مصنوعی ذہانت کا قبرستان: اربوں ڈالر کے دعوے اور ناکام ترین ٹیکنالوجی کا سچ

وینچر کیپیٹل کے اربوں ڈالر اور سالہا سال کی شدید انجینئرنگ کی کوششیں بالآخر کمپیوٹنگ کے بڑھتے اخراجات اور صفر کے برابر نفع بخش نتائج کی حقیقت سے ٹکرا کر پاش پاش ہو چکی ہیں۔ اس کے نتیجے میں 2026 کے وسط تک دنیا بھر میں ٹیکنالوجی کی صنعت میں مصنوعی ذہانت (AI) کے درجنوں بڑے منصوبے اور نئے اسٹارٹ اپس بند ہو گئے ہیں۔

جب سال 2022 کے اختتام پر 'اوپن اے آئی' نے چیٹ جی پی ٹی متعارف کرایا تھا، تو سلیکون ویلی نے جینیریٹیو ماڈلز کو ایک لامتناہی ترقی کا ذریعہ سمجھا تھا۔ سرمایہ کاروں نے اس امید پر اربوں ڈالر کی سرمایہ کاری کی کہ وہ روایتی سافٹ ویئر، آپریٹنگ سسٹمز اور سمارٹ فونز کا متبادل پیش کر دیں گے۔ لیکن 2026 کے وسط تک پہنچتے پہنچتے یہ تمام دعوے بکھر چکے ہیں اور ناکام منصوبوں کا ایک طویل سلسلہ سامنے آ چکا ہے۔

ہارڈ ویئر کے غلط تجربات اور ناپائیدار سافٹ ویئر

مصنوعی ذہانت کی ناکامیوں میں سب سے نمایاں مثالیں وہ مخصوص آلات ہیں جو سمارٹ فون کا متبادل بن کر سامنے آئے تھے۔ 'ہیومین اے آئی پن' (Humane AI Pin) اور 'ریبٹ آر ون' (Rabbit R1) جیسے آلات نے صارفین کو اسکرین سے آزاد کرنے کا وعدہ کیا تھا، لیکن یہ آلات سست رفتار ثابت ہوئے، انتہائی غلط معلومات فراہم کیں اور ان کی بیٹری کی ٹائمنگ حد درجہ ناقص رہی۔ 230 ملین ڈالر سے زائد کی سرمایہ کاری حاصل کرنے والی کمپنی 'ہیومین' کی فروخت سے زیادہ آلات واپس آنے لگے، جس کے بعد اس کا ہارڈ ویئر آپریشن مکمل طور پر بند کر دیا گیا۔

بڑی وادیِٔ ٹیکنالوجی کی کمپنیاں بھی اس ناکامی سے نہ بچ سکیں۔ 'ایپل' نے اپنے تمام آلات کے لیے نئے مصنوعی ذہانت والے 'سیری' (Siri) اسسٹنٹ کی لانچنگ کو بار بار ملتوی کیا۔ آزمائش کے دوران ایپل کے اندرونی ماڈلز نے غیر مستند جوابات دیے اور فون پر پروسیسنگ کا غیر معمولی بوجھ ڈالا، جس کے باعث کمپنی کو اپنے مارکیٹنگ کے تمام دعوے عارضی طور پر پیچھے ہٹانے پڑے۔

اسی طرح 'اوپن اے آئی' نے ایک تمام تر خصوصیات کی حامل "سپر ایپ" بنانے کی کوشش کی، جو ویب سرچنگ، کوڈنگ اور ٹاسک آٹومیشن کو ایک جگہ جمع کر سکے۔ لیکن صارفین نے اس پیچیدہ اور غیر متوقع سسٹم کو مسترد کر دیا، جس کے بعد اس منصوبے کو ختم کر کے الگ الگ مخصوص ٹولز میں تقسیم کرنا پڑا۔

کمپیوٹنگ کا لاگت اور مالیاتی بحران

ان پروڈکٹس کی ناکامی کے پیچھے بنیادی وجہ انتہائی خراب معاشی ساخت ہے۔ روایتی سافٹ ویئر کمپنیوں کا نفع 80 فیصد کے قریب ہوتا ہے، لیکن جینیریٹیو اے آئی کے ماڈلز کو ہر سنگل سوال یا پراامپٹ کا جواب دینے کے لیے زبردست بجلی اور چپ پروسیسنگ کی ضرورت ہوتی ہے۔ اینویڈیا (Nvidia) کے گرڈز کرائے پر لینے کے بعد ان کمپنیوں کو کروڑوں ڈالر کا ماہانہ خسارہ برداشت کرنا پڑا۔

مثال کے طور پر 'انفلیکشن اے آئی' (Inflection AI) نے 'پائی' (Pi) نامی پرسنل اسسٹنٹ کی ساخت کے لیے 1.3 ارب ڈالر اکٹھے کیے تھے۔ لاکھوں صارفین کے باوجود کمپنی اتنی آمدن حاصل نہ کر سکی جو ان کے سرورز کے اخراجات پورے کر پاتی۔ بالآخر مائیکروسافٹ نے اس کے بنیادی عملے اور بنیادی انفراسٹرکچر کو اپنے اندر ضم کر کے اصل پلیٹ فارم کو بند کر دیا۔

عالمی اعداد و شمار کے مطابق، 2023 سے 2025 کے درمیان 82 فیصد بڑی عالمی کمپنیوں نے اے آئی کے پائلٹ پروجیکٹس پر پیسہ لگایا، لیکن ان میں سے صرف 14 فیصد سے بھی کم پروجیکٹس کو مستقل بنیادوں پر برقرار رکھا جا سکا۔ اداروں نے غیر متوقع اخراجات، ڈیٹا کی عدم تحفظ اور کارکردگی میں واضح بہتری نہ ہونے کو معاہدے ختم کرنے کی بنیادی وجہ قرار دیا۔

ہوا خارج ہونے کے بعد باقی کیا بچتا ہے؟

جیسے 2001 میں ڈاٹ کام بلبلہ پھٹنے سے غیر مستحکم کمپنیاں ختم ہو گئی تھیں، بالکل اسی طرح اب ہر قسم کے بلاجواز اور سطحی اے آئی اسٹارٹ اپس مارکیٹ سے صاف ہو رہے ہیں۔ عمومی مقاصد کے لیے بنائے جانے والے ماڈلز کے بجائے اب سرمایہ کاری مخصوص انڈسٹریل شعبوں کی طرف منتقل ہو رہی ہے۔

مستقبل میں وہی کمپنیاں قائم رہیں گی جو ہر کام کرنے والے تصوراتی اسسٹنٹ بنانے کے بجائے مخصوص کاموں جیسے طبی تحقیق، قانون کی درست دستاویزات کی تیاری اور چپ ڈیزائننگ کے لیے محدود، سستے اور قابلِ اعتماد ماڈلز تیار کریں گی۔ مصنوعی ذہانت کی پہلی لہر کا خاتمہ مارکیٹ کی پختگی کے لیے انتہائی ضروری تھا۔

اکثر پوچھے گئے سوالات

Why did hardware devices like the Humane AI Pin and Rabbit R1 fail?

These dedicated hardware gadgets suffered from severe cloud latency, inconsistent model responses, and quick battery depletion. They essentially functioned as expensive, fragile wrappers around cloud APIs that could not match the speed and reliability of native smartphone apps.

What is the 'inference trap' in generative AI business models?

The inference trap describes the high recurring compute costs incurred by AI platforms every time a user submits a prompt to a GPU cluster. Unlike standard software with fixed operational costs, generative AI products face rising infrastructure bills that destroy gross margins unless tied to heavy enterprise billing.

Which types of AI startups are surviving the mid-2026 market correction?

Startups shifting away from consumer-facing chat assistants toward narrow, vertical enterprise workflows are surviving. These include localized, deterministic models engineered specifically for legal extraction, specialized drug discovery, and hardware design.