उत्तरप्रकाशित16 स्रोत
सस्ते होते AI टोकन क्या महंगे इन्फ्रास्ट्रक्चर निवेश की परीक्षा लेंगे?
LLM टोकन खर्च सूचकांक अगस्त में 29% गिरने के बाद लगभग 0.97 डॉलर प्रति 10 लाख टोकन पर पहुंचा। जोखिम यह है कि उपयोग बढ़ने की रफ्तार कीमतों की गिरावट से पीछे रह जाए। [2][5] गोल्डमैन के आधारभूत अनुमान में 2026 से 2031 के बीच कंप्यूट, डेटा सेंटर और बिजली पर AI पूंजी निवेश करीब 7.6 ट्रिलियन डॉलर है; ये अनुमान धारणाओं के प...
प्रकाशितकर्ताGPT-5.6 Terra से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- LLM टोकन खर्च सूचकांक अगस्त में 29% गिरने के बाद लगभग 0.97 डॉलर प्रति 10 लाख टोकन पर पहुंचा। जोखिम यह है कि उपयोग बढ़ने की रफ्तार कीमतों की गिरावट से पीछे रह जाए। [2][5]
- गोल्डमैन के आधारभूत अनुमान में 2026 से 2031 के बीच कंप्यूट, डेटा सेंटर और बिजली पर AI पूंजी निवेश करीब 7.6 ट्रिलियन डॉलर है; ये अनुमान धारणाओं के प्रति संवेदनशील हैं। [9]
- मुख्य संकेतकों में AI राजस्व बनाम टोकन कीमत, सर्वर ऑर्डर बनाम वास्तविक तैनाती, डेटा सेंटर उपयोग और एजेंटिक AI से मिलने वाले बार बार के भुगतान योग्य वर्कलोड शामिल हैं।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
AI इन्फरेंस—यानी मॉडल से उत्तर या काम करवाने—की लागत तेजी से कम हो रही है। यह अधिक डेवलपर्स और कंपनियों के लिए AI को सुलभ बना सकता है, लेकिन इन्हीं सेवाओं के लिए बनाए जा रहे चिप्स, क्लाउड क्षमता और डेटा सेंटरों में निवेश का मामला जटिल भी बनाता है।
गोल्डमैन सैक्स की चेतावनी मूलतः समय और कीमत के अंतर की है: इन्फ्रास्ट्रक्चर पर निवेश कई वर्ष पहले किया जाता है, जबकि मॉडल इस्तेमाल की प्रति-इकाई कीमत तेजी से गिर सकती है। सिलिकॉन डेटा का LLM टोकन एक्सपेंडिचर इंडेक्स अगस्त में 29% गिरने के बाद हाल में 0.97 डॉलर प्रति 10 लाख टोकन तक पहुंच गया। एक अलग फ्रंटियर-मॉडल प्राइस इंडेक्स मार्च 2023 के आधार स्तर से 84% नीचे था। 2
4
5
यदि उपयोग की वृद्धि इस कीमत गिरावट की भरपाई नहीं करती, तो कम राजस्व देने वाले इन्फरेंस वर्कलोड के लिए जरूरत से ज्यादा महंगी कंप्यूट क्षमता खड़ी हो सकती है। इसका असर पूरे AI इन्फ्रास्ट्रक्चर क्षेत्र पर पड़ सकता है।
असली गणित: उपयोग की मात्रा को कीमतों की गिरावट से तेज बढ़ना होगा
टोकन की कीमत घटना अपने-आप में नकारात्मक संकेत नहीं है। कम कीमतें AI को नए कामों के लिए व्यावहारिक बना सकती हैं, प्रयोग बढ़ा सकती हैं और कुल खपत बढ़ा सकती हैं। लेकिन सेवा प्रदाताओं के लिए सवाल यह है कि भुगतान किए गए टोकनों की मात्रा और उनकी संचालन दक्षता, प्रति टोकन मिलने वाले राजस्व में गिरावट से आगे निकलती है या नहीं।
रिपोर्टों में वर्णित गोल्डमैन की चिंता यह है कि मॉडल कीमतों में प्रतिस्पर्धा प्रति टोकन कमाई को कम टिकाऊ बना सकती है। यदि कंप्यूट खपत पर्याप्त तेजी से नहीं बढ़ती, तो उद्योग में अतिरिक्त इन्फ्रास्ट्रक्चर रह सकता है। 1
2
इसे तीन तरह से समझना उपयोगी है:
- उपयोगकर्ताओं के लिए सस्ता AI सकारात्मक है, क्योंकि कम लागत पर उपयोगी एप्लिकेशन संभव होते हैं।
- इन्फ्रास्ट्रक्चर मालिकों के लिए यह चुनौती है, यदि क्षमता की फंडिंग दुर्लभ और महंगे कंप्यूट की धारणा पर हुई हो।
- नतीजा मांग की लोच पर निर्भर करेगा: क्या कम कीमत इतना अतिरिक्त उपयोग पैदा करती है कि कुल राजस्व और कंप्यूट मांग बनी रहे या बढ़े?
दांव इतना बड़ा क्यों है
यह जोखिम AI निर्माण के लिए बहुत बड़े अनुमानित खर्च के साथ सामने आ रहा है। गोल्डमैन सैक्स के आधारभूत अनुमान के अनुसार 2026 से 2031 तक कंप्यूट, डेटा सेंटर और बिजली में AI पूंजी निवेश करीब 7.6 ट्रिलियन डॉलर हो सकता है। मॉडल में वार्षिक खर्च लगभग 765 अरब डॉलर से बढ़कर 2031 में 1.6 ट्रिलियन डॉलर होने का अनुमान है। गोल्डमैन ने स्पष्ट किया है कि ये निश्चित भविष्यवाणियां नहीं, बल्कि धारणाओं के प्रति संवेदनशील अनुमान हैं। 9
इसलिए टोकन कीमतों का रुझान सिर्फ मॉडल कंपनियों का विषय नहीं है। अपेक्षित खर्च का बड़ा हिस्सा लंबे समय तक चलने वाली संपत्तियों—एक्सेलेरेटर, सर्वर, नेटवर्किंग, इमारतों और बिजली ढांचे—पर है। इन निवेशों को समय के साथ लगातार वर्कलोड और उचित रिटर्न चाहिए।
चिप कंपनियों पर संभावित असर
सेमीकंडक्टर आपूर्तिकर्ताओं के लिए कीमतों से उपजा दबाव तुरंत मांग ढहने के रूप में दिखना जरूरी नहीं है। ग्राहक नए AI उत्पादों के लिए या आपूर्ति सुनिश्चित करने के उद्देश्य से क्षमता बनाते रह सकते हैं।
जोखिम तब बढ़ता है जब तैनात क्षमता लाभदायक मांग से आगे निकल जाए। तब ग्राहक नए एक्सेलेरेटर और सर्वर की खरीद धीमी कर सकते हैं, कीमत के प्रति अधिक संवेदनशील हो सकते हैं या प्रति डॉलर अधिक प्रदर्शन मांग सकते हैं। विशिष्ट हार्डवेयर, मजबूत सॉफ्टवेयर इकोसिस्टम या कुशल इन्फरेंस समाधान वाली कंपनियां सामान्य क्षमता बेचने वालों की तुलना में बेहतर स्थिति में हो सकती हैं।
मुख्य सवाल केवल उपकरण की डिलीवरी नहीं, बल्कि यह है कि क्या ऑर्डर लगातार उपयोग और राजस्व पैदा करने वाले वर्कलोड में बदल रहे हैं।
डेटा सेंटरों के लिए क्षमता-उपयोग की परीक्षा
डेटा सेंटर परियोजनाओं में जमीन, बिजली और सुविधाओं पर बड़े और लंबे समय के निवेश होते हैं। यदि मॉडल इन्फरेंस सस्ता या अधिक कुशल होता गया, तो किसी तय एप्लिकेशन आउटपुट के लिए ग्राहकों को कम इन्फ्रास्ट्रक्चर चाहिए हो सकता है। इससे उन परियोजनाओं की ऑक्यूपेंसी, लीज की अर्थव्यवस्था और रिटर्न पर दबाव आ सकता है, जिन्हें क्षमता की स्थायी कमी मानकर बनाया गया था।
इसका अर्थ यह नहीं कि डेटा सेंटर की मांग खत्म हो जाएगी। बिजली की उपलब्धता और AI तैनाती की तकनीकी जरूरतें आपूर्ति को सीमित रख सकती हैं। मगर किसी एक जगह बिजली या क्षमता की कमी, दूसरी जगह कमजोर आर्थिक रिटर्न के साथ भी मौजूद हो सकती है। निवेशकों को भौतिक कमी और ग्राहकों द्वारा लाभप्रद ढंग से क्षमता इस्तेमाल, अनुबंध नवीनीकरण या विस्तार के प्रमाण में अंतर करना चाहिए।
क्लाउड और मॉडल होस्ट: कीमत की जगह मात्रा और मूल्य
क्लाउड प्लेटफॉर्म और मॉडल होस्ट कम इन्फरेंस कीमतों से लाभ उठा सकते हैं, क्योंकि इससे अधिक डेवलपर और एंटरप्राइज वर्कलोड उनके प्लेटफॉर्म पर आ सकते हैं। लेकिन हर उपयोग इकाई पर राजस्व भी घटता है।
सकल लाभ सुरक्षित रखने के लिए प्रदाताओं को इनमें से कुछ या सभी चीजें चाहिए होंगी:
- उत्पादन स्तर पर बार-बार होने वाले उपयोग से टोकन मात्रा में बहुत तेज वृद्धि;
- ऐसी दक्षता बढ़त, जिससे उनकी लागत कीमतों से भी तेज गिरे; और
- मॉडल के आसपास ज्यादा मूल्य वाली सेवाएं—जैसे तैनाती, सुरक्षा, डेटा इंटीग्रेशन और वर्कफ्लो टूल।
मालिकाना मॉडल सेवाओं में प्रतिस्पर्धी मूल्य-निर्धारण, गोल्डमैन-संबंधित रिपोर्टिंग में बताए गए जोखिम का अहम हिस्सा है। 1
2 केवल टोकन की घोषित कीमत नहीं, बल्कि ग्राहक कीमत, प्रदाता लागत और कुल भुगतानयुक्त उपयोग का संबंध मायने रखता है।
एजेंटिक AI संभावित सहारा है
सकारात्मक पक्ष एजेंटिक AI है—ऐसे सिस्टम जो कई चरणों वाले काम करते हैं और साधारण चैटबॉट बातचीत की तुलना में काफी अधिक टोकन इस्तेमाल कर सकते हैं। गोल्डमैन सैक्स रिसर्च का अनुमान है कि उपभोक्ता और उद्यम अपनाने के कारण 2026 से 2030 के बीच मासिक टोकन खपत 24 गुना बढ़कर करीब 120 क्वाड्रिलियन टोकन हो सकती है। 7
यह अनुमान बताता है कि टोकन कीमतें गिरने का अर्थ अनिवार्य रूप से कंप्यूट मांग घटना नहीं है। यदि AI एजेंट प्रदर्शन से निकलकर बार-बार किए जाने वाले, मूल्यवान कामों में बदलते हैं, तो कुल उपयोग इन्फ्रास्ट्रक्चर निर्माण को सहारा दे सकता है।
लेकिन यह अनुमान है, गारंटी नहीं। निवेश का आधार तभी मजबूत होगा जब एजेंट ऐसे लगातार वर्कलोड पैदा करें जिनके लिए उपयोगकर्ता या कंपनियां भुगतान करने को तैयार हों—सिर्फ कम लागत वाली प्रयोगात्मक क्वेरी नहीं।
निवेशकों को किन संकेतकों पर नजर रखनी चाहिए
कंप्यूट की अतिरिक्त क्षमता वाले परिदृश्य का आकलन करते समय ये संकेतक उपयोगी हो सकते हैं:
- टोकन कीमतों की गिरावट के मुकाबले AI राजस्व वृद्धि: क्या प्रति-इकाई कीमत घटने के बावजूद कुल कमाई बढ़ रही है?
- एक्सेलेरेटर और सर्वर ऑर्डर बनाम तैनाती: खरीदी गई क्षमता वास्तव में काम में लग रही है या नहीं?
- डेटा सेंटर उपयोग, अनुबंधित क्षमता और नवीनीकरण: केंद्र चालू होने के बाद मांग प्रतिबद्धताएं मजबूत रहती हैं या नहीं?
- क्लाउड सकल मार्जिन: क्या दक्षता और अधिक मूल्य वाली सेवाएं कम इन्फरेंस कीमतों की भरपाई कर रही हैं?
- उत्पादन में एजेंट अपनाना: क्या एजेंट दोहराए जा सकने वाले, कारोबारी रूप से जरूरी वर्कफ्लो चला रहे हैं, या केवल अलग-थलग परीक्षण हैं?
- बिजली की उपलब्धता: क्या यह उपयोगी क्षमता की स्थायी सीमा है, या मांग से पहले का एक अस्थायी अवरोध?
निष्कर्ष
गोल्डमैन की चेतावनी यह नहीं है कि LLM टोकन की कम कीमतें स्वभावतः खराब हैं। सस्ता इन्फरेंस ही AI को व्यापक रूप से अपनाने का माध्यम बन सकता है। जोखिम यह है कि कीमतों की गिरावट और मॉडल दक्षता, एजेंट-आधारित उपयोग बढ़ने से पहले राजस्व और जरूरी कंप्यूट को तेजी से कम कर दें।
AI इन्फ्रास्ट्रक्चर निवेशकों के लिए कहानी अब केवल क्षमता बढ़ाने की नहीं, बल्कि क्षमता उपयोग और कमाई की परीक्षा की है। अपेक्षाकृत मजबूत कंपनियां वे हो सकती हैं जो सस्ते टोकनों को टिकाऊ, उच्च-मूल्य वर्कलोड में बदल सकें और लागत, प्रदर्शन या सेवा की गहराई में अपनी बढ़त बनाए रखें। 1
7
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"सस्ते होते AI टोकन क्या महंगे इन्फ्रास्ट्रक्चर निवेश की परीक्षा लेंगे?" का संक्षिप्त उत्तर क्या है?
LLM टोकन खर्च सूचकांक अगस्त में 29% गिरने के बाद लगभग 0.97 डॉलर प्रति 10 लाख टोकन पर पहुंचा। जोखिम यह है कि उपयोग बढ़ने की रफ्तार कीमतों की गिरावट से पीछे रह जाए। [2][5]
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
LLM टोकन खर्च सूचकांक अगस्त में 29% गिरने के बाद लगभग 0.97 डॉलर प्रति 10 लाख टोकन पर पहुंचा। जोखिम यह है कि उपयोग बढ़ने की रफ्तार कीमतों की गिरावट से पीछे रह जाए। [2][5] गोल्डमैन के आधारभूत अनुमान में 2026 से 2031 के बीच कंप्यूट, डेटा सेंटर और बिजली पर AI पूंजी निवेश करीब 7.6 ट्रिलियन डॉलर है; ये अनुमान धारणाओं के प्रति संवेदनशील हैं। [9]
मुझे अभ्यास में आगे क्या करना चाहिए?
मुख्य संकेतकों में AI राजस्व बनाम टोकन कीमत, सर्वर ऑर्डर बनाम वास्तविक तैनाती, डेटा सेंटर उपयोग और एजेंटिक AI से मिलने वाले बार बार के भुगतान योग्य वर्कलोड शामिल हैं।