AI बुलबुला, dot-com bubble से 17 गुना और subprime से 4 गुना बड़ा

 (morningstar.com)
9 पॉइंट द्वारा GN⁺ 2025-10-08 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • AI से जुड़ा निवेश कृत्रिम रूप से निम्न ब्याज दरों के सहारे विस्फोटक रूप से बढ़ा है, और इसने इतिहास का सबसे बड़ा बुलबुला बना लिया है
  • स्वतंत्र रिसर्च संस्था MacroStrategy Partnership का दावा है कि AI बुलबुला dot-com bubble से 17 गुना और subprime crisis से 4 गुना बड़ा है
  • रिपोर्ट 19वीं सदी के अर्थशास्त्री Knut Wicksell के सिद्धांत के आधार पर बताती है कि निम्न ब्याज दरें पूंजी का अक्षम आवंटन करती हैं, जिससे GDP का एक हिस्सा गलत जगह खर्च हो रहा है
  • LLM के प्रदर्शन सुधार की सीमा और लाभप्रदता की कमी की भी ओर इशारा किया गया है, उदाहरण के तौर पर यह कहा गया है कि मॉडल लागत 10 गुना बढ़ने पर भी सुधार लगभग नहीं के बराबर है
  • विश्लेषक AI और platform कंपनियों में हिस्सेदारी घटाने, resources और emerging markets (भारत·वियतनाम) में निवेश बढ़ाने तथा gold, अल्पकालिक अमेरिकी Treasuries और yen खरीदने की रणनीति की सिफारिश करता है

AI बुलबुले का आकार और आधार

  • हाल के कृत्रिम रूप से निम्न ब्याज दर माहौल ने AI निवेश बूम को बढ़ावा दिया
  • MacroStrategy Partnership का आकलन है कि मौजूदा AI निवेश ऐतिहासिक बुलबुलों में सबसे बड़ा है
    • इसे dot-com bubble की तुलना में 17 गुना और 2008 housing crisis की तुलना में 4 गुना ‘Wicksellian deficit’ के रूप में गणना किया गया
    • इसमें सिर्फ AI नहीं, बल्कि real estate, NFT, venture investment जैसे निम्न ब्याज दरों से पैदा हुए अक्षम पूंजी आवंटन के पूरे क्षेत्र शामिल हैं
  • Knut Wicksell के सिद्धांत के अनुसार आदर्श पूंजी आवंटन तब होता है जब कॉरपोरेट borrowing cost nominal GDP से 2%p अधिक हो
    • दावा है कि Fed की quantitative easing के कारण यह शर्त लंबे समय तक टूटी रही, जिससे अतिनिवेश हुआ

LLM तकनीक की सीमाएँ और आलोचना

  • रिपोर्ट large language model (LLM) की scaling limits की ओर इशारा करती है
    • एक software company की task completion rate सिर्फ 1.5% से 34% तक थी, और वह भी स्थिर नहीं थी, ऐसा एक अध्ययन का हवाला दिया गया
    • बड़ी कंपनियों में AI adoption rate गिरावट में जाने की बात कही गई, और वास्तविक उपयोग के उदाहरणों में भी कई logical errors पाए गए
  • विश्लेषण के अनुसार मॉडल training cost तेज़ी से बढ़ी है, लेकिन efficiency improvement बहुत मामूली है
    • ChatGPT-3 की training cost 5 करोड़ डॉलर, GPT-4 की 50 करोड़ डॉलर, और GPT-5 की 500 करोड़ डॉलर तक पहुंच गई
    • GPT-5 के बारे में कहा गया कि launch delay के बाद भी प्रदर्शन में लगभग कोई सुधार नहीं दिखा
  • प्रतिस्पर्धियों के लिए पीछा करना आसान होने से entry barrier (moat) भी लगभग नहीं के बराबर है

LLM business model की लाभप्रदता समस्या

  • यह समस्या भी है कि “LLM से व्यावसायिक मूल्य वाले app बनाना कठिन है”
  • तैयार होने वाले outputs अक्सर games, public domain (जैसे assignments) जैसी चीज़ों में दोबारा इस्तेमाल हो जाते हैं या copyright सीमाओं से टकराते हैं
  • प्रभावी advertising लागू करना कठिन है, और हर नई generation के साथ training cost विस्फोटक रूप से बढ़ती है जबकि accuracy gains तेज़ी से घटती हैं
  • नतीजतन मॉडल-स्तरीय price competitiveness, profitability और differentiation की कमी लगातार बनी रहती है
  • भारी उपयोग करने वाले ग्राहक भी डेवलपर कंपनियों के लिए मासिक subscription fee की तुलना में अधिक लागत बोझ पैदा करते हैं

आर्थिक परिदृश्य और नीतिगत प्रभाव

  • अगर data center investment और wealth effect चरम पर पहुंचने के बाद पीछे हटते हैं,
    • तो चेतावनी है कि अर्थव्यवस्था dot-com bubble के बाद जैसी मंदी (recession) में जा सकती है
  • इससे अमेरिकी अर्थव्यवस्था Zone 4 deflationary bust में धकेली जा सकती है,
    • और अनुमान है कि Fed और Trump प्रशासन के लिए प्रोत्साहन नीतियां चलाना मुश्किल हो जाएगा
    • 1990 के दशक की शुरुआत के S&L संकट के बाद की तरह, लंबी अवधि के reflation प्रयासों की आवश्यकता होगी

MacroStrategy Partnership की निवेश रणनीति

  • Overweight: commodities, खासकर भारत और वियतनाम जैसे emerging markets
  • Underweight: AI और platform कंपनियां
  • Portfolio सिफारिश:
    • gold (Gold) से जुड़े stocks (GDX) खरीदें
    • अल्पकालिक अमेरिकी Treasuries खरीदें
    • VIX (volatility index) में long position
    • yen खरीदें, खासकर dollar के अलावा अन्य मुद्राओं के मुकाबले मजबूती की उम्मीद के साथ

बाज़ार और अन्य समाचार सारांश

  • S&P 500 ने 2025 में अब तक 30वीं record high दर्ज की, जबकि gold price तेज़ी से बढ़ी
  • Apple को foldable iPhone को लेकर अत्यधिक उत्साह के बीच Jefferies की ‘underperform’ rating मिली
  • Applied Materials ने अनुमान लगाया कि अमेरिकी export restrictions के कारण अगले 5 तिमाहियों में revenue 71 करोड़ डॉलर घटेगा
  • BlackRock 4000 करोड़ डॉलर के Aligned Data Centers acquisition talks में है
  • अमेरिकी कंपनियों का real profit (NIPA basis) लगातार दो तिमाहियों से घटा है,
    • और Ned Davis Research का विश्लेषण कहता है कि S&P 500 earnings estimates जरूरत से ज्यादा आशावादी हो सकती हैं

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-10-08
Hacker News की राय

  • लगता है यह पूरा लेख खोखला है। अंत तक पढ़ने के बाद भी यह लगभग कहीं नहीं समझाया गया कि हेडलाइन में कहा गया ‘17 गुना’ आखिर किस चीज़ को दर्शाता है, और वास्तव में क्या 17 गुना है यह स्पष्ट नहीं होता

    • मूल research note का कोई लिंक भी नहीं है, और इस्तेमाल की गई methodology की भी कोई detail नहीं है। बस AI business model की अनुपस्थिति की बात की गई है, जो वैसा ही लगता है जैसा 90 के दशक के अंत में search engines के बारे में कहा जाता था। यह मानना मुश्किल है कि पूरा बाज़ार AI की वजह से loan market की तरह जोखिम में आ जाएगा। अगर OpenAI फेल भी हो जाए, तो ऐसा नहीं लगता कि बाकी कंपनियाँ भी साथ में ढह जाएँगी

    • थोड़ा Google करने पर पता चलता है कि global financial institutions को 1-2 trillion dollar के mortgage-related securities में नुकसान हुआ था, और अमेरिकी housing market में 6 trillion dollar, जबकि stock market में अतिरिक्त 6 trillion dollar का नुकसान हुआ था। मैं इन संख्याओं पर पूरी तरह भरोसा नहीं करता, लेकिन पैमाना इतना बड़ा था। यह मानना कठिन है कि AI bubble subprime bubble जितना बड़ा है। फिर भी, लंबे समय तक ब्याज दरें कम रहने से कई assets की valuation ऊँची रही है, और अगर bubble फूटता है तो इसके साथ बड़े स्तर का correction और recession भी आ सकता है

    • ‘17 गुना’ का स्रोत Julien Garran नाम के व्यक्ति की report है। उसी की लिखी चीज़ को spam-जैसे articles में quote किया जा रहा है। इस वीडियो में research को सीधे देखा जा सकता है। '17 गुना' "cumulative Wicksell spread" नाम के macroeconomic model पर आधारित है, जिसका तर्क यह है कि ब्याज दरों के असर से stock market overvalued हो सकता है। यह AI के बारे में नहीं है। Wicksell spread की गणना ‘वार्षिक GDP growth rate + 2% - वार्षिक interest rate’ को integrate करके बनी graph है। मौजूदा bump dot-com bubble के समय से 17 गुना बड़ा है। आर्थिक विश्लेषण अपने आप में दिलचस्प है

    • लगता है पहले जो लिंक जुड़ा था, वह अब Morningstar report से बदल दिया गया है

    • मुझे तर्क और उदाहरण बहुत कमजोर लगते हैं। research firm का दावा है कि "कृत्रिम रूप से कम ब्याज दरों ने AI investment को बढ़ावा दिया, और यह investment अब expansion limit तक पहुँच गया है", लेकिन वास्तव में 2022 के बाद ब्याज दरें कई दशकों में सबसे ऊँचे स्तर तक गईं। यह बुनियादी तथ्य ही गलत है, इसलिए भरोसा कम होता है। यह narrative भी गलत है कि ऊँची ब्याज दरें अनिवार्य रूप से asset prices के लिए नकारात्मक होती हैं। शीर्ष AI कंपनियों की expected return 40-100%+ सालाना है, इसलिए 1% और 5% ब्याज दर का अंतर venture capital के निवेश निर्णय में बहुत मायने नहीं रखता। 1980s और 90s के आखिर में भी ऊँची ब्याज दरों के बावजूद tech companies की valuation ऊँची रही थी। उदाहरण के तौर पर दिए गए 2001 और 1991 तो अपेक्षाकृत हल्के recessions थे। 90s की शुरुआत के S&L crisis के बाद उल्टा आर्थिक boom आया था। ऐसे कामों के लिए बेकार महँगे analyst से AI ज़्यादा उपयुक्त है

  • यह लेख subscriber-only letter को quote करता है। यह वीडियो मूल source जैसा ही लगता है। Julien Garran की बात का सार यह है कि अमेरिकी पूँजी का गलत allocation — जिसमें housing, VC, crypto शामिल हैं — dot-com bubble से 17 गुना और 2008 के housing bubble से 4 गुना बड़ा है। उनका दावा है कि अगर यह unwind हुआ, तो यह सिर्फ recession नहीं होगा, बल्कि 1979~82 के Thatcher-Reagan दौर से शुरू होकर WTO और चीन के उदय तक पहुँचे globalism की बुनियाद को हिला देने वाली घटना हो सकती है

  • मेरा मानना है कि bubble को टिकाए रखने की हर तरह की financial engineering आखिरकार बुरे अंजाम तक ही पहुँचती है। हर बार ऐसा ही होता है। bubble के दौरान अवैध या जुगाड़ू corporate व्यवहार खूब फैलते हैं, और market frenzy में दबे रहते हैं, फिर correction आते ही सब सामने आ जाता है

    • मैंने हाल ही में Prof G Markets का podcast सुना, जिसमें bubble collapse process को मज़ेदार तरीके से समझाया गया है। सार यह है कि कंपनियाँ debt issue करके फंड जुटाती हैं, फिर M&A, OpenAI का IPO जैसी चीज़ें होती हैं, और revenue inflate करने की तरकीबें जब market expectations पूरी नहीं कर पातीं, तो जल्दी ही सब ढह जाता है

    • असली समस्या है ‘restructuring के समय risk का socialization’। अगर लगातार यह signal दिया जाए कि आखिर में government bailout करेगी, तो हर कोई लापरवाह risk लेने लगता है। जितने बड़े हो, उतनी ज़्यादा rescue की संभावना होती है

    • bubble में सबसे अच्छी position बीच के लेनदेन में बैठे लोगों की होती है

  • कंपनियों की revenue के मुकाबले valuation चिंताजनक रूप से ऊँची है, यह बात फिक्र पैदा करती है, लेकिन AI एक general-purpose technology है, इसलिए अभी market से पूरी तरह बाहर निकलने में हिचक होती है। dot-com bubble में भी कुछ ऐसा ही था, लेकिन अंततः technology बची रही और big tech उभरी। बहुत दर्द के साथ pets.com जैसी कंपनियाँ गायब हो गईं, लेकिन अगर अभी भी वैसा ही दौर है, तो क्या market से पूरी तरह बाहर रहना सच में सही होगा — यह सोचने वाली बात है

    • dot-com bubble के समय NASDAQ लगभग 80% गिर गया था, और ऐसी गिरावट से बचना पहले से जानकर ही संभव होता। लेकिन crash बहुत तेज़ी से आता है और पहले निकल जाना भी आसान नहीं होता। जब market crash के दौरान एक ही दिन में 20% का नुकसान हो, तो बेचना चाहिए या रुकना चाहिए, इस पर मन डगमगाता है। अभी तो 'circuit breaker' की वजह से market अस्थायी रूप से रुक भी सकता है, इसलिए कुछ घंटे देर से समझ आने पर भी trading बंद हो सकती है। अगर सब एक साथ बेचें, तो market खुलने तक कीमतें और बहुत नीचे जा सकती हैं

    • मैं पूछना चाहूँगा कि क्या आपने OpenAI के revenue projections देखे हैं

  • Middle East की investment firms, Saudi sovereign wealth fund, Masayoshi Son, a16z, Tesla board वगैरह कुछ हद तक वास्तविकता से कटे हुए लगने वाले निवेश कर रहे हैं। ऐसा नहीं लगता कि उन्हें investors और shareholders के हितों की परवाह है। क्या वे खुद को TBTF (Too Big To Fail) मानते हैं? JD Vance भी क्या उसी प्रभाव में है, यह भी सवाल है। bubble का आकार एक समस्या है, लेकिन उससे भी ज़्यादा डरावनी बात यह रवैया है कि कुछ लोगों को साफ़ लगता है कि उनसे जवाबदेही नहीं माँगी जाएगी

    • ये लोग हमेशा की तरह, अगर उनकी सट्टेबाज़ी नाकाम हो जाए, तो "चीन हमसे (जनता से) आगे निकल जाएगा" जैसी डर पैदा करने वाली बात करेंगे। आम लोग इस ‘हम’ में तब ही शामिल होते हैं जब Sam Altman को public funds चाहिए होते हैं

    • यह निंदक लग सकता है, लेकिन अंत में वे लोग सचमुच ज़िम्मेदारी से बच निकलेंगे। सज़ा किसी और गलत व्यक्ति को मिलेगी, और वे यह कहकर निकल जाएँगे कि "हमें नहीं पता था कि ऐसा होगा"

  • यह एक दिलचस्प hypothetical experiment है। अगर LLM training cost 90% घट जाए, लेकिन performance वही रहे, तो क्या होगा? (चीन से जुड़ी ऐसी research भी हाल में आई है।) अगर GPU demand बहुत गिर जाए, तो AI boom की आर्थिक संरचना में क्या बदलाव आएगा — यह जानना दिलचस्प होगा

    • अगर training सस्ती हो जाए, तो लागत घटेगी और models सस्ते होने के साथ ज़्यादा profitable हो जाएँगे। बड़े models को ज़्यादा तेज़ी से और अधिक मात्रा में बनाया जा सकेगा, और distillation के ज़रिए efficiency बढ़े हुए छोटे models भी बहुत बढ़ेंगे। training शुद्ध लागत है, लेकिन inference, training को नज़रअंदाज़ करें तो, बहुत high-margin business है। training cost में कमी LLM business के लिए बहुत मददगार होगी

    • यह समस्या सिर्फ AI की नहीं, पूरे IT में वही बात है। datacenter भी और सस्ते व efficient बन सकते हैं, और smartphones भी ज़्यादा लंबे समय तक चल सकते हैं। अंततः कंपनियाँ उस market में जाना नहीं चाहतीं जहाँ कीमतें गिरने से race to the bottom शुरू हो जाए। मेरा मानना है कि LLM training में low-cost innovation तभी व्यापक रूप से फैलेगा जब datacenter expansion की क्षमता पूरी तरह खप जाएगी

    • Jevons paradox की तरह, हो सकता है कि वास्तविक demand घटे ही नहीं। Nvidia या बड़े research labs की valuation कम होगी, लेकिन फिर भी वे काफ़ी अच्छी स्थिति में रहेंगे। चीन के हालिया नतीजे benchmarks पर तो पास हुए हैं, लेकिन इससे यह साबित नहीं होता कि वे वास्तविक competitive edge भी रखते हैं

    • ऐसा किस्से-कहानियों में नहीं, वास्तव में भी हुआ है। किसी एक व्यक्ति की optimization से अच्छी खबर आई और एक झटके में 1 billion dollar valuation उड़ गई। ऊपर से यह हँसने लायक लगता है, लेकिन इसमें साफ़ bubble जैसी गंध है

    • यह मुद्दा इससे भी बड़ा है। अगर काम में गलती की गुंजाइश लगभग शून्य हो, तो LLM उपयुक्त नहीं हैं। लेकिन जैसे ही गलती की थोड़ी गुंजाइश बढ़ती है, deepseek जैसे मॉडल लोकल मशीन पर बहुत सस्ते में चलाए जा सकते हैं। आखिरकार बड़े datacenter सिर्फ training के लिए रह जाएँगे, और ज़्यादातर लोगों के लिए inference service आर्थिक रूप से तर्कसंगत नहीं होगी। आगे चलकर यह बड़े वित्तीय प्रभावों की श्रृंखला शुरू कर सकता है

  • यह लेख जिस बात को छोड़ देता है, वह यह है कि LLM scaling कोई single curve नहीं है। RL (reinforcement learning) कुछ विशेष क्षमताओं को आंशिक रूप से सुधारने वाला spike जैसा पैटर्न है। इससे मॉडल की कुल intelligence नहीं बढ़ती, बल्कि खास क्षेत्रों की कमियों को RL से patch किया जाता है। वास्तविकता में एक scaling curve नहीं, बल्कि हजारों curves हैं। मॉडल की ‘top-end intelligence’ में सुधार धीरे-धीरे diminishing returns दिखाता है, लेकिन अलग-अलग domains में ‘minimum competence level’ को ऊपर उठा रहा है। जो लोग models को practical काम में खुद evaluate नहीं करते, वे इस बात को शायद आसानी से नहीं समझते

  • इस weekend मैंने Llama 3.2-3B model चलाया। इसकी सीमाओं को अभी और गहराई से समझना है, लेकिन यह उपयोगी लगा। 100-pound वाली Intel Arc GPU पर भी यह ‘पढ़ने की गति’ जितनी तेज़ी से चल रहा था। मैं Arc770 (250 pound) भी खरीदकर देखना चाहता हूँ कि क्या OpenAI open-weight model चला सकता हूँ। इस नज़रिये से लगता है कि बड़े पैमाने का निवेश LLM के commercialization में आसानी से absorb हो सकता है

  • कुछ अनुमान कहते हैं कि AI bubble अभी stock market का 20-30% है। तुलना के लिए, Great Depression की शुरुआत stock market में 24% गिरावट से हुई थी। इस AI game को संभालने वाले लोग जानते हैं कि अगर government इसे अपने हाल पर छोड़ दे, तो एक और Great Depression आ सकती है, इसलिए bailout होना लगभग तय है। आम लोग inflation, ऊँचे taxes और national debt के बोझ तले पिसेंगे, जबकि शासक वर्ग इस बीच yacht और Lamborghini का मज़ा लेगा। यह AI bubble लगभग पूरी तरह private equity के पीछे छिपा हुआ है, इसलिए आम लोगों के लिए इसमें हिस्सा लेना भी मुश्किल है। शायद Nvidia stock ही एक अपवाद हो सकता है। माहौल ऐसा है कि bubble कभी भी फूट सकता है। Nvidia के OpenAI datacenter में ‘अपने ही पैसे से अपना सामान खरीदवाने’ जैसी circular investment — यानी एक-दूसरे को पैसा उधार देकर अपने products ऊँचे दाम पर खरीदवाना — इस बात का संकेत है कि debt rollover का आखिरी चरण शुरू हो चुका है। यह WeWork के CEO के उस तरीके जैसा है, जिसमें वह अपनी ही कंपनी को पैसा उधार देकर अपने products lease करवाता था। AMD भी हाल में OpenAI जैसी circular deals के ज़रिए funds घुमाने की कोशिश करता दिखा। संबंधित लेख भी है। अब bubble पर बहस का मतलब ही क्या है, ऐसा लगता है। फिल्म ‘The Big Short’ वाली “उन्हें कभी cash out मत करने दो, तभी यह real नहीं बनता” जैसी मानसिकता पूरे उद्योग में फैल गई है

    • "players आपस में circular investment करके एक-दूसरे को टिकाए रखते हैं" — AMD और OpenAI की strategic partnership की घोषणा पर भी मुझे यही बात याद आई। सिर्फ उस खबर से AMD एक ही दिन में लगभग 35% उछल गया

    • सिर्फ AI ही bubble नहीं है। SpaceX भी वैसा ही है। Falcon 9 एक सफल business है, फिर भी उसके launches का 2/3 Starlink के लिए है, यानी बिना बाहरी revenue वाली internal deals। इसके बावजूद, ULA से 25 गुना ज़्यादा launches होने पर भी SpaceX की valuation ULA से 200 गुना है

    • मेरा मानना है कि "मैं तुम्हें पैसे उधार दूँ, तुम मेरा सामान खरीदो" वाला पैटर्न देशों के बीच भी होगा। अमेरिका जापान को पैसा उधार देगा, और जापान उसी पैसे को अमेरिका में फिर निवेश करेगा, और पूरी व्यवस्था को कानूनी दिखाया जाएगा

    • यह सवाल है कि ‘AI bubble stock market का 20-30% है’ और ‘यह लगभग पूरी तरह private equity के पीछे छिपा है’ — क्या दोनों बातें एक साथ सही हो सकती हैं?

  • मुझे आज ही पता चला कि GPU-backed loan जैसी भी कोई चीज़ होती है, और यह बेहद ख़तरनाक लगती है

    • सिर्फ ख़तरनाक नहीं, लगभग पागलपन है। GPU लगते ही उसकी कीमत तेज़ी से गिर जाती है

    • सच कहूँ तो अगर banks नुकसान उठाएँ और मेरे taxes से bailout न हो, तो मुझे फर्क नहीं पड़ता, लेकिन हकीकत ऐसी नहीं है