एंथ्रोपिक की 1 ट्रिलियन डॉलर की आय कम्प्यूट प्राइसेज को 10 गुना तक बढ़ा सकती है

जब AI अजेंट मानव ज्ञान कार्य को लगभग या पूरी तरह से प्रतिस्थापित करने लगें, तो कैलकुलेशन की कीमत को कैसे पुनः निर्धारित किया जाए?

नवीनतम ब्लॉग पोस्ट में, प्रसिद्ध टेक पॉडकास्टर ड्वार्केश पटेल ने एक आक्रामक अनुमान रखा: यदि AI प्रयोगशालाओं की आय लगातार तेजी से बढ़ती रही (जैसे Anthropic की आय अगले साल के अंत तक 1 ट्रिलियन डॉलर हो जाए), और कैलकुलेशन क्षमता की आपूर्ति हर साल केवल लगभग 3 गुना बढ़े, तो कैलकुलेशन की कीमत 10 गुना से अधिक बढ़ सकती है।

पिछले कुछ दशकों में, कैलकुलेशन पावर को एक 'उपकरण' माना जाता रहा है। कंप्यूटर तेज़, सर्वर अधिक, और क्लाउड कंप्यूटिंग सस्ती होती गई।

लेकिन AI युग में एक उदाहरण परिवर्तन हो रहा है: GPU केवल मशीन के घटक नहीं रहे, बल्कि डिजिटल श्रमिकों का वाहन बन सकते हैं।

यदि एक H100 एक लगभग शीर्ष स्तर के प्रोग्रामर के स्तर का AI एजेंट संचालित कर सकता है, तो इसका मूल्यांकन 'सर्वर घंटे की कीमत' के आधार पर नहीं, बल्कि इसके द्वारा प्रतिस्थापित मानव श्रम के मूल्य के आधार पर किया जाना चाहिए।

कल्पना कीजिए कि अगर एक ऐसा "डिजिटल सॉफ्टवेयर इंजीनियर" हो जो बिना नींद के, हमेशा तैयार रहे और मानवीय स्तर की शीर्ष तकनीकी क्षमता रखे, आप इसके लिए कितना वार्षिक वेतन देने को तैयार होंगे?

सिलिकॉन वैली में, सॉफ्टवेयर इंजीनियर की औसत बाजार वार्षिक आय 25 डॉलर से अधिक है। हालाँकि, एक समान बुद्धिमत्ता वाले एजेंट को संचालित करने के लिए केवल एक एनविडिया H100 GPU के समान कैलकुलेशन क्षमता की आवश्यकता हो सकती है।

अब, आइए एक गणना करें:

यदि यह H100 एक 250,000 डॉलर के वार्षिक वेतन वाले मानव प्रोग्रामर को पूरी तरह से प्रतिस्थापित कर सकता है, तो शुद्ध व्यावसायिक और आर्थिक तर्क के आधार पर, इस H100 की सैद्धांतिक वार्षिक किराया 250,000 डॉलर से अधिक होनी चाहिए।

लेकिन इस समय, बाजार में H100 की स्पॉट किराये की कीमत सालाना केवल लगभग 16,000 डॉलर है। दोनों में 15 गुना का अंतर है।

यही वह सबसे बड़ा "श्रम आर्बिट्रेज ब्लैकहोल" होगा, जिसका सामना मानव इतिहास में किया जाएगा।

जब वर्चुअल दुनिया की बुद्धिमत्ता की प्रजनन दर, भौतिक दुनिया के उत्पादन सीमा से कहीं अधिक हो जाती है, तो विरोधाभास उभर आता है:

The value of digital intelligence is growing at a pace far exceeding the expansion of physical computing infrastructure.

यह 15 गुना की मूल्यांकन अंतराल, तीव्र प्रतिक्रिया का कारण बनेगी: आगामी कुछ वर्षों में, कैलकुलेशन की वास्तविक कीमत 10 गुना या उससे अधिक की सुपर अवमूल्यन का सामना कर सकती है।

बेशक, एक सवाल है: क्या सॉफ्टवेयर इंजीनियर की वार्षिक आय भविष्य में बहुत कम हो जाएगी?

इस प्रश्न को ड्वार्केश पटेल ने भी ध्यान में रखा है:

लेकिन यदि हम कार्यबल के बारे में मानक अर्थशास्त्र की अवधारणाओं पर विश्वास करते हैं, तो गणना क्षमता का सीमांत मूल्य (और इस प्रकार गणना क्षमता की सीमांत कीमत) अत्यंत महंगी हो जानी चाहिए।

पिछले कुछ वर्षों में, AI उद्योग एक सरल तर्क का पालन कर रहा है: बड़े मॉडल, अधिक डेटा, अधिक GPU, अधिक क्षमता।

लेकिन अब, एक नया विरोधाभास सामने आ रहा है: AI की वृद्धि दर, गणना क्षमता की आपूर्ति की वृद्धि दर से अधिक है।

Anthropic के उदाहरण के साथ। पिछले वर्ष, उसकी व्यावसायिक आय लगभग 10 गुना बढ़ गई।

इस वृद्धि दर के साथ, वर्ष के अंत तक इसकी वार्षिक आय 1000 अरब से 1500 अरब डॉलर तक पहुँच सकती है। यदि यह प्रवृत्ति जारी रही, तो अगले वर्ष, इसे एक पागल सवाल का सामना करना पड़ेगा: कैसे एक ट्रिलियन डॉलर के "फंडिंग प्रोस्पेक्ट" को संभाला जाए?

केवल एक उत्तर है: अधिक बुद्धिमत्ता। और अधिक बुद्धिमत्ता का अर्थ है: अधिक प्रशिक्षण, अधिक निष्कर्ष निकालना, अधिक GPU।

हालांकि, समस्या यह है: हैशरेट की आपूर्ति उसी गति से नहीं बढ़ी है।

वर्तमान में उद्योग के नेतृत्व वाले प्रयोगशालाओं की भौतिक कंप्यूटिंग क्षमता का विस्तार लगभग हर साल 3 गुना तक ही सीमित है।

इसलिए एक विशाल असंगति उत्पन्न होती है:

डिजिटल दुनिया 10 किमी दौड़ना चाहती है, लेकिन भौतिक दुनिया केवल 3 किमी का रास्ता प्रदान कर सकती है। शेष दूरी का क्या होगा?

केवल तीन विकल्प हैं: पहला, लाभमार्जिन बढ़ाएं। दूसरा, कैलकुलेशन पावर की कीमत बढ़ाएं। तीसरा, अधिक कैलकुलेशन पावर को इन्फरेंस बिजनेस में निवेश करें।

तीसरा रास्ता, वास्तव में कई AI प्रयोगशालाओं को सबसे कम पसंद है।

क्योंकि अनुमान लगाकर पैसा कमाना, मूल रूप से यह साबित करने के लिए है: «AI व्यापार मॉडल काम करता है।»

फिर फाइनेंसिंग जारी रखें, अधिक GPU खरीदें, और अगली पीढ़ी के मॉडल को ट्रेन करें।

सिलिकॉन वैली का वास्तविक चक्र है:

पैसा कमाना अंतिम लक्ष्य नहीं है, बस अधिक कैलकुलेशन क्षमता खरीदने के लिए है।

क्योंकि सभी प्रयोगशालाएँ वास्तव में यही मानती हैं: आज के सबसे उन्नत मॉडल, एक साल बाद कल के मोबाइल की तरह हो सकते हैं—शक्तिशाली, लेकिन पुराने।

इससे समाधान पिछले दो विकल्पों तक सीमित हो जाता है: लाभमार्जिन में तीव्र वृद्धि या हैशरेट प्रति इकाई की वृद्धि।

अगर इस अंतर को सीधे लाभमार्जिन पर निर्भर किया जाए, तो अगले साल के अंत तक, फ्रंटियर लैब का लाभमार्जिन लगभग 95% के मध्य-उच्च स्तर तक पहुंचना होगा।

व्यापार के इतिहास में, अत्यंत थोड़े निरपेक्ष तकनीकी एकाधिकार बिंदुओं के अलावा, यह लगभग कल्पना है।

इसलिए, सभी सुराग और त論 एक ही बिंदु पर अंतिम रूप से मिलते हैं: हैशरेट की प्रति इकाई लागत अब अभूतपूर्व वृद्धि की ओर बढ़ रही है।

बहुत से लोग अभी तक नहीं समझे हैं: AI प्रतिस्पर्धा अब बुनियादी ढांचे के युग में प्रवेश कर रही है।

पिछले इंटरनेट युद्ध में प्रतिस्पर्धा उपयोगकर्ताओं, ट्रैफ़िक और एंट्री पॉइंट के लिए थी। जबकि AI युग में प्रतिस्पर्धा बिजली, चिप्स, डेटा सेंटर और सुपर कंप्यूटिंग क्लस्टर के लिए है।

क्यों? क्योंकि शीर्ष AI प्रयोगशालाएँ सामान्य क्लाउड सर्वर पर निर्भर नहीं हो सकतीं।

उन्हें आवश्यकता है: एक्सक्लूसिव GPU क्लस्टर; स्थिर नेटवर्क इंफ्रास्ट्रक्चर; अत्यधिक उपयोग दर; डेटा और मॉडल सुरक्षा।

यह सामान्य सर्वर किराए पर लेने की बात नहीं है, यह भविष्य की बुद्धिमान उत्पादन लाइन किराए पर लेने की बात है।

एक उदाहरण है: Google और Anthropic ने SpaceX से बड़े पैमाने पर GPU संसाधन किराए पर लिए हैं।

रिपोर्ट के अनुसार, गूगल के लगभग 110,000 GPU क्लस्टर का मासिक किराया 9 अरब डॉलर है।

इसका मतलब है कि प्रति घंटे प्रति GPU किराया, वर्तमान बाजार में स्पॉट किराए के दर से लगभग दोगुना है। और यह न भूलें कि वर्तमान स्पॉट मूल्य पहले से ही इस साल की शुरुआत के निम्न स्तर से 40% अधिक है।

क्यों?

क्योंकि शीर्ष कैलकुलेशन क्षमता अब ऊर्जा, ग्रिड आदि रणनीतिक संसाधनों की तरह बन रही है।

उद्योग क्रांति की कल्पना करें, एक कारखाने में भाप इंजन है, दूसरे कारखाने में नहीं है।

उनके बीच का अंतर 10% नहीं, बल्कि पूरी उत्पादन विधि का पीढ़ीगत अंतर है।

AI के युग का GPU, यह भी एक नया «भाप का इंजन» बन रहा है।

क्यों कैलकुलेशन की कीमत इतनी अनियंत्रित हो गई?

उत्पादन की आपूर्ति के भौतिक सूत्र में उत्तर है—यह सूत्र, टाइवेक और लिथोग्राफी मशीन निर्माताओं की भौतिक सीमाओं द्वारा कठोरता से बंद हो चुका है।

उद्योग में चर्चित "गणना क्षमता प्रति वर्ष तीन गुना बढ़ती है" का मिथक, इसे विघटित करने पर, केवल तीन गुणकों का सीमा के किनारे पर बेहद कठिन संयोजन है:

कैलकुलेशन वर्षिक वृद्धि दर (3x) ≈ 1.4x (मोरे के नियम के अनुसार अपग्रेड) × 1.2x (नए वेफर प्लांट निर्माण) × 1.8x (उन्नत प्रक्रिया क्षमता पर कब्जा)।

और ये तीन गुणक, प्रत्येक छत की ओर बढ़ रहे हैं।

मूर का नियम: प्रत्येक छोटी बदलाव पिछले से अधिक कठिन होती है, लीकेज और परमाणु सीमा के कारण इटरेशन बर्फ पर चलने जैसा है।

नए वेफर फैक्ट्री के निर्माण की अवधि लंबी है, उच्च-NA EUV लिथोग्राफी मशीनों की डिलीवरी की गति पूरी श्रृंखला को रोक रही है, और 2030 तक कोई हल नहीं है।

पिछले दो वर्षों में, कैलकुलेशन क्षमता की वृद्धि का एकमात्र इंजन क्षमता का अधिग्रहण था—AI चिप्स ने मोबाइल और PC से ताइवान सेमीकंडक्टर मैन्युफैक्चरिंग कंपनी के उन्नत प्रक्रिया को छीन लिया।

लेकिन अंतिम गुणक शीघ्र ही शून्य हो जाएगा। 2027 के अंत तक, AI चिपें ताइवान सेमीकंडक्टर मैनुफैक्चरिंग कंपनी की N3 क्षमता का 86% घेर लेंगी—60% से 86% तक—यह वृद्धि नहीं, बल्कि भौतिक रूप से पूर्ण संतृप्ति है, जिसमें कोई अतिरिक्त स्थान नहीं है।

तीन गुणक, दो पहले ही शीर्ष पर पहुंच चुके हैं, और अंतिम एक जल्द ही दीवार से टकराएगा। कैलकुलेशन सप्लाई की कहानी पूरी हो चुकी है।

और जितना अधिक कैलकुलेशन शक्ति महंगी होती है, उतना ही कम लोग सस्ते मॉडल का उपयोग करने का साहस करते हैं।

इंट्यूशन कहता है: अगर कैलकुलेशन की लागत बढ़ गई है, तो हल्के मॉडल और ओपन-सोर्स कट वर्जन का उपयोग करें और खर्च बचाएं।

लेकिन एआई अर्थशास्त्र ठीक विपरीत है।

मूल तर्क आर्चियन-एलन प्रभाव है: जब सभी वस्तुओं पर एक निश्चित अतिरिक्त लागत लागू की जाती है, तो महंगी वस्तुएँ अधिक सस्ती लगती हैं।

AI में, यह "अतिरिक्त लागत" कैलकुलेशन डिप्रिशिएशन है—जो भी मॉडल आप उपयोग करें, इसका भुगतान करना होगा।

खाता निकालें: H100 प्रति घंटे 20 डॉलर।

• सबसे शक्तिशाली मॉडल: 1 घंटे में, 25 डॉलर (20 कैलकुलेशन + 5 प्रीमियम)।
• मीडियम मॉडल: लाइसेंस फीस 0, लेकिन बुद्धि कम है, 2 घंटे तक बार-बार प्रयास किए, 40 डॉलर।

निष्कर्ष: साधारण मॉडल का उपयोग करने से अधिक महंगा होता है। यह अक्षम प्रयासों में कंप्यूटेशनल पावर और अधिक मूल्यवान संसाधन—समय—को बर्बाद कर देता है।

इसलिए, जितना अधिक कैलकुलेशन शक्ति महंगी होती है, उतना ही सबसे शक्तिशाली मॉडल अतिरिक्त शुल्क लेने के लिए तैयार होता है। चूंकि आपको अंततः कैलकुलेशन शक्ति के लिए पैसे देने ही होंगे, इसलिए थोड़ा अधिक खर्च करके सबसे बुद्धिमान मॉडल का उपयोग करना ही वास्तविक बचत है।

Mediocre model, no way out.

अंततः, समाज की सभी धनराशि एक ब्लैक होल की तरह, केवल उन अल्पसंख्यक ट्रिलियन-डॉलर के ओलिगार्क्स की ओर आकर्षित हो जाएगी, जो सबसे शक्तिशाली मॉडल बना सकते हैं।

Of course, some people also oppose it.

टिप्पणी अनुभाग में, एरिक शु ने एक दिलचस्प विरोध प्रस्तुत किया: 250,000 डॉलर की वार्षिक किराया की तर論 केवल शुद्ध डिजिटल क्षेत्र में ही मान्य है। जब यह भौतिक दुनिया जैसे क्लिनिकल ट्रायल्स की अनुमोदन अवधि या सरकारी खरीदारी की निर्णय प्रक्रिया को स्पर्श करता है, तो AI की आय की सीमा 250,000 डॉलर तक पहुँचने के बजाय 50,000 डॉलर के करीब हो सकती है।

उच्च स्तरीय सॉफ्टवेयर इंजीनियर ट्रेवर ने बताया: निम्न गुणवत्ता वाली सामग्री के लिए शीर्ष मॉडल की आवश्यकता नहीं होती, वे सीधे गायब नहीं होंगे, बल्कि अधिक सस्ते विकल्पों की ओर मुड़ जाएंगे। दूसरे शब्दों में, जो साफ़ हो रहा है, वह कीमत है, न कि सामग्री स्वयं।

इतिहास भी द्वार्केश के पक्ष में नहीं है। 1980 में, स्टैनफोर्ड के जीवविज्ञानी पॉल एह्रलिच और अर्थशास्त्री जूलियन सिमन ने पाँच धातुओं के दस साल बाद मूल्य में वृद्धि होने के बारे में दांव लगाया।

दस साल बाद, पाँचों गिर गए, एरलिच हार मानकर भुगतान कर दिया। "संसाधन अवश्य बढ़ेंगे," ऐसा जो लोग इतिहास में इसके खिलाफ दांव लगाते रहे, वे अधिकांशतः हार गए।

द्वार्केश के जवाब में: कैपेसिटी सप्लाई की लचीलापन, मुख्य व्यापारिक सामग्री की तुलना में कहीं कम है। तांबे के खनिज उच्च कीमतों के प्रेरणा से उत्पादन बढ़ा सकते हैं, लेकिन EUV लिथोग्राफी मशीन नहीं—टैमसेक खुद के पास कोई अतिरिक्त क्षमता नहीं है जिसे वह जारी कर सके। इन कुछ वर्षों में, जब सप्लाई सालाना केवल 3 गुना बढ़ रही है, कोई विकल्प नहीं है।

दिलचस्प बात यह है कि ड्वार्केश खुद मानते हैं: इस भविष्यवाणी के ऐतिहासिक समान उदाहरणों में से लगभग सभी गलत रहे।

शायद, एक दिन कैलकुलेशन पावर सीमेंट की तरह सस्ती हो जाएगी, लेकिन उस दिन आने से पहले, हमें सबसे क्रूर कैलकुलेशन पावर आयुध प्रतियोगिता और कैलकुलेशन पावर अवमूल्यन का सामना करना पड़ेगा।

संदर्भ:

https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive

https://x.com/dwarkesh_sp/status/2082482530209411419

यह लेख वेचेन ग्रुप "न्यूज़िज़यून" से आया है, लेखक: ASI उपदेश; संपादक: डेविड