लगातार विफलता के बाद Amazon अपनी AI डिविजन को काट-छाँट कर रहा है
Amazon के अधिकांश in-house Nova AI models को बंद करने और संसाधनों को एक एकल “frontier” प्रयास की ओर मोड़ने की कथित चाल दिखाती है कि बड़े language models की cutting edge पर प्रतिस्पर्धा करना कितना महंगा और जोखिम भरा हो गया है। कई टिप्पणीकारों का तर्क है कि Amazon cloud infrastructure बेचकर, third-party और open-weight models को host करके, और logistics तथा robotics में AI लागू करके अधिक लाभ कमा सकता है, बजाय सीधे OpenAI या Anthropic को टक्कर देने के। अन्य लोग इस बदलाव को Amazon की कड़ी data controls और operational focus वाली संस्कृति से जोड़ते हैं, और कहते हैं कि security और stability में इसकी मज़बूती frontier AI research को चलाने वाले “move fast” mindset से टकरा सकती है।
लेख का समय और फ्रेमिंग
- कई टिप्पणीकारों का कहना है कि मूल लेख जुलाई के अंत का है और हो सकता है कि वह मौजूदा स्थिति को न दर्शाता हो।
- कई लोग तर्क देते हैं कि “gutting” भ्रामक है: Amazon AI से बाहर नहीं निकल रहा, बल्कि संसाधनों को एक एकल “frontier-model” प्रयास की ओर समेकित और पुनर्निर्देशित कर रहा है।
Amazon की AI रणनीति और बिज़नेस मॉडल
- कई लोगों को लगता है कि OpenAI/Anthropic/Google के साथ सामान्य LLMs में सीधे मुकाबला करने के बजाय Amazon के लिए “फावड़े” बेचना—यानी compute, hosting, infra—ज़्यादा समझदारी है।
- AWS पर third-party और open-weight models को होस्ट करना कम जोखिम वाला और proprietary frontier models को ट्रेन करने से अधिक लाभदायक माना जा रहा है।
- कुछ लोगों का मानना है कि Amazon hedge कर रहा है: Anthropic और partnerships में निवेश करते हुए, साथ ही एक in-house frontier model भी आज़मा रहा है।
संस्कृति, संगठनात्मक संरचना, और नवाचार क्षमता
- बार-बार यह दावा किया गया कि Amazon की संस्कृति (PIPs, churn, “revolving door,” backstabbing, बहुत-सी incidents पर firefighting) “lab-grade” research के लिए खराब ज़मीन है।
- दूसरे लोग एक मज़बूत आंतरिक संस्कृति की ओर इशारा करते हैं: security, privacy, data lock-down, और customer trust—enterprise cloud के लिए बढ़िया, लेकिन data-hungry frontier AI के साथ असंगत।
- इस पर बहस है कि क्या Amazon अब भी “best of the best” को आकर्षित करता है: कई लोग कहते हैं कि infrastructure/logistics के लिए हाँ, frontier ML research के लिए कम।
उत्पाद अनुभव: Nova, SDKs, और Alexa
- कई लोगों ने बताया कि Nova प्रमुख models की तुलना में काफ़ी कमजोर लगता है: context retention कम, repetitive, “GPT-3-level।”
- Amazon के AI dev tools (जैसे Nova Act) को बेहद धीमा और मौजूदा tools के सीधे इस्तेमाल की तुलना में प्रतिस्पर्धी नहीं माना गया।
- Alexa+ (LLM-enhanced) को व्यापक रूप से UX regression कहा गया है: अधिक latency और timers, music, lights जैसे core tasks पर कम reliability।
- जबरन AI UI, जैसे chatbot sidebar और chat के ज़रिए price-history, को उपयोगकर्ताओं को “bot से बात” कराने की clumsy dark-pattern training के रूप में देखा गया है।
रोबोटिक्स और लॉजिस्टिक्स एक स्वाभाविक AI फोकस के रूप में
- कई लोगों को लगता है कि warehouse automation और robotics Amazon का वास्तविक AI अवसर है: बहुत बड़ा internal labor cost, in-house testbed, और robots को बड़े पैमाने पर deploy करने की क्षमता।
- एक सफल automated picker/fulfillment stack सैकड़ों हज़ार roles हटा सकता है और एक protected, patentable advantage बना सकता है।
व्यापक AI अर्थशास्त्र और प्रभाव
- कुछ का तर्क है कि AI labs बिना स्पष्ट ROI के cash जला रहे हैं; दूसरे software development में खासकर dramatic productivity gains का वर्णन करते हैं।
- इस बात पर असहमति है कि AI अपेक्षा से अधिक दे रहा है या कम, और क्या इसके आर्थिक लाभ टिकाऊ साबित होंगे या bubble-like।