दीपसेक शेक एआई उद्योग: अगला एआई लीप अनुमान में बढ़ी हुई गणना पर निर्भर हो सकता है, अधिक डेटा नहीं

एआई उद्योग निरंतर परिवर्तन की स्थिति में है, जिसमें 2025 कुछ गेम-चेंजिंग विकास ला रहा है जो चीजों को हिला रहा है। एक बड़ा झटका तब आया जब चीनी एआई लैब, DeepSeek, ने एक नए मॉडल के साथ धमाका किया, जिसने Nvidia के स्टॉक में 17% की गिरावट और अन्य एआई डेटा सेंटर स्टॉक्स को प्रभावित किया। DeepSeek के मॉडल के आसपास का उत्साह? यह अन्य अमेरिकी प्रतिस्पर्धियों की तुलना में बहुत कम लागत पर शीर्ष स्तर का प्रदर्शन प्रदान कर रहा है, जिससे एआई डेटा सेंटरों के भविष्य के बारे में एक तूफान खड़ा हो गया है।

लेकिन DeepSeek के काम को वास्तव में समझने के लिए, हमें थोड़ा पीछे हटकर बड़ी तस्वीर देखने की जरूरत है। एआई दुनिया प्रशिक्षण डेटा की कमी से जूझ रही है। बड़े खिलाड़ियों ने पहले ही सार्वजनिक इंटरनेट डेटा का अधिकांश हिस्सा उपयोग कर लिया है, जिसका मतलब है कि हम प्री-ट्रेनिंग सुधारों में एक दीवार से टकरा रहे हैं। नतीजतन, उद्योग अब "टेस्ट-टाइम कम्प्यूट" (TTC) की ओर ध्यान केंद्रित कर रहा है। इसे इस तरह समझें कि एआई मॉडल जवाब देने से पहले एक पल के लिए "सोचते" हैं, जैसे OpenAI की "o" सीरीज के साथ। उम्मीद है कि TTC वही स्केलिंग सुधार प्रदान कर सकता है जो कभी प्री-ट्रेनिंग ने किया था, संभवतः एआई की अगली बड़ी लहर की शुरुआत कर सकता है।

ये बदलाव दो बड़े परिवर्तनों का संकेत दे रहे हैं: पहला, छोटे बजट वाली लैब्स अब खेल में हैं, जो अत्याधुनिक मॉडल पेश कर रही हैं। दूसरा, TTC एआई को आगे बढ़ाने के लिए नया मोर्चा बन रहा है। आइए इन रुझानों को तोड़कर देखें और यह समझें कि ये एआई परिदृश्य और बाजार के लिए क्या मायने रख सकते हैं।

एआई उद्योग के लिए निहितार्थ

हमें विश्वास है कि TTC की ओर बढ़ना और रीजनिंग मॉडल्स के बीच बढ़ती प्रतिस्पर्धा कई मोर्चों पर एआई परिदृश्य को नया आकार दे सकती है: हार्डवेयर, क्लाउड प्लेटफॉर्म, फाउंडेशन मॉडल, और एंटरप्राइज सॉफ्टवेयर।

1. हार्डवेयर (जीपीयू, समर्पित चिप्स, और कम्प्यूट इन्फ्रास्ट्रक्चर)

TTC की ओर बदलाव से एआई कंपनियों को आवश्यक हार्डवेयर और इसके प्रबंधन में बदलाव आ सकता है। प्रशिक्षण के लिए और बड़े जीपीयू क्लस्टर में पैसा डालने के बजाय, वे TTC मांगों को संभालने के लिए अपनी अनुमान क्षमताओं को बढ़ाने पर अधिक ध्यान दे सकते हैं। हालांकि जीपीयू अनुमान के लिए अभी भी महत्वपूर्ण होंगे, प्रशिक्षण और अनुमान कार्यभार के बीच का अंतर इन चिप्स को कैसे स्थापित और उपयोग किया जाता है, इसे प्रभावित कर सकता है। अनुमान कार्यभार अधिक अप्रत्याशित और "स्पाइकी" होने के कारण, क्षमता की योजना बनाना और जटिल हो सकता है।

हमें यह भी लगता है कि यह बदलाव कम विलंबता अनुमान के लिए विशेष रूप से डिज़ाइन किए गए हार्डवेयर, जैसे ASICs, के लिए बाजार को बढ़ावा दे सकता है। जैसे-जैसे TTC प्रशिक्षण क्षमता से अधिक महत्वपूर्ण होता जाएगा, सामान्य-उद्देश्य जीपीयू का शासन कमजोर पड़ सकता है, जिससे विशेष अनुमान चिप निर्माताओं के लिए अवसर खुल सकते हैं।

2. क्लाउड प्लेटफॉर्म: हाइपरस्केलर्स (AWS, Azure, GCP) और क्लाउड कम्प्यूट

एआई को व्यवसायों में अपनाने में एक प्रमुख बाधा, सटीकता के मुद्दों के अलावा, अनुमान APIs की अविश्वसनीयता है। असंगत प्रतिक्रिया समय, दर सीमाएं, और समवर्ती अनुरोधों के साथ परेशानी वास्तव में सिरदर्द हो सकती है। TTC इन समस्याओं को और बदतर बना सकता है। इस परिदृश्य में, एक क्लाउड प्रदाता जो इन मुद्दों से निपटने के लिए उच्च सेवा गुणवत्ता (QoS) की गारंटी दे सकता है, उसे बड़ा लाभ हो सकता है।

दिलचस्प बात यह है कि भले ही नई विधियां एआई को अधिक कुशल बना सकती हैं, वे हार्डवेयर की मांग को कम नहीं कर सकतीं। जेवन्स पैराडॉक्स के अनुसार, जहां अधिक दक्षता से अधिक खपत होती है, अधिक कुशल अनुमान मॉडल अधिक डेवलपर्स को रीजनिंग मॉडल्स का उपयोग करने के लिए प्रेरित कर सकते हैं, जिससे कम्प्यूटिंग शक्ति की आवश्यकता बढ़ सकती है। हमें लगता है कि हाल के मॉडल सुधार क्लाउड एआई कम्प्यूट की मांग को बढ़ा सकते हैं, दोनों अनुमान और छोटे, विशेष मॉडल प्रशिक्षण के लिए।

3. फाउंडेशन मॉडल प्रदाता (OpenAI, Anthropic, Cohere, DeepSeek, Mistral)

यदि DeepSeek जैसे नए प्रवेशकर्ता बड़े खिलाड़ियों के साथ बहुत कम लागत पर टक्कर ले सकते हैं, तो मालिकाना प्री-ट्रेंड मॉडल्स का गढ़ ढहना शुरू हो सकता है। हम ट्रांसफॉर्मर मॉडल्स के लिए TTC में और नवाचारों की उम्मीद कर सकते हैं, और जैसा कि DeepSeek ने दिखाया है, ये नवाचार एआई में सामान्य संदिग्धों के बाहर अप्रत्याशित स्थानों से आ सकते हैं।

4. एंटरप्राइज एआई अपनाना और SaaS (एप्लिकेशन लेयर)

DeepSeek की चीन में जड़ों को देखते हुए, उनके उत्पादों की सुरक्षा और गोपनीयता के दृष्टिकोण से निरंतर जांच होगी। उनकी चीन-आधारित API और चैटबॉट सेवाएं अमेरिका, कनाडा, या अन्य पश्चिमी देशों में एंटरप्राइज एआई ग्राहकों के बीच लोकप्रिय होने की संभावना नहीं है। कई कंपनियां पहले से ही DeepSeek की वेबसाइट और ऐप्स को ब्लॉक कर रही हैं। यहां तक कि पश्चिमी डेटा सेंटरों में तीसरे पक्ष द्वारा होस्ट किए जाने पर भी, DeepSeek के मॉडल्स को जांच का सामना करना पड़ सकता है, जो एंटरप्राइज में उनके अपनाने को सीमित कर सकता है। शोधकर्ता जेलब्रेकिंग, पक्षपात, और हानिकारक सामग्री उत्पन्न करने जैसे मुद्दों को चिह्नित कर रहे हैं। हालांकि कुछ व्यवसाय DeepSeek के मॉडल्स के साथ प्रयोग कर सकते हैं, इन चिंताओं के कारण व्यापक अपनापन असंभावित लगता है।

दूसरी ओर, वर्टिकल विशेषज्ञता बढ़ रही है। अतीत में, फाउंडेशन मॉडल्स पर निर्मित वर्टिकल एप्लिकेशन्स विशेष रूप से अनुकूलित वर्कफ़्लोज़ बनाने के बारे में थीं। रिट्रीवल-ऑगमेंटेड जेनरेशन (RAG), मॉडल रूटिंग, फंक्शन कॉलिंग, और गार्डरेल्स जैसी तकनीकों ने सामान्यीकृत मॉडल्स को इन विशिष्ट उपयोग मामलों के लिए ट्वीक करने में महत्वपूर्ण भूमिका निभाई है। लेकिन हमेशा यह चिंता रही है कि अंतर्निहित मॉडल्स में बड़े सुधार इन एप्लिकेशन्स को अप्रचलित कर सकते हैं। सैम ऑल्टमैन ने एक बार चेतावनी दी थी कि मॉडल क्षमताओं में एक बड़ा छलांग इन नवाचारों को "स्टीमरोल" कर सकता है।

हालांकि, यदि हम ट्रेन-टाइम कम्प्यूट लाभों में एक पठार देख रहे हैं, तो जल्दी से आगे निकल जाने का खतरा कम हो जाता है। एक ऐसी दुनिया में जहां मॉडल प्रदर्शन सुधार TTC अनुकूलन से आते हैं, एप्लिकेशन-लेयर खिलाड़ियों के लिए नए अवसर उभर सकते हैं। संरचित प्रॉम्प्ट अनुकूलन, विलंबता-जागरूक रीजनिंग रणनीतियों, और कुशल सैंपलिंग तकनीकों जैसे नवाचार विशिष्ट वर्टिकल्स में बड़े प्रदर्शन लाभ प्रदान कर सकते हैं।

ये सुधार विशेष रूप से रीजनिंग-केंद्रित मॉडल्स जैसे OpenAI के GPT-4o और DeepSeek-R1 के लिए प्रासंगिक हैं, जो जवाब देने में कई सेकंड ले सकते हैं। वास्तविक समय के अनुप्रयोगों में, किसी विशिष्ट डोमेन में विलंबता को कम करना और अनुमान गुणवत्ता को बढ़ाना एक प्रतिस्पर्धी लाभ दे सकता है। नतीजतन, गहरे डोमेन ज्ञान वाली कंपनियां अनुमान दक्षता को अनुकूलित करने और आउटपुट को ठीक करने में महत्वपूर्ण भूमिका निभा सकती हैं।

DeepSeek का काम दिखाता है कि हम मॉडल गुणवत्ता में सुधार के लिए केवल अधिक प्री-ट्रेनिंग पर निर्भरता से दूर जा रहे हैं। इसके बजाय, TTC तेजी से महत्वपूर्ण होता जा रहा है। हालांकि यह स्पष्ट नहीं है कि DeepSeek के मॉडल्स एंटरप्राइज सॉफ्टवेयर में व्यापक रूप से अपनाए जाएंगे या नहीं, उनकी जांच के कारण, अन्य मॉडल्स को बेहतर बनाने में उनका प्रभाव और स्पष्ट होता जा रहा है।

हमें विश्वास है कि DeepSeek के नवाचार स्थापित एआई लैब्स को समान तकनीकों को अपनाने के लिए प्रेरित कर रहे हैं, जो उनके मौजूदा हार्डवेयर लाभों को पूरक बनाते हैं। मॉडल लागत में अनुमानित कमी अधिक मॉडल उपयोग को प्रेरित कर रही है, जो जेवन्स पैराडॉक्स पैटर्न के अनुरूप है।

पशूतन वेज़ीपूर जॉर्जियन में तकनीकी लीड हैं।