OpenAI की cash burn 2026 के bubble debate का अहम मुद्दा बनेगी
(economist.com)- generative AI कंपनियों की ऊंची valuation के बावजूद, बड़े पैमाने के निवेश के बाद भी profitability की कमी का मुद्दा लगातार ज्यादा उभर रहा है
- OpenAI और Anthropic जैसी कंपनियों ने इतिहास की सबसे तेज revenue growth दिखाई है, लेकिन मॉडल training और संचालन के लिए भारी computing cost के कारण cash burn जारी है
- big tech कंपनियां अपने खुद के chip और cloud infrastructure के सहारे cost efficiency में बढ़त बनाए हुए हैं, जिससे independent AI labs की प्रतिस्पर्धात्मकता पर दबाव बढ़ रहा है
- AI ने जो productivity improvement का वादा किया था, उसका असर अभी भी सीमित क्षेत्रों तक ही दिख रहा है, और बढ़ती प्रतिस्पर्धा के कारण long-term revenue stability भी अनिश्चित बनी हुई है
- निवेशक अब सिर्फ growth से संतुष्ट नहीं हैं, और AI leading कंपनियों से स्पष्ट revenue model और listing के बाद survival strategy की मांग करने वाले चरण में प्रवेश कर चुके हैं
बड़े पैमाने के निवेश और private market के बीच तापमान का अंतर
- 2025 में venture capital इंडस्ट्री ने OpenAI, Anthropic जैसी बड़ी AI startups में लगभग 150 billion dollars का निवेश किया, यह बात सामने रखी गई है
- 2021 के VC boom से लाभान्वित कंपनियों की तुलना में कहीं अधिक पूंजी प्रवाहित हुई, और private market का optimism अब भी जारी है
- यह भी कहा गया है कि OpenAI 2026 में अधिकतम 100 billion dollars की अतिरिक्त private funding जुटाने पर विचार कर सकती है
तेज revenue growth के साथ-साथ बढ़ती cash burn
- OpenAI और Anthropic को इतिहास की सबसे तेज revenue growth दर्ज करने वाली कंपनियों में से एक माना जा रहा है
- दूसरी ओर, मॉडल training और inference के लिए GPU·cloud infrastructure cost के चलते “Towering Inferno” स्तर की cash burn हो रही है
- 2026 या उसके बाद listing पर विचार करने की प्रक्रिया में profitability path को स्पष्ट करने का दबाव बढ़ने की संभावना है
big tech के मुकाबले संरचनात्मक प्रतिस्पर्धी कमजोरी
- Google जैसी big tech कंपनियों के पास अपने chip और cloud infrastructure का उपयोग करके training और operating cost कम करने वाली संरचना मौजूद है
- Gemini मॉडल ने performance gap का बड़ा हिस्सा कम कर लिया है, जिससे independent AI labs की भिन्नता कमजोर पड़ रही है
- बाहरी निवेशकों पर अधिक निर्भर AI startups पूंजी बाजार की volatility के प्रति अधिक संवेदनशील स्थिति में हैं
उम्मीद के मुताबिक नहीं दिख रहा productivity effect
- ChatGPT के लॉन्च के 3 साल बाद भी, AI द्वारा वादा किया गया समग्र कार्य उत्पादकता सुधार अभी सीमित ही है
- coding, customer support जैसे कुछ क्षेत्रों में परिणाम दिखे हैं, लेकिन competitors की तेज बढ़ोतरी से बाजार भीड़भाड़ वाला हो गया है
- स्पष्ट sustained competitive advantage (moat) रखने वाली AI labs अभी तक सामने नहीं आई हैं
scale बढ़ने के साथ बढ़ता cost structure
- पारंपरिक software कंपनियों के विपरीत, AI कंपनियों की संरचना ऐसी है कि scale बढ़ने पर cost भी साथ बढ़ती है
- frontier model training cost के अलावा, free users का अनुपात अधिक होने की स्थिति में inference cost का बोझ भी बड़ा है
- cost कम करने के लिए छोटे जवाब देना या ads लाना, user experience के खराब होने का जोखिम पैदा कर सकता है
- price increase को भी adoption की रफ्तार धीमी करने वाले विकल्प के रूप में पेश किया गया है
निवेशकों का patience और OpenAI की पसंद
- Netflix, Uber की तरह लंबे समय तक घाटा झेलने के बाद सफल होने के उदाहरण मौजूद हैं, लेकिन इस बात पर जोर दिया गया है कि निवेशक अनंत समय तक इंतजार नहीं करेंगे
- लीक हुए आंकड़ों के अनुसार OpenAI 2030 तक 115 billion dollars से अधिक खर्च कर सकती है
- Sam Altman ने कहा था कि वह listing के जरिए short sellers की परीक्षा लेना चाहते हैं, और इस पर बाजार की राय बंटी हुई है
- निष्कर्ष यह है कि पूरी AI इंडस्ट्री 2026 को turning point मानते हुए व्यावहारिक business model validation के चरण में प्रवेश कर सकती है
1 टिप्पणियां
Hacker News की राय
AI उद्योग बेहद प्रतिस्पर्धी और पूंजी-गहन बाज़ार बनता जा रहा है
OpenAI, Anthropic, Google, Meta, Deepseek आदि सभी मिलते-जुलते संसाधन लगाकर मिलते-जुलते नतीजे पा रहे हैं
तकनीकी entry barrier (moat) लगभग नहीं है, और अंततः रेलवे उद्योग की तरह एक बड़ा bubble फूटने की संभावना अधिक है
लेकिन जैसे रेलवे गायब नहीं हुआ, वैसे ही AI भी गायब नहीं होगा और दुनिया बदल देगा। बस निवेश के नज़रिए से एक बड़ा correction आएगा
Microsoft जैसे corporate investors partnership structure के ज़रिए इन घाटों का इस्तेमाल tax deduction के लिए कर सकते हैं
यानी R&D को tax savings के तरीके से fund किया जा रहा है, और 10 अरब डॉलर का घाटा 2~3 अरब डॉलर के tax savings effect में बदल सकता है
इसलिए “cash burn = value destruction” वाला फ्रेम गलत है
ChatGPT ने 9 महीनों में 20 करोड़ और 3 साल में 90 करोड़ साप्ताहिक users हासिल कर लिए
monetization speed रेलवे से तुलना से परे तेज़ है, और निवेश वसूली की संरचना पूरी तरह अलग है
एक बार पूरी तरह integrated हो जाने पर दूसरे platform पर switch करना मुश्किल होगा, और पूंजी-गहनता खुद moat का काम करेगी
अंततः संरचना cloud market की तरह कुछ बड़े players के ऊँचे margin के साथ बाज़ार पर कब्ज़े वाली हो सकती है
Gmail, YouTube, Search आदि में AI लागू करने की उसकी गुंजाइश सबसे बड़ी है, और multimodal model quality भी शीर्ष स्तर की है
AI startups के लिए मौजूदा बाज़ार सबसे खराब business structure जैसा है
इसमें भारी पूंजी और लगातार innovation चाहिए, और ग्राहकों की brand loyalty लगभग नहीं के बराबर है
थोड़ा भी पीछे रहो तो लोग API endpoint बदल देते हैं, इसलिए टिके रहना मुश्किल है
आखिर में सिर्फ Google जैसी वे कंपनियाँ टिकेंगी जिनके पास दूसरे product lines भी हैं
जब Anthropic ने कुछ समय के लिए बेहतर model दिया था तब भी users का पलायन लगभग नहीं हुआ
यानी brand और user habit एक मज़बूत moat की तरह काम करते हैं
infra collapse के बाद VC, product और service level innovation पर फोकस करेंगे
संबंधित लेख: Models Aren’t Moats
समझ नहीं आता कि OpenAI videoSlop, imageSlop जैसी video और image projects पर इतना ज़्यादा निवेश क्यों कर रहा है
Anthropic काफ़ी ज़्यादा focused है
लेकिन तकनीकी moat न मिलने पर अंततः copyright contracts ही एकमात्र बचाव का साधन बनते हैं
इसी वजह से OpenAI, Disney के साथ काम कर रहा है
Ghibli, Sora app आदि से इसने subscribers की संख्या तेज़ी से बढ़ाई, और भले कई projects असफल रहे हों, कुछ बहुत बड़े hit भी हुए
लेकिन बहुत बार version updates आने से पहले जैसी चर्चा अब कम हो गई है
OpenAI के video पर फोकस की वजह यही है
multimodal integration model की intelligence बढ़ाती है, और OpenAI एक general-purpose ‘assistant’ के रूप में अपनी positioning बनाए रखता है
वहीं Anthropic developers-केंद्रित फोकस रखकर capital efficiency बढ़ाने की रणनीति अपनाता है
एक और bubble की संभावना copyright (IP) enforcement के सख्त होने की है
मौजूदा platforms में user content usage consent स्पष्ट होती है, लेकिन यह सवाल बना हुआ है कि OpenAI ने training data क़ानूनी तरीके से हासिल किया भी है या नहीं
Meta पर e-books को torrent के ज़रिए इकट्ठा करने के आरोप भी लगे थे
Anthropic coding-केंद्रित SaaS model से, और OpenAI ad-based model से monetization करना चाहता है
Google के models की quality ऊँची है, लेकिन अभी भी उसे ऐसे products बनाने में मुश्किल हो रही है जिन्हें लोग वास्तव में इस्तेमाल करना चाहें
Gemini, AI search summaries, Google Lens आदि का usage बेहद ज़्यादा है
जो कंपनी दुनिया बदलने की बात कर रही थी, उसका विज्ञापनों पर आकर टिकना थोड़ा निराशाजनक है
DeepMind की drug discovery इसका उदाहरण है
Search index, Android·Gmail·Maps integration जैसी मज़बूतियाँ हैं
दूसरी ओर OpenAI की ताकत बस “Google नहीं है” वाली brand image ही लगती है
OpenAI shopping features जोड़कर Google के commercial search traffic का हिस्सा छीन सकता है
आखिरकार AI प्रतिस्पर्धा का सवाल यह है कि अगली पीढ़ी के toll business पर कब्ज़ा किसका होगा
उसका traffic scale इतना बड़ा है कि OpenAI के लिए मुकाबला करना कठिन माना जाता है
OpenAI के cash burn का सही पैमाना किसी को ठीक-ठीक पता नहीं है
कुछ लोग कहते हैं कि GPT-4o के बाद कोई नया model train नहीं हुआ, लेकिन यह शायद सिर्फ एक routing system हो सकता है
OpenAI ने synthetic data pipeline को मज़बूत किया है, और उसका इस्तेमाल वास्तविक model training में कर रहा है
GPT-4o के बाद पूरा pretraining run नहीं हुआ, लेकिन fine-tuning, RLHF, tool calling improvements पर सक्रिय काम जारी है
Codex-high जैसी उपलब्धियाँ इसका प्रमाण हैं
GPT-5.2 का training cutoff अलग है, और उस पर काफ़ी लागत आई होगी
VC अब भी अगली “big AI company” खोजने पर केंद्रित हैं
लेकिन अगर निवेश में ठंडक आती है, तो पैसा AI को tool की तरह इस्तेमाल करने वाली non-AI कंपनियों की ओर जाएगा
OpenAI कम समय में monetization पर दांव लगा रहा है
सफलता की संभावना कम है, लेकिन VC के नज़रिए से risk-reward अभी भी पर्याप्त है
अंततः ऐसा लगता है कि वह इतना बड़ा बनना चाहता है कि अमेरिकी सरकार से bailout मिल जाए
AI को Cold War-शैली की तकनीकी प्रतिस्पर्धा के रूप में पेश कर जनता का समर्थन लिया जा रहा है
आम users भी LLM की क्षमता को सीधे अनुभव कर रहे हैं, इसलिए उन्हें भविष्य को लेकर भरोसा महसूस होता है
इसीलिए यह अब भी बेचना आसान भविष्य-कथा है
इससे जोखिम कम होता है और stock price support effect भी मिलता है