क्या AI एक बुलबुला है? अपसाइड को कम आंकने का मामला

11 दिसंबर, 2025 को अपडेट किया गया

दिसंबर 2025 अपडेट: Hyperscaler AI CapEx अनुमान 2025 के लिए $405B तक संशोधित किए गए, जो शुरुआती $250B अनुमानों से ऊपर है। McKinsey का $2.6-4.4T वार्षिक मूल्य सृजन पूर्वानुमान मान्य होता दिख रहा है क्योंकि GitHub Copilot 1.8M भुगतान करने वाले सब्सक्राइबर तक पहुंच गया है और अब 46% कोड AI-जनरेटेड है। बड़े संगठनों में एंटरप्राइज AI अपनाने की दर 87% तक पहुंच गई है जिसमें 130% YoY खर्च वृद्धि है। इंफ्रास्ट्रक्चर निवेश का मामला मजबूत होता है क्योंकि उत्पादकता लाभ dot-com युग की तुलना से तेजी से साकार हो रहे हैं।

प्रश्न अपना उत्तर गलत देता है। जब Ray Dalio AI निवेश को dot-com बुलबुले के "बहुत समान" कहते हैं, जब IMF एक आसन्न पतन की चेतावनी देता है, जब Apollo के मुख्य अर्थशास्त्री नोट करते हैं कि आज की शीर्ष टेक कंपनियां अपने 1990 के दशक के समकक्षों की तुलना में उच्च वैल्यूएशन पर ट्रेड करती हैं—यह फ्रेमिंग मानती है कि केंद्रीय जोखिम अति-निवेश है।¹ ² ³

केंद्रीय जोखिम दूसरी दिशा में है। अटकलें अपसाइड को कम आंक रही हैं।

कई AI कंपनियां विफल होंगी। फुलाए हुए वैल्यूएशन पर फंड जुटाने वाले अधिकांश स्टार्टअप निवेशकों को कुछ नहीं लौटाएंगे। एंटरप्राइज पायलट प्रोजेक्ट्स 95% विफलता दर जारी रखेंगे।⁴ सुधार आएगा, शायद दर्दनाक तरीके से। इनमें से कोई भी थीसिस का खंडन नहीं करता। वर्तमान निवेश लहर से उभरने वाले विजेता तैनात पूंजी के अनुपात में इतना असमान मूल्य उत्पन्न करेंगे कि आज का $380 बिलियन वार्षिक hyperscaler CapEx एक राउंडिंग एरर जैसा दिखेगा।⁵

Dot-com समानांतर वास्तव में मामले को मजबूत करता है। Amazon और Google उस मलबे से निकले और ट्रिलियन में मूल्य बनाया। उन बुलबुला-युग की कंपनियों ने जो इंफ्रास्ट्रक्चर बनाया—फाइबर, डेटा सेंटर, प्रोटोकॉल—उसने दशकों के आर्थिक परिवर्तन को शक्ति दी। हारने वालों ने सब कुछ खोया। जीतने वालों ने सभ्यता बदल दी। AI उसी पैटर्न का अनुसरण करता है, बड़े पैमाने पर और तेज गति से।

मूल्य सृजन गणित जिसे बुलबुला चर्चा अनदेखा करती है

बुलबुला विश्लेषण गलत अनुपात पर ध्यान केंद्रित करता है। विश्लेषक AI निवेश की तुलना AI राजस्व से करते हैं और एक अंतर पाते हैं। अंतर मौजूद है। तुलना मुद्दे को चूक जाती है।

प्रासंगिक तुलना मूल्य सृजन क्षमता के विरुद्ध निवेश को मापती है। जब Anthropic एंटरप्राइज में Claude को तैनात करता है, तो मायने रखने वाला मेट्रिक Anthropic का राजस्व नहीं है। मायने रखने वाला मेट्रिक प्रौद्योगिकी का उपयोग करने वाले प्रत्येक संगठन में उत्पादकता लाभ, लागत में कमी, और क्षमता विस्तार को शामिल करता है। जब एक फार्मास्युटिकल कंपनी वर्षों के बजाय हफ्तों में ड्रग कैंडिडेट्स की पहचान करने के लिए AI का उपयोग करती है, तो बनाया गया मूल्य कंप्यूट लागत और लाइसेंसिंग फीस से कहीं अधिक है।

McKinsey का अनुमान है कि जनरेटिव AI विश्लेषित 63 उपयोग मामलों में वैश्विक अर्थव्यवस्था में $2.6 से $4.4 ट्रिलियन वार्षिक जोड़ सकता है।⁶ वह रेंज संचयी मूल्य नहीं, एक वर्ष के प्रभाव का प्रतिनिधित्व करती है। $380 बिलियन वार्षिक इंफ्रास्ट्रक्चर निवेश के विरुद्ध, अनुपात बुल्स के पक्ष में एक परिमाण के क्रम से है—भले ही McKinsey के अनुमान आधे से अधिक आशावादी साबित हों।

उत्पादकता साक्ष्य पहले से जमा हो रहा है। GitHub Copilot उपयोगकर्ता बिना उपयोग करने वालों की तुलना में 55% तेजी से कार्य पूरा करते हैं।⁷ GPT-4 का उपयोग करने वाले BCG सलाहकारों ने 25% कम समय में 40% उच्च गुणवत्ता का काम किया।⁸ AI सहायकों का उपयोग करने वाले एजेंटों के लिए ग्राहक सेवा संचालन 14% उत्पादकता सुधार की रिपोर्ट करते हैं, नौसिखिए कार्यकर्ताओं में सबसे बड़ा लाभ।⁹ ये संख्याएं प्रारंभिक, आदिम तैनाती से उभरती हैं। मॉडल मासिक रूप से सुधर रहे हैं।

कंप्यूटिंग इतिहास में हर प्रमुख प्लेटफॉर्म शिफ्ट ने प्रारंभिक निवेश से अधिक मूल्य गुणक उत्पन्न किया। पर्सनल कंप्यूटर ने अपने निर्माण दशकों के दौरान उद्योग में निवेश किए गए प्रत्येक $1 के लिए लगभग $10 आर्थिक मूल्य बनाया।¹⁰ इंटरनेट ने समान या उच्च अनुपात उत्पन्न किए। मोबाइल कंप्यूटिंग ने पैटर्न को बढ़ाया। AI इनमें से किसी से भी अधिक मौलिक एक सामान्य-उद्देश्य प्रौद्योगिकी का प्रतिनिधित्व करता है—एक ऐसी प्रौद्योगिकी जो संज्ञानात्मक कार्य को उसी तरह बढ़ाती है जैसे पिछली क्रांतियों ने भौतिक और सूचना कार्य को बढ़ाया।

बुलबुला फ्रेमिंग AI को Pets.com की तरह मानती है: मूल्य सृजन का कोई रास्ता नहीं वाली कंपनी जो ऐसे उत्पाद बेच रही थी जिनकी किसी को जरूरत नहीं थी। AI स्पष्ट रूप से हर तैनाती में मूल्य बनाता है। प्रश्न परिमाण और वितरण से संबंधित है, अस्तित्व से नहीं।

अपनाने की गति मूल्य सृजन की गति को क्यों इंगित करती है

St. Louis Fed ऐसा डेटा प्रकाशित करता है जो AI संशयवादियों को डराना चाहिए। 1981 में IBM PC के लॉन्च के तीन साल बाद, पर्सनल कंप्यूटर अपनाने की दर 19.7% तक पहुंची।¹¹ इंटरनेट के व्यावसायिक रूप से खुलने के तीन साल बाद, अपनाने की दर 30.1% तक पहुंची।¹² नवंबर 2022 में ChatGPT लॉन्च के तीन साल बाद, जनरेटिव AI अपनाने की दर अगस्त 2025 तक 54.6% तक पहुंच गई।¹³

असमानता गहन मूल्य निहितार्थों के साथ एक संरचनात्मक लाभ को दर्शाती है। पिछले प्लेटफॉर्म शिफ्ट में उपयोगकर्ताओं को नया हार्डवेयर खरीदने, नए इंटरफेस सीखने, स्थापित वर्कफ्लो बदलने, और अपरिचित क्षमताओं के आसपास प्रक्रियाओं का पुनर्निर्माण करने की आवश्यकता थी। AI अपनाने में इसमें से कुछ भी आवश्यक नहीं है। प्रौद्योगिकी मौजूदा उपकरणों, मौजूदा ब्राउज़रों, मौजूदा एप्लिकेशन के माध्यम से उपयोगकर्ताओं तक पहुंचती है। 2024 में एक ज्ञान कार्यकर्ता को उन क्षमताओं तक पहुंच मिली जो 2022 में मौजूद नहीं थीं, बिना कुछ नया खरीदे या कोई नया इंटरफेस प्रतिमान सीखे।

अपनाने की गति मूल्य सृजन के लिए मायने रखती है क्योंकि मूल्य तैनाती के साथ संयुक्त होता है। एक प्रौद्योगिकी जो तीन वर्षों में 50% अपनाने तक पहुंचती है, उन तीन वर्षों के दौरान मूल्य उत्पन्न करती है। एक प्रौद्योगिकी जिसे समान प्रवेश तक पहुंचने में पंद्रह वर्ष लगते हैं, वह मूल्य सृजन में आनुपातिक देरी करती है। AI की अपनाने की वेग का अर्थ है मूल्य सृजन वेग।

एंटरप्राइज अपनाने की संख्या पैटर्न को ठोस बनाती है। 2025 तक, 87% बड़े उद्यमों ने AI समाधान लागू किए थे।¹⁴ जनरेटिव AI टूल्स का साप्ताहिक उपयोग साल-दर-साल 37% से 72% तक बढ़ गया।¹⁵ एंटरप्राइज AI खर्च एक वर्ष में 130% बढ़ा।¹⁶ ये संगठन उत्साह से खर्च नहीं कर रहे। वे खर्च कर रहे हैं क्योंकि प्रौद्योगिकी रिटर्न देती है।

95% की पायलट विफलता दर जिसका आलोचक हवाला देते हैं, वास्तव में ध्यान से जांचने पर बुलिश मामले का समर्थन करती है।¹⁷ एंटरप्राइज पायलट यह पता लगाने के लिए चलाते हैं कि क्या काम करता है। पायलट में 95% विफलता दर का अर्थ है 5% सफलता दर—और सफल पायलट प्रोडक्शन तैनाती में स्केल होते हैं जो निरंतर मूल्य उत्पन्न करती हैं। उच्च पायलट विफलता दरों का अनुभव करने के बाद भी निवेश जारी रखने वाले उद्यमों ने 5% पाया है जो काम करता है। वे अनुकूलन कर रहे हैं, छोड़ नहीं रहे।

कोडिंग उत्पादकता क्रांति

सॉफ्टवेयर विकास AI के मूल्य सृजन में सबसे स्पष्ट खिड़की प्रदान करता है क्योंकि उत्पादकता लाभ मापनीय, तत्काल, और पहले से बड़े पैमाने पर संचालित हैं। भविष्य के अनुप्रयोगों के बारे में अमूर्त पूर्वानुमानों के विपरीत, कोडिंग उत्पादकता सुधार दैनिक AI टूल्स का उपयोग करने वाले लाखों डेवलपर्स से कठोर डेटा उत्पन्न करते हैं।

GitHub Copilot सबसे मजबूत साक्ष्य प्रदान करता है। GitHub के आंतरिक शोध में पाया गया कि Copilot का उपयोग करने वाले डेवलपर्स ने बिना सहायता के काम करने वाले डेवलपर्स की तुलना में 55% तेजी से कार्य पूरे किए।⁷ अध्ययन ने कार्य जटिलता और डेवलपर अनुभव स्तरों को नियंत्रित किया। 2024 के अंत तक, Copilot ने $400 मिलियन वार्षिक आवर्ती राजस्व उत्पन्न करने वाले 1.8 मिलियन से अधिक भुगतान करने वाले सब्सक्राइबर जमा किए।²⁷ और भी उल्लेखनीय रूप से, Copilot-सक्षम रिपॉजिटरी में 46% कोड अब AI सुझावों से आता है।²⁸

प्रौद्योगिकी ऑटोकंप्लीट से परे विकसित हो गई है। प्रारंभिक संस्करणों ने कोड की अगली कुछ पंक्तियां सुझाईं। वर्तमान संस्करण आर्किटेक्चरल पैटर्न प्रस्तावित करते हैं, व्यापक टेस्ट सूट जनरेट करते हैं, डॉक्यूमेंटेशन लिखते हैं, और जटिल समस्याओं को डीबग करते हैं। "अगली पंक्ति सुझाएं" से "इस फीचर को लागू करें" में बदलाव लगभग 18 महीनों में हुआ।

इकोसिस्टम Copilot से कहीं आगे फैला हुआ है। Cursor, एक AI-नेटिव IDE, 2024 के अंत तक शून्य से 40,000 से अधिक भुगतान करने वाले उपयोगकर्ताओं तक बढ़ा, मासिक वृद्धि दर 50% से अधिक।²⁹ Claude Code, Aider, और Cline स्वायत्त कोडिंग एजेंट सक्षम करते हैं जो न्यूनतम मानवीय हस्तक्षेप के साथ मल्टी-फाइल परिवर्तन निष्पादित करते हैं। डेवलपर्स तेजी से वर्णन करते हैं कि वे क्या चाहते हैं बजाय हर अक्षर लिखने के। वर्कफ्लो परिवर्तन असेंबली लैंग्वेज से हाई-लेवल प्रोग्रामिंग में बदलाव जैसा है—अमूर्तन स्तर में एक श्रेणीगत परिवर्तन।

आर्थिक गणित बुलबुला फ्रेमिंग को बनाए रखना कठिन बनाता है। US Bureau of Labor Statistics औसत सॉफ्टवेयर डेवलपर मुआवजे को लगभग $127,000 वार्षिक रिपोर्ट करता है।³⁰ 55% उत्पादकता सुधार प्रति डेवलपर लगभग $70,000 समकक्ष अतिरिक्त आउटपुट में अनुवादित होता है। अमेरिका लगभग 4.4 मिलियन सॉफ्टवेयर डेवलपर्स को रोजगार देता है।³¹ रूढ़िवादी धारणाएं भी—20% अपनाने पर 30% उत्पादकता लाभ—केवल अमेरिकी सॉफ्टवेयर विकास से $26 बिलियन वार्षिक मूल्य सृजन देती हैं। वैश्विक डेवलपर आबादी 28 मिलियन से अधिक है।³²

संशयवादी का प्रतिवाद गंभीर संलग्नता के योग्य है: AI-जनरेटेड कोड में बग होते हैं, सुरक्षा कमजोरियां पेश करता है, और तकनीकी ऋण बनाता है। डेवलपर्स AI आउटपुट को डीबग करने में उतना ही समय बिताते हैं जितना वे जनरेट करने में बचाते हैं। उत्पादकता अध्ययन AI कंपनियों द्वारा वित्त पोषित थे जिनके पास अनुकूल परिणाम देने का स्पष्ट प्रोत्साहन था। वास्तविक दुनिया का उपयोग दिखाता है कि जूनियर डेवलपर्स उन टूल्स पर निर्भर हो रहे हैं जिन्हें वे समझते नहीं हैं, जो उनके मौलिक कौशल को ह्रासित करता है।

आलोचना भोले उपयोग को कुशल उपयोग के साथ भ्रमित करती है। गुणवत्ता गिरावट दिखाने वाले अध्ययन आमतौर पर AI को बैसाखी के रूप में उपयोग करने वाले नौसिखियों की जांच करते हैं न कि AI को लीवरेज के रूप में उपयोग करने वाले पेशेवरों की। BCG/Harvard अध्ययन जिसमें 40% गुणवत्ता सुधार पाया गया, विशेष रूप से अनुभवी सलाहकारों की जांच की—अपरिचित टूल्स के साथ लड़खड़ाते जूनियर डेवलपर्स की नहीं।⁸

कोड रिव्यू प्रक्रियाएं AI त्रुटियों को उसी तरह पकड़ती हैं जैसे वे मानव त्रुटियों को पकड़ती हैं। सुरक्षा चिंता में दम है लेकिन प्रक्षेपवक्र चूक जाती है: स्टैटिक एनालिसिस टूल अब AI-जनरेटेड कोड को स्वचालित रूप से स्कैन करते हैं, और GitHub Advanced Security इंटीग्रेशन का मतलब है कि AI सुझावों को मर्ज से पहले सुरक्षा समीक्षा मिलती है। टूलिंग क्षमता के साथ पकड़ बनाती है।

सबसे महत्वपूर्ण बात, डेवलपर्स अपनी उंगलियों से वोट करते हैं। Copilot रिटेंशन दर 80% से अधिक है।³³ Cursor महीनों में शून्य से 40,000 भुगतान करने वाले उपयोगकर्ताओं तक बढ़ा। यदि टूल्स शुद्ध नकारात्मक मूल्य प्रदान करते, तो डेवलपर्स उन्हें छोड़ देते। वे उन्हें नहीं छोड़ रहे; वे उपयोग का विस्तार कर रहे हैं।

सॉफ्टवेयर $650 बिलियन के वैश्विक उद्योग का प्रतिनिधित्व करता है।³⁴ पूरे उद्योग में 20% उत्पादकता सुधार $130 बिलियन वार्षिक मूल्य बनाता है—दर्जनों क्षेत्रों में से एक क्षेत्र से जहां AI मापनीय लाभ बनाता है। AI कोडिंग टूल्स को सक्षम करने वाला इंफ्रास्ट्रक्चर निवेश उस मूल्य सृजन का एक अंश है। बुलबुला फ्रेमिंग पूछती है कि क्या AI निवेश AI राजस्व से मेल खाता है। सही फ्रेमिंग पूछती है कि क्या AI निवेश AI मूल्य सृजन से मेल खाता है। केवल सॉफ्टवेयर में, अनुपात करीब नहीं है।

डार्क फाइबर सबक: हारने वाले जीतने वालों को फंड करते हैं

1995 और 2000 के बीच, दूरसंचार कंपनियों ने 80 से 90 मिलियन मील फाइबर ऑप्टिक नेटवर्क बनाने में लगभग $2 ट्रिलियन का निवेश किया।¹⁸ जब बुलबुला फटा, 95% फाइबर डार्क पड़ा था।¹⁹ जिन कंपनियों ने इसे बनाया—Global Crossing, Level 3, Qwest, WorldCom—दिवालिया हो गईं या लगभग हो गईं। उन कंपनियों में निवेशकों ने सब कुछ खो दिया।

फाइबर ने मूल्य बनाए रखा। जिस इंफ्रास्ट्रक्चर ने अपने निर्माताओं को नष्ट किया, उसने अपने उत्तराधिकारियों को सक्षम किया। Netflix उन केबलों पर वीडियो स्ट्रीम करता है जिनके लिए WorldCom के शेयरधारकों ने भुगतान किया। क्लाउड कंप्यूटिंग उस डार्क फाइबर के माध्यम से चलती है जिसने अपने मूल मालिकों को दिवालिया कर दिया। उस इंफ्रास्ट्रक्चर द्वारा दो दशकों में बनाया गया आर्थिक मूल्य निवेशित $2 ट्रिलियन से कम से कम एक परिमाण के क्रम से बौना कर देता है।

हारने वालों ने जीतने वालों को फंड किया। बुलबुला-युग के टेलीकॉम में इक्विटी निवेशकों ने नुकसान उठाया। व्यापक अर्थव्यवस्था ने लाभ प्राप्त किया। Amazon ने वह इंटरनेट इंफ्रास्ट्रक्चर नहीं बनाया जिस पर वह निर्भर है; उसने उस इंफ्रास्ट्रक्चर पर निर्माण किया जिसे अन्य कंपनियों के निवेशकों ने वित्त पोषित किया और खोया।

AI उसी पैटर्न का अनुसरण करता है एक महत्वपूर्ण अंतर के साथ: इंफ्रास्ट्रक्चर लागत और बनाए गए मूल्य के बीच अनुपात और भी अधिक अनुकूल है। फाइबर को महाद्वीपों में भौतिक स्थापना की आवश्यकता थी। AI इंफ्रास्ट्रक्चर डेटा सेंटरों में केंद्रित है जो वैश्विक उपयोगकर्ता आधारों की सेवा करते हैं। AI इंफ्रास्ट्रक्चर की पूंजी दक्षता भौतिक नेटवर्क इंफ्रास्ट्रक्चर की पूंजी दक्षता से काफी अधिक है।

आज का AI इंफ्रास्ट्रक्चर निवेश हारने वाले पैदा करेगा। अरबों पर मूल्यांकित स्टार्टअप शून्य लौटाएंगे। कुछ सट्टा-निर्मित इंफ्रास्ट्रक्चर वर्षों तक कम उपयोग में रहेगा। जो कंपनियां सफल होंगी

[अनुवाद के लिए सामग्री काट दी गई]