चीन और डीपसीक | कृत्रिम बुद्धिमत्ता: एक नई वास्तुकला चिप बाजार में कैसे हलचल मचा रही है

100 मिलियन डॉलर के बजाय 294,000 डॉलर: डीपसीक की मूल्य प्रतिस्पर्धा की सच्चाई

चीनी एआई फर्म डीपसीक की नवीनतम खोज कृत्रिम बुद्धिमत्ता के भविष्य के बारे में मूलभूत प्रश्न उठाती है। दिसंबर 2025 के अंत में, कंपनी ने एक नई प्रशिक्षण विधि (मैनिफोल्ड-कंस्ट्रेंड हाइपर-कनेक्शन्स) प्रस्तुत की, जिसमें पूरे उद्योग को नया रूप देने की क्षमता है। जहां पश्चिमी प्रौद्योगिकी दिग्गज विशाल डेटा केंद्रों और विशेष चिप्स में अरबों डॉलर का निवेश कर रहे हैं, वहीं डीपसीक केवल पूंजी निवेश के बजाय वास्तुकला की जटिलता पर आधारित एक वैकल्पिक मार्ग प्रदर्शित कर रही है। यह विकास एआई उद्योग की आर्थिक नींव को हिला सकता है और एक ऐसे परिवर्तन की शुरुआत कर सकता है जहां सफलता या विफलता केवल संसाधनों की उपलब्धता से नहीं, बल्कि इंजीनियरिंग विशेषज्ञता से निर्धारित होगी।.

चीन का यह दृष्टिकोण मजबूरी से नहीं, बल्कि विकल्प से उपजा था। अमेरिका द्वारा लगाए गए निर्यात प्रतिबंधों के कारण चीनी कंपनियाँ एनवीडिया के सबसे शक्तिशाली एआई चिप्स तक नहीं पहुँच पा रही थीं। जो शुरुआत में एक रणनीतिक नुकसान प्रतीत हुआ, वह वैकल्पिक विकास के रास्तों के लिए एक उत्प्रेरक बन गया। डीपसीक को सीमित हार्डवेयर के साथ अधिकतम प्रदर्शन हासिल करना था, जिसके लिए उसने ऐसे तरीके विकसित किए जो अब पूरे उद्योग की लागत संरचना को चुनौती दे रहे हैं। जनवरी 2025 में आर1 मॉडल के लॉन्च ने, जो शीर्ष अमेरिकी मॉडलों को टक्कर देता था लेकिन बहुत कम लागत में विकसित किया गया था, शेयर बाजारों में हलचल मचा दी और दुनिया भर के विश्लेषकों को अपने मूल्यांकन मॉडलों पर पुनर्विचार करने के लिए मजबूर कर दिया।.

इससे संबंधित:

• डीपसीक V3.2: GPT-5 और जेमिनी-3 स्तर का एक प्रतियोगी और आपके अपने सिस्टम पर स्थानीय रूप से तैनात करने योग्य! क्या गीगाबिट AI डेटा सेंटर का अंत हो गया है?

अति-संबंधों से लेकर गणितीय स्थिरता तक

नई डीपसीक पद्धति का तकनीकी आधार कृत्रिम बुद्धिमत्ता (एआई) में नेटवर्किंग के आगे विकास पर आधारित है। पारंपरिक न्यूरल नेटवर्क तथाकथित अवशिष्ट कनेक्शनों का उपयोग करते हैं - एक प्रकार का "शॉर्टकट" जिसके माध्यम से नेटवर्क की परतों के बीच सूचना का आदान-प्रदान होता है। ये ब्रिज सीखने के संकेतों को रास्ते में लुप्त होने से रोककर गहरे नेटवर्क को प्रशिक्षित करना संभव बनाते हैं। डीपसीक के "हाइपर-कनेक्शन" परतों के बीच सूचना प्रवाह को बढ़ाकर और अधिक लचीले पैटर्न की अनुमति देकर इस अवधारणा को आगे बढ़ाते हैं। इससे प्रदर्शन में सुधार होता है, लेकिन इसकी एक महत्वपूर्ण कमी है: अतिरिक्त जटिलता स्थिरता को प्रभावित करती है, क्योंकि सूचना अब पारंपरिक कनेक्शनों की तरह विश्वसनीय रूप से प्रसारित नहीं होती है।.

पारंपरिक शॉर्टकट के साथ, नेटवर्क के माध्यम से जानकारी का प्रवाह काफी हद तक अपरिवर्तित रहता है, जिसके परिणामस्वरूप स्थिर प्रशिक्षण होता है। नए हाइपर-कनेक्शन सीखने की क्षमता बढ़ाने के लिए इस विशेषता का त्याग करते हैं, लेकिन बड़े मॉडल को प्रशिक्षित करते समय इससे महत्वपूर्ण उतार-चढ़ाव आते हैं। डीपसीक ने प्रयोगों में पाया कि लगभग 12,000 प्रशिक्षण चरणों के बाद त्रुटि दर अप्रत्याशित रूप से बढ़ गई - जो अस्थिरता का स्पष्ट संकेत है। सीखने की प्रक्रिया के नियंत्रण संकेत अव्यवस्थित रूप से व्यवहार करने लगे, जिससे अधिक शक्तिशाली मॉडल तक पहुंचना लगभग असंभव हो गया। साथ ही, व्यापक कनेक्शनों ने डेटा ट्रैफ़िक को बढ़ा दिया, क्योंकि मेमोरी और प्रोसेसर के बीच अधिक जानकारी स्थानांतरित करनी पड़ती थी।.

डीपसीक का समाधान इन जटिल संबंधों को निश्चित नियमों वाले एक नियंत्रित गणितीय स्थान ("मैनिफोल्ड") में प्रोजेक्ट करता है। यह गणितीय युक्ति समृद्ध सूचना आदान-प्रदान के लाभों को बनाए रखते हुए स्थिरता को बहाल करती है। यह स्थान विशेष मैट्रिक्स द्वारा परिभाषित किया गया है जहां मान समग्र स्थिरता बनाए रखने के लिए संतुलित होते हैं। हालांकि यह प्रतिबंध तकनीकी लग सकता है, इसके दूरगामी व्यावहारिक परिणाम हैं: यह गारंटी देता है कि नेटवर्क के माध्यम से प्रवाहित होते समय सिग्नल न तो खोते हैं और न ही अनियंत्रित रूप से बढ़ते हैं।.

27 अरब पैरामीटर वाले मॉडल के साथ किए गए व्यावहारिक परीक्षणों ने इसकी प्रभावशीलता की पुष्टि की। मानक और स्थिर हाइपर-कनेक्शन दोनों ने बेसलाइन मॉडल से बेहतर प्रदर्शन किया, लेकिन स्थिर संस्करण ने लगातार सर्वोत्तम परिणाम प्राप्त किए। प्रशिक्षण स्थिरता में ज़बरदस्त सुधार हुआ। जहां मानक मॉडल में 12,000 चरणों के बाद काफ़ी ड्रॉपआउट देखने को मिले, वहीं नई विधि से प्रशिक्षण सुचारू रूप से चला और स्थिर बेसलाइन मॉडल के व्यवहार का बारीकी से अनुसरण किया। सीखने के संकेत पूरी प्रक्रिया के दौरान सामान्य सीमा के भीतर रहे, जो स्थिरता की समस्या के मूलभूत समाधान का संकेत देते हैं।.

प्रदर्शन में सुधार के लिए कुछ कीमत चुकानी पड़ती है, लेकिन यह कीमत आश्चर्यजनक रूप से मामूली है। मानक विधि की तुलना में इस विधि में गणना के लिए लगने वाला समय लगभग 6.7 प्रतिशत बढ़ जाता है। प्रदर्शन में होने वाले व्यापक सुधारों के सामने यह मामूली अतिरिक्त प्रयास नगण्य है, जिससे यह विधि वर्तमान शोध में सबसे कुशल रणनीतियों में से एक बन जाती है। डीपसीक ने डेटा ट्रांसमिशन पथों पर भार कम करने के लिए बुनियादी ढांचे में कठोर अनुकूलन भी लागू किए हैं। ये अनुकूलन महत्वपूर्ण हैं क्योंकि बड़े मॉडलों के मामले में, बाधा अक्सर गणना शक्ति नहीं होती, बल्कि मेमोरी और प्रोसेसर के बीच डेटा स्थानांतरण की गति होती है।.

इससे संबंधित:

• नई खबर! डीपसीक ओसीआर चीन की खामोश जीत है: कैसे एक ओपन-सोर्स एआई चिप्स के क्षेत्र में अमेरिकी वर्चस्व को कमजोर कर रहा है

सुर्खियों के पीछे की आर्थिक वास्तविकता

डीपसीक की लागतों को लेकर शुरू से ही सार्वजनिक चर्चा में कई गलतफहमियां थीं। जनवरी 2025 में जब कंपनी ने अपना R1 मॉडल लॉन्च किया, तो सामने आए आंकड़ों के अनुसार V3 बेस मॉडल की ट्रेनिंग लागत छह मिलियन डॉलर से भी कम थी। इसकी तुलना अक्सर OpenAI के GPT-4 की अनुमानित लागत एक सौ मिलियन डॉलर से की जाती थी, जिससे यह धारणा बनी कि डीपसीक ने लागत के मामले में पच्चीस गुना लाभ हासिल कर लिया है। सितंबर 2025 में, डीपसीक ने नेचर पत्रिका में एक लेख प्रकाशित किया जिसमें बताया गया कि R1 की ट्रेनिंग लागत केवल 294,000 डॉलर थी। इस आंकड़े ने एक बार फिर मीडिया में सुर्खियां बटोरीं और लागत के मामले में मूलभूत लाभ की धारणा को और मजबूत किया।.

हालांकि, गहन विश्लेषण से एक अधिक जटिल तस्वीर सामने आती है। 294,000 डॉलर की राशि केवल तथाकथित प्रशिक्षणोत्तर चरण को संदर्भित करती है, जिसमें पहले से ही बुद्धिमान मॉडल को अभ्यास और प्रतिक्रिया के माध्यम से परिष्कृत किया जाता है। वास्तविक कुल लागत केवल कंप्यूटिंग समय के लिए ही 5.87 मिलियन डॉलर से अधिक है, इसके अतिरिक्त हार्डवेयर निवेश लगभग 51 मिलियन डॉलर है। इन आंकड़ों में अनुसंधान, डेटा तैयारी, कर्मियों और असफल प्रयोगों की लागत शामिल नहीं है। जब इन कारकों को ध्यान में रखा जाता है, तो वास्तविक विकास लागत एक ऐसी सीमा में होती है जो पश्चिम में तुलनीय आंकड़ों से कम होने के बावजूद, अक्सर उद्धृत की जाने वाली भारी संख्या तक नहीं पहुंचती है।.

कृत्रिम बुद्धिमत्ता (AI) के विकास की लागत संरचना को समझना स्वाभाविक रूप से कठिन है। OpenAI ने GPT-4 के लिए कभी भी सटीक आंकड़े प्रकाशित नहीं किए हैं। अक्सर उद्धृत किया जाने वाला 100 मिलियन डॉलर का अनुमान सैम अल्टमैन का है, जिन्होंने 2023 में बुनियादी मॉडल प्रशिक्षण की लागत को काफी अधिक बताया था। GPT-4o जैसे नए मॉडलों के लिए इसी तरह के अनुमान बताते हैं कि विशेषीकृत विशेषज्ञ नेटवर्क, अधिक कुशल विधियों और अनुकूलित बुनियादी ढांचे जैसी आधुनिक तकनीकों के कारण लागत में काफी कमी आई है। कुछ विश्लेषणों के अनुसार, GPT-4o के प्रशिक्षण की लागत 5 से 16 मिलियन डॉलर के बीच है, जिसका अर्थ है कि DeepSeek के साथ लागत का अंतर सार्वजनिक रूप से अनुमानित से काफी कम है।.

फिर भी, डीपसीक की उपलब्धि उल्लेखनीय है। कंपनी ने दो महीने की अवधि में 2,048 H800 चिप्स पर लगभग 2.8 मिलियन GPU घंटों के साथ अपने V3 मॉडल को प्रशिक्षित किया। H800, Nvidia के H100 का एक सीमित संस्करण है, जिसे चीनी बाजार के लिए बनाया गया है और अमेरिकी निर्यात नियमों का पालन करने के लिए इसकी डेटा ट्रांसफर दर को काफी कम कर दिया गया है। ये चिप्स पश्चिमी डेटा केंद्रों में उपयोग किए जाने वाले मूल चिप्स या यहां तक ​​कि नए ब्लैकवेल प्रोसेसर की तुलना में काफी कम शक्तिशाली हैं। इस सीमित हार्डवेयर के साथ प्रतिस्पर्धी मॉडल विकसित करने में डीपसीक की सफलता ही असली उपलब्धि है।.

विशेषज्ञों के मिश्रण वाली संरचना इसमें केंद्रीय भूमिका निभाती है। DeepSeek V3 में कुल 671 बिलियन पैरामीटर हैं, लेकिन प्रति शब्द गणना में केवल 37 बिलियन ही सक्रिय होते हैं। इसका मतलब है कि मॉडल का केवल एक छोटा सा हिस्सा ही वास्तव में प्रत्येक क्वेरी पर काम करता है। मॉडल में कई विशिष्ट "विशेषज्ञ" और एक साझा ज्ञान भंडार शामिल है, जिसमें प्रत्येक चरण के लिए केवल कुछ ही विशेषज्ञों का चयन किया जाता है। यह डिज़ाइन गणना लागत को आनुपातिक रूप से बढ़ाए बिना मॉडल के ज्ञान को बड़े पैमाने पर बढ़ाना संभव बनाता है। प्रत्येक विशेषज्ञ विशिष्ट विषयों में विशेषज्ञता हासिल कर सकता है, जिसके परिणामस्वरूप बेहतर प्रदर्शन और अधिक दक्षता प्राप्त होती है।.

इस विशेषज्ञ दृष्टिकोण की चुनौती लोड बैलेंसिंग में निहित है। यदि कुछ विशेषज्ञ लगातार मांग में रहते हैं जबकि अन्य निष्क्रिय रहते हैं, तो दक्षता संबंधी समस्याएं उत्पन्न होती हैं। पारंपरिक दृष्टिकोण तथाकथित "पेनाल्टी फ़ंक्शन" का उपयोग करते हैं जो मॉडल को सभी विशेषज्ञों का समान रूप से उपयोग करने के लिए बाध्य करते हैं। हालांकि, यह विधि अक्सर खराब परिणाम देती है, क्योंकि सर्वोत्तम विशेषज्ञ का चयन हमेशा नहीं हो पाता है। डीपसीक ने ऐसी कृत्रिम पेनाल्टी के बिना एक चतुर लोड-बैलेंसिंग रणनीति लागू की, जिससे गुणवत्ता से समझौता किए बिना विशेषज्ञों का संतुलित उपयोग सुनिश्चित हुआ। यह नवाचार मॉडल के सफल विस्तार के लिए महत्वपूर्ण था।.

चीन के लिए नवाचार की रणनीतिक अनिवार्यता

डीपसीक के विकास को भू-राजनीतिक संदर्भ से अलग करके नहीं समझा जा सकता। अक्टूबर 2022 में, संयुक्त राज्य अमेरिका ने चीन को एआई चिप्स और विनिर्माण उपकरणों के निर्यात पर कड़े नियंत्रण लागू किए। इन उपायों का उद्देश्य चीन की उन्नत एआई प्रणालियों और उनके सैन्य अनुप्रयोगों को विकसित करने की क्षमता को सीमित करना था। एनवीडिया को चीनी बाजार के लिए विशेष रूप से संशोधित चिप्स विकसित करने के लिए मजबूर होना पड़ा। ए800 और एच800 शीर्ष मॉडलों के छोटे संस्करण के रूप में सामने आए, जिनकी गति अमेरिकी निर्यात प्रतिबंधों का पालन करने के लिए पर्याप्त रूप से कम कर दी गई थी।.

2023 में, अमेरिका ने नियंत्रण फिर से कड़े कर दिए, जिससे ये अंतरिम समाधान भी अवरुद्ध हो गए। साथ ही, आधुनिक एआई चिप्स के एक महत्वपूर्ण घटक, उच्च-प्रदर्शन मेमोरी पर निर्यात प्रतिबंध लगा दिए गए। इन उपायों ने चीनी कंपनियों को विकल्प विकसित करने या पुराने, कम कुशल हार्डवेयर का सहारा लेने के लिए मजबूर कर दिया। कभी दूरसंचार क्षेत्र में एक वैश्विक दिग्गज रही हुआवेई, पश्चिमी चिप प्रौद्योगिकी तक पहुंच से पूरी तरह से कट गई और उसे अपने स्वयं के समाधान विकसित करने के लिए मजबूर होना पड़ा। हालांकि हुआवेई के एसेंड प्रोसेसर, एनवीडिया की तुलना में प्रति चिप केवल एक अंश का प्रदर्शन करते हैं, लेकिन वे अपनी भारी उत्पादन क्षमता के कारण इसकी कुछ हद तक भरपाई कर सकते हैं।.

उत्पादन के आंकड़े इस चुनौती को स्पष्ट करते हैं। अनुमान है कि हुआवेई 2025 तक लगभग 200,000 एआई चिप्स का उत्पादन करेगी, जबकि चीन इसी अवधि में कानूनी रूप से लगभग दस लाख संशोधित एनवीडिया चिप्स आयात करने में सक्षम रहा है। इसके अलावा, प्रदर्शन का अंतर बढ़ता जा रहा है। विश्लेषण से पता चलता है कि सर्वश्रेष्ठ अमेरिकी चिप्स वर्तमान में हुआवेई के सर्वश्रेष्ठ उत्पादों की तुलना में लगभग पांच गुना अधिक शक्तिशाली हैं, और यह अंतर 2027 तक नाटकीय रूप से बढ़ने की उम्मीद है। यहां तक ​​कि अगर हुआवेई अपने उत्पादन में भारी वृद्धि भी कर ले, तब भी कंपनी 2027 तक विश्व स्तर पर एनवीडिया द्वारा प्रदान की जाने वाली कंप्यूटिंग शक्ति के करीब भी नहीं पहुंच पाएगी।.

इन प्रतिबंधों ने चीनी डेवलपर्स को अत्यधिक कुशल बनने के लिए मजबूर कर दिया। डीपसीक के संस्थापक लियांग वेनफेंग ने इस आवश्यकता को शुरुआत में ही पहचान लिया था और 2021 में ही, नियंत्रणों के कड़े होने से पहले, दस हजार एनवीडिया ए100 जीपीयू खरीद लिए थे। इस दूरदर्शी निवेश ने डीपसीक को उन प्रतिस्पर्धियों पर महत्वपूर्ण बढ़त दिलाई, जिनके पास बाद में केवल घटिया हार्डवेयर ही उपलब्ध थे। पूर्व हेज फंड मैनेजर ने वित्तीय क्षेत्र में अपनी सफलता के लिए आवश्यक रणनीतिक दूरदर्शिता का ही प्रयोग किया। उनका फंड, हाई-फ्लायर, अरबों डॉलर का प्रबंधन करता था और चीन की सबसे तकनीकी रूप से उन्नत वित्तीय कंपनियों में से एक था।.

जुलाई 2023 में डीपसीक की स्थापना महज एक प्रयोग से कहीं अधिक थी। लियांग कृत्रिम बुद्धिमत्ता के विकास को सदी की प्रमुख तकनीकी परियोजना मानते थे और चीन को इसमें अग्रणी स्थान दिलाना चाहते थे। एक साक्षात्कार में उन्होंने बताया कि युवा एआई स्टार्टअप स्थापित निगमों के साथ प्रतिस्पर्धा करने के लिए अच्छी स्थिति में हैं क्योंकि बाजार में एक मौलिक परिवर्तन हो रहा है। उन्होंने तर्क दिया कि निर्णायक कारक पुराने नियमों का पालन करना नहीं, बल्कि परिवर्तन के अनुरूप लचीले ढंग से ढलने और प्रतिक्रिया देने की क्षमता है।.

यह सिद्धांत डीपसीक के विकास दृष्टिकोण में परिलक्षित हुआ। शुरुआत से ही, कंपनी ने सीमित संसाधनों के साथ अधिकतम परिणाम प्राप्त करने पर ध्यान केंद्रित किया। जबकि ओपनएआई और एंथ्रोपिक जैसी पश्चिमी कंपनियों ने बड़े-बड़े मॉडलों और विशाल डेटा केंद्रों में अरबों डॉलर का निवेश किया, डीपसीक ने दक्षता के लिए आर्किटेक्चर, प्रशिक्षण और अनुप्रयोग को अनुकूलित किया। आर1 मॉडल ने इस रणनीति को बखूबी प्रदर्शित किया। इसने गणितीय कार्यों में सर्वश्रेष्ठ अमेरिकी मॉडलों के बराबर परिणाम प्राप्त किए, लेकिन इसके लिए एक ऐसे आर्किटेक्चर की आवश्यकता थी जो प्रति उत्तर काफी कम कंप्यूटिंग शक्ति का उपयोग करता था।.

यहां आप जानेंगे कि आपकी कंपनी बिना किसी बड़ी बाधा के, तेजी से, सुरक्षित रूप से और बिना किसी विशेष प्रक्रिया के अनुकूलित एआई समाधानों को कैसे लागू कर सकती है।.

एक प्रबंधित एआई प्लेटफॉर्म कृत्रिम बुद्धिमत्ता के लिए आपका संपूर्ण और चिंतामुक्त समाधान है। जटिल तकनीक, महंगे बुनियादी ढांचे और लंबी विकास प्रक्रियाओं से निपटने के बजाय, आपको एक विशेषज्ञ भागीदार से आपकी आवश्यकताओं के अनुरूप तैयार समाधान मिलता है - अक्सर कुछ ही दिनों के भीतर।.

मुख्य लाभ संक्षेप में:

⚡ त्वरित कार्यान्वयन: विचार से लेकर उपयोग के लिए तैयार एप्लिकेशन तक, महीनों में नहीं, दिनों में। हम ऐसे व्यावहारिक समाधान प्रदान करते हैं जो तत्काल मूल्यवर्धन करते हैं।.

🔒 अधिकतम डेटा सुरक्षा: आपका संवेदनशील डेटा आपके पास ही सुरक्षित रहता है। हम तीसरे पक्षों के साथ डेटा साझा किए बिना सुरक्षित और नियमों के अनुरूप प्रोसेसिंग की गारंटी देते हैं।.

💸 कोई वित्तीय जोखिम नहीं: आपको केवल परिणामों के लिए भुगतान करना होगा। हार्डवेयर, सॉफ्टवेयर या कर्मचारियों में होने वाले भारी प्रारंभिक निवेश की कोई आवश्यकता नहीं है।.

🎯 अपने मुख्य व्यवसाय पर ध्यान केंद्रित करें: आप जिस काम में सबसे अच्छे हैं, उसी पर ध्यान दें। हम आपके एआई समाधान के संपूर्ण तकनीकी कार्यान्वयन, संचालन और रखरखाव का ध्यान रखते हैं।.

📈 भविष्य के लिए तैयार और विस्तार योग्य: आपकी एआई आपके साथ बढ़ती है। हम निरंतर अनुकूलन और विस्तारशीलता सुनिश्चित करते हैं, और नए आवश्यकताओं के अनुसार मॉडलों को लचीले ढंग से अनुकूलित करते हैं।.

अधिक जानकारी यहाँ:

• प्रबंधित एआई समाधान - औद्योगिक एआई सेवाएं: सेवा, उद्योग और यांत्रिक इंजीनियरिंग क्षेत्रों में प्रतिस्पर्धात्मकता की कुंजी

प्रणालीगत व्यवधान और बाजार की प्रतिक्रियाएँ

जनवरी 2025 में DeepSeek R1 के लॉन्च ने तकनीकी जगत से परे भी हलचल मचा दी। शेयर बाजार में AI इंफ्रास्ट्रक्चर में भारी निवेश करने वाली कंपनियों को भारी नुकसान हुआ। Nvidia, जिसका मूल्य काफी हद तक इस धारणा पर आधारित था कि उसके महंगे चिप्स की मांग लगातार बढ़ती रहेगी, कुछ ही दिनों में गिर गई। निवेशकों ने सवाल उठाया कि क्या सैकड़ों अरब डॉलर का घोषित खर्च भी जरूरी था, जबकि एक चीनी स्टार्टअप इससे बहुत कम राशि में ही तुलनीय परिणाम प्राप्त कर सकता था।.

चीनी प्रौद्योगिकी दिग्गजों की प्रतिक्रिया तत्काल और निर्णायक थी। बाइटडांस, टेनसेंट, बायडू और अलीबाबा ने अपनी एआई सेवाओं की कीमतों में भारी कमी की। बाइटडांस का डौबाओ मॉडल पिछले वर्ष की तुलना में लगभग 99 प्रतिशत सस्ता हो गया। इन मूल्य कटौती के कारण उपयोग में जबरदस्त उछाल आया। दैनिक क्वेरी कुछ ही महीनों में 120 अरब से बढ़कर 500 अरब से अधिक हो गईं। चीन में एआई सेवाओं का समग्र बाजार अपेक्षाकृत कम मूल्य का था, जो उपयोग की भारी मात्रा को देखते हुए बेहद कम लाभ मार्जिन का संकेत देता है।.

ये आंकड़े एक समस्या को दर्शाते हैं: प्रतिस्पर्धा एआई की गुणवत्ता से हटकर बुनियादी ढांचे की दक्षता और कीमत पर केंद्रित हो रही है। चीन में बाज़ार की अग्रणी कंपनी अलीबाबा क्लाउड ने फिर भी एआई बुनियादी ढांचे में अरबों डॉलर के निवेश की घोषणा की है। बाइटडांस भी बड़े पैमाने पर चिप्स खरीदने की योजना बना रही है। टेनसेंट, जो चिप खरीद में कुछ पीछे रह गई है, लीज पर ली गई कंप्यूटिंग क्षमता और डीपसीक की कुशल तकनीक के उपयोग से इसकी भरपाई कर रही है।.

बाजार में एकीकरण की प्रक्रिया तेज हो रही है। विशेषज्ञों का अनुमान है कि चीनी एआई प्रदाताओं का क्षेत्र कुछ प्रमुख खिलाड़ियों तक सीमित हो जाएगा। विजेता वे होंगे जो प्रदर्शन और व्यावहारिक अनुप्रयोगों को मिलाकर अपनी तकनीक को मानक बना लेंगे। यह प्रक्रिया अन्य प्रौद्योगिकी क्षेत्रों में हो रहे विकास को दर्शाती है, जहां तीव्र नवाचार के दौर के बाद एकीकरण होता है, और केवल वही कंपनियां टिक पाती हैं जिनके पास प्रौद्योगिकी, व्यापकता और बाजार शक्ति का सर्वोत्तम संयोजन होता है।.

पश्चिम में भी ऐसा ही रुझान देखने को मिल रहा है। OpenAI का दबदबा काफी हद तक कम हो रहा है। ChatGPT की बाजार हिस्सेदारी में भारी गिरावट आई है, जबकि Google Gemini ने अपनी पकड़ मजबूत की है। यह बदलाव सिर्फ आंकड़ों में उतार-चढ़ाव नहीं है। यह इस बात का संकेत है कि "बाजार में सबसे पहले आने" का फायदा कम हो रहा है, जबकि स्थापित प्लेटफॉर्म वाले प्रतिस्पर्धी तेजी से आगे बढ़ रहे हैं। Google अपनी AI को सीधे सर्च और एंड्रॉयड में एकीकृत कर सकता है, जो एक विशुद्ध AI प्रदाता की तुलना में एक संरचनात्मक लाभ प्रदान करता है।.

मूल्य निर्धारण इस बदलाव को दर्शाता है। एंथ्रोपिक और ओपनएआई जैसे पश्चिमी प्रदाताओं ने भी अपनी कीमतें कम की हैं और अधिक कुशल मॉडल वेरिएंट पेश किए हैं। पिछले दो वर्षों में प्रति मिलियन संसाधित शब्दों की कीमत में भारी गिरावट आई है। यह विकास दर्शाता है कि एआई एक व्यापक बाज़ार वस्तु बनता जा रहा है। जब कई प्रदाता समान गुणवत्ता प्रदान करेंगे, तो कीमत निर्णायक कारक बन जाएगी, जिससे लाभ कम होगा और पैमाने का महत्व और भी बढ़ जाएगा।.

इससे संबंधित:

• विकेंद्रीकृत, संघबद्ध, एंटीफ्रैजाइल एआई इंफ्रास्ट्रक्चर या एआई गीगाफैक्ट्री या हाइपरस्केल एआई डेटा सेंटर में से कौन सा बेहतर है?

तर्क क्रांति की सीमाएँ

कार्यकुशलता में वृद्धि के साथ-साथ एक ऐसा विकास हुआ जो शुरू में एक बड़ी सफलता जैसा प्रतीत हुआ। तथाकथित "तर्क मॉडल", जो समस्याओं पर विचार करने और उनके चरणों को स्पष्ट रूप से समझने में अधिक समय लेते हैं, ने शानदार परिणाम प्राप्त किए। OpenAI का o1, DeepSeek का R1 और इसी तरह के मॉडलों ने गणित और प्रोग्रामिंग में प्रभावशाली क्षमताएं प्रदर्शित कीं। मूल विचार सरल है: यदि आप मॉडल को "सोचने" के लिए अधिक समय देते हैं और उसे समाधान का मार्ग तैयार करने की अनुमति देते हैं, तो उत्तरों में सुधार होना चाहिए।.

हालांकि, जून 2025 में, ऐप्पल ने एक अध्ययन प्रकाशित किया जिसमें कुछ कमियां उजागर हुईं। शोधकर्ताओं ने अत्याधुनिक मॉडलों का परीक्षण उन तर्क पहेलियों के साथ किया जिनकी कठिनाई को सटीक रूप से नियंत्रित किया जा सकता था। परिणाम चौंकाने वाले थे: मॉडलों ने विरोधाभासी व्यवहार प्रदर्शित किया। उनकी प्रसंस्करण क्षमता शुरू में जटिलता के साथ बढ़ी, लेकिन फिर एक निश्चित बिंदु पर फिर से घट गई, भले ही उनके पास पर्याप्त समय था - और समाधान गलत हो गए।.

इस अध्ययन में तीन चरण पहचाने गए। सरल समस्याओं के लिए, सामान्य भाषा मॉडल अक्सर "सोचने" वाले मॉडलों की तुलना में बेहतर और अधिक किफायती साबित हुए। मध्यम रूप से कठिन समस्याओं के लिए, सोचने की प्रक्रियाएँ स्पष्ट लाभ प्रदान करती थीं। हालाँकि, अत्यधिक जटिल समस्याओं के लिए, दोनों प्रकार के मॉडल पूरी तरह विफल हो गए। वे न केवल मामूली अंतर से असफल हुए, बल्कि दूर-दूर तक सही समाधान खोजने में भी असमर्थ रहे।.

सबसे चिंताजनक बात यह थी कि सही हल का सूत्र देने से भी कोई खास मदद नहीं मिली। मॉडल अब भी समान कठिनाई स्तरों पर विफल रहे। इससे पता चलता है कि समस्याएँ कहीं अधिक गंभीर हैं: मॉडल तार्किक चरणों का सख्ती से पालन करने और अपने तर्क की जाँच करने में असमर्थ हैं।.

"विचार प्रोटोकॉल" के विश्लेषण से कुछ पैटर्न सामने आए। सरल समस्याओं के लिए, मॉडल शुरुआत में ही समाधान ढूंढ लेते थे, लेकिन फिर अनावश्यक विवरणों में उलझ जाते थे। अत्यधिक जटिल समस्याओं में, वे अक्सर गलत रास्ते पर भटक जाते थे। एक निश्चित स्तर की कठिनाई के बाद, वे सही दृष्टिकोण विकसित करने में पूरी तरह असमर्थ हो जाते थे। वे अक्सर शुरुआती, गलत विचारों पर ही अटके रहते थे और त्रुटि को सुधारने के बजाय उन्हें सही ठहराने में अपना कंप्यूटिंग समय बर्बाद करते थे।.

एक अन्य अध्ययन ने चेतावनी दी है कि इन मॉडलों के विकास की गति जल्द ही रुक सकती है। भारी गणनात्मक प्रयासों के कारण परीक्षणों में बेहतर अंक प्राप्त करने के बावजूद, ये मॉडल धीमे और महंगे होते हैं। इसके आर्थिक परिणाम गंभीर हैं: "सोचने" वाले मॉडलों को संचालित करने में मानक मॉडलों की तुलना में कई गुना अधिक लागत आती है। यदि ये मॉडल अपेक्षित सफलताएँ देने में विफल रहते हैं और अपनी सीमाओं तक पहुँच जाते हैं, तो यह प्रश्न उठता है कि क्या इतना अधिक निवेश उचित है। यह निष्कर्ष कि सरल मॉडल अक्सर अधिक कुशल होते हैं, यह दर्शाता है कि भविष्य में, यह अधिक सटीक रूप से चुनना आवश्यक होगा कि कौन सा उपकरण किस कार्य के लिए सबसे उपयुक्त है।.

इससे संबंधित:

• स्वायत्त भौतिक एआई (एपीएआई): विकेन्द्रीकृत बुद्धिमत्ता की मौन क्रांति

अवसंरचना की होड़ और ऊर्जा की भूख

बेहतर सॉफ्टवेयर के बावजूद, उद्योग में संसाधनों की खपत बढ़ रही है। अनुमानों से पता चलता है कि इस दशक के अंत तक डेटा सेंटर की बिजली की मांग में भारी वृद्धि होगी। वैश्विक डेटा सेंटर बिजली खपत में AI अनुप्रयोगों का हिस्सा दोगुना हो सकता है। इस मांग को पूरा करने के लिए भारी-भरकम रकम का निवेश किया जा रहा है—दुनिया भर में खरबों डॉलर। OpenAI के "स्टारगेट" और इसके साझेदारों जैसी पहलें, या यूरोपीय निवेश कार्यक्रम, इस चुनौती की विशालता को दर्शाते हैं।.

क्षेत्रीय वितरण में बदलाव आ रहा है। हालांकि एशिया और उत्तरी अमेरिका वर्तमान में अग्रणी हैं, लेकिन अधिकांश नई क्षमता का निर्माण अमेरिका में होगा। यूरोप भी बड़े पैमाने पर विस्तार की योजना बना रहा है, जिससे महाद्वीप की बिजली की मांग में उल्लेखनीय वृद्धि हो सकती है।.

साथ ही, डेटा केंद्रों में बिजली की खपत लगातार बढ़ रही है। चूंकि एआई चिप्स कम जगह में अत्यधिक गर्मी पैदा करते हैं, इसलिए कूलिंग एक बड़ी चुनौती बनती जा रही है। पारंपरिक एयर कंडीशनिंग सिस्टम अब अक्सर पर्याप्त नहीं रह गए हैं, यही कारण है कि उन्नत लिक्विड कूलिंग सिस्टम की आवश्यकता है, जो कि महंगे और जटिल होते हैं।.

बाजार में अत्यधिक तेजी के संकेत दिख रहे हैं। डेटा सेंटर का उपयोग बढ़ रहा है, जिससे कीमतें बढ़ रही हैं। जब तक और अधिक निर्माण परियोजनाएं पूरी नहीं हो जातीं या एआई की मांग में वृद्धि धीमी नहीं हो जाती, तब तक इसमें सुधार की उम्मीद नहीं है। हालांकि, अगर डीपसीक जैसी कुशल विधियां व्यापक रूप से उपयोग में आ जाती हैं, तो नए डेटा सेंटरों की आवश्यकता अनुमान से कम हो सकती है। इससे नियोजित बड़े निवेशों पर सवाल उठेंगे और क्षमता से अधिक उत्पादन की स्थिति उत्पन्न होगी – यह उन सभी के लिए जोखिम है जिन्होंने हार्डवेयर की लगातार बढ़ती मांग पर दांव लगाया है।.

राष्ट्रीय रणनीतियाँ और तकनीकी संप्रभुता

डीपसीक का विकास चीन की स्वतंत्रता की खोज से गहराई से जुड़ा हुआ है। पंचवर्षीय योजनाओं में सेमीकंडक्टर को प्राथमिकता दी गई है और आत्मनिर्भरता के लक्ष्य को प्राप्त करने के लिए अथक प्रयास किए जा रहे हैं। नए नियमों के कारण चीनी चिप निर्माताओं को घरेलू स्तर पर निर्मित मशीनरी का अधिक उपयोग करने के लिए बाध्य होना पड़ रहा है। पश्चिमी देशों पर निर्भरता कम करने के लिए एक सरकारी कोष स्थानीय चिप उद्योग में लगभग 50 अरब डॉलर का निवेश कर रहा है।.

इस नीति का असर दिख रहा है, हालांकि कुछ मामलों में यह अपेक्षित परिणाम नहीं दे रहा है। पहले चीनी कारखाने अमेरिकी उपकरणों को प्राथमिकता देते थे। लेकिन अमेरिकी प्रतिबंधों के कारण उनके पास कोई विकल्प नहीं बचा और उन्हें घरेलू आपूर्तिकर्ताओं के साथ काम करना पड़ा, जिससे उनके विकास में तेजी आई। चीन जल्द ही कारों और घरेलू उपकरणों में इस्तेमाल होने वाले सरल चिप्स के वैश्विक उत्पादन के एक बड़े हिस्से पर नियंत्रण कर सकता है।.

हालांकि, उच्च स्तरीय एआई के मामले में अंतर काफी अधिक है। प्रदर्शन के मामले में हुआवेई के चिप्स एनवीडिया के चिप्स से प्रतिस्पर्धा नहीं कर सकते, और उत्पादन मात्रा भी बहुत कम है। उत्पादन में भारी वृद्धि भी इस अंतर को वर्षों तक पाटने में विफल रहेगी। चूंकि कंप्यूटिंग शक्ति की मांग चीनी उत्पादन की तुलना में तेजी से बढ़ रही है, इसलिए यह कमी और भी बदतर होने की संभावना है।.

इससे रचनात्मक समाधानों की आवश्यकता उत्पन्न होती है। डीपसीक की सफलता का एक कारण एनवीडिया चिप्स का समय पर अधिग्रहण भी है। अन्य कंपनियां तस्करी या अप्रत्यक्ष तरीकों का सहारा लेती हैं। सरकार दुर्लभ पृथ्वी तत्वों के निर्यात पर प्रतिबंध और पश्चिमी तकनीकी कंपनियों की जांच जैसे जवाबी उपायों से जवाब दे रही है। चीनी कंपनियों पर घरेलू स्तर पर उत्पादित चिप्स खरीदने का दबाव बढ़ रहा है, भले ही वे तकनीकी रूप से निम्न गुणवत्ता के हों।.

नियामक परिदृश्य और वैश्विक शासन

जहां अमेरिका और चीन तकनीकी प्रतिस्पर्धा में लगे हैं, वहीं यूरोपीय संघ नियमों पर ध्यान केंद्रित कर रहा है। "एआई अधिनियम" विश्व का पहला व्यापक एआई कानून है। यह विशेष रूप से जोखिम भरे अनुप्रयोगों पर रोक लगाता है और शक्तिशाली एआई मॉडलों के लिए सख्त नियम स्थापित करता है। उल्लंघन करने पर भारी जुर्माना लगाया जा सकता है।.

यूरोपीय दृष्टिकोण नवाचार को बाधित किए बिना नैतिक मानक स्थापित करने का प्रयास करता है। आलोचकों को यूरोपीय कंपनियों के लिए नुकसान का डर है, जबकि समर्थकों को विश्वास और सुरक्षा के मामले में दीर्घकालिक लाभ दिखाई देता है। हालांकि, वैश्विक स्तर पर विनियमन अभी भी बिखरा हुआ है। अमेरिका स्वैच्छिक प्रतिबद्धताओं पर निर्भर करता है, जबकि चीन राज्य नियंत्रण को प्राथमिकता देता है। इस बिखराव के कारण सामान्य मानक स्थापित करना कठिन हो जाता है।.

कृत्रिम बुद्धिमत्ता (एआई) की सुरक्षा का मुद्दा अब चर्चा में आ रहा है। विशेषज्ञ अलौकिक बुद्धिमत्ता से उत्पन्न होने वाले खतरों के बारे में चेतावनी दे रहे हैं। ऐसी "कृत्रिम सामान्य बुद्धिमत्ता" (एजीआई) प्राप्त करने की समयसीमा कम हो गई है। प्रमुख विकासकर्ता अब दशकों की बात नहीं कर रहे, बल्कि कुछ ही वर्षों की बात कर रहे हैं। यह वास्तविकता है या केवल मार्केटिंग का प्रचार, यह तो आने वाले समय में ही पता चलेगा, लेकिन उद्योग इसके लिए तैयारी कर रहा है।.

असफल मॉडल और रणनीतिक पुनर्गठन

डीपसीक के उत्तराधिकारी मॉडल, आर2 में हुई देरी से पता चलता है कि सफलता की कोई गारंटी नहीं है। मूल रूप से इसे पहले जारी करने की योजना थी, लेकिन इसमें कुछ समस्याएं आ गईं। हुआवेई के इंजीनियरों की सहायता के बावजूद, चीनी हुआवेई चिप्स पर मॉडल को प्रशिक्षित करने के प्रयास स्पष्ट रूप से विफल रहे।.

इसलिए कंपनी प्रशिक्षण के लिए अपने मौजूदा एनवीडिया स्टॉक का उपयोग करना जारी रखती है, लेकिन मॉडल के अनुप्रयोग के लिए उसे तेजी से हुआवेई पर निर्भर रहना पड़ता है - यह एक राजनीतिक रूप से अनिवार्य समझौता है। इन देरी के कारण उपयोगकर्ताओं की रुचि में अस्थायी रूप से भारी गिरावट आई, क्योंकि प्रतिस्पर्धा निष्क्रिय नहीं थी।.

एक और समस्या डेटा की है। अगले स्तर तक पहुँचने के लिए अधिक और बेहतर प्रशिक्षण डेटा की आवश्यकता होती है। अंग्रेज़ी भाषी देशों में यह डेटा ऑनलाइन आसानी से उपलब्ध है। चीन में उच्च गुणवत्ता वाले डेटा तक पहुँच पाना अधिक कठिन है, जिसका एक कारण सेंसरशिप है और दूसरा यह कि अधिकांश सामग्री सार्वजनिक रूप से उपलब्ध नहीं है। घटिया हार्डवेयर के साथ मिलकर यह विकास को धीमा कर देता है। यदि प्रशिक्षण में अधिक समय लगता है और यह अधिक चुनौतीपूर्ण हो जाता है, तो लागत लाभ कम हो जाता है।.

एआई उद्योग में संरचनात्मक परिवर्तन

उद्योग में एक बड़ा बदलाव आ रहा है। पहले का नारा "जितना ज़्यादा उतना बेहतर"—ज़्यादा डेटा, ज़्यादा चिप्स, ज़्यादा पैसा—अब अपनी सीमा तक पहुँच रहा है या इतना महंगा हो गया है कि उसे संभालना मुश्किल हो रहा है। डीपसीक ने यह साबित कर दिया है कि बुद्धिमान आर्किटेक्चर, कच्ची शक्ति से कहीं ज़्यादा महत्वपूर्ण हो सकता है।.

इसका असर निवेशकों पर भी पड़ेगा। जिन लोगों ने हार्डवेयर में अरबों डॉलर का निवेश किया है, उन्हें समस्या का सामना करना पड़ सकता है अगर अधिक कुशल सॉफ्टवेयर की वजह से मांग कम हो जाए। वहीं दूसरी ओर, नए खिलाड़ियों को मौका मिलेगा क्योंकि अब इसमें शामिल होने के लिए बहुत अधिक धन की आवश्यकता नहीं है।.

जैसे-जैसे एआई का प्रदर्शन सस्ता और अधिक समान होता जा रहा है, मॉडल ही एकमात्र कारक नहीं रह गया है; महत्वपूर्ण यह है कि इसे उत्पादों में कितनी अच्छी तरह से एकीकृत किया गया है। Google और Microsoft को इसमें फायदा है क्योंकि उनके पास पहले से ही उपयोगकर्ता हैं। विशुद्ध एआई स्टार्टअप को अधिक चुनौतियों का सामना करना पड़ता है। ओपन सोर्स, या मुफ्त में उपलब्ध सॉफ्टवेयर, तेजी से महत्वपूर्ण भूमिका निभा रहा है। DeepSeek या Meta जैसे मॉडल सभी के लिए सुलभ हैं, जिससे नवाचार को गति मिलती है।.

साथ ही, निवेशक इस बात को लेकर चिंतित हैं कि पैसा कब वापस आना शुरू होगा। चैटजीपीटी के कई उपयोगकर्ता हैं, लेकिन इसकी लागत बहुत अधिक है। बड़े मुनाफे की उम्मीद अभी बहुत दूर है। श्रम बाजार में एआई विशेषज्ञों के लिए नए रोजगार के अवसर पैदा हो रहे हैं, जबकि कार्यालय के सरल कार्यों को स्वचालित किया जा रहा है - यह एक ऐसी सामाजिक चुनौती है जिसका अभी तक कोई आसान समाधान नहीं है।.

एआई के प्रचार के बाद: अब मुद्रीकरण के लिए असली लड़ाई शुरू होती है।

डीपसीक के नवाचार एक महत्वपूर्ण मोड़ हैं। ये साबित करते हैं कि सीमित संसाधनों के साथ भी विश्व स्तरीय तकनीक का निर्माण किया जा सकता है। यह इस धारणा को चुनौती देता है कि केवल सबसे धनी अमेरिकी निगम ही सफल हो सकते हैं। यह प्रतिस्पर्धा को "किसके पास सबसे अधिक पैसा है?" से बदलकर "किसके पास सर्वश्रेष्ठ इंजीनियर हैं?" पर केंद्रित करता है।.

भू-राजनीतिक दृष्टि से, यह स्पष्ट है कि प्रतिबंध प्रगति को धीमा कर सकते हैं, लेकिन वे नवाचार को भी बढ़ावा दे सकते हैं। चीन दबाव में अपना उद्योग विकसित कर रहा है। आर्थिक दृष्टि से, हम अभी शुरुआत में ही हैं। कीमतें गिर रही हैं, और ये मॉडल रोजमर्रा की वस्तु बन रहे हैं। भविष्य में सफल होने के लिए, न केवल अच्छी कृत्रिम बुद्धिमत्ता विकसित करनी होगी, बल्कि उससे लाभ कमाना भी आना चाहिए।.

तकनीकी चुनौतियाँ अभी भी मौजूद हैं। वर्तमान पद्धतियाँ अपनी सीमाओं तक पहुँच रही हैं, और यह कहना मुश्किल है कि हम जल्द ही सचमुच मानव जैसी बुद्धिमत्ता देख पाएंगे या नहीं। आने वाले कुछ वर्षों में पता चलेगा कि उद्योग इन बाधाओं को पार कर पाता है या फिर यह उत्साह फीका पड़ जाता है। शायद डीपसीक का सबसे महत्वपूर्ण सबक तकनीकी नहीं, बल्कि रणनीतिक है: यदि आपको कोई दूसरा रास्ता ढूंढना पड़े, तो वह हमेशा मौजूद होता है।.

☑️ हमारी व्यावसायिक भाषा अंग्रेजी या जर्मन है।

☑️ नया: अपनी मातृभाषा में पत्राचार करें!

 

मुझे और मेरी टीम को आपके व्यक्तिगत सलाहकार के रूप में आपकी सेवा करने में खुशी होगी।.

आप यहां दिए गए संपर्क फ़ॉर्म को भरकर मुझसे संपर्क कर सकते हैं wolfenstein@xpert.digital:या मुझे +49 7348 4088 965 पर कॉल कर सकते हैं । मेरा ईमेल पता है

मैं हमारी संयुक्त परियोजना के लिए उत्सुक हूं।.

 

 

☑️ रणनीति, परामर्श, योजना और कार्यान्वयन में लघु एवं मध्यम उद्यमों (एसएमई) को सहायता प्रदान करना

☑️ डिजिटल रणनीति और डिजिटलीकरण का निर्माण या पुनर्गठन

☑️ अंतर्राष्ट्रीय बिक्री प्रक्रियाओं का विस्तार और अनुकूलन

☑️ वैश्विक और डिजिटल बी2बी ट्रेडिंग प्लेटफॉर्म

☑️ अग्रणी व्यवसाय विकास / विपणन / जनसंपर्क / व्यापार मेले

Xpert.Digital के पास विभिन्न उद्योगों का गहन ज्ञान है। इससे हमें आपकी विशिष्ट बाजार श्रेणी की आवश्यकताओं और चुनौतियों के अनुरूप सटीक रणनीतियाँ विकसित करने में मदद मिलती है। बाजार के रुझानों का निरंतर विश्लेषण और उद्योग के विकास पर नज़र रखकर, हम सक्रिय रूप से कार्य कर सकते हैं और नवीन समाधान प्रस्तुत कर सकते हैं। अनुभव और विशेषज्ञता का यह संयोजन अतिरिक्त मूल्य उत्पन्न करता है और हमारे ग्राहकों को निर्णायक प्रतिस्पर्धी लाभ प्रदान करता है।.

अधिक जानकारी यहाँ:

• Xpert.Digital की विशेषज्ञता के 5 क्षेत्रों का लाभ एक ही पैकेज में उठाएं – जिसकी शुरुआत मात्र €500 प्रति माह से होती है।