IBM CEO, “AI डेटा सेंटर निवेश के लाभ में लौटने की संभावना लगभग नहीं”

 (businessinsider.com)
8 पॉइंट द्वारा GN⁺ 2025-12-03 | 7 टिप्पणियां | WhatsApp पर शेयर करें
  • वैश्विक AI कंपनियों के डेटा सेंटर निवेश में तेज़ी पर IBM CEO अरविंद कृष्णा ने लाभप्रदता पर गंभीर सवाल उठाया
  • उन्होंने बताया कि आज की लागत गणना के आधार पर 1 गीगावॉट डेटा सेंटर बनाने में लगभग 80 अरब डॉलर खर्च होंगे, जबकि प्रमुख कंपनियाँ 20~30 गीगावॉट तक का निवेश बढ़ा रही हैं
  • दुनिया भर में कुल मिलाकर करीब 100 गीगावॉट AI इंफ्रास्ट्रक्चर निवेश चल रहा है, जिसका अनुमानित कुल आकार 8 ट्रिलियन डॉलर है
  • AI चिप का 5 साल का depreciation और भारी पूंजी खर्च देखते हुए उन्होंने कहा कि सालाना 800 अरब डॉलर का लाभ चाहिए, जो व्यावहारिक रूप से असंभव लगता है
  • कृष्णा के अनुसार वर्तमान तकनीक के साथ AGI (सामान्य कृत्रिम बुद्धिमत्ता) हासिल होने की संभावना सिर्फ 0~1% है, और LLM अकेले पर्याप्त नहीं।

AI डेटा सेंटर निवेश में तेजी और लाभप्रदता पर बहस

  • प्रमुख AI कंपनियाँ AGI प्रतिस्पर्धा में डेटा सेंटर पर अरबों डॉलर डाल रही हैं
    • Meta ने हालिया earnings कॉल में “capacity” और “AI infrastructure” शब्द बार-बार दोहराए
    • Google ने लंबी अवधि के लिए space-based data center निर्माण का इरादा बताया
  • कृष्णा ने कहा, “इन निवेशों का लाभ में बदलना लगभग असंभव है”
    • उन्होंने इसे “आज की गणना” बताते हुए कहा कि भविष्य के खर्च अनुमानित नहीं हैं

कृष्णा की लागत गणना और लाभप्रदता विश्लेषण

  • 1 गीगावॉट डेटा सेंटर के लिए लगभग 80 अरब डॉलर चाहिए
    • अगर कोई कंपनी 20~30 गीगावॉट का लक्ष्य रखती है, तो 1.5 ट्रिलियन डॉलर का capex बनता है
  • विश्वभर में लगभग 100 गीगावॉट की निवेश परियोजनाएँ चल रही हैं, जिसकी कुल राशि 8 ट्रिलियन डॉलर के आसपास है
    • इस स्थिति में सालाना 800 अरब डॉलर के लाभ के बिना सिर्फ ब्याज चुकाना मुश्किल होगा
  • उनका मानना है कि “इस तरह का लाभ निकालने का कोई रास्ता नहीं”

depreciation और निवेश जोखिम

  • प्रमुख जोखिम के रूप में उन्होंने AI चिप के 5 साल के depreciation को रेखांकित किया
    • “5 साल बाद चिप बदलनी पड़ेगी और फिर से निवेश करना होगा”
  • निवेशक माइकल बरी ने भी Nvidia के depreciation पर सवाल उठाते हुए AI शेयरों में गिरावट को तेज़ किया
  • कृष्णा का आकलन है कि यह depreciation संरचना ROI (रिटर्न ऑन इन्वेस्टमेंट) को और बिगाड़ती है

AGI हासिल होने की संभावना पर संदेह

  • कृष्णा ने वर्तमान तकनीक के साथ AGI हासिल होने की संभावना 0~1% बताई
    • “जब तक अतिरिक्त तकनीकी ब्रेकथ्रू नहीं आता, यह संभव नहीं”
  • उन्होंने कहा कि LLM (Large Language Model) अकेले पर्याप्त नहीं; ‘हार्ड नॉलेज’ के साथ एकीकरण जरूरी है
  • OpenAI के एलोन सुत्स्केवर ने भी “स्केलिंग का दौर खत्म हो गया” कहते हुए रिसर्च-फोकस्ड शिफ्ट पर जोर दिया

उद्योग में अन्य संशयवादी दृष्टिकोण

  • Marc Benioff ने AGI प्रयास को “हिप्नोसिस” से तुलना करते हुए संदेह जताया
  • Andrew Ng ने कहा कि AGI “ओवरहाइप्ड” हो गया है
  • Mistral CEO Arthur Mensch ने AGI को “मार्केटिंग स्ट्रैटेजी” बताया

IBM CEO की अंतिम राय

  • कृष्णा का मानना है कि मौजूदा AI टूल्स कंपनियों की प्रोडक्टिविटी में ट्रिलियन डॉलर के स्तर का मूल्य जोड़ सकते हैं
  • लेकिन AGI के लिए वर्तमान LLM रोडमैप से आगे तकनीकी प्रगति जरूरी होगी
  • उन्होंने जोड़ा, “मान लें यह संभव भी हो, तो भी संभावना ‘maybe’ यानी शायद जैसी ही है,” और सतर्क रुख बनाए रखा

संबंधित पढ़ाई

7 टिप्पणियां

 
un0haep337 2025-12-04

मौजूदा AI डेटा सेंटर निवेश का पैमाना और योजनाएँ जरूरत से ज़्यादा हैं, इस बात से सहमत हुआ जा सकता है, लेकिन योजना आखिर योजना ही होती है, और ऐसी स्थिति में जहाँ तकनीक की प्रगति की रफ़्तार और दिशा का कोई भी सटीक अनुमान नहीं लगा सकता, इतना निर्णायक निष्कर्ष निकालना जोखिम भरा है और CEO के तौर पर भी यह अच्छा निर्णय नहीं लगता।
 
halfenif 2025-12-04

(किसी इंटरव्यू में) SKT के चेयरमैन Choi Tae-won से पूछा गया था कि क्या उन्हें लगता है AI एक bubble है, और उनका जवाब काफ़ी प्रभावशाली था

मुझे जो भाव याद है, वह कुछ ऐसा था: "मान लें कि वह bubble हो भी, तब भी जब सब लोग कर रहे हैं, तो हम इसे नज़रअंदाज़ नहीं कर सकते।"
 
aer0700 2025-12-06

ईमानदारी से कहा है।
 
mhj5730 2025-12-04

लगने वाले पैसे को देखें तो ऐसा लगता है कि जिन सभी क्षेत्रों में efficiency लाई जा सकती है, वहाँ efficiency आएगी.
[बिजली लागत, LLM parameter efficiency, caching आदि] क्या ये सब मिलकर आखिर में खर्च को अनुमान से कम नहीं कर देंगे? हम्म.. AI के बारे में निराशावादी रुख (~~ बिल्कुल नहीं होगा) हमेशा टूटता ही रहा है.

सिर्फ LLM को ही देखें, तो मुझे वह भी किसी चमत्कार जैसा लगता है.
 
bus710 2025-12-04

संख्याओं के हिसाब से तो बात सही है...
लेकिन LLM और data center के अलावा अमेरिका की अर्थव्यवस्था को आगे बढ़ाने लायक और कुछ है भी नहीं, ऐसा लगता है।
 
love7peace 2025-12-03

मेरी सोच से लगभग मिलती-जुलती बात है... हमारे लिए तो बस बहुत सारी memory बेच लेना ही काफी है
 
GN⁺ 2025-12-03
Hacker News राय

  • स्टीव जॉब्स की उस बात का हवाला दिया गया है कि 1958 में IBM ने xerography तकनीक का मौका गंवाया, 10 साल बाद minicomputer को नज़रअंदाज़ किया, और फिर 10 साल बाद Apple II को कम करके आंका।
    अब IBM CEO को यह कहते सुनकर कि “AI डेटा सेंटर में निवेश से मुनाफ़ा नहीं होगा”, ऐसा लगता है कि IBM आज भी भविष्य को ठीक से नहीं पढ़ पाता।
    संबंधित सामग्री: Steve Jobs 1983 Keynote, Xerox invention history

    • IBM ने 1975 में ही IBM 5100 नाम का एक personal computer लॉन्च कर दिया था। समस्या यह थी कि उसकी कीमत बहुत ज़्यादा थी।
      बाद में IBM PC(5150) ने commercial parts का इस्तेमाल करके कीमत घटाई, और वही उसकी सफलता की कुंजी बनी।
      IBM 5100 Wiki
    • समझ नहीं आता कि इन पुरानी घटनाओं का आज के CEO के फैसले से क्या संबंध है।
    • मुझे लगता है कि संदेश से ज़्यादा संदेशवाहक पर ध्यान देना बेकार है। Xerox अब पहले जैसा नहीं रहा, लेकिन IBM आज भी 300 billion dollar स्तर की कंपनी है।
      Apple II का enterprise market में असर भी बहुत सीमित था। ऊपर से यह 50 साल पुरानी बात है, जिसका आज की AI investment ROI बहस से अलग मामला है।
    • DEC गायब हो गया और Xerox का market cap IBM के 1/1000 के स्तर पर है। IBM की open PC architecture ही उल्टा वह कारण बनी जिसने उसे बाज़ार पर हावी होने दिया।

  • IBM CEO ने कहा कि “AI chips को 5 साल बाद फेंकना पड़ेगा”, लेकिन यह बहुत तयशुदा मान्यता लगती है।
    अगर hardware 5 साल बाद भी स्थिर रहता है, तो पुराने models को कम दाम पर चलाकर भी कमाई की गुंजाइश हो सकती है।

    • Michael Burry का कहना तो उल्टा यह है कि 5 साल depreciation के लिए बहुत उदार अवधि है। असल में 2~3 साल सही है।
      Burry का tweet
    • server hardware के लिए 5 साल standard depreciation period है, इसलिए यह सिर्फ GPU की समस्या नहीं है।
    • पुराने server भी ठीक चलते हैं, लेकिन power efficiency के कारण वे नई तकनीक के मुकाबले आर्थिक रूप से कमज़ोर पड़ते हैं।
    • crypto mining की तरह, GPU demand भी ASIC आने पर replacement cycle को तेज़ कर सकती है।
      आखिरकार 5 साल का चक्र निवेश के फैसलों पर बड़ा असर डालेगा।
    • अगर competitor ज़्यादा efficient chips इस्तेमाल करे, तो अंत में पुराना hardware छोड़कर upgrade करना ही पड़ेगा।

  • लगता है AI डेटा सेंटर निवेश पूरा का पूरा साकार होना मुश्किल है। सिर्फ power demand ही एक सीमा बन सकती है।

    • पश्चिमी देशों में power reserve margin कम है, लेकिन China 100% reserve margin बनाए रखता है, इसलिए demand spike आने पर भी उससे निपट सकता है।
    • लेकिन CEO लोगों ने शायद पहले ही काफ़ी जांच-पड़ताल की होगी, इसलिए यह कहना मुश्किल है कि हम उनसे बेहतर जानते हैं।

  • Gartner का अनुमान है कि 2025 में वैश्विक AI spending 1.5 trillion dollar तक पहुँच जाएगी।
    वैश्विक GDP (2024 के अनुसार 111 trillion dollar) की तुलना में यह बहुत ज़्यादा नहीं लगता।
    AI निवेश की उम्र 6~8 साल मानी जाए, और अगर बहुत निराशावादी न हों, तो यह एक तर्कसंगत स्तर है।
    Gartner report
    World Bank GDP data

    • लेकिन क्या उस अतिरिक्त GDP लाभ को निवेशक वास्तव में हासिल कर पाएंगे, यह अलग सवाल है।
    • GPU obsolete 6~8 साल से बहुत पहले हो जाते हैं, इसलिए निवेश वसूली की अवधि छोटी हो सकती है।

  • अगर LLM services मूल रूप से short response mode (200 tokens से कम) का इस्तेमाल करें, और prompt caching व छोटे model routing लागू करें,
    तो energy use 70% से ज़्यादा घटाया जा सकता है।
    ChatGPT स्तर पर सालाना बिजली लागत 50 million~100 million dollar है, लेकिन इस तरीके से यह 5~10 million dollar तक गिर सकती है।
    अगर EU या California ऐसे mode को अनिवार्य कर दें, तो data center economics में भी बड़ा बदलाव आ सकता है।

    • तो फिर सवाल है कि ऐसी 90% reduction optimization अभी तक लागू क्यों नहीं हुई।

  • 10 साल पहले IBM ने “Watson” को आगे रखकर “Cognitive Finance” जैसे विज्ञापनों की बाढ़ ला दी थी, लेकिन अब उसका कोई ज़िक्र नहीं करता।
    कहीं ऐसा तो नहीं कि आज के AI boom को दूसरे लोग चला रहे हैं और यह बात उन्हें रास नहीं आ रही?

    • IBM पहले भी AI, cloud में जल्दी उतरा था, लेकिन market share नहीं बना पाया।
      tech demos प्रभावशाली थे, लेकिन असल revenue model नहीं था।
    • बाहरी consultants ने Watson को हर समस्या का हल बताकर धकेला, लेकिन असल में वह महंगा और बेकार निकला।
      याद है कि मुझे खुद PoC बनाकर साबित करना पड़ा था कि यह काम नहीं करेगा।
    • हो सकता है IBM ने ऐसी नाकामियों से गुज़रने के कारण अब ज़्यादा skeptical view अपना लिया हो।
      फिर भी बाज़ार में उसकी स्थिति देखते हुए उसकी राय को पूरी तरह नज़रअंदाज़ नहीं किया जा सकता।
    • Watson की विफलता से आज के CEO का आकलन अमान्य नहीं हो जाता।
    • शायद IBM बस यह यथार्थवादी निष्कर्ष निकाल रहा है कि “billion-dollar scale investment का ROI नहीं निकलता।”

  • IBM CEO की बात में कुछ दम है कि AI से मुनाफ़ा कमाना मुश्किल है।
    NVIDIA के हिसाब से 1GW बिजली पर सालाना 6.29×10^16 tokens बनाए जा सकते हैं,
    और अगर पूरे इंटरनेट का text 10^14 tokens के स्तर का है, तो data खुद एक सीमा से टकरा सकता है।

    • लेकिन वह संख्या बहुत कम आंकी हुई लगती है। अगर image और video data को शामिल करें, तो कई orders of magnitude का फ़र्क होगा।
    • image tokens शामिल करने पर कम से कम 5 orders of magnitude का अंतर होगा।
    • लेकिन फिर भी समझ नहीं आता कि यह गणना “AI मुनाफ़ा नहीं कमा सकता” वाले निष्कर्ष तक कैसे पहुँचती है।

  • आज की AI बहस में तीन तरह के fear factors हैं।

    1. यह bubble हो सकता है, इस बात का डर
    2. कहीं यह सचमुच की क्रांति न हो, इस बात का डर
    3. उस क्रांति में छूट जाने का डर (FOMO)
      IBM के पास कोई खास अंतर्दृष्टि हो, ऐसा कम लगता है; वह बस इन डरों में से कुछ को प्रतिबिंबित कर रहा है।

  • AI infrastructure investment मुझे dot-com bubble के समय के fiber overbuild जैसा लगता है।
    लंबी अवधि में इसमें मूल्य हो सकता है, लेकिन अलग-अलग कंपनियाँ बुरी तरह असफल हो सकती हैं।
    GPU की संख्या से ज़्यादा महत्वपूर्ण उनका utilization और revenue model है।

    • इसके विरोध में, इसी विषय पर एक blog post का परिचय दिया गया।
    • लेकिन fiber का दीर्घकालिक मूल्य साफ़ था, जबकि GPU का AI के बाहर उपयोग सीमित है, इसलिए यह ज़्यादा जोखिम भरा है।

  • IBM consumer hardware, operating system, और cloud—तीनों में मौके चूकने वाली कंपनी रही है।
    CEO की बात सही हो सकती है, लेकिन भविष्यवाणी के मानक के रूप में उसे लेना उचित नहीं लगता।