई codebase) में काफ़ी मददगार हैं, लेकिन असली engineering में बहुत काम existing code को दोहराने और maintain करने का होता है। यानी असल सवाल यह है कि नई feature का code खुद लिखने में और AI को prompt देकर वही code निकलवाने में कितना समय बचता है। मान लें यह 10% है, तो AI से 10% समय बचा तो हफ़्ते के 4 घंटे बचे। उन 4 घंटों को भी पूरा का पूरा actual code development में नहीं लगाया जाएगा, इसलिए वास्तविक output gain शायद 5% के आसपास होगा। इस हिसाब से अगर user की productivity 5% बढ़ती है, और salary $10k है, तो कंपनी AI पर हर महीने $500 से ज़्यादा नहीं खर्च करेगी। लेकिन अगर Anthropic एक user के लिए हर हफ़्ते $10k से ज़्यादा inference cost जला रहा है, तो हिसाब मेल नहीं खाता। Costs बहुत नीचे आनी चाहिए, तभी यह सचमुच मायने रखेगा। 10 साल बाद अगर scenario यह हो कि engineers को GPU-embedded laptops मिलें और वे AI code completion बहुत तेज़ी से इस्तेमाल करें, तो कंपनी के लिए यह बस $3k-$5k का एक बार का hardware investment होगा। आगे चलकर AI coding का मुख्यधारा रूप 'agents' नहीं होगा, न ही prompt engineering। Models अभी से बहुत ज़्यादा बेहतर नहीं होंगे, वे simple, standard, usable होंगे लेकिन exceptional नहीं। आख़िरकार अगर चीज़ें 'उबाऊ' लगें, तो वही एक स्वस्थ भविष्य होगा

    • मूलतः IDE plugin से बड़े market size के रूप में, मुझे नहीं लगता इन कंपनियों की valuations को justify करना आसान है

    • Claude वास्तव में profit कमा पाएगा या नहीं, यह अभी अनिश्चित है। क्या इतने लोग हैं जो subsidy cost सचमुच चुकाने को तैयार होंगे? और अगर यह खर्च अतिरिक्त कर्मचारी के वेतन का बड़ा हिस्सा बनने लगे, तो और भी संदेह होता है

    • OpenAI के पास कभी 'overwhelming lead' थी, लेकिन competitors ने एक साल में उसे लगभग पकड़ लिया। इससे साफ़ है कि यह बढ़त कोई बहुत मज़बूत moat नहीं है। Anthropic के मामले की तरह, अगर core talent निकल जाए तो यह ऐसा market है जहाँ कोई भी पीछे से आ सकता है

  • क्या हम अभी ऐसे bubble में हैं जो economy के बड़े हिस्से को उड़ा सकता है? मुझे तो लगभग पक्का लगता है कि हाँ। लेकिन इसका मतलब यह नहीं कि AI खुद धोखा है। आख़िर dot-com bubble भी फूटा था, फिर भी internet गायब नहीं हुआ, और dot-com दौर ने जो लगभग सब वादे किए थे, वे कभी न कभी पूरे हुए

    • यह सही है कि internet ने सब कुछ संभव कर दिया, लेकिन इससे यह अपने-आप साबित नहीं होता कि GPU-accelerated LLM मानव श्रम के अधिकांश हिस्से की जगह ले लेंगे

    • मूल पोस्ट में भी यह माना गया है कि कुछ cases में real users को यह उपयोगी लगता है। "धोखा" कहने का मतलब भी यह है कि VC, media और investment ने इसकी असली उपयोगिता से कहीं ज़्यादा hype बना दी है। इसे bubble कहने का मतलब यह नहीं कि यह पूरी तरह गायब होकर फिर कभी नहीं आएगा, बल्कि यह कि आखिरकार reality सामने आएगी, बहुत-सी कंपनियाँ मरेंगी, valuations ढहेंगी, और chain reaction होगा

    • predictions की दिक्कत यही है कि ठीक-ठीक 'timing' ही असली prediction बन जाती है। आगे क्या आने वाला है, पता नहीं। जब मैंने पहली बार GPT-3 देखा था तो मुझे वह सच में काफ़ी खराब लगा, इसलिए मैंने उस पर ध्यान ही नहीं दिया। इसीलिए अब मुझे भविष्य को लेकर कहीं ज़्यादा uncertainty लगती है<p>internet भी उन चीज़ों में से है जहाँ 'मूल वादे का कोई version' बहुत समय बाद, उस समय मौजूद ही न रही नई तकनीकों के साथ सच हुआ। "दिशा सही थी" कहना अक्सर लगभग "गलत था" का पर्याय बन जाता है

    • dot-com ने जो लगभग सब वादा किया था वह पूरा हुआ — यह दावा blockchain bubble पर लागू करके देखिए? क्या आजकल blockchain का बहुत इस्तेमाल हो रहा है? क्या उसने वास्तव में कुछ बदल दिया?

  • bubble किसी न किसी दिन फूटेगा। web bubble भी फूटा था, और वह प्रक्रिया दर्दनाक थी। लेकिन AI technology बनी रहेगी और सचमुच परिवर्तन लाएगी। web की तरह, इसका असर अच्छे और बुरे दोनों दिशाओं में होगा

    • मुझे हमेशा मज़ाकिया लगता है कि AI पर बहसें आखिरकार crypto बहसों से लगभग 'अलग न की जा सकने' लायक मिलती-जुलती हैं<p>(हाँ, LLM का वास्तविक उपयोग है)

    • dot-com bubble के समय Nasdaq का P/E ratio 200 से ऊपर था, लेकिन अभी पूरे market का 40 है, Nvidia का 49। हर कोई फिर से bubble कहना चाहता है, लेकिन actual 'customers' और 'revenue' के आधार पर देखें तो यह बिल्कुल bubble नहीं है। ChatGPT ने इतिहास में सबसे तेज़ी से 100 million MAU हासिल किए, और कहा जाता है कि visitors के हिसाब से यह internet की top 5 sites में है। Cursor ने इतिहास के सबसे कम समय में $500 million revenue पार किया। Midjourney आजकल उतना चर्चा में नहीं है, फिर भी उसका annual revenue $200 million से ऊपर है और वह profitable है। ठंडे दिमाग से देखें तो Hacker News के लोग ही ज़्यादा 'bubble-brained' लगते हैं। हाँ, overvalued कंपनियाँ भी बहुत होंगी और उतार-चढ़ाव भी आएँगे, लेकिन इन ठोस metrics को देखकर भी "यह crypto जैसा ही है" कहना मेरी समझ से बाहर है। एक हालिया survey में 48% लोगों ने कहा कि उन्होंने ChatGPT से मानसिक स्वास्थ्य परामर्श लिया है(survey link)। इस स्तर की explosive adoption मानव इतिहास में नहीं हुई। अब तो servers भी demand संभाल नहीं पा रहे, हर हफ़्ते services down होने जैसी हालत है। यह bubble से बुनियादी रूप से अलग है

  • पोस्ट की बातों में दम है, लेकिन अगर अनावश्यक विस्तार कम कर दिया जाए तो संदेश और मज़बूती व संक्षिप्तता से पहुँचेगा

  • विडंबना यह है कि मैंने ChatGPT से इसका French summary माँगा था। लेकिन AI bubble से मैं इतना थक चुका हूँ, और Twitter timeline का आधा हिस्सा AI खबरों और threads से भरा देखकर उकता गया हूँ

    • Reddit और LinkedIn auto-generated content के अड्डे बन चुके हैं। फिर भी, अगर patterns समझ आ जाएँ तो उसे फ़िल्टर और block करना आसान है

    • summary और translation के लिए AI काफ़ी उपयोगी है<p>मैं AI outputs को prompt+input information की मात्रा के मुकाबले output information की मात्रा के आधार पर वर्गीकृत करता हूँ<p>summary: output < input. ऐसे low-risk कामों में यह ठीक काम करता है<p>translation: output ≈ input (बस format/language अलग है)। इसमें थोड़ी ज़्यादा जाँच चाहिए<p>generative expansion: output > input. ख़तरा यहीं है। जैसे अगर आपने cheeseburger की composition पूछी और AI अपने internal data के average के आधार पर 'sesame bun' जोड़ने लगे। यह ठीक भी हो सकता है, लेकिन अगर किसी को sesame allergy हो तो यह जानलेवा हो सकता है। input से आगे जाने वाली हर चीज़ में हमेशा सावधानी चाहिए। मूलतः input से आगे का generated result सिर्फ 'औसत' ही हो सकता है। शायद इसी वजह से AI-generated चीज़ें 'औसत' sludge जैसी लगती हैं

  • यह लेख मुझे ताज़गीभरा लगा। मैं "optimist" वाले समूह के थोड़ा ज़्यादा करीब हूँ, लेकिन कुल मिलाकर मुझे लगता है कि skepticism की कमी है। conservative views रखने वालों या आलोचना करने वालों को ही अजीब नज़र से देखा जाता है। पिछले trends के विपरीत, AI industry में ठग सचमुच बहुत हैं, और अब सिर्फ wrapper या chatbot लगा देने से किसी भी चीज़ को "AI-powered" कहकर पेश किया जा सकता है