एआई की मांग अभी खत्म नहीं हुई है—टोकन अर्थव्यवस्था के दिन जब यह कंपनियों, अर्धचालकों और नौकरियों को निगल जाएगी

"क्या एआई का उछाल अब चरम पर नहीं है?"
2024 से 2025 के बीच, निवेशकों, मीडिया और कंपनी प्रबंधकों के बीच यह सवाल बार-बार उठता रहा। क्या जनरेटिव एआई एक अस्थायी उन्माद है? क्या जीपीयू निवेश अधिक है? क्या कंपनियां वास्तव में एआई पर पैसा खर्च करती रहेंगी?

हालांकि, नेक्स्टबिगफ्यूचर द्वारा 25 अप्रैल 2026 को प्रकाशित लेख "एआई डिमांड इज़ स्टिल बूमिंग" का चित्रण इस संदेह से काफी अलग है। इसमें एआई की मांग के धीमे होने की बजाय, मांग के आपूर्ति से काफी अधिक बने रहने की धारणा है। और यह मांग केवल चैटबॉट उपयोग या चर्चा तक सीमित नहीं है। कंपनियां वास्तव में अपने कार्यों में एआई का उपयोग कर रही हैं, कोड लिखवा रही हैं, अनुसंधान करवा रही हैं, विश्लेषण को स्वचालित कर रही हैं, और पहले बड़े समूहों द्वारा समय लेने वाले कार्यों को छोटे समूहों द्वारा संभाल रही हैं।

इस लेख के केंद्र में सेमीएनालिसिस के डायलन पटेल का बयान है, जो अर्धचालक और एआई इंफ्रास्ट्रक्चर विश्लेषण के लिए जाने जाते हैं। नेक्स्टबिगफ्यूचर ने बताया है कि सेमीएनालिसिस का एआई खर्च, पिछले साल के कुछ हजार डॉलर के स्तर से बढ़कर अब सालाना 7 मिलियन डॉलर के स्तर पर पहुंच गया है। महत्वपूर्ण बात यह है कि यह खर्च केवल शोधकर्ताओं और इंजीनियरों तक सीमित नहीं है। गैर-तकनीकी कर्मचारी भी क्लॉड और कोड जनरेटिंग एआई का नियमित रूप से उपयोग कर रहे हैं, और अपने कार्यों के तरीके को बदल रहे हैं।

यह एआई की मांग को समझने के लिए एक अत्यंत महत्वपूर्ण दृष्टिकोण है। एआई का मूल्य "कितने लोगों ने मुफ्त में आजमाया" से नहीं मापा जा सकता। यह इस बात पर निर्भर करता है कि कंपनियां इसे अपने कार्यप्रणाली में कितना शामिल करती हैं, कितने टोकन का उपभोग करती हैं, और वह उपभोग कितनी बिक्री, लागत बचत, और निर्णय लेने की गति में योगदान देता है। यानी, एआई अर्थव्यवस्था के केंद्रीय संकेतक "उपयोगकर्ता संख्या" से "टोकन उपभोग मात्रा" और "प्रति टोकन आर्थिक मूल्य" की ओर बढ़ रहे हैं।

जब निष्पादन सस्ता हो जाता है, तो विचारों का मूल्यांकन होता है

नेक्स्टबिगफ्यूचर के लेख में सबसे उत्तेजक बात यह है कि "विचार सस्ते हैं, निष्पादन कठिन है" की पुरानी धारणा टूट रही है।

अब तक के व्यवसाय में, केवल विचार देना कोई भी कर सकता था, लेकिन उसे लागू करना, सत्यापित करना, बेचना, और लगातार सुधार करना ही भेदभावक कारक था। एक उत्कृष्ट उत्पाद बनाने के लिए इंजीनियर, डिजाइनर, डेटा विश्लेषक, प्रोजेक्ट मैनेजर, और बिक्री प्रतिनिधि की आवश्यकता होती थी, और इसमें समय और धन लगता था।

हालांकि, जब एआई कोड लिखता है, अनुसंधान करता है, परिकल्पना को सत्यापित करता है, सामग्री बनाता है, और डेटा का विश्लेषण करता है, तो निष्पादन की लागत तेजी से घटती है। निश्चित रूप से, मानव निर्णय और गुणवत्ता नियंत्रण की आवश्यकता होती है, लेकिन "पहले इसे बनाएं", "पहले इसे जांचें", "पहले इसे सत्यापित करें" तक की दूरी अत्यधिक कम हो जाती है।

यह परिवर्तन उद्यमियों और कंपनियों के लिए एक बड़ा अवसर है। छोटे समूह भी बड़े निगमों की तरह प्रयोग कर सकते हैं। व्यक्ति भी, पहले विभागीय स्तर पर किए गए विश्लेषण और विकास के करीब कुछ कर सकते हैं। नेक्स्टबिगफ्यूचर के लेख में जीपीयू का उपयोग करके चिप विश्लेषण डैशबोर्ड या अमेरिकी पावर ग्रिड विश्लेषण और एआई प्रभाव बेंचमार्क जैसे कार्यों को कम समय में पूरा करने के उदाहरण दिए गए हैं।

हालांकि, इस दुनिया में "क्या बनाना है" की महत्वता और बढ़ जाती है। जितना आसान निष्पादन होता है, उतनी ही जल्दी साधारण विचारों की नकल की जाती है और वे मूल्य प्रतिस्पर्धा में फंस जाते हैं। एआई के साथ सब कुछ बनाने की क्षमता होने के कारण, वास्तव में मूल्यवान प्रश्न पूछने वाले लोग, अद्वितीय डेटा और ग्राहक संपर्क रखने वाली कंपनियां, और तेजी से निर्णय लेने वाले संगठन लाभान्वित होंगे।

एआई युग में मूल्यवान होने वाली चीजें केवल कार्य की मात्रा नहीं हैं, बल्कि अच्छे समस्या सेटिंग, अच्छे डेटा, अच्छे बाजार की समझ, और एआई के आउटपुट को वास्तविक लाभ में बदलने की क्षमता हैं।

टोकन का उपयोग करने वाली कंपनियों और न करने वाली कंपनियों के बीच का अंतर

लेख में प्रस्तुत एक और मजबूत तर्क यह है कि "एआई का थोड़ा सा उपयोग करना" पर्याप्त नहीं होगा।

एआई अपनाने के बारे में सोचते समय, कई कंपनियां पहले लागत कटौती पर ध्यान देती हैं। पहले 8 घंटे लगने वाले काम को 1 घंटे में खत्म करना। कर्मचारियों को कम करना। आउटसोर्सिंग खर्च को कम करना। यह निश्चित रूप से अल्पकालिक में प्रभावी है।

हालांकि, नेक्स्टबिगफ्यूचर के लेख में इस विचार पर जोर दिया गया है कि केवल इतना ही करने से जीत नहीं मिलेगी। एआई का उपयोग करके 1 घंटे काम करने के बजाय, वही 8 घंटे का उपयोग करके 8 गुना, 10 गुना आउटपुट देने वाली कंपनियां जीतेंगी। यानी, एआई को "आराम करने का उपकरण" के रूप में उपयोग करने या "उत्पादन को विस्फोटित करने का उपकरण" के रूप में उपयोग करने के बीच, कंपनियों के बीच का अंतर बढ़ता जाएगा।

यह दृष्टिकोण काफी कठोर है। एआई का उपयोग न करने वाले लोग, सीमित उपयोग करने वाले लोग, और टोकन उपभोग को बचाने वाली कंपनियां, दीर्घकालिक में एक असहाय स्थिति में फंस सकती हैं। डायलन पटेल के आसपास के लोगों द्वारा उपयोग किया गया "स्थायी निम्न वर्ग" का अभिव्यक्ति उग्र है, लेकिन इसका अर्थ स्पष्ट है। एआई का पूरा उपयोग करके मूल्य उत्पन्न करने वाले लोग और एआई द्वारा प्रतिस्थापित होने वाले लोग के बीच एक नया अंतर पैदा होगा।

बेशक, इस बहस में सावधानी भी आवश्यक है। यह कोई सरल बात नहीं है कि हर कोई असीमित रूप से एआई का उपयोग करे। गोपनीय जानकारी, गलत जानकारी, कॉपीराइट, सुरक्षा, गुणवत्ता आश्वासन, और लागत प्रबंधन की समस्याएं बनी रहती हैं। हालांकि, अगर कंपनियां एआई उपयोग को अत्यधिक सीमित करती हैं और कार्यस्थल पुराने तरीकों से बंधा रहता है, तो एआई का सक्रिय उपयोग करने वाले प्रतिस्पर्धियों के मुकाबले गति में पिछड़ने की संभावना अधिक होती है।

एआई युग की प्रबंधन चुनौतियां "एआई का उपयोग करना है या नहीं" से "किस कार्य में, किस मॉडल को, किस अधिकार के साथ, कितना उपयोग करना है" में बदल रही हैं।

मांग विस्फोट के पीछे अर्धचालक बाधा

जैसे-जैसे एआई की मांग बढ़ती है, वास्तविक दुनिया की सीमाएं सामने आती हैं। मॉडल क्लाउड पर चलते हुए दिखाई देते हैं, लेकिन उनके पीछे जीपीयू, सीपीयू, मेमोरी, नेटवर्क, बिजली, शीतलन उपकरण, डेटा सेंटर, अर्धचालक निर्माण उपकरण, और उन्नत पैकेजिंग होती है।

नेक्स्टबिगफ्यूचर के लेख में विशेष रूप से मेमोरी, टीएसएमसी, सीपीयू, जीपीयू जीवनकाल, ऑप्टिकल कम्युनिकेशन, कॉपर फॉयल, पीसीबी, निर्माण उपकरण आदि में एआई इंफ्रास्ट्रक्चर की विभिन्न परतों में आपूर्ति की कमी की बात की गई है। एआई की मांग केवल एनवीडिया के जीपीयू को ही नहीं बढ़ा रही है। एआई एजेंट और अनुमान प्रक्रिया के विस्तार के साथ, सीपीयू, डीआरएएम, एचबीएम, स्टोरेज, और नेटवर्क उपकरणों पर भी भार बढ़ रहा है।

यह एक महत्वपूर्ण परिवर्तन है। शुरुआती एआई निवेश उछाल मुख्य रूप से बड़े मॉडल के प्रशिक्षण के लिए आवश्यक जीपीयू की मांग के रूप में देखा गया था। हालांकि, जब एआई को कार्य में शामिल किया जाता है, तो मांग का केंद्र अनुमान, यानी दैनिक उपयोग में बदल जाता है। जैसे-जैसे कंपनियां कोड जनरेशन, खोज, विश्लेषण, ग्राहक समर्थन, बिक्री सहायता, डिजाइन, रोबोट नियंत्रण आदि में एआई का उपयोग करती हैं, निरंतर गणना संसाधनों की आवश्यकता बढ़ती जाती है।

और अनुमान की मांग, एकल बड़े प्रशिक्षण से अलग है। यह हर दिन, हर घंटे, हर सेकंड होती है। जैसे-जैसे उपयोगकर्ता बढ़ते हैं और एआई एजेंट स्वायत्त रूप से कार्यों को घुमाने लगते हैं, टोकन उपभोग मानव हाथों की इनपुट गति से अधिक तेजी से बढ़ता है। एआई एक अन्य एआई को बुलाता है, कोड उत्पन्न करता है, परीक्षण करता है, संशोधित करता है, खोज करता है, और फिर से सारांशित करता है। इस तरह के एजेंटिक वर्कफ्लो पारंपरिक चैट उपयोग की तुलना में कहीं अधिक गणना संसाधनों का उपभोग करते हैं।

परिणामस्वरूप, अर्धचालक आपूर्ति श्रृंखला व्यापक रूप से दबाव में आती है। डीआरएएम और एचबीएम की कमी, उन्नत प्रक्रिया उत्पादन स्लॉट, कोवोस जैसी उन्नत पैकेजिंग, सर्वर सीपीयू, डेटा सेंटर बिजली, पावर ग्रिड, शीतलन उपकरण। एआई की मांग सॉफ्टवेयर उद्योग की बात होने के साथ-साथ, यह निर्माण, ऊर्जा, और भू-राजनीति की भी बात है।

एंथ्रोपिक, क्लॉड कोड, और "मॉडल की जमाखोरी"

लेख में एंथ्रोपिक की राजस्व वृद्धि और क्लॉड कोड के उपयोग विस्तार का भी उल्लेख है। नेक्स्टबिगफ्यूचर ने बताया है कि एंथ्रोपिक का एआरआर बड़ी तेजी से बढ़ रहा है, और मांग इतनी मजबूत है कि कीमत या दर सीमा को समायोजित करने पर भी यह बिकता है। हालांकि, ये आंकड़े गैर-सार्वजनिक कंपनियों के बारे में अनुमान और संबंधित व्यक्तियों के बयानों को शामिल करते हैं, इसलिए इन्हें आधिकारिक वित्तीय विवरणों की तरह नहीं माना जाना चाहिए।

फिर भी, दिशा के रूप में इसे समझना आसान है। एआई कोडिंग टूल्स कंपनियों के लिए लागत-प्रभावशीलता को स्पष्ट रूप से दिखाते हैं। कोड जनरेशन, बग सुधार, परीक्षण निर्माण, माइग्रेशन कार्य, आंतरिक टूल विकास आदि एआई द्वारा समय की बचत को सीधे मापने योग्य क्षेत्र हैं। इंजीनियरों की प्रति घंटा मजदूरी या भर्ती लागत को देखते हुए, उच्च प्रदर्शन मॉडल पर खर्च को आसानी से सही ठहराया जा सकता है।

यहां समस्या यह है कि सबसे अच्छे मॉडल तक पहुंच कैसे हो। यदि मांग आपूर्ति से अधिक है, तो एआई कंपनियों को सभी उपयोगकर्ताओं को समान शर्तों पर उच्चतम प्रदर्शन मॉडल प्रदान करने की आवश्यकता नहीं है। उच्च कीमत चुकाने वाली कंपनियां, दीर्घकालिक अनुबंध करने वाली कंपनियां, रणनीतिक रूप से महत्वपूर्ण ग्राहकों को प्राथमिकता दी जा सकती है।

नेक्स्टबिगफ्यूचर के लेख में कहा गया "मॉडल होर्डिंग" इस स्थिति को दर्शाता है। उच्चतम प्रदर्शन मॉडल या बड़े अनुमान स्लॉट को वित्तीय रूप से मजबूत कंपनियों को प्राथमिकता से आवंटित किया जा सकता है। यदि ऐसा होता है, तो एआई के लोकतंत्रीकरण का आदर्श उल्टा हो जाएगा, और एआई की क्षमता कुछ विशाल कंपनियों या उच्च-लाभ वाली कंपनियों में केंद्रित हो जाएगी।

यह क्लाउड युग में भी हुआ था, लेकिन एआई युग में यह और भी गंभीर हो सकता है। क्योंकि एआई मॉडल तक पहुंच का अंतर सीधे उत्पाद विकास गति, बिक्री दक्षता, अनुसंधान और विकास क्षमता, ग्राहक प्रतिक्रिया क्षमता, और यहां तक कि रोजगार संरचना से जुड़ा होता है।

रोबोटिक्स अगली मांग लहर बना सकता है

लेख में ह्यूमनॉइड रोबोट और रोबोटिक्स का भी उल्लेख है। वर्तमान रोबोट एआई में, दृश्य, भाषा, और क्रिया को जोड़ने वाले मॉडल अभी भी डेटा दक्षता के मामले में चुनौतियों का सामना कर रहे हैं। हालांकि, यदि कुछ प्रदर्शनों से कार्य सीखने में कोई सफलता मिलती है, तो भौतिक दुनिया में एआई की मांग तेजी से बढ़ सकती है।

यह बिंदु एआई की मांग के भविष्य को समझने के लिए बहुत महत्वपूर्ण है। वर्तमान एआई की मांग का अधिकांश हिस्सा डिजिटल स्थान में उत्पन्न हो रहा है, जैसे कि लेखन, कोड, छवियां, वीडियो, खोज, और विश्लेषण। लेकिन अगर रोबोट को गोदामों, कारखानों, घरों, निर्माण, चिकित्सा, कृषि, और लॉजिस्टिक्स में उपयोग किया जाने लगे, तो एआई भौतिक कार्यों में भी प्रवेश करेगा।

भौतिक दुनिया के कार्य डिजिटल कार्यों की तुलना में बड़े बाजार का आकार रखते हैं। मानव द्वारा हाथ से किए जाने वाले कार्य, यात्रा के साथ किए जाने वाले कार्य, और पर्यावरण परिवर्तन के अनुकूल कार्य बहुत अधिक हैं। यदि रोबोट उन्हें कुछ प्रदर्शनों से सीख सकते हैं, तो रोबोट प्रति यूनिट के लिए सीखने, अनुमान, सिमुलेशन, और नियंत्रण में बड़ी मात्रा में गणना संसाधनों की आवश्यकता होगी।

इसका मतलब है कि रोबोटिक्स की प्रगति जीपीयू और टोकन की मांग की दूसरी लहर बन सकती है। टेक्स्ट एआई के बाद, भौतिक एआई आएगा। अगर ऐसा होता है, तो एआई इंफ्रास्ट्रक्चर की मांग वर्तमान की अपेक्षाओं से भी अधिक हो सकती है।

एसएनएस और टिप्पणी अनुभाग की प्रतिक्रिया: बुलिश, सावधानी, चीन खतरा सिद्धांत

इस लेख और संबंधित डायलन पटेल के बयानों के प्रति इंटरनेट पर प्रतिक्रिया को सरल समर्थन या विरोध में विभाजित नहीं किया जा सकता। व्यापक रूप से देखने पर, तीन प्रतिक्रियाएं हैं।

पहला, निवेशकों और टेक से जुड़े लोगों की बुलिश प्रतिक्रिया है। एक्स पर, एआई खर्च केवल सैद्धांतिक अपेक्षा नहीं है, बल्कि टीएसएमसी या एएसएमएल, मेमोरी कंपनियों, डेटा सेंटर से संबंधित कंपनियों के ऑर्डर और दृष्टिकोण में दिखाई दे रहा है। एआई की मांग अभी भी जारी है, अर्धचालक चक्र समाप्त नहीं हुआ है, बल्कि जीपीयू के अलावा सीपीयू, मेमोरी, और बिजली के बुनियादी ढांचे में फैल रहा है। यह नेक्स्टबिगफ्यूचर के लेख के करीब का दृष्टिकोण है।

दूसरा, श्रमिकों और सामान्य उपयोगकर्ताओं की चिंता है। क्या एआई नौकरियां छीन लेगा, क्या कंपनियां एआई निवेश के लिए कर्मचारियों की कटौती करेंगी, क्या एआई डेटा सेंटर स्थानीय बिजली और जल संसाधनों पर दबाव डालेंगे, इस तरह की चिंताएं मजबूत हैं। प्यू रिसर्च और एनबीसी न्यूज से संबंधित रिपोर्टों में भी, अमेरिका में एआई के प्रति चेतावनी की भावना बढ़ रही है। एसएनएस पर, ए