प्रतिदिन $15 मिलियन की समस्या: AI वीडियो अर्थशास्त्र तय करेगा कि 2026 में कौन बचेगा

OpenAI ने Sora को इसलिए बंद नहीं किया क्योंकि तकनीक विफल हो गई थी। उन्होंने इसे इसलिए बंद किया क्योंकि गणित विफल हो गया था। प्रतिदिन $15 मिलियन की कंप्यूट लागत पर, ग्रह की सबसे अच्छी वित्तपोषित AI कंपनी भी उपभोक्ता वीडियो जनरेशन को कामयाब नहीं बना सकी। यह लागत आंकड़ा इस क्षेत्र की हर कंपनी को डराना चाहिए।

वे आंकड़े जिन्होंने Sora को खत्म किया

आइए उस अर्थशास्त्र को सामने रखें जिसे OpenAI ने छह महीने तक छिपाने की कोशिश की।

Sora सितंबर 2025 में उपभोक्ता मूल्य निर्धारण के साथ लॉन्च हुआ: API के माध्यम से 720p वीडियो के प्रति सेकंड लगभग $0.10। चरम उपयोग पर, लाखों उपयोगकर्ता रोज़ क्लिप बना रहे थे। मुख्यतः NVIDIA H100 क्लस्टरों पर चलने वाली GPU इन्फरेंस लागत हर अनुरोध के साथ रैखिक रूप से बढ़ती गई।

$15M/day

Sora की चरम कंप्यूट लागत

$2.1M

कुल आजीवन राजस्व

6 months

बंद होने तक का समय

$0.10/sec

API कीमत (720p)

राजस्व-से-लागत अनुपात विनाशकारी था। Sora ने अपने पूरे जीवनकाल में कुल मिलाकर अनुमानित $2.1 मिलियन राजस्व अर्जित किया। इसे चलाने में लगभग $2.7 बिलियन खर्च हुए। यह कोई व्यावसायिक मॉडल नहीं है। यह औद्योगिक पैमाने पर वेंचर कैपिटल जलाने का प्रदर्शन है।

⚠️

ये आंकड़े CNBC और Bloomberg की रिपोर्टिंग से आए हैं, जिन्हें स्वतंत्र विश्लेषकों के इन्फ्रास्ट्रक्चर लागत अनुमानों के साथ जोड़ा गया है। OpenAI ने आधिकारिक लागत विवरण प्रकाशित नहीं किए हैं, लेकिन परिमाण का क्रम कई स्रोतों में एक समान है।

वीडियो जनरेशन मूल रूप से इमेज से अधिक महंगी क्यों है

यह समझने के लिए कि Sora से परे यह क्यों मायने रखता है, आपको इमेज और वीडियो जनरेशन के बीच कंप्यूट अंतर समझना होगा।

DALL-E 3 या Stable Diffusion XL जैसे मॉडल के साथ एक इमेज जनरेशन अनुरोध को H100 पर लगभग 10-30 सेकंड GPU समय चाहिए। 24fps पर 5-सेकंड वीडियो के लिए 120 फ्रेम बनाने पड़ते हैं, जिनमें टेम्पोरल कोहेरेंस की बाधाएं होती हैं जो सरल समानांतरकरण को रोकती हैं। वीडियो डिफ्यूजन ट्रांसफॉर्मरों में अटेंशन मैकेनिज्म सीक्वेंस लंबाई के वर्गानुपाती बढ़ता है।

जनरेशन प्रकार	प्रति आउटपुट GPU-सेकंड	अनुमानित H100 लागत
एकल इमेज (1024x1024)	10-30s	$0.003-$0.01
5-सेकंड वीडियो (720p, 24fps)	300-600s	$0.10-$0.20
10-सेकंड वीडियो (1080p, 24fps)	900-2400s	$0.30-$0.80
60-सेकंड वीडियो (1080p, 24fps)	5400-14400s	$1.80-$4.80

GPU कंप्यूट लागतों की तुलना करता बार चार्ट: इमेज जनरेशन $0.01 पर बनाम 60-सेकंड वीडियो $3.30 पर — इमेज और वीडियो जनरेशन के बीच कंप्यूट लागत अंतर 30-100x है, 5-10x नहीं

इमेज और वीडियो के बीच अंतर 5x या 10x नहीं है। यह प्रति आउटपुट कंप्यूट में 30-100x है। और टेक्स्ट जनरेशन के विपरीत, जहां KV-caching और speculative decoding ने इन्फ्ररेंस लागत को नाटकीय रूप से कम किया है, वीडियो जनरेशन में ऐसा कोई समकक्ष अनुकूलन नहीं है जो लागत को एक ऑर्डर ऑफ मैग्निट्यूड तक घटा दे।

लागत संकट से बचने की तीन रणनीतियां

AI वीडियो जनरेशन अब भी देने वाली हर कंपनी इसी मूल समस्या से जूझ रही है। उनकी रणनीतियां स्पष्ट रूप से अलग हैं।

रणनीति 1: सब्सिडी दें और प्रार्थना करें (VC दृष्टिकोण)

यह Sora की रणनीति थी। लागत से कम कीमत रखें, उपयोगकर्ता हासिल करें, बाद में मुद्रीकरण का तरीका निकालें। इसका अंत ठीक वैसा ही हुआ जैसा अर्थशास्त्र के प्रोफेसर डॉट-कॉम युग से भविष्यवाणी करते रहे हैं।

कई कंपनियां अब भी इसी तरह काम करती हैं। Pika, Luma और Runway, सभी अपनी सेवाओं का मूल्य अनुमानित कंप्यूट लागतों से बहुत कम रखते हैं। दांव यह है कि लागतें राजस्व बढ़ने की जरूरत से तेज गिरेंगी।

💡

Runway ने $315 million जुटाए फरवरी 2026 में $5.3 billion के मूल्यांकन पर। यदि उन्हें लाभप्रदता का रास्ता नहीं मिलता है, तो वर्तमान बर्न रेट पर इससे उन्हें लगभग 18-24 महीने का रनवे मिलता है। घड़ी चल रही है।

जोखिम स्पष्ट है। यदि GPU लागतें पर्याप्त तेजी से नहीं गिरतीं, या यदि उपयोग अनुकूलन लाभों से तेज बढ़ता है, तो इन कंपनियों को उसी दीवार का सामना करना पड़ेगा जिससे Sora टकराया था।

रणनीति 2: लागत को हार्डवेयर पर स्थानांतरित करें (NVIDIA/Open Source रणनीति)

यह Helios, Wan 2.2, LTX-2.3 और उपभोक्ता GPUs के लिए अनुकूलित हर दूसरे ओपन-सोर्स मॉडल के पीछे की रणनीति है।

तर्क सुरुचिपूर्ण है: महंगा क्लाउड इन्फ्रास्ट्रक्चर चलाने के बजाय, कंप्यूट लागत उपयोगकर्ता के हार्डवेयर पर डाल दें। RTX 4090 की कीमत एक बार $1,599 है। उसके बाद, सीमांत लागत के संदर्भ में हर वीडियो जनरेशन "मुफ्त" है (बिजली को छोड़कर)।

ByteDance और Peking University के 14-बिलियन पैरामीटर मॉडल Helios ने प्रदर्शित किया कि एक H100 19.5 FPS पर 60-सेकंड वीडियो बना सकता है। इससे भी महत्वपूर्ण, अनुकूलित ओपन-सोर्स मॉडल उपभोक्ता RTX 5090 हार्डवेयर पर रियल-टाइम जनरेशन के करीब पहुंच रहे हैं।

मॉडल	आवश्यक हार्डवेयर	जनरेशन गति	गुणवत्ता स्तर
Helios 14B	1x H100 (या RTX 5090)	19.5 FPS (रियल-टाइम)	पेशेवर
Wan 2.2 14B	1x RTX 4090	~3 FPS	पेशेवर
LTX-2.3	1x RTX 4090	~5 FPS (4K)	पेशेवर
PixVerse R1	1x RTX 3090	~2 FPS	उपभोक्ता

सीमा स्पष्ट है: यह रणनीति केवल उन उपयोगकर्ताओं को सेवा देती है जिनके पास उच्च-स्तरीय GPUs हैं। यह एक महत्वपूर्ण बाजार है, लेकिन यह उन सामान्य क्रिएटर्स को बाहर कर देती है जिन्होंने Sora को लोकप्रिय बनाया।

रणनीति 3: प्लेटफॉर्म एग्रीगेशन (Adobe/Google रणनीति)

यह सबसे वित्तीय रूप से टिकाऊ दृष्टिकोण है। जनरेशन की पूरी लागत वहन करने के बजाय, ऐसा मार्केटप्लेस बनें जो अनुरोधों को कई मॉडल प्रदाताओं तक रूट करे।

Adobe Firefly अब 30+ मॉडल होस्ट करता है विभिन्न प्रदाताओं से। Google Flow, Veo को तृतीय-पक्ष मॉडलों के साथ एकीकृत करता है। CapCut में Seedance 2.0 एम्बेड है। तीनों मामलों में, प्लेटफॉर्म मार्जिन लेता है जबकि मॉडल प्रदाता कंप्यूट लागत वहन करता है।

✓प्लेटफॉर्म के लाभ

प्रति अनुरोध राजस्व पहले दिन से सकारात्मक होता है। विशाल GPU क्लस्टरों के मालिक होने की जरूरत नहीं। उपयोगकर्ताओं को हर उपयोग मामले के लिए सर्वश्रेष्ठ मॉडल दिया जा सकता है। जोखिम कई प्रदाताओं में वितरित होता है।

✗प्लेटफॉर्म के जोखिम

मॉडल प्रदाताओं के व्यवसाय में बने रहने पर निर्भरता। यदि प्रतिस्पर्धी वही मॉडल एग्रीगेट करें तो कोई भिन्नता नहीं। बेहतर शर्तों पर बातचीत करते प्रदाताओं के कारण मार्जिन दबाव।

Adobe यहां सबसे बेहतर स्थिति में है क्योंकि Premiere Pro और After Effects पहले से पेशेवर वीडियो एडिटिंग पर हावी हैं। मौजूदा वर्कफ्लो में AI जनरेशन जोड़ना एक स्वाभाविक विस्तार है, और Adobe इसे उन Creative Cloud सब्सक्रिप्शनों के भीतर प्रीमियम फीचर के रूप में मूल्य दे सकता है जिनके लिए उपयोगकर्ता पहले से भुगतान करते हैं।

इन्फ्रास्ट्रक्चर लागत वक्र

महत्वपूर्ण सवाल यह है कि क्या GPU लागतें उपभोक्ता AI वीडियो को व्यवहार्य बनाने के लिए पर्याप्त तेजी से गिरेंगी।

NVIDIA की Blackwell आर्किटेक्चर (B200, GB200), H100 की तुलना में इन्फरेंस वर्कलोड के लिए लगभग 2-3x बेहतर प्राइस-परफॉर्मेंस देती है। आने वाली Rubin आर्किटेक्चर एक और 2-3x सुधार का वादा करती है। यदि दोनों अनुमान के अनुसार प्रदर्शन करते हैं, तो 2028 तक 10-सेकंड वीडियो बनाने की लागत $0.50 से घटकर लगभग $0.05 हो सकती है।

यह समयरेखा मायने रखती है। सब्सिडी वाली कीमतों पर नकद जला रही कंपनियों को हार्डवेयर सुधारों द्वारा अपने व्यावसायिक मॉडल बचाए जाने तक 2-3 और वर्ष टिकना होगा। सभी ऐसा नहीं कर पाएंगी।

💡

बचने की सबसे अधिक संभावना उन कंपनियों की है जिनके पास या तो विशाल नकद भंडार हैं (Google, Adobe, ByteDance), कुशल मॉडल आर्किटेक्चर हैं जो प्रति फ्रेम कंप्यूट घटाते हैं, या ऐसे प्लेटफॉर्म व्यवसाय हैं जो प्रत्यक्ष जनरेशन लागत नहीं उठाते।

क्रिएटर्स के लिए इसका क्या अर्थ है

यदि आप आज AI वीडियो प्लेटफॉर्म चुन रहे क्रिएटर हैं, तो अर्थशास्त्र उतना ही महत्वपूर्ण है जितने फीचर्स।

✓लाभदायक मूल कंपनियों (Google, Adobe, ByteDance) के समर्थन वाले प्लेटफॉर्म दीर्घकाल में अधिक सुरक्षित दांव हैं
✓स्थानीय रूप से चलने वाले ओपन-सोर्स मॉडल किसी एक कंपनी पर निर्भरता समाप्त कर देते हैं
✓कम कीमत पर "असीमित" जनरेशन देने वाले स्टार्टअप सबसे अधिक जोखिम वाले हैं
✓वर्कफ्लो के लिए प्रतिबद्ध होने से पहले लागत स्थिर होने की प्रतीक्षा करना उचित है, लेकिन इसका अर्थ शुरुआती अपनाने के लाभों को खोना है

Sora का बंद होना कोई असामान्यता नहीं था। यह पहला डोमिनो था। AI वीडियो जनरेशन का अर्थशास्त्र निर्मम है, और जो कंपनियां बचेंगी वे वही होंगी जिन्होंने लागत समस्या के रचनात्मक समाधान खोजे, न कि केवल जनरेशन समस्या के रचनात्मक समाधान।

बड़ी तस्वीर

कंप्यूटिंग में हर बड़े बदलाव का एक ऐसा दौर रहा है जहां तकनीक काम करती है लेकिन अर्थशास्त्र नहीं। AWS द्वारा इसे नकदी बनाने वाली मशीन में बदलने से पहले क्लाउड कंप्यूटिंग वर्षों तक गैर-लाभकारी रही। Netflix को अपनी दिशा मिलने से पहले स्ट्रीमिंग वीडियो ने अरबों गंवाए। AI वीडियो जनरेशन उसी दर्दनाक मध्य अवधि में है।

इस बार अंतर गति का है। हार्डवेयर सुधार वक्र क्लाउड या स्ट्रीमिंग की तुलना में अधिक तीव्र है। NVIDIA हर 18-24 महीने में नए आर्किटेक्चर भेज रहा है, जिनमें लागत-प्रति-FLOP में महत्वपूर्ण कमी है। डिस्टिलेशन से mixture-of-experts तक और Helios के context compression जैसे आर्किटेक्चरल नवाचारों तक, मॉडल दक्षता अनुसंधान सॉफ्टवेयर पक्ष से कंप्यूट आवश्यकताओं को कम कर रहा है।

मेरा अनुमान है: 2027 के अंत तक, 1080p पर 10-सेकंड वीडियो जनरेट करने की लागत क्लाउड इन्फ्रास्ट्रक्चर पर $0.10 से कम होगी। उस मूल्य स्तर पर, व्यावसायिक मॉडल काम करता है। सवाल यह है कि तब तक कौन-सी कंपनियां जीवित रह सकती हैं।

AI वीडियो स्टार्टअप्स का कब्रिस्तान जल्द ही भरने वाला है। लेकिन तकनीक स्वयं कहीं नहीं जा रही। वह बस अर्थशास्त्र के उसके बराबर आने की प्रतीक्षा कर रही है।

💡

AI वीडियो को स्थानीय रूप से चलाने और क्लाउड लागतों को पूरी तरह बायपास करने की व्यावहारिक गाइड के लिए, LTX-2 और ComfyUI के साथ स्थानीय AI वीडियो जनरेशन की हमारी गाइड देखें।