AI क्या एक बबल है?

 (oaktreecapital.com)
3 पॉइंट द्वारा GN⁺ 2025-12-12 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • AI उद्योग और निवेश बाजार दोनों में यह चर्चा बढ़ रही है कि कहीं बबल बन रहा है या नहीं, और अति-आशावाद को इसका मुख्य चालक बताया जा रहा है।
  • तकनीकी नवाचार पर आधारित ‘Inflection’ बबल अल्पकाल में नुकसान पहुँचा सकता है, लेकिन दीर्घकाल में तकनीकी प्रगति की गति तेज़ करने में मदद करता है।
  • AI से जुड़े खर्च और शेयर बाजार में तेज़ी अमेरिकी अर्थव्यवस्था तथा S&P 500 की वृद्धि का बड़ा हिस्सा बन चुके हैं, और Nvidia जैसी प्रमुख कंपनियों की तेज़ छलांग ने निवेशकों की मनोवृत्ति को और गरम किया।
  • ऋण के माध्यम से AI इंफ्रास्ट्रक्चर निवेश बढ़ाना अतीत के telecom और इंटरनेट बबलों से मिलता-जुलता जोखिम संकेतक माना गया।
  • AI की संभावना और अनिश्चितता एक साथ मौजूद होने के कारण, न अंधा उत्साह और न ही पूरी दूरी—बल्कि सावधानी से चुना गया दृष्टिकोण ज़रूरी है।

बबल का सार और दोहराया जाने वाला पैटर्न

  • बबल अक्सर तकनीकी या वित्तीय नवाचार खुद नहीं, बल्कि अत्यधिक आशावाद से जन्म लेते हैं।
    • जब नई तकनीक आती है, शुरुआती भागीदार बड़ी कमाई करते हैं, और बाद में आने वाले निवेशक ‘कुछ छूट न जाए’ (FOMO) वाली मनोस्थिति से खिंचते चले आते हैं।
    • अल्पकाल में नुकसान लगभग अनिवार्य हो सकता है, जबकि दीर्घकाल में यह तकनीकी विकास की नींव बन सकता है।
  • अतीत के उदाहरणों (South Sea Company, इंटरनेट, फाइबर ऑप्टिक, सबप्राइम आदि) में भी ‘नयापन’ ने कल्पना को इतना उकसाया कि अयुक्तिसंगत मूल्यांकन होने लगे।
  • तर्कसंगत आशावाद और अविवेकपूर्ण उत्साह की सीमा निर्णय का सवाल है, और इसे साफ़-साफ़ अलग करना कठिन रहता है।

‘अच्छा बबल’ और ‘खराब बबल’

  • Byrne Hobart और Tobias Huber बबल को दो प्रकार में बाँटते हैं।
    • ‘Mean-reversion’ (औसत-पलट) बबल: सिर्फ़ वित्तीय फैड, जो संपत्ति नष्ट करता है।
    • ‘Inflection’ (टर्निंग-पॉइंट) बबल: रेलवे या इंटरनेट की तरह तकनीकी प्रगति को आगे बढ़ाकर सामाजिक इंफ्रास्ट्रक्चर तैयार करता है।
  • Carlota Perez के अनुसार, सट्टा उन्माद ‘Installation Phase’ को संभव बनाता है, और फिर वह ‘Deployment Period’ में बदल सकता है।
  • तकनीकी प्रगति वाला बबल पूंजी निवेश और प्रयोगों को तेज़ करता है, पर साथ ही बहुत सारा पैसा भी डुबो देता है।
  • मुख्य बात है प्रगति को आगे बढ़ाना, लेकिन उस रास्ते पर नष्ट होने वाली संपत्ति का शिकार न बनना।

AI बाजार की वर्तमान स्थिति और अनिश्चितता

  • AI लगभग कॉरपोरेट कैपेक्स, GDP वृद्धि और S&P 500 की बढ़त का अधिकांश हिस्सा समेटे हुए है।
    • Nvidia की मार्केट कैप 26 वर्षों में लगभग 8,000 गुना बढ़कर प्रतीकात्मक स्थान पर पहुँच गई।
  • फिर भी AI के व्यावसायिक उपयोग, राजस्व मॉडल और विजेता कंपनियों को लेकर अनिश्चितता कायम है।
    • ऑटो उद्योग के उदाहरण की तरह, तकनीक की अहमियत और निवेश में सफलता हमेशा साथ नहीं चलती।
  • ‘Lottery-ticket thinking’ तेजी से फैल रही है।
    • उदाहरण: स्टार्टअप Etched ने 12 मिलियन डॉलर निवेश के दावे के साथ खुद को ‘दुनिया की सबसे बड़ी कंपनी’ बनने की संभावना के रूप में पेश किया।
  • लाभप्रदता, प्रतिस्पर्धी ढाँचा, circular deals आदि भी संदिग्ध हैं।
    • OpenAI और Nvidia के बीच परस्पर निवेश/खर्च मॉडल को ‘self-dealing’ कहा गया।
    • Goldman Sachs का अनुमान है कि Nvidia की कुल राजस्व का 15% ऐसे सौदों से आएगा।

ऋण विस्तार और वित्तीय जोखिम

  • AI इंफ्रास्ट्रक्चर निर्माण की लागत अनुमानतः 5 ट्रिलियन डॉलर तक आंकी गई है, और बड़े टेक खिलाड़ियों ने बॉण्ड जारी करके धन जुटाया है।
    • Microsoft, Meta और Alphabet जैसे समूह 30-वर्षीय बॉण्ड जारी कर रहे हैं।
  • तंदुरुस्त निवेश नकदी-प्रवाह आधारित इक्विटी निवेश होता है; जोखिमभरा निवेश वह है जिसमें बिना ग्राहक के ऋण लेकर डेटा सेंटर खड़े किए जाते हैं।
  • Paul Kedrosky और Azeem Azhar ने चेतावनी दी है कि AI इंफ्रास्ट्रक्चर शायद ही पहले ही ‘Minsky Moment’ में पहुँच चुका है।
    • राजस्व से तेज़ पूंजीगत खर्च, SPV का बढ़ता उपयोग, और vendor financing का प्रसार संभावित चेतावनी संकेत हैं।
  • ऋण नुकसान को कई गुना बढ़ा देता है, और मांग में मंदी या तकनीकी बदलाव के साथ डेटा सेंटरों की अधिकता और दिवालियापन संभव है।
  • Oaktree और Brookfield ने ‘सावधानीपूर्ण ऋण उपयोग’ पर जोर दिया है और ओवरसप्लाई वाले इलाकों से दूर निवेश कर रहे हैं।

AI की विशेषता और निवेश का निर्णय

  • AI ऐसी तकनीक है जो मानव संज्ञानात्मक क्षमता की जगह ले सकती है, इसलिए अतीत के नवाचारों से गुणात्मक रूप से अलग है।
    • कोडिंग, डिजिटल विज्ञापन आदि में पहले ही मानव श्रम का प्रतिस्थापन हो रहा है।
    • तकनीकी प्रगति की गति इतनी तेज़ है कि मांग का पूर्वानुमान कठिन हो जाता है।
  • जैसे कभी रेडियो और विमानन उद्योगों के साथ हुआ था, ‘अनिश्चितता को अवसर की कहानी के रूप में देखने का नैरेटिव’ अत्यधिक गर्माहट को बढ़ा देता है।
  • AI बबल के पक्ष और विपक्ष में तर्क दोनों मौजूद हैं।
    • समानताएँ: अत्यधिक अपेक्षाएँ, FOMO, circular deals, SPV, भारी seed निवेश।
    • अंतर: वास्तविक राजस्व निर्माण, विशाल उपयोगकर्ता आधार, और तर्कसंगत P/E अनुपात।
  • Anthropic और Cursor ने एक साल में राजस्व को 100 गुना बढ़ाया, जिससे AI उत्पादों की वास्तविक मांग मौजूद होने का संकेत मिलता है।

निष्कर्ष: सतर्क आशावाद

  • AI में बबल बनने की संभावना ज्यादा है, लेकिन यह एक ऐतिहासिक तकनीकी टर्निंग पॉइंट भी है।
  • ‘irrational exuberance’ है या नहीं, यह समय के साथ ही स्पष्ट होगा।
  • अतीत की हर बड़ी तकनीकी उछाल में अति-निवेश और नुकसान शामिल थे; AI भी शायद अपवाद नहीं होगा।
  • इस दौर में ऋण का इस्तेमाल जोखिम को और बढ़ा सकता है।
  • इसलिए पूरी तरह निवेश करना या पूरी तरह दूर रहना दोनों जोखिम भरे हैं; चयनात्मक और संयमित भागीदारी सबसे बेहतर रणनीति है।
  • डेटा सेंटर और AI इंफ्रास्ट्रक्चर निवेश में भी ठंडे दिमाग से विश्लेषण और मजबूत निष्पादन अनिवार्य हैं।

परिशिष्ट: AI और रोजगार का भविष्य

  • AI एक लेबर-सैविंग तकनीक है, इसलिए उत्पादन बढ़ने के साथ-साथ बड़ी मात्रा में रोजगार में गिरावट की आशंका भी है।
    • Vanguard के Joe Davis ने अनुमान लगाया कि “काम के घंटे 43% तक घट सकते हैं”।
  • उत्पादकता में वृद्धि = रोजगार वृद्धि नहीं।
    • रोजगार घटने पर कर संग्रह घट सकता है और कल्याण पर खर्च बढ़ सकता है।
  • Universal Basic Income (UBI) लागू करने की संभावना पर चर्चा है, लेकिन फंडिंग और सामाजिक अर्थ के क्षरण की समस्या बनी हुई है।
  • काम के अर्थ के खोने, सामाजिक ध्रुवीकरण और पॉपुलिज्म के फैलाव को लेकर चिंता व्यक्त की जा रही है।
  • भविष्य में टिकाऊ नौकरियों के रूप में फिजिकल लेबर (प्लंबर, नर्स आदि) और रचनात्मक/इनसाइट-आधारित भूमिकाएँ गिनाई गई हैं।
  • नतीजतन, AI में अर्थव्यवस्था और समाज की बुनियादी संरचना बदलने की क्षमता है, और इसके लिए समझदार प्रतिक्रिया तथा संतुलित दृष्टिकोण आवश्यक है।

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-12-12
Hacker News की राय

  • कई उन्नत software teams अब यह दावा करती हैं कि developers खुद code नहीं लिखते, बस जो functionality चाहिए वह लिख देते हैं और AI code बना देता है। यह बहुत बढ़ा-चढ़ाकर किया गया दावा लगता है, इसलिए जानना चाहता हूँ कि इसके पीछे कोई आधार है या नहीं

    • हमारी company में Slack से integrated bot छोटे PR अपने-आप बना देता है। Terraform adjustments, endpoint updates, simple handlers जोड़ने जैसे काम यह काफ़ी अच्छी तरह कर लेता है.
      लेकिन जब Claude से Go में concurrent data migration utility लिखवाई, तो goroutine और waitgroup handling पूरी तरह गड़बड़ थी और bugs से भरी हुई थी। लगता है खुद coding करना ज़्यादा तेज़ होता।
      फिर भी अगले दिन एक colleague को ऐसा ही tool चाहिए था, और Claude से 45 मिनट बात करके उसने 6~8 घंटे बचा लिए।
      मैं hybrid approach अपना रहा हूँ — basic structure और example code मैं लिखता हूँ, AI के बनाए हुए को मैं ठीक करता हूँ, tests और guardrails सेट करता हूँ, फिर AI बाकी काम करता है। नतीजे असमान हैं, लेकिन धीरे-धीरे बेहतर हो रहे हैं।
      लेकिन CEO ने हमारी company को ‘AI-first’ घोषित कर दिया है, इसलिए कहा जा रहा है कि हर काम में AI इस्तेमाल होना चाहिए। सच कहूँ तो यह गलत दिशा लगती है, लेकिन शायद AI usage को KPI से आँका जाएगा
    • “AI द्वारा लिखा गया code दुनिया के सबसे उच्च स्तर का है” यह वाक्य और भी गंभीर है। finance industry के लोग शायद programming को बिल्कुल नहीं समझते
    • पूरी तरह सहमत हूँ। Howard Marks एक दिग्गज investor हैं, लेकिन AI उनका विशेषज्ञता क्षेत्र नहीं है। उनके readers निवेशक हैं, इसलिए AI की तकनीकी हक़ीक़त से ज़्यादा वे investment perspective की insight देना चाहते थे
    • यह दावा तथ्य नहीं है। इस तरह काम करने वाली teams को ‘उन्नत team’ नहीं कहा जा सकता। बल्कि AI पर जितनी अधिक निर्भरता हो, वह team की complexity कम होने का संकेत भी हो सकता है
    • अक्सर यह कहा जाता है कि “pilot अब विमान नहीं उड़ाते,” लेकिन यह पूरी तरह ग़लत है। autopilot बहुत काम करता है, पर मुख्य नियंत्रण अब भी इंसान के हाथ में होता है

  • लेख का आख़िरी हिस्सा प्रभावशाली था। पहली बार लगा कि मैं चाहता हूँ कोई तकनीक अपने वादे पूरे न करे। आम तौर पर नई तकनीकों की संभावनाएँ उत्साहित करती हैं, लेकिन इस बार पूरा फ़ोकस सिर्फ़ labor cost घटाने पर है, इसलिए उदासी होती है.
    information gathering tool के रूप में AI शानदार है, लेकिन मानव creativity को replace करने की दिशा स्वागतयोग्य नहीं है

    • मेरी भी यही भावना है। मैं craftsmanship महसूस करते हुए code लिखने की प्रक्रिया से प्यार करता हूँ। problem को तोड़ना, उसे logically बनाना, और code के पूरा होने का जादुई पल — यह सब खास है।
      10 साल से ज़्यादा सीखी हुई language से computer को नियंत्रित करना किसी चमत्कार जैसा है। सिर्फ़ English में समझाकर इंतज़ार करना मुझे पसंद नहीं। मैं खुद code लिखने वाला इंसान हूँ, और इसे छोड़ना नहीं चाहता
    • मेरी भी यही चिंता है। ChatGPT आने के बाद मुझे समझ आया कि उसका environmental impact कितना बड़ा है, और data centers की resource consumption explosion देखकर झटका लगा।
      मैं मानता हूँ कि तकनीक मानवता को बेहतर बना सकती है, लेकिन साथ ही कुछ अमीर लोगों को social control देने वाली हक़ीक़त परेशान करती है।
      AI ज़्यादातर लोगों के लिए शत्रुतापूर्ण और असमान दुनिया बना सकता है। तकनीक के social harms का कहीं ज़्यादा गंभीर मूल्यांकन होना चाहिए
    • यह मानना ही कि jobs ज़रूर होनी चाहिए, मुझे imagination की कमी जैसा लगता है। अगर livelihood सुनिश्चित हो, तो मैं commercial value के बिना भी code ख़ुशी से लिखूँगा
    • LLM code writing या search में उपयोगी हैं, लेकिन इंसानी creativity और expression को replace करने की कोशिश अप्रिय लगती है
    • LLM आख़िरकार सिर्फ़ language predictor हैं। वे समझ के बिना मौजूदा text को फिर से जोड़ते हैं, इसलिए जिन कामों में सोच की ज़रूरत है उन्हें replace नहीं किया जा सकता।
      हाँ, companies हमेशा labor cost घटाने के पीछे रहती हैं, इसलिए AI न भी हो तो वे किसी और तरीके से लोगों की संख्या कम करने की कोशिश करेंगी

  • “AI में मानव इतिहास की सबसे बड़ी तकनीकी प्रगति में से एक बनने की क्षमता है” यह वाक्य देखकर लगा कि bears (निराशावादियों) से राय नहीं ली क्या, ऐसा मज़ाक करूँ

    • असल में बहुत से लोग AGI को संभव नहीं मानते। वे यह भी नहीं सोचते कि LLM या AI उनकी ज़िंदगी को बहुत बदल देंगे
    • यह मानना संभव है कि AI कभी बड़ा होगा। भले ही LLM अपनी सीमाओं से टकराएँ, आखिरकार AI एक बड़ी धारा बन जाएगा
    • “मेरा tech optimism bubble bubble नहीं है, मुझ पर भरोसा करो” यही पंक्ति याद आती है
    • अगर “potential” शब्द पर ज़ोर दें, तो यह वाक्य लगभग सही है
    • लेख में यह पंक्ति थी: “अगर AI को लेकर उत्साह bubble में न बदले, तो इतिहास में यह पहली बार होगा”

  • “coding, AI impact की coal mine canary है” यह पंक्ति प्रभावशाली लगी।
    इसके बाद Grace Hopper के 1944 interview का हवाला देते हुए उस दौर की बात की गई जब programming की अवधारणा ही नहीं थी।
    Grace Hopper मौखिक अभिलेख PDF

  • AI पर चर्चा का चरम पर झुक जाना ही समस्या है। “AI ज़्यादातर code लिखता है” यह अतिशयोक्ति है, लेकिन AI के उपयोग को पूरी तरह नकारना भी अवास्तविक है।
    शुरुआती startups LLM से tests या boilerplate जल्दी कर लेते हैं, लेकिन core engineering अब भी इंसानों का काम है।
    bubble है, लेकिन dot-com era की तरह correction आने पर भी तकनीक बनी रहेगी

    • अब मैं उस बात से सहमत नहीं हूँ। मेरे दोस्त ने एक finance startup में LLM से complex code जल्दी bootstrap किया, और Terraform व documentation भी automate कर ली।
      मुझे Kubernetes, Helm, ConfigMap नहीं आते थे, लेकिन AI ने perfect service configuration बना दी
    • dot-com bubble के समय भी कई companies डूब गईं, लेकिन Amazon, Google, eBay जैसी कंपनियाँ बचीं।
      जैसे web SaaS की बुनियाद बना, वैसे ही AI भी core technology के रूप में स्थापित होगा।
      अभी GPU pricing की वजह से Nvidia पैसा कमा रहा है, लेकिन असली value AI applications से आएगी।
      open source models और घटती inference cost की वजह से infrastructure खुद entry barrier नहीं है।
      ChatGPT में भी bugs बहुत हैं और polish कम है। असली innovation छोटी कंपनियों से आएगा, जो models का उपयोग करके नया UX और products बनाएँगी

  • कल्पना की कि अगर ऐसा AI bot हो जो “AI कुछ नहीं कर सकता” जैसे comments पहचानकर अपने-आप “मेरे लिए तो बढ़िया काम करता है?” जैसा reply डाल दे। बस एक मज़ेदार thought experiment है

    • मेरे मन में भी ऐसा ही ख़याल आता है। HN पर AI को लेकर positive reactions असली engineers के अनुभव से कहीं ज़्यादा मज़बूत लगती हैं
    • AI की तारीफ़ करने वाले 90% comments ऐसे लगते हैं जैसे chatbot द्वारा लिखी पंक्तियाँ copy-paste की गई हों

  • क्या Silicon Valley LLM और GPU से trillions of dollars पैदा कर पाएगी?
    अगर अर्थव्यवस्था उतनी नहीं बढ़ी, तो दूसरे क्षेत्रों को नुक़सान होगा।
    और क्या LLM पर्याप्त funding के साथ AGI में evolve हो सकते हैं?
    अभी के लिए LLM सिर्फ़ smart text generators के स्तर पर लगते हैं

    • लेख के उद्धरण में यह पंक्ति मुख्य थी: “AI boom productive होने के लिए revenues को credit crunch से पहले catch up करना होगा.”
      internet भी transformative था, लेकिन कई companies बिना revenue के bankrupt हो गईं।
      AI एक साथ यथार्थवादी भी हो सकता है और bubble भी
    • “समझ” जैसी कोई चीज़ मौजूद नहीं है

  • इस memo को कैसे देखते हैं, यह आपकी position पर निर्भर करता है।
    dot-com bubble की तरह कुछ कंपनियाँ डूबेंगी, लेकिन तकनीक बनी रहेगी।
    इसके उलट 2007 housing bubble पूरी तरह का collapse था।
    AI पहले वाले के ज़्यादा क़रीब है — correction आएगा, लेकिन long-term growth opportunity बहुत बड़ी है।
    short-term returns चाहने वाले investors को यह bubble लगेगा, लेकिन founders या long-term builders के लिए यह नए value creation का समय है

  • पहले मुझे Howard Marks की writing पसंद थी, लेकिन इस बार यह ऊपरी-ऊपरी समझ जैसा लगा।
    तकनीकी तथ्यों से ज़्यादा यह trends के साथ चलने की कोशिश जैसा लगा

    • शायद उल्टा, उन्हें ग़लत समझा गया। वे तकनीक की feasibility से ज़्यादा investment overheating को लेकर चेतावनी दे रहे थे। investment perspective से यह काफ़ी तार्किक analysis है
    • उन्होंने खुद कहा कि वे तकनीक को अच्छी तरह नहीं जानते, लेकिन economic impact की पड़ताल करना सार्थक है।
      AI अगर labor cost का सिर्फ़ 5~10% भी घटा दे, तो समाज पर बड़ा असर पड़ सकता है।
      तकनीक perfect न भी हो, economic effect फिर भी वास्तविक हो सकता है

  • AI data center निर्माण में 8 trillion dollars लगाए जाने वाली ख़बर देखी (Yahoo Finance).
    सालाना 10% return पाने के लिए हर साल 800 billion dollars कमाने होंगे।
    GPU हर 3 साल में बदलने पड़ते हैं, तो क्या इतना revenue संभव है?
    Ilya का interview में भी कहा गया था कि “AGI कैसे बनाना है, यह कोई नहीं जानता”