जैसे-जैसे आर्टिफिशियल इंटेलिजेंस पर आधारित एप्लिकेशन केवल प्रश्नों का उत्तर देने से आगे बढ़कर एजेंटों के रूप में कार्य करना, कोड लिखना और भौतिक प्रणालियों का प्रबंधन करना शुरू करते हैं, टोकन अर्थशास्त्र व्यवसायों और डेवलपर्स के लिए एक बढ़ती हुई चिंता का विषय बन जाता है।
NVIDIA साउथ एशिया में कॉर्पोरेट समाधान वास्तुकला और इंजीनियरिंग के वरिष्ठ निदेशक, जिगार हलानी ने योरस्टोरी'स देवस्पार्क्स हैदराबाद 2026 कार्यक्रम में बोलते हुए, 'टोकन अर्थव्यवस्था' के उभरते स्वरूप का विस्तार से विश्लेषण किया, जिसे उन्होंने चार घटकों में विभाजित किया: उपयोगिता, मांग, आपूर्ति और मुद्रीकरण।
उन्होंने इस बात पर जोर दिया कि मुख्य सिद्धांत यह है कि समस्या तब उत्पन्न होती है जब संसाधनों का अत्यधिक उपभोग होता है, जो बचत के विचार को प्रेरित करता है।
टोकन की खपत में तेजी से वृद्धि हो रही है। हलानी ने बताया कि मूल रूप से NVIDIA ने 2026 के दौरान 16 ट्रिलियन टोकन का उपयोग करने की योजना बनाई थी, लेकिन अगस्त तक यह आंकड़ा माइक्रोसॉफ्टCopilot जैसे उपकरणों के माध्यम से टोकन के उपयोग को छोड़कर पहले ही 18 ट्रिलियन से अधिक हो गया था।
हलानी के अनुसार, डेवलपर्स के लिए प्राथमिक प्रश्न सबसे बड़ी मॉडल का चयन करना नहीं है, बल्कि किसी विशिष्ट कार्य को पूरा करने के लिए सबसे उपयुक्त मॉडल का निर्धारण करना है। उन्होंने उल्लेख किया कि एक साधारण अनुरोध के लिए हमेशा बड़े मॉडल का उपयोग करने की आवश्यकता नहीं होती है।
अधिक जटिल कार्यों की ओर बढ़ने पर विलंबता (latency) की महत्वपूर्ण समस्याएं उत्पन्न होती हैं, आवश्यक थ्रूपुट कम हो जाता है, और आवश्यक मॉडल का प्रकार बहुत अधिक जटिल हो जाता है।
इस प्रकार, कार्यभार के प्रकार के आधार पर मॉडल का चयन करना, न कि एक सार्वभौमिक मॉडल का उपयोग करने पर आधारित, एआई लागत प्रबंधन का एक महत्वपूर्ण हिस्सा बन सकता है।
संगठनों द्वारा एजेंट एआई की ओर बढ़ने के साथ मांग जटिल हो जाती है। एआई एप्लिकेशन न केवल उपयोगकर्ता के प्रारंभिक अनुरोध के जवाब में टोकन उत्पन्न कर सकता है, बल्कि तर्क, प्रतिक्रिया, टूल कॉल और एजेंट के पुनरावृत्ति चक्रों की प्रक्रिया के दौरान भी उत्पन्न कर सकता है।
हलानी ने आईटी सेवा प्रमुखों (CIO और CTO) को टोकन की मांग को एक अपेक्षाकृत सरल सूत्र के माध्यम से देखने की सलाह दी: समवर्ती उपयोगकर्ताओं की संख्या, प्रति उपयोगकर्ता अनुरोधों की संख्या और प्रति अनुरोध खपत किए गए औसत टोकन की संख्या। इसके बाद संगठनों को कार्यभार के प्रकारों, उपयोग पैटर्न और नए टोकन उत्पन्न करने के बजाय कैश के माध्यम से अनुरोधों को संभालने की क्षमता पर विचार करना होगा।
उन्होंने जोड़ा कि जितना अधिक कैश बनाने के बजाय उपयोग किया जा सकता है, उतना ही अधिक खर्च कम किया जा सकता है, कम से कम पांचवें या आठवें हिस्से तक। उनके अनुसार, यह टोकन अर्थव्यवस्था में संभावित बचत का आकलन करने के लिए वर्तमान बाजार मानक है।
आपूर्ति का प्रबंधन, हलानी ने समझाया, तीन स्तरों पर अनुकूलन की मांग करता है: मॉडल दक्षता, सिस्टम दक्षता और सॉफ़्टवेयर दक्षता। उन्होंने कहा कि सिस्टम और हार्डवेयर ज्ञान का सारांश के लिए स्वीकार्य होने का समय बीत चुका है, यह दावा करते हुए कि डेवलपर्स को अपने अनुप्रयोगों के मूल में मौजूद बुनियादी प्रणालियों को समझने की आवश्यकता अधिक है। 'एक नया युग आ गया है'।
इसका तात्पर्य मेमोरी, नेटवर्क कनेक्शन, डेटा स्टोरेज और ग्राफिक्स प्रोसेसिंग यूनिट (GPU) के बीच कार्यभार वितरण को समझने की आवश्यकता है। उदाहरण के लिए, बड़े मॉडल के लिए प्रश्न केवल उपयोग किए जा रहे जीपीयू की संख्या के बारे में नहीं है, बल्कि इस बारे में भी है कि वे एक दूसरे के साथ कैसे इंटरैक्ट करते हैं, और क्या उन्हें एक ही या अलग-अलग रैक में रखा जाना चाहिए।
यह बदलाव संभावित रूप से लैपटॉप को भी प्रभावित कर सकता है। हलानी ने अनुमान लगाया कि कंपनियाँ कर्मचारियों के उपकरणों पर छोटे एआई मॉडल को स्थानीय रूप से चलाने की संभावना का मूल्यांकन करना शुरू कर सकती हैं, जिससे प्रत्येक अनुरोध को एपीआई, क्लाउड या आंतरिक एआई फैक्ट्री में भेजने की आवश्यकता कम हो जाएगी।
हालांकि, हलानी के लिए अधिक महत्वपूर्ण संभावना टोकन की लागत को कम करने से परे है। उनका मानना है कि भविष्य इस बात में नहीं है कि कितने टोकन का उपयोग किया जाता है और दक्षता कितनी बढ़ती है, बल्कि इस बात में है कि कौन सा डेटा फीड किया जाता है, कौन सा मॉडल प्रशिक्षित या पोस्ट-ट्रेनिंग से गुजरता है, जिससे वह अधिक बुद्धिमान बनता है ताकि अधिक बुद्धिमान टोकन का जवाब दे सके।
इससे 'ग्राहक चिपकाव' हो सकता है, जैसा कि हलानी ने नाम दिया। एआई सिस्टम ग्राहक को जितना बेहतर समझता है, उतना ही उसके लिए मूल्यवान होता जाता है, और शायद वह इसके लिए उतना ही अधिक भुगतान करने को तैयार होता है।
'यहीं पर टोकन मुद्रीकरण काम आएगा, और यह सबसे लाभदायक व्यवसाय होगा जिसे आप चला सकते हैं,' उन्होंने निष्कर्ष निकाला।
चूंकि एजेंट और भौतिक एआई का विस्तार हो रहा है, इसलिए उनके मूल में स्थित बुनियादी ढांचा अधिक जटिल होता जाएगा। डेवलपर्स के लिए सॉफ्टवेयर, मॉडल, हार्डवेयर और अर्थव्यवस्था के बीच की सीमाएँ धुंधली होती जा रही हैं।