लेखक: a16z
संपादित: शेनचाओ टेकफ्लो
शेनचाओ का परिचय: जब पूरे प्रौद्योगिकी क्षेत्र में 7% की नौकरियाँ कटौती हो रही हैं, तो सॉफ्टवेयर डेवलपमेंट के पद 14.6% बढ़ रहे हैं—कारण यह है कि AI उपकरण नवीनों को उत्पादन-स्तरीय कोड लिखने में सक्षम बना रहे हैं। यह "AI ने नौकरी छीन ली" की कहानी नहीं है, बल्कि यह साबित करता है कि उपकरण लोगों को अधिक मूल्यवान बना रहे हैं। इंटर्नशिप पदों में भारी वृद्धि से लेकर युवा वर्ग में वेतन वृद्धि की अगुआई तक, श्रम बाजार का संकेत स्पष्ट है: AI का उपयोग करने वाले लोग अब बहुत मांग में हैं।
ग्राफ: क्लॉड कोड के लॉन्च के बाद सॉफ्टवेयर डेवलपमेंट पदों की घोषणा 114.6 तक बढ़ गई, जबकि समग्र बाजार 93 तक गिर गया। स्रोत: a16z
सॉफ्टवेयर स्टॉक्स की चयनात्मक बिक्री
पब्लिक ट्रेडिंग सॉफ्टवेयर कंपनियों की समस्याएँ अभी भी जारी हैं, लेकिन जैसा कि हमने पहले बताया था, वर्तमान स्थिति एक समान "बहुत बड़ी हत्याकांड" नहीं है।
सॉफ्टवेयर स्टॉक की बिकवाली वर्तमान या निकट भविष्य के प्रदर्शन का परिणाम नहीं है, बल्कि बाजार का सामूहिक संदेह है कि इन कंपनियों की लंबे समय तक प्रदर्शन करने की क्षमता है या नहीं:
अगले दिसंबर के लिए मुक्त नकदी प्रवाह का मूल्यांकन गुणांक 2014 के स्तर के बराबर या उससे कम है। दूसरे शब्दों में, निवेशक अब सॉफ्टवेयर कंपनियों की नकदी उत्पादन क्षमता पर दस सालों में सबसे कम प्रीमियम दे रहे हैं।
मुख्य बात यह है कि भले ही "SaaS मर चुका है" के सबूत अभी कमजोर हों, निवेशकों का कर्तव्य भविष्य के प्रति एक दृष्टिकोण रखना है, और भविष्य उनके लिए कुछ अंधेरा लगता है।
हालांकि, सभी सॉफ्टवेयर कंपनियों का भविष्य अंधेरा नहीं है। अंतर और पहचान क्षमता अब खेल के नियम बनती जा रही हैं। आप इसे कई अलग-अलग कोणों से देख सकते हैं।
सबसे पहले IGV इंडेक्स के मीडियन, शीर्ष और निचले चतुर्थक प्रदर्शन के अंतर को देखें:
पिछले 30 ट्रेडिंग दिनों में, शीर्ष चतुर्थांश और माध्यिका IGV स्टॉक ने समग्र ETF की तुलना में बेहतर प्रदर्शन किया—निम्न चतुर्थांश (जिसमें कुछ सबसे बड़ी कंपनियाँ शामिल हैं) ने समग्र प्रदर्शन को नीचे खींचा।
पिछले वर्ष की तुलना में, स्थिति बहुत अलग है:
पिछले वर्ष, माध्यिका ने समग्र ETF प्रदर्शन का अधिक निकटता से अनुसरण किया — जब तक कि वर्ष की शुरुआत के आसपास तक प्रदर्शन के चतुर्थांश अलग नहीं हो गए (अब शीर्ष और निचले भाग के बीच लगभग 50 प्रतिशत का अंतर है)।
30 दिन के दृश्य पर वापस जाएं, स्पष्ट है कि मूलभूत दर्शन पिछले शेयर मूल्य प्रदर्शन का कठोर चालक नहीं हैं:
आय वृद्धि के दृष्टिकोण से, वृद्धि और हालिया प्रदर्शन के बीच लगभग कोई संबंध नहीं है (हालांकि, न्यायसंगत ढंग से कहा जा सकता है कि बहुत सी बातें वृद्धि के स्तर के बजाय वृद्धि में परिवर्तन से समझी जा सकती हैं)। प्रदर्शन के चतुर्थांश के आधार पर, एक ही पैटर्न दिखाई देता है: 10-20% के आय वृद्धि अंतराल में कई सॉफ्टवेयर कंपनियाँ एकत्रित होती हैं, लेकिन प्रदर्शन लगभग ऊर्ध्वाधर रूप से वितरित है, और कुछ सबसे तेज़ आय वृद्धि वाली (और ETF में सबसे बड़ी) कंपनियाँ प्रदर्शन के निचले चतुर्थांश में स्थित हैं।
वृद्धि की तुलना में, लंबे समय तक की अनुभूति अधिक महत्वपूर्ण है। यहाँ उद्योग के आधार पर एक ही चार्ट है:
हालांकि प्रत्येक कंपनी को स्पष्ट रूप से वर्गीकृत करना कठिन है, लेकिन शीर्ष और दूसरे चतुर्थांश के प्रदर्शनकर्ता अक्सर (1) साइबर सुरक्षा/दृश्यता; और (2) ऊर्ध्वाधर SaaS द्वारा प्रभावित होते हैं। इसके विपरीत, निचले दो चतुर्थांश क्षैतिज SaaS, क्लाउड/अवसंरचना और "अन्य" श्रेणियों का कुछ संयोजन हैं, जिनमें मार्केटप्लेस, विज्ञापन प्रौद्योगिकी और पॉइंट समाधान (और MicroStrategy जैसी कठिन वर्गीकृत कंपनियाँ) शामिल हैं।
स्पष्ट रूप से एक मुख्य बिंदु है। गलत या सही होने के बावजूद, बाजार ने सॉफ्टवेयर कंपनियों के बीच स्पष्ट अंतर महसूस कर लिया है—जिन कंपनियों में कुछ AI रक्षात्मकता और/या प्रतिकूल लाभ है (और जिनमें नहीं है)।
साइबर सुरक्षा और दृश्यता के लिए, AI की उम्मीद है कि खरीददारों की त्वरितता को बढ़ाएगा (और मौजूदा फर्मों के पास AI नवागंतुकों को विस्थापित करने के लिए विश्वास का प्रीमियम है)।
वर्टिकल SaaS के लिए, कार्यप्रवाह, डेटा और ग्राहक संबंधों के चारों ओर विशेषज्ञता की जानकारी को AI चुनौतीकर्ताओं के लिए प्रवेश बाधा माना जाता है (जबकि क्षैतिज प्लेटफॉर्म के लिए ऐसा नहीं कहा जा सकता)।
लेकिन अन्य सभी के लिए, संदेश स्पष्ट है: सॉफ्टवेयर खुद एक रक्षात्मक बाधा नहीं है।
वर्षों का स्थायी और निरंतर जमा होता ARR, विशाल सुविधा सेट और व्यापक अपनाया जाना केवल—कल की खबर है। संभवतः कुछ क्वार्टरों का स्थिर और/या सुधार हुआ विकास परिस्थितियों को उलट देगा, लेकिन वर्तमान में बाजार इसमें विश्वास नहीं करता।
AI की मांग में वृद्धि > AI पर खर्च में वृद्धि
आपने हाल ही में token-maxxing से token-optimizing की ओर अपने अहसास में बदलाव के बारे में सुना होगा, जो एक बड़ी बात है।
हालांकि अग्रणी मॉडल्स के प्रशिक्षण की लागत बढ़ रही है, लेकिन इन अग्रणी सुधारों का सीमांत लाभ ग्राहकों को अतिरिक्त लागत वहन करने के लिए प्रेरित करने के लिए पर्याप्त नहीं हो सकता है। ग्राहक नवीनतम और सबसे शक्तिशाली टोकन का अधिकतम उपयोग नहीं करेंगे, बल्कि जहां संभव हो, सस्ते और कम क्षमता वाले मॉडल्स (जिसमें खुले वजन मॉडल्स शामिल हैं) पर स्विच कर देंगे।
कुछ लोगों के लिए, उन्हें लगता है कि यह परिवर्तन अग्रणी मॉडल विकास की टिकाऊपन को सवाल में डालता है—अगर ग्राहक नवीनतम और सबसे शक्तिशाली मॉडल की लागत का समर्थन नहीं करते, तो प्रयोगशालाएँ क्या करें? न्यायसंगत, हालाँकि यह आपत्ति कुछ हद तक विरोधाभासी है, क्योंकि अग्रणी मॉडल विकास की टिकाऊपन को खतरे में डालने के लिए अग्रणी मॉडल के तेज़ी से अप्रचलित होने को पहले ही खतरा माना जाता था... और अब अग्रणी मॉडल कम अप्रचलित हो रहे हैं, जो स्पष्ट रूप से अभी भी एक खराब बात है। ठीक है।
उस बहस के सही-गलत पर गहराई से चर्चा किए बिना, हम केवल यह देखते हैं कि स्मार्ट लागत तेजी से कम हो रही है, जो AI की मांग पर सकारात्मक प्रभाव डालती है। दूसरे शब्दों में, जेवन्स प्रक्रिया अभी भी लागू है: AI जितना सस्ता होगा, लोग/कंपनियाँ उसका उपयोग उतना ही अधिक करना चाहेंगी (अधिक कार्यों के लिए)।
वही बात है जो आप देखना चाहते हैं।
आइए एक अन्य नवीन पूर्वाधार से शुरू करते हैं, जो केंद्रीकृत और महंगे से शुरू हुआ और फिर विकेंद्रीकृत और सस्ता हो गया: कंप्यूटर। AI के मामले में, पीसी-संचालित पिछली तकनीकी क्रांति की तुलना में, बुद्धिमत्ता की लागत तेजी से घट रही है:
PC को AI द्वारा लगभग 3 वर्षों में प्राप्त किए गए सस्तेपन के लाभ को प्राप्त करने में लगभग बीस वर्ष लग गए।
यह एक असाधारण गति है, और कंप्यूटर की तरह, लागत में कमी ऐसी लग रही है कि वह AI की मांग को दाईं ओर ऊपर की ओर धकेल रही है (अभी भी बहुत बड़ा स्थान उपलब्ध है)।
ग्राहक ओर, पीएनसी बैंक के डेटा के अनुसार, भुगतान प्रवेश दर अभी भी छोटी है, लेकिन बढ़ रही है:
पेड AI के घरेलू हिस्से और उनका औसत मासिक खर्च दोनों लगातार बढ़ रहे हैं—मासिक खर्च में वृद्धि अधिक तीव्र है, वर्ष की शुरुआत से लगभग 25% की वृद्धि हुई है।
ये स्पष्ट रूप से आदर्श तुलना नहीं हैं, लेकिन कुछ दृष्टिकोण के रूप में, 1997 में केवल लगभग 45% 35-54 वर्ष के वयस्कों ने अपने पास PC होने की रिपोर्ट की (कंप्यूटर के व्यावसायिक लॉन्च के कई दशकों बाद, मुख्य रूप से उद्योग में)। वर्तमान में, कंप्यूटर रखने वाले परिवारों का हिस्सा लगभग 90% है, और स्मार्टफोन को शामिल करने पर यह लगभग 97% हो जाता है—मुख्य बात यह है कि द्रव्यमान बाजार अपनाने में कुछ समय लगता है, और यह उपयोगिता और लागत के साथ विस्तारित होता है।
अन्य डेटा भी दर्शाता है कि AI की मांग लागत की दक्षता के साथ बढ़ रही है।
YipitData द्वारा OpenRouter डेटा के विश्लेषण के अनुसार (केवल कुल token उपभोग के एक उपसमूह को मापते हुए), अग्रणी token उपयोग जारी है, जबकि खुले वजन वाले token तेजी से हिस्सा प्राप्त कर रहे हैं:
"एशियाई आपूर्तिकर्ता" का कुल टोकन में हिस्सा (जो ओपन वेट्स के विकल्प का प्रतिनिधित्व करता है) लगभग 60% तक बढ़ गया है, जो वर्ष की शुरुआत की तुलना में तीन गुना है। OpenRouter के नमूने में कम से कम किसी न किसी तरह से ओपन वेट्स उपयोगकर्ताओं के प्रति पक्षपात हो सकता है, लेकिन यह वास्तव में मूल्य अंतर की कहानी के साथ-साथ जेवन्स प्रकार की कहानी के साथ भी संगत है।
इसी तरह, OpenRouter के अनुसार, हालांकि प्रति उपयोगकर्ता टोकन और प्रति उपयोगकर्ता खर्च दोनों तेजी से बढ़ रहे हैं, लेकिन वर्ष की शुरुआत से पहले की तुलना में पहला बहुत अधिक तेजी से बढ़ा है:
एक बार फिर याद दिलाते हैं, OpenRouter केवल उसी को देख सकता है जिसे यह देख सकता है, और यह मॉडल Jevons के सेटअप के साथ बहुत मेल खाता है (आवश्यकता AI की तेजी से लागत कुशलता में वृद्धि के साथ समानुपातिक रूप से बढ़ती है)।
अभी के लिए, स्पष्ट है कि जैसे-जैसे स्मार्ट अधिक सस्ता होता जा रहा है, यह मांग वक्र को आगे दाईं ओर धकेल रहा है। सब-फ्रंटियर मॉडल से आने वाले सस्ते टोकन वास्तव में हिस्सा प्राप्त कर रहे हैं, लेकिन शुद्ध प्रभाव समग्र खर्च को घातीय रूप से बढ़ा रहा है। यह निश्चित रूप से निराशाजनक कहानी नहीं है।
निराशावादी अभी भी दावा कर सकते हैं कि ओपन वेट मॉडल फ्रंटियर को धीरे-धीरे खा रहे हैं, लेकिन दक्षता में वृद्धि का मांग पर स्पष्ट प्रभाव नहीं पड़ रहा है औ/या कुल खर्च में कमी को बढ़ावा दे रहे हैं, वास्तव में अधिक अंतिम परिदृश्य के करीब हैं। इसके विपरीत, जेवन्स ठीक वही है जो बुलिश लोग चाहते हैं।
Entry-level position tailwind
AI की मांग के बारे में, जबकि AI को अर्थपूर्ण ROI उत्पन्न करने के लिए पर्याप्त उपयोगी नहीं माना जाता है, लेकिन इतना उपयोगी कि यह सभी नौकरियों को समाप्त कर देगा, हम खुशी के साथ यह बताते हैं कि वर्तमान में AI वास्तव में किसी भी नौकरी को समाप्त कर रहा है, इसका लगभग कोई सबूत नहीं है।
वास्तव में, बल्कि यह कहा जा सकता है कि श्रम बाजार में एक कमजोर बिंदु (अर्थात् प्रारंभिक भर्ती) भी हाल ही में कुछ गति प्राप्त की है, और यदि कुछ अंतर है, तो AI द्वारा मदद किए जाने की संभावना है, न कि क्षति।
सबसे पहले, रेवेलियो के डेटा के अनुसार, 2026 की गर्मियों के इंटर्नशिप की ट्रैकिंग पिछले कुछ वर्षों की तुलना में काफी अधिक है:
इंटर्नशिप काम नहीं होती, लेकिन यह कम से कम युवाओं के लिए कुछ आवश्यकता का संकेत है, 2026 चक्र '25 और '24 से कहीं अधिक है (हालांकि '23 जितना नहीं)।
इससे बेहतर बात यह है कि युवा और युवा वयस्कों के वेतन में भी वृद्धि हो रही है:
ADP के डेटा के अनुसार, युवा कर्मचारियों (16-24 वर्ष) के वेतन में वृद्धि 2025 के निम्न स्तर से वापस बढ़ी है। वेतन में वृद्धि लगभग निश्चित रूप से मांग का संकेत है, और यदि वेतन बढ़ रहे हैं, तो यह तर्कसंगत रूप से अनुभवहीन नौकरियों के क्षेत्र में सुधार का संकेत है।
AI के प्रभाव के बारे में (अगर कोई हो), स्थिति और भी बेहतर है। AI प्रारंभिक स्तर की भर्ती को तेजी से बढ़ा रहा है:
रिवेलियो के नौकरी के डेटा और रैंप के खर्च डेटा के विश्लेषण के अनुसार, "उच्च तीव्रता वाली AI अपनाना" के दो साल बाद शुरुआती स्तर के कर्मचारियों की संख्या में लगभग 6 प्रतिशत की वृद्धि के साथ संबंधित है। इसके विपरीत, "निम्न तीव्रता वाली AI अपनाना" लगभग 0.5 प्रतिशत की कमी के साथ संबंधित है।
चित्र: उच्च-तीव्रता वाले AI अपनाने वाले कंपनियों में शुरुआती स्तर के कर्मचारियों का प्रतिशत दो साल बाद औसतन 1.15 प्रतिशत बढ़ जाता है, जबकि निम्न-तीव्रता वाले AI अपनाने वाले कंपनियों में यह 0.52 प्रतिशत घट जाता है, जो दर्शाता है कि AI 'शुरुआती नौकरियों को छीन रहा है' के बजाय 'बना रहा है'। स्रोत: a16z
इसकी कई व्याख्याएँ संभव हैं, जिनमें "AI शुरुआती स्तर की नौकरियाँ बना रहा है", "AI अपनाने वाली कंपनियाँ विकासशील कंपनियाँ हैं, इसलिए निश्चित रूप से वे ही भर्ती कर रही हैं", और "Ramp का डेटा पूर्ण अर्थव्यवस्था का प्रतिनिधित्व नहीं कर सकता, इसलिए कोई भी निष्कर्ष निकालना मुश्किल है" शामिल हैं। ये सभी समझ में आते हैं, लेकिन यह व्याख्या जो लगभग निश्चित रूप से गलत है — "AI शुरुआती स्तर की नौकरियों को खत्म कर रहा है"।
शायद एक दिन होगा (हालांकि इसका काफी कारण है कि नहीं होगा), लेकिन आज नहीं।
सामान्य तौर पर, हालांकि "शून्य ब्याज दर के बाद के युग" में "AI एक्सपोजर" पदों के गिरने पर बहुत चर्चा हुई है, लेकिन "AI एक्सपोजर" पदों के हाल के रिकवरी को नेतृत्व दे रहे होने के बारे में बहुत कम चर्चा हुई है:
Indeed भर्ती प्रयोगशाला के डेटा के अनुसार, 2025 के मई के बाद से, जितना अधिक AI एक्सपोज़र है, उतना ही अधिक रिक्तियों में वृद्धि हुई है। यह सॉफ्टवेयर इंजीनियर्स के लिए विशेष रूप से स्पष्ट है, जहां नौकरी के पोस्ट 15% तक बढ़े, जबकि समग्र रूप से 7% की कमी हुई (Claude Code के प्रकाशन से लेकर)।
अधिक व्यापक रूप से देखें तो, अभी निष्कर्ष निकालना जल्दबाजी होगी, लेकिन जिन लोगों का दावा है कि "AI मानव को पुराना कर रहा है", उनके लिए डेटा उनका समर्थन नहीं करता। अगर कुछ है, तो स्थिति ठीक विपरीत है—AI के संपर्क का स्तर रोजगार वृद्धि के साथ सकारात्मक रूप से संबंधित प्रतीत होता है।
चित्र: 2025 मई से, AI के अधिक संपर्क वाले पदों की नौकरी प्रकाशनों में अधिक वृद्धि हुई है, जिसमें सॉफ्टवेयर डेवलपमेंट पदों में लगभग 15% की वृद्धि हुई है, जो समग्र बाजार से आगे है। स्रोत: a16z
समान रूप से, यह अभी तक स्पष्ट नहीं है कि "AI एक्सपोजर" श्रेणी का कितना महत्व है, क्योंकि इस बारे में कि AI के तहत क्या या कौन एक्सपोज़ है (और एक्सपोज़र का स्तर क्या है) लगभग कोई सहमति नहीं है:
यह साबित हुआ है कि किसी भी दिए गए पेशे की औसत "AI एक्सपोजर" जितनी अधिक होती है, एक्सपोजर के बारे में विभिन्नता उतनी ही अधिक होती है।
चित्र: व्यावसायिक औसत AI उजागर स्कोर जितना अधिक होता है, अकादमिक समुदाय में उजागर के बारे में विभिन्नता उतनी ही अधिक होती है, जो इस अवधारणा के बारे में अभी तक सहमति की कमी को दर्शाता है। स्रोत: a16z
As expected, rational people may have different opinions when predicting the future impact of new technologies.
लेकिन कुछ अपवाद भी हैं। हर कोई इस बात से सहमत है कि संपादक, बीमा अंडरराइटर, सांख्यिकीविद, और दिलचस्प रूप से, अर्थशास्त्री, सभी AI के बहुत अधिक जोखिम में हैं। अगर AI अंततः मानव अर्थशास्त्री को बदल देता है, तो क्या यह इस अपराध को स्वीकार करेगा, या क्या कोई अर्थशास्त्री बचेगा जो इस कहानी को सुना सके?
डेटा सेंटर ऊर्जा को सस्ता बनाते हैं
इस हफ्ते के शुरू में, न्यूयॉर्क राज्य के गवर्नर होचुल ने डेटा सेंटर विकास पर एक साल के लिए रोक लगा दी। अन्य बातों के अलावा, रोक का उद्देश्य "बिजली उपभोक्ताओं की सुरक्षा करना... क्योंकि डेटा सेंटर विकास के कारण बिजली और पानी के बिल बढ़ने का खतरा है"। उनकी बातों को कम नहीं करना चाहते, गवर्नर ने Odd Lots पॉडकास्ट पर अपने कारणों की अधिक व्याख्या की है, जिसे सुना जा सकता है।
इसके बावजूद, यह एक भ्रमित करने वाला बयान है।
हालांकि डेटा सेंटर बिजली की मांग में वृद्धि कर रहे हैं, लेकिन सबूत यह दर्शाते हैं कि डेटा सेंटर वास्तव में उपयोगकर्ता लागत को कम करने में मदद कर रहे हैं:
बर्कले राष्ट्रीय प्रयोगशाला और द ब्रैटल ग्रुप के अध्ययन के आधार पर, राज्य स्तर पर बिजली की कीमतों में वृद्धि और मांग में वृद्धि के बीच ऋणात्मक संबंध है। अधिक खपत करें, कम भुगतान करें—अजीब लेकिन सच।
वास्तव में, पिछले 6 वर्षों में, जिन राज्यों में भार वृद्धि सबसे अधिक थी (सबसे अधिक डेटा केंद्र विकसित), जैसे टेक्सास और वर्जीनिया, उनमें कीमतों में लगभग कोई वृद्धि नहीं हुई। दूसरी ओर, जिन राज्यों में कीमतों में सबसे अधिक वृद्धि हुई (नए डेटा केंद्र कम), जैसे कैलिफोर्निया और न्यूयॉर्क, उनमें भार वृद्धि में कमी आई—कैलिफोर्निया में बिजली की मांग लगभग 5% कम हो गई, जबकि कीमतों में वृद्धि सभी राष्ट्रीय स्तरों से अधिक थी, दूसरे सबसे अधिक कीमत वाले राज्य से लगभग 33% अधिक।
चित्र: 2019-2025 के बीच अमेरिकी राज्यों में बिजली लोड वृद्धि और बिजली की कीमतों में परिवर्तन के बीच ऋणात्मक संबंध, कैलिफोर्निया और न्यूयॉर्क में मांग में कमी लेकिन बिजली की कीमतों में सबसे अधिक वृद्धि। स्रोत: a16z
इसके अलावा, यूरोप में ऊर्जा आवश्यकता और ऊर्जा मूल्यों के बीच का विपरीत संबंध भी लागू होता है:
EIA के डेटा के अनुसार, आयरलैंड के अलावा, बिजली की मांग में सबसे अधिक कमी वाले यूरोपीय संघ के देशों में कीमतों में सबसे अधिक वृद्धि हुई।
चित्र: 2019-2024 के बीच यूरोप और अमेरिका के प्रमुख अर्थव्यवस्थाओं में बिजली की मांग में परिवर्तन और बिजली के दामों में परिवर्तन भी ऋणात्मक संबंध में हैं, टेक्सास और वर्जीनिया में मांग में वृद्धि हुई है लेकिन कीमतें लगभग स्थिर रहीं। स्रोत: a16z
इसी तरह, अधिक खपत करें, कम भुगतान करें। यह अनुमान के विपरीत है, है ना?
हम सभी जानते हैं कि अन्य सभी बातों को समान मानते हुए, अधिक मांग कीमतों को बढ़ानी चाहिए, न कि उल्टा (जैसा गवर्नर होचुल द्वारा दावा किया गया है)। लेकिन बिजली ग्रिड के मामले में, यह उल्टा होता है। मांग और लागत के बीच विपरीत संबंध का कारण यह है कि बिजली ग्रिड अक्सर पैमाने की अर्थव्यवस्था से लाभान्वित होते हैं: जितनी अधिक बिजली की मांग होती है, उतनी ही अधिक स्थिर अवसंरचना लागत का वितरण होता है, जिससे उपभोक्ताओं के लिए कुल कीमत में कमी आती है।
दूसरे शब्दों में, होचुल का डेटा सेंटर निलंबन आदेश "बिजली उपभोक्ताओं की सुरक्षा" के बजाय विपरीत प्रभाव डाल सकता है: बिजली की कीमतों में वृद्धि उस स्थिति की तुलना में कहीं अधिक हो सकती है, जहां डेटा सेंटर ग्रिड की स्थिर लागतों को साझा करते हैं। शायद यह संबंध इसी तरह बना रहेगा, लेकिन अब तक ऐसा ही हुआ है।
ऊर्जा लागत को छोड़कर, और भी व्यापक आर्थिक प्रभावों पर विचार किया जाना चाहिए। वास्तविकता यह है कि बिना AI-संबंधित बुनियादी ढांचे के निवेश के, लगभग कोई निवेश वृद्धि नहीं होगी:
टेक्नोलॉजी से संबंधित निवेश एकमात्र वृद्धि पाने वाला निवेश श्रेणी है, इसलिए निलंबन आदेश सही जगह पर प्रहार करता है।
चित्र: 2022 के बाद से, टेक से संबंधित निवेश (सॉफ्टवेयर, अनुसंधान एवं विकास, आईटी उपकरण और डेटा केंद्र) निजी स्थिर निवेश के वृद्धि का एकमात्र सकारात्मक योगदान रहा है। स्रोत: a16z
गवर्नर के अवश्य अपने कारण हैं, लेकिन एक ऐसी नीति जो (a) बिजली के दरों को बढ़ाए (“बिजली उपभोक्ताओं की सुरक्षा” के प्रयास के एक हिस्से के रूप में); और (b) न्यूयॉर्क राज्य के सबसे महत्वपूर्ण निवेश के अनुकूल परिस्थितियों को छीन ले, वास्तव में समझने में कठिन है।