सारांश
पिछले साल, हमने अपनी पहली AIGC गहन रिपोर्ट, "AIGC: Web3 युग का उत्पादकता उपकरण" में इस तकनीक के क्रांतिकारी प्रभाव और उद्योग में आए बदलावों पर चर्चा की थी। ChatGPT की लोकप्रियता के बाद से, अक्सर यह सवाल उठता है: AIGC का व्यावसायीकरण कैसे हो? AIGC से कमाई कैसे हो सकती है? — हमने देश-विदेश की दर्जनों AIGC टीमों से बातचीत की है, और जनवरी की शुरुआत में माइक्रोसॉफ्ट द्वारा OpenAI के साथ गहरे सहयोग की घोषणा भी देखी है, जिसमें AI तकनीक को मौजूदा उत्पादों में शामिल किया जाएगा और डेवलपर्स को Azure OpenAI क्लाउड सेवाएं दी जाएंगी ताकि वे अपने खुद के AI एप्लिकेशन बना सकें। AIGC का भविष्य अब साफ नजर आने लगा है, और यह लेख इसके व्यावसायीकरण के रास्ते पर केंद्रित होगा।
AIGC से आया व्यावसायिक मॉडल का बदलाव — AI का स्पष्ट मूल्य। प्राकृतिक भाषा प्रसंस्करण (NLP) तकनीक के व्यापक होने और AIGC जनरेटिव एल्गोरिदम के और बेहतर होने के साथ, AI के इस्तेमाल और पहुंच के रास्ते और भी खुल गए हैं। अब हम देख रहे हैं कि AIGC का व्यावसायिक कार्यान्वयन अपेक्षा से कहीं तेज और प्रभावी होगा। Jasper जैसे कुछ स्टार्टअप तो राजस्व कमाना भी शुरू कर चुके हैं। इसका मतलब है कि AI अब साफ तौर पर व्यावसायिक मॉडल तैयार कर रहा है। AI अब पहले की तरह हार्डवेयर या सिस्टम के साथ बंडल होकर नहीं, बल्कि स्वतंत्र रूप से व्यावसायिक रूप से लागू हो रहा है। आम लोगों के लिए यह अब कोई दूर की अत्याधुनिक तकनीक नहीं रह गई है।
B2B अभी भी AIGC का प्रमुख व्यावसायिक मॉडल है। हालांकि AIGC आम उपयोगकर्ताओं (C-एंड) के लिए AI से सामग्री बनाने का रास्ता आसान करता है, लेकिन फिलहाल B2B ही मुख्य व्यावसायिक मॉडल बना हुआ है। B2B ग्राहकों की जरूरतें और भुगतान करने की तत्परता अपेक्षाकृत स्थिर रहती है, जिसके दो प्रमुख कारण हैं: (1) B2B के लिए दक्षता बढ़ाना और लागत कम करना, जैसे कि मौजूदा टेम्प्लेट के आधार पर समाचार या उत्पाद समीक्षाएं तैयार करने के लिए AIGC का इस्तेमाल करना; (2) पहले से मौजूद उन जटिल आवश्यकताओं को पूरा करना जो पहले पूरी करना मुश्किल था।
C-एंड के लिए AIGC, मुख्यतः SaaS सदस्यता के जरिए। AI मॉडल और कंप्यूटिंग शक्ति के विकास के साथ, जो एक सीमा को पार कर चुके हैं, AIGC का व्यक्तिगत स्तर पर सशक्तिकरण भी कम नहीं आंका जा सकता, और यह मुख्य रूप से SaaS सदस्यता के माध्यम से ही होगा। पहला, यह एक दक्षता उपकरण के रूप में काम करता है, जहां AIGC उत्पाद सूचना जुटाने, प्रारूप तैयार करने और कार्य प्रवाह के हर चरण में व्यक्तिगत उपयोगकर्ताओं की कार्यकुशलता बढ़ा सकते हैं। दूसरा, यह एक रचनात्मक उपकरण के रूप में काम करता है, जैसे वीडियो या फोटो एडिटिंग सॉफ्टवेयर, जो आम उपयोगकर्ताओं के लिए रचनात्मकता की बाधा को काफी कम कर देता है। दक्षता उपकरणों में Notion द्वारा जारी NotionAI खास तौर पर उल्लेखनीय है, जहां AI मॉडल को मौजूदा कार्य प्रवाह में बुनियादी ढांचे की तरह शामिल किया गया है।
AIGC के व्यापक भविष्य के पीछे, एक विशाल कंप्यूटेशनल पावर (कम्प्यूटेशनल पावर) का बाज़ार खड़ा होगा। OpenAI के शोध के मुताबिक, AI ट्रेनिंग के लिए ज़रूरी कंप्यूटिंग पावर घातीय दर से बढ़ रही है, और यह वृद्धि डिजिटल हार्डवेयर के मशहूर मूर के नियम से भी तेज़ है। AI मॉडलों को पीछे भारी कंप्यूटिंग पावर की ज़रूरत होती है, जिसकी लागत भी बहुत ज़्यादा होती है—मिसाल के तौर पर, GPT-3 को ट्रेन करने की कंप्यूटिंग लागत 40 मिलियन अमेरिकी डॉलर से भी अधिक है। हालांकि AI मॉडल अक्सर ओपन-सोर्स होते हैं, लेकिन डेटासेट और ट्रेनिंग के नतीजे किसी टीम की आंतरिक संपत्ति होते हैं, यानी हर AI उत्पाद को अपनी ट्रेनिंग लागत खुद ही वहन करनी होगी। भविष्य में, AIGC के B2B और B2C वाणिज्यिक इस्तेमाल बढ़ने के साथ, कंप्यूटिंग क्लस्टर बनाने वालों और क्लाउड सेवा देने वालों, दोनों को फायदा होगा। इसके अलावा, NVIDIA के A100 और H100 चिप्स के निर्यात पर लगे प्रतिबंधों को देखते हुए, संबंधित घरेलू कंप्यूटिंग चिप्स को अतिरिक्त बाज़ारी मौके मिल सकते हैं।
समुदाय के लिए AIGC का मूल्य। हाल में विभिन्न स्टार्टअप टीमों से हुई बातचीत में हमने देखा कि उद्योग का एक बड़ा फोकस AIGC और Web3.0 के एकीकरण, और AIGC व समुदाय के एकीकरण पर है। AIGC यूज़र्स के लिए रचना के दरवाज़े आसान करता है, जिससे समुदाय की सहभागिता और विकास को बल मिलता है, साथ ही प्लेटफॉर्म की कंटेंट लागत भी कम होती है। समुदाय के यूज़र्स की कंटेंट पर चर्चा और उनकी पसंद AIGC मॉडल को उच्च-गुणवत्ता वाला फीडबैक दे सकती है, ताकि भविष्य में उत्पाद की क्षमता को और बेहतर बनाया जा सके। NFT कंटेंट के स्वामित्व को साबित करने और समुदाय को जोड़ने में कारगर हैं; AIGC और NFT समुदाय के एकीकरण की तलाश से व्यावसायिक नवाचार की एक नई संभावना पैदा हो सकती है।
AIGC निवेश का ढांचा: सॉफ्टवेयर, हार्डवेयर और डेटासेट। जेनरेटिव एल्गोरिदम, NLP और कंप्यूटिंग पावर AIGC के चलने की संभावना तय करते हैं, वहीं उच्च-गुणवत्ता वाले डेटासेट AIGC की गुणवत्ता और व्यावसायिक मॉडल तय करते हैं। सॉफ्टवेयर स्तर में मुख्य तौर पर नेचुरल लैंग्वेज प्रोसेसिंग (NLP) तकनीकें शामिल हैं: Google, Microsoft, iFLYTEK, TOLSTI; AIGC जेनरेटिव एल्गोरिदम मॉडल और डेटासेट: NVIDIA, Meta, Baidu, BlueFocus, Visual China, Kunlun Tech; कंप्यूटिंग पावर स्तर में ZTE, Longsys, Xinyi Optics, TFN, Baosight Software, Eoptolink आदि शामिल हैं।
जोखिम चेतावनी: तकनीकी नवाचार अपेक्षा के अनुरूप प्रदर्शन न कर सके, इसका जोखिम है; साथ ही नीतिगत एवं नियामक जोखिम भी मौजूद हैं।
माइक्रोसॉफ्ट और OpenAI के बीच साझेदारी और गहरी हुई है, जिससे AIGC का व्यावसायीकरण तेजी से बढ़ रहा है। 23 जनवरी को माइक्रोसॉफ्ट ने आधिकारिक तौर पर घोषणा की कि वह OpenAI के साथ अपनी साझेदारी को और मजबूत कर रहा है और आने वाले कुछ वर्षों में AI तकनीक को आम जनता तक पहुंचाने के लिए अरबों डॉलर का अतिरिक्त निवेश करेगा। माइक्रोसॉफ्ट OpenAI के व्यावसायीकरण को गति दे रहा है और वर्तमान ChatGPT, DALL-E जैसे AI टूल्स को अपने सभी सॉफ्टवेयर जैसे कि Bing, Office आदि में शामिल कर रहा है, ताकि उपयोगकर्ताओं को अधिक कुशल इंटरैक्टिव अनुभव मिल सके। इससे भी महत्वपूर्ण बात यह है कि माइक्रोसॉफ्ट AzureOpenAI नामक एक AI क्लाउड सेवा भी शुरू करेगा, जो डेवलपर्स को OpenAI के मॉडल्स पर आधारित अपने स्वयं के एप्लिकेशन बनाने की सुविधा देगी, जिससे AI तकनीक के व्यावसायीकरण को और तेजी मिलेगी।
OpenAI का यह कदम साफ दिखाता है कि AIGC उद्योग की यह अग्रणी कंपनी अब व्यावसायीकरण के रास्ते पर पूरी तरह से आगे बढ़ चुकी है। एक तरफ तो यह खुद एक मॉडल इन्फ्रास्ट्रक्चर के तौर पर काम कर रही है, जो सर्च इंजनों और ऑफिस सॉफ्टवेयर की कार्यक्षमता और उपयोगकर्ता जुड़ाव बढ़ाने में मददगार है। वहीं दूसरी ओर, यह भागीदारों के कंप्यूटिंग इन्फ्रास्ट्रक्चर का इस्तेमाल करके भविष्य के लिए निचले स्तर के हार्डवेयर विस्तार की मजबूत बुनियाद भी तैयार कर रही है।
हमने अपनी पिछली गहन रिपोर्ट "AIGC: Web3 युग के उत्पादकता उपकरण" में AIGC के तकनीकी बदलाव और इसके अनुप्रयोगों पर चर्चा की थी। अब जैसे-जैसे उत्पादों का वास्तविक इस्तेमाल बढ़ रहा है और उनके दायर�� विस्तारित हो रहे हैं, बाजार का फोकस तेजी से व्यावसायिक मॉडल पर केंद्रित होता जा रहा है। एक बड़ा सवाल यही है: AIGC पैसा कैसे कमाएगा? उद्योग जगत के साथ हुई हमारी बातचीत के आधार पर, हमारा मानना है कि 2023 AIGC के तेजी से व्यावसायीकरण का साल होगा और AIGC धीरे-धीरे आम लोगों के जीवन और कामकाज का हिस्सा बनने की राह पर है।
1. AIGC से आए व्यावसायिक मॉडल में बदलाव — AI की स्पष्टता (AI’s Explicitness)
हमारी हालिया उद्योग चर्चाओं में "AI की स्पष्टता (AI’s Explicitness)" सबसे गहरा अनुभव रहा है। AI का विकास तो कई सालों से चल रहा है, लेकिन कई क्षेत्रों में इसका इस्तेमाल एक विशेषज्ञ 'स्पेशलिस्ट' की तरह रहा है। वहीं, आज के बड़े मॉडल आधारित AIGC एक सामान्य शिक्षा प्राप्त ग्रेजुएट जैसा है। शुरुआती दौर में यह कुछ खास विशेषज्ञता वाले क्षेत्रों में सीमित क्षमता रखता है, लेकिन इसकी विस्तार करने की क्षमता कहीं ज्यादा मजबूत है। इसीलिए हमारा अनुमान है कि GPT-4 मॉडल के 2023 में रिलीज होने के बाद, "AIGC+" एक वैश्विक ट्रेंड बन जाएगा। बेसिक लेवल के बड़े मॉडल और डेटासेट अगले टेक युग की असली "IT इन्फ्रास्ट्रक्चर" बन जाएंगे, जिनका ऊर्ध्वाधर (वर्टिकल) क्षेत्रों में भी मूल्य कम नहीं होगा, जैसा कि OpenAI और Microsoft के सहयोग से साफ दिख रहा है। जनरल AI की स्पष्टता की प्रवृत्ति लगातार बढ़ रही है।
AI में काम को स्वचालित करके, दक्षता बढ़ाकर और नए व्यावसायिक तरीके खोलकर व्यावसायिक मॉडल को बदलने की क्षमता है। यहां कुछ तरीके दिए गए हैं जिनसे AI व्यावसायिक मॉडल को बदल सकता है:
स्वचालन: AI डेटा इनपुट, ग्राहक सेवा और आपूर्ति श्रृंखला प्रबंधन जैसे कार्यों को स्वचालित कर सकता है। इससे मानव श्रम की आवश्यकता कम होती है और दक्षता बढ़ती है, जिससे लागत कम करके मुनाफा बढ़ाने में मदद मिलती है।
बेहतर निर्णय: AI बड़ी मात्रा में डेटा का विश्लेषण करके व्यवसायों को बेहतर निर्णय लेने में मदद कर सकता है। उदाहरण के लिए, इसका इस्तेमाल मूल्य निर्धारण को अनुकूलित करने, नए अवसरों की पहचान करने और ग्राहक व्यवहार का पूर्वानुमान लगाने के लिए किया जा सकता है।
व्यक्तिगतकरण: AI की मदद से ग्राहकों के लिए उत्पादों और सेवाओं को निजीकृत किया जा सकता है। इससे व्यवसाय अपने विपणन प्र��ासों को बेहतर ढंग से केंद्रित कर सकते हैं और ग्राहक संतुष्टि बढ़ा सकते हैं।
नए व्यावसायिक मॉडल: AI ऐसे नए व्यावसायिक मॉडल को संभव बना सकता है जो पहले असंभव लगते थे। जैसे, AI-चालित चैटबॉट व्यवसायों को 24/7 ग्राहक सहायता देने की सुविधा प्रदान कर सकते हैं, चाहे उनका कार्यालय बंद ही क्यों न हो।
पहले, AI पर हमारा ध्यान मुख्य रूप से सुरक्षा और नेटवर्क निगरानी जैसे क्षेत्रों पर केंद्रित था। 2020 तक, AI+सुरक्षा क्षेत्र का बाजार आकार 453 अरब डॉलर तक पहुंच गया, जो सबसे तेजी से विकसित होने वाले और सबसे बड़ी क्षमता वाले व्यावसायिक अनुप्रयोगों में से एक बन गया। अनुमान है कि यह आकार 2025 तक 900 अरब डॉलर तक पहुंच जाएगा। हालांकि, इस क्षेत्र में ज्यादातर समाधान हार्डवेयर और सिस्टम के साथ ���ैकेज के रूप में ही आते हैं।
प्राकृतिक भाषा प्रसंस्करण (NLP) तकनीक और AIGC जनरेटिव एल्गोरिदम में सुधार के साथ-साथ, AI की पहुंच और उपयोगिता का दायरा और बढ़ रहा है। हमने देखा है कि AIGC के व्यावसायिक अनुप्रयोगों की गति और प्रभावशीलता काफी प्रभावशाली है। Jasper जैसी स्टार्टअप कंपनियां पहले ही राजस्व अर्जित करने लगी हैं। इसका मतलब है कि AI व्यावसायिक मॉडल बनाने के लिए तेजी से एक मूर्त रास्ता बना रहा है। 2021 में स्थापित Jasper का उदाहरण लें, तो स्थापना के पहले ही वर्ष में इसका राजस्व 45 मिलियन डॉलर तक पहुंच गया और इसने 70,000 उपयोगकर्ता हासिल किए। 2022 में इसके राजस्व के 75 मिलियन डॉलर तक पहुंचने का अनुमान है। Jasper की आधिकारिक वेबसाइट के अनुसार, ��ह एक SAAS-जैसी सेवा के रूप में शुल्क लेती है, जो स्टार्टर, एडवांस्ड और कस्टमाइज्ड - इन तीन प्लान में उपलब्ध है। वहीं, घरेलू कुछ अग्रणी AIGC कंपनियों ने 2022 में उपयोगकर्ता आधार और सामग्री उत्पादन मात्रा में तेजी से विस्तार किया है। हालांकि 2023 से राजस्व और मुनाफा कमाना आसान नहीं होगा, लेकिन क्या वे एक सफल SaaS सदस्यता मॉडल स्थापित कर पाएंगे, यह देखना बाकी है।
Jasper का उदाहरण देखें तो पता चलता है कि यह सिर्फ GPT-3, NeoX, T5 जैसे कई मॉडल एल्गोरिदम को ही एक साथ जोड़ता नहीं है, बल्कि असली व्यावसायिक ज़रूरतों के हिसाब से अनुकूलित लर्निंग मॉडल—इंटरफ़ेस और बेसिक वर्कफ़्लो बनाने के लिए भी इस्तेमाल करता है। इससे AI का रोज़मर्रा का इस्तेमाल और आसान हो जाता है। साथ ही, कई मॉडलों को एकीकृत करने की वजह से यह खास उपयोग के मामलों या क्षेत्रों के लिए सबसे बेहतरीन मॉडल संयोजन चुन सकता है। यह तरीका किसी एक स्रोत पर ज़्यादा निर्भरता से बचाता है और आखिरी आउटपुट की गुणवत्ता को बेहतर बनाता है। Jasper के यूज़र इंटरफ़ेस पर आपको सैकड़ों क्षैतिज क्षेत्रों के टेम्पलेट मिलेंगे, जैसे नए उत्पाद के प्रचार के लिए ईमेल टेम्पलेट्स आदि। इस तरह का डिज़ाइन यूज़र्स को ज़्यादा सटीक आउटपुट बनाने में मदद करता है और उन्हें आकर्षित भी करता है। यही वजह है कि महज़ दो साल में Jasper जैसी कंपनी IBM और Airbnb जैसे बड़े ग्राहकों को अपनी ओर खींचने में कामयाब रही।
तकनीकी प्रगति के साथ, AI अब पहले की तरह हार्डवेयर या सिस्टम के साथ पैकेज्ड रूप में व्यावसायिक तौर पर लागू नहीं होता। आम लोगों के लिए यह कोई दूर की अग्रणी तकनीक नहीं रह गई है। AI अब एक ऐसा टूल बन चुका है जिसे आम लोग आसानी से इस्तेमाल कर सकते हैं और अपनी कार्यक्षमता बढ़ा सकते हैं। इससे पता चलता है कि AI का व्यावसायिक मॉडल अब ज़्यादा स्पष्ट हो गया है।
2. AIGC का प्रमुख व्यावसायिक मॉडल अभी भी B2B ही है
हालांकि AIGC ने आम उपयोगकर्ताओं (C-end) को कम बाधाओं के साथ AI के ज़रिए सामग्री बनाने का मौका दिया है, लेकिन फिलहाल मुख्य व्यावसायिक मॉडल B2B ही बना हुआ है। आम उपयोगकर्ताओं के मामले में, लंबे समय तक चलने वाली ज़रूरतों की कमी होती है। ज़्यादातर के लिए यह सिर्फ एक बार की जिज्ञासा या अनुभव भर होता है। वहीं दूसरी ओर, व्यवसायों (B-end) के ग्राहकों की ज़रूरतें और भुगतान करने की इच्छा ज़्यादा स्थिर और दीर्घकालिक होती है। इसके पीछे मुख्य रूप से दो कारण हैं:
लागत में कमी
AIGC ने रचनात्मक क्षेत्र के कई पारंपरिक कार्यों को अपने हाथ में ले लिया है, जैसे वेबसाइट कंटेंट एडिटिंग और ग्राफिक डिज़ाइन। मान लीजिए, इंसानी श्रम की लागत 10 लाख रुपये है और AIGC इसे 50% से भी ज़्यादा कम कर सकता है, तो कंपनियों के पास मशीनों को अपनाने के लिए पर्याप्त कारण मौजूद हैं। असल में, यह बदलाव पहले से ही कई क्षेत्रों में देखने को मिल रहा है, खासकर गेमिंग, फाइनेंस और ऑटोमोटिव जैसे उद्योगों में।
2018 में ही रॉयटर्स ने 'Lynx Insight Service' नामक एक AI न्यूज़ राइटिंग टूल अपनाया था। इसका मकसद था डेटा माइनिंग और पैटर्न पहचान जैसे ऐसे काम मशीनों को सौंपना, जिनमें वे माहिर हैं। वहीं, इंसानी संपादकों को प्रश्न तैयार करने, कार्यों को प्राथमिकता देने और संदर्भ समझने जैसे रचनात्मक पहलुओं पर ध्यान केंद्रित करने दिया गया। यह हमारे पहले के उस प्रयास जैसा है, जहाँ हमने रिपोर्ट तैयार करने के लिए ChatGPT का इस्तेमाल किया था। भविष्य में, इंसान मुख्य रूप से समग्र रणनीति तय करने और सही सवाल पूछने का काम करेंगे, जबकि AI जानकारी जुटाने, उसे प्रोसेस करने, सार तैयार करने और एकीकृत करने की ज़िम्मेदारी संभालेगा।
इसके अलावा, आजकल एक और आम तरीका है: AI की मदद से जानकारी और डेटा तेज़ी से जुटाया जाता है और फिर उसे पहले से तैयार टेम्पलेट में भरकर दस्तावेज़ बनाए जाते हैं। यह वही तकनीक है जो 'विंड' के त्वरित समाचारों या ऑटोमोबाइल वर्टिकल मीडिया में कारों के पैरामीटर की तुलना करने वाले लेखों में इस्तेमाल होती है।
समाचार लेखन के अलावा, AIGC द्वारा बनाए गए चित्रों का इस्तेमाल खबरों या स्व-मीडिया पोस्ट्स के लिए इलस्ट्रेशन या कवर इमेज के तौर पर भी हो रहा है। स्टॉक इमेज लाइब्रेरी से तस��वीरें ढूंढने के मुकाबले, यह तरीका लेख के विषय के ज़्यादा अनुकूल होता है। साथ ही, इससे ग्राफिक डिज़ाइनर की तलाश की लागत कम होती है और काम की गति बढ़ती है। हालाँकि, इस क्षेत्र में टेक्स्ट जनरेशन की माँग इमेज जनरेशन से कहीं ज़्यादा है। इसकी एक वजह काम की प्रकृति है तो दूसरी वजह बाज़ार का आकार भी।
B2B आवश्यकताओं के बीच की खाई को पाटना
कई B2B परियोजनाएं ऐसी होती हैं जिनकी जटिल आवश्यकताओं को पूरा करना मुश्किल होता है, जिसे हम "आवश्यकता की खाई" कह सकते हैं। उदाहरण के लिए, किसी बड़े IP के लिए मैट्रिक्स का निर्माण—जहां फिल्मों, टीवी शो, गेम्स, एनिमे, आकृतियों जैसे विभिन्न सहायक उत्पादों की जरूरत होती है—तो इसके लिए विविध प्रकार के मूल रचनाकारों की आवश्यकता होती है जो IP मैट्रिक्स को समृद्ध बना सकें। यह एक महंगी और श्रमसाध्य लंबी प्रक्रिया है। सामग्री आपूर्तिकर्ता भारी कार्यभार के चलते पर्याप्त मूल सामग्री नहीं दे पाते, जबकि मांग पक्ष को सामग्री दिखाई न देने के कारण भुगतान करने की इच्छा नहीं होती। भविष���य में, AIGC की मदद से, मूल सामग्री निर्माता कम संख्या में हाथ से बनी रूपरेखाओं के साथ मॉडल की सहायता से भारी मात्रा में सामग्री तैयार कर सकेंगे। डिफ्यूज़न मॉडल की मौजूदगी के कारण, यह "व्हाइट-बॉक्स + ब्लैक-बॉक्स" शैली की सामग्री निर्माण प्रक्रिया, यहां तक कि "द्वितीयक रचना" के रूप में भी संभव होगी। अगर AIGC की सहायता से इस आवश्यकता की खाई को पाटा जा सकता है, तो बड़ी B2B परियोजनाओं को सफल बनाना कहीं अधिक संभव होगा।
हम द्विआयामी (एनिमे/मंगा) बाजार के उदाहरण से शुरुआत करते हैं, जो पहले ही विस्फोटक विकास के दौर में प्रवेश कर चुका है और इसकी आपूर्ति श्रृंखला परिपक्व हो गई है। 2020 में चीन के समग्र बाजार का आकार 100 अरब युआन से अधिक हो गया था, और 2023 तक व्यापक द्विआयामी उपयोगकर्ताओं की संख्या 50 करोड़ तक पहुंचने का अनुमान है। द्विआयामी IP के इर्द-गिर्द बने नए व्युत्पन्न उत्पाद मैट्रिक्स—जैसे कि कलेक्टर्स आइटम्स (चौपान), वर्चुअल आइडल्स, परिधान और ऑफ़लाइन मनोरंजन—एक विशाल बाजार का प्रतिनिधित्व करते हैं और वर्तमान में विकास के केंद्र में हैं।
कलेक्टर्स आइटम्स (चौपान), वर्चुअल आइडल्स और परिधानों के डिज़ाइन और उत्पादन प्रक्रिया में, डिज़ाइनरों का चयन और डिज़ाइन को अंतिम रूप देना एक अनिवार्य कदम है। AIGC की मदद से इस प्रक्रिया की दक्षता में काफी सुधार किया जा सकता है। पहले के परिदृश्य में, डिज़ाइनरों के एक समूह को काम पर रखकर एक प्रारंभिक ड्राफ्ट तैयार करवाना पड़ता था और फिर IP मालिक के साथ उसकी समीक्षा ��र चर्चा करनी पड़ती थी, जिससे संवाद की लागत और प्रारंभिक ड्राफ्ट तैयार करने की लागत काफी बढ़ जाती थी। लेकिन AIGC के साथ, डिज़ाइनर पहले अपनी शैली का एक जनरेटिव मॉडल प्रशिक्षित कर सकते हैं और फिर IP मालिक की आवश्यकताओं के आधार पर तेजी से कई प्रारंभिक ड्राफ्ट तैयार कर सकते हैं। इससे डिज़ाइनर के चयन की प्रक्रिया तेज होती है और संवाद लागत कम होती है। बाद के डिज़ाइन और उत्पादन चरणों में भी, AIGC का उपयोग करके समान शैली या IP वाली सामग्री की कई विविधताएं कुशलता से तैयार की जा सकती हैं, जिससे दक्षता बढ़ेगी और लागत घटेगी।
इसलिए, भले ही प्रौद्योगिकी के विकास के साथ AIGC का उपयोग आम हो गया हो, हमारा मानना है कि वर्तमान चरण में B2B अनुप्रयोग ही प्रमुख व्यावसायिक मॉडल की दिशा हैं। इसका मुख्य कारण यह है कि B2B ग्राहकों के लिए AIGC के माध्यम से दक्षता बढ़ाना एक ठोस लाभ है और यह उन जटिल आवश्यकताओं के बीच की खाई को भर सकता है जिन्हें पूरा करना मुश्किल था, जिससे ग्राहकों की भुगतान करने की इच्छा और मजबूत हो जाती है।
3. ग्राहकों के लिए AIGC: मुख्यतः SaaS सदस्यता मॉडल के जरिए
जैसे-जैसे AI मॉडल और कंप्यूटिंग क्षमता में प्रगति ने इसकी उपयोगिता के दायरे को विस्तृत किया है, व्यक्तिगत स्तर पर AIGC का सशक्तिकरण भी एक अहम दिशा बनकर उभरा है। बेहद कम सीमांत लागत पर, AIGC एप्लिकेशन किसी व्यक्ति की सूचना प्रसंस्करण क्षमता और सामग्री निर्माण की गुणवत्ता में उल्लेखनीय वृद्धि कर सकते हैं। साथ ही, यह तकनीक उत्पादन के तौर-तरीकों के विकास को भी नई दिशा दे सकती है।
इस प्रकार, ग्राहक-केंद्रित AIGC एप्लिकेशन के व्यावसायिक मूल्य को मुख्यतः दो दृष्टिकोणों से समझा जा सकता है: पहला, एक दक्षता उपकरण के रूप में। पारंपरिक नोट्स या प्रोजेक्ट प्रबंधन टूल्स की तरह, AIGC एप्लिकेशन व्यक्तिगत उपयोगकर्ताओं की कार्यक्षमता को बढ़ा सकते हैं - चाहे वह जानकारी खोजने, सामग्री को व्यवस्थित करने या कार्यप्रवाह को सुव्यवस्थित करने का मामला हो। AI मॉडल को मौजूदा कार्यप्रणालियों में आसानी से शामिल किया जा सकता है। दूसरा, एक रचनात्मक उपकरण के रूप में। वीडियो एडिटिंग या इमेज एडिटिंग सॉफ़्टवेयर की तर्ज पर, AIGC आज के UGC (यूज़र-जनरेटेड कंटेंट) के दौर में आम उपयोगकर्ताओं के लिए रचनात्मकता की बाधाओं को काफी कम कर सकता है और व्यक्तिगत मीडिया के आईपी (बौद्धिक संपदा) मूल्य को मजबूत कर सकता है।
व्यावसायिक नज़रिए से, AIGC को बुनियादी ढांचे के तौर पर इस्तेमाल करने वाली SaaS सदस्यता सेवाएं मध्यम और लंबी अवधि का प्रमुख ट्रेंड बनने जा रही हैं। Midjourney जैसी कंपनियां पहले से ही इस राह पर चल पड़ी हैं। उपयोगकर्ताओं के भुगतान करने के पीछे मुख्य तर्क ये हैं:
जानकारी हासिल करने का ज़्यादा कारगर तरीका
AIGCखोज इंजन का विकल्प बनकर उभर रहा है और जानकारी हासिल करने का नया तरीका बन गया है।ChatGPT के लॉन्च के बाद से ही एक बड़ा सवाल यही रहा है: क्या यह Google की जगह ले लेगा? पारंपरिक खोज इंजन कीवर्ड के आधार पर खोज करते हैं और उनकी प्रासंगिकता के हिसाब से क्रमबद्ध करके, उपयोगकर्ताओं को संभावित रूप से उपयोगी वेबपेजों के लिंक देते हैं। वहीं ChatGPT विशाल भाषाई डेटासेट का इस्तेमाल करके सीधे उपयोगकर्ता के सवालों के जवाब देता है। मिसाल के तौर पर, अगर फाइबर ऑप्टिक केबल उद्योग का सामान्य जायजा पूछा जाए, तो ChatGPT अपने विशाल प्रशिक्षण डेटासेट के आधार पर तार्किक जवाब सीधे पेश कर देता है, और उपयोगकर्ता के आगे के सवालों के जवाब भी दे सकता है। दूसरी ओर, पारंपरिक खोज इंजन को कीवर्ड डालकर खोज करनी पड़ती है और फिर सही सामग्री ढूंढकर उसे व्यवस्थित करना पड़ता है। व्यावहारिक अनुभव बताता है कि ChatGPT से मिलने वाली जानकारी की गुणवत्ता खोज इंजन से बेहतर है और गति भी तेज है। हालांकि डेटासेट की कुछ सीमाएं हैं (जैसे कि ChatGPT को 2020 के बाद की जानकारी नहीं है), फिर भी ज्यादातर मामलों में यह खोज इंजन की जगह ले सकता है। ChatGPT अभी डेमो चरण में ही है, लेकिन सोशल मीडिया पर पहले ही कई लोग अपनी कार्यक्षमता बढ़ाने के लिए इसके लिए पैसे देने को तैयार हैं।
सहायक टूल से लेकर प्रतिस्थापन तक का सफर
सामग्री निर्माण के क्षेत्र में, AIGC सहायक उपकरण से लेकर पूर्ण विकल्प तक की भूमिका निभा सकता है। अभिव्यक्ति को बेहतर बनाने और संचार कुशलता बढ़ाने के लिए पहले भी कई उपकरण आए हैं, जैसे Grammarly जो भाषा के लहजे और शब्द चयन को सुधारता है और सामान्य अभिव्यक्ति के टेम्पलेट मुहैया कराता है। लेकिन AIGC इनसे कहीं आगे जाता है। यह निर्धारित प्रारूप, लहजे और परिदृश्य के हिसाब से पूरी सामग्री खुद ही तैयार कर देता है, जिससे मानवीय अभिव्यक्ति की जरूरत ही कम हो जाती है। उदाहरण के तौर पर, Jasper एक AI-आधारित लेखन प्लेटफॉर्म है जहां उपयोगकर्ता Instagram कैप्शन, TikTok वीडियो स्क्रिप्ट, विज्ञापन और मार्केटिंग सामग्री, ईमेल कॉपी आदि आसानी से जेनरेट कर सकते हैं।
मौजूदा कार्यप्रणाली में एकीकरण
AIGC को मौजूदा कार्यप्रणालियों में शामिल किया जाएगा। बड़े AI मॉडल एक आधारभूत ढांचे की तरह हैं, जिन पर विशिष्ट ज़रूरतों के हिसाब से एप्लिकेशन बनाए जा सकते हैं या फिर उन्हें पहले से चल रहे कामकाज में समाहित किया जा सकता है। उदाहरण के तौर पर Notion AI को लें। Notion एक व्यापक डॉक्यूम��ंटेशन और प्रोजेक्ट मैनेजमेंट प्लेटफॉर्म है, जिसमें सहयोग, नोट्स, टेबल, कानबैन बोर्ड जैसी सुविधाएं शामिल हैं। 2021 में कंपनी ने Coatue और Sequoia के नेतृत्व में Series C फंडिंग में 250 मिलियन डॉलर जुटाए, जिसके बाद इसका मूल्यांकन 10.3 बिलियन डॉलर हो गया। 2022 तक, Notion के उपयोगकर्ताओं की संख्या 30 मिलियन तक पहुंच गई, जिनमें से 4 मिलियन भुगतान करने वाले उपयोगकर्ता हैं। हाल ही में, Notion ने Notion AI का ट्रायल वर्जन लॉन्च किया है, जो पूरी तरह से प्लेटफॉर्म के मौजूदा कार्यप्रवाह में समाया हुआ है। जब उपयोगकर्ता सामग्री व्यवस्थित करते हैं, प्रोजेक्ट मैनेज करते हैं या कोई रचनात्मक काम करते हैं, तो वे अपनी दक्षता बढ़ाने के लिए AI सहायता का उपयोग कर सकते हैं। यहां तक कि MidJourney, Wu Jie Ban Tu (Wu Jie Map), और ChatGPT जैसे टूल्स को भी, हमारी राय में, पूर्ण उपकरण नहीं माना जा सकता। अगर AIGC उपयोगकर्ता की मौजूदा कार्यप्रणाली से अलग-थलग रहता है, तो वह महज एक 'खिलौना' बनकर रह जाता है। लेकिन अगर इसकी कार्यक्षमता को मौजूदा कार्यप्रवाह में ही एम्बेड कर दिया जाए, तो स्थिति पूरी तरह बदल जाती है।
उपयोगकर्ता की रचनात्मकता का विस्तार करना
रचनात्मक टूल्स के विकास और प्रसार ने अधिक से अधिक सामान्य उपयोगकर्ताओं को कंटेंट क्रिएटर बना दिया है, जिससे UGC के क्षेत्र में तेजी आई है। AIGC, जो स्वयं एक कंटेंट निर्माण टूल है, इमेज, वीडियो जैसी सामग्री बनाने की बाधा को और भी कम कर देगा। पहले टेक्स्ट के आधार पर ऑडियो जेनरेट किया जाता था, लेकिन AIGC एक वाक्य से टेक्स्ट, एक वाक्य से इमेज और यहां तक कि वीडियो भी बना सकता है। उदाहरण के लिए, MidJourney में उपयोगकर्ता सिर्फ एक टेक्स्ट विवरण डालता है और कंप्यूटर स्वचालित रूप से एक कलाकृति तैयार कर देता है। AIGC-आधारित वर्चुअल ह्यूमन, टेक्स्ट कंटेंट के आधार पर वर्चुअल ह्यूमन प्रोग्राम स्वचालित रूप से जेनरेट कर सकते हैं। इन एप्लिकेशन्स का उपयोग अपेक्षाकृत कम सीखने के समय में किया जा सकता है, जिससे उपयोगकर्ता कम समय में अधिक सामग्री तैयार कर पाते हैं।
4. AIGC का आधार: कंप्यूटेशनल पावर का व्यवसाय
AIGC के लिए जिस "विशाल कंप्यूटेशनल पावर" की बात होती है, वह आखिर कितना विशाल है?
AI प्रशिक्षण के लिए जरूरी कंप्यूटेशनल पावर में जबरदस्त बढ़ोतरी हो रही है, जो हार्डवेयर के मूर के नियम को भी पीछे छोड़ रही है। 2018 में, OpenAI ने एक शोध प्रकाशित किया था, जिसमें बड़े भाषा मॉडलों के लिए आवश्यक कंप्यूटेशनल शक्ति और उसकी बढ़ती प्रवृत्ति को मापने की कोशिश की गई थी। इस शोध से पता चला कि 2012 से 2018 के बीच, AI को प्रशिक्षित करने में लगने वाली कंप्यूटेशनल शक्ति लगभग हर 3 से 4 महीने में दोगुनी हो गई, जिससे कुल मिलाकर एक घातीय वृद्धि देखी गई (जबकि मूर का नियम 18 महीने में दोगुनी होने की बात कहता है)। इस अवधि में AI प्रशिक्षण पर खर्च हुई कुल कंप्यूटेशनल शक्ति में 300,000 गुना का इजाफा हुआ, जबकि मूर के नियम के हिसाब से उसी दौरान सिर्फ 7 गुना बढ़ोतरी होनी चाहिए थी।
आजकल इस्तेमाल होने वाले आम बड़े मॉडलों (जैसे GPT-3, NLG, Gopher आदि) के लिए कंप्यूटेशनल शक्ति को मापने में अक्सर petaFLOPS-days का इस्तेमाल किया जाता है। यह इकाई उस उपकरण को दर्शाती है जो प्रति सेकंड एक क्वाड्रिलियन (1015) फ्लोटिंग-पॉइंट ऑपरेशन कर सकता है और पूरे एक दिन तक लगातार काम करता रहे। तुलना के तौर पर, NVIDIA का फ्लैगशिप उत्पाद RTX3090 मानक शक्ति पर करीब 35 TFLOPs की फ्लोटिंग-पॉइंट कंप्यूटेशनल शक्ति देता है, यानी यह प्रति सेकंड 35 ट्रिलियन गणनाएं कर सकता है। 1 petaFLOPS-day का मतलब है कि RTX3090 को अपनी पूरी क्षमता पर लगातार 29 दिनों तक चलाना पड़ेगा। यहां तक कि आज के सबसे तेज सुपरकंप्यूटर का इस्तेमाल करने पर भी, इस प्रशिक्षण प्रक्रिया में आदर्श ���ालात में एक हफ्ते से ज्यादा का समय लग सकता है।
AIGC के व्यापक भविष्य के पीछे, एक विशाल कंप्यूटिंग शक्ति का बाजार खड़ा होगा। AI मॉडलों को जिस उच्च कंप्यूटिंग शक्ति की जरूरत होती है, उसके पीछे भारी लागत छिपी होती है। मिसाल के तौर पर, GPT-3 मॉडल में कुल 175 अरब पैरामीटर हैं और उसे प्रशिक्षित करने के लिए 3650 PFLOPS-day की कंप्यूटिंग शक्���ि चाहिए। Lambda के अनुमान के मुताबिक, V100 GPU की 28 TFLOPS की आदर्श क्षमता और कम से कम 3 साल की क्लाउड कंप्यूटिंग लागत के हिसाब से GPT-3 के प्रशिक्षण पर 46 लाख अमेरिकी डॉलर का खर्च आएगा। वहीं अगली पीढ़ी के मॉडल GPT-4 के पैरामीटर तो और भी ज्यादा होंगे।
हालांकि AI मॉडल अक्सर ओपन-सोर्स होते हैं, लेकिन डेटासेट और प्रशिक्षण के नतीजे किसी टीम की निजी संपत्ति होते हैं। इसका मतलब है कि हर AI उत्पाद को अपनी प्रशिक्षण लागत खुद ही वहन करनी होगी। फिलहाल ज्यादातर स्टार्टअप टीमें क्लाउड पर निर्भर हैं, क्योंकि अकेले कंप्यूटिंग क्लस्टर की कीमत ही बहुत ज्यादा है। आज A100 जैसे हाई-एंड उत्पादों की कीमत करीब 6 से 9 लाख चीनी युआन है, और 1000 A100 GPUs के साथ CPU, हार्ड डिस्क, स्टोरेज और डेटा सेंटर की बिजली जैसी सहायक सुविधाओं में हार्डवेयर निवेश 10 करोड़ चीनी युआन तक पहुंच सकता है। आगे चलकर, AIGC के B2B और B2C वाणिज्यिक इस्तेमाल के साथ-साथ कंप्यूटिंग क्लस्टर के निर्माण और क्लाउड सेवाओं को भी फायदा होगा। साथ ही, NVIDIA के A100 और H100 पर लगे निर्यात प्रतिबंधों को देखते हुए, संबंधित घरेलू कंप्यूटिंग चिप्स को भी अतिरिक्त बाजार मौके मिल सकते हैं।
5. AIGC समुदाय का मूल्य — भविष्य की सोने की खान
हाल ही में विभिन्न स्टार्टअप टीमों से हुई चर्चा में, हमने देखा कि उद्योग का मुख्य फोकस AIGC और Web3.0 के एकीकरण, साथ ही AIGC और समुदाय के संयोजन पर है। यह रुझान मुख्य रूप से निम्नलिखित तरीकों से सामने आ रहा है: AIGC समुदाय की सक्रियता और सांस्कृतिक विकास को बढ़ावा दे सकता है; समुदाय AI मॉडल को बेहतर बनाने के लिए फीडबैक दे सकता है; और AIGC और NFT के मेल से नए व्यावसायिक मॉडल सामने आ रहे हैं।
कम प्रवेश बाधा समुदाय की सक्रियता को बढ़ावा देती है और बड़ी संख्या में उपयोगकर्ताओं की भागीदारी को संभव बनाती है। UGC प्लेटफ़ॉर्मों की तुलना में, AIGC उपयोगकर्ताओं की रचनात्मक भागीदारी की बाधा और लागत को औ�� भी कम कर सकता है। प्रवेश बाधा के और कम होने से समुदाय की गतिविधि और विकास को बल मिलता है, साथ ही प्लेटफ़ॉर्म की सामग्री निर्माण लागत भी घटती है। उदाहरण के लिए, 'बाओज़ाओ मैनहुआ' ने शुरुआत में कार्टून बनाने के टूल्स के ज़रिए उपयोगकर्ताओं की अभिव्यक्ति को आसान बनाया, जिससे कई लोकप्रिय मीम्स बने और पूरे 'बाओज़ाओ IP' समुदाय को समृद्ध किया। AIGC द्वारा प्रदान की जाने वाली यह रचनात्मकता पारंपरिक सामग्री समुदायों या नए प्लेटफ़ॉर्म बिज़नेस मॉडल के निर्माण के लिए पर्याप्त आधार हो सकती है।
समुदाय की प्रतिक्रिया AIGC मॉडल को प्रशिक्षित करने में मददगार हो सकती है। मिसाल के तौर पर, इमेज जनरेशन में एक ही कीवर्ड का असर अलग-अलग प्लेटफॉर्म पर बिल्कुल भिन्न हो सकता है—प्लेटफॉर्म A पर नतीजे शानदार हो सकते हैं, जबकि प्लेटफॉर्म B पर वे काफी खराब। इसकी एक बड़ी वजह मॉडल का प्रशिक्षण है; एक ही मॉडल को अलग तरीके से ट्रेन करने से भी नतीजों में जमीन-आसमान का फर्क आ सकता है। सुपरवाइज्ड लर्निंग के तहत, ट्रेनर्स को AIGC द्वारा बनाई गई सामग्री पर फीडबैक देना होता है, ताकि एल्गोरिदम के पैरामीटर्स को तब तक ठीक किया जा सके, जब तक कि उसका प्रदर्शन संतोषजनक न हो जाए। ChatGPT ने अपना फ्री डेमो इसीलिए लॉन्च किया था, ताकि खुले उपयोगकर्ता इंटरैक्शन के जरिए ज्यादा से ज्यादा फीडबैक डेटा जुटाया जा सके। सामग्री पर समुदाय की चर्चा और पसंद-नापसंद AIGC मॉडल को उच्च-गुणवत्ता वाला फीडबैक दे सकती है, जिससे भविष्य में उत्पाद की क्षमताओं को और बेहतर बनाया जा सके।
जब AIGC किसी आईपी (IP) से जुड़े क्षेत्र में कदम रखता है, तो पारंपरिक कॉपीराइट अनुमति प्रणाली उसके साथ तालमेल नहीं बैठा पाती—यह समस्या UGC के दौर में भी आम थी, जैसे कि प्रशंसकों द्वारा बनाई गई फैन-मेड कंटेंट। NFT की विशिष्ट और प्रमाणित करने योग्य प्रकृति मूल रचनाकारों, द्वितीयक रचनाकारों और दर्शकों के बीच संबंधों को ज्यादा लचीला और विविधतापूर्ण बनाती है। हमने देखा है कि BAYC, Cryptopunks जैसे NFT होल्डर्स ने अपने एक्सक्लूसिव फैन कम्युनिटीज बना ली हैं, और NFT तथा फैन इकॉनमी को जोड़ने वाले मॉडल्स पर भी प्रयोग जारी हैं। AIGC की प्रक्रिया में मौजूद यादृच्छिकता के कारण, सामग्री के दोहराव की संभावना कम होती है, और यह एक तरह का अद्वितीय 'सीड' या डिजिटल फिंगरप्रिंट जनरेट करती है। NFT के साथ इसे जोड़कर, सामग्री के रचनाकार को खुद सामग्री से जोड़ा जा सकता है, और साथ ही उसे उसके मूल आईपी से भी लिंक किया जा सकता है। इस क्षेत्र में अन्वेषण और प्रयोग की अपार संभावनाएं हैं, जहां सिलिकॉन वैली और सिंगापुर की कई टीमें पहले से ही सक्रिय हैं। हम आगामी अध्ययनों में इस पर नजर बनाए रखेंगे।
6. निवेश रणनीति: AIGC का सॉफ्टवेयर, हार्डवेयर और डेटासेट
PGC से UGC और अब AIGC तक के सफर में, AIGC मानवता को सामग्री निर्माण की सीमाओं से मुक्त करने की क्षमता रखता है। यह उच्च गुणवत्ता वाली सामग्री को तेजी से बनाने और मानवता को वास्तविक मेटावर्स में ले जाने का मार्ग प्रशस्त करता है। हालाँकि, मेटावर्स की मांगों को पूरा करने के लिए, AIGC को उच्च गुणवत्ता और सटीकता के साथ स्वायत्त रूप से सामग्री तैयार करने में सक्षम होना होगा, जिसके लिए तकनीकी विकास की आवश्यकता है। इसे हम सॉफ्टवेयर और हार्डवेयर - इन दो आयामों में देख सकते हैं। सॉफ्टवेयर पक्ष में मुख्य रूप से प्राकृतिक भाषा प्रसंस्करण (NLP) तकनीक, AIGC जनरेटिव एल्गोरिदम मॉडल और डेटासेट शामिल हैं, जबकि हार्डवेयर पक्ष कंप्यूटिंग शक्ति और संचार नेटवर्क पर केंद्रित है।
मुख्य चालक:
1) दूसरी तिमाही में GPT-4 के नए मॉडल का लॉन्च।
2) माइक्रोसॉफ्ट ने अपने सर्च इंजन और ऑफिस सॉफ़्टवेयर में AIGC की क्षमताओं को शामिल कर लिया है।
थीम-आधारित निवेश के नज़रिए से, हमारा मानना है कि AIGC, जिसने 2022 में अवधारणा के रूप में शुरुआत की थी, 2023 में उद्योग के विस्फोटक विकास के चरण में प्रवेश करेगा। इसमें नए मॉडल लॉन्च होने के साथ-साथ विभिन्न क्षेत्रों में “AIGC+” के व्यावहारिक अनुप्रयोग शामिल होंगे। एक तरफ, यह मौजूदा किलर ऐप्लिकेशन—जैसे शॉर्ट वीडियो, गेम्स आदि—पर क्रांतिकारी प्रभाव डालेगा, जिससे सामग्री की मात्रा और उपयोगकर्ताओं की लत और बढ़ सकती है, साथ ही यह सोशल मीडिया और विज्ञापन के लिए नए टूल्स भी प्रदान करेगा। दूसरी ओर, Web3 के खुले और सहयोगात्मक मूल्यों के चलते, UGC ��र AIGC से बनी सामग्री और भी आकर्षक होगी, और सामग्री के पुनर्निर्माण तथा खुले विचारों की एक नई लहर आने वाली है।
जोखिम सूचना
तकनीकी नवाचार अपेक्षा से कम: AIGC का तकनीकी विकास अपेक्षित स्तर तक नहीं पहुंच पाता है। इसके अलावा, अंतर्निहित हार्डवेयर प्रौद्योगिकियां, जैसे सुपर कंप्यूटर और कंप्यूटिंग पावर का विकास भी अपेक्षाओं पर खरा नहीं उतरता है।
नीतिगत एवं नियामक जोखिम: AIGC अभी भी अपने प्रारंभिक चरण में है। भविष्य में इससे जुड़े बौद्धिक संपदा अधिकारों या अन्य कानूनी-नियामक प्रावधानों को कैसे लागू किया जाएगा, यह अभी स्पष्ट नहीं है।