यह पैसा मुख्य रूप से इन चीज़ों पर खर्च हो रहा है:

• बड़े AI डेटा सेंटर
• हाई‑परफॉर्मेंस सर्वर और कंप्यूटिंग क्लस्टर
• AI मॉडल ट्रेनिंग और रनिंग (इन्फरेंस) के लिए हार्डवेयर

इसी इंफ्रास्ट्रक्चर के सहारे Google अपने कई प्रोडक्ट्स—जैसे Search, Gemini मॉडल, डेवलपर APIs और Google Cloud—में AI सुविधाएँ चला रहा है।

पिचाई का तर्क: पहले निवेश, फिर दक्षता

पिचाई ने कहा कि टेक उद्योग में अक्सर ऐसा हुआ है कि जब कोई नई तकनीक आती है तो शुरुआत में कंपनियाँ बड़े पैमाने पर निवेश करती हैं। इसके बाद हार्डवेयर, मॉडल और सॉफ्टवेयर सिस्टम बेहतर होते जाते हैं और लागत तेजी से घटने लगती है।

इसका मतलब यह है कि आज जो इंफ्रास्ट्रक्चर बहुत महंगा लग रहा है, वही भविष्य में कहीं ज्यादा AI काम संभाल सकेगा। उनके अनुसार वर्तमान खर्च वास्तव में आने वाले वर्षों के लिए नींव तैयार करने जैसा है।

AI उपयोग में विस्फोटक बढ़ोतरी

Google ने अपने तर्क के समर्थन में उपयोग के आंकड़े भी साझा किए। कंपनी के मुताबिक उसके प्लेटफॉर्म पर प्रोसेस होने वाले AI टोकन की मात्रा बेहद तेजी से बढ़ी है।

• दो साल पहले: लगभग 9.7 ट्रिलियन टोकन प्रति माह
• पिछले साल: लगभग 480 ट्रिलियन प्रति माह
• अब: 3.2 क्वाड्रिलियन प्रति माह से अधिक

यह वृद्धि कई जगहों से आ रही है:

• AI‑सक्षम Search अनुभव
• Gemini असिस्टेंट और एजेंट
• डेवलपर API और क्लाउड वर्कलोड
• YouTube और प्रोडक्टिविटी टूल जैसे उपभोक्ता उत्पाद

पिचाई का तर्क है कि जब उपयोग इतनी तेजी से बढ़ रहा है, तो इंफ्रास्ट्रक्चर पर खर्च भी उसी गति से बढ़ना स्वाभाविक है।

Gemini 3.5 Flash: दक्षता का उदाहरण

I/O 2026 में Google ने Gemini 3.5 Flash नाम का एक नया AI मॉडल भी पेश किया, जिसे तेज़ और अपेक्षाकृत सस्ता बताया गया।

इस तरह के मॉडल दिखाते हैं कि AI सिस्टम समय के साथ अधिक कुशल होते जाते हैं। जब इन्फरेंस लागत कम होती है और गति बढ़ती है, तो वही इंफ्रास्ट्रक्चर ज्यादा ऐप्लिकेशन और उपयोगकर्ताओं को संभाल सकता है।

असली चुनौतियाँ: बिजली और कंप्यूट

हालाँकि पिचाई ने निवेश का बचाव किया, लेकिन उन्होंने कुछ गंभीर चुनौतियों को भी स्वीकार किया।

सबसे बड़ी समस्याएँ हैं:

• विशाल AI डेटा सेंटरों की ऊर्जा खपत
• कंप्यूटिंग क्षमता की मांग का तेजी से बढ़ना
• वैश्विक स्तर पर इंफ्रास्ट्रक्चर स्केल करना

AI उद्योग में इन मुद्दों पर अब काफी ध्यान दिया जा रहा है क्योंकि कंपनियाँ तेजी से नई कंप्यूटिंग क्षमता बनाने की कोशिश कर रही हैं।

2025 की तुलना में बदला हुआ स्वर

पिचाई की 2026 की टिप्पणियाँ उनके 2025 के बयानों से कुछ अलग थीं। उस समय उन्होंने माना था कि AI निवेश उछाल में "कुछ हद तक अव्यावहारिकता" भी मौजूद है और अगर AI बबल फूटा तो कोई भी कंपनी पूरी तरह सुरक्षित नहीं रहेगी।

लेकिन I/O 2026 में उनका संदेश ज्यादा आशावादी था। उन्होंने तीन बातों पर जोर दिया:

• AI की मांग अभूतपूर्व है
• समय के साथ दक्षता में बड़ा सुधार होगा
• शुरुआती इंफ्रास्ट्रक्चर बनाना रणनीतिक रूप से जरूरी है

उन्होंने जोखिम से इनकार नहीं किया, लेकिन कहा कि लंबी अवधि में AI का विकास इस निवेश को तार्किक बनाता है।

बड़ी तस्वीर

Google अकेली कंपनी नहीं है जो AI पर इतना खर्च कर रही है। Microsoft, Amazon और अन्य बड़ी टेक कंपनियाँ भी नए चिप्स, डेटा सेंटर और क्लाउड इंफ्रास्ट्रक्चर में अरबों डॉलर लगा रही हैं।

पिचाई के अनुसार यह दौर उसी तरह का है जैसा इंटरनेट या क्लाउड कंप्यूटिंग के शुरुआती वर्षों में देखा गया था—पहले भारी निवेश, फिर तेजी से बढ़ती दक्षता और अंततः तकनीक का व्यापक इस्तेमाल।

अगर उनका अनुमान सही साबित होता है, तो आज का यह महंगा AI इंफ्रास्ट्रक्चर आने वाले समय में तकनीक को कहीं ज्यादा सस्ता और सर्वव्यापी बना सकता है।

यह पैसा मुख्य रूप से इन चीज़ों पर खर्च हो रहा है:

• बड़े AI डेटा सेंटर
• हाई‑परफॉर्मेंस सर्वर और कंप्यूटिंग क्लस्टर
• AI मॉडल ट्रेनिंग और रनिंग (इन्फरेंस) के लिए हार्डवेयर

इसी इंफ्रास्ट्रक्चर के सहारे Google अपने कई प्रोडक्ट्स—जैसे Search, Gemini मॉडल, डेवलपर APIs और Google Cloud—में AI सुविधाएँ चला रहा है।

पिचाई का तर्क: पहले निवेश, फिर दक्षता

पिचाई ने कहा कि टेक उद्योग में अक्सर ऐसा हुआ है कि जब कोई नई तकनीक आती है तो शुरुआत में कंपनियाँ बड़े पैमाने पर निवेश करती हैं। इसके बाद हार्डवेयर, मॉडल और सॉफ्टवेयर सिस्टम बेहतर होते जाते हैं और लागत तेजी से घटने लगती है।

इसका मतलब यह है कि आज जो इंफ्रास्ट्रक्चर बहुत महंगा लग रहा है, वही भविष्य में कहीं ज्यादा AI काम संभाल सकेगा। उनके अनुसार वर्तमान खर्च वास्तव में आने वाले वर्षों के लिए नींव तैयार करने जैसा है।

AI उपयोग में विस्फोटक बढ़ोतरी

Google ने अपने तर्क के समर्थन में उपयोग के आंकड़े भी साझा किए। कंपनी के मुताबिक उसके प्लेटफॉर्म पर प्रोसेस होने वाले AI टोकन की मात्रा बेहद तेजी से बढ़ी है।

• दो साल पहले: लगभग 9.7 ट्रिलियन टोकन प्रति माह
• पिछले साल: लगभग 480 ट्रिलियन प्रति माह
• अब: 3.2 क्वाड्रिलियन प्रति माह से अधिक

यह वृद्धि कई जगहों से आ रही है:

• AI‑सक्षम Search अनुभव
• Gemini असिस्टेंट और एजेंट
• डेवलपर API और क्लाउड वर्कलोड
• YouTube और प्रोडक्टिविटी टूल जैसे उपभोक्ता उत्पाद

पिचाई का तर्क है कि जब उपयोग इतनी तेजी से बढ़ रहा है, तो इंफ्रास्ट्रक्चर पर खर्च भी उसी गति से बढ़ना स्वाभाविक है।

Gemini 3.5 Flash: दक्षता का उदाहरण

I/O 2026 में Google ने Gemini 3.5 Flash नाम का एक नया AI मॉडल भी पेश किया, जिसे तेज़ और अपेक्षाकृत सस्ता बताया गया।

इस तरह के मॉडल दिखाते हैं कि AI सिस्टम समय के साथ अधिक कुशल होते जाते हैं। जब इन्फरेंस लागत कम होती है और गति बढ़ती है, तो वही इंफ्रास्ट्रक्चर ज्यादा ऐप्लिकेशन और उपयोगकर्ताओं को संभाल सकता है।

असली चुनौतियाँ: बिजली और कंप्यूट

हालाँकि पिचाई ने निवेश का बचाव किया, लेकिन उन्होंने कुछ गंभीर चुनौतियों को भी स्वीकार किया।

सबसे बड़ी समस्याएँ हैं:

• विशाल AI डेटा सेंटरों की ऊर्जा खपत
• कंप्यूटिंग क्षमता की मांग का तेजी से बढ़ना
• वैश्विक स्तर पर इंफ्रास्ट्रक्चर स्केल करना

AI उद्योग में इन मुद्दों पर अब काफी ध्यान दिया जा रहा है क्योंकि कंपनियाँ तेजी से नई कंप्यूटिंग क्षमता बनाने की कोशिश कर रही हैं।

2025 की तुलना में बदला हुआ स्वर

पिचाई की 2026 की टिप्पणियाँ उनके 2025 के बयानों से कुछ अलग थीं। उस समय उन्होंने माना था कि AI निवेश उछाल में "कुछ हद तक अव्यावहारिकता" भी मौजूद है और अगर AI बबल फूटा तो कोई भी कंपनी पूरी तरह सुरक्षित नहीं रहेगी।

लेकिन I/O 2026 में उनका संदेश ज्यादा आशावादी था। उन्होंने तीन बातों पर जोर दिया:

• AI की मांग अभूतपूर्व है
• समय के साथ दक्षता में बड़ा सुधार होगा
• शुरुआती इंफ्रास्ट्रक्चर बनाना रणनीतिक रूप से जरूरी है

उन्होंने जोखिम से इनकार नहीं किया, लेकिन कहा कि लंबी अवधि में AI का विकास इस निवेश को तार्किक बनाता है।

बड़ी तस्वीर

Google अकेली कंपनी नहीं है जो AI पर इतना खर्च कर रही है। Microsoft, Amazon और अन्य बड़ी टेक कंपनियाँ भी नए चिप्स, डेटा सेंटर और क्लाउड इंफ्रास्ट्रक्चर में अरबों डॉलर लगा रही हैं।

पिचाई के अनुसार यह दौर उसी तरह का है जैसा इंटरनेट या क्लाउड कंप्यूटिंग के शुरुआती वर्षों में देखा गया था—पहले भारी निवेश, फिर तेजी से बढ़ती दक्षता और अंततः तकनीक का व्यापक इस्तेमाल।

अगर उनका अनुमान सही साबित होता है, तो आज का यह महंगा AI इंफ्रास्ट्रक्चर आने वाले समय में तकनीक को कहीं ज्यादा सस्ता और सर्वव्यापी बना सकता है।