Zhipu AI, BAAI और AISI कैसे बना रहे हैं चीन का अगला AI इकोसिस्टम

इससे एक बड़ा सबक भी मिलता है: तकनीकी आत्मनिर्भरता का अर्थ केवल मॉडल वेट्स का मालिक होना नहीं है। इसके लिए ट्रेनिंग और इनफेरेंस सिस्टम, डेटा पाइपलाइन, पोस्ट-ट्रेनिंग तकनीक, एजेंट फ्रेमवर्क, डेवलपर वितरण नेटवर्क और कंप्यूट तक भरोसेमंद पहुंच भी चाहिए। कोई मॉडल तब रणनीतिक रूप से टिकाऊ बनता है, जब उसके आसपास इन सभी परतों का इकोसिस्टम खड़ा हो।

BAAI: ओपन रिसर्च से रोबोटिक इंटेलिजेंस तक

BAAI का विकास WuDao फाउंडेशन मॉडल से आगे बढ़कर WuJie परिवार के मल्टीमॉडल, वर्ल्ड-मॉडल और embodied-AI शोध तक पहुंचा है। हालिया कॉन्फ्रेंस रिपोर्टों के अनुसार, WuJie·Physis को भौतिक latent-world मॉडल के रूप में और विकासाधीन WuJie·RoboBrain Orca को ऐसे embodied सिस्टम के रूप में प्रस्तुत किया गया है, जो भाषा-आधारित reasoning, दृश्य भविष्यवाणी और action decisions को जोड़ता है।

यह दिशा इसलिए महत्वपूर्ण है क्योंकि भौतिक दुनिया में काम करने वाली बुद्धिमत्ता के लिए केवल टेक्स्ट मॉडल पर्याप्त नहीं होते। रोबोटों को perception, prediction, planning, control और बदलती भौतिक परिस्थितियों में काम करने की क्षमता चाहिए। वर्ल्ड मॉडल और embodied सिस्टम ऐसे वातावरण को केवल बयान करने के बजाय उन्हें समझने और उनमें कार्रवाई करने की कोशिश करते हैं।

BAAI की भूमिका केवल तकनीकी नहीं, संस्थागत भी है। इसका शोध कार्यक्रम ओपन-सोर्स मॉडल, एजेंट्स, बुनियादी सॉफ्टवेयर और हार्डवेयर इकोसिस्टम तथा शोध संस्थानों और उद्योग के बीच सहयोग पर जोर देता है। BAAI की २०२६ कॉन्फ्रेंस से जुड़ी रिपोर्ट के अनुसार, संस्थान ने २०० से अधिक मॉडल ओपन-सोर्स किए हैं और वैश्विक डाउनलोड एक अरब से अधिक हो चुके हैं। इन आंकड़ों को कॉन्फ्रेंस आयोजकों द्वारा रिपोर्ट किए गए वितरण संकेतक के रूप में पढ़ना चाहिए, मॉडल की गुणवत्ता के सीधे माप के रूप में नहीं।

चीन के AI इकोसिस्टम में BAAI जैसे संस्थान की उपयोगिता इस बात में है कि वह दोबारा इस्तेमाल की जा सकने वाली रिसर्च इंफ्रास्ट्रक्चर और प्रतिभा-निर्माण की व्यवस्था तैयार करता है। ओपन मॉडल, बेंचमार्क, टूल्स और रोबोटिक्स प्लेटफॉर्म विश्वविद्यालयों, स्टार्टअप्स और निर्माताओं को आगे के प्रयोगों के लिए साझा शुरुआती आधार दे सकते हैं।

AISI: AI को वैज्ञानिक और इंजीनियरिंग वर्कफ्लो में बदलना

AISI का दृष्टिकोण अलग है। सितंबर २०२१ में स्थापित यह संस्थान AI को वैज्ञानिक अनुसंधान से जोड़ने और AI-for-Science इंफ्रास्ट्रक्चर तैयार करने को अपना मिशन बताता है।

इसका “Four Beams and N Pillars” ढांचा मॉडल एल्गोरिदम और सॉफ्टवेयर, वैज्ञानिक डेटाबेस और ज्ञान प्रणालियों, उच्च-दक्षता वाले प्रयोगात्मक परीक्षण तथा एकीकृत कंप्यूटिंग इंफ्रास्ट्रक्चर को साथ लाता है। लक्ष्य यह है कि शोध अलग-अलग, छोटे वर्कशॉप जैसे चरणों तक सीमित न रहे, बल्कि अधिक जुड़े हुए प्लेटफॉर्म मॉडल में बदले।

Bohrium इस प्लेटफॉर्म दृष्टिकोण का एक उदाहरण है। इस रिसर्च क्लाउड को वैज्ञानिक साहित्य, ज्ञान, मॉडल, कंप्यूटेशन, डेटा विश्लेषण और प्रयोगात्मक वर्कफ्लो को जोड़ने वाले वातावरण के रूप में पेश किया गया है। उद्देश्य केवल AI से कोई उत्तर हासिल करना नहीं, बल्कि शोधकर्ताओं को सवाल से सिमुलेशन, प्रयोग और सत्यापित नए डेटा तक पहुंचने में मदद करना है।

सामग्री और आणविक विज्ञान में यह बंद फीडबैक लूप विशेष रूप से महत्वपूर्ण है। DPA4 जैसे बड़े atomic model सामग्री की खोज और सिमुलेशन में मदद कर सकते हैं। लेकिन इन मॉडलों का व्यावहारिक मूल्य तब बढ़ता है, जब उनकी भविष्यवाणियों का प्रयोगशाला में परीक्षण हो और उन परीक्षणों से मिले परिणाम अगली पीढ़ी के डेटा और मॉडलों को बेहतर बनाएं। २०२६ की एक रिपोर्ट के अनुसार, DPA4 के अपग्रेड ने सामग्री खोज से जुड़े एक अंतरराष्ट्रीय लीडरबोर्ड पर व्यापक प्रदर्शन मानकों में पहला स्थान हासिल किया। हालांकि, केवल लीडरबोर्ड प्रदर्शन वास्तविक वैज्ञानिक प्रभाव सिद्ध नहीं करता।

AISI से जुड़े रॉकेट-इंजन कार्य में भौतिक सत्यापन का अधिक ठोस उदाहरण दिखाई देता है। रिपोर्टों में generative design, combustion simulation, additive manufacturing, automated measurement and control तथा testing को जोड़ने वाले वर्कफ्लो का वर्णन है। एक scaled demonstrator के closed-loop validation पूरा करने की भी रिपोर्ट दी गई है। ऐसे प्रोजेक्ट इसलिए महत्वपूर्ण हैं क्योंकि इनमें AI का आउटपुट केवल सॉफ्टवेयर बेंचमार्क तक सीमित नहीं रहता, बल्कि इंजीनियरिंग बाधाओं और भौतिक परीक्षणों से गुजरता है।

किसी एक ब्लॉकबस्टर मॉडल से ज्यादा महत्वपूर्ण क्यों है इकोसिस्टम?

फ्रंटियर प्रदर्शन तेजी से बदलता है

मॉडल रैंकिंग और प्रोडक्ट बढ़त तेजी से बदल सकती है। इसके उलट डेवलपर समुदाय, वैज्ञानिक डेटासेट, प्रयोगात्मक सुविधाएं, मानक और वास्तविक उपयोग का अनुभव लंबे समय में जमा होते हैं। ये संसाधन भविष्य के मॉडल सुधारों को अधिक उपयोगी बनाते हैं और किसी एक रिलीज़ पर निर्भरता घटाते हैं।

अलग-अलग क्षेत्रों को अलग तरह की बुद्धिमत्ता चाहिए

कोडिंग एजेंट, रोबोट कंट्रोलर, आणविक सिम्युलेटर और वैज्ञानिक साहित्य प्रणाली एक जैसी तकनीकी समस्याओं का सामना नहीं करते। इसलिए राष्ट्रीय या औद्योगिक AI रणनीति को ऐसे विशेषज्ञ मॉडल और साझा इंफ्रास्ट्रक्चर की जरूरत होती है, न कि एक ऐसे सामान्य मॉडल की, जिससे हर काम समान रूप से अच्छे ढंग से करने की उम्मीद की जाए।

ओपन रिसर्च नवाचार का आधार चौड़ा करती है

ओपन वेट्स, टूल्स, बेंचमार्क और प्लेटफॉर्म शोधकर्ताओं तथा कंपनियों को एक-दूसरे के काम को परखने, बदलने और आगे बढ़ाने देते हैं। BAAI का ओपन-सोर्स रुख इस परत को मजबूत कर सकता है, जबकि Zhipu AI जैसी कमर्शियल कंपनियां इन क्षमताओं को प्रोडक्ट और राजस्व में बदल सकती हैं।

वैज्ञानिक सत्यापन ज्यादा मजबूत फीडबैक लूप बनाता है

AI-for-Science में सबसे मूल्यवान सिस्टम वे हो सकते हैं, जो भविष्यवाणी को सिमुलेशन, प्रयोग और मापन से जोड़ते हैं। हर सत्यापित परिणाम अगले चक्र में इस्तेमाल होने वाले डेटा और मॉडलों को बेहतर कर सकता है। यह किसी संभावित उत्तर को तैयार करने से कहीं कठिन मानक है, लेकिन इससे औद्योगिक उपयोगिता तक पहुंचने का रास्ता भी अधिक स्पष्ट होता है।

आत्मनिर्भरता एक स्टैक है, न कि सिर्फ नारा

जोखिम-सहनशील AI विकास के लिए एल्गोरिदम, सॉफ्टवेयर, डेटा, कंप्यूट, प्रतिभा, टूल्स और डिप्लॉयमेंट—सभी स्तरों पर क्षमता चाहिए। इन परतों में विविधता किसी एक सप्लायर या तकनीकी दृष्टिकोण पर निर्भरता घटा सकती है। इससे तब भी इकोसिस्टम अधिक टिकाऊ रहता है, जब कोई मॉडल उम्मीद के मुताबिक प्रदर्शन न करे या बाहरी परिस्थितियां बदल जाएं।

रणनीतिक तस्वीर

Zhipu AI, BAAI और AISI उभरती हुई एक ही व्यवस्था में अलग-अलग स्थान रखते हैं:

• Zhipu AI सामान्य-उद्देश्य वाले मॉडल, कोडिंग सिस्टम, एजेंट्स और डेवलपर प्रोडक्ट्स के जरिए कमर्शियल गति देता है।
• BAAI ओपन रिसर्च, प्रतिभा नेटवर्क, फाउंडेशन मॉडल और मल्टीमॉडल तथा embodied intelligence की दिशा में आधार तैयार करता है।
• AISI ऐसा वैज्ञानिक इंफ्रास्ट्रक्चर उपलब्ध कराता है, जो मॉडल को ज्ञान, कंप्यूटेशन, प्रयोग और इंजीनियरिंग सत्यापन से जोड़ता है।

इसलिए इनकी अहमियत एक-दूसरे की जगह लेने में नहीं, बल्कि एक-दूसरे को पूरक बनाने में है। Zhipu AI दिखाता है कि फ्रंटियर मॉडल प्लेटफॉर्म कैसे बन सकते हैं। BAAI बताता है कि ओपन रिसर्च क्षमताओं को व्यापक समुदाय तक कैसे पहुंचा सकती है। AISI दिखाता है कि AI को ऐसे वर्कफ्लो में कैसे शामिल किया जा सकता है, जहां सफलता का माप किसी चैटबॉट के उत्तर से नहीं, बल्कि किसी सामग्री, प्रयोग या इंजीनियर्ड सिस्टम के नतीजे से होता है।

चीन के AI के अगले चरण की सबसे मजबूत व्याख्या यह नहीं है कि किसी एक मॉडल ने वैश्विक दौड़ तय कर दी है। अधिक महत्वपूर्ण बात यह है कि प्रतिस्पर्धात्मक बढ़त अब मूल शोध केंद्रों, कमर्शियल प्लेटफॉर्म, स्वतंत्र तकनीकी क्षमताओं और बहु-विषयक अनुप्रयोगों को एक खुले और सहयोगी औद्योगिक इकोसिस्टम में जोड़ने से आ सकती है।