एआई की ट्रिलियन-डॉलर समस्या

जैसे ही हम 2025 में प्रवेश करते हैं, कृत्रिम बुद्धिमत्ता क्षेत्र एक महत्वपूर्ण बदलाव के मुहाने पर खड़ा है। जबकि उद्योग अभी भी अभूतपूर्व स्तर के निवेश और ध्यान को आकर्षित करता है – विशेष रूप से जनरेटिव एआई परिदृश्य के भीतर – कई अंतर्निहित बाजार गतिविधियों का सुझाव है कि हम आगामी वर्ष में एआई परिदृश्य में एक बड़े बदलाव की ओर बढ़ रहे हैं।

एक एआई स्टार्टअप का नेतृत्व करने और उद्योग के तेजी से विकास को देखने के मेरे अनुभव से, मुझे लगता है कि इस वर्ष कई मौलिक परिवर्तन लाएगा: बड़े अवधारणा मॉडल (एलसीएम) के उदय से लेकर बड़े भाषा मॉडल (एलएलएम) के गंभीर प्रतिद्वंद्वी के रूप में, विशेषज्ञता वाले एआई हार्डवेयर के उदय तक, बड़े प्रौद्योगिकी कंपनियों द्वारा एआई बुनियादी ढांचे के निर्माण से लेकर उन्हें स्टार्टअप्स जैसे ओपनएआई और एंथ्रोपिक के साथ प्रतिस्पर्धा करने की स्थिति में लाने तक – और जो जानता है, शायद अपना एआई एकाधिकार भी सुरक्षित कर लें।

एआई कंपनियों की विशिष्ट चुनौती: न तो सॉफ्टवेयर और न ही हार्डवेयर

मूल समस्या यह है कि एआई कंपनियां पारंपरिक सॉफ्टवेयर और हार्डवेयर व्यवसायों के बीच एक पहले से अनदेखे मध्य भूमि में कैसे काम करती हैं। पारंपरिक सॉफ्टवेयर कंपनियों के विपरीत, जो मुख्य रूप से मानव पूंजी में निवेश करती हैं और अपेक्षाकृत कम परिचालन व्यय होता है, या हार्डवेयर कंपनियों के विपरीत, जो दीर्घकालिक पूंजी निवेश करती हैं और स्पष्ट रिटर्न पथ होते हैं, एआई कंपनियों को एक विशिष्ट चुनौती का सामना करना पड़ता है जो उनके वर्तमान वित्तपोषण मॉडल को अस्थिर बनाता है।

इन कंपनियों को जीपीयू क्लस्टर और बुनियादी ढांचे के लिए बड़े पैमाने पर अग्रिम पूंजी व्यय की आवश्यकता होती है, जिसमें केवल कंप्यूटिंग संसाधनों पर प्रति वर्ष 100-200 मिलियन डॉलर से अधिक का खर्च होता है। फिर भी, हार्डवेयर कंपनियों के विपरीत, वे इन निवेशों को विस्तारित अवधि में समाप्त नहीं कर सकते हैं। इसके बजाय, वे संकुचित दो-वर्षीय चक्रों पर काम करते हैं, जिसमें प्रत्येक बार उन्हें अपने अगले मूल्यांकन मार्कअप को सही ठहराने के लिए असीमित विकास और अत्याधुनिक प्रदर्शन का प्रदर्शन करने की आवश्यकता होती है।

एलएलएम की विभेदन समस्या

इस संरचनात्मक चुनौती में एक चिंताजनक प्रवृत्ति जोड़ दी जाती है: बड़े भाषा मॉडल (एलएलएम) क्षमताओं का तेजी से सходим। स्टार्टअप, जैसे कि यूनिकॉर्न मिस्ट्रल एआई और अन्य, ने प्रदर्शित किया है कि खुले सोर्स मॉडल बंद सोर्स समकक्षों के समान प्रदर्शन प्राप्त कर सकते हैं, लेकिन तकनीकी विभेदन जो पहले आसमानी मूल्यांकन को सही ठहराता था, अब बनाए रखना越 मुश्किल हो रहा है।

दूसरे शब्दों में, जबकि हर नया एलएलएम मानक बेंचमार्क पर प्रभावशाली प्रदर्शन का दावा करता है, मूल मॉडल वास्तुकला में एक वास्तविक महत्वपूर्ण बदलाव नहीं हो रहा है।

इस डोमेन में वर्तमान सीमाएं तीन महत्वपूर्ण क्षेत्रों से उत्पन्न होती हैं: डेटा उपलब्धता, क्योंकि हम उच्च गुणवत्ता वाले प्रशिक्षण सामग्री से बाहर निकल रहे हैं (जैसा कि हाल ही में एलोन मस्क द्वारा पुष्टि किया गया है); क्यूरेशन विधियों, क्योंकि वे सभी मानव-प्रतिक्रिया दृष्टिकोण को अपनाते हैं जो ओपनएआई द्वारा पioneered किया गया है; और गणनात्मक वास्तुकला, क्योंकि वे सभी एक ही सीमित पूल विशेषज्ञता वाले जीपीयू हार्डवेयर पर निर्भर करते हैं।

जो उभर रहा है वह एक पैटर्न है जहां लाभ अधिक से अधिक दक्षता से आते हैं, न कि पैमाने से। कंपनियां अधिक ज्ञान को कम टोकन में संकुचित करने और बेहतर इंजीनियरिंग आर्टिफैक्ट्स विकसित करने पर ध्यान केंद्रित कर रही हैं, जैसे कि रिट्रीवल सिस्टम जैसे ग्राफ आरएजी (रिट्रीवल-ऑगमेंटेड जेनरेशन)। मूल रूप से, हम एक प्राकृतिक पठार की ओर बढ़ रहे हैं जहां समस्या पर अधिक संसाधनों को फेंकने से घटते रिटर्न मिलते हैं।

पिछले दो वर्षों में नवाचार की अभूतपूर्व गति के कारण, एलएलएम क्षमताओं का यह सходим तेजी से हो रहा है, जो किसी भी अपेक्षा से अधिक तेजी से हो रहा है, जो निधि जुटाने वाली कंपनियों के लिए समय की दौड़ पैदा कर रहा है।

नवीनतम अनुसंधान रुझानों के आधार पर, इस मुद्दे को संबोधित करने के लिए अगली सीमा बड़े अवधारणा मॉडल (एलसीएम) के उदय की है, जो प्राकृतिक भाषा समझ (एनएलपी) के अपने मूल क्षेत्र में एलएलएम के साथ प्रतिस्पर्धा करने वाली एक नई, ग्राउंड-ब्रेकिंग वास्तुकला है।

तकनीकी रूप से, एलसीएम में कई फायदे होंगे, जिनमें बेहतर प्रदर्शन की संभावना है और कम पुनरावृत्ति के साथ समान परिणाम प्राप्त करने की क्षमता है। मुझे लगता है कि ये अगली पीढ़ी के एलसीएम स्पिन-ऑफ टीमों द्वारा विकसित और व्यावसायिक रूप से विकसित किए जाएंगे, जो प्रसिद्ध ‘पूर्व-बड़े प्रौद्योगिकी’ मावेरिक्स हैं जो इस क्रांति का नेतृत्व करने के लिए नए स्टार्टअप की स्थापना कर रहे हैं।

मुद्रीकरण समयरेखा मismatch

नवाचार चक्रों का संकुचन एक और महत्वपूर्ण मुद्दा पैदा करता है: समय-समय पर और टिकाऊ मुद्रीकरण के बीच मismatch। जबकि हम एआई अनुप्रयोगों के ऊर्ध्वाधर में अभूतपूर्व गति देख रहे हैं – जैसे कि वॉइस एआई एजेंट, जो कि अवधारणा से राजस्व उत्पन्न करने वाले उत्पादों तक केवल कुछ महीनों में जा रहे हैं – यह तेजी से व्यावसायीकरण एक गहरी समस्या को छुपाता है।

इसे ध्यान में रखें: आज 20 बिलियन डॉलर मूल्य वाला एक एआई स्टार्टअप को 4-5 वर्षों के भीतर लगभग 1 बिलियन डॉलर का वार्षिक राजस्व उत्पन्न करने की आवश्यकता होगी ताकि वह एक उचित गुणक पर सार्वजनिक होने के लिए सही ठहरा सके। यह न केवल तकनीकी उत्कृष्टता की मांग करता है, बल्कि पूरे व्यवसाय मॉडल में एक नाटकीय परिवर्तन की भी मांग करता है – अनुसंधान-केंद्रित से बिक्री驱ित तक – जबकि नवाचार की गति को बनाए रखना और भारी बुनियादी ढांचे की लागत का प्रबंधन करना।

इस अर्थ में, 2025 में उभरने वाले नए एलसीएम-केंद्रित स्टार्टअप बेहतर स्थिति में होंगे ताकि वे निधि जुटा सकें, जिसमें कम शुरुआती मूल्यांकन उन्हें निवेशकों के लिए अधिक आकर्षक निधि लक्ष्य बनाते हैं।

हार्डवेयर की कमी और उभरते विकल्प

आइए बुनियादी ढांचे पर विशेष रूप से एक नज़र डालें। आज, हर नया जीपीयू क्लस्टर निर्माण से पहले ही बड़े खिलाड़ियों द्वारा खरीदा जाता है, जो छोटे खिलाड़ियों को या तो लंबी अवधि के अनुबंधों में बाध्य करता है या उन्हें पूरी तरह से बाजार से बाहर कर देता है।

लेकिन यहाँ जो वास्तव में दिलचस्प है: जबकि हर कोई जीपीयू के लिए लड़ रहा है, हार्डवेयर परिदृश्य में एक आकर्षक बदलाव हुआ है जो अभी भी बड़े पैमाने पर अनदेखा है। वर्तमान जीपीयू वास्तुकला, जिसे जीपीजीपीयू (सामान्य उद्देश्य जीपीयू) कहा जाता है, उत्पादन में जो अधिकांश कंपनियों को वास्तव में आवश्यक है वह करने के लिए अविश्वसनीय रूप से अक्षम है। यह एक सुपरकंप्यूटर का उपयोग करके एक कैलकुलेटर ऐप चलाने जैसा है।

यही कारण है कि मुझे लगता है कि विशेषज्ञता वाले एआई हार्डवेयर हमारे उद्योग में अगला बड़ा बदलाव होगा। कंपनियां, जैसे कि ग्रोक और सेरेब्रास, इन्फरेंस-विशिष्ट हार्डवेयर बना रही हैं जो पारंपरिक जीपीयू की तुलना में 4-5 गुना सस्ता है। हाँ, इन प्लेटफार्मों के लिए मॉडल को अनुकूलित करने के लिए एक उच्च इंजीनियरिंग लागत है, लेकिन बड़े पैमाने पर अनुमान लगाने वाले कार्यभार वाली कंपनियों के लिए, दक्षता लाभ स्पष्ट हैं। (CBRS )

डेटा घनत्व और छोटे, चतुर मॉडल का उदय

एआई में अगली नवाचार सीमा पर जाने के लिए संभवतः न केवल बड़े मॉडल जैसे एलसीएम के लिए अधिक गणनात्मक शक्ति की आवश्यकता होगी, बल्कि समृद्ध, अधिक व्यापक डेटासेट भी होंगे।

दिलचस्प बात यह है कि छोटे, अधिक कुशल मॉडल बड़े लोगों को चुनौती देना शुरू कर रहे हैं क्योंकि वे उपलब्ध डेटा पर कितनी घनी तरह से प्रशिक्षित हैं। उदाहरण के लिए, माइक्रोसॉफ्ट के फीफ्री या गूगल के जेमा2बी जैसे मॉडल अक्सर केवल 2 से 3 बिलियन पैरामीटर के साथ काम करते हैं, फिर भी 8 बिलियन पैरामीटर वाले बहुत बड़े मॉडल के समान प्रदर्शन स्तर प्राप्त करते हैं। (MSFT )

इन छोटे मॉडलों को उनकी उच्च डेटा घनत्व के कारण प्रतिस्पर्धी बनाया जा रहा है, जो उनके आकार के बावजूद उन्हें मजबूत बनाता है। कompact, शक्तिशाली मॉडलों की ओर यह बदलाव उन कंपनियों के रणनीतिक लाभों के साथ संरेखित होता है जैसे कि माइक्रोसॉफ्ट और गूगल: बिंग और गूगल सर्च जैसे प्लेटफार्मों के माध्यम से विशाल, विविध डेटासेट तक पहुंच।

यह गतिविधि एआई विकास में दो महत्वपूर्ण “युद्ध” का खुलासा करती है: एक कंप्यूट पावर पर और दूसरा डेटा पर। जबकि गणनात्मक संसाधनों की आवश्यकता सीमाओं को आगे बढ़ाने के लिए आवश्यक है, डेटा घनत्व समान रूप से महत्वपूर्ण होता जा रहा है। विशाल डेटासेट तक पहुंच वाली कंपनियां अद्वितीय रूप से स्थित हैं ताकि वे छोटे मॉडलों को असाधारण दक्षता और मजबूती के साथ प्रशिक्षित कर सकें, जो विकसित हो रहे एआई परिदृश्य में अपना वर्चस्व मजबूत कर सकें।

एआई युद्ध कौन जीतेगा?

इस संदर्भ में, हर कोई सोचता है कि वर्तमान एआई परिदृश्य में कौन सबसे अच्छी स्थिति में है जीतने के लिए। यहाँ कुछ खाद्य पदार्थ हैं।

प्रमुख प्रौद्योगिकी कंपनियों ने निर्माण से पहले ही पूरे जीपीयू क्लस्टर को प्री-पurchased किया है, जिससे छोटे खिलाड़ियों के लिए एक कमी का माहौल बनता है। ओरेकल का 100,000+ जीपीयू ऑर्डर और मेटा और माइक्रोसॉफ्ट द्वारा इसी तरह के कदम इस प्रवृत्ति को प्रदर्शित करते हैं।

एआई पहलों में सैकड़ों अरबों डॉलर का निवेश करने के बाद, इन कंपनियों को हजारों विशेषज्ञता वाले एआई इंजीनियर और शोधकर्ताओं की आवश्यकता है। यह एक अभूतपूर्व प्रतिभा की मांग पैदा करता है जिसे केवल रणनीतिक अधिग्रहण के माध्यम से संतुष्ट किया जा सकता है – जो आगामी महीनों में कई स्टार्टअप्स को अवशोषित करने की संभावना है।

जबकि 2025 बड़े पैमाने पर अनुसंधान और बुनियादी ढांचे के निर्माण पर इन अभिनेताओं के लिए खर्च किया जाएगा, 2026 में वे पहले से कभी भी अधिक संसाधनों के साथ हमला करने की स्थिति में होंगे।

यह कहना नहीं है कि छोटी एआई कंपनियां बर्बाद हैं – दूर से। क्षेत्र अभी भी नवाचार और मूल्य बनाना जारी रखेगा। क्षेत्र में कुछ प्रमुख नवाचार, जैसे कि एलसीएम, संभवतः आगे आने वाले वर्ष में छोटे, उभरते अभिनेताओं द्वारा नेतृत्व किए जाएंगे, साथ ही मेटा, गूगल/अल्फाबेट, और ओपनएआई के साथ एंथ्रोपिक, जो सभी वर्तमान में रोमांचक परियोजनाओं पर काम कर रहे हैं। (GOOG )

हालांकि, हम एआई कंपनियों के वित्तपोषण और मूल्यांकन के तरीके में एक मौलिक पुनर्गठन देखेंगे। जैसे ही वेंचर पूंजी अधिक विभेदित हो जाती है, कंपनियों को टिकाऊ इकाई अर्थशास्त्र के लिए स्पष्ट मार्ग प्रदर्शित करने की आवश्यकता होगी – विशेष रूप से खुले सोर्स व्यवसायों के लिए एक विशिष्ट चुनौती जो संसाधन-समृद्ध प्रोप्राइटरी विकल्पों के साथ प्रतिस्पर्धा कर रहे हैं।

विशिष्ट रूप से, खुले सोर्स एआई कंपनियों के लिए आगे का मार्ग विशिष्ट ऊर्ध्वाधर अनुप्रयोगों पर ध्यान केंद्रित करने की आवश्यकता हो सकती है जहां उनकी पारदर्शिता और अनुकूलन क्षमताएं प्रोप्राइटरी समाधानों पर स्पष्ट लाभ प्रदान करती हैं।