डीपसीक एपोकैलिप्सः एआई विशाल अरबों डॉलर जलाता है, इसका बहुत कुछ बर्बाद हो जाता है

इस वर्ष जनवरी में, आर्टिफिशियल इंटेलिजेंस स्टार्टअप डीपसेक ने अपने नए मॉडल आर1 के माध्यम से दो सफलताएं जारी कीं, चुपचाप आर्टिफिशियल इंटेलिजेंस के अर्थशास्त्र को फिर से परिभाषित करते हुए।यह मॉडल पिछले मॉडल की लागत के 1/40 पर शीर्ष प्रदर्शन प्राप्त करता हैदिसंबर 2024 तक, डीपसीक के वी3 बड़े भाषा मॉडल ने प्रशिक्षण लागत को 90% से अधिक कम कर दिया है।

डीपसीक की दो सफलताओं ने व्यापक ध्यान आकर्षित किया: पहला,डीपसेक ने खुलासा किया कि एआई मॉडल से उनकी तर्क प्रक्रियाओं पर विस्तार करने के लिए पूछना - एक शोध दृष्टिकोण जिसे श्रृंखला-विचार प्रेरित करने के रूप में जाना जाता है - सटीकता और दक्षता में सुधार हुआदूसरा, डीपसेक अपने स्वयं के डेटा सेट उत्पन्न करने के लिए कृत्रिम बुद्धि का उपयोग करता है, जो डेटा के मैन्युअल लेबलिंग से पूरी तरह से स्वतंत्र है।जबकि वहाँ तर्क है कि DeepSeek के रूप में सस्ता नहीं है के रूप में यह दावा है, इन सफलताओं ने निश्चित रूप से एआई अर्थशास्त्र के एक नए युग का शुभारंभ किया है।

कृत्रिम बुद्धिमत्ता की लागत संरचना नाटकीय रूप से बदल रही है। प्रदर्शन में वृद्धि के प्रत्येक डॉलर का स्टार्ट-अप, उद्यम अनुप्रयोगों पर गहरा प्रभाव पड़ा है,और अवसंरचना निवेशयह बदलाव बाजार की ताकतों को उलटा कर सकता है, अंततः त्वरित स्टार्टअप्स को लाभ मार्जिन को बढ़ावा देते हुए अल्पावधि में तकनीकी दिग्गजों को पकड़ने में मदद कर सकता है।

टेक दिग्गजों ने पहले ही एआई बुनियादी ढांचे के विकास में $100 बिलियन से अधिक का निवेश किया है, और यह बढ़ता रहता है।अब उन्हें यह विचार करना होगा कि इन विशाल निवेशों पर रिटर्न कैसे उत्पन्न किया जाए और अधिक चंचल एल्गोरिदम के खिलाफ बढ़त बनाए रखी जाए।तेजी से बदलते परिवेश के सामने, तकनीकी दिग्गजों और स्टार्टअप दोनों को एक स्पष्ट संकेत का सामना करना पड़ रहा हैः तकनीकी प्रगति के अवसर को जल्दी से जब्त करें,या समाप्त किया जा सकता है.

डीपसेक से पहले और बाद में एआई बाजार परिदृश्य

डीपसीक के उदय से पहले, स्टार्टअप्स ने तकनीकी दिग्गजों द्वारा बुनियादी ढांचे के खर्च के साथ प्रतिस्पर्धा करने के लिए संघर्ष किया,जिसने हर तिमाही में विशाल डेटा केंद्रों के निर्माण में अरबों डॉलर का निवेश किया और कृत्रिम बुद्धिमत्ता प्रौद्योगिकी में प्रगति से भारी लाभ प्राप्त किया।इन दिग्गजों के पास न केवल विशाल डेटा संसाधन हैं, बल्कि बड़ी संख्या में डॉक्टरेट प्रतिभाएं भी जुटाती हैं, और एल्गोरिदम की प्रगति भी उनकी मजबूत तकनीकी ताकत पर निर्भर करती है। इसके अलावा,लंबे समय से स्थापित वितरण नेटवर्क उन्हें मौजूदा ग्राहकों को उत्पादों को जल्दी से स्थानांतरित करने और फीडबैक लूप के माध्यम से तकनीकी प्रगति में तेजी लाने की अनुमति देते हैं.

आज, हालांकि, स्टार्टअप्स तकनीकी दिग्गजों के साथ प्रतिस्पर्धा करने के लिए पर्याप्त बड़े हैं। अकेले 2025 तक, प्रशिक्षण मॉडल की लागत में 95% की गिरावट आएगी,तकनीकी दिग्गजों के बुनियादी ढांचे के लाभ को काफी कम करनापिछले तीन वर्षों में तर्क की लागत में लगभग एक हजार गुना गिरावट आई है और भविष्य में इसके और घटने की उम्मीद है।एल्गोरिथम लाभ की अवधि को 45 से 100 दिनों तक कम कर दिया गया है और यह लगातार कम हो सकता है।.

जब प्रशिक्षण लागत अब एक प्रमुख बाधा नहीं है, तो निष्कर्ष प्रदर्शन (यानी वास्तविक समय अनुप्रयोगों में एआई मॉडल का प्रदर्शन कितना अच्छा है) एक नया फोकस बन जाता है। हम एक नए चरण में प्रवेश कर रहे हैंः छोटे,सस्ते मॉडल जो बड़े मॉडल के बराबर शक्ति प्रदान करते हैं और कम प्रदर्शन वाले जीपीयू पर चल सकते हैंयदि बहुत कम लागत पर अधिक स्मार्ट एआई उत्पादों को वितरित किया जा सकता है, तो स्टार्टअप्स के पास लाभ बढ़ाने के साथ-साथ तकनीकी दिग्गजों को पीछे छोड़ने का मौका है।

कुशल जनशक्ति आवंटन प्रतियोगी के लाभ को और मजबूत करता है। प्रतिस्पर्धी एआई टीम को इकट्ठा करने के लिए बड़ी संख्या में पीएचडी स्तर की प्रतिभा को नियुक्त करने की आवश्यकता नहीं होने के साथ, स्टार्टअप विकसित हो सकते हैं,अनुकूलित करना, और तकनीकी दिग्गजों की तुलना में बहुत कम लागत पर मॉडल वितरित करते हैं। और, क्योंकि वे काफी हद तक अनुप्रयोग स्तर पर केंद्रित हैं,प्रतियोगियों को उच्च लाभ मार्जिन का आनंद लेने में सक्षम हैं उसी तरह से कि क्लाउड स्टार्टअप्स ने 15 साल पहले यूनिट अर्थव्यवस्था में सुधार करके लाभ प्राप्त किया था.

यह प्रवृत्ति न केवल स्टार्टअप के लिए अच्छी है। यह एनवीडिया जैसी कंपनियों को भी अधिक जोखिम में डालती है। डीपसीक की घोषणा के बाद, एनवीडिया के शेयर की कीमत 12% गिर गई, हालांकि यह तब से उबर गई है।चिप निर्माताओं के लिए जोखिम बढ़ रहे हैं क्योंकि मांग प्रशिक्षण-केंद्रित हार्डवेयर से अधिक कुशल निष्कर्ष समाधानों की ओर बढ़ रही हैउपभोक्ता-ग्रेड तंत्रिका प्रसंस्करण इकाइयों (एनपीयूएस) का उदय इस बदलाव को तेज कर सकता है, जिससे एआई मॉडल स्मार्टफोन और लैपटॉप जैसे उपकरणों पर मूल रूप से चल सकते हैं।

कृत्रिम बुद्धिमत्ता पर व्यय

जो चुनौती देने वालों के लिए अच्छा है वह तकनीकी दिग्गजों के लिए बुरा है।एआई दिग्गजों ने लगभग सहज रूप से डीपसीक के प्रभुत्व को राष्ट्रीय सुरक्षा प्रभावों से जोड़ दिया है इसी तरह की तकनीक के विकास के लिए समर्थन जुटाने के प्रयास में, इस तथ्य की अनदेखी करते हुए कि अमेरिकी शोधकर्ता, स्टैनफोर्ड विश्वविद्यालय सहित, डीपसीक की तकनीक को दोहराने और यहां तक कि बेहतर करने में सक्षम हैं।डेटा बुनियादी ढांचे की परियोजनाओं में भारी राशि निवेश करने वाली कंपनियां पूछ सकती हैं: क्या एआई मॉडल अनुसंधान और विकास पर भारी खर्च बर्बाद हो गया था? यदि सस्ती तकनीक महंगी तकनीक के समान ही काम करती है, तो इतना पैसा क्यों खर्च करें?

ऐतिहासिक रुझानों से पता चलता है कि अधिकांश एआई प्रगति वास्तव में पैमाने पर अत्यधिक पूंजी निवेश पर निर्भर है। ट्रांसफार्मर वास्तुकला ओवरट्रेनिंग के कारण सफल रही,जो उस समय एल्गोरिथमिक रूप से इष्टतम माना जाता था. नई तकनीकी प्रगति साबित कर रही है कि हम कम लागत पर एक ही प्रदर्शन प्राप्त कर सकते हैं। हालांकि डीपसीक जैसे कुशल समाधानों ने दक्षता में काफी सुधार किया है, फिर भी,हाइपरस्केल क्लाउड प्रदाताओं के विस्तार के लिए अभी भी बड़े डेटा केंद्रों की आवश्यकता है और उन्हें गुब्बारा अनुमान लागतों को सहन करना होगा.

हालांकि, तकनीकी दिग्गज अभी भी बैठे नहीं हैं. हम पहले से ही डीपसेक की उपलब्धियों के लिए एक हथियारों की दौड़ देख रहे हैं, गूगल के मिथुन मॉडल की तरह,माइक्रोसॉफ्ट की Azure AI Foundry और मेटा का ओपन सोर्स LLaMA सभी वर्चस्व के लिए प्रतिस्पर्धा कर रहे हैंमेटा के सीईओ मार्क जुकरबर्ग ने व्यक्तिगत एआई के महत्व पर जोर दिया - यानी व्यक्तिगत उपयोगकर्ताओं की जरूरतों, संस्कृति और प्राथमिकताओं के अनुरूप मॉडल।.यह दृष्टि एआई विकास में एक व्यापक प्रवृत्ति के अनुरूप हैः बड़े पैमाने पर क्लाउड बुनियादी ढांचे की आवश्यकता के बिना उच्च प्रदर्शन प्रदान करने में सक्षम छोटे, अधिक विशेष मॉडल।

स्टार्टअप्स नए चिप्स जीतते हैं

इसी समय, ओपन सोर्स और क्लोज्ड सोर्स दिग्गजों के अलग-अलग लक्ष्य हैं, जिससे प्रतियोगी का लाभ और बढ़ता है।मेटा जैसी कंपनियों द्वारा बनाए गए ओपन सोर्स मॉडल पूरे पारिस्थितिकी तंत्र में प्रतिस्पर्धा और लागत को कम करते रहेंगे, जबकि बंद स्रोत मॉडल बेहतर प्रौद्योगिकी के माध्यम से अधिक शुल्क वसूलने की कोशिश करते हैं। स्टार्टअप प्रत्येक उपयोग के लिए सर्वोत्तम मूल्य/प्रदर्शन अनुपात प्राप्त करने के लिए दोनों शिविरों के बीच प्रतिस्पर्धा का लाभ उठा सकते हैं,जबकि लाभ मार्जिन में वृद्धि.

व्यवसाय के आकार के बावजूद, संदेश स्पष्ट हैः बाजार की गतिशीलता, कंप्यूटिंग शक्ति और प्रतिभा जैसे विशिष्ट लाभों का लाभ उठाएं - जल्दी या विफलता का सामना करें।तकनीकी प्रगति का चक्र कम होता जा रहा है, महीनों से लेकर वर्षों तक नए प्रदर्शन मानकों को स्थापित करने के लिए, डीपसीक की तकनीकी सफलता का सुझाव है कि यह अब 41 दिनों के रूप में कम समय ले सकता है।नवाचार अभूतपूर्व गति से आगे बढ़ रहा है, और दोष-सहिष्णुता की जगह तेजी से सिकुड़ रही है।