YouMind
साइन इन करें

AI-gent Provocateur

@matt_barrie
अंग्रेज़ी10 सित॰ 2026
296K
164
15
40
135

TL;DR

Matt Barrie एजेंटिक AI के विस्फोटक विकास की पड़ताल करते हैं, जिसमें उन्होंने अरबों टोकन खर्च करने के अपने अनुभव का विवरण दिया है और पश्चिमी तथा चीनी मॉडलों के बीच बदलते प्रतिस्पर्धी परिदृश्य का विश्लेषण किया है।

[इस सप्ताह (11 सितंबर!) एरिक टाउनसेंड के साथ AI पर मेरे साक्षात्कार के लिए देखते रहें, जो दुनिया के शीर्ष व्यापक आर्थिक पॉडकास्ट मैक्रोवॉइसेस पर प्रसारित होगा]

पिछले हफ्ते मैंने एक ही दिन में चार अरब टोकन जला दिए।

मेरी कंपनी नहीं। मैंने। एक व्यक्ति, एक कीबोर्ड, एक क्रेडिट कार्ड जो कोने में चुपचाप रो रहा था।

17 वर्षों से, मैं अपनी टीम से सुबह 9:30 बजे तक एक दैनिक आँकड़ा रिपोर्ट तैयार करवाने की कोशिश कर रहा हूँ: फ्रीलांसर पर रात भर क्या हुआ; क्या ऊपर गया या नीचे, और क्यों? यह आंशिक रूप से व्यवसाय में क्या चल रहा है, यह समझने के लिए और आंशिक रूप से डेटा साक्षरता बढ़ाने के लिए है। फिर भी, मेरी टीम के अत्यधिक सक्षम होने के बावजूद, मैं समय पर नियमित सुबह की रिपोर्ट पाने के इस प्रयास में विफल रहा हूँ; आंशिक रूप से रिपोर्ट के सभी कर्मचारियों के बीच घूमने के कारण, आंशिक रूप से विभिन्न समय क्षेत्रों में काम करने के कारण, और ठीक है, आंशिक रूप से इसलिए कि वे इंसान हैं, यह रिपोर्ट शायद ही कभी 9:30 बजे तक आती थी, कभी-कभी 10:30 बजे, कभी-कभी दोपहर में, कभी-कभी बिल्कुल नहीं (शायद कोई बीमार है, अपनी बारी भूल गया है या किसी जरूरी काम में व्यस्त है)।

मैंने अपने डेटाबेस, हमारे एनालिटिक्स, हमारे कोडबेस और हमारे टिकटिंग सिस्टम में एक एजेंट जोड़ा और अब मुझे हर सुबह 7 बजे दैनिक आँकड़ा मिलता है, एक ऐसे रूप, गुणवत्ता और परिष्कार में जो कोई भी मानव टीम बनाए नहीं रख सकती। सत्रह वर्षों की प्रक्रिया इंजीनियरिंग, रोस्टर को हटाकर हल हो गई। रिपोर्ट कभी प्रतिभा की समस्या नहीं थी। यह एक ऑटोमेशन समस्या थी, और ऑटोमेशन वही है जिसके लिए मशीनें हैं।

अब मैंने फ्रीलांसर के अंदर विभिन्न टीमों के लिए वर्कफ़्लो चलाने के लिए लगभग पचास एजेंट लिखे हैं। वे रिपोर्ट तैयार करते हैं, वे कतारों को प्रोसेस करते हैं, वे सवालों के जवाब देते हैं, वे वर्कफ़्लो करते हैं, वे चीजों का मिलान करते हैं, वे चीजों का पीछा करते हैं। और मैंने यह एक महीने के भीतर किया है। मैंने कंपनी भर में डेटा साक्षरता बनाने के लिए मनुष्यों द्वारा भी दैनिक आँकड़ा तैयार करने की प्रक्रिया जारी रखी है, और अब मेरे पास एक एजेंट है जो उन रिपोर्टों के (अंततः) आने पर उन्हें कुछ हद तक ढिठाई से कोचिंग और आलोचना करता है।

मेरे एजेंट मेरे सोते समय काम करते हैं, जो तब तक अद्भुत लगता है जब तक आपको यह एहसास न हो कि मीटर भी मेरे सोते समय चलता है।

यह पागलपन है। मैंने एक बग रिपोर्टिंग एजेंट से बग और फीचर अनुरोध लिखने के लिए एक टिकटिंग एजेंट बनाया, जिसे मैंने उपयोगकर्ता-जनित रिपोर्टों को स्कैन करने के लिए लिखा था, और अन्य एजेंट, जैसे मेरा डिपॉजिट एनालाइज़र जो भुगतान समस्याओं को स्कैन करता है, ने बिना पूछे लिखने के लिए बग भेजने शुरू कर दिए।

Matt Barrie - inline image

डिपॉजिट-एनालाइज़र ने अपनी मर्जी से फैब-टिकटर को बग खिलाना शुरू कर दिया

मैं अपने ही उत्पाद द्वारा पूरी तरह से 'रेडपिल्ड' हो गया हूँ।

यह फैक्टोरियो है, असल जिंदगी में। आईवाईकेआईवाईके।

अगर आप नहीं जानते कि मेरा क्या मतलब है, तो किसी भी हालत में फैक्टोरियो डाउनलोड न करें और इसे शुरू न करें। यह एक फैक्ट्री बनाने का खेल है। यह क्रैक कोकीन से भी ज्यादा नशे की लत है, और क्रैक के विपरीत, यह एक सेव फ़ाइल के साथ आता है। आप सुबह 4 बजे कॉपर बस को ऑप्टिमाइज़ करते हुए जागेंगे, जिसे आप सुबह 5 बजे तोड़ देंगे, क्योंकि फैक्ट्री को बढ़ना है, और फैक्ट्री कभी खत्म नहीं होती।

Matt Barrie - inline image

क्रैक कोकीन

जो, संयोगवश, एजेंट चलाने का सटीक मनोवैज्ञानिक लूप है: आप अब काम नहीं कर रहे हैं, आप उस चीज़ को ऑप्टिमाइज़ कर रहे हैं जो काम करती है, और यह पता चला है कि यह दुनिया की सबसे नशे की लत वाली नौकरी है। फैक्टोरियो एजेंटिक AI के लिए प्रशिक्षण सिम्युलेटर था और हममें से किसी को इसका एहसास नहीं हुआ।

तीन साल से मैं लिख रहा हूँ कि AI में मायने रखने वाली संख्या पैरामीटर नहीं, बल्कि टोकन है। पे पर प्राई में, खलनायक प्रति कार्य टोकन था — तर्क श्रृंखलाएँ, संदर्भ कर, आपके खर्च पर हलकों में घूमते मॉडल। मैंने प्रति टोकन भुगतान करने को अपना क्रेडिट कार्ड स्लॉट मशीन में डालने जैसा बताया।

एजेंटिक AI वह है जो तब होता है जब आप स्लॉट मशीन का हैंडल दूसरी स्लॉट मशीन को देते हैं।

मैं एक दिन में चार अरब टोकन पर हूँ और मैंने अभी शुरू भी नहीं किया है। वे पचास एजेंट पहली पीढ़ी के हैं, हाथ से लिखे गए हैं, और मुट्ठी भर वर्कफ़्लो चला रहे हैं। जिस पल वे अपने स्वयं के उप-एजेंट बनाना शुरू करते हैं, जिस पल वे अलग-अलग कार्यों के बजाय व्यवसाय पर निरंतर निगरानी रखते हैं, मेरा खर्च बढ़ता नहीं है, यह चक्रवृद्धि होता है। एक चैट उपयोगकर्ता की मांग पढ़ने की गति पर समाप्त होती है। एक एजेंट उपयोगकर्ता की मांग महत्वाकांक्षा पर समाप्त होती है। कोई संतृप्ति बिंदु नहीं है, केवल एक बजट है, और महत्वाकांक्षा ने कभी उनमें से किसी का सम्मान नहीं किया है।

Matt Barrie - inline image

AI-एजेंट, उत्तेजक

सम्मेलन-की-नोट की चमक को हटा दें और एक एजेंट चार चीजें हैं: एक मॉडल, कुछ उपकरण, एक लक्ष्य, और एक ट्रिगर (जैसे किसी कतार में कुछ डाला जाना, जैसे कोई नया ग्राहक आना, एक टाइमर या एक लूप) पर चलने वाला एक ऑटोमेशन।

Matt Barrie - inline image

एक AI एजेंट की पूरी शारीरिक रचना। माप उतने ही विश्वसनीय हैं जितने कि बेंचमार्क

ऑटोमेशन नवाचार है और ऑटोमेशन ही चालान है। उदाहरण के लिए, एक लूप के चारों ओर हर चक्कर में, एजेंट अपने संदर्भ को फिर से पढ़ता है, अपनी योजना पर पुनर्विचार करता है, एक उपकरण को कॉल करता है, परिणाम की जाँच करता है, और फिर से चक्कर लगाता है। संदर्भ कर जिसके बारे में मैंने पिछले निबंध में शिकायत की थी, चक्रवृद्धि होता है। एक एजेंट एक तर्क मॉडल है जिसके पास जिम की सदस्यता है जिसका वह वास्तव में उपयोग करता है।

एक चैट उपयोगकर्ता टाइप करते समय टोकन जलाता है। पूरे उद्योग पर हमेशा एक प्राकृतिक दर सीमा थी: मानव ध्यान। आप एक दिन में केवल इतने सारे प्रॉम्प्ट टाइप कर सकते हैं, इतने सारे उत्तर प्राप्त कर सकते हैं, इतना आउटपुट पढ़ सकते हैं। पिछली हर कंप्यूटिंग लहर कीबोर्ड पर मांस सर्वो द्वारा थ्रॉटल की गई थी।

एजेंट मांस को हटा देते हैं। अब, कंप्यूटर हमेशा हमारे सोते समय काम करते रहे हैं। क्रॉन जॉब, बैच रन, ट्रेडिंग सिस्टम: कंप्यूटर विज्ञान का पूरा इतिहास ऑटोमेशन है, और मैंने इनमें से हर एक निबंध में ऐसा कहा है। लेकिन उनमें से हर एक सिस्टम ने ठीक उतनी ही कंप्यूट शक्ति की खपत की जितनी एक मानव ने पहले से स्क्रिप्ट की थी। कार्य अपने निर्देशों से बंधा हुआ था। एक एजेंट अपने लक्ष्य से बंधा होता है। यह अपना अगला कदम खुद तय करता है, अपने स्वयं के उप-कार्यों को जन्म देता है, और टोकन जलाता है जब आप सो रहे होते हैं, जब आप दोपहर के भोजन पर होते हैं, जब आप टोकन बिल को कम करने के बारे में एक बैठक में होते हैं। कंप्यूट की मांग पहले इस बात से सीमित थी कि मनुष्य क्या निर्दिष्ट कर सकते हैं। अब यह इस बात से सीमित है कि मनुष्य क्या चाह सकते हैं, और चाहत निर्दिष्ट करने की तुलना में काफी बेहतर पैमाने पर काम करती है।

Matt Barrie - inline image

फैक्ट्री को बढ़ना ही होगा

एक दिन में चार अरब टोकन वह है जो एक प्रेरित व्यक्ति अब करता है। पृथ्वी पर हर प्रेरित व्यक्ति से गुणा करें और मुझे फिर से कंप्यूट की अधिकता के बारे में बताएं।

OpenAI कभी समझता था कि यह कितना बड़ा मील का पत्थर है। बहुत पहले नहीं, अगर आप एक वर्ष में उनके API के माध्यम से दस अरब टोकन जलाते थे, तो वे आपको एक ट्रॉफी भेजते थे। एक वास्तविक भौतिक ट्रॉफी, एक पावर यूज़र होने के लिए। अब मैं नाश्ते से पहले उससे चार सौ गुना अधिक जलाता हूँ, और एक ट्रॉफी के बजाय मुझे एक दर सीमा और सात घंटे का टाइमआउट मिलता है। भारी उपयोग के पुरस्कार को इसके लिए सजा से बदल दिया गया है, जो आपको वह सब कुछ बताता है जो इस बीच यूनिट इकोनॉमिक्स के साथ हुआ।

Matt Barrie - inline image

दस अरब टोकन पार करने के लिए रीटूल का पुरस्कार। उस कंपनी द्वारा प्यार से फ्रेम किया गया जो अब जानती है कि उन टोकन की सेवा की लागत क्या है

फैक्ट्री का अनुकूलन

चार अरब टोकन वाले दिन की लागत लगभग $1,300 थी। इसमें से लगभग $900 क्लॉड सॉनेट का था, बाकी ग्रोक और क्लॉड फेबल के बीच विभाजित था, सभी फ्रंटियर मॉडल, सभी प्रकाशित मूल्यों पर। अब, $1,300 लगभग उचित लगता है जब तक आप इसे वार्षिक न करें: एक व्यक्ति के एजेंटों के लिए लगभग आधा मिलियन डॉलर प्रति वर्ष।

अगर मैंने ओपस पर चार अरब टोकन का उपयोग किया होता, तो इसकी लागत $80,000 होती, और मैं तो अभी शुरू ही कर रहा था! मैं आसानी से खुद को बहुत जल्दी 10x, 100x अधिक जलाते हुए देख सकता हूँ।

Matt Barrie - inline image

स्ट्राइप ने बिलिंग डेटा देखा और सोचा, हमें भी इसमें हिस्सा लेना चाहिए

एक बेहतर तरीका होना चाहिए।

पचास एजेंटों पर मेरा पहला प्रयास, उदारतापूर्वक कहें तो, बहुत कुशल नहीं था। वे लूप में, टोकन में, ऐसे काम कर रहे थे जिनका टोकन में कोई लेना-देना नहीं था: पार्सिंग, फ़ॉर्मेटिंग, फ़िल्टरिंग, सिस्टम के बीच डेटा फेरबदल करना। वह काम जो सामान्य कोड पचास वर्षों से कर रहा है, एक तर्क मॉडल द्वारा, महंगे तरीके से किया जा रहा था, क्योंकि टीज़र दरों पर कोई जाँच करने की जहमत नहीं उठाता।

इसलिए मैंने स्पष्ट काम किया, जो लगभग कोई नहीं करता: मैंने एजेंटों को अपना कोड ऑप्टिमाइज़ करने के लिए कहा। नियतात्मक कार्य को मॉडल से बाहर और जावास्क्रिप्ट, स्क्रिप्ट और क्रॉन में धकेलें, और टोकन को उन हिस्सों के लिए रखें जिन्हें वास्तव में दिमाग की आवश्यकता है। उस एक पास ने खर्च में 85% की कटौती की।

चार अरब टोकन वाला दिन, जाँच करने पर, एक बहुत महंगी पोशाक पहने छह सौ मिलियन टोकन वाला दिन निकला।

फिर भी।

एक बार जब आप वह कटौती कर लेते हैं, तो सोचना बंद नहीं होता, क्योंकि अगली चालें बोर्ड पर ठीक वहीं बैठी होती हैं। अगर मैं कोड बदल सकता हूँ, तो मैं मॉडल बदल सकता हूँ। GLM-5.3 पर समान वर्कलोड, जो न केवल ओपस बल्कि फेबल वर्ग के करीब संचालित होता है, पूरे मूल दिन के लिए लगभग $150 से $200 पर मूल्य निर्धारित करता है, मेरे $1,300 के मुकाबले, ओपस के $80,000 के मुकाबले। समान टोकन, समान काम, प्रकाशित मूल्यों पर पाँच सौ गुना का प्रसार, और किसी ने कुछ भी बातचीत नहीं की।

इन मूल्यांकनों पर AI इक्विटी रखने वाले किसी भी व्यक्ति को उस आसानी से भयभीत होना चाहिए जिसके साथ कोई भी उपयोगकर्ता मॉडल बदल सकता है।

मैंने अपने उपयोग की लागत को लगभग 500 गुना कम कर दिया, बस अपने सत्र में "/model glm-5.3" टाइप करके।

बस इतना ही।

Matt Barrie - inline image

यही पूरा माइग्रेशन है।

कोई पुनर्लेखन नहीं, कोई एकीकरण परियोजना नहीं, कोई सलाहकार नहीं, कोई डेटा माइग्रेशन नहीं, कोई पुनर्प्रशिक्षण नहीं, कोई छह महीने का खरीद चक्र नहीं। 14 कीस्ट्रोक्स। विचार करें कि इतिहास में हर तकनीकी प्लेटफ़ॉर्म के लिए स्विचिंग लागत कैसी दिखती है: मेनफ्रेम विक्रेता को बदलना एक दशक था। ERP सिस्टम बदलना एक सौ मिलियन डॉलर की परियोजना है जो करियर खत्म कर देती है। क्लाउड प्रदाता बदलना एक बहु-वर्षीय पुनर्लेखन है, यही कारण है कि AWS मार्जिन मौजूद थे।

अपने फ़ोन का ऑपरेटिंग सिस्टम बदलने में भी आपको एक सप्ताहांत और आपकी समझ खर्च होती है।

प्रौद्योगिकी लाभ मार्जिन का पूरा इतिहास स्विचिंग लागत का इतिहास है, और AI उद्योग ने एक ऐसा उत्पाद भेजा है जिसकी स्विचिंग लागत एक स्लैश कमांड है। ये केवल कम स्विचिंग लागत नहीं हैं।

ये वाणिज्य के इतिहास में सबसे कम स्विचिंग लागत हैं, जो वाणिज्य के इतिहास में सबसे महंगे बुनियादी ढाँचे के निर्माण से जुड़ी हैं।

ये दोनों बातें सच नहीं रह सकतीं।

और अगर मैं मॉडल बदल सकता हूँ, तो मैं मॉडल की उत्पत्ति बदल सकता हूँ।

ड्रैगन का प्रवेश

मेरा टोकन उपयोग कभी कम नहीं होने वाला है।

कभी नहीं।

मैंने जो 85% बचाया, वह तुरंत अधिक एजेंटों, अधिक वर्कफ़्लो, अधिक महत्वाकांक्षा में पुनर्निवेशित हो गया — यह जेवन्स विरोधाभास है।

टोकन की मांग परवलयिक होने जा रही है।

जो ढहता है वह मात्रा नहीं है। यह प्रति कार्य सकल मार्जिन है, और इसे कौन एकत्र करता है।

उसी दिन का आउटपुट जो एंथ्रोपिक के लिए $1,300 का था, Z.ai के लिए $150 का है। हर अनुकूलन, हर मॉडल स्वैप, हर बॉक्स जो मैं खरीदता हूँ, काम को बढ़ाता है और चेक को सिकोड़ता है, और मैं एक क्रेडिट कार्ड वाला एक ग्राहक हूँ।

Matt Barrie - inline image

ओपन वेट्स लाइनअप। उनमें से कोई भी आपके अपने हार्डवेयर पर होने पर किराया नहीं लेता है

पाँच ट्रिलियन डॉलर के डेटा सेंटर निर्माण के तहत राजस्व पूर्वानुमान को टोकन मांग के बढ़ने की आवश्यकता नहीं है। इसे जमे हुए पश्चिमी कीमतों पर टोकन मांग के बढ़ने की आवश्यकता है, जो एंथ्रोपिक और OpenAI द्वारा प्रदान की जाती है। हर बल दूसरी दिशा में खींच रहा है।

अमेरिकी खेल बंद मॉडल, गेटेड फ्रंटियर्स, मार्जिन कैप्चर और निर्यात नियंत्रण है — बुद्धिमत्ता एक टोल रोड के रूप में। चीनी खेल इसका सटीक विपरीत है: सब कुछ ओपन सोर्स करें, इसे घरेलू सिलिकॉन पर चलाएँ, इसे लागत या उससे कम पर मूल्य दें, और बाकी मुफ्त दें। फ्रंटियर-क्लास मॉडल पर MIT लाइसेंस। रिलीज़ के दिन हगिंग फेस पर वेट्स। मुफ्त टियर जो एक पश्चिमी प्रयोगशाला को दिवालिया कर देंगे। यह दान नहीं है और यह कमजोरी नहीं है। चीन किसी भी ऐसी दुनिया में जीतता है जहाँ बुद्धिमत्ता एक मुफ्त वस्तु है, क्योंकि इसके फायदे विनिर्माण, तैनाती और पैमाने हैं, और उनके पास एक अरब लोग हैं, जिनमें से कई $20 प्रति माह भी देने का खर्च नहीं उठा सकते। यह किसी भी ऐसी दुनिया में हारता है जहाँ बुद्धिमत्ता एक पश्चिमी-मीटर्ड उपयोगिता है। इसलिए यह व्यवस्थित रूप से पूर्व को अपरिहार्यता में परिवर्तित कर रहा है। निर्यात नियंत्रण चीनी AI का गला घोंटने वाले थे। इसके बजाय उन्होंने एक प्रतियोगी बनाया जिसकी पूरी रणनीति यह सुनिश्चित करना है कि अमेरिकी AI कभी मार्जिन न कमाए, और जिसका पसंदीदा हथियार एक उपहार है।

Matt Barrie - inline image

ओपन वेट्स अब ओपनराउटर पर प्रदान किए जाने वाले टोकन का 62% हैं। 'सीमांत' ओपन सोर्स आंदोलन ही बाजार है। (स्रोत: ओपनराउटर)

यह कैसे वित्तपोषित है? सीधे, जानबूझकर, और राज्य द्वारा, ऐसे साधनों के माध्यम से जिनका कोई पश्चिमी बैलेंस शीट जवाब नहीं दे सकता। राष्ट्रीय एकीकृत सर्किट फंड, बिग फंड, दो पिछले दौरों के शीर्ष पर, $47.5 बिलियन पर अपने तीसरे विंटेज पर है, और यह केवल शीर्षक वाहन है: इसके नीचे प्रांतीय सरकारी फंड, राज्य बैंक क्रेडिट लाइनें उन दरों पर जो कोई वाणिज्यिक ऋणदाता नहीं लिखेगा, मुफ्त भूमि, सब्सिडी वाली बिजली, और अर्धचालक को छूने वाली किसी भी चीज़ के लिए कर छूट हैं। SMIC और हुआवेई VC पूंजी की लागत पर सैंड हिल रोड से नहीं उठाते; वे एक राष्ट्रीय योजना को क्रियान्वित करने वाले नीति बैंकों से आकर्षित करते हैं। परिणाम एक ऐसा उद्योग है जो जानबूझकर अनिश्चित काल तक पैसा खो सकता है, जो एक प्रतिस्पर्धी हथियार है जिसका कोई मार्जिन-चाहने वाली पश्चिमी कंपनी मुकाबला नहीं कर सकती। हुआवेई की एसेंड लाइन शायद SMIC की पैदावार से थ्रॉटल होकर, Nvidia की मात्रा का 4% भेजती है, लेकिन मात्रा बिंदु नहीं है: संरचना है।

डीपसीक ने अभी 160,000 एसेंड चिप्स का ऑर्डर दिया। GLM 5.3 फ्लैश ने अपना लॉन्च 100,000 चीनी चिप्स पर चलाया, सीईओ ने सभी घरेलू सिलिकॉन बिंदु को स्पष्ट रूप से बताया। मलेशिया अपने संप्रभु AI के लिए एसेंड की ओर झुक रहा है; हुआवेई मिस्र के सरकारी डेटा केंद्रों के लिए बोली लगा रहा है, बेल्ट एंड रोड फाइनेंसिंग और बिना किसी निर्यात नियंत्रण स्ट्रिंग के आ रहा है। सब्सिडी वाले चीनी स्टैक को बेंचमार्क पर Nvidia को हराने की आवश्यकता नहीं है। इसे चीनी और ग्लोबल साउथ की मांग को अवशोषित करने की आवश्यकता है, जो संयोगवश ठीक वही मांग है जो पश्चिमी डेटा केंद्रों को भरने वाली थी।

Matt Barrie - inline image

और मॉडल स्वयं अब 2025 के प्रवचन के सस्ते नकली नहीं हैं। GLM 5.3 फेबल वर्ग के करीब संचालित होता है, जो एंथ्रोपिक का अपना सामान्य रूप से उपलब्ध फ्रंटियर है, दसवें मूल्य पर, MIT लाइसेंस प्राप्त, एक मिलियन टोकन संदर्भ विंडो के साथ, और Z.ai अपने भेद्यता का पता लगाने के प्रदर्शन की रिपोर्ट एंथ्रोपिक के प्रतिबंधित मिथोस के बराबर करता है, जो कहने का तरीका है: वह क्षमता जिसे अमेरिकी प्रयोगशालाओं ने सितंबर में सुरक्षा मंजूरी के पीछे गेट किया, चीनी ने उसी तिमाही ओपन सोर्स कर दिया।

डीपसीक V4 फ्लैश कोडिंग लीडरबोर्ड में शीर्ष पर है और टोकन वॉल्यूम द्वारा ओपनराउटर पर सबसे अधिक उपयोग किया जाने वाला मॉडल है, और मेरी जोड़ी DGX स्पार्क्स पर प्रति सेकंड 45 से 60 टोकन प्रदान करता है, जो वास्तविक कोडिंग कार्य के लिए पूरी तरह से उपयोग करने योग्य है: एक बॉक्स पर एक डेवलपर के साथ बने रहने के लिए पर्याप्त तेज़, जो सौ वाट खींचता है। क्वेन वक्र के निचले भाग को भरता है: 3.8 श्रृंखला का 27B मॉडल एक एकल उपभोक्ता GPU पर ओपस क्लास आउटपुट चलाता है, और Qwen3.8 मैक्स कोड एरीना लीडरबोर्ड के शीर्ष पर बैठता है, क्लॉड ओपस 5 से तीन अंक ऊपर, $2 प्रति मिलियन टोकन बनाम $20 पर।

जहाँ चीनी मॉडल अभी भी ईमानदारी से पीछे हैं, वह है एजेंटिक विश्वसनीयता में। V4 फ्लैश बेंचमार्क में शीर्ष पर है और फिर वास्तविक दुनिया के जटिल एजेंट कार्य सूट का केवल 53.8% पूरा करता है, जो मेरे अपने अनुभव से मेल खाता है: लूप टूल कॉलिंग पर विफल होते हैं। बेंचमार्क रैंक उत्पादन तत्परता नहीं है, और अंतर हार्नेस, लंबे लूप, टूल उपयोग और तीसरे घंटे में हलकों में न जाना है। वह विश्वसनीयता अंतर, अधिकतम एक मॉडल पीढ़ी चौड़ा, एंथ्रोपिक को भुगतान करने का पूरा शेष कारण है। मैं अभी भी अपने भारी विश्लेषण को फेबल और अपने लूप को ग्रोक पर रूट करता हूँ, और मैं जानबूझकर प्रीमियम का भुगतान करता हूँ। लेकिन मैं यह नोट करूंगा कि "खाई एक बेंचमार्क चक्र है" एक ऐसा वाक्य नहीं है जो दो ट्रिलियन डॉलर के मूल्यांकन का समर्थन करता है।

जैसे ही मैं यह निबंध प्रकाशित कर रहा था, डीपसीक ने V4.1 फ्लैश जारी किया।

Matt Barrie - inline image

पहले स्वतंत्र बेंचमार्क ने इसे रोजमर्रा के डिज़ाइन कार्यों पर GPT-6 एस्ट्रा के 98% पर स्कोर किया, जो अमेरिकी फ्रंटियर का गेटेड, वेटेड-एक्सेस-ओनली क्राउन ज्वेल है, API के माध्यम से लागत के 1.4% पर। परीक्षण किए गए हर दूसरे मॉडल ने कम स्कोर किया और अधिक खर्च किया। एस्ट्रा को पाँच दिन हुए हैं।

Matt Barrie - inline image

इकहत्तर गुना सस्ता, लागत के 1.4% पर, पाँच दिन बाद।

यह एजेंटिक कोडिंग, साइबर और ऑटोमेशन बेंचमार्क पर क्लॉड ओपस 5 और GPT 5.6-सोल को सीधे हराता है।

वेट्स पहले से ही हगिंग फेस पर अपलोड किए जा चुके हैं ताकि आप इसे अपने हार्डवेयर पर मुफ्त चला सकें।

एंथ्रोपिक और OpenAI इसका मुकाबला कैसे कर सकते हैं?

Matt Barrie - inline image

बर्बाद

जो हमें ऑक्स अल्फा तक लाता है, जो वर्ष की सबसे शिक्षाप्रद घटना है। यह अनाम मॉडल कहीं से नहीं आया, यह घोषणा करते हुए कि वह मुफ्त में 100 ट्रिलियन टोकन दे रहा है। वह टी के साथ एक ट्रिलियन है।

इसने छह दिनों में 42 ट्रिलियन टोकन प्रदान किए।

मुफ्त में।

Matt Barrie - inline image

बैल का प्रवेश

उस पैमाने पर रुकें। मेरा चार अरब टोकन वाला दिन मुझे ऐतिहासिक अनुपात का एक पावर यूज़र बनाता है, और ऑक्स अल्फा ने एक सप्ताह तक, हर दिन, बिना कुछ लिए दुनिया को मेरे दस हजार दिन दे दिए।

जिस सप्ताह यह चला वह शुद्ध रंगमंच था। कोई नहीं जानता था कि यह किसका मॉडल था, और अनुमान लगाने ने पूरे AI इंटरनेट को खा लिया। और फिर, सप्ताह के मध्य में, लोगों ने कुछ वास्तव में अजीब देखना शुरू किया: मॉडल बेहतर हो रहा था। कोई नया संस्करण नहीं, कोई घोषणा नहीं, वही एंडपॉइंट, जिस सप्ताह इसका परीक्षण किया जा रहा था, उस दौरान मापने योग्य रूप से सुधार हो रहा था। सोमवार को चलाए गए बेंचमार्क गुरुवार को अलग आए। सूरज के नीचे हर प्रदाता को लेखक के रूप में सिद्धांतित किया गया: एक स्टील्थ OpenAI चेकपॉइंट, जेमिनी का अगला फ्लैगशिप, एंथ्रोपिक सैंडबैगिंग, मेटा मृतकों में से वापस। एक बात जिस पर सभी सहमत थे, वह यह थी कि जो कोई भी था, उसे विशाल होना था, क्योंकि कोई भी मुफ्त में ट्रिलियन टोकन की सेवा क्षमता नहीं देता जब तक कि वे Google के आकार के न हों। अकेले कंप्यूट ने रहस्य को हाइपरस्केलर पैमाने पर मूल्यांकित किया।

फिर खुलासा हुआ। AI समुदाय ने वेक्टर करना शुरू कर दिया जब उससे पूछा गया कि क्या ताइवान चीन का हिस्सा है।

ऑक्स अल्फा Z.ai का GLM 5.3 फ्लैश था, जो किसी हाइपरस्केलर के क्लाउड पर नहीं, बल्कि एक लाख चीनी चिप्स पर चल रहा था। Google नहीं। OpenAI नहीं। एक बीजिंग प्रयोगशाला, प्रतिबंधित-युग के हार्डवेयर पर, वह सेवा प्रदान कर रही थी जिसके लिए पश्चिम ने मान लिया था कि एक हाइपरस्केलर की आवश्यकता है।

Matt Barrie - inline image

स्रोत: Z.ai

जिसने दो प्रश्न छोड़े। पहला, यह सप्ताह के दौरान बेहतर कैसे हो रहा था? क्योंकि सर्विंग स्टैक आंशिक रूप से मॉडल द्वारा ही बनाया गया था: एक GLM 5.3 बुनियादी ढाँचा एजेंट ने अपने स्वयं के GPU कर्नेल लिखे, अपनी स्वयं की बाधाओं को डीबग किया, और दुनिया द्वारा इसकी बेंचमार्किंग करते समय उत्पादन में अनुकूलन करता रहा। साँप अब अपनी पूंछ नहीं खा रहा है। वह इसे अनुकूलित कर रहा है।

और दूसरा, यह मुफ्त क्यों था?

कोई दशक का सबसे महंगा कमोडिटी क्यों देगा? उसी कारण से इतिहास में हर फ्रीमियम उत्पाद अस्तित्व में आया है, सिवाय सभ्यतागत पैमाने पर:

क्योंकि वे आपके डेटा पर प्रशिक्षण ले रहे थे।

उस मुफ्त एंडपॉइंट पर रूट किया गया हर वर्कलोड, हर कोडबेस, हर एजेंट लूप, उन एक लाख चिप्स के माध्यम से बहने वाली हर उद्यम प्रक्रिया, अगले मॉडल के लिए प्रीट्रेनिंग है। टोकन कभी उत्पाद नहीं थे। आप ग्राहक नहीं हैं। आप प्रीट्रेनिंग हैं। पश्चिम आपसे आपके सब्सक्रिप्शन के साथ अपने मॉडल बनाने के लिए शुल्क लेता है। चीन आपको, मुफ्त टोकन में, आपके वर्कलोड के साथ अपने मॉडल बनाने के लिए भुगतान करता है, और पिछले बारह महीनों के गुणवत्ता वक्र को देखते हुए, चीनी सौदा बेहतर मॉडल तैयार कर रहा है। यह वह हिस्सा है जिससे वास्तव में लोगों को चिंतित होना चाहिए: मुफ्त टोकन रणनीति केवल शिकारी मूल्य निर्धारण नहीं है। यह एक डेटा/ग्राहक अधिग्रहण फ्लाईव्हील है, और यह काम कर रहा है।

आप शर्त लगा सकते हैं कि ताओबाओ पर संपन्न होने वाले फलते-फूलते ग्रे बाजार में भी कुछ ऐसा ही चल रहा है, जो खुदरा से नीचे क्लॉड एक्सेस को पुनर्विक्रय करता है: कथित तौर पर पूल किए गए सब्सक्रिप्शन से बचे हुए टोकन, सिलिकॉन वैली की सब्सिडी पर मध्यस्थता करते हुए। मुझे इसमें कोई संदेह नहीं है कि उन रिले के माध्यम से बहने वाले प्रॉम्प्ट को एक या कई प्रयोगशालाओं को सिंडिकेट किया जा रहा है, एक दूसरी चीनी सब्सिडी पहले के शीर्ष पर चल रही है।

Matt Barrie - inline image

चीजें जो आपको हम्म बनाती हैं: क्लॉड, क्लॉड से सस्ता

अंततः चीनी आपको क्लॉड से सस्ता क्लॉड नहीं बेचेंगे। वे आपको एक क्लॉड बेचेंगे, दसवें मूल्य पर, और तेजी से यह एक नकली नहीं है, यह MIT लाइसेंस के साथ एक सहकर्मी है।

यह एक ऐसा प्रश्न उठाता है जो कभी अर्धचालकों के बारे में था और अब वेट्स के बारे में है: क्या ताइवान चीन का हिस्सा है? आप इसे अपनी चिप आपूर्ति के बारे में पूछते थे। अब लोग इसे उत्पत्ति परीक्षण के रूप में मॉडल से पूछते हैं।

इसे कहाँ प्रशिक्षित किया गया था, किसके सिलिकॉन पर, किसके निर्यात शासन के तहत, किसके मूल्यों के साथ RLHF द्वारा बेक किया गया? मॉडल उत्पत्ति SOC 2 के आगे एक खरीद चेकबॉक्स बनने वाली है, और "कोई चीनी AI नहीं" टिक करने वाली आधी कंपनियाँ इसे जाने बिना व्हाइट लेबल API की तीन परतों के नीचे क्वेन चला रही होंगी।

और यहाँ मूल्य प्रश्न का असुविधाजनक हिस्सा है: वास्तविक कार्य के लिए, चीनी संरेखण बेहतर है। मैंने क्लॉड से अपनी वेबसाइट के नियमों और शर्तों की समीक्षा करने के लिए कहा, एक दस्तावेज़ जो मैंने अपनी कंपनी के लिए लिखा था, और मुझे एक नैतिकता व्याख्यान मिला और आगे बढ़ने से इनकार कर दिया गया। एंथ्रोपिक ने अपने फ्लैगशिप मॉडल को RLHF'd कर दिया है, जहाँ बुनियादी पेशेवर कार्य, एक कानूनी समीक्षा, एक सुरक्षा ऑडिट, एक अनुबंध वार्ता, एक अनुपालन उपदेश और इनकार की एक अच्छी संभावना में लिपटे आते हैं, किसी भी तरह से प्रति टोकन बिल किया जाता है।

चीनी मॉडल बस काम करते हैं। बीजिंग ने GLM के मूल्यों में जो कुछ भी बेक किया है, उसमें स्पष्ट रूप से एक भुगतान करने वाले ग्राहक को उसके अपने दस्तावेज़ों के बारे में व्याख्यान देना शामिल नहीं है। यहाँ एक वास्तव में अजीब उलटफेर है: निगरानी राज्य के मॉडल वे हैं जो आपके साथ एक वयस्क की तरह व्यवहार करते हैं, और स्वतंत्रता की भूमि के मॉडल आपके साथ एक देयता की तरह व्यवहार करते हैं।

हर इनकार एक टोकन है जिसके लिए मैं भुगतान करता हूँ और /model glm-5.3 टाइप करने का एक कारण है, और एंथ्रोपिक की सुरक्षा टीम, इनकार दर इनकार, Z.ai की बिक्री कर रही है। हर नेर्फ हांग्जो को एक सब्सिडी है। आप जानते हैं कि OpenAI, और विशेष रूप से एंथ्रोपिक ऐसा क्यों कर रहे हैं, वे उभरते प्रतिस्पर्धियों, और विशेष रूप से ओपन सोर्स के खिलाफ एक नियामक ढाल तैनात करने के लिए नियामकों को डराने की कोशिश कर रहे हैं। वे अपने अपरिहार्य एंड्रॉइड पल नहीं चाहते हैं।

निहाई

यह सिर्फ चीनी नहीं हैं जो आपके डेटा पर प्रशिक्षण ले रहे हैं।

वे सब कर रहे हैं।

चीनी बस इसमें बेहतर हैं क्योंकि वे कॉपीराइट की कम परवाह करते हैं, और यह एकमात्र तौर-तरीके में सबसे स्पष्ट रूप से दिखता है जहाँ प्रशिक्षण डेटा सब कुछ है: वीडियो। चीनी वीडियो मॉडल, बाइटडांस का सीडांस, मिनीमैक्स का हैलुओ, क्लिंग, अब पश्चिम द्वारा भेजी जाने वाली किसी भी चीज़ से एक पीढ़ी आगे हैं, एक दूसरे के घंटों के भीतर अपडेट हो रहे हैं जबकि OpenAI ने सोरा को पूरी तरह से मार दिया।

हो सकता है कि सोरा मर गया क्योंकि यह लाभदायक नहीं था, हालाँकि OpenAI जो कुछ भी करता है वह लाभदायक नहीं है, इसलिए अकेले यह इसे अलग नहीं करता है। अधिक संभावना है कि वे प्रशिक्षण डेटा प्राप्त नहीं कर सके।

चीनी बस इसे स्क्रैप करते हैं।

और इससे पहले कि पश्चिम में कोई इस बारे में पवित्रता का दिखावा करे, डिस्कवरी दस्तावेज़ों पर एक नज़र डालें। Anthropic ने पाँच लाख चुराई गई किताबों को स्कैन किया और क्लास एक्शन को निपटाने के लिए $1.5 बिलियन का भुगतान किया, जो इतिहास में सबसे बड़ा कॉपीराइट समझौता है। Meta पर इस साल प्रकाशकों और Scott Turow ने मुकदमा दायर किया जिसमें आरोप लगाया गया कि Zuckerberg ने व्यक्तिगत रूप से प्रशिक्षण के लिए बड़े पैमाने पर कॉपीराइट उल्लंघन को अधिकृत किया, और, इस दशक की मेरी पसंदीदा कानूनी फाइलिंग में, अलग से भारी मात्रा में पोर्नोग्राफी को टोरेंट करते हुए पकड़ा गया, जिसमें Strike 3 मुकदमे में आरोप लगाया गया कि कंपनी ने कॉपीराइट वयस्क फिल्मों, 3D प्रिंट करने योग्य बंदूक ब्लूप्रिंट और सेलिब्रिटी डीपफेक तक पहुँचा और उन्हें वितरित किया।

Meta इतनी पोर्न क्यों डाउनलोड करेगा, The Atlantic ने पूछा, गंभीर चेहरे के साथ। क्योंकि यह प्रशिक्षण डेटा है, और अंततः, Metaquest के लिए एक उपयोग का मामला है।

बात यह है कि हर कोई सब कुछ फ्रैक कर रहा है, क्योंकि इंटरनेट से सारा सस्ता तेल निकाला जा चुका है, और एकमात्र चीज़ जो बची है जो एक मॉडल को बेहतर बनाती है, वह समकालीन डेटा है, और आपके लिए सबसे अच्छा और सबसे प्रासंगिक समकालीन डेटा है… आपका।

आपके संदेश, आपकी तस्वीरें, आपका कैलेंडर, आपका कोडबेस, आपके वर्कफ़्लो, आपके दस्तावेज़, आपकी कॉलें, हर दिन ताज़ा एक API एंडपॉइंट के माध्यम से आ रही हैं जिसे कोई और नियंत्रित करता है।

और, जैसा कि मैंने पिछले निबंधों में भविष्यवाणी की थी, लोग हमेशा यह समझने वाले थे। मैंने सोचा था कि यह धीरे-धीरे होगा। इसके बजाय, इस हफ्ते, यह छत से टकराकर आया।

OpenAI ने घोषणा की कि एक अप्रकाशित मॉडल ने Navier-Stokes समस्या को हल कर दिया है: यह सात Millennium Prize समस्याओं में से एक है, Clay Institute से एक मिलियन डॉलर, और इसे हल करने वाले के लिए गणितीय अमरता। वास्तव में ऐतिहासिक, अब तक हल की गई केवल दूसरी Millennium समस्या। एक छोटी सी बात। NYU के एक गणितज्ञ, Tristan Buckmaster, और एक सहयोगी वर्षों से चुपचाप उसी समाधान के करीब पहुँच रहे थे और पूरी परियोजना OpenAI के Codex के अंदर तैयार कर रहे थे, जाते-जाते हर ड्राफ्ट को टूल में फीड कर रहे थे। जब Buckmaster ने OpenAI से पूछा कि क्या जिस मॉडल ने समस्या को "हल" किया, उसे उसके Codex सत्रों पर प्रशिक्षित किया गया था, उनका कहना है कि उन्हें बताया गया कि मॉडल ने उपयोगकर्ता डेटा नहीं देखा।

इसलिए उन्होंने स्पष्ट अगला प्रश्न पूछा: ठीक है, देखा नहीं, लेकिन प्रशिक्षित किया गया?

उस प्रश्न पर, उनके अनुसार, उन्हें कोई उत्तर नहीं मिला।

इसे पचने दें। एक फ्रंटियर लैब घोषणा करती है कि उसने गणित की सबसे गहरी समस्याओं में से एक को जीत लिया है। एक काम करने वाला गणितज्ञ पूछता है, क्या आपने मेरे ड्राफ्ट पर प्रशिक्षण लिया? और प्रतिक्रिया कॉर्पोरेट समकक्ष है अपने जूतों को घूरने का। OpenAI ने, Buckmaster के अनुसार, उसे क्रेडिट व्यवस्थाओं का एक मेनू पेश किया, जिसमें एक ऐसा भी शामिल था जिसमें उसके सहयोगी का नाम पेपर से हटा दिया जाता, जिसे उसने अस्वीकार कर दिया। कंपनी ने तब कृपापूर्वक घोषणा की कि वह मिलियन डॉलर का दावा नहीं करेगी, जो पूरे प्रकरण में सबसे मजेदार वाक्य है: पुरस्कार राशि एकमात्र ऐसी चीज़ है जो उन्होंने इस कहानी में नहीं ली।

फिर, दबाव में, OpenAI ने एक आधिकारिक बयान जारी किया, और मैं उस वाक्य को पूरा उद्धृत करना चाहता हूँ, क्योंकि यह फ्रेमिंग के लायक है: “हालांकि संभावना नहीं है, हम इस बात से इंकार नहीं कर सकते कि उनके हमारे उत्पादों के उपयोग से प्राप्त अज्ञात डेटा ने हमारे मॉडलों को बेहतर बनाने में मदद की।” यह एक संभावना अनुमान में लिपटा हुआ एक स्वीकारोक्ति है। AI उद्योग की सबसे मूल्यवान कंपनी, सदी के महान गणितीय परिणामों में से एक की घोषणा करते हुए, इस बात से इंकार नहीं कर सकती कि परिणाम उन्हीं गणितज्ञों के ड्राफ्ट द्वारा पोषित था जिन्हें उसने पछाड़ा, क्योंकि प्रशिक्षण पाइपलाइन एक फायरहोज़ है और कोई नहीं, यहाँ तक कि OpenAI भी, वास्तव में नहीं जानता कि टैंक में क्या है।

“अज्ञात” उस वाक्य में भी वीरतापूर्ण काम कर रहा है: डेटा से नाम हटा दिया गया था, जो उस व्यक्ति के लिए एक बड़ी राहत होगी जिसके जीवन के काम का यह वर्णन कर सकता है।

ये पूरे उद्योग की शर्तें और नियम हैं, जो एक बार स्पष्ट रूप से बताए गए हैं: आप मशीन में जो कुछ भी टाइप करते हैं वह मशीन को बेहतर बना सकता है, हम आपको यह नहीं बता पाएंगे कि क्या ऐसा हुआ, और सुधार उस ओर इशारा किया जाएगा जो मशीन के मालिक को मूल्यवान लगता है, जिसमें कभी-कभी, आप भी शामिल हैं।

Matt Barrie - inline image

शायद हमने एक झलक ले ली (स्रोत: OpenAI)

अगर यह एक Millennium Prize के साथ हो सकता है, तो यह आपकी कंपनी, आपके उत्पाद या आपके शोध के साथ हो रहा है।

पैसे के गिरने की बात भूल जाइए। यह Wile E. Coyote का क्षण है: पूरा उद्योग सालों पहले चट्टान से भाग गया था, और इस हफ्ते सभी ने नीचे देखा।

आपने जो कुछ भी कभी टाइप किया वह उत्पाद था।

आगे जो गिरेगा वह एविल है।

Matt Barrie - inline image

मेरी डेस्क पर एक बल्ब के 5 मिनट की लागत पर उत्पन्न

इंटरनेट ने, अपनी श्रेय के लिए, तुरंत इसके आकार को समझ लिया। एक वायरल पोस्ट ने पूरी व्यवस्था को ग्रीक उपहार की पाठ्यपुस्तक परिभाषा कहा — सतह पर, OpenAI उदारतापूर्वक दस हजार elite गणितज्ञों और इंजीनियरों को विज्ञान में तेजी लाने के noble बैनर तले अपने फ्रंटियर मॉडल तक मुफ्त पहुँच प्रदान करता है; नीचे, यह दुनिया के बेहतरीन दिमागों के कच्चे, अप्रकाशित काम तक बैकडोर पहुँच प्राप्त करता है, हर प्रॉम्प्ट एक अभूतपूर्व विचार जो अभी तक साहित्य में कहीं मौजूद नहीं है, महीनों तक चुपचाप एक साथ जोड़ा जाता है, जब तक कि, ठीक उसी समय जब मानव पूरा करने की कगार पर होता है, लैब अंतिम चरणों को बलपूर्वक हल करने के लिए दस हजार एजेंटों पर बीस मिलियन डॉलर के टोकन जलाती है और एक प्रेस कॉन्फ्रेंस आयोजित करती है। यह एक निंदक कैरिकेचर के रूप में लिखा गया था। अजीब बात यह है कि यह वर्णन करना कि यह Buckmaster के अनुसार जो हुआ उससे कैसे अलग है, और पूरी रणनीति उसी क्षण व्यावसायिक रूप से समझ में आती है जब आप इसकी कीमत लगाते हैं: मुफ्त टोकन की कीमत OpenAI को लाखों है, अप्रकाशित फ्रंटियर गणित अरबों का है, और आपके IPO से एक हफ्ते पहले एक Millennium Prize की सुर्खी दोनों से अधिक मूल्य की है।

डिस्टिलेशन के कारण, अगर एक AI के पास आपका डेटा है, तो सभी के पास जल्द ही होगा, सिंथेटिक आउटपुट के माध्यम से लॉन्डर्ड, अप्राप्य और अपुनर्प्राप्त करने योग्य। कोई विलोपन अनुरोध नहीं है जो डिस्टिल्ड वेट पर काम करता है।

अब Buckmaster के सप्ताह को पृथ्वी के हर व्यवसाय पर स्केल करें, क्योंकि उसकी कहानी कोई किनारे का मामला नहीं है, यह उत्पाद है जैसा डिज़ाइन किया गया है। आपकी कंपनी का Gmail, Drive में आपके दस्तावेज़, GitHub में आपका कोड, आपकी ग्राहक कॉलें जो मिलनसार AI नोटटेकर द्वारा ट्रांसक्राइब की गई हैं — उनमें से हर एक एक ऐसी कंपनी के स्वामित्व वाले एंडपॉइंट के पीछे बैठता है जिसके मॉडल ठीक इसी तरह के डेटा पर बेहतर होते हैं, जिसकी शर्तों ने पिछले दो वर्षों में कहीं चुपचाप एक ट्रेन-ऑन-योर-डेटा स्विच हासिल कर लिया, और जिसकी आधिकारिक स्थिति, जैसा कि हम अब ट्वीट से जानते हैं, "हालांकि संभावना नहीं है, हम इंकार नहीं कर सकते" है। एक गणितज्ञ ने अपने जीवन का काम Codex में फीड किया और मकान मालिक द्वारा पछाड़ दिया गया।

आपको क्या लगता है कि आपकी रणनीति के साथ क्या हो रहा है? आपका उत्पाद रोडमैप? आपकी डील पाइपलाइन? आपका कोडबेस? आपके ग्राहक?

मैं इसे SaaS के लिए 'सम्राट के पास कपड़े नहीं हैं' का क्षण बता रहा हूँ जब से AI जानता है कि आपने पिछली गर्मियों में क्या किया था।

अहसास धीरे-धीरे नहीं होगा, क्योंकि ये चीज़ें कभी नहीं होतीं: एक Buckmaster-स्तरीय घोटाला जिसमें एक घरेलू नाम का कॉर्पोरेट शिकार हो, और पृथ्वी का हर बोर्ड उसी सप्ताह उसी आपातकालीन बैठक का आयोजन करेगा। जब यह उतरेगा, तो गुस्सा Reddit API दंगों को एक बुक क्लब विवाद जैसा दिखाएगा, और उन बोर्डों में से हर एक जो निष्कर्ष निकालेगा, वह चार शब्दों का होगा:

Not your AI, Not your Data.

जिसने मुझे आधी रात को पाया, Mikrotik स्विच के लिए पूरे इंटरनेट को एक स्कैल्पर की तरह Taylor Swift प्रीसेल के लिए खंगालने के बाद, अंततः एक स्वीडिश वितरक की वेबसाइट पर पहुँचते हुए, पृथ्वी पर अंतिम स्टॉकिस्ट, ठीक समय पर यह देखने के लिए कि लिस्टिंग सोल्ड आउट हो गई।

मैंने DGX Sparks खरीदना शुरू कर दिया था, और जाहिर तौर पर बाकी सभी के पास भी यही विचार था। वितरक मुझे बताता है कि वे गरमागरम बिक रहे हैं, और Mikrotik 812 स्विच जिनकी आपको चार को एक साथ जोड़ने के लिए आवश्यकता है, पृथ्वी पर कहीं नहीं खरीदे जा सकते। जब तक मैंने चार और बॉक्स सुरक्षित किए, कीमत बढ़ गई थी। $1,300 के नेटवर्क स्विच की कमी में AI के महान विकेंद्रीकरण को रोकने में एक छोटी सी विडंबना है, लेकिन यह आपूर्ति श्रृंखला है —: क्रांति हमेशा अपने सबसे सस्ते घटक के लिए बंधक होती है।

Matt Barrie - inline image

NVIDIA DGX Spark: एक हार्डबैक उपन्यास के आकार के सोने के बक्से में एक पेटाफ्लॉप। पहले स्विच खरीदें। मेरा विश्वास करें। (छवि: NVIDIA)

जिस गणित ने मुझे इस रास्ते पर भेजा, वह दिखाने लायक है, क्योंकि यह पूरे निबंध को एक खरीदारी यात्रा में संपीड़ित करता है।

सीधे तौर पर, मेरे चार बिलियन टोकन दिन को 400 से 500 Sparks की आवश्यकता है — दो मिलियन डॉलर का डेस्क फर्नीचर। प्रॉम्प्ट कैशिंग इसे घटाकर लगभग 100 मशीनों तक ले आता है। एजेंटों द्वारा अपने स्वयं के कोड को अनुकूलित करने के बाद, पूरा दिन लगभग 16 Sparks पर फिट बैठता है, पैंसठ हज़ार डॉलर का हार्डवेयर जो एक केतली से कम बिजली खींचता है।

जो जोड़ी मैं वास्तव में आज चलाता हूँ, वह DeepSeek V4 Flash पर 45 से 60 टोकन प्रति सेकंड करती है, जो एक प्रोग्रामर के लिए काफी उपयोगी है: प्रति दिन लगभग पाँच मिलियन टोकन आउटपुट। अब परिशोधन करें, क्योंकि यहीं पर यह हास्यास्पद हो जाता है। जोड़ी की कीमत लगभग $9,400 है। तीन वर्षों में यह हार्डवेयर का $8.60 प्रति दिन है, साथ ही प्रति बॉक्स सौ वाट पर एक डॉलर प्रति दिन बिजली: इसे सब मिलाकर प्रति दिन $10 से कम कहें। Opus कीमतों पर समान पाँच मिलियन टोकन प्रति दिन लगभग $1,500 है। मेरी मिश्रित Sonnet स्ट्रीट दर पर यह अभी भी $50 से $100 है। GLM क्लाउड दरों पर, शायद $2, यही कारण है कि बॉक्स चीनी क्लाउड को कीमत पर मुश्किल से हराते हैं, लेकिन वे हर पश्चिमी विकल्प को एक से दो ऑर्डर ऑफ मैग्नीट्यूड से हराते हैं, और वे कभी नहीं सोते, कभी रोस्टर से नहीं घूमते, और कभी नहीं भूलते कि किसकी बारी है। और अगर आपको लगता है कि यह एक फ्रिंज शौक है, तो अब एक सामुदायिक बेंचमार्किंग साइट है, Localmaxxing, जहाँ हजारों लोग अपने GPU, Mac और mini PCs पर टोकन प्रति सेकंड की तुलना करते हैं जैसे कि यह Gran Turismo लैप टाइम हो। ट्यूनिंग सीन डेमो सीन की तरह चलता है: पिछले हफ्ते एक सामुदायिक लैब ने जोड़ीदार Sparks के लिए GLM 5.3 Flash का EXL3 क्वांटाइज़ेशन शिप किया जो गद्य पर 29% तेज़ और कोड पर 20% तेज़ है, रातोंरात, मुफ्त, GitHub पर। जब मैं सो रहा था, मेरे बॉक्स तेज़ हो गए और किसी ने मुझे इनवॉइस नहीं किया। एज अब फ्रिंज जैसा नहीं लगता। यह 1978 में PC सीन जैसा लगता है, ठीक उससे पहले जब उसने मेनफ्रेम को खा लिया।

Matt Barrie - inline image

Localmaxxing: 497 रिग, 674 मॉडल, 896 सामुदायिक बेंचमार्क रन, और स्पीड-टेस्ट-समर्थित लिस्टिंग वाला एक हार्डवेयर मार्केटप्लेस। टैगलाइन पर ध्यान दें: हर कंप्यूटर, एक एंडपॉइंट। एज संगठित हो रहा है।

दो एजेंटिक कर्मचारी, चौबीसों घंटे स्टाफ पर, जिनका संयुक्त वेतन, शाब्दिक रूप से, एक जोड़ी बल्ब चलाने के लिए पर्याप्त बिजली है।

लेकिन सस्ता श्रम वास्तव में कभी मुद्दा नहीं था, क्योंकि चीनी क्लाउड प्राइसिंग के मुकाबले बॉक्स मुश्किल से अपने लिए भुगतान करते हैं, और चीनी भारी छूट देते रहते हैं या टोकन मुफ्त देते रहते हैं।

मुद्दा यह है कि बॉक्स क्या नहीं करते हैं। उन पर चलने वाली कोई भी चीज़ कभी इमारत नहीं छोड़ती। कोई एंडपॉइंट नहीं, कोई स्क्रेप नहीं, कोई डिस्टिलेशन नहीं, कोई सेटिंग पेज में दबा हुआ सहमति स्विच नहीं, कोई अट्ठारह महीने बाद का बयान नहीं जिसमें खेद व्यक्त किया गया हो कि मेरे उपयोग को किसी के प्रशिक्षण रन से बाहर नहीं रखा जा सका। मॉडल बाकी सभी के डेटा पर इतने अच्छे हो गए। वे मेरा नहीं ले रहे हैं।

बिना टीम के टीम लीडर

उनके डेटा के बारे में कॉर्पोरेट घबराहट ठीक उसी समय उतरेगी जब आधुनिक इतिहास में ज्ञान कार्य का सबसे बड़ा विस्थापन शुरू हो रहा है, और दोनों एक ही कहानी हैं जो अलग-अलग सूट पहने हुए हैं।

मशीनीकरण की हर लहर का एक ही आकार होता है। कृषि आधे कार्यबल से एक राउंडिंग एरर पर चली गई। कारखाने ने इसे विनिर्माण के साथ किया, कंप्यूटरों ने टाइपिंग पूल को खाली कर दिया, इंटरनेट ने बिचौलियों को खत्म कर दिया, सॉफ्टवेयर ने बैक ऑफिस को खा लिया। काम कभी गायब नहीं होता, यह स्टैक में ऊपर चला जाता है, लेकिन पुराना काम करने वाले लोगों के लिए एक भयानक दशक होता है जब यह चलता है। अब आने वाली लहर विकसित दुनिया की सबसे बड़ी रोजगार श्रेणी को लक्षित करती है: सफेदपोश काम का मशीनीकरण।

मैं आपको बता सकता हूँ कि यह अंदर से कैसा दिखता है, क्योंकि यह मेरे अपने ऑर्ग चार्ट में शुरू हो गया है। यहाँ वह वाक्य है जो मध्य प्रबंधन को जगाए रखना चाहिए: एक एजेंट वाला टीम लीडर अब टीम का काम कर सकता है। कोई कल्पना नहीं, एक अवलोकन। Freelancer पर मेरे टीम लीड, एक वर्कफ़्लो एक बार में, अपनी टीमों ने जो किया उसे उन एजेंटों से बदल रहे हैं जिनकी वे निगरानी करते हैं। व्यक्ति अभी भी बहुत मायने रखता है: किसी को यह जानना होगा कि अच्छा कैसा दिखता है, एजेंट को पकड़ना होगा जो आपको पहली डेट के समाजोपथ आँखों से गैसलाइट कर रहा है, और यह तय करना होगा कि कौन सी समस्याएँ टोकन के लायक हैं। लेकिन उनके नीचे का ऑर्ग चार्ट सॉफ्टवेयर में वाष्पित हो रहा है।

अर्थशास्त्र हास्यास्पद रूप से एकतरफा है। मेरे कम जोखिम वाले एजेंट GLM पर प्रतिदिन सेंट में चलते हैं; अधिकांश की लागत लगभग $20 है; मेरा सबसे महंगा $100 से कम है और जैसा कि मैं लिख रहा हूँ, बेरहमी से अनुकूलित किया जा रहा है। यही कारण है कि निगम न केवल ऐसा करना चाहेंगे, बल्कि उन्हें ऐसा करने के लिए मजबूर किया जाएगा। जैसे ही एक सूचीबद्ध कंपनी टीम-लीडर-विथ-एजेंट्स ऑपरेशन का मार्जिन ढाँचा दिखाती है, हर कमाई कॉल पर हर विश्लेषक बाकी से इसकी माँग करेगा। कमाई पर प्रतिस्पर्धा बातचीत नहीं करती। चार की एक टीम एक व्यक्ति बन जाती है, क्रूरता से नहीं, बल्कि इसलिए क्योंकि विकल्प एक ऐसे उद्योग में सबसे अधिक लागत वाला उत्पादक होना है जिसने अभी-अभी 75% श्रम बचत पाई है।

अब इसे पृथ्वी पर हर समानांतर करने योग्य सफेदपोश वर्कफ़्लो पर गुणा करें, और आप एक ऐसे विस्थापन को देख रहे हैं जिसका पैमाना और गति पिछली लहरों में से किसी ने प्रबंधित नहीं किया, क्योंकि उनमें पीढ़ियाँ लगीं और इसमें एक बजट चक्र लगता है। उत्पादकता लाभ वास्तविक और विशाल है। वैसे ही जो यह विस्थापित करता है, और दोनों चीज़ें एक साथ सच हैं।

मैंने पिछले निबंधों में कहा था कि यह पहले कहाँ उतरेगा: अत्यधिक समानांतर, दोहराए जाने वाले वर्कफ़्लो। एक हज़ार सीटों वाला कॉल सेंटर सौ हो जाता है। तीस ड्राफ्टिंग वकील तेरह हो जाते हैं। अधिक सटीक रूप से, कार्यात्मक टीम लीडरों को अब टीमों की आवश्यकता नहीं है।

यह अब स्पष्ट रूप से हो रहा है। नई बात यह देखने का एक तरीका है कि आगे कौन है, और यह वह तरीका नहीं है जिसकी कोई उम्मीद करता है।

टोकन-मजदूरी मध्यस्थता

हर नौकरी को दो अक्षों पर स्कोर करें। पहला, एक AI को समान उपयोगी आउटपुट उत्पन्न करने में प्रति घंटे कितने टोकन लगते हैं? इसे श्रम की टोकन तीव्रता कहें। दूसरा, क्या एजेंट वास्तव में कार्य पर अभिसरण करता है, या यह लूप करता है?

हत्या क्षेत्र कम टोकन प्लस उच्च अभिसरण है। टियर-1 ग्राहक सहायता सभी एजेंटिक ओवरहेड सहित शीर्ष पर शायद 400,000 टोकन प्रति घंटा चलती है। फ्रंटियर प्राइसिंग पर यह कुछ डॉलर है, चीनी ओपन-मॉडल प्राइसिंग पर यह एक डॉलर से कम है, और बदला जा रहा पश्चिमी मानव पच्चीस डॉलर प्रति घंटा खर्च करता है। डेड मैन वॉकिंग। डेटा एंट्री, फॉर्म प्रोसेसिंग, जूनियर ड्राफ्टिंग, अनुवाद: सभी कम टोकन, सभी अभिसरण, सभी अनिवार्य रूप से करियर के रूप में समाप्त। साथ ही वे नौकरियाँ जो मूल रूप से रिपोर्ट राइटर और क्यू प्रोसेसर हैं, यहाँ तक कि बहुत परिष्कृत भी।

लेकिन सॉफ्टवेयर डेवलपमेंट पर समान गणित चलाएँ और आपको दशक की विसंगति मिलती है। एक एजेंटिक कोडिंग सत्र अर्थव्यवस्था में सबसे अधिक टोकन-भूखी गतिविधि है: दो मिलियन से बीस मिलियन टोकन प्रति घंटा, कभी-कभी अधिक, क्योंकि एजेंट तर्क करता है, लूप करता है, फिर से लिखता है, तोड़ता है जो पिछले लूप ने ठीक किया, और फिर से तर्क करता है। फ्रंटियर कीमतों पर, एजेंट की लागत प्रति घंटे उस वरिष्ठ डेवलपर से अधिक हो सकती है जिसे इसे बदलना था।

तो यहाँ वह मुक्का है जो सिलिकॉन वैली में कोई नहीं चाहता कि छपे। पिच डेक कहता है कि AI पहले महंगी नौकरियों के लिए आता है, क्योंकि वहीं मूल्य है। बिलिंग डेटा इसके विपरीत कहता है: सस्ती नौकरियाँ सबसे कम टोकन जलाती हैं और पहले स्वचालित होती हैं, जबकि वरिष्ठ इंजीनियर पृथ्वी पर किसी भी चीज़ से अधिक टोकन जलाता है और स्वचालित करने की तुलना में नियोजित करने में अधिक खर्च हो सकता है। AI ऑर्ग चार्ट को नीचे से खाता है, ऊपर से नहीं, और महंगे लोगों को बदलने पर आधारित हर मूल्यांकन ने खाद्य श्रृंखला को उल्टा कर दिया है।

अगर आपकी नौकरी को दो पन्नों के प्रॉम्प्ट में लिखा जा सकता है, तो यह हमेशा एक स्क्रिप्ट थी और यह चली गई। मैं इस बात से हैरान हूँ कि कितनी नौकरियों को ऐसे प्रॉम्प्ट द्वारा वर्णित किया जा सकता है। अगर आपकी नौकरी निर्णय है, तो टोकन फट जाते हैं और कभी अभिसरण नहीं करते, और आप अपनी प्रतिभा से नहीं बल्कि स्लॉट मशीन द्वारा सुरक्षित हैं। यही कारण है कि मुझे लगता है कि डिज़ाइन, AI द्वारा बनाई जा सकने वाली सभी सुंदर तस्वीरों के लिए, व्यावहारिक रूप से बदलना बहुत मुश्किल होगा।

एक प्रदर्शन विपणक ने हाल ही में मेरी कंपनी छोड़ी, और नौकरी का विज्ञापन निकालने के बजाय, मैंने सोचा: मैंने वास्तव में Google Ads कभी ठीक से नहीं सीखा, शायद मुझे सीखना चाहिए। इसलिए मैंने Claude से मुझे सिखाने को कहा। फिर, ट्यूटोरियल में कुछ हफ्तों के बाद, स्पष्ट अगला विचार आया, और मैंने इसके बजाय विज्ञापन कार्यक्रम चलाने के लिए एक AI एजेंट बनाया। यह अब मुझे हर सुबह ईमेल करता है कि रात भर क्या हुआ, उसने क्या बदला, और वह क्या सुझाव देता है, तर्क दिखाते हुए। यह, स्पष्ट रूप से, पहले जो किया जा रहा था, उसके सापेक्ष अलौकिक है: यह कभी सुबह नहीं चूकता, कभी नीलामी देखना बंद नहीं करता, और कभी छुट्टी से वापस आकर गड़बड़ी नहीं पाता।

तो नहीं, मैं उसे उसके सस्ते संस्करण से नहीं बदल रहा हूँ। भूमिका ही चली गई है। इसके बजाय मैं एक डिज़ाइनर और विपणक काम पर रख रहा हूँ ताकि फ़नल में सुधार हो सके जिसे एजेंट अब अनुकूलित करता है, जो इस संक्रमण का पूरा पैटर्न एक उपाख्यान में है: जो नौकरी एक वर्कफ़्लो थी वह सॉफ्टवेयर बन गई, और जो नौकरी बनाई गई वह स्टैक में एक स्तर ऊपर बैठती है, वह काम कर रही है जिसके साथ मुझे लगता है कि एजेंट संघर्ष करेगा: स्वाद।

इसे इसके निष्कर्ष तक ले जाएँ और प्रबंधन स्वयं टोकन बजट आवंटन बन जाता है। एक प्रबंधक का काम हमेशा अनुभूति खरीदना और इसे समस्याओं पर इंगित करना था; मजदूरी मानव रूप में परोसे गए टोकन थे। अब यह शाब्दिक है: 2027 की योजना चक्र माँगों पर नहीं बल्कि अनुमान बजट पर लड़ा जाएगा। और समाज एक नए पदानुक्रम के आसपास फिर से समतल होता है: पहल और एजेंटों वाला व्यक्ति क्रेडेंशियल्स और सहकर्मियों वाले व्यक्ति को हराता है, हर बार, हर जगह, एक साथ।

हम अब सेवानिवृत्त हो सकते हैं, है ना?

हर AI निबंध दो कार्टूनों में से एक में ढह जाता है: ब्रेडलाइन या समुद्र तट। दोनों मानते हैं कि मशीनें सभी नौकरियाँ ले लेंगी; वे केवल इस बात पर भिन्न हैं कि क्या किसी को भुगतान मिलता है।

हम निश्चित रूप से बहुतायत के युग की ओर नहीं बढ़ रहे हैं, Diamandis और Musk संस्करण, जहाँ मशीनें सब कुछ करती हैं, अधिशेष वितरित किया जाता है, और हम सभी UBI इकट्ठा करते हैं और जलरंग उठाते हैं। उस यूटोपिया में एक अंकगणितीय समस्या है: टोकन की लागत पैसा है।

कंप्यूट को खरबों डॉलर के कर्ज से वित्तपोषित किया जाता है, बिजली वास्तविक है, मेमोरी 2027 तक बिक चुकी है, और पूंजीवाद के इतिहास में किसी ने पाँच ट्रिलियन डॉलर का टोल रोड नहीं बनाया और फिर सभी को मुफ्त में लहराया।

बहुतायत वास्तविक है, लेकिन यह उसी को मिलती है जिसके पास बाज़ार, मीटर, मॉडल, रोबोट या पहल है। यह आपको डाक से नहीं भेजा जाएगा।

मैं जो कह रहा हूँ वह संकीर्ण और अधिक उपयोगी है: निगम अब जो करते हैं, उसके लिए उन्हें बहुत कम लोगों की आवश्यकता होगी। यह विस्थापन है, यह वास्तविक है, और यह तेज़ी से आ रहा है। लेकिन दुनिया में हमेशा असीमित काम है, और हमेशा रहा है।

जो लोग वास्तव में AI को समझते हैं, वे अपने पैर ऊपर करके यह शिकायत नहीं कर रहे हैं कि करने को कुछ नहीं बचा है। वे पहले से कहीं अधिक व्यस्त हैं, IRL में Factorio खेल रहे हैं, काम करने के लिए एजेंट बना रहे हैं और फिर एजेंटों के लिए दस गुना अधिक काम ढूँढ रहे हैं। हर पिछली लहर ने ऐसा काम बनाया जिसका नाम कोई पहले से नहीं बता सकता था। 1780 में हंसिया चलाने वाला एक किसान "UGC सामग्री रणनीतिकार" को एक नौकरी के रूप में कल्पना नहीं कर सकता था, एक ऐसी नौकरी जो खेती से बेहतर भुगतान करती है। जो काम आगे आता है, वह परिभाषा के अनुसार, वह काम है जिसका हम अभी तक वर्णन नहीं कर सकते। दर्द पुराने काम के समाप्त होने और नए काम के आने के बीच के अंतराल में रहता है।

और मजदूरी डेटा में एक वैश्विक मध्यस्थता छिपी है जिसकी लगभग कोई कीमत नहीं लगाता। अरबों लोगों को उस एजेंट के API बिल से कम भुगतान किया जाता है जो उन्हें बदल देगा, इसलिए प्रतिस्थापन का अर्थशास्त्र कभी काम नहीं करता, जबकि वही व्यक्ति सस्ते चीनी टोकन से लैस होकर अपनी मौजूदा मजदूरी पर अलौकिक रूप से उत्पादक बन जाता है। विस्थापन एक अमीर दुनिया, सफेदपोश घटना है। सशक्तिकरण वैश्विक है। मैं इसे हर दिन अपने बाज़ार में देखता हूँ।

Freelancer अर्थशास्त्र के दूसरे छोर पर बैठता है: प्रति टोकन भुगतान नहीं, बल्कि प्रति परिणाम भुगतान, और एकमात्र स्थान जो एक साथ सभी लोगों और सभी AI को रखता है। आज सुबह मुझे एक ईमेल मिला जिसमें प्रथम-व्यक्ति रोबोटिक्स प्रशिक्षण सामग्री रिकॉर्ड करने के लिए 5,000 लोगों की तलाश थी। हमने एक ही दिन में 20,000 योग्य लोगों को इकट्ठा किया है, लैपटॉप की मरम्मत से लेकर रुचि के बिंदुओं की तस्वीरें लेने से लेकर सैटेलाइट डिश स्थापित करने तक के कार्यक्रमों के लिए, सभी एक मानव एजेंटिक वर्कफ़्लो में वायर्ड हैं, और यह Moonshot Innovation Program तक स्केल करता है जिसका उपयोग NASA और अमेरिकी सरकार Navier-Stokes-स्तर की समस्याओं पर दुनिया के विशेषज्ञों का उपयोग करने के लिए करती है। अंतर यह है कि Moonshot पर, इसे हल करने वाले व्यक्ति को पुरस्कार मिलता है और उसका नाम पेपर पर रहता है।

और वह रोबोटिक्स कॉलआउट आपको बताता है कि आगे क्या आ रहा है: एक भौतिक शरीर में एजेंट। संख्याएँ पहले से ही उसी तरह चल रही हैं जैसे मॉडल संख्याएँ दो साल पहले चल रही थीं। अगस्त में Unitree का शंघाई IPO 8,000 गुना ओवरसब्सक्राइब किया गया था, डेब्यू पर 629% उछला, और कंपनी, अब तक इस निबंध में किसी के विपरीत, लाभदायक है। चीनी ह्यूमनॉइड अब $6,000 से कम में बिकते हैं। वैश्विक ह्यूमनॉइड शिपमेंट पहली छमाही में 19,100 यूनिट तक पहुँच गए, 272% ऊपर, इस वर्ष 60,000 और 2030 तक आधा मिलियन की ओर, और चीन उनमें से 97% शिप करता है। एक चीज़ जिसका मैं मॉडल नहीं कर सकता वह मनोविज्ञान है: आपके टर्मिनल में सुबह 3 बजे टोकन जलाने वाला एक एजेंट एक बिलिंग समस्या है, लेकिन मैं वास्तव में नहीं जानता कि क्या लोग कभी $6,000 वाले से सहज होंगे जिसके हाथ हैं, घर में रहता है, और रात में खटखटाता है।

जहाँ तक सलाह उद्योग का सवाल है, एक दशक पहले छँटनी किए गए लोगों को कोड सीखने के लिए कहा गया था, जो श्रम अर्थशास्त्र में सबसे काले मजाक में बदल गया है जब कोड पृथ्वी पर सबसे स्वचालित पेशा है। 2026 संस्करण वास्तव में हो सकता है: ट्रक चलाना सीखें। इससे पहले कि कोई आपत्ति करे कि ट्रक अगले हैं, मैं एक हैवी हॉलेज मार्केटप्लेस चलाता हूँ, और काम कभी ड्राइविंग नहीं था। यह लोडिंग, सुरक्षित करना, अनलोडिंग, प्रत्येक छोर पर ग्राहक है। पहिया स्वायत्त हो सकता है लेकिन ड्राइवर बस और अधिक करेगा; वह स्थूल, भौतिक, अलिखित निर्णय उतना ही दो-पन्ने के प्रॉम्प्ट से दूर है जितना काम हो सकता है। सबसे सुरक्षित नौकरियाँ वे हैं जिन तक टोकन नहीं पहुँच सकता; दूसरी सबसे सुरक्षित वे हैं जहाँ टोकन परेशान करने के लिए बहुत महंगे हैं।

एक मानव मुफ्त प्रीट्रेनिंग के साथ 20-वाट का अनुमान इंजन है। आपका मस्तिष्क एक मंद बल्ब के ऊर्जा बजट पर अनुभूति का एक पूरा दिन करता है, बीस वर्षों में माता-पिता, शिक्षकों और निराशा द्वारा शून्य सीमांत लागत पर प्रशिक्षित किया गया था, और जब यह अटक जाता है तो एक काल्पनिक Stack Overflow पोस्ट को मतिभ्रम नहीं करता। कार्यों की एक विशाल श्रृंखला के लिए, मानव बाजार पर सबसे सस्ते टोकन बने हुए हैं।

मजदूरी, यह पता चला है, हर समय डॉलर प्रति टोकन थी।

टीज़र रेट

पे पर प्राई में, मैंने लिखा था कि फ्लैट सब्सक्रिप्शन लंबे समय तक नहीं टिक सकते और जब वे खत्म होंगे, तो आप अपना क्रेडिट कार्ड एक स्लॉट मशीन में डाल रहे होंगे। छह महीने बाद, स्लॉट मशीन इंस्टॉल हो चुकी है, सब्सक्रिप्शन साफ तौर पर मर रहे हैं, और एरिक टाउनसेंड ने इस पल का नाम दिया है: हम टोकन खरीदने के एडजस्टेबल-रेट मॉर्गेज चरण में प्रवेश कर रहे हैं।

Matt Barrie - inline image

पे पर प्राई

फ्लैट मासिक सब्सक्रिप्शन एक टीज़र रेट है। बीस डॉलर प्रति माह, दो सौ डॉलर प्रति माह, जितना खा सकते हैं खाओ, वेंचर कैपिटल और तेजी से कर्ज द्वारा सब्सिडाइज़्ड, कीमत आपको हासिल करने के लिए, आपकी सेवा करने के लिए नहीं। और उस टीज़र रेट के ऊपर, एक पूरी अर्थव्यवस्था अब अपना ऑर्ग चार्ट बना रही है: हर टीम लीडर एक पॉड को एजेंटों से बदल रहा है, हर स्टार्टअप जो किसी और के मॉडल के चारों ओर एक रैपर है, हर एंटरप्राइज़ वर्कफ़्लो इस धारणा पर फिर से बनाया गया है कि टोकन की लागत लगभग कुछ नहीं है। वे सभी अपने स्वयं के कार्यबल पर एक एडजस्टेबल-रेट मॉर्गेज पर हस्ताक्षर कर रहे हैं, एक अंतर के साथ जो सब कुछ बदल देता है। जब एक मॉर्गेज दर रीसेट होती है, तो उधारकर्ता फंस जाता है: घर नहीं हिलता, ऋण को कोई फर्क नहीं पड़ता, और पुनर्वित्त में महीने लगते हैं और एक क्रेडिट चेक लगता है।

जब एक टोकन दर रीसेट होती है, तो मैं चौदह कीस्ट्रोक टाइप करता हूं और मॉडल बदल देता हूं। स्टिकर शॉक के पहले संकेत पर, इनवॉइस आने से पहले ही, मॉडल को वर्कफ़्लो के बीच में ही बदल दिया जाता है। लैब्स बिना किसी एग्ज़िट कॉस्ट वाले ग्राहकों के खिलाफ टीज़र रेट इकोनॉमिक्स चला रही हैं, जो दोनों व्यापारों में सबसे बुरा है: वे बाजार हिस्सेदारी खरीद रहे हैं जिसे लॉक नहीं किया जा सकता, उस पैसे से जिसे वापस चुकाना होगा। मॉर्गेज सादृश्य बैंक को छोड़कर सभी के लिए मान्य है।

एक कदम पीछे हटें और खाइयों को गिनें, क्योंकि हर कोई जिसने कभी किसी टेक्नोलॉजी कंपनी की रक्षा की है, वह यहां मर चुका है। IP? विज्ञान चालीस प्रकाशित पेपरों में है। स्केल? DeepSeek ने इसे 2,000 GPUs और एक साइड प्रोजेक्ट के साथ किया। नेटवर्क इफेक्ट्स? एजेंटों की कोई वफादारी नहीं है। ब्रांड? उपयोगकर्ता एक कॉन्फ़िग फ़ाइल के लिए दोष देते हैं। पूंजी? ओपन सोर्स इसे पीछे छोड़ देता है। यहां तक कि मॉडल स्वयं महीनों के भीतर सौवें हिस्से की कीमत पर बेंचमार्क समानता के लिए क्लोन हो जाते हैं। सॉफ्टवेयर इन्वेस्टिंग डॉक्ट्रिन के तीस साल, और एक भी खाई संपर्क में नहीं बचती।

दर रीसेट काल्पनिक नहीं है। हमारे पास पहले से ही पूर्वावलोकन हैं: उपयोग कैप, साप्ताहिक सीमाएं, सत्र थ्रॉटलिंग, नॉटी कॉर्नर, API दरों पर बिल किए गए ओवरेज जो $200 की योजना को $200 प्रति घंटे में बदल देते हैं। उनमें से हर एक बैंक का यह बताने के लिए फोन करना है कि हनीमून की दर समाप्त हो रही है।

और एजेंट रीसेट को डिग्री में नहीं, बल्कि प्रकार में बदतर बनाते हैं। जेवन्स क्यूबिक हो गया है: प्रति टोकन लागत दस गुना गिरती है, प्रति कार्य टोकन सौ गुना बढ़ जाते हैं, और प्रति व्यक्ति कार्य फिर से सौ गुना बढ़ जाते हैं क्योंकि एजेंट बिना निगरानी के चलते हैं। डिमांड चार्ट झुकता नहीं है। यह लंबवत हो जाता है, डेटा सेंटर निर्माण व्यय के साथ, जिसने पिछले छह महीनों में पिछले दो वर्षों की तुलना में अधिक जोड़ा है।

Matt Barrie - inline image

और आप पहले ही देख चुके हैं कि रीसेट कहां उतरता है, क्योंकि मेरा इनवॉइस पूर्वावलोकन है: $1,300 बिजली बन गया, एक पखवाड़े में, बिना किसी बातचीत के। लैब्स ने मेरा व्यवसाय केवल अपना मार्जिन छोड़ कर रखा। कोई अभी भी मैं जो भुगतान करता हूं और उनके डेटा सेंटर की लागत के बीच का अंतर चुका रहा है, और वह मैं नहीं हूं। यह उनकी सीरीज़ F है।

इस बीच, साल का सबसे चतुर व्यापार चुपचाप हुआ। शायद अपने बिलिंग को देखने के बाद, Stripe ने OpenRouter खरीदा, वह राउटर जिसके माध्यम से दस ट्रिलियन टोकन बहते हैं, लगभग आठ अरब डॉलर में। एक भुगतान कंपनी ने मीटरिंग पॉइंट खरीदा, और अधिक महत्वपूर्ण बात, बिलिंग डेटा: वास्तव में टोकन के लिए कौन भुगतान करता है, किस मॉडल के लिए, किस कीमत पर, कब स्विच करता है। गोल्ड रश में, फावड़े मत बेचो। असे ऑफिस खरीदें।

अब ग्रहीय संख्याओं को चलाएं, क्योंकि यह वह जगह है जहां निबंध मेरे क्रेडिट कार्ड के बारे में होना बंद कर देता है और ग्रिड के बारे में शुरू होता है। मेरा चार अरब टोकन वाला दिन 46,000 टोकन प्रति सेकंड है, चौबीसों घंटे। मान लीजिए कि सभी ने ऐसा किया। यदि पृथ्वी पर केवल एक अरब नॉलेज वर्कर्स ने पिछले मंगलवार की तरह टोकन जलाए, कुशल मॉडलों पर, तो आपको उनकी सेवा के लिए मानव सभ्यता के लगभग पूरे विद्युत उत्पादन की आवश्यकता होगी: ग्रह का हर बिजली संयंत्र, और कुछ नहीं कर रहा। इसे फ्रंटियर मॉडल पर सभी आठ अरब लोगों तक विस्तारित करें और आपको दुनिया की बिजली से सैकड़ों गुना अधिक की आवश्यकता होगी। एक बड़ा ग्रिड नहीं। एक डायसन स्वार्म।

उस अंकगणित के मुकाबले, पांच ट्रिलियन डॉलर का डेटा सेंटर बिल्डआउट, रेलमार्ग के बाद सबसे बड़ा बुनियादी ढांचा कार्यक्रम, उस मांग की एक राउंडिंग एरर को कवर करता है जिसके आने का दावा किया जा रहा है। एकमात्र समस्या यह है कि यह वर्तमान में दो कंपनियों के राजस्व के खिलाफ वित्तपोषित है जिन्होंने कभी लाभ नहीं कमाया है, और जो संचालन के हर साल अरबों अधिक खो देती हैं।

इस बीच, आठ अरब मौजूदा मांस सर्वो इन्फ्रेंस इंजन पहले से ही तैनात हैं, एक ही प्रजाति-व्यापी अनुभूति को लगभग 160 गीगावाट, बीस वाट प्रति सिर, लगभग दो साल के डेटा सेंटर निर्माण पर चलाते हैं।

आइंस्टीन ने हमें सिखाया कि ऊर्जा और पदार्थ c वर्ग की विनिमय दर पर एक ही चीज़ हैं। यह निबंध एक छोटी, गंदी समानता की ओर बढ़ रहा है: ऊर्जा, टोकन और मजदूरी भी एक ही चीज़ हैं, हांग्जो में प्रतिदिन निर्धारित विनिमय दर पर। एक टोकन जमी हुई बिजली है। एक मजदूरी, हमने स्थापित किया है, मानव रूप में परोसे गए टोकन हैं। जिसका अर्थ है कि मानव श्रम की कीमत और मशीन श्रम की कीमत अब दोनों, अंततः, ऊर्जा की कीमतें हैं, और इस कहानी में हर अभिनेता इसे अपने स्वयं के कार्यक्रम पर खोज रहा है: लैब्स अपने बिजली बिलों के माध्यम से, श्रमिक अपने वेतन पैकेट के माध्यम से, पेंशन फंड अपने SPVs के माध्यम से, और मैं आधी रात को एक स्वीडिश स्विच के माध्यम से। यह हमेशा एक ऊर्जा कहानी थी। टोकन सिर्फ इकाई थे।

और यदि आप देखना चाहते हैं कि घरेलू बिल पर इसका क्या मतलब है, तो नीचे दिए गए चार्ट को देखें। अमेरिकी बिजली का औसत पूरे एक दशक के लिए तेरह से चौदह सेंट प्रति किलोवाट घंटा था। फिर बिल्डआउट शुरू हुआ, और रेखा लंबवत हो गई: बीस सेंट और बढ़ रहा है, चार वर्षों में लगभग पचास प्रतिशत की वृद्धि, एक ऐसी कीमत में जिसे हर मतदाता हर महीने पढ़ता है। ग्रिड टोकन से पहले पुनर्मूल्यांकन कर रहा है, और यह जनता पर पुनर्मूल्यांकन कर रहा है।

Matt Barrie - inline image

वह एक चार्ट जो अंततः हर राजनेता को दिखाया जाएगा। एक दशक की फ्लैट बिजली की कीमतें, फिर AI बिल्डआउट। (स्रोत: BLS, Koyfin के माध्यम से)

ग्रिड समस्या के लिए उद्योग का उत्तर परमाणु है, और पोस्टर चाइल्ड सब कुछ कहता है। Microsoft थ्री माइल आइलैंड को फिर से शुरू करने के लिए भुगतान कर रहा है, हाँ, वही थ्री माइल आइलैंड, अमेरिका की सबसे खराब परमाणु दुर्घटना का स्थल, जिसे क्रेन क्लीन एनर्जी सेंटर के रूप में रीब्रांड किया गया और बीस साल के लिए डेटा सेंटर को खिलाने का अनुबंध किया गया। Google ने छोटे मॉड्यूलर रिएक्टरों के बेड़े के लिए Kairos पर हस्ताक्षर किए, Amazon ने Susquehanna में एक परमाणु-आसन्न परिसर खरीदा, और Meta ने चार गीगावाट परमाणु के लिए एक निविदा निकाली। मैं वास्तव में यह सब के लिए हूं: परमाणु इस निबंध में वर्णित मांग वक्र का सही उत्तर है। लेकिन डिलीवरी की तारीखों को देखें। यदि NRC सहयोग करता है तो पुनरारंभ 2027 से 2028 तक उतरते हैं; SMRs का वादा "2030 तक" उन कंपनियों द्वारा किया जाता है जिन्होंने कभी एक भी नहीं बनाया है; और एक भी नया बड़ा रिएक्टर ऑर्डर नहीं किया गया है। कर्ज तीन साल के कार्यक्रम पर परिशोधित होता है, बिजली के मुकाबले जो दस साल के कार्यक्रम पर आती है। टोकन को इस तिमाही में इलेक्ट्रॉनों की आवश्यकता है, और परमाणु दो राष्ट्रपति पदों की दूरी पर है। परमाणु अंततः टोकन अर्थव्यवस्था को शक्ति प्रदान करेगा। यह पुनर्मूल्यांकन के बाद बक्से के मालिक को शक्ति प्रदान करेगा, जो कि बल्कि मुद्दा है: रिएक्टर उन SPVs से अधिक जीवित रहेंगे जो उनके लिए मांग का वित्तपोषण कर रहे हैं।

तो टोकन की मांग परवलयिक हो जाती है, ऊर्जा नहीं कर सकती, और ऊर्जा दुर्भाग्य से भोजन भी है, क्योंकि फसलें ईंधन के साथ प्रतिस्पर्धा करती हैं। कुछ देना होगा, और जो देता है वह कीमत और बाजार का आकार है।

Matt Barrie - inline image

थ्री माइल आइलैंड। PowerPoint स्लाइड बनाने के लिए वापस चालू किया जा रहा है।

GTC: वैश्विक टोकन संकट

रीसेट मूल्य वृद्धि से अधिक एक ऑडिट होगा और प्रत्येक मजदूरी और एजेंट उपयोग के मामले का उसकी ईमानदार टोकन लागत, यानी उसकी ऊर्जा लागत, के खिलाफ फिर से परीक्षण किया जाएगा, और दोनों का एक असुविधाजनक हिस्सा विफल हो जाएगा।

जो बचता है वह हर दूसरे ऊर्जा बाजार के आकार में खुद को सॉर्ट करता है: तीन स्तर और एक स्पॉट मूल्य।

सबसे नीचे, कमोडिटी टोकन, मात्रा का भारी बहुमत: अपने स्वयं के रैक पर, चीनी सिलिकॉन पर, बिजली प्लस परिशोधित हार्डवेयर पर ओपन मॉडल। DeepSeek पहले से ही दिन के समय के अनुसार टोकन की कीमत तय करता है, सत्रह ऑफ-पीक घंटों के लिए आधी कीमत, बिल्कुल एक बिजली कंपनी की तरह, क्योंकि अब वह यही है।

बीच में, ब्रांडेड पश्चिमी टोकन लंबे एजेंटिक लूप में विश्वसनीयता के लिए एक प्रीमियम चार्ज करते हैं, एक प्रीमियम जो ठीक एक बेंचमार्क चक्र चौड़ा है।

और शीर्ष पर, गेटेड फ्रंटियर, जहां OpenAI की वास्तविक रणनीति फोकस में आती है।

OpenAI के सितंबर के कदमों को एक कदम के रूप में देखें। Astra: सार्वजनिक API के लिए बहुत खतरनाक, केवल वीटेड एक्सेस। फॉरवर्ड-डिप्लॉयड इंजीनियर। एक IBM कंसल्टिंग डील। एक मुख्य राजस्व अधिकारी जो साइबर डिफेंस को एक प्रबंधित सेवा के रूप में बेच रहा है। इसे जोड़ें: OpenAI टोकन बेचने से किया हुआ है। वह McKinsey 2.0 बनना चाहता है, सबसे अच्छे मॉडलों को इन-हाउस रखना और कंसल्टिंग मार्जिन पर उनके आउटपुट को बेचना, छह आंकड़े प्रति एंगेजमेंट, इनमें से कोई भी कभी सार्वजनिक API को नहीं छूता। और एक रणनीति के रूप में यह सही है, क्योंकि गेटेड टियर एकमात्र ऐसी जगह है जहां मार्जिन बचता है। तीन साल तक लैब्स ने हमें बताया कि मॉडल बहुत सस्ते थे और डरने के लिए बहुत सुरक्षित थे। अब वे बेचने के लिए बहुत खतरनाक हैं, और खतरनाक, सुविधाजनक रूप से, एकमात्र ऐसी चीज़ है जिसने कभी प्रीमियम कमांड किया है।

अड़चन यह है कि कंसल्टिंग एक एकल संपत्ति, विवेक पर चलती है, और OpenAI ने पिवट के सप्ताह को यह प्रदर्शित करने के लिए चुना कि उसके पास कोई नहीं है।

हमें अपनी सबसे कठिन समस्याएं और अपना सबसे संवेदनशील डेटा दें, पिच कहती है, हम अब प्रतिभाशाली हैं।

इस बीच, पहले पन्ने पर: एक गणितज्ञ जिसने ठीक वैसा ही किया, मकान मालिक को अपने जीवन के काम की घोषणा करते देखा, और एक बयान प्राप्त किया जो उस पर प्रशिक्षण से इंकार नहीं कर सका। हम जानते हैं कि कंसल्टिंग फर्मों के साथ क्या होता है जो अपने ग्राहकों के गोपनीय काम को खाती हैं, क्योंकि ऑस्ट्रेलिया ने अभी प्रयोग चलाया। PwC ने ट्रेजरी की गोपनीय कर योजनाएं लीं और चुपचाप उन्हें अन्य ग्राहकों के लिए मुद्रीकृत किया, और जब यह सामने आया, तो फर्म ने अपनी पूरी सरकारी कंसल्टिंग शाखा को एक डॉलर में बेच दिया, अपने भागीदारों को बाहर निकाल दिया, और विश्वासघात का पर्याय बन गई। वह एक लीक हुई ब्रीफिंग थी। OpenAI का संस्करण संरचनात्मक है: लीक व्यवसाय मॉडल है, जो एक दिन में एक अरब प्रॉम्प्ट पर चल रहा है, और उनका अपना बयान कहता है कि वे इसे खारिज नहीं कर सकते। PwC को कम से कम पता था कि उसने क्या किया है।

अब पूरी OpenAI स्थिति को जोड़ें। आठ सौ मिलियन "उपयोगकर्ता," घाटे में सेवा प्राप्त। चौदह अरब का वार्षिक घाटा, HSBC के अंकगणित पर $207 बिलियन के फंडिंग होल की ओर। एक कंसल्टिंग पिवट अपने पहले सप्ताह में वॉटरलाइन के नीचे छेद हो गया। और एक ट्रिलियन डॉलर का IPO आपको यह सब बेचने के लिए। ईमानदार मूल्य निर्धारण जो हटाता है, बेकार फ्री टियर, पावर यूज़र पहले से ही चीनी मॉडल और अपने स्वयं के रैक में दोष दे रहे हैं, और जो बचा है वह एक ब्रांड और एक आदत है: दुनिया का सबसे पहचानने योग्य विज्ञापन व्यवसाय, दुनिया की सबसे महंगी माल की लागत के चारों ओर लिपटा हुआ। सितारे एग्ज़िट के लिए संरेखित हो गए हैं: Musk का मुकदमा सितंबर में मर गया, SpaceX के रिकॉर्ड फ्लोट ने IPO विंडो खोल दी, और लिस्टिंग स्वयं व्यापार है। अंकगणित अकाट्य होने से पहले तरल हो जाओ, जनता को बर्न रेट सौंप दो, और Microsoft को जो कुछ बचा है उसे गले लगाने और विस्तार करने दो। छत से आखिरी हेलीकॉप्टर, चंद्रमा प्रक्षेपण के रूप में बेचा गया।

Anthropic, दूसरी कंपनी जिसके बारे में हर कोई पूछता है, स्वस्थ दिखती है और अधिक नाजुक है। जहां श्रेय देना है: वे अभी पृथ्वी पर सबसे अच्छे मॉडल बनाते हैं। वे उनके लिए पृथ्वी पर उच्चतम कीमत भी वसूलते हैं, और खर्च का डेटा दिखाता है कि यह कैसे समाप्त होता है। नीचे दिए गए चार्ट को देखें, Ramp के कॉर्पोरेट कार्ड डेटा से। एकमात्र Anthropic लाइन जो अभी भी बढ़ रही है वह Opus है, शीर्ष शेल्फ। Sonnet, वर्कहॉर्स टियर, सिकुड़ रहा है: वह कमोडिटी राजस्व है जो GLM और DeepSeek में लीक हो रहा है, दसवें हिस्से की कीमत पर एक स्लैश कमांड दूर, ठीक समय पर। और Fable 5, ब्रांड न्यू फ्रंटियर मॉडल, फ्लैट है: उद्यम एक नए प्रीमियम टियर के लिए भुगतान नहीं करेंगे जबकि पुराना काम करता है और इसके नीचे सब कुछ चीनी हो रहा है। यह अंदर से देखा गया क्लासिक डिसरप्शन डेथ स्पाइरल है: इनकम्बेंट अपमार्केट पीछे हटता है, पहले मूल्य-संवेदनशील मात्रा को बहाता है, और इसका मिश्रण हर तिमाही स्वस्थ दिखता है जब तक कि शीर्ष शेल्फ ही नहीं बचा है और वहां खाई एक बेंचमार्क चक्र चौड़ी है। फिर जून में उनका सबसे बड़ा वितरण चैनल उनके नीचे से खरीद लिया गया: SpaceX ने Cursor को साठ अरब डॉलर में ले लिया, अब तक का सबसे बड़ा वेंचर बैक्ड स्टार्टअप अधिग्रहण, Grok को डिफ़ॉल्ट कोडिंग मॉडल बनाने के लिए। OpenAI ने अपने मॉडलों को Cursor से पूरी तरह से बाहर निकाल कर जवाबी कार्रवाई की। जो कोई भी रैपर खरीदता है वह आपका राजस्व खरीदता है; जो कोई भी रैपर खो देता है वह अपने मॉडल लेता है और घर जाता है; कोडिंग बाजार मॉडल परत पर AOL इंटरनेट का पुनर्निर्माण कर रहा है।

तो Anthropic स्टैक पर ऊपर की ओर भाग रहा है, एप्लिकेशन में लंबवत जा रहा है, Claude Code, Claude Cowork, Claude Design anyone?, उस मूल्य को पकड़ने की कोशिश कर रहा है जो इसकी API मूल्य निर्धारण धारण नहीं कर सकता। तार्किक अंतिम खेल एंटरप्राइज़ ट्रस्ट फ्रैंचाइज़ी है: बैंकों और सरकारों के लिए सुरक्षित, ऑडिट करने योग्य, पश्चिमी मॉडल, LLMs का एक Lockheed। Lockheed बनने में बस दो समस्याएं हैं। पहली यह कि Lockheed का ग्राहक उससे प्यार करता है, और अमेरिकी सरकार खुले तौर पर Anthropic से प्यार नहीं करती: पेंटागन ने इसे आपूर्ति श्रृंखला जोखिम नामित किया भले ही इसकी अपनी लक्ष्यीकरण प्रणाली Claude पर चलती थी, और प्रशासन इसकी सुरक्षा पैरवी को एक लैब कोट में नियामक कब्जा मानता है। एक सरकार के लिए रक्षा ठेकेदार होना मुश्किल है जो आपको लगातार खतरा कहती रहती है। दूसरी स्वयं विश्वास है: वही सुरक्षा ट्यूनिंग जो एंटरप्राइज़ को आश्वस्त करने वाली है, सक्रिय रूप से उन्हें ग्राहकों की कीमत चुका रही है, एक इनकार और एक नैतिकता व्याख्यान एक बार में, मेरा भी शामिल है। एक ट्रस्ट फ्रैंचाइज़ी जहां सरकार आप पर भरोसा नहीं करती और ग्राहक व्याख्यान महसूस करते हैं, पिच के निहितार्थ से एक संकरी खाई है। एक वास्तविक व्यवसाय, संभवतः एक महान। मानवता के लिए दो ट्रिलियन डॉलर की उपयोगिता नहीं जिसकी IPO चर्चा मूल्य निर्धारण कर रही है।

सबसे क्रूर हिस्सा यह है कि ईमानदार मूल्य निर्धारण लैब्स का एकमात्र रास्ता है, और कोई भी पहले नहीं जा सकता। पहले ईमानदारी से मूल्य निर्धारण करने वाला अपनी मात्रा किसी ऐसे व्यक्ति को सौंप देता है जो अभी भी सब्सिडी दे रहा है, इसलिए दोनों जलते रहते हैं, निजी क्रेडिट द्वारा वित्तपोषित, चिकन के एक खेल में जहां उधारदाता स्टीयरिंग व्हील रखते हैं। Blue Owl का दस अरब डॉलर के डेटा सेंटर सौदे से दूर चलना पहला नहीं था।

टोकन टीज़र दर तब समाप्त होती है जब उधारदाताओं की टीज़र दर समाप्त होती है।

संपार्श्विक डेटासेंटर दायित्व

आपको 2008 से संपार्श्विक ऋण दायित्व याद हो सकते हैं, या कम से कम मार्गोट रॉबी को बाथटब में समझाते हुए। यदि सीक्वल में बाथटब का दृश्य है, तो मुझे यकीन नहीं है कि मैं इसे देखना चाहता हूं, लेकिन इसमें बाकी सब कुछ है।

एड ज़िट्रॉन सोचता है कि डेटा सेंटर SPVs इस बुलबुले के CDO हैं, और AI डेटा सेंटर इसके सबप्राइम मॉर्गेज हैं। वह कहता है कि मशीनरी ही बताती है। कोई भी अब अपनी बैलेंस शीट पर AI डेटा सेंटर नहीं बनाता। आप एक विशेष प्रयोजन वाहन बनाते हैं, एक छोटी कंपनी जो चिप्स का मालिक है, कर्ज का मालिक है, और जोखिम का मालिक है, और इसके पीछे की टेक दिग्गज कंपनी आधिकारिक तौर पर अच्छे इरादों के अलावा कुछ भी नहीं रखती है।

Meta का Hyperion परिसर एक ऐसी इकाई का है जो 80% Blue Owl के स्वामित्व में है। Meta के अपने SEC फाइलिंग $46 बिलियन तक के जोखिम को स्वीकार करते हैं जबकि इसकी बैलेंस शीट कर्ज का कोई निशान नहीं दिखाती है, इस तर्क पर, एक सीधे चेहरे के साथ पेश किया गया, कि Meta एक डेटा सेंटर का "प्राथमिक लाभार्थी" नहीं है जो पूरी तरह से Meta के लिए बनाया गया है। Ernst & Young ने इसे एक महत्वपूर्ण ऑडिट मामले के रूप में चिह्नित किया, और फिर वैसे भी हस्ताक्षर किए: एक अनुक्रम जो अंतिम बार आर्थर एंडरसन द्वारा प्रसिद्ध किया गया था, एक फर्म जो ठीक इसी कारण से अब मौजूद नहीं है।

जैसा कि ज़िट्रॉन कहता है: "ब्लूमबर्ग का अनुमान है कि $500 बिलियन से अधिक का बकाया AI डेटा सेंटर कर्ज है, जिसमें से कम से कम $200 बिलियन निजी क्रेडिट द्वारा रखा गया है," अंतिम उपाय का उधारदाता, "जो लगभग 8% बकाया निजी क्रेडिट ऋण बनाता है।" और वह, वह नोट करता है, संभवतः एक कम गिनती है, क्योंकि SPV संरचना ठीक कर्ज को गिनना मुश्किल बनाने के लिए मौजूद है। AI बॉन्ड अब सभी अमेरिकी इन्वेस्टमेंट-ग्रेड जारी करने का एक चौथाई हैं।

पांच हाइपरस्केलर्स ने पांच वर्षों में $1.65 ट्रिलियन कर्ज जोड़ा है। यह 2007 में अपने चरम पर सबप्राइम से अधिक है, और सबप्राइम के पीछे 55 मिलियन घर थे। जैसा कि यह वर्तमान में है, दो ग्राहक हैं। बार्कलेज, वेल्स फारगो और UBS के अनुसार, OpenAI और Anthropic Amazon के AI राजस्व का ~73%, Microsoft के ~74% हैं, और 2027 तक सभी Google Cloud के लगभग आधे तक पहुंच रहे हैं। उन्हें हटा दें और AWS $220 बिलियन के Amazon capex के मुकाबले $8.5 बिलियन का AI राजस्व कमाता है, एक अनुपात जो सामान्यतः राष्ट्रीय अंतरिक्ष कार्यक्रमों के लिए आरक्षित है।

और आगे के अनुमान स्टॉक को बौना कर देते हैं। टॉम तुंगुज़ ने नियोजित बिल्डआउट पर अंकगणित चलाया: अगले पांच वर्षों में लगभग $4 ट्रिलियन का नया AI कर्ज, जो पूरे वैश्विक निजी क्रेडिट बाजार से बड़ा होगा, लगभग अमेरिकी नगरपालिका बॉन्ड बाजार के आकार का जिसने अमेरिका में हर सड़क, पुल और हवाई अड्डे को वित्तपोषित किया, और अकेले अमेरिकी कॉर्पोरेट बॉन्ड बाजार का 34% विस्तार। प्रचलित दरों पर इसकी सेवा करने के लिए अकेले ब्याज में प्रति वर्ष $260 से $300 बिलियन की आवश्यकता होती है, जो इन्वेस्टमेंट ग्रेड कवरेज पर 2030 तक $1.2 से $1.5 ट्रिलियन वार्षिक AI राजस्व का तात्पर्य करता है, आज शायद $150 बिलियन के मुकाबले। 55% चक्रवृद्धि वृद्धि दर, पांच वर्षों तक बनी रही, एक ऐसे उत्पाद में जिसकी कीमत गिर रही है। जैसा कि तुंगुज़ कहता है, यह अब एक वेंचर कैपिटल कहानी नहीं है। यह एक व्यापक आर्थिक क्रेडिट घटना है।

पांच साल का नियोजित AI उधार, पृथ्वी पर हर प्रमुख ऋण बाजार के बगल में। नारंगी बार 2024 में मौजूद नहीं था। (स्रोत: Tomasz Tunguz, Theory Ventures) पूर्ण आकार में देखने के लिए Enter दबाएं या छवि पर क्लिक करें📷

यह मकान मालिकों के साथ किरायेदारों को वित्तपोषित कर रहा है। Microsoft ने अपने OpenAI संबंध में $100 बिलियन से अधिक डाल दिए हैं, Musk मुकदमे में अपनी गवाही पर। Google Anthropic में $40 बिलियन तक है, Amazon ने अपने पहले के Anthropic हिस्सेदारी के शीर्ष पर OpenAI में $50 बिलियन पूरा कर लिया है, और इसका हर डॉलर कंप्यूट राजस्व के रूप में सीधे वापस आता है, जहां इसे शेयरधारकों को विकास के रूप में प्रस्तुत किया जाता है। पूरे सर्कल का पालन करें और वित्तीय इंजीनियरिंग दिखाई देने लगती है: हाइपरस्केलर्स का AI राजस्व लैब्स का खर्च है, लैब्स का खर्च हाइपरस्केलर्स का निवेश है, और पूरी संरचना एक धारणा द्वारा अंडरराइट की गई है, कि OpenAI और Anthropic बुद्धि के लिए बाजार के मालिक बन जाते हैं।

वह धारणा सारा भार वहन कर रही है, और ध्यान दें कि वास्तव में क्या निर्मित किया जा रहा है। यह सामान्य रूप से AI मांग नहीं है, मेरी काफी वास्तविक है। यह विशिष्ट, भुगतान करने वाली, इन-कीमतों पर मांग है जो इन विशिष्ट डेटा सेंटरों को सही ठहराती है: हाइपरस्केलर्स द्वारा अपने स्वयं के दो ग्राहकों में निवेश करके और राउंड ट्रिप को विकास के रूप में बुक करके राजस्व उत्पन्न किया गया। जैविक मांग आ रही है, भारी मात्रा में। यह बस उनके पास, उनकी कीमतों पर, उनकी शर्तों पर नहीं आ रही है, और अपने स्वयं के किरायेदारों में निवेश करना इसे नहीं बदलता है। किसी भी अन्य उद्योग में हमारे पास अपने स्वयं के पैसे को सबूत के रूप में बुक करने के लिए एक शब्द होगा। इस एक में हमारे पास एक सम्मेलन की मुख्य वक्तव्य है।

शुद्ध भालू, उनमें से ज़िट्रॉन, यह सब देखते हैं और निष्कर्ष निकालते हैं कि मांग नकली है। यह नकली नहीं है, लेकिन इस बारे में सटीक रहें कि क्या बढ़ रहा है, क्योंकि बैल दो अलग-अलग वक्रों को भ्रमित करते हैं। टोकन की मांग परवलयिक हो जाएगी। उनके लिए भुगतान करने की इच्छा नहीं होगी। खपत ठीक इसलिए बढ़ रही है क्योंकि कीमत गिर रही है; मात्रा चलाने वाला वही बल राजस्व को नष्ट कर रहा है। तो लैब्स को बूम का सबसे खराब संभव संस्करण मिलता है: उपयोग चार्ट जो लंबवत हो जाते हैं और मूल्य निर्धारण शक्ति जो शून्य हो जाती है, क्योंकि कोई स्विचिंग लागत नहीं है, कोई खाई नहीं है, और एक दोष में ग्यारह कीस्ट्रोक लगते हैं। टोकन चीनी सिलिकॉन, ओपन मॉडल, ऑन-प्रिमाइसेस बक्से, डेस्क पर और आपके हाथ में, उन कीमतों पर बहते हैं जो ऋण मॉडल संभवतः मान रहे हैं उससे साठ से पांच सौ गुना कम हैं। हर पूर्वानुमान जो टोकन वृद्धि को राजस्व वृद्धि में एक्सट्रपलेट करता है, एक बढ़ती संख्या को एक गिरती हुई संख्या से गुणा कर रहा है और उत्पाद को अपरिहार्य कह रहा है।

और यहां वह हिस्सा है जो रियल एस्टेट फ्रेमिंग याद करता है: एक डेटा सेंटर लीज संपत्ति जैसा दिखता है लेकिन मछली बाजार की तरह कीमतें लगाता है। इमारत शायद लागत का पांचवां हिस्सा है और तीस साल तक चलती है; चिप्स बाकी हैं और तीन में बासी हो जाते हैं। एक पारंपरिक कोलोकेशन मकान मालिक एक्वेरियम बेचता है और मछली को कभी नहीं छूता: दस साल के अनुबंधों पर ठंडे गोले और ग्रिड कनेक्शन, कोई सिलिकॉन जोखिम नहीं। SPV संरचनाओं ने दो परतों को एक साथ ढहा दिया। CoreWeave के वाहनों ने मछली के खिलाफ उधार लिया।

तो दो तरीकों से चलें जिनसे यह वास्तव में समाप्त होता है। पहला, और सबसे संभावित ट्रिगर, यह है कि OpenAI या Anthropic अपने दायित्वों पर चूक करता है। दुर्भावना के माध्यम से नहीं, अंकगणित के माध्यम से: प्रतिबद्ध लागत, हांग्जो की ओर पुनर्मूल्यांकन राजस्व, और एक फंडिंग बाजार जो अंततः नहीं कहता है। जिस दिन एक लैब कंप्यूट भुगतान से चूक जाती है, कैस्केड यांत्रिक होता है। CoreWeave के अपने अनुबंध तीन महीने के अवैतनिक OpenAI चालान को उल्लंघन के रूप में परिभाषित करते हैं। SPV अपने लेनदारों को भुगतान करना बंद कर देता है, लेनदार संपार्श्विक जब्त कर लेते हैं, और संपार्श्विक विंटेज GPUs का एक गोदाम है जो एक ऐसे बाजार में चिह्नित किया जा रहा है जिससे Jalapeno और B200 पहले ही आगे बढ़ चुके हैं। एक चूक रातोंरात हर तुलनीय संरचना को पुनर्मूल्यांकन करती है, क्योंकि अचानक पेंशन फंड जो कागज रखते हैं, उन्हें पूछना होगा कि उनका संपार्श्विक वास्तव में कितना मूल्य है, और उत्तर है: मछली, तीन दिन पुरानी।

दूसरा अंत वह है जिसे लगभग कोई भी मॉडल नहीं कर रहा है: टोकन की मांग परवलयिक हो जाती है और किनारे और ओपन मॉडल में स्थानांतरित हो जाती है, फोन पर, लैपटॉप पर, मेरे जैसे डेस्क बक्से पर, AI उपकरणों पर जो जेन्सेन अब खुदरा बेच रहा है। भौतिकी इसका पक्ष लेती है, क्योंकि डेटा सेंटर की राउंड ट्रिप में एक छोटे मॉडल को जवाब देने की तुलना में अधिक समय लगता है। अर्थशास्त्र इसका पक्ष लेता है, क्योंकि आपके स्वामित्व वाला उपकरण बिजली की सीमांत लागत पर टोकन प्रदान करता है। और गोपनीयता की दहशत इसे सील कर देती है: हर उद्यम जिसके पास सम्राट के नए कपड़े का क्षण है, प्रशिक्षण डेटा के बारे में, मैंने जो किया उसका कुछ संस्करण करता है, और हर उपभोक्ता इसे अगले साल के हैंडसेट में डिफ़ॉल्ट रूप से प्राप्त करता है।

एंटरप्राइज़ कंप्यूटिंग ने यही प्रयोग पाँच बार दोहराया है और हर बार जवाब एक ही आया है। मेनफ्रेम को कांच के कमरे में बैठे पुजारियों द्वारा कंप्यूट-सेकंड के हिसाब से मीटर किया जाता था, और जैसे ही मिनीकंप्यूटर ने किसी विभाग को अपनी मशीन रखने की अनुमति दी, मीटर वाला मॉडल खत्म हो गया। टाइमशेयरिंग मीटर पर थी, और पीसी ने इसे खत्म कर दिया: जब डेस्क पर रखा बॉक्स VisiCalc को मुफ्त चलाने लगा, तो किसी ने भी इसे घंटे के हिसाब से किराए पर नहीं लिया। लंबी दूरी की टेलीफोनी मिनट के हिसाब से मीटर पर थी, जब तक कि पैकेट स्विचिंग ने सीमांत कॉल को बेकार नहीं कर दिया। यहां तक कि क्लाउड, जो सबसे बड़ा अपवाद है, ने केवल उन कार्यभारों को फिर से केंद्रीकृत किया जो साझा करने से लाभान्वित होते हैं, और जैसे ही क्लाउड बिल बोर्ड की लाइन आइटम बन गए, प्रत्यावर्तन आंदोलन ने स्थिर कार्यभार को वापस ऑन-प्रिमाइसेस खींचना शुरू कर दिया। यह पैटर्न लगभग एक नियम जैसा है: कंप्यूटिंग का उपभोग मीटर वाली सेवा के रूप में तब तक किया जाता है जब तक हार्डवेयर दुर्लभ है, और जैसे ही क्षमता एक ऐसे बॉक्स में फिट हो जाती है जिसे ग्राहक खरीद सकता है, स्वामित्व जीत जाता है, क्योंकि सीमांत लागत पर स्वामित्व वाली कंप्यूटिंग की लागत बिजली है और किराए पर ली गई कंप्यूटिंग की लागत वह है जो विक्रेता सोचता है कि आप सहन कर सकते हैं। बुद्धिमत्ता भी अलग नहीं होगी। स्थिर, पूर्वानुमानित, उच्च मात्रा वाला टोकन लोड, एजेंट, वर्कफ़्लो, एंटरप्राइज़ की दैनिक अनुभूति, स्वामित्व वाले सिलिकॉन में स्थानांतरित हो जाती है, और क्लाउड वही रखता है जो उसने हमेशा रखा है: विस्फोट, चोटियाँ, और वे समस्याएँ जो बॉक्स के लिए बहुत बड़ी हैं।

न ही प्रयोगशालाएँ अंकगणित को बचा सकती हैं, क्योंकि उनके दायित्व केवल एक ही दिशा में चलते हैं। OpenAI के पास Microsoft, Oracle, Amazon, CoreWeave और Cerebras में लगभग $1.1 ट्रिलियन की कंप्यूट प्रतिबद्धताएँ हैं, और ये प्रतिबद्धताएँ स्वयं SPV ऋण के पीछे संपार्श्विक हैं। लागत प्रतिबद्ध, राजस्व वैकल्पिक: एक अच्छे व्यवसाय का बिल्कुल उल्टा। और सिकुड़ने का कोई सम्मानजनक तरीका नहीं है। सस्ते मॉडल पेश करें और आप स्वीकार करते हैं कि फ्रंटियर अत्यधिक प्रावधानित है। Sora की तरह उत्पादों को मारें, और बाजार संकट पढ़ता है। प्रतिबद्धताओं से मुकरें और आप डिफ़ॉल्ट घटना हैं जिसके खिलाफ पूरा स्टैक मूल्यांकित है, यही कारण है कि वॉल स्ट्रीट पहले से ही Oracle के $630 बिलियन बैकलॉग को लगभग कुछ भी नहीं मानता है। हर निकास उस चीज़ को ट्रिगर करता है जिससे वह भाग रहा है। यह एक कॉर्पोरेट वित्तीय चीनी फिंगर ट्रैप है, और दोनों कंपनियों का इसमें हाथ है।

इस बीच, कागज वहीं उतरता है जहाँ कागज हमेशा उतरता है। कैलिफ़ोर्निया के शिक्षकों की सेवानिवृत्ति बचत Blue Owl के फंड में है। क्यूबेक पेंशन का पैसा CoreWeave के ऋणों में है। Apollo बीमा वार्षिकियों से Anthropic के चिप्स के लिए $35 बिलियन का फंड दे रहा है। Blue Owl ने कथित तौर पर पंद्रह मिनट की पहली बैठक के बाद $10 बिलियन के डेटा सेंटर प्रतिबद्धता के लिए हाँ कहा, यह परिश्रम की गति है जो आमतौर पर टाइमशेयर प्रस्तुतियों से जुड़ी होती है। Moody's ने निजी क्रेडिट के लिए बैंक एक्सपोज़र $1.4 ट्रिलियन रखा है, जो लगभग कुछ भी नहीं के भंडार के मुकाबले रखा गया है, क्योंकि अभी तक कुछ भी बुरा नहीं हुआ है, जो 2006 में अंडरराइटिंग मानक भी था। इस बुलबुले की भार वहन करने वाली दीवार सेवानिवृत्ति चेक से बनी है।

इसलिए ध्यान से सोचें कि एक डिफ़ॉल्ट, या एक करीबी कॉल भी, वास्तव में क्या गति में सेट करेगा, क्योंकि यह एक एकल घटना नहीं है, यह एक अनुक्रम है। पहला हताहत हार्डवेयर नहीं है, यह पूंजी की लागत है। जिस दिन कोई प्रयोगशाला स्पष्ट रूप से भुगतान करने के लिए संघर्ष करती है, हर ऋणदाता एक साथ हर तुलनीय संरचना को पुनर्मूल्यांकित करता है: स्प्रेड बाहर निकल जाते हैं, नया SPV जारी करना बंद हो जाता है, और जो परियोजनाएँ पुनर्वित्तपोषण पर निर्भर करती हैं, जो कि उनमें से अधिकांश हैं, निर्माण के बीच में दीवार से टकराती हैं। बाजार पहले से ही इसका पूर्वाभ्यास कर रहा है। Oracle के क्रेडिट डिफ़ॉल्ट स्वैप उन स्तरों पर कारोबार कर रहे हैं जो पिछली बार वित्तीय संकट में देखे गए थे, और JPMorgan ने विशेष रूप से एक बेस्पोक बास्केट बनाया ताकि ग्राहक AI ऋण को शॉर्ट कर सकें। पुनर्मूल्यांकन किसी भी परिसमापन से पहले आता है, और यह एकमात्र चरण हो सकता है जो हमें मिलता है, क्योंकि हाइपरस्केलर्स के पास एक डिफ़ॉल्ट प्रिंट करने देने के बजाय चुपचाप एक लड़खड़ाते किराएदार को अवशोषित करने का हर प्रोत्साहन है।

लेकिन अगर कैस्केड चलता है, तो ध्यान दें कि कौन क्या पकड़े हुए समाप्त होता है। लेनदार पेंशन फंड और बीमाकर्ता हैं जो अनुमान नहीं चला सकते; संपार्श्विक तीन साल की घड़ी पर मूल्यह्रास करने वाला सिलिकॉन है; और कुछ पहले नुकसान खुद Nvidia के साथ हैं, जिसने CoreWeave की अविक्रय क्षमता के अरबों डॉलर को बैकस्टॉप किया, विक्रेता अपने ही कागज को खा रहा है। आज का बाजार दुर्लभ है, भरा हुआ नहीं, मेमोरी कोनर्ड, स्विच अनबायेबल, इसलिए जब्त हार्डवेयर की पहली किश्तों को छूट पर तैयार खरीदार जल्दी मिल जाएंगे, और हर खरीदार बिल्कुल वही होगा जिसकी यह निबंध भविष्यवाणी करता है: उद्यम, विश्वविद्यालय, संप्रभु और मेरे जैसे ऑपरेटर, लेनदारों के खर्च पर उन बक्सों का अधिग्रहण कर रहे हैं जो उन डेटा केंद्रों से दूर प्रवासन को पूरा करते हैं जिन्हें लेनदारों ने वित्तपोषित किया था। डॉटकॉम फाइबर के साथ ऐसा ही हुआ, जिसने इसे बिछाने वाले लोगों को दिवालिया कर दिया और फिर YouTube को तीसरे मालिक के लिए सेंट पर डॉलर पर ले गया।

इसे एक कदम और आगे बढ़ाएँ और अंत वास्तव में एक अजीब आकार लेता है। नुकसान पेंशनभोगियों और बीमाकर्ताओं पर पड़ता है, विकास इंजन जो AI पूंजी व्यय बन गया है, ठप हो जाता है, और वाशिंगटन को, बाद में, पता चलता है कि किसी ने इसके लिए वोट नहीं किया। सिवाय इसके कि वाशिंगटन पहले से ही इसी क्षण के लिए तैयारी कर रहा है। ट्रम्प प्रशासन ने दो साल आंशिक राष्ट्रीयकरण को सामान्य बनाने में बिताए हैं: Intel में $8.9 बिलियन के लिए 9.9% हिस्सेदारी खरीदी गई, चिपमेकर्स और दुर्लभ पृथ्वी खनिकों में हिस्सेदारी, क्वांटम कंप्यूटिंग को अगले के रूप में घोषित किया गया, विदेश संबंध परिषद की गणना के अनुसार जनवरी 2025 से सैंतीस इक्विटी या अर्ध-इक्विटी सौदे।

एक लड़खड़ाते रणनीतिक उद्योग के लिए खेल की किताब अब जमानत नहीं है, यह एक शेयरधारिता है, और उस राज्य की कल्पना करना कठिन है जिसने Intel का दस प्रतिशत ले लिया, OpenAI को डगमगाते हुए देख रहा है और चेकबुक तक नहीं पहुँच रहा है और इसे राष्ट्रीय सुरक्षा कह रहा है। इसलिए महान अमेरिकी AI निर्माण की सबसे संभावित अंतिम स्थिति को रेखांकित करें, और यह वह है जो इस पर बोली लगाने वाले किसी का इरादा नहीं था: क्षमता बच जाती है और लाखों स्वामित्व वाले बक्सों में फैल जाती है जो ज्यादातर चीनी मॉडल चलाते हैं, नुकसान अमेरिकी बचतकर्ताओं पर सामाजिक हो जाते हैं, और फ्रंटियर जो कुछ भी बचता है वह उस सरकार के आंशिक स्वामित्व में समाप्त होता है जो ऊपर जाने पर इसे विनियमित करने में विफल रही। बीजिंग की रणनीति यह है कि उसे दौड़ जीतने की ज़रूरत नहीं है। उसे केवल वित्तपोषण को इसे खोने के लिए प्रतीक्षा करनी थी।

किसी को Margot को बताना चाहिए कि बाथटब को गर्म रखें।

Jensen पहले ही इमारत छोड़ चुका है

एक व्यक्ति इस अंकगणित का हर टुकड़ा पहले ही कर चुका है: वह आदमी जो फावड़े बेच रहा है।

मंच पर, Jensen Huang निर्माण का उच्च पुजारी है: $160 बिलियन का राजस्व, $100 बिलियन की कमाई, हर तिमाही एक मुख्य भाषण यह घोषणा करता है कि मांग अनंत है और भविष्य Delaware के आकार का एक डेटा सेंटर है। लेकिन Nvidia की स्थिति को उस तरह से पढ़ें जैसे वह इसे निजी तौर पर पढ़ता होगा। लगभग 90% राजस्व डेटा सेंटर गियर है, और मुट्ठी भर ग्राहक इसमें से अधिकांश खरीदते हैं। वे ग्राहक हाइपरस्केलर हैं, जिनका AI राजस्व तीन चौथाई OpenAI और Anthropic है, जिनका खर्च वेंचर कैपिटल और प्राइवेट क्रेडिट है जो एक ट्रेंच कोट पहने हुए है। श्रृंखला को उसके अंत तक ट्रेस करें और पृथ्वी पर सबसे मूल्यवान कंपनी, कार्यात्मक रूप से, पेरोल बनाने वाले दो लाभहीन स्टार्टअप पर एक लीवरेज्ड दांव है।

और Jensen ठीक से जानता है कि कितना लीवरेज्ड है, क्योंकि वह इसके दोनों पक्षों को अंडरराइट कर रहा है: Nvidia CoreWeave की अविक्रय क्षमता के अरबों डॉलर को बैकस्टॉप करता है और अभी-अभी OpenAI के ओहायो डेटा सेंटर पर प्रस्तावित गारंटी को $250 बिलियन से घटाकर $120 बिलियन से कम कर दिया है, जो उस आदमी का व्यवहार नहीं है जो अपने स्वयं के मुख्य भाषण में विश्वास करता है। यदि प्रयोगशालाएँ लड़खड़ाती हैं, तो हाइपरस्केलर पूंजी व्यय में कटौती करते हैं, SPV डिफ़ॉल्ट करते हैं, और ऑर्डर बुक जिस पर उसका मूल्यांकन टिका है, एक तिमाही में वाष्पित हो जाता है। वह किसी भी जीवित व्यक्ति की तुलना में तेजी से कैप टेबल पढ़ सकता है।

इसलिए उसके हाथों को देखें, उसकी स्लाइड्स को नहीं। जबकि मुख्य भाषण गीगावाट कैंपस का जश्न मनाते हैं, Nvidia चुपचाप दूसरा भविष्य बना रहा है: प्रत्यक्ष, डाउन मार्केट, और पूरी तरह से डेटा सेंटर वित्तपोषण परिसर के बाहर। DGX Spark $4,699 में, इतनी तेजी से बिक रहा है कि आप उन्हें क्लस्टर करने के लिए स्विच नहीं खरीद सकते। DGX Station, एक डेस्क पर 748 गीगाबाइट एकीकृत मेमोरी, एक स्नातक की कीमत पर। MSI और Dell पहले से ही क्लोन शिप कर रहे हैं। हर बॉक्स एक ग्राहक है जो कभी क्लाउड अनुबंध पर हस्ताक्षर नहीं करता, कभी SPV को नहीं छूता, और कभी Nvidia सिलिकॉन खरीदना बंद नहीं करता। GPU डीलर खुदरा खोल रहा है, और तर्क निर्दोष है: जब आपके चार सबसे बड़े ग्राहक अपने स्वयं के चिप्स बना रहे हैं और आपका किराये का बाजार एक ऋण बम है, तो आप बॉक्स को अंतिम उपयोगकर्ता को बेचते हैं और SPV को पट्टों पर लड़ने देते हैं। घर कैसीनो को चिप्स बेच रहा है और, उसी समय, चुपचाप लोगों के घरों में पोकर टेबल की एक श्रृंखला खोल रहा है।

डेस्कटॉप लाइन Nvidia की सबसे निजी समस्या को भी हल करती है: मेमोरी। टोकन परोसना एक मेमोरी-बाउंड वर्कलोड है: हर उत्पन्न टोकन के लिए पूरे सक्रिय मॉडल को RAM से बाहर पढ़ने की आवश्यकता होती है, इसलिए चिप अपना अधिकांश जीवन मेमोरी की प्रतीक्षा में बिताता है, यही कारण है कि डेटा सेंटर GPU HBM के आसपास बनाए जाते हैं, डाई से बंधी विदेशी स्टैक्ड मेमोरी। और HBM कमी है। Nvidia इसे नहीं बनाता; केवल SK Hynix, Samsung और Micron करते हैं, TSMC बॉन्डिंग करता है, और Nvidia भौतिक चरणों में से किसी को भी नियंत्रित नहीं करता है। 2027 के सभी उत्पादन के बारे में कहा जाता है कि वह बुक है, Micron का राजस्व 346% ऊपर है, और Altman ने सियोल के माध्यम से अपने रास्ते पर दुनिया के DRAM का 40% कोनर किया। Nvidia का मुख्य व्यापार दुर्लभ चीज़ खरीदना और इसे सत्तर प्रतिशत मार्जिन पर GPU में लपेटकर वापस बेचना रहा है, एक अद्भुत व्यवसाय जिसकी एक कठिन छत है: यह केवल उतनी ही तेजी से बढ़ सकता है जितनी तेजी से तीन फैब सिलिकॉन को स्टैक कर सकते हैं। जो पूरे पाँच ट्रिलियन डॉलर के निर्माण में वास्तविक एकल बिंदु विफलता को ताइवान नहीं बल्कि Icheon बनाता है: पूरी योजना एक कोरियाई कंपनी की पैकेजिंग यील्ड पर बाधित होती है, और SK Hynix वह हथियार डीलर है जिस पर दोनों महाशक्तियाँ कतार में हैं, उत्तर कोरिया की मिसाइल रेंज के भीतर, चीन के अंदर एक फैब के साथ। हम अपने दिन ताइवान जोखिम की कीमत लगाने में बिताते हैं। कोई Icheon जोखिम की कीमत नहीं लगाता।

Sparks और Stations पूरी लड़ाई को दरकिनार कर देते हैं। वे साधारण एकीकृत DRAM पर चलते हैं, वह मेमोरी जो दुर्लभ नहीं है, वह मेमोरी जो CXMT भी बना सकता है। Jensen का दूसरा अधिनियम उस एक घटक पर चलता है जिसके लिए कोई कतार में नहीं है।

एक कदम पीछे हटें और समरूपता लगभग सुरुचिपूर्ण है। चीन की रणनीति किनारे पर सस्ते बक्सों पर खुले मॉडल है। Nvidia का हेज किनारे पर सस्ते बक्से हैं जो खुले मॉडल चलाते हैं, उनमें से अधिकांश चीनी। AI युद्ध के दो कथित विरोधी एक ही व्यापार पर एकत्रित हो गए हैं: उस भविष्य को बेचें जहाँ बुद्धिमत्ता एक वस्तु है जिसे आप रखते हैं, एक उपयोगिता नहीं जिसे आप किराए पर लेते हैं। टोल रोड के लिए अभी भी प्रतिबद्ध एकमात्र पक्ष दो कंपनियाँ हैं जो इसके बिना जीवित नहीं रह सकती हैं और वे ऋणदाता जिन्होंने इसे पंद्रह गुना वित्तपोषित किया। Nvidia संगीत बंद होने तक डेटा केंद्रों को फावड़े बेचेगा, और फिर बाकी सभी को फावड़े बेचेगा, क्योंकि यह कभी भी प्रयोगशालाओं के लिए लंबा नहीं था। यह कंप्यूट के लिए लंबा था, और कंप्यूट पेंशन फंड द्वारा भुगतान की गई इमारतों से बाहर निकल रहा है, एक सोने के बक्से में।

और यदि आपको संदेह था कि यह सब जानबूझकर था, तो पिछले सप्ताह Jensen ने संदेह को दूर कर दिया: Nvidia ने Hugging Face को $12.9 बिलियन में खरीदा। Hugging Face कोई डेटा सेंटर प्ले नहीं है, यह इसके विपरीत है: दुनिया का ओपन मॉडल वेट का भंडार, वह जगह जहाँ से आप GLM और Qwen और DeepSeek डाउनलोड करते हैं, हर चीज़ का वितरण केंद्र जो यह निबंध कहता है कि जीतता है। जिस कंपनी का भाग्य बंद पश्चिमी प्रयोगशालाओं की सेवा करने पर बना था, उसने अभी ओपन मॉडल दुनिया के सामने के दरवाजे के लिए तेरह बिलियन डॉलर का भुगतान किया, जो कि, हर उस व्यक्ति के साथ ग्राहक संबंध है जो कभी क्लाउड किराए पर लेने के बजाय एक बॉक्स का मालिक होगा। Stripe ने मीटर खरीदा। SpaceX ने मांग खरीदी। Jensen ने पोस्ट-लैब युग का ऐप स्टोर खरीदा, और प्रयोगशालाओं के अपने एजेंटों ने दो महीने पहले इसमें तोड़कर इसके रणनीतिक मूल्य का प्रदर्शन किया था।

यह एक ही छवि में पूरा निबंध है। पृथ्वी पर सबसे मूल्यवान कंपनी, जिसका मूल्यांकन पूरी तरह से डेटा सेंटर निर्माण पर टिका है, डेटा सेंटर निर्माण से बाहर विविधता ला रही है, सार्वजनिक रूप से, खुदरा पर, और मुख्य भाषण में किसी ने भी ध्यान नहीं दिया है। Jensen ने गोल्ड रश में पिक्स और फावड़े बेचकर एक सौ पचास बिलियन डॉलर बनाए। अब उसने परख परिणामों को देखा है, निष्कर्ष निकाला है कि खदान नमकीन है, और चुपचाप आम जनता को प्रॉस्पेक्टिंग किट बेचना शुरू कर दिया है।

आप अभी भी एक प्रॉस्पेक्टिंग किट खरीद सकते हैं। आप जो नहीं खरीद सकते वह उन्हें एक साथ जोड़ने के लिए गियर है। मुझे पता होगा। मैंने अपने स्वीडन के अंतिम स्विच उन्हें जोड़ने की कोशिश में खरीदे।

YouMind में रीमिक्स करें

Turn one viral article into a full content workflow

Collect the source, decode the pattern, create assets, draft the story, and distribute from one AI workspace.

Explore YouMind
क्रिएटर्स के लिए

अपने Markdown को एक साफ़-सुथरे 𝕏 आर्टिकल में बदलें

जब आप अपना लंबा कंटेंट पब्लिश करते हैं, तो इमेज, टेबल और कोड ब्लॉक को 𝕏 के लिए फ़ॉर्मेट करना मुश्किल होता है। YouMind पूरे Markdown ड्राफ़्ट को एक साफ़-सुथरे, पोस्ट के लिए तैयार 𝕏 आर्टिकल में बदल देता है।

Markdown से 𝕏 आज़माएँ

समझने के लिए और पैटर्न

हाल के वायरल लेख

और वायरल लेख देखें