- क्लाउड युग की सबसे बड़ी इंफ्रास्ट्रक्चर कंपनियों ने प्लेटफ़ॉर्म की मुख्य consumption unit (compute) से अपना revenue model सीधे जोड़कर वृद्धि की, और AI युग में यह unit अब tokens की ओर शिफ्ट हो रही है
- Snowflake, Datadog, Cloudflare जैसी कंपनियों ने workload execution path पर सीधे अपनी स्थिति बनाकर compute activity बढ़ने पर revenue को अपने-आप scale होने वाली संरचना बनाई
- Docker क्लाउड-नेटिव development की एक मुख्य तकनीक था, लेकिन compute consumption primitive और revenue model को जोड़ नहीं सका, इसलिए अरबों डॉलर के मूल्य का अवसर खो दिया
- AI युग में Cursor (coding agent) जैसी कंपनियाँ, जो token consumption path पर सीधे स्थित हैं, तेज़ी से बढ़ रही हैं; Cursor ने हाल ही में $2 billion ARR पार किया
- सिर्फ token path पर होना काफ़ी नहीं है; CDN कंपनी Limelight (अब Edgio) के दिवालिया होने के उदाहरण की तरह, differentiation और switching cost के बिना टिकना संभव नहीं
क्लाउड युग का मुख्य पैटर्न: consumption primitive का monetization
- क्लाउड युग का मुख्य primitive compute था; storage, network, database सब महत्वपूर्ण थे, लेकिन सिस्टम को चलाने वाला इंजन डेटा सेंटर के compute cycle थे
- सबसे बड़ी इंफ्रास्ट्रक्चर कंपनियों ने अपने revenue को compute activity से सीधे जोड़ा, या compute पर ही charge करके "meter" अपने पास रखा
- AWS और hyperscalers शाब्दिक रूप से compute time बेचने का व्यवसाय हैं; workload जितना क्लाउड में शिफ्ट हुआ, revenue उतना अपने-आप बढ़ा
- सिर्फ hyperscalers ही नहीं, क्लाउड buildout के इंफ्रास्ट्रक्चर leaders ने भी यही पैटर्न अपनाया
क्लाउड इंफ्रास्ट्रक्चर leaders के monetization model
- Databricks job compute का monetization करता है; data pipeline execution, model training, और workload processing हर बार revenue को अपने-आप बढ़ाते हैं
- Snowflake query compute का monetization करता है; नए query, dataset, और workload जुड़ने पर बिना अतिरिक्त seat बेचे revenue बढ़ता है
- Datadog compute workload से बनने वाली telemetry का monetization करता है; हर नए microservice, container, और cloud instance के साथ incremental revenue पैदा होता है
- Cloudflare compute पर चलने वाले applications द्वारा उत्पन्न requests का monetization करता है
- MongoDB Atlas के ज़रिये consume होने वाले storage और compute के आधार पर charge करता है
- विवरण अलग हो सकते हैं, लेकिन पैटर्न एक जैसा है: workload execution path पर सीधे मौजूद होना, और compute activity बढ़ने पर अपने-आप scale होने वाला pricing model
मुख्य insight: सिर्फ consumption pricing नहीं, बल्कि ecosystem की growth unit के साथ संरचनात्मक जुड़ाव
- केवल "consumption-based pricing" ही मुख्य बात नहीं है — ऐसे कई व्यवसाय हैं जो consumption pricing अपनाने के बावजूद धीरे बढ़ते हैं
- इन्हें खास बनाता है कि इनकी अपनी consumption unit वही unit थी जिस पर पूरा ecosystem scale करता था
- दुनिया जितना ज़्यादा compute चलाती गई, ये कंपनियाँ बिना कुछ किए भी बढ़ती गईं — revenue प्लेटफ़ॉर्म के growth vector से संरचनात्मक रूप से जुड़ गया
- क्लाउड के शुरुआती दौर में कई इंफ्रास्ट्रक्चर कंपनियाँ अब भी perpetual license, term license, maintenance contract, open source पर support subscription जैसे पुराने मॉडल से software monetize करना चाहती थीं
- on-premise environment में इंफ्रास्ट्रक्चर growth धीमी, अनुमानित और नियंत्रित थी, इसलिए ये मॉडल चलते थे; लेकिन क्लाउड में workload तुरंत scale हो सकता था और compute consumption कई गुना बढ़ सकता था, इसलिए economics बुनियादी रूप से बदल गई
Docker: सबसे शिक्षाप्रद उदाहरण
- Docker containerization का पर्याय था और क्लाउड-नेटिव development को संभव बनाने वाली तकनीक था
- इसे लाखों developers इस्तेमाल करते थे, और इसे क्लाउड युग का सबसे महत्वपूर्ण developer tool कहा जा सकता है
- लेकिन Docker primitive का monetization करने का तरीका नहीं खोज पाया, और बड़े developer adoption को containers द्वारा संभव हुए underlying compute spend से नहीं जोड़ सका
- Kubernetes (जिसे Google ने open source किया) ने orchestration business को अपने कब्ज़े में ले लिया, और सभी hyperscalers ने managed container services के ज़रिये Docker की innovation का monetization किया
- Docker ने अरबों डॉलर के compute spend को संभव बनाया, लेकिन खुद उसका कोई हिस्सा capture नहीं कर पाया (हाल के वर्षों में स्थिति बेहतर हुई है, लेकिन यह analysis शुरुआती दौर पर केंद्रित है)
- Docker की तरह बड़े adoption तक पहुँची लेकिन business model की दीवार से टकराई कंपनियों में समानता यह थी: वे क्लाउड इंफ्रास्ट्रक्चर stack में गहराई से embedded और महत्वपूर्ण tools थीं, लेकिन revenue को core consumption primitive का derivative नहीं बना सकीं
- उन्होंने seat, support contract, consulting जैसी adjacent तरीकों से monetization किया, और market ने उसी हिसाब से reward दिया — यानी reward नहीं दिया
AI युग में मैपिंग: token नया primitive है
- अगर क्लाउड इंफ्रास्ट्रक्चर compute primitive पर बना था, तो AI इंफ्रास्ट्रक्चर अब tokens नाम के एक अलग primitive पर बन रहा है
- हर AI workload अंततः मॉडल द्वारा generate, process, और consume किए गए tokens पर आकर टिकता है
- prompt → tokens, context → tokens, response → tokens
- multi-step workflow चलाने वाले agents task पर reasoning करते हुए बहुत बड़ी मात्रा में tokens उत्पन्न कर सकते हैं
- tokens आधुनिक AI systems की atomic unit of work हैं
token path पर मौजूद AI कंपनियाँ
- OpenAI, Anthropic जैसे model providers token primitive खुद हैं (ठीक वैसे ही जैसे hyperscalers क्लाउड के compute/storage primitive थे), और input token व output token के आधार पर charge करते हैं
- आज सबसे तेज़ी से बढ़ने वाली AI कंपनियाँ वे हैं जो token path पर सीधे मौजूद हैं
- coding agents इसका प्रमुख उदाहरण हैं; online reports के अनुसार Cursor ने हाल ही में $2 billion ARR हासिल किया
- हर keystroke, code completion, और agent action inference trigger करता है, और business model साधारण seat pricing से बदलकर usage limits शामिल करने वाली seats तक विकसित हुआ है
- revenue token consumption से संरचनात्मक रूप से जुड़ा है
- Inferact, Baseten, Fireworks, Together जैसी inference businesses मूलतः raw primitive खुद बेचती हैं
- token generation और consumption के सबसे करीब मौजूद कंपनियों का revenue AI activity के साथ स्वाभाविक रूप से बढ़ता है
- AI ecosystem के दूसरे हिस्से अब भी traditional SaaS pricing (seat-based, platform subscription, open-source पर enterprise license) मॉडल के साथ प्रयोग कर रहे हैं
- ऐसे व्यवसाय भी सफल हो सकते हैं, लेकिन अगर इतिहास मार्गदर्शक है, तो सबसे बड़ी इंफ्रास्ट्रक्चर कंपनियाँ वहीं उभरती हैं जहाँ प्लेटफ़ॉर्म activity की मुख्य unit को मापा और monetize किया जाता है
यह आवश्यक है, लेकिन पर्याप्त नहीं: differentiation का महत्व
- token path पर होना ज़रूरी है, लेकिन अपने-आप में काफ़ी नहीं
- क्लाउड युग की pure-play CDN कंपनियाँ तकनीकी रूप से "compute path" पर थीं, bandwidth और requests के आधार पर charge करती थीं, और traffic विस्फोटक रूप से बढ़ रहा था
- लेकिन bandwidth एक commodity साबित हुई — कीमतें लगातार गिरती रहीं
- Limelight Networks ने 2020~2021 के streaming boom के दौरान record traffic के बावजूद revenue में गिरावट देखी; बाद में Edgio के रूप में rebrand किया, लेकिन अंततः दिवालिया हो गई
- इसके विपरीत Cloudflare ने मिलती-जुलती शुरुआत से security, developer tools, और edge compute को layer करके primitive के ऊपर वास्तविक differentiation और switching cost बनाई — एक ही शुरुआती बिंदु से बिल्कुल अलग नतीजा
AI founders के लिए सबक
- token path पर सवार हों, लेकिन उसके ऊपर कुछ differentiated बनाएं
- केवल वह pipe न बनें जिससे tokens बहते हैं, बल्कि वह layer बनें जो tokens को और अधिक मूल्यवान बनाती है
- बेहतर developer experience (Cursor), specialized vertical models, security/compliance tools, proprietary data moat आदि
- इसमें timing का भी पहलू है: क्लाउड युग में compute path का default बनने वाली शुरुआती कंपनियों ने सबसे अधिक value capture की
- Datadog, Snowflake, Cloudflare — तीनों ने primitive के पूरी तरह commoditized होने से पहले scale हासिल कर लिया
- token path में प्रवेश की खिड़की अभी है: inference cost तेज़ी से गिर रही है (जिसका मतलब अधिक token consumption है, लेकिन साथ ही per-unit economics भी compress हो रही है)
- moat बनने से पहले यह compression आ जाएगा, इसलिए path में प्रवेश और moat बनाना साथ-साथ करना होगा
- अगर meter आपके पास है, तो growth अपने-आप पीछे आती है
SaaS market valuation update
- SaaS कंपनियों का valuation आम तौर पर revenue multiple से होता है (अधिकतर next twelve months estimated revenue, यानी NTM Revenue)
- क्योंकि अधिकांश software कंपनियाँ profitable नहीं हैं या meaningful FCF generate नहीं करतीं, इसलिए पूरे industry की तुलना के लिए यह लगभग एकमात्र उपयोगी metric है
- DCF भी लंबी अवधि की धारणाओं से भरा होता है, और SaaS का वादा यह है कि शुरुआती growth आगे चलकर mature-stage profit में बदलेगी
- इसकी गणना Enterprise Value (market cap + debt - cash) / NTM revenue से की जाती है
- कुल median: 3.5x, शीर्ष 5 का median: 17.7x, 10-year treasury: 4.1%
growth rate के अनुसार valuation buckets
- high growth (NTM growth rate >22%) median: 10.4x
- mid growth (15%~22%) median: 6.5x
- low growth (<15%) median: 2.7x
- high-growth की 22% सीमा कुछ हद तक मनमानी है, लेकिन इसका उद्देश्य high-growth bucket में लगभग 10 कंपनियाँ रखकर statistically meaningful sample size सुनिश्चित करना है
EV / NTM Rev / NTM Growth
- यह metric EV / NTM revenue multiple को NTM consensus growth expectation से विभाजित करके निकाला जाता है
- उदाहरण: 20x NTM revenue पर trade करने वाली और 100% growth expected कंपनी 0.2x पर trade करेगी
- इसका उद्देश्य दिखाना है कि हर stock अपनी growth expectation के मुकाबले सापेक्ष रूप से सस्ता या महँगा है
EV / NTM FCF
- FCF multiple >0x और <100x वाली कंपनियों के median को line chart में दिखाया जाता है
- यह उन कंपनियों के subset को दिखाने के लिए है जहाँ FCF एक meaningful valuation metric है
- जिन कंपनियों का NTM FCF नकारात्मक है, उन्हें chart से बाहर रखा जाता है
growth rate बनाम valuation multiple correlation
- EV / NTM revenue multiple बनाम NTM revenue growth rate का scatter plot दिया गया है
- growth rate और valuation multiple के correlation को visualise करने के लिए
operating metrics
- NTM growth rate median: 13%
- LTM growth rate median: 15%
- Gross Margin median: 75%
- Operating Margin median: (1%)
- FCF margin median: 20%
- Net Retention median: 109%
- CAC payback period median: 34 महीने
- S&M ratio median: revenue का 35%
- R&D ratio median: revenue का 23%
- G&A ratio median: revenue का 15%
Comps Output: Rule of 40 और GM Adjusted Payback
- Rule of 40 को revenue growth rate + FCF margin (LTM और NTM दोनों) के रूप में दिखाया गया है
- FCF = cash flow from operations - capital expenditure
- GM Adjusted Payback = (पिछली तिमाही का S&M) / (quarterly net new ARR × Gross Margin) × 12
- यह दिखाता है कि SaaS कंपनी को Gross Margin के आधार पर fully loaded CAC recover करने में कितने महीने लगते हैं
- चूँकि अधिकांश public companies net new ARR report नहीं करतीं, इसलिए quarterly subscription revenue × 4 से implicit ARR निकाला जाता है
- net new ARR = इस तिमाही का ARR - पिछली तिमाही का ARR
- जो कंपनियाँ subscription revenue disclose नहीं करतीं, उन्हें analysis से बाहर रखा जाता है (NA के रूप में दिखाया जाता है)
अभी कोई टिप्पणी नहीं है.