Frontier AI semiconductor industry जैसी क्यों होती जा रही है

 (medium.com/@bznotes)
1 पॉइंट द्वारा GN⁺ 3 시간 전 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • भारी upfront capital और छोटे technology cycles के मेल से frontier AI labs एक semiconductor-style treadmill में प्रवेश कर रही हैं, जहाँ नया product आते ही अगली generation की तैयारी करनी पड़ती है
  • frontier model training cost 8 वर्षों तक हर साल लगभग 2.4 गुना बढ़ी है, और सबसे बड़े training runs 2027 में $1 billion से ऊपर जाकर 2028 में $10 billion तक पहुँच सकते हैं
  • semiconductor industry हर 3–4 साल में downturn से गुजरती रही और कुछ कंपनियों के इर्द-गिर्द consolidate हुई, लेकिन Nvidia·Apple·ARM जैसी कंपनियों ने manufacturing से एक layer ऊपर design·software·ecosystem पर कब्ज़ा करके बड़ा value create किया
  • AI में भी frontier cost तेज़ी से बढ़ रही है, जबकि समान performance हासिल करने की cost कुछ estimates के अनुसार हर साल दसवें हिस्से तक घट रही है; इसलिए Cursor·Harvey·Abridge जैसी application कंपनियाँ खुद model train किए बिना products और customer relationships बना सकती हैं
  • scale और capital frontier labs की core competitiveness हैं, लेकिन बड़ा business opportunity सस्ती और abundant intelligence की application layer में है; model providers के customer market में घुस आने का platform dependency risk अलग से evaluate करना चाहिए

न रुकने वाली semiconductor treadmill

  • next-generation semiconductor कंपनियाँ design, tape-out, process qualification, और manufacturing व distribution scale-up में भारी capital लगाती हैं, लेकिन product पूरा होते-होते market पहले ही अगली generation मांगने लगता है
  • जो कंपनियाँ इस cycle के साथ नहीं चल पाईं, वे acquired या consolidated हो गईं या चुपचाप business बंद कर दिया; technology itself से ज्यादा capital intensity और development speed ने investment को कठिन बनाया
  • frontier model labs भी बड़े capital investment से product launch करते ही अगले model की demand का सामना करती हैं, इसलिए वही pattern दिखता है

next-generation semiconductor process की cost

  • पुराने processes में सैकड़ों हजार dollars की tape-out cost, 3nm full mask के आधार पर $100 million से अधिक तक पहुँच सकती है
    • cost का अधिकांश हिस्सा wafers से नहीं, बल्कि mask set और non-recurring engineering से आता है
  • International Business Strategies के estimate के अनुसार नए chips की total design cost process node छोटा होने के साथ तेजी से बढ़ती है
    • 28nm: लगभग $40 million
    • 7nm: लगभग $217 million
    • 5nm: लगभग $416 million
    • 3nm: लगभग $590 million
    • 2nm: $725 million से अधिक
  • हालांकि इन आंकड़ों पर debate की गुंजाइश है
    • SemiAnalysis के अनुसार वास्तविक startups ने cutting-edge 7nm chip कुल $50 million–$75 million में launch किए हैं, इसलिए ऊँचे estimates को upper bound मानना चाहिए
  • manufacturing facilities शामिल करें तो burden और बढ़ जाता है
    • 3nm production facility: $15 billion–$20 billion
    • एक EUV scanner: $350 million से अधिक
    • TSMC का 2026 capex plan: $52 billion–$56 billion
  • cost per transistor लगातार घटती है, लेकिन economics केवल वही कंपनियाँ हासिल कर सकती हैं जो इसे offset करने लायक पर्याप्त production volume सुरक्षित कर सकें

next-generation frontier model की cost

  • GPT-4 final training में लगी amortized hardware cost Epoch AI के estimate के अनुसार लगभग $40 million थी
    • Stanford AI Index ने cloud rental prices लागू कर इसे लगभग $78 million calculated किया
    • Sam Altman ने कहा कि इसमें $100 million से अधिक लगे
  • Gemini Ultra की estimated training cost calculation method के अनुसार $30 million–$191 million तक बदलती है
  • methodology के आधार पर leading digit बदल सकती है, फिर भी cost का overall scale समान है; individual estimates से अधिक long-term growth trend महत्वपूर्ण है
  • Epoch AI के अनुसार frontier training cost 8 लगातार वर्षों तक हर साल लगभग 2.4 गुना बढ़ी
    • सबसे बड़े training runs 2027 में $1 billion पार कर सकते हैं
    • Dario Amodei ने अनुमान लगाया कि 2028 में $10 billion scale के training runs दिखाई दे सकते हैं
    • 2026 के frontier training runs पहले ही $200 million–$500 million या अधिक अनुमानित हैं
  • भारी upfront capital, तेज launch cycles, और launch के तुरंत बाद next generation की मांग वाला environment AI labs पर semiconductor कंपनियों जैसा pressure डालता है

AI training assets तेजी से depreciate क्यों होते हैं

  • semiconductor fabs को कई process generations तक reuse किया जा सकता है, और fully depreciated old production lines भी वर्षों तक revenue generate कर सकती हैं
  • इसके विपरीत, trained frontier model की value competitor के बेहतर model launch करते ही घटती है, और उसके पास पुराने semiconductor fab जैसी residual value नहीं होती
  • इस अंतर के कारण frontier AI labs की economic treadmill semiconductor manufacturing से भी अधिक कठोर हो सकती है

semiconductor industry के cycles और consolidation

  • semiconductor industry में लगभग 70 वर्षों से हर 3–4 साल में downturn आया है, और अब तक 15 से अधिक cycles देखे गए हैं
  • dot-com bubble burst के समय PHLX Semiconductor Sector Index(SOX) अपने 2000 peak से लगभग 82% गिरा, और Nvidia की enterprise value भी लगभग 90% घट गई
  • PitchBook के अनुसार semiconductor startup venture investment 2021 में लगभग $14.5 billion पर peak करने के बाद 2022 में 46% घटकर $7.8 billion रहा
  • capital markets freeze होने से पहले R&D को revenue में convert न कर पाने वाले chip startups के operating funds खत्म हो गए
  • हजारों कंपनियों वाली industry कई दशकों में कुछ operators के आसपास consolidate हुई, और खासकर memory market oligopoly structure बन गया
  • extreme capital intensity और लगातार generational shifts साथ आएँ तो industry कुछ winners पर केंद्रित हो जाती है, और boom को permanent state समझने वाली कंपनियाँ अगले downturn में बुरी तरह प्रभावित होती हैं

semiconductor में ज्यादा value बनाने वाली layers

  • semiconductor industry ने सिर्फ cutting-edge process कंपनियों का consolidation ही नहीं किया, बल्कि पूरी tech industry के विशाल value creation की नींव बनी
  • Nvidia·Apple·Qualcomm·Broadcom·AMD ने खुद fabs own किए बिना TSMC आदि पर cutting-edge manufacturing का capital burden डालने वाले fabless model से मजबूत businesses बनाए
  • ARM ने silicon को सीधे handle किए बिना instruction set license करके लगभग हर mobile phone में जगह बनाई
  • इन कंपनियों ने manufacturing treadmill से एक layer ऊपर design, software, ecosystem पर control किया और foundries को balance-sheet risk transfer किया
  • बड़ा बदलाव सस्ते, abundant और लगातार बेहतर होते semiconductors पर हुआ
    • software industry
    • internet
    • smartphone economy
    • cloud computing
    • Google·Amazon और app economy
  • cutting-edge process race में गायब हुई कंपनियों की तुलना में, उस race से बने cheap computing पर business खड़ा करने वाली कंपनियों ने दशकों तक अधिक growth हासिल की

frontier cost बढ़ना और intelligence cost घटना

  • frontier models की cost ceiling $1 billion से ऊपर जा रही है, लेकिन किसी specific performance level तक पहुँचने की cost कुछ estimates के अनुसार हर साल दसवें हिस्से तक घट रही है
  • माना जाता है कि 2023 में जिस level के model की training cost $78 million थी, उसे अब $10 million से कम में बनाया जा सकता है
  • DeepSeek के बारे में कहा जाता है कि उसने कुछ million dollars में high-performance model train किया
  • exact numbers पर debate है और कुछ estimates अत्यधिक optimistic हो सकते हैं, लेकिन open models में same performance implement करने की cost घटने की दिशा स्पष्ट है
  • intelligence, computing के साथ cost curve पर नीचे आ रही है, और frontier competition तथा उसके ऊपर application market की economics अलग-अलग हैं

AI में लागू fabless strategy

  • frontier model training में केवल भारी funding जुटा सकने वाली कुछ labs ही हिस्सा ले सकती हैं, लेकिन उसके ऊपर application layer ज्यादा कंपनियों के लिए खुली है
  • Anysphere की स्थापना 2022 में MIT के 4 students ने की और उसने दूसरी कंपनियों के frontier models के ऊपर Cursor बनाया
    • annualized revenue 2025 की शुरुआत में लगभग $100 million से 2026 के मध्य तक लगभग $4 billion हो गया
    • SpaceX ने जून 2026 में लगभग $60 billion में कंपनी acquire करने पर agreement किया
  • Cursor ने frontier models को खुद train नहीं किया, बल्कि product और developer relationships own किए, और model labs को training cost उठाने दी
  • यही strategy कई industries में लागू हो रही है
    • Perplexity: search
    • Harvey: legal work
    • Sierra: customer service
    • Abridge: clinical settings
    • Glean: internal enterprise work
    • Foundry Robotics: manufacturing
  • ये कंपनियाँ training treadmill पर सीधे चढ़े बिना उसके ऊपर products और businesses बना रही हैं

platform dependency का अलग risk

  • external models के ऊपर product बनाने पर model provider application layer में ऊपर आकर customer company के business से सीधे compete कर सकता है
  • labs पहले से ही अपने models का उपयोग करने वाले कुछ major customers से compete कर रही हैं
  • Cursor ने model providers के अपने coding tools से competition किया और retail model pricing का burden उठाया, जबकि providers wholesale-level economics का लाभ उठा सकते थे
  • platform dependency एक ऐसा investment risk है जिसे नजरअंदाज नहीं किया जा सकता, लेकिन यह frontier labs द्वारा उठाए गए training cost और generational-shift risks से nature और entry cost में अलग है

investment में अलग पहचानने योग्य दो types

  • semiconductor era में दो types की कंपनियों ने performance दी
    • कुछ कंपनियों ने cutting-edge treadmill को लगातार संभालने लायक scale हासिल किया
    • ज्यादा कंपनियों ने सस्ते और abundant silicon से एक-दो layers ऊपर sustainable और high-margin businesses बनाए
  • total value creation के पैमाने पर दूसरा type पहले type से कहीं बड़ा था
  • frontier model era भी इसी दिशा में आगे बढ़ रहा है, और treadmill को पूरा market नहीं समझना चाहिए
  • AI भी पिछले capital-intensive tech booms की तरह एक या अधिक funding droughts झेल सकता है, और optimistic market capital से latest generation finance करने वाली कंपनियाँ उस समय pressure में आएँगी
  • बड़ा opportunity इस बात में नहीं है कि frontier race कौन जीतता है, बल्कि इसमें है कि intelligence सस्ती और abundant होने के बाद क्या बनाया जाता है
  • Red Glass Ventures खासकर उन robotics, hardware और real-world action systems में रुचि रखता है जहाँ सस्ती intelligence physical world से मिलती है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.