AI पर हर साल $1 ट्रिलियन खर्च, लेकिन कमाई सिर्फ $100–200 अरब? निखिल कामथ ने उठाया बड़ा सवाल

Nikhil Kamath on AI Bubble: AI में $800 अरब की फंडिंग कमी से क्यों बढ़ सकती है भारतीय स्टार्टअप्स की मुश्किल?

आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया में इस समय एक असहज सवाल खड़ा हो रहा है: अगर कंपनियां इस तकनीक पर हर साल खरबों डॉलर खर्च कर रही हैं, तो क्या AI से होने वाली कमाई उस निवेश को सही ठहराने के लिए पर्याप्त है?

Zerodha के सह-संस्थापक और निवेशक निखिल कामथ ने 22 अक्टूबर 2026 को नई दिल्ली में आयोजित NDTV World Summit में इसी सवाल को उठाया। उनके अनुमान के मुताबिक, AI पर सालाना लगभग 1 ट्रिलियन डॉलर खर्च हो रहा है, जबकि एंटरप्राइज इस्तेमाल से आने वाला राजस्व करीब 100–200 अरब डॉलर हो सकता है। इस हिसाब से दोनों के बीच 700–800 अरब डॉलर का सालाना अंतर बनता है। यह आकलन NDTV Profit की रिपोर्ट के अनुसार कामथ का है, न कि AI उद्योग के सभी खर्चों और राजस्व का कोई सर्वमान्य, ऑडिट किया हुआ आंकड़ा।

कामथ की चिंता केवल यह नहीं है कि AI कंपनियां अभी कितना पैसा कमा रही हैं। बड़ा सवाल यह है कि जब निवेशकों को अपने लगाए पैसे का पर्याप्त प्रतिफल दिखाई नहीं देगा, तो वे अगली बार पैसा लगाने से पहले कितने सख्त सवाल पूछेंगे।

उन्होंने चेतावनी दी कि आने वाले समय में पूंजी जुटाना इस साल या पिछले साल की तुलना में कठिन हो सकता है। उनका सुझाव है कि जिन संस्थापकों के पास अभी पर्याप्त फंड जुटाने का अवसर है, उन्हें अपनी वित्तीय स्थिति मजबूत रखने पर विचार करना चाहिए।

यह चेतावनी भारत के लिए खास मायने रखती है। भारतीय स्टार्टअप्स को AI के क्षेत्र में अवसर मिल सकते हैं, लेकिन अगर वैश्विक निवेशक खर्च कम करते हैं या केवल चुनिंदा कंपनियों को पैसा देते हैं, तो नई तकनीक पर काम कर रहे छोटे उद्यमों के सामने बड़ी चुनौती खड़ी हो सकती है।

1. AI में $700–800 अरब का अंतर आखिर है क्या?

कामथ के अनुमान को समझने के लिए खर्च और कमाई के बीच अंतर को देखना जरूरी है।

ये आंकड़े कामथ के बताए अनुमान हैं। इन्हें इस तरह नहीं समझना चाहिए कि AI उद्योग को निश्चित रूप से हर साल इतनी रकम का नुकसान हो रहा है।

इसका कारण यह है कि खर्च, राजस्व, मुनाफा और निवेश पर रिटर्न चार अलग-अलग चीजें हैं। AI पर होने वाले खर्च में डेटा सेंटर, महंगे चिप, बिजली, क्लाउड इंफ्रास्ट्रक्चर, मॉडल ट्रेनिंग और दूसरी लागतें शामिल हो सकती हैं। वहीं, एंटरप्राइज राजस्व का आंकड़ा AI सेवाओं से होने वाली कमाई का केवल एक हिस्सा दिखा सकता है। दोनों आंकड़ों की परिभाषा और दायरा समान न हो, तो उनके बीच के अंतर को सीधे नुकसान नहीं कहा जा सकता।

फिर भी, कामथ का सवाल महत्वपूर्ण है: अगर AI इंफ्रास्ट्रक्चर बनाने पर बहुत बड़ी रकम खर्च हो रही है, तो इस क्षमता का इस्तेमाल करने वाले कारोबार कितनी तेजी से ऐसी कमाई पैदा करेंगे जो निवेश की लागत को उचित ठहरा सके?

एक आसान उदाहरण से समझिए

मान लीजिए कि किसी कंपनी ने AI सिस्टम बनाने, सर्वर खरीदने और मॉडल चलाने के लिए हजारों करोड़ रुपये खर्च किए। उसकी तकनीक शानदार है, लेकिन ग्राहक उसके लिए उतनी रकम देने को तैयार नहीं हैं जितनी कंपनी ने उम्मीद की थी।

ऐसी स्थिति में कंपनी के पास तीन विकल्प हो सकते हैं:

  • अपनी सेवाओं की कीमत बढ़ाना।
  • खर्च घटाकर कम संसाधनों में बेहतर सेवा देना।
  • अगले चरण के विस्तार के लिए निवेशकों से और पैसा जुटाना।

पहले दो विकल्प आसान नहीं हुए, तो तीसरा विकल्प महत्वपूर्ण बन जाता है। लेकिन यदि निवेशक भी भविष्य की कमाई को लेकर आश्वस्त नहीं हैं, तो फंडिंग महंगी हो सकती है, शर्तें सख्त हो सकती हैं या नया निवेश मिलने में देरी हो सकती है।

यही वह वित्तीय दबाव है जिसकी ओर कामथ इशारा कर रहे हैं।

2. क्या AI में डॉट-कॉम बुलबुले जैसी स्थिति बन रही है?

कामथ ने CNBC-TV18 को दिए एक दिन पहले के इंटरव्यू में कहा कि मौजूदा AI बाजार में उन्हें पुराने बुलबुलों के कुछ संकेत दिखाई देते हैं। उनके मुताबिक, हर बुलबुले के दौर में यह विश्वास दिखाई देता है कि इस बार परिस्थितियां पहले से अलग हैं।

यह तुलना इंटरनेट के शुरुआती दौर की याद दिलाती है। 1990 के दशक के अंत में इंटरनेट कंपनियों से जुड़ी उम्मीदें बहुत बढ़ गई थीं। कई कारोबारों के मूल्यांकन में भविष्य की संभावनाओं को इतना महत्व दिया गया कि वास्तविक कमाई और टिकाऊ बिजनेस मॉडल पीछे छूट गए। बाद में 2000 के आसपास डॉट-कॉम बाजार में बड़ी गिरावट आई।

हालांकि, इसका अर्थ यह नहीं है कि AI का भविष्य भी अनिवार्य रूप से वैसा ही होगा। इंटरनेट की तरह AI भी उपयोगी तकनीक साबित हो सकती है, जबकि उसमें निवेश करने वाली कुछ कंपनियां फिर भी असफल हो सकती हैं।

यहीं एक अहम अंतर समझना जरूरी है: किसी तकनीक का उपयोगी होना और उस तकनीक से जुड़ी हर कंपनी का अच्छा निवेश होना एक ही बात नहीं है।

AI का इस्तेमाल बढ़ सकता है, कंपनियों की उत्पादकता सुधर सकती है और नए कारोबार पैदा हो सकते हैं। इसके बावजूद, यदि किसी कंपनी का मूल्यांकन इस धारणा पर आधारित है कि वह कई वर्षों तक लगातार असाधारण वृद्धि करेगी, तो थोड़ी-सी निराशा भी निवेशकों की उम्मीदों को बदल सकती है।

कामथ ने यह भी सवाल उठाया कि अमेरिका की कई प्रमुख AI कंपनियों के पास ऐसा मजबूत प्रतिस्पर्धात्मक लाभ है या नहीं जिसे प्रतिद्वंद्वी आसानी से खत्म न कर सकें।

3. AI कंपनियों के लिए असली परीक्षा अब क्या होगी?

AI मॉडल बनाना तकनीकी उपलब्धि है। लेकिन लंबे समय तक सफल कारोबार चलाने के लिए केवल बेहतर मॉडल पर्याप्त नहीं हो सकता।

See also  जियो का धमाकेदार ऑफर: 18 महीने तक फ्री गूगल सर्विसेज, जानें पूरी डिटेल

निवेशकों को अब कुछ व्यावहारिक सवालों के जवाब चाहिए होंगे:

पहला, क्या ग्राहक भुगतान करने को तैयार हैं? लाखों लोग किसी AI टूल का मुफ्त इस्तेमाल कर सकते हैं। लेकिन मुफ्त उपयोगकर्ता अपने आप में टिकाऊ राजस्व नहीं बन जाते।

दूसरा, क्या AI से ग्राहक का खर्च वास्तव में कम हो रहा है? यदि किसी कंपनी को AI अपनाने के लिए महंगे सॉफ्टवेयर, अतिरिक्त कंप्यूटिंग क्षमता और विशेषज्ञों पर खर्च करना पड़ता है, तो उसे कुल लागत और मिलने वाले लाभ का हिसाब लगाना होगा।

तीसरा, क्या उत्पाद को आसानी से कॉपी किया जा सकता है? यदि कई कंपनियां लगभग समान AI सुविधाएं कम कीमत पर देने लगें, तो किसी एक कंपनी के लिए अधिक मुनाफा बनाए रखना कठिन हो सकता है।

चौथा, क्या कंपनी अपने ग्राहकों को लंबे समय तक बनाए रख सकती है? यदि ग्राहक कुछ महीनों बाद दूसरे मॉडल या सस्ते विकल्प पर चले जाते हैं, तो कंपनी की कमाई अस्थिर हो सकती है।

इसलिए आने वाले दौर में सिर्फ यह देखना पर्याप्त नहीं होगा कि किसी कंपनी के पास सबसे शक्तिशाली AI मॉडल है या नहीं। यह भी देखना होगा कि वह मॉडल ग्राहकों की वास्तविक समस्या कितनी अच्छी तरह हल करता है और उस समाधान से लगातार आय कितनी बनती है।

4. भारत के स्टार्टअप्स पर इसका क्या असर पड़ सकता है?

AI में वैश्विक निवेश धीमा पड़ता है, तो उसका असर केवल अमेरिका की बड़ी टेक कंपनियों तक सीमित नहीं रहेगा। भारत के उन स्टार्टअप्स पर भी दबाव आ सकता है जो अपना कारोबार बढ़ाने के लिए लगातार बाहरी निवेश पर निर्भर हैं।

इसका असर तीन स्तरों पर दिखाई दे सकता है।

फंडिंग मिलने में देरी और कठिन शर्तें

यदि निवेशक AI कंपनियों के राजस्व और खर्च का अधिक बारीकी से मूल्यांकन करने लगें, तो केवल बड़ी बाजार-संभावना दिखाने वाले स्टार्टअप्स के लिए पैसा जुटाना मुश्किल हो सकता है। निवेशक ग्राहक बनाए रखने की क्षमता, वास्तविक कमाई, नकदी खर्च और मुनाफे तक पहुंचने की योजना पर अधिक ध्यान दे सकते हैं।

छोटे कारोबारों के लिए अवसर

दूसरी ओर, AI का उपयोग करने के लिए हर कंपनी को अपना बड़ा मॉडल बनाने की जरूरत नहीं है। भारतीय संस्थापक पहले से उपलब्ध AI मॉडल का इस्तेमाल करके किसी विशेष उद्योग की समस्या हल कर सकते हैं।

उदाहरण के लिए:

  • छोटे कारोबारों के लिए स्थानीय भाषाओं में ग्राहक सेवा।
  • अस्पतालों और क्लीनिकों के लिए प्रशासनिक काम आसान करने वाले टूल।
  • निर्यातकों के लिए दस्तावेजों और ऑर्डर प्रबंधन का सॉफ्टवेयर।
  • भारतीय कंपनियों के लिए सुरक्षित आंतरिक सर्च और ज्ञान प्रबंधन।
  • शिक्षकों और विद्यार्थियों के लिए पाठ्यक्रम के अनुरूप डिजिटल सहायक।

इन उत्पादों की सफलता इस बात पर निर्भर करेगी कि वे ग्राहक का समय और पैसा कितना बचाते हैं, न कि केवल इस पर कि वे AI का इस्तेमाल करते हैं।

कम लागत अपने आप में पर्याप्त नहीं

कामथ ने भारतीय इंजीनियरों की लागत को एक संभावित प्रतिस्पर्धात्मक लाभ बताया। उनके अनुसार, भारत में इंजीनियरों को लगभग 500–1,000 डॉलर प्रति माह पर नियुक्त करना संभव हो सकता है और AI के साथ काम करके विदेशी ग्राहकों के लिए नए उत्पाद बनाए जा सकते हैं।

हालांकि, यह हर इंजीनियर या कंपनी की वास्तविक लागत नहीं है। वेतन के अतिरिक्त प्रशिक्षण, कंप्यूटिंग, सुरक्षा, बिक्री और ग्राहक सहायता पर भी खर्च होता है।

भारत के लिए असली अवसर सस्ती प्रतिभा और AI को जोड़कर ऐसा उत्पाद बनाने में है जिसे ग्राहक बार-बार इस्तेमाल करें और जिसके लिए भुगतान करने को तैयार हों।

5. कामथ भारतीय शेयर बाजार को लेकर पूरी तरह निराश क्यों नहीं हैं?

AI में संभावित जोखिमों पर चेतावनी देने के बावजूद कामथ ने भारतीय शेयर बाजार को लेकर सकारात्मक रुख व्यक्त किया। उन्होंने NDTV World Summit में कहा कि उनका लगभग 90% आवंटन इक्विटी बाजार में है और उन्हें कुछ अच्छी गुणवत्ता वाले बैंकिंग, IT सर्विसेज तथा फार्मा कारोबारों में 11–13 गुना कमाई के स्तर पर अवसर दिखाई दे रहे हैं।

यह उनका व्यक्तिगत निवेश संबंधी बयान है, सभी निवेशकों के लिए सलाह नहीं।

इसका व्यापक अर्थ यह है कि कामथ AI से जुड़े कुछ ऊंचे मूल्यांकनों को लेकर सावधान हैं, लेकिन उन्हें भारतीय कंपनियों के कुछ हिस्सों में आकर्षक मूल्यांकन भी दिखाई दे रहे हैं।

दोनों बातें एक साथ सही हो सकती हैं। कोई निवेशक AI उद्योग की दीर्घकालिक संभावनाओं में विश्वास रख सकता है, लेकिन साथ ही यह भी मान सकता है कि कुछ कंपनियों के शेयरों की कीमत उनकी वर्तमान कमाई और संभावित जोखिमों की तुलना में बहुत अधिक है।

निवेशकों के लिए यहां एक महत्वपूर्ण अंतर है: अच्छी कंपनी हमेशा अच्छे मूल्य पर उपलब्ध नहीं होती, और कम मूल्यांकन वाला शेयर अपने आप में अच्छा निवेश नहीं बन जाता।

किसी भी शेयर का मूल्यांकन करते समय कंपनी की कमाई, कर्ज, नकदी प्रवाह, प्रतिस्पर्धात्मक स्थिति और भविष्य की संभावनाओं को साथ देखना जरूरी है। केवल कामथ के पोर्टफोलियो या बयान के आधार पर शेयर खरीदने का निर्णय लेना उचित नहीं होगा।

6. ओपन-सोर्स AI भारत के लिए गेम चेंजर कैसे बन सकता है?

कामथ ने ओपन-सोर्स AI कंपनियों के भविष्य को लेकर भी सकारात्मक संभावना जताई। उनका विचार है कि कंपनियां अपने संवेदनशील डेटा को अपने नियंत्रण में रखकर स्थानीय स्तर पर उपलब्ध ओपन-सोर्स मॉडल चला सकती हैं।

इसका महत्व समझने के लिए AI की दो परतों को अलग-अलग देखना होगा।

पहली परत है मॉडल, जो भाषा समझने, जानकारी का विश्लेषण करने और उत्तर तैयार करने का काम करता है।

दूसरी परत है व्यावसायिक संदर्भ, यानी कंपनी के ग्राहक, आंतरिक दस्तावेज, काम करने के तरीके, स्थानीय नियम और वर्षों में जमा हुआ अनुभव।

See also  Jio IPO 2026: निखिल कामथ को क्यों दिख रही है बड़ी मांग? ₹500 करोड़ मांगे, मिले सिर्फ ₹25 करोड़

किसी सामान्य AI मॉडल के पास पहली क्षमता हो सकती है, लेकिन किसी भारतीय बैंक, अस्पताल, फैक्ट्री या कानूनी फर्म के विशिष्ट काम को समझने के लिए दूसरी परत भी महत्वपूर्ण है।

मान लीजिए, एक भारतीय निर्माता कंपनी ऐसा AI सहायक बनाती है जो उसके पुराने ऑर्डर, मशीनों के रखरखाव के रिकॉर्ड, सप्लायर के विवरण और इन्वेंट्री को समझता है। सामान्य AI मॉडल के बजाय उस कंपनी के अपने डेटा और प्रक्रियाओं से जुड़ा सिस्टम उसके लिए ज्यादा उपयोगी हो सकता है।

यहां प्रतिस्पर्धात्मक लाभ केवल मॉडल से नहीं, बल्कि डेटा की गुणवत्ता, सिस्टम के साथ उसके एकीकरण और उद्योग की समझ से भी पैदा हो सकता है।

लेकिन ओपन-सोर्स का मतलब मुफ्त या पूरी तरह सुरक्षित नहीं है

यहां एक महत्वपूर्ण सावधानी भी है। ओपन-सोर्स या खुले वेट्स वाले मॉडल इस्तेमाल करने से कुछ कंपनियों को लागत और नियंत्रण के मामले में फायदा मिल सकता है, लेकिन उन्हें सर्वर, रखरखाव, सुरक्षा, अपडेट और विशेषज्ञ कर्मचारियों का खर्च उठाना पड़ सकता है।

साथ ही, किसी मॉडल को अपने सर्वर पर चलाने से डेटा का जोखिम अपने आप खत्म नहीं होता। कमजोर एक्सेस कंट्रोल, असुरक्षित सिस्टम और गलत कॉन्फिगरेशन के कारण जानकारी फिर भी लीक हो सकती है।

इसलिए स्थानीय AI का व्यावसायिक फायदा तभी वास्तविक होगा, जब कंपनियां लागत, प्रदर्शन और डेटा सुरक्षा तीनों को सही तरीके से संभाल सकें।

7. भारत के डेटा की कीमत किसे मिल रही है?

कामथ के बयान का एक और महत्वपूर्ण पहलू है डेटा पर नियंत्रण।

आज लोग AI टूल्स को अपने सवालों, कामकाजी दस्तावेजों और व्यक्तिगत अनुभवों के माध्यम से उपयोगी संदर्भ देते हैं। कंपनियां भी अपने कारोबारी डेटा के आधार पर AI सेवाओं का इस्तेमाल करती हैं।

कामथ चाहते हैं कि भारत का डेटा और संदर्भ केवल विदेशी AI कंपनियों को उपलब्ध कच्चे संसाधन के रूप में न दिया जाए, बल्कि भारतीय कंपनियां भी उससे आर्थिक मूल्य पैदा करें।

इस मुद्दे को केवल यह सवाल मानना गलत होगा कि डेटा भारत में रखा जाए या विदेश में। असली सवाल हैं:

  • डेटा का स्वामित्व किसके पास है?
  • उसे इस्तेमाल करने की अनुमति किसने दी है?
  • डेटा से बने उत्पाद का आर्थिक लाभ किसे मिलता है?
  • संवेदनशील जानकारी तक पहुंच को कैसे नियंत्रित किया जाता है?
  • क्या भारतीय कंपनियां अपने डेटा से उपयोगी उत्पाद और बौद्धिक संपदा विकसित कर सकती हैं?

उदाहरण के लिए, किसी भारतीय भाषा में काम करने वाला AI उत्पाद केवल सामान्य भाषा मॉडल पर निर्भर रहने के बजाय स्थानीय शब्दावली, उपयोगकर्ताओं की जरूरतों और उचित अनुमति के साथ तैयार किए गए डेटा से बेहतर बन सकता है।

हालांकि, स्थानीय डेटा का इस्तेमाल करने के लिए सहमति, गोपनीयता और लागू कानूनों का पालन आवश्यक है। डेटा को केवल इसलिए इस्तेमाल नहीं किया जा सकता कि वह किसी कंपनी या देश में उपलब्ध है।

भारत के लिए अवसर सिर्फ डेटा अपने पास रखने में नहीं, बल्कि उसका सुरक्षित और जिम्मेदार इस्तेमाल करके अधिक मूल्य वाले उत्पाद बनाने में है।

8. AI से $6–7 ट्रिलियन की उत्पादकता का अवसर कैसे बन सकता है?

कामथ ने AI के पक्ष में एक बड़ा आर्थिक तर्क भी रखा। उनके मुताबिक, यदि विश्व अर्थव्यवस्था के सेवा क्षेत्र का केवल 10% हिस्सा AI से प्रभावित होकर अधिक उत्पादक बनता है, तो संभावित उत्पादकता लाभ 6–7 ट्रिलियन डॉलर तक हो सकता है।

यह एक संभावित परिदृश्य है, सुनिश्चित आर्थिक लाभ नहीं।

उत्पादकता का अर्थ है समान संसाधनों से अधिक काम करना या समान काम को कम समय और लागत में पूरा करना। उदाहरण के लिए, यदि कोई कंपनी पहले एक रिपोर्ट तैयार करने में दस घंटे लगाती थी और AI की मदद से वही काम उचित गुणवत्ता के साथ तीन घंटे में कर लेती है, तो उसके पास बचा समय दूसरे कामों के लिए इस्तेमाल किया जा सकता है।

लेकिन समय की बचत और वास्तविक आर्थिक लाभ में अंतर है। यदि बचा हुआ समय किसी उपयोगी काम में नहीं लगता, गुणवत्ता घटती है या AI को चलाने की लागत बहुत अधिक है, तो कुल फायदा अपेक्षा से कम हो सकता है।

इसीलिए AI का आर्थिक प्रभाव केवल तकनीकी क्षमता पर नहीं, बल्कि कंपनियों द्वारा उसे अपने काम में कितनी प्रभावी ढंग से अपनाने पर निर्भर करेगा।

22 अक्टूबर को प्रकाशित Reuters की रिपोर्ट में भी IMF और OECD के अधिकारियों ने इस अंतर पर ध्यान दिलाया। रिपोर्ट के मुताबिक, AI में वैश्विक निवेश बढ़ रहा है, लेकिन कार्यस्थलों पर उसका वास्तविक इस्तेमाल उपभोक्ता स्तर पर लोकप्रियता से पीछे है। IMF का अनुमान था कि प्रभावी AI अपनाने से मध्यम अवधि में वैश्विक विकास दर में सालाना 0.5 प्रतिशत तक की वृद्धि हो सकती है।

यह एक अहम बात है: AI से लाभ पैदा करने के लिए केवल तकनीक खरीदना पर्याप्त नहीं। कर्मचारियों को प्रशिक्षित करना, काम करने की प्रक्रियाएं बदलना और परिणामों को मापना भी जरूरी है।

9. भारतीय संस्थापकों को अभी किन बातों पर ध्यान देना चाहिए?

कामथ की चेतावनी को हर स्टार्टअप के लिए तुरंत फंडिंग जुटाने का संकेत मानने के बजाय इसे वित्तीय तैयारी का अवसर समझना बेहतर होगा।

AI कारोबार बनाने वाले संस्थापकों के लिए कुछ व्यावहारिक प्राथमिकताएं हैं:

नकदी की स्थिति स्पष्ट रखें। कंपनी के पास उपलब्ध नकदी, मासिक खर्च और संभावित राजस्व के आधार पर यह समझें कि कारोबार कितने समय तक चल सकता है।

ग्राहकों से भुगतान प्राप्त करने की क्षमता साबित करें। केवल साइन-अप या मुफ्त उपयोगकर्ताओं की संख्या के बजाय यह देखें कि कितने ग्राहक वास्तव में भुगतान करते हैं और कितने लंबे समय तक बने रहते हैं।

AI की कुल लागत मापें। मॉडल इस्तेमाल करने की फीस के साथ सर्वर, डेटा, सुरक्षा, मानव समीक्षा और ग्राहक सहायता की लागत भी जोड़ें।

See also  Sandeep Maheshwari vs Vivek Bindra: क्या सबको पता है की आप (Sandeep Maheshwari) 36 लाख चार्ज करते है दो घंटे की कंसल्टिंग का Vivek Bindra ने ऐसा क्यों कहा

किसी एक मॉडल पर पूरी निर्भरता से बचें। जहां तकनीकी रूप से संभव हो, वैकल्पिक मॉडल और सेवाओं का मूल्यांकन करें ताकि कीमत या उपलब्धता में बदलाव होने पर कारोबार प्रभावित न हो।

ऐसा लाभ बनाएं जिसे आसानी से कॉपी न किया जा सके। उद्योग का अनुभव, ग्राहक संबंध, भरोसेमंद डेटा, बेहतर कार्यप्रवाह और मजबूत वितरण व्यवस्था लंबे समय तक उपयोगी साबित हो सकते हैं।

विस्तार से पहले अर्थशास्त्र समझें। यदि हर नए ग्राहक से होने वाली कमाई की तुलना में उसे सेवा देने की लागत लगातार अधिक है, तो तेजी से ग्राहक बढ़ाना समस्या को और बड़ा कर सकता है।

इन उपायों से भविष्य की फंडिंग परिस्थितियों का अनुमान नहीं लगाया जा सकता, लेकिन कारोबार को अनिश्चितता के लिए तैयार करने में मदद मिल सकती है।

10. आगे क्या देखना चाहिए?

AI बाजार की दिशा समझने के लिए केवल बड़ी कंपनियों के नए मॉडल लॉन्च या डेटा सेंटर में निवेश की घोषणाएं देखना पर्याप्त नहीं होगा। कुछ संकेत ज्यादा उपयोगी हो सकते हैं:

  • क्या AI कंपनियों का राजस्व उनके बढ़ते खर्च के साथ बढ़ रहा है?
  • क्या कारोबार AI सेवाओं के लिए भुगतान बढ़ा रहे हैं?
  • क्या कंपनियां AI से मापने योग्य उत्पादकता लाभ हासिल कर रही हैं?
  • क्या स्टार्टअप्स को फंडिंग मिलने के लिए अधिक राजस्व और मजबूत व्यावसायिक मॉडल दिखाना पड़ रहा है?
  • क्या ओपन-सोर्स मॉडल बेहतर होते हुए कंपनियों को कम लागत पर उपयोगी AI बनाने में मदद कर रहे हैं?

इन सवालों के जवाब से यह समझने में मदद मिलेगी कि बाजार में निवेश का मौजूदा स्तर भविष्य की कमाई से कितना मेल खाता है।

Wisdom Imbibe Insight: AI की अगली दौड़ मॉडल बनाने की नहीं, मूल्य पैदा करने की है

निखिल कामथ की चेतावनी को AI के अंत की भविष्यवाणी समझना जल्दबाजी होगी। उनका मुख्य सवाल निवेश और कमाई के बीच संतुलन को लेकर है।

AI का इस्तेमाल बढ़ सकता है और फिर भी कुछ कंपनियां अपने निवेश पर पर्याप्त रिटर्न हासिल करने में असफल हो सकती हैं। इसी तरह, वैश्विक निवेश की रफ्तार धीमी पड़ने पर भी भारतीय कंपनियों के लिए नए उत्पाद और कारोबार बनाने के अवसर मौजूद रह सकते हैं।

भारत के लिए सबसे महत्वपूर्ण अवसर शायद हर बड़े AI मॉडल की नकल करने में नहीं, बल्कि ऐसी समस्याओं को हल करने में है जिन्हें वैश्विक कंपनियां पर्याप्त रूप से नहीं समझतीं—जैसे स्थानीय भाषाएं, छोटे व्यवसायों की जरूरतें, भारतीय उद्योगों के कार्यप्रवाह और डेटा की सुरक्षा।

यदि भारतीय संस्थापक कम लागत, उपयोगी तकनीक, स्थानीय संदर्भ और टिकाऊ कमाई को एक साथ जोड़ सकें, तो AI निवेश के अगले दौर में उन्हें अवसर मिल सकते हैं।

आखिरकार, AI की सफलता का फैसला केवल इस बात से नहीं होगा कि उस पर कितना पैसा खर्च हुआ। असली परीक्षा यह होगी कि वह खर्च कितनी उपयोगी सेवाओं, वास्तविक उत्पादकता और लंबे समय तक टिकने वाले कारोबार में बदलता है।


अक्सर पूछे जाने वाले सवाल (FAQs)

1. निखिल कामथ ने AI निवेश को लेकर क्या चेतावनी दी?

22 अक्टूबर 2026 को NDTV World Summit में कामथ ने अनुमान जताया कि AI पर सालाना लगभग 1 ट्रिलियन डॉलर खर्च हो रहा है, जबकि एंटरप्राइज इस्तेमाल से करीब 100–200 अरब डॉलर का राजस्व आता है। उन्होंने कहा कि इस अंतर के कारण भविष्य में पूंजी जुटाना कठिन हो सकता है।

2. AI में $700–800 अरब का फंडिंग गैप क्या है?

यह कामथ के अनुमान के अनुसार AI पर होने वाले सालाना खर्च और एंटरप्राइज राजस्व के बीच का अंतर है। इसे निश्चित वित्तीय नुकसान नहीं समझना चाहिए, क्योंकि दोनों आंकड़ों का दायरा और परिभाषा अलग हो सकती है।

3. क्या AI का बुलबुला फूट सकता है?

इसकी निश्चित भविष्यवाणी नहीं की जा सकती। यदि कंपनियों की कमाई निवेशकों की अपेक्षाओं से कम रहती है, तो मूल्यांकन में गिरावट आ सकती है। लेकिन AI का दीर्घकालिक उपयोग और किसी विशेष कंपनी के शेयर का प्रदर्शन अलग-अलग विषय हैं।

4. भारतीय स्टार्टअप्स पर AI फंडिंग में कमी का क्या असर होगा?

बाहरी निवेश पर निर्भर स्टार्टअप्स के लिए पूंजी जुटाना कठिन हो सकता है। दूसरी ओर, उपयोगी AI उत्पाद बनाने वाली कंपनियों को अवसर मिल सकते हैं, विशेषकर यदि वे वास्तविक ग्राहक समस्याओं का समाधान करें और टिकाऊ कमाई कर सकें।

5. ओपन-सोर्स AI भारत के लिए क्यों महत्वपूर्ण है?

ओपन-सोर्स या खुले वेट्स वाले AI मॉडल भारतीय कंपनियों को अपनी जरूरतों के अनुरूप तकनीक विकसित करने और कुछ मामलों में डेटा पर अधिक नियंत्रण रखने का विकल्प दे सकते हैं। हालांकि, लागत, सुरक्षा, रखरखाव और लाइसेंस की शर्तों का मूल्यांकन करना जरूरी है।

6. क्या निखिल कामथ ने भारतीय शेयर बाजार में निवेश बढ़ाने की सलाह दी?

कामथ ने अपने व्यक्तिगत इक्विटी आवंटन और कुछ भारतीय कंपनियों के मूल्यांकन पर सकारात्मक विचार व्यक्त किए। यह उनकी निजी निवेश स्थिति है, सभी निवेशकों के लिए खरीदने या बेचने की सलाह नहीं।

7. AI कारोबार की सफलता कैसे मापी जा सकती है?

राजस्व वृद्धि, भुगतान करने वाले ग्राहकों की संख्या, ग्राहक बनाए रखने की क्षमता, कुल सेवा लागत, उत्पादकता में सुधार और नकदी प्रवाह जैसे संकेतकों से यह समझने में मदद मिल सकती है कि AI कारोबार टिकाऊ है या नहीं।

संपादकीय नोट: इस लेख में AI खर्च और राजस्व का अंतर निखिल कामथ के बताए अनुमान के रूप में प्रस्तुत किया गया है। इसे स्वतंत्र रूप से सत्यापित वैश्विक उद्योग-लेखा के रूप में नहीं समझना चाहिए।

स्रोत: NDTV Profit की रिपोर्ट; CNBC-TV18 के साथ निखिल कामथ का इंटरव्यू; Reuters की 22 अक्टूबर 2026 की AI और वैश्विक अर्थव्यवस्था पर रिपोर्ट।

यह भी पढ़ें:

Leave a Comment

Translate »
सलमान, शाहरुख और अमीर ने अनंत अंबानी और राधिका मर्चेन्ट से मांगा माफी अनंत अंबानी और राधिका मर्चेन्ट के प्री -वेडिंग के बाद बड़े सम्मानित तरीके से सबको विदा किए बिल गेट्स ने क्यू दिया भारत यात्रा धन्यवाद? ऐसा क्या हुआ ! फोर्ब्स ने भारत के 10 सबसे अमीर लोगों की सूची जारी की है 76 की वर्ष मे हास्य अभिनेता रिचर्ड लुईस का दिल का दौड़ा पड़ने से हुआ निधन