सस्ते AI टोकन, महंगा कंप्यूट: AI बूम अब मार्जिन पर क्यों दबाव डाल रहा है

AI बाजार इस समय दो विपरीत दिशाओं में खिंच रहा है। उन्नत मॉडलों के इस्तेमाल की कीमत तेजी से गिर रही है: मुफ्त Ox Alpha मॉडल के frontier के करीब प्रदर्शन करने की रिपोर्ट सामने आई है, जबकि OpenAI ने जुलाई में GPT-5.6 के दो tiers की कीमतों में 80% और 20% की कटौती की। 1716 व्यापक अनुमान बताते हैं कि समान क्षमता हासिल करने की inference लागत पिछले दो वर्षों में लगभग 95% घट चुकी है। 22

लेकिन इन tokens को तैयार और उपलब्ध कराने वाली भौतिक व्यवस्था लगातार महंगी हो रही है। Samsung ने कुछ उन्नत chipmaking orders की कीमतों में 15% तक बढ़ोतरी की है और उसका अनुमान है कि वैश्विक memory shortage 2028 तक और गंभीर हो सकती है। 3233 नतीजा एक असामान्य आर्थिक स्थिति है: AI आउटपुट की कीमत घट रही है, जबकि जरूरी इनपुट की लागत बढ़ रही है।

AI value chain दो हिस्सों में बंट रही है

इस बदलाव को समझने के लिए AI उद्योग को दो परतों में देखना जरूरी है—तेजी से commoditize हो रही intelligence layer और supply-constrained infrastructure layer।

General-purpose मॉडल तक पहुंच अब आसानी से बदली जा सकती है। कोई provider API कीमत घटाता है, छोटा मॉडल जारी करता है या सक्षम मॉडल मुफ्त उपलब्ध कराता है, तो प्रतिस्पर्धियों पर जवाब देने का दबाव बढ़ जाता है। OpenAI के जुलाई के बदलावों में GPT-5.6 Luna की input कीमत $1 से घटकर $0.20 प्रति million tokens और Terra की कीमत $2.50 से घटकर $2 हो गई। 16

Infrastructure की तस्वीर अलग है। उन्नत chip fabrication capacity, high-bandwidth memory, networking, बिजली और तैयार AI server systems को software prices की तरह तेजी से नहीं बढ़ाया जा सकता। Samsung ने कहा है कि ग्राहक कई वर्षों के supply agreements चाहते हैं और shortage 2028 तक अधिक गंभीर हो सकती है। 33 Nvidia-आधारित servers की कीमतों में 15% से अधिक संभावित बढ़ोतरी की रिपोर्ट बताती है कि suppliers लागत का कुछ हिस्सा ग्राहकों तक पहुंचाने की कोशिश कर सकते हैं। हालांकि, यह Nvidia की आधिकारिक pricing announcement नहीं है। 36

AI-service providers के लिए कारोबारी चुनौती साफ है: इस्तेमाल बढ़ने के बावजूद प्रति-token revenue घट सकता है, जबकि capacity, ऊर्जा, hardware और financing की लागत उसी अनुपात में कम नहीं होगी।

Nvidia के नतीजे क्या बताते हैं?

Nvidia के वित्त वर्ष 2027 की दूसरी तिमाही के नतीजे दिखाते हैं कि infrastructure boom अभी भी असाधारण रूप से मजबूत है। कंपनी ने $96.2 billion का quarterly revenue दर्ज किया, जो पिछले साल की समान तिमाही से 106% अधिक है। Adjusted diluted earnings per share $2.22 रही। 60 प्रबंधन ने वित्त वर्ष 2028 में करीब 70% revenue growth का संकेत भी दिया। 51

ये आंकड़े यह साबित नहीं करते कि पूरी AI economy ने profitability की समस्या हल कर ली है। वे केवल यह दिखाते हैं कि scarce accelerator systems की मांग अब भी बेहद मजबूत है। Nvidia उस bottleneck पर स्थित है जहां ग्राहक सीमित supply के लिए प्रतिस्पर्धा कर रहे हैं।

फिर भी बढ़ती memory लागत इस growth की गुणवत्ता को प्रभावित करने लगी है। Nvidia ने अगली तिमाही के लिए gross margin करीब 74% रहने का अनुमान दिया, जो रिपोर्ट की गई तिमाही के 75% से कम है। कंपनी के outlook पर हुई रिपोर्टिंग में इस दबाव का एक कारण memory prices को बताया गया। 51

इसका अर्थ Nvidia के कारोबार का तत्काल संकट नहीं है। संकेत यह है कि आगे का प्रदर्शन केवल scarce chips को ऊंचे margin पर बेचने से तय नहीं होगा। System-level integration, networking, software, कीमतों में बढ़ोतरी और supply-chain execution भी उतने ही महत्वपूर्ण होंगे।

Broadcom के लिए infrastructure अब financing test भी है

Broadcom AI cost squeeze के एक अलग पहलू को सामने लाता है। Reuters और Bloomberg की रिपोर्ट के अनुसार, कंपनी Anthropic और अन्य ग्राहकों को लाभ पहुंचाने वाली AI-chip financing व्यवस्था के लिए $60 billion से अधिक कर्ज जुटाने पर lenders से बातचीत कर रही थी। प्रस्तावित ढांचे में करीब $30 billion की junior debt tranche के साथ senior-secured tranche शामिल हो सकती है; शर्तों पर अभी बातचीत जारी थी। 12

यह अंतर महत्वपूर्ण है: यह प्रस्तावित financing है, पूरा हो चुका borrowing transaction नहीं। इसलिए इन आंकड़ों को अंतिम सौदे के बजाय बातचीत में मौजूद संभावित range के रूप में देखना चाहिए।

आर्थिक सवाल यह है कि क्या इन chips से पैदा होने वाला AI revenue इतना टिकाऊ होगा कि वह कर्ज की repayment और interest cost को संभाल सके। कोई chip तकनीकी रूप से मूल्यवान हो सकता है, लेकिन leveraged investment के रूप में कमजोर साबित हो सकता है—यदि model prices गिरें, ग्राहक concentration अधिक हो, equipment की resale value घटे या refinancing महंगा हो जाए।

यहीं credit markets की भूमिका आती है। जब infrastructure को बड़े पैमाने पर कर्ज से वित्तपोषित किया जाता है, तो गिरती token prices केवल software कंपनियों की pricing समस्या नहीं रहतीं। वे leases, special-purpose vehicles, suppliers और lenders के अनुमानित cash flows को भी प्रभावित कर सकती हैं।

Hyperscalers मजबूत हैं, लेकिन अछूते नहीं

बड़ी cloud कंपनियां standalone model providers की तुलना में बेहतर स्थिति में हैं। वे AI को मौजूदा cloud services, enterprise software, advertising, data और distribution के साथ bundle कर सकती हैं। जरूरत पड़ने पर वे AI features को subsidize करके दूसरी सेवाओं से कमाई कर सकती हैं।

फिर भी इससे हर AI investment पर आकर्षक return अपने-आप साबित नहीं होता। सस्ते मॉडल usage बढ़ा सकते हैं, लेकिन प्रति-unit revenue घटा सकते हैं। अतिरिक्त capacity AI को अलग profit pool के बजाय cloud computing की कम-margin feature बना सकती है। असली सवाल यह है कि ग्राहक AI से पैदा हुई productivity, अतिरिक्त revenue या cost savings के लिए कितना भुगतान करने को तैयार हैं।

कारोबारों के लिए सस्ते tokens का अर्थ

गिरती inference prices कारोबारों के लिए वास्तविक रूप से सकारात्मक हैं। कम लागत से AI applications का परीक्षण, सीमित workflows का automation और पहले आर्थिक रूप से असंभव माने जाने वाले tasks में बेहतर मॉडलों का इस्तेमाल आसान हो जाता है।

लेकिन deployment की कुल लागत में tokens केवल एक हिस्सा हैं। कंपनियों को integration, data preparation, security controls, governance, evaluation और change management पर भी खर्च करना पड़ता है। कम API bill का अर्थ अपने-आप सकारात्मक return on investment नहीं है।

इसलिए बाजार का सवाल अब बदल रहा है: AI compute की हर इकाई से कौन-सा मापने योग्य कारोबारी परिणाम पैदा होता है? जो कंपनियां model usage को revenue या सत्यापित cost savings से जोड़ पाएंगी, उन्हें उन कंपनियों की तुलना में अधिक लाभ मिल सकता है जो स्पष्ट use case के बिना केवल capacity जमा कर रही हैं।

निवेशकों और credit markets के लिए संकेत

निवेशकों को scarce inputs और commoditizing model access के बीच अंतर करना चाहिए।

Supply-constrained हिस्से में memory, advanced fabrication, networking, power और integrated accelerator systems आते हैं। ग्राहक capacity के लिए प्रतिस्पर्धा कर रहे हों तो इन कारोबारों की bargaining power बनी रह सकती है। Samsung की pricing actions और shortage outlook मौजूदा leverage का संकेत देते हैं। 3233

दूसरी ओर, model-access layer पर कठिन परीक्षा है। मुफ्त या भारी discount वाले मॉडल बाजार का आकार बढ़ा सकते हैं, लेकिन undifferentiated inference के लिए ऊंची कीमत बनाए रखना मुश्किल कर सकते हैं। टिकाऊ economics के लिए proprietary distribution, data, specialized workflows, contractual demand या ऐसा software जरूरी हो सकता है जो token से आगे मूल्य हासिल करे।

Credit investors को contracted cash flows, customer concentration, residual hardware value, debt structure और refinancing dates पर ध्यान देना चाहिए। Broadcom की प्रस्तावित व्यवस्था एक चेतावनी है, क्योंकि यह दिखाती है कि AI infrastructure कितनी तेजी से technology के साथ-साथ financing का सवाल भी बन सकता है। 12

निष्कर्ष

AI boom की एक समान cost curve नहीं है। Intelligence सस्ती और अधिक उपलब्ध हो रही है, जबकि उसे तैयार करने के लिए जरूरी physical capacity अब भी दुर्लभ और महंगी है।

यही mismatch समझाता है कि Nvidia असाधारण growth दर्ज करने के साथ margin pressure की चेतावनी क्यों दे रही है। यही वजह है कि Broadcom की प्रस्तावित multibillion-dollar chip-financing व्यवस्था ने credit markets का ध्यान खींचा है, भले ही AI की मांग मजबूत बनी हुई हो।

बाजार का अगला चरण केवल model capability से तय नहीं होगा। निर्णायक बात यह होगी कि ग्राहक महंगे और कर्ज से वित्तपोषित compute capacity को refinance करने से पहले सस्ती intelligence को टिकाऊ cash flow में बदल पाते हैं या नहीं।