The Inference Bottleneck: A Formal Model of Vertical Foreclosure in AI Markets

यहाँ गैस्टन बेसनसोन (अप्रैल 2026) के वर्किंग पेपर "द इन्फरेंस बॉटलनेक: ए फॉर्मल मॉडल ऑफ वर्टिकल फोरक्लोजर इन एआई मार्केट्स" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र जनरेटिव एआई बाजार के भीतर प्रतिस्पर्धी गतिशीलता में एक मौलिक बदलाव को संबोधित करता है: एकमुश्त मॉडल प्रशिक्षण पर आधारित प्रतिस्पर्धा से निरंतर इन्फरेंस (inference), वितरण और रूटिंग पर आधारित प्रतिस्पर्धा की ओर संक्रमण।

चूंकि ऊर्ध्वाधर रूप से एकीकृत फर्में (जैसे गूगल, ओपनएआई, माइक्रोसॉफ्ट, एंथ्रोपिक) "संज्ञानात्मक बुनियादी ढांचे" (स्केलेबल इन्फरेंस एपीआई) को नियंत्रित करती हैं और साथ ही अपने स्वयं के अनुप्रयोगों (applications) के साथ डाउनस्ट्रीम में प्रतिस्पर्धा भी करती हैं, इसलिए वे गैर-मूल्य ऊर्ध्वाधर फोरक्लोजर (non-price vertical foreclosure) में संलग्न होने के प्रोत्साहन का सामना करती हैं। पारंपरिक एंटीट्रस्ट चिंताओं के विपरीत, जो प्रीडेटरी प्राइसिंग (predatory pricing) पर केंद्रित होती हैं, यह शोध पत्र इस बात की जांच करता है कि कैसे अपस्ट्रीम प्रदाता कीमतों को कम किए बिना, सेवा की गुणवत्ता (QoS) को कम करके या रूटिंग निर्णयों में पक्षपात करके प्रतिस्पर्धियों के लिए लागत बढ़ा सकते हैं और प्रतिस्पर्धा को बाधित कर सकते हैं।

यह शोध पत्र विशेष रूप से निम्नलिखित लक्ष्यों को प्राप्त करने का प्रयास करता है:

• एआई इन्फरेंस बाजारों में गैर-मूल्य भेदभाव के आर्थिक प्रोत्साहनों को औपचारिक रूप देना।
• एक नए तंत्र को मॉडल करना: टियर-आधारित एक्सेस भेदभाव (फ्रंटियर मॉडल क्लास तक पहुंच को रोकना)।
• अमूर्त आर्थिक सिद्धांत और नियामक अवलोकन योग्यताओं (regulatory observables) के बीच के अंतर को पाटकर प्रवर्तन के लिए एक उपयोगी ढांचा तैयार करना।

2. कार्यप्रणाली (Methodology)

यह शोध पत्र अप्रैल 2026 तक के सार्वजनिक डेटा पर आधारित एक औपचारिक गेम-थ्योरेटिक मॉडल और शैलीकृत अंशांकन (stylized calibration) का उपयोग करता है।

A. सैद्धांतिक ढांचा (Theoretical Framework)

• बाजार संरचना: दो-स्तरीय बाजार जहाँ एक अपस्ट्रीम प्रदाता ($U$) इन्फरेंस इंफ्रास्ट्रक्चर को नियंत्रित करता है और $N$ डाउनस्ट्रीम प्रतिद्वंद्वी हैं। $U$ स्वयं एक डाउनस्ट्रीम एप्लिकेशन भी संचालित करता है।
• मांग: उपभोक्ता अनुप्रयोगों के बीच चयन करते समय एक लॉगिट डिमांड मॉडल (Logit demand model) का उपयोग करते हैं, जहाँ उपयोगिता (utility) एप्लिकेशन की गुणवत्ता ($Q$) और मूल्य ($p$) पर निर्भर करती है।
• गुणवत्ता एकत्रीकरण: अंतिम एप्लिकेशन की गुणवत्ता, इन्फरेंस गुणवत्ता ($q$) और एप्लिकेशन-लेयर प्रयास ($e$) का एक फलन है: $Q_i = \alpha q_i + (1-\alpha)e_i$। यहाँ $\alpha$ इन्फरेंस गुणवत्ता के महत्व को दर्शाता है।
• लागत संरचना: अपस्ट्रीम इंफ्रास्ट्रक्चर की लागत गुणवत्ता ($q^2$) के वर्ग में है, जिसमें एक पद ($\phi$) शामिल है जो प्रथम-पक्ष और तृतीय-पक्ष वर्कलोड को सेवा देने के दौरान 'इकोनॉमीज ऑफ स्कोप' को दर्शाता है।
• समय क्रम (Timing):
  1. चरण 1: $U$ एपीआई की शर्तें (मूल्य $p$, स्वयं की गुणवत्ता $q_U$, प्रतिद्वंद्वी की गुणवत्ता $q_i$) निर्धारित करने के लिए प्रतिबद्ध होता है। प्रतिद्वंद्वी इन शर्तों के आधार पर प्रवेश का निर्णय लेते हैं।
  2. चरण 2: सक्रिय फर्में प्रयास के स्तर चुनती हैं और कीमतें निर्धारित करती हैं; उपभोक्ता चुनाव करते हैं।

B. विस्तार (Extensions)

मूल मॉडल को निम्नलिखित के साथ विस्तारित किया गया है:

1. डायनेमिक फोरक्लोजर: एक दो-अवधि वाला मॉडल जहाँ प्रदाता पारिस्थितिकी तंत्र के विकास को लॉक करने के लिए शुरू में उदार पहुंच प्रदान करते हैं, फिर स्विचिंग कॉस्ट (बदलने की लागत) अधिक होने पर QoS को कम कर देते हैं।
2. रूटिंग बायस (Routing Bias): यह मॉडल करना कि कैसे एक उपयोगकर्ता-केंद्रित असिस्टेंट संचालित करने वाला अपस्ट्रीम प्रदाता अपने स्वयं के टूल्स की ओर ट्रैफिक को पक्षपाती बना सकता है।
3. टियर-आधारित एक्सेस: एक तंत्र जो एक "बेसलाइन" मॉडल (सामान्यतः उपलब्ध) और एक "फ्रंटियर" मॉडल (प्रतिबंधित पहुंच) के बीच अंतर करता है, जिसे टियर गैप ($\tau$) और पार्टनर एक्सक्लूसिविटी ($\kappa$) द्वारा पैरामीटराइज किया गया है।

C. अंशांकन और पहचान (Calibration & Identification)

यह शोध पत्र स्पष्ट रूप से स्ट्रक्चरल एस्टीमेशन (जो यह नहीं करता है) और तुलनात्मक जोखिम मानचित्रण (comparative risk mapping) के बीच अंतर करता है।

• पैरामीटर्स: इन्हें अवलोकन योग्य (जैसे बाजार हिस्सेदारी), अनुमानित (जैसे एकीकरण की व्यापकता $\lambda$), या निर्णय-आधारित (जैसे स्विचिंग कॉस्ट $S$) के रूप में वर्गीकृत किया गया है।
• संवेदनशीलता विश्लेषण: परिणामों का परीक्षण प्रमुख मापदंडों में परिवर्तन के विरुद्ध किया जाता है ताकि उनकी मजबूती सुनिश्चित की जा सके।
• डेटा स्रोत: गूगल, ओपनएआई, माइक्रोसॉफ्ट और एंथ्रोपिक के लिए अप्रैल 2026 के सार्वजनिक एडॉप्शन डेटा का उपयोग किया गया है।

3. मुख्य योगदान (Key Contributions)

यह शोध पत्र चार विशिष्ट सैद्धांतिक और व्यावहारिक योगदान देता है:

1. गैर-मूल्य फोरक्लोजर का औपचारिक मॉडल: यह उन स्थितियों को व्युत्पन्न करता है जिनमें एक ऊर्ध्वाधर रूप से एकीकृत प्रदाता लाभप्रद रूप से तीसरे पक्ष के QoS को कम करता है। यह सिद्ध करता है कि भेदभाव डाउनस्ट्रीम बिजनेस-स्टीलिंग लाभ और API राजस्व हानि के बीच के ट्रेड-ऑफ से प्रेरित है।
2. टियर-आधारित एक्सेस भेदभाव: यह एक विशिष्ट फोरक्लोजर तंत्र की पहचान करता है जहाँ प्रदाता श्रेष्ठ मॉडल क्लास (फ्रंटियर टियर्स) तक पहुंच को रोकते हैं। मानक QoS भेदभाव के विपरीत, यह "कैपेबिलिटी रेंट" उत्पन्न करता है जो बेसलाइन बाजार में प्रतिस्पर्धी क्षरण के अधीन नहीं है।
3. पारदर्शी अंशांकन पद्धति: यह एक पुनरुत्पादनीय "तुलनात्मक जोखिम मानचित्रण" ढांचा प्रदान करता है, जो मापदंडों की उत्पत्ति को स्पष्ट रूप से बताता है और फर्म-स्तरीय आउटपुट को स्ट्रक्चरल एस्टीमेट के बजाय जोखिम संकेतक के रूप में मानता है।
4. मॉडल-टू-ऑब्जर्वेबल्स ब्रिज: यह गुप्त मॉडल प्रिमिटिव्स (जैसे $\alpha, \lambda, \tau$) को विशिष्ट नियामक अवलोकन योग्यताओं (जैसे लेटेंसी डिफरेंशियल, पार्टनर सेट कंपोजिशन) से जोड़ता है, जिससे व्यावहारिक प्रवर्तन संभव होता है।

4. मुख्य परिणाम (Key Results)

A. इक्विलिब्रियम लक्षण वर्णन (Proposition 1)

शोध पत्र QoS गैप ($\Delta q^* = q^*_U - q^*_i$) का एक स्पष्ट स्थानीय संतुलन लक्षण वर्णन व्युत्पन्न करता है:
$$\Delta q^* = \frac{1}{\gamma} \left( \alpha \cdot m_U \cdot s_U [(1-s_U) + s] - \frac{p \rho \eta}{q^*_i} \right)$$

• भेदभाव की स्थिति: भेदभाव तभी होता है ($\Delta q^* > 0$) जब डाउनस्ट्रीम मार्केट शेयर छीनने से होने वाला सीमांत लाभ, API राजस्व के सीमांत नुकसान से अधिक हो।
• तुलनात्मक सांख्यिकी: यह गैप:
  • इन्फरेंस गुणवत्ता ($\alpha$) और डाउनस्ट्रीम मार्जिन ($m_U$) के महत्व में बढ़ता है।
  • API एक्सेस कीमतों ($p$) और प्रतिद्वंद्वी प्रवेश लोच ($\eta$) में घटता है।
• परिष्करण: भेदभाव केवल $\alpha$ के सरल थ्रेशोल्ड द्वारा निर्धारित नहीं होता है, बल्कि मार्जिन, कीमतों और लोच के स्थान में एक संयुक्त सीमा द्वारा निर्धारित होता है।

B. कल्याण प्रभाव (Welfare Effects)

फोरक्लोजर से होने वाला कल्याण नुकसान (welfare loss) निम्नलिखित से मिलकर बना है:

1. प्रत्यक्ष गुणवत्ता हानि: प्रतिद्वंद्वी सामाजिक इष्टतम (social optimum) की तुलना में कम गुणवत्ता प्रदान करते हैं।
2. एफर्ट मल्टीप्लायर: घटिया QoS प्रतिद्वंद्वियों के एप्लिकेशन-लेयर प्रयास में निवेश करने के प्रोत्साहन को कम कर देता है।
3. बिजनेस-स्टीलिंग डेडवेट लॉस: मांग स्वाभाविक रूप से बेहतर गुणवत्ता के कारण नहीं, बल्कि प्रतिद्वंद्वियों की कृत्रिम गिरावट के कारण एकीकृत फर्म की ओर स्थानांतरित हो जाती है।

C. टियर-आधारित एक्सेस (Proposition 5)

मॉडल दिखाता है कि फोरक्लोजर लाभ टियर गैप ($\tau$) और पार्टनर एक्सक्लूसिविटी ($\kappa$) के साथ निरंतर बढ़ते हैं। यह तंत्र ऐसे "कैपेबिलिटी रेंट्स" बनाता है जो फ्रंटियर मॉडल को रोकने तक बने रहते हैं, जो मानक QoS प्रतिस्पर्धा से अलग है।

D. तुलनात्मक जोखिम मानचित्रण (अप्रैल 2026 डेटा)

चार प्रमुख प्रदाताओं पर मॉडल लागू करने पर निम्नलिखित जोखिम मूल्यांकन प्राप्त होते हैं:

• गूगल (जेमिनी): उच्चतम जोखिम। उच्च एकीकरण ($\lambda \approx 0.92$), उच्च डाउनस्ट्रीम मार्जिन और महत्वपूर्ण बाजार हिस्सेदारी एक बड़े QoS गैप (अनुमानित $\approx 0.27$) के लिए मजबूत प्रोत्साहन बनाती है।
• ओपनएआई (GPT): बढ़ा हुआ जोखिम। उच्च उपभोक्ता पहुंच और सब्सक्रिप्शन मार्जिन एक महत्वपूर्ण QoS गैप (अनुमानित $\approx 0.20$) का संकेत देते हैं, जो गूगल के जोखिम प्रोफाइल के समान है।
• माइक्रोसॉफ्ट (कोपायलट): उच्च संरचनात्मक क्षमता, सीमित वास्तविक आचरण। फोरक्लोजर के लिए संरचनात्मक रूप से सक्षम होने के बावजूद (उच्च $\lambda$), देखा गया रूटिंग बायस स्वैच्छिक रूप से प्रतिबंधित है (संभवतः प्रतिस्पर्धा और नियामक जांच के कारण), जिसके परिणामस्वरूप कम वास्तविक जोखिम दिखता है।
• एंथ्रोपिक (क्लाउड): विभाजित स्थिति।
  • उपभोक्ता चैनल: कम जोखिम। एंटरप्राइज API राजस्व का प्रभुत्व प्रतिद्वंद्वी को नुकसान पहुँचाने वाले API डिग्रेडेशन को अलाभकारी बनाता है।
  • एंटरप्राइज कोडिंग-एजेंट: बढ़ा हुआ जोखिम। इस उप-बाजार में ऊर्ध्वाधर एकीकरण (Claude Code बनाम API प्रतिद्वंद्वी) भेदभाव के लिए प्रोत्साहन पैदा करता है।
  • साइबर सुरक्षा टियर (प्रोजेक्ट ग्लासविंग): टियर-गेटेड। उच्च $\tau$ और $\kappa$ टियर-गेटिंग मानदंडों को ट्रिगर करते हैं, हालांकि वर्तमान स्थितियां पारदर्शिता दायित्वों को पूरा करने पर एक संभावित "सेफ्टी कार्व-आउट" का सुझाव देती हैं।

5. महत्व और नीतिगत निहितार्थ (Significance and Policy Implications)

A. नियामक ढांचा: "न्यूट्रल इन्फरेंस" (Neutral Inference)

शोध पत्र इन जोखिमों को कम करने के लिए एक चार-स्तंभ वाला आचरण ढांचा प्रस्तावित करता है:

1. QoS समानता: प्रतिद्वंद्वियों के लिए गैर-भेदभावपूर्ण लेटेंसी, थ्रूपुट और फीचर एक्सेस अनिवार्य करें।
2. रूटिंग पारदर्शिता: टूल्स तक यूजर रिक्वेस्ट कैसे रूट की जाती हैं, इसके ऑडिट योग्य रिकॉर्ड की आवश्यकता हो।
3. FRAND-शैली का गैर-भेदभाव: ऐसी भेदभावपूर्ण कीमतों या शर्तों को रोकें जो प्रतिद्वंद्वियों को कमजोर करती हों।
4. टियर पारदर्शिता और रिलीज पाथवे: प्रतिबंधित-एक्सेस टियर्स के लिए, उद्देश्य का औचित्य, पार्टनर सेट का ऑडिट और सामान्य उपलब्धता के लिए स्पष्ट तकनीकी मार्ग आवश्यक है।

B. कल्याण प्रभाव

उदाहरण गणनाओं से पता चलता है कि हस्तक्षेप न करने पर वार्षिक कल्याण हानि $35B से$95B के बीच हो सकती है। "न्यूट्रल इन्फरेंस" ढांचे को लागू करने से नवाचार के संभावित प्रभावों के बाद भी, सालाना $40B–$55B का शुद्ध कल्याण लाभ मिल सकता है।

C. एंटीट्रस्ट सिद्धांत में योगदान

यह शोध पत्र निम्नलिखित के माध्यम से डिजिटल बाजारों में ऊर्ध्वाधर फोरक्लोजर की समझ को परिष्कृत करता है:

• मूल्य-आधारित सिद्धांतों से आगे बढ़कर गुणवत्ता-आधारित भेदभाव की ओर जाना।
• फ्रंटियर एआई के लिए प्रासंगिक एक विशिष्ट फोरक्लोजर तंत्र के रूप में टियर्ड एक्सेस को पेश करना।
• एक व्यावहारिक प्रवर्तन टूलकिट प्रदान करना जो जटिल आर्थिक मॉडलों को मापने योग्य नियामक ट्रिगर्स में बदल देता है, जिससे एंटीट्रस्ट विश्लेषण अमूर्त सिद्धांत से परिचालन वास्तविकता की ओर बढ़ता है।

निष्कर्षतः, यह शोध पत्र तर्क देता है कि एआई युग में, इन्फरेंस इंफ्रास्ट्रक्चर पर नियंत्रण एक बाधा (bottleneck) है जिसके लिए आचरण-आधारित विनियमन की आवश्यकता है, ताकि ऊर्ध्वाधर रूप से एकीकृत दिग्गजों द्वारा "विजेताओं के चयन" को रोका जा सके, जबकि सावधानीपूर्वक कैलिब्रेटेड सहनशीलता सीमाओं के माध्यम से नवाचार के लिए प्रोत्साहन को बनाए रखा जा सके।