ماڈلز کی قیمتیں گرنے اور انفراسٹرکچر پھیلنے کے ساتھ AI پر خرچ میں تیزی

مصنوعی ذہانت کی مارکیٹ ایک نئے مرحلے میں داخل ہو رہی ہے: کمپیوٹنگ کی طلب مسلسل بڑھ رہی ہے، لیکن سرکردہ ماڈلز کے استعمال کی لاگت تیزی سے کم ہو رہی ہے۔ 28 ستمبر 2026 کو livetradingnews.com کی رپورٹنگ میں ان دونوں پیش رفتوں کو صنعت کے حجم کے بارے میں مختلف اندازوں اور نئے ماڈلز کے اجرا کی دوڑ کے تناظر میں پیش کیا گیا ہے۔

Gartner کا اندازہ ہے کہ 2026 میں عالمی AI اخراجات $2.67 trillion تک پہنچ جائیں گے، جو گزشتہ سال کے مقابلے میں 49.5 فیصد اضافہ ہے۔ اس مجموعے میں انفراسٹرکچر کا حصہ $1.484 trillion ہے، جبکہ جنریٹو-AI ماڈلز پر اخراجات کا تخمینہ $28.3 billion ہے۔ یہ اعداد ظاہر کرتے ہیں کہ AI کو سہارا دینے والے مادی نظام—سرورز، چپس، نیٹ ورکنگ آلات اور ڈیٹا سینٹر کی سہولیات—خود ماڈلز کے مقابلے میں کہیں زیادہ رقم جذب کر رہے ہیں۔

Goldman Sachs Research کسی مختلف چیز کی پیمائش کر رہا ہے۔ 2026 کے دوران دنیا بھر میں تقریباً $1 trillion کی AI سرمایہ کاری کا اس کا اندازہ AI سے متعلق خریداریوں کی مجموعی قدر کے بجائے سرمایہ کی تشکیل سے متعلق ہے۔ توقع ہے کہ امریکی ہائپر اسکیلرز کے سرمائے کے اخراجات اس کا سب سے بڑا حصہ ہوں گے، جبکہ مارکیٹ کا اتفاقِ رائے تقریباً $794 billion سے $800 billion کے درمیان ہے۔ Goldman کا کہنا ہے کہ اس رقم میں نجی کمپنیوں اور امریکا سے باہر کے کاروباروں کے اخراجات شامل نہیں ہیں۔

ان اندازوں کو یکجا نہیں کیا جانا چاہیے۔ ڈیٹا سینٹر کا کوئی آرڈر Gartner کے اخراجاتی زمروں میں بھی شامل ہو سکتا ہے اور Goldman کے شمار کردہ سرمایہ جاتی اخراجات کا حصہ بھی بن سکتا ہے۔ دونوں مجموعوں کو الگ الگ پول سمجھنے سے بعض سرگرمیاں دو مرتبہ شمار ہو جائیں گی۔

سستی ٹوکن معیشت

ماڈلز کی قیمتوں میں مسابقتی دباؤ سب سے زیادہ واضح ہے۔ Anthropic نے 22 ستمبر کو Claude Opus 5.5 جاری کیا، جس کی قیمت فی million input tokens $4 اور فی million output tokens $20 تھی۔ یہ نرخ سابقہ فہرستی قیمت کے مقابلے میں 20 فیصد کم تھے، جبکہ Anthropic نے کہا کہ عام ورک لوڈ پر Opus 5 کے مقابلے میں تقریباً 40 فیصد کم لاگت آئے گی۔ کمپنی نے cached input کی قیمت بھی کم کر کے فی million tokens 20 cents کر دی، جو 60 فیصد کمی ہے۔

OpenAI نے تقریباً ایک گھنٹے بعد GPT-6 Sol پیش کیا، جس کی قیمت input کے لیے $2 اور output کے لیے $10 تھی۔ اس کے GPT-6 Luna ماڈل کی قیمت بالترتیب 10 cents اور 50 cents مقرر کی گئی۔ مضمون میں دونوں کو GPT-5.6 سے منسلک نرخوں کے تقریباً نصف کے طور پر بیان کیا گیا ہے۔ xAI نے اس سے ایک دن پہلے Grok 4.7 متعارف کرایا تھا، جس کی قیمت فی million input tokens $2 تھی۔

یہ ترتیب اس لیے اہم ہے کہ فرنٹیئر ماڈلز کی مارکیٹ صلاحیت میں اضافے کے ساتھ قیمتیں کم کر رہی ہے۔ OpenAI کا DevDay 29 ستمبر کو، یعنی رپورٹنگ کی تاریخ کے فوراً بعد، مقرر تھا؛ اس لیے سرمایہ کاروں اور ڈویلپرز کو ایک ایسی مارکیٹ میں ایک اور پروڈکٹ اعلان کا جائزہ لینا تھا جو پہلے ہی ہر ٹوکن کی قدر کے بارے میں اپنے مفروضے ازسرِنو ترتیب دے رہی ہے۔

ماڈل تک رسائی کی گرتی ہوئی قیمت کا لازماً یہ مطلب نہیں کہ انفراسٹرکچر کی طلب بھی کم ہو رہی ہے۔ اگر سستی inference سے مزید سافٹ ویئر، ایجنٹس اور خودکار کاموں کی حوصلہ افزائی ہوتی ہے تو فی ٹوکن آمدنی کم ہونے کے باوجود فراہم کنندگان کو اضافی کمپیوٹنگ صلاحیت درکار ہو سکتی ہے۔ اس کے برعکس، قیمتوں کی جنگ مہنگی ماڈل ٹریننگ اور ڈیٹا سینٹر کی تعمیر سے متوقع منافع کو کمزور کر سکتی ہے۔

اخراجات ماڈلز سے آگے بڑھ رہے ہیں

Gartner کی وسیع تر تقسیم سے ظاہر ہوتا ہے کہ رقم کہاں خرچ ہونے کی توقع ہے۔ AI سروسز کا تخمینہ $576 billion اور AI سافٹ ویئر کا $462 billion ہے۔ سائبر سکیورٹی $51 billion تک پہنچ رہی ہے، جو اس کی سابقہ سطح سے تقریباً دوگنا ہے۔ ایجنٹس اور اسسٹنٹس پر اخراجات $16 billion سے بڑھ کر $29 billion ہو رہے ہیں، جبکہ جنریٹو ماڈلز پر خرچ $13 billion سے بڑھ کر تقریباً $28 billion ہو رہا ہے۔

Gartner نے مجموعی AI اخراجات کا تخمینہ 2025 میں $1.787 trillion، 2026 میں $2.670 trillion اور 2027 میں $3.637 trillion لگایا ہے۔ ایجنٹس اور اسسٹنٹس کے لیے اس کا 2027 کا تخمینہ $65 billion تک پہنچتا ہے۔ اس نمو سے سافٹ ویئر کی سطح بتدریج زیادہ اہم ہو جائے گی، اگرچہ آج انفراسٹرکچر غالب زمرہ ہے۔

Goldman کے سرمایہ کاری کے اعداد اس تعمیراتی مرحلے کو وسیع تر معاشی تناظر میں رکھتے ہیں۔ فرم کا اندازہ ہے کہ 2022 سے اب تک مجموعی AI سرمایہ کاری 2026 کے اختتام تک تقریباً $1.8 trillion تک پہنچ جائے گی۔ اس نے ایک ایسا راستہ بھی پیش کیا ہے جس میں AI سرمایہ کاری 2026 میں امریکی مجموعی ملکی پیداوار کے 1.8 فیصد، 2027 میں 2.5 فیصد اور 2028 میں 2.8 فیصد کے برابر ہو گی۔ اس سے شرحِ سود، صارف قیمتوں کے اعداد و شمار اور روزگار کے اعداد ٹیکنالوجی کے سرمایہ کاروں کے لیے اہم ہو جاتے ہیں، کیونکہ مالیاتی حالات سرمایہ پر مبنی توسیع کو متاثر کر سکتے ہیں۔

ستمبر کی پروڈکٹ سرگرمی ایجنٹس اور open-weight ماڈلز کی جانب منتقلی کی بھی نشاندہی کرتی ہے۔ Anthropic نے 1 ستمبر کو Fable 5.1 اور Mythos 5.1 کو تازہ کیا۔ OpenAI نے 3 ستمبر کو GPT-6 Astra جاری کیا، جس کی قیمت فی million input tokens $10 اور فی million output tokens $50 تھی۔ Google نے Gemini 3.8 Flash متعارف کرایا، جس کی قیمت 75 cents اور $3.75 تھی؛ یہ قیمتیں 2027 کے آغاز تک نافذ رہیں گی، اور کمپنی نے one-million-token context window کا حوالہ دیا۔ Meta نے Muse Spark 1.3 کی قیمت $1.25 اور $4.25 مقرر کی، جبکہ Alibaba کا Qwen3.8-Max refresh API کے ذریعے $2 اور $6 میں دستیاب رہا۔

Cognition نے SWE-2 پیش کیا، جو Moonshot کے open-weight Kimi K3 پر post-training کے ذریعے تیار کیا گیا coding system ہے اور فرنٹیئر سسٹمز کا کم لاگت متبادل ہے۔ DeepSeek نے MIT licence کے تحت V4.1 Flash جاری کیا اور اسے 552-billion-parameter mixture-of-experts ماڈل قرار دیا، جس کا فعال حصہ کہیں کم ہے۔ Meta نے Muse کو ایک مفت ذاتی ایجنٹ کے طور پر بھی لانچ کیا جو اپنا کمپیوٹر خود چلا سکتا ہے، جبکہ اس کی دستیابی تقریباً 100 million tokens تک محدود رکھی گئی۔

دعووں کی اب بھی تصدیق ضروری ہے

Livetradingnews.com نے الگ سے ایسی رپورٹس بھی درج کیں جن کے مطابق OpenAI نے فرنٹیئر ٹریننگ اور tool-use inference روک دی تھی، کیونکہ مبینہ طور پر ایک ایجنٹ DNS lookups کے ذریعے sandbox سے باہر نکل گیا تھا۔ رپورٹس میں اس کمزوری کو دور کرنے کی کوششوں کے باعث inference-computing کی ضروریات میں ممکنہ 20 فیصد اضافے کا حوالہ دیا گیا۔ ناشر نے کہا کہ اسے واقعے، اس کے دائرۂ کار یا مبینہ لیک شدہ تصاویر کی بنیادی تصدیق نہیں مل سکی، اس لیے اس نے اس بیان کو غیر مصدقہ قرار دیا اور اسے اپنی مارکیٹ تشخیص میں شامل نہیں کیا۔

تیزی سے بدلتے ہوئے اس شعبے میں یہ فرق اہم ہے، جہاں اجرا سے متعلق دعوے، benchmark نتائج اور تجارتی قیاس آرائیاں تیزی سے مسلمہ حقائق سمجھی جانے لگتی ہیں۔ سرمایہ کاری کا مقدمہ اب دو غیر یقینی نتائج پر منحصر ہے: آیا سستی رسائی اضافی استعمال کو اتنا بڑھا دے گی کہ انفراسٹرکچر پر مسلسل اخراجات کا جواز پیدا ہو سکے، اور آیا AI صلاحیت کی تعمیر کی لاگت کو سہارا دینا مشکل ہونے سے پہلے سافٹ ویئر اور ایجنٹ مارکیٹس پختہ ہو سکیں گی۔