$7 ट्रिलियन का सवाल

निर्णायक मोड़ पर AI उद्योग: नवाचार की सीमाएँ, पूंजी का दबाव और भविष्य को नया आकार देता रणनीतिक विभाजन

Muhammed Gider
8 मिनट में पढ़ें • 

$7 ट्रिलियन का सवाल

चमकदार सुर्खियों के पीछे AI उद्योग नवाचार की रफ़्तार, पूंजी की उपलब्धता लंबे समय तक बने रहने और मॉडल विकसित करने वालों तथा एप्लिकेशन बनाने वालों की अलग-अलग राहों को लेकर बुनियादी सवालों से जूझ रहा है।

चुपचाप आ रहा उद्योग का निर्णायक मोड़

पिछले तीन वर्षों में कृत्रिम बुद्धिमत्ता अभूतपूर्व गति से आगे बढ़ी है। ChatGPT के लॉन्च के बाद से उपभोक्ताओं के बीच इसे अपनाने की रफ़्तार ने रिकॉर्ड तोड़ दिए हैं, OpenAI से लेकर Google तक के दिग्गजों ने तेज़ी से एक के बाद एक मॉडल घोषित किए हैं, और Fortune 500 कंपनियों ने AI को अपनी व्यावसायिक प्रक्रियाओं के केंद्र में रखा है। फिर भी आज, चमकदार सुर्खियों के पीछे उद्योग एक बुनियादी तौर पर अलग सवाल से जूझ रहा है:

क्या वास्तविक नवाचार अब भी तेज़ रफ़्तार से आगे बढ़ रहा है, या हम एक विशाल मशीन को अदृश्य सीमाओं से टकराते देख रहे हैं?

इस सवाल का सही जवाब देने के लिए हमें इस पूरे तंत्र को दो अलग-अलग नज़रियों से देखना होगा:

प्राथमिक बाज़ार: GPT-4, Claude और Gemini जैसे आधारभूत मॉडल विकसित करने वाली कंपनियाँ: OpenAI, Anthropic, Google DeepMind, Meta.

द्वितीयक बाज़ार: इन मॉडलों का इस्तेमाल करके उपयोगकर्ताओं की वास्तविक समस्याओं के समाधान बनाने वाली कंपनियाँ: Perplexity, Cursor, Notion AI, Replit.

हालाँकि दोनों बाज़ार एक ही उद्योग का हिस्सा हैं, लेकिन उनके काम करने के तरीके, लागत संरचनाएँ, जोखिम के स्वरूप और वृद्धि की अपेक्षाएँ बुनियादी तौर पर अलग हैं। आज हम जो तनाव देख रहे हैं, वह ठीक इसी अंतर से पैदा हो रहा है।

मॉडल विकास की स्वाभाविक सीमाएँ उभर रही हैं

पिछले पाँच वर्षों में बड़े भाषा मॉडलों के विकास को चार बुनियादी कारकों ने आकार दिया है:

  • मॉडल का आकार (पैरामीटर की संख्या)
  • प्रशिक्षण डेटा (गुणवत्ता और विविधता)
  • कंप्यूटिंग शक्ति (GPU/TPU क्षमता)
  • प्रशिक्षण तकनीकें (ट्रांसफ़ॉर्मर आर्किटेक्चर, अटेंशन तंत्र)

2018 से 2023 तक इन चारों कारकों का विस्तार एक ही दिशा में हुआ, जिससे बड़ी छलाँगें संभव हुईं। इसी तरह हम GPT-2 से GPT-4 और BERT से PaLM तक पहुँचे। लेकिन बढ़त का यह सिलसिला अनिश्चितकाल तक जारी नहीं रहेगा। प्रशिक्षण डेटा अब उद्योग की सबसे गंभीर बाधा है।

मानव-निर्मित उच्च गुणवत्ता वाले, विविध और मौलिक डेटा के स्रोत सीमित हैं। आप Wikipedia के डेटा पर मॉडल को प्रशिक्षित करते हैं, फिर arXiv और GitHub के डेटा पर: उसके बाद क्या? कॉपीराइट विवादों, डेटा स्वामित्व समझौतों और पहुँच पर पाबंदियों के कारण इस क्षेत्र की लागतें घातीय दर से बढ़ रही हैं। आप Reddit के साथ सौदे करते हैं, Stack Overflow से बातचीत करते हैं और The New York Times के मुकदमों का सामना करते हैं। मॉडल का आकार बढ़ाना तकनीकी रूप से अब भी संभव है, लेकिन डेटा की उपलब्धता एक स्वाभाविक सीमा तय कर देती है।

इसीलिए उद्योग ने अपना ध्यान मॉडल के आकार से हटाकर दक्षता पर केंद्रित कर दिया है। चरणबद्ध तर्क-प्रक्रिया यानी चेन-ऑफ़-थॉट रीजनिंग, मानवीय प्रतिक्रिया से पुनर्बलन अधिगम (RLHF), अधिक प्रभावी सैंपलिंग तकनीकें और विशेषज्ञों के मिश्रण पर आधारित आर्किटेक्चर (MoE): ये सभी इस बदलाव का हिस्सा हैं।

ये प्रगतियाँ महत्वपूर्ण हैं, लेकिन अपने दम पर टिकाऊ नहीं हैं। क्योंकि एक समय के बाद दक्षता में सुधार से मिलने वाले लाभ भी अपनी सीमा तक पहुँच जाते हैं। उद्योग अब समझने लगा है कि आधारभूत मॉडलों में नवाचार एक ऐसे चरण में प्रवेश कर चुका है जो अधिक धीमा और अधिक महँगा है।

पूंजी प्रवाह का दबाव और बढ़ती नाज़ुकता

जैसे-जैसे तकनीकी सीमाएँ स्पष्ट होने लगी हैं, पूंजी के मोर्चे पर विस्तार और भी जोखिमपूर्ण हो गया है।

आधारभूत मॉडल बनाने वाली कंपनियाँ विशाल कंप्यूटिंग अवसंरचना खड़ी कर रही हैं और प्रतिभाओं को अपने साथ जोड़ने की होड़ में आक्रामक पेशकशें कर रही हैं। ये खर्च मजबूत राजस्व आधार स्थापित होने से पहले ही किए जा रहे हैं। OpenAI की सालाना कंप्यूटिंग लागत अरबों तक पहुँचती है। Anthropic को Microsoft से अरबों का निवेश मिलता है। Google, DeepMind के लिए अलग बजट आवंटित करता है।

डेटा सेंटरों में अरबों का निवेश, कई वर्षों के GPU अनुबंध, Ilya Sutskever जैसे लोगों को दिए जाने वाले बेतहाशा ऊँचे वेतन: ये सब कंपनियों के खर्चों को भारी स्तर पर बढ़ा देते हैं।

यह तस्वीर दिखाती है कि प्राथमिक बाज़ार आर्थिक रूप से बेहद नाज़ुक विस्तार मॉडल पर टिका है। मॉडल नवाचार की लागत संरचना राजस्व वृद्धि दरों से कहीं अधिक है।

एप्लिकेशन लेयर का खामोश उभार

जहाँ प्राथमिक बाज़ार दबाव में है, वहीं द्वितीयक बाज़ार अपेक्षाकृत स्वस्थ गति से बढ़ रहा है। ये कंपनियाँ आधारभूत मॉडलों को लेकर उन्हें वास्तविक उपयोगों में बदलती हैं।

  • Perplexity: खोज के अनुभव को नए सिरे से गढ़ना
  • Cursor & Replit: कोडिंग की प्रक्रिया को बदलना
  • Notion AI: उत्पादकता के टूल्स को बुद्धिमान बनाना
  • Dvina: 120+ एप्लिकेशन से जुड़कर एक ही बुद्धिमान लेयर से पूरे डिजिटल जीवन का प्रबंधन करना

इन कंपनियों की बढ़त यह है कि वे उपयोगकर्ता के सबसे करीब हैं। वास्तविक मूल्य सीधे उपयोगकर्ता के अनुभव में सामने आता है। खोज, कोडिंग, सामग्री निर्माण, उत्पादकता और सूचना प्रसंस्करण: ये सभी क्षेत्र ऐसे राजस्व मॉडल देते हैं जिन्हें बड़े पैमाने पर बढ़ाया जा सकता है और आसानी से समझा जा सकता है।

इसीलिए आधारभूत मॉडल बनाने वाली कई कंपनियों ने एप्लिकेशन लेयर की ओर बढ़ना शुरू कर दिया है। OpenAI ने ChatGPT को एक उत्पाद बनाया, Anthropic ने Claude को उपभोक्ताओं के लिए एक पेशकश में बदला और Google ने Gemini को एकीकृत किया। ऊर्ध्वाधर एकीकरण की रणनीति तेज़ी से फैल गई है।

लेकिन इस रणनीति के दुष्प्रभाव भी हुए हैं: अधिग्रहण की लागतें आसमान छूने लगी हैं और द्वितीयक बाज़ार के मूल्यांकन फूल गए हैं। द्वितीयक बाज़ार—जो राजस्व पैदा करने में सक्षम एकमात्र क्षेत्र है—का इतना महँगा हो जाना इस क्षेत्र में पूंजी संबंधी जोखिम को और बढ़ाता है।

ऐतिहासिक चक्र और आज की स्थिति को अलग बनाने वाला कारक

कृत्रिम बुद्धिमत्ता ने अतीत में दो बड़ी गिरावटें देखी हैं: 1970 के दशक के उत्तरार्ध में और 1990 के दशक की शुरुआत में। इन दोनों दौरों में कुछ बातें समान थीं: ऊँची अपेक्षाएँ, नवाचार की धीमी गति और निवेश की इच्छा का खत्म होते जाना।

आज की स्थिति अलग है। तकनीकी नवाचार जारी है, लेकिन बड़ी सफलताओं की गति धीमी पड़ रही है। दूसरी ओर, पूंजी प्रवाह अभूतपूर्व पैमाने पर बढ़ रहा है। Sam Altman $7 ट्रिलियन के कंप्यूटिंग फंड की बात करते हैं, जबकि Elon Musk xAI में अरबों लगा रहे हैं।

इसलिए हम जिस दौर से गुज़र रहे हैं, वह पारंपरिक "AI शीतकाल" नहीं है। यह पूंजी आवंटन से उपजी नाज़ुकता का दौर अधिक है: मूल्यांकन फूल रहे हैं, लागतें तेज़ी से बढ़ रही हैं, लेकिन नवाचार की गति अपेक्षाओं पर खरी नहीं उतर रही।

नया युग: बड़े मॉडल नहीं, अधिक समझदार तरीके जीतेंगे

आज का सबसे महत्वपूर्ण अंतर यह है: अब अधिक पैरामीटर जोड़कर और भी विशाल मॉडल बनाना मायने नहीं रखता।

वास्तविक बदलाव इन क्षेत्रों में होगा:

  • पैरामीटर दक्षता बढ़ाना
  • छोटे मॉडलों से बेहतर गुणवत्ता हासिल करना
  • प्रशिक्षण की नई तकनीकें विकसित करना
  • डेटा का अधिक रणनीतिक और प्रभावी ढंग से उपयोग करना
  • प्रशिक्षण की लागत में भारी कमी लाना

हाल के सबसे उल्लेखनीय उदाहरणों में से एक DeepSeek था। इस चीनी स्टार्टअप ने GPT-4 के स्तर का प्रदर्शन करने वाला मॉडल विकसित किया, लेकिन प्रशिक्षण की बहुत कम लागत पर। Mixture-of-experts आर्किटेक्चर, पैरामीटर अनुकूलन, दक्षता पर केंद्रित प्रशिक्षण तकनीकें। बाज़ार ने इस पर ज़ोरदार प्रतिक्रिया दी।

DeepSeek की घोषणा के बाद, NVIDIA का बाज़ार पूंजीकरण एक ही दिन में $600 billion घट गया। इससे पता चला कि निवेशक अब सिर्फ़ बड़े मॉडल बनाने की दौड़ पर नहीं, बल्कि दक्षता और आर्किटेक्चर में नवाचार की दौड़ पर भी नज़र रख रहे हैं।

लेकिन इतना भी पर्याप्त नहीं है। अगर इस क्षेत्र में सचमुच कोई बड़ी छलांग लगनी है, तो वह आर्किटेक्चर के नए प्रतिमानों से आएगी। किसी ऐसी चीज़ से, जो ट्रांसफ़ॉर्मर आर्किटेक्चर से आगे हो। शायद न्यूरोमॉर्फिक कंप्यूटिंग, शायद हाइब्रिड मॉडल, या शायद सीखने का कोई बिल्कुल अलग ढाँचा।

इस तरह के आमूलचूल बदलाव आम तौर पर बड़ी कंपनियों से नहीं आते। बड़े पैमाने पर काम करने के दबाव, बुनियादी ढाँचे की लागत और कॉर्पोरेट जोखिम प्रबंधन के कारण वे सावधानी से आगे बढ़ती हैं। वास्तविक क्रांतिकारी प्रगति अक्सर छोटे, आक्रामक, जोखिम उठाने को तैयार और महत्वाकांक्षी स्टार्टअप्स से आती है।

आज का AI परिवेश संभवतः ऐसे ही किसी बड़े उलटफेर की प्रतीक्षा कर रहा है।

निष्कर्ष: संसाधन नहीं, दृष्टिकोण जीतेगा

आज AI क्षेत्र दो तरह के दबावों के बीच झूल रहा है: एक ओर मॉडल का पैमाना बढ़ाने की रणनीति है, जो अपनी सीमाओं के करीब पहुँच रही है; दूसरी ओर बढ़ते पूंजीगत जोखिम और ऐप्लिकेशन बाज़ार है, जिसका मूल्य तेज़ी से बढ़ रहा है।

यह तस्वीर दिखाती है कि अब मूल समस्या क्षमता की नहीं, दृष्टिकोण की है। आने वाले समय के विजेता वे नहीं होंगे जो बड़े मॉडल बनाएँगे, बल्कि वे होंगे जो अधिक समझदारी भरे तरीके विकसित करेंगे। दक्षता, आर्किटेक्चर के नए डिज़ाइन और अनुकूलित प्रशिक्षण तकनीकें इस क्षेत्र की असली विभाजक रेखा बनती जा रही हैं।

भविष्य में निर्णायक भूमिका संसाधनों की ताकत नहीं, बल्कि दृष्टिकोण की गुणवत्ता निभाएगी। और इस बात की संभावना काफ़ी अधिक है कि दृष्टिकोण में इस बदलाव की शुरुआत बड़ी कंपनियों के बजाय दूरदर्शी स्टार्टअप्स करेंगे।

Dvina से जुड़ें

मुफ़्त में साइन अप करें और अपने सभी टूल एक आसान वर्कस्पेस में लाएँ।

और जानें