DeepSeek, Z.ai और Moonshot AI: चीन की AI चुनौती का नया चेहरा

तीन चीनी AI कंपनियों—DeepSeek, Z.ai और Moonshot AI—ने यह बहस बदल दी है कि frontier AI यानी सबसे उन्नत कृत्रिम बुद्धिमत्ता के लिए क्या जरूरी है। अब सवाल केवल यह नहीं रह गया कि किस मॉडल का प्रदर्शन सबसे बेहतर है। लागत, open-weight उपलब्धता, डेवलपर की पहुंच और मॉडल को चलाने के लिए जरूरी कंप्यूटिंग भी उतने ही महत्वपूर्ण पैमाने बन गए हैं।

यह कहना अभी जल्दबाजी होगी कि चीन ने Silicon Valley को पीछे छोड़ दिया है। लेकिन इतना स्पष्ट है कि frontier AI का बाजार अब केवल अमेरिकी कंपनियों तक सीमित नहीं माना जा सकता। कोई मॉडल पूरी तरह बंद, बेहद महंगा या किसी विशाल अमेरिकी टेक कंपनी के नियंत्रण में हुए बिना भी दुनिया की उम्मीदों और निवेशकों की धारणाओं को बदल सकता है।

तीन संस्थापक, frontier AI तक पहुंचने के तीन रास्ते

Liang Wenfeng: DeepSeek की दक्षता-केंद्रित चुनौती

Liang Wenfeng ने Zhejiang University में इलेक्ट्रॉनिक और संचार इंजीनियरिंग की पढ़ाई की। इसके बाद उन्होंने AI-आधारित क्वांटिटेटिव हेज फंड High-Flyer की सह-स्थापना की। 2023 में उन्होंने DeepSeek शुरू की और फाउंडेशन मॉडल शोध में गणितीय अनुकूलन तथा कंप्यूटिंग दक्षता पर आधारित अपना अनुभव लगाया। 4144

DeepSeek-R1, जिसे जनवरी 2025 में जारी किया गया, कंपनी की सबसे बड़ी उपलब्धि बना। इस reasoning मॉडल के वज़न डाउनलोड के लिए उपलब्ध कराए गए और इसे प्रमुख बंद प्रणालियों के कम लागत वाले विकल्प के रूप में पेश किया गया। DeepSeek के लागत और प्रदर्शन संबंधी दावों को स्वतंत्र मूल्यांकन का पूरा विकल्प नहीं माना जा सकता, लेकिन वे इतने प्रभावशाली थे कि निवेशकों ने AI प्रशिक्षण और inference—यानी मॉडल से उत्तर हासिल करने—की अर्थव्यवस्था पर फिर से विचार करना शुरू किया। 172226

बाजार की प्रतिक्रिया असाधारण थी। एक ही दिन में Nvidia के बाजार पूंजीकरण में 593 अरब डॉलर की कमी आई, क्योंकि निवेशकों ने सवाल उठाया कि क्या frontier AI के लिए उद्योग द्वारा अनुमानित विशाल और लगातार बढ़ते हार्डवेयर बजट वास्तव में जरूरी हैं। इसके बाद इस गिरावट का एक हिस्सा वापस भी आया। इसलिए इसे उन्नत चिप्स की मांग खत्म होने के प्रमाण के बजाय बाजार की उम्मीदों में तेज पुनर्मूल्यांकन के रूप में समझना अधिक उचित है। 1718

Liang की विचारधारा भी अलग नजर आती है। Reuters के अनुसार, उन्होंने DeepSeek की प्राथमिकता को अल्पकालिक मुनाफे के बजाय दीर्घकालिक artificial general intelligence (AGI) बताया है। उन्होंने यह भी संकेत दिया कि कंपनी अपने सबसे उन्नत मॉडल खुले रखने की संभावना रखती है। 33 उपलब्ध प्रमाणों के आधार पर DeepSeek की पूरी फंडिंग, वैल्यूएशन, संभावित लिस्टिंग और Liang की व्यक्तिगत संपत्ति को निश्चित तथ्य के रूप में बताना विश्वसनीय नहीं होगा।

Tang Jie: Z.ai का शोध से एंटरप्राइज तक का मॉडल

Tang Jie Tsinghua University में कंप्यूटर साइंस के प्रोफेसर और Z.ai—जिसे पहले Zhipu AI के नाम से जाना जाता था—के सह-संस्थापक तथा मुख्य वैज्ञानिक हैं। यह कंपनी 2019 में बीजिंग में Tsinghua के शोध से अलग होकर बनी और 2021 से अपने GLM मॉडल परिवार को जारी करने लगी। 4950

Z.ai की रणनीति DeepSeek की तुलना में अधिक संस्थागत है। यह विश्वविद्यालयी शोध आधार को व्यावसायिक और एंटरप्राइज महत्वाकांक्षाओं से जोड़ती है। उसके GLM मॉडल अब reasoning, कोडिंग, टूल इस्तेमाल और agentic workflows यानी ऐसे कामों पर अधिक जोर दे रहे हैं जिनमें AI कई चरणों में सॉफ्टवेयर और टूल के साथ काम करता है। अमेरिकी Center for AI Standards and Innovation की रिपोर्ट के अनुसार, GLM-5.2 को 16 जून 2026 को open-weight मॉडल के रूप में जारी किया गया। 49

Tang का मानना है कि DeepSeek-R1 के बाद केवल चैट-केंद्रित AI का शुरुआती चरण समाप्त हो गया और AI एजेंटों के विकास के साथ कोडिंग तथा reasoning अधिक महत्वपूर्ण होंगे। 52 Z.ai की दिशा को समझने का यह उपयोगी तरीका है: कंपनी सिर्फ बेहतर chatbot बातचीत पर प्रतिस्पर्धा नहीं कर रही, बल्कि ऐसे मॉडल बनाने का लक्ष्य रखती है जो लंबे और जटिल कार्यों को पूरा कर सकें तथा सॉफ्टवेयर टूल से संवाद कर सकें।

Z.ai यह भी दिखाती है कि निजी शोध प्रयोगशाला किस तरह पूंजी बाजार से जुड़ी कंपनी में बदल सकती है। रिपोर्टों के अनुसार, 2025 के मध्य तक उसने लगभग 1.25 अरब डॉलर जुटाए थे। अमेरिकी सरकारी आकलन के मुताबिक, कंपनी ने 8 जनवरी 2026 को हांगकांग में IPO पूरा किया। 4950 उसकी बाजार वैल्यू के सार्वजनिक अनुमान अलग-अलग हैं, इसलिए उन्हें एक-दूसरे का निश्चित विकल्प नहीं माना जाना चाहिए। Tang की निजी संपत्ति के बारे में भी पर्याप्त विश्वसनीय प्रमाण उपलब्ध नहीं हैं।

Yang Zhilin: Moonshot AI का लंबे संदर्भ पर दांव

Yang Zhilin ने Tsinghua University में पढ़ाई की और Carnegie Mellon University से डॉक्टरेट पूरी की। रिपोर्टों में Google और Meta में उनके शोध अनुभव का भी उल्लेख मिलता है। 2023 में उन्होंने बीजिंग में Moonshot AI की सह-स्थापना की। 2712

Moonshot को सबसे पहले Kimi के जरिए पहचान मिली, जिसकी खासियत लंबे संदर्भ वाली बातचीत से जुड़ी रही। कंपनी का Kimi K3 इसी रणनीति को बहुत बड़े open-weight मॉडल तक ले जाता है। स्रोतों के अनुसार, यह 2.8 ट्रिलियन पैरामीटर वाला mixture-of-experts मॉडल है, जिसकी context window 10 लाख tokens तक है। 15

K3 के वज़न Moonshot के उत्पादों और API के जरिए मॉडल उपलब्ध होने के बाद जारी किए गए। इससे उपभोक्ता-केंद्रित chatbot कारोबार को डेवलपर प्लेटफॉर्म की व्यापक रणनीति से जोड़ा गया। 2 मॉडल का आकार निश्चित रूप से उल्लेखनीय है, लेकिन केवल पैरामीटर की संख्या से बुद्धिमत्ता, संचालन लागत या व्यावहारिक उपयोगिता सिद्ध नहीं होती। स्वतंत्र leaderboard तुलना में मदद कर सकते हैं, पर उनकी रैंकिंग बदलती रहती है और वे विश्वसनीयता, कोडिंग, सुरक्षा तथा वास्तविक agent कार्यों की व्यापक जांच का विकल्प नहीं हैं।

Moonshot की फंडिंग के आंकड़े भी बदलते रहे हैं। TechCrunch ने मई 2026 में लगभग 2 अरब डॉलर की फंडिंग और 20 अरब डॉलर की वैल्यूएशन की रिपोर्ट दी थी। बाद की रिपोर्टों में संभावित वैल्यूएशन 30 अरब डॉलर से अधिक बताई गई और संभावित हांगकांग लिस्टिंग की तैयारी का उल्लेख हुआ। ये निजी बाजार के रिपोर्टेड अनुमान हैं, ऑडिट किए गए सार्वजनिक बाजार मूल्य नहीं। 41215 Yang की निजी संपत्ति के बारे में भी विश्वसनीय प्रमाण पर्याप्त नहीं हैं।

यह केवल अमेरिका बनाम चीन की दौड़ क्यों नहीं है?

1. क्षमता के साथ लागत भी मापी जा रही है

DeepSeek ने efficient reasoning को सुर्खियों में ला दिया। Z.ai कोडिंग, एंटरप्राइज deployment और AI एजेंटों पर जोर दे रही है। Moonshot लंबे संदर्भ, बहुत बड़े open-weight मॉडल और उत्पाद वितरण को एक साथ जोड़ रही है। तीनों की रणनीतियां अलग हैं, लेकिन वे उद्योग को एक व्यापक सवाल की ओर धकेल रही हैं: हर डॉलर के प्रशिक्षण या inference पर डेवलपर को कितनी उपयोगी क्षमता मिलती है?

यह तुलना पूरी तरह सीधी नहीं है। रिपोर्ट की गई training costs अक्सर कंपनियों के अपने दावे होती हैं और उनमें डेटा, इंजीनियरिंग, हार्डवेयर तक पहुंच, मूल्यांकन तथा deployment की लागत शामिल न हो सकती है। फिर भी रणनीतिक प्रभाव वास्तविक है। DeepSeek ने निवेशकों और AI प्रयोगशालाओं को frontier मॉडल की लागत-वक्र के बारे में अपनी धारणाओं पर दोबारा विचार करने के लिए मजबूर किया। 1722

2. Open weights डेवलपरों के विकल्प बढ़ाते हैं

डाउनलोड किए जा सकने वाले मॉडल वज़न डेवलपरों को मॉडल को अपने सर्वर पर चलाने, fine-tune करने या उसे किसी उत्पाद में जोड़ने की सुविधा दे सकते हैं। उन्हें पूरी तरह किसी proprietary API पर निर्भर नहीं रहना पड़ता। इसी वजह से DeepSeek, GLM और Kimi जैसी प्रणालियां विदेशों में सीमित कंपनी-वितरण के बावजूद वैश्विक सॉफ्टवेयर इकोसिस्टम तक पहुंच बना सकती हैं।

हालांकि “open weight” का अर्थ हमेशा “पूरी तरह open source” नहीं होता। वज़न उपलब्ध हो सकते हैं, जबकि training data, डेटा-प्रोसेसिंग तरीके, training code और पूरी development pipeline सार्वजनिक न हों। reproducibility, लाइसेंस, सुरक्षा और governance के लिए यह अंतर महत्वपूर्ण है।

3. बाजार पर असर AI प्रयोगशालाओं से आगे पहुंचा

DeepSeek के जनवरी 2025 के लॉन्च ने अमेरिकी टेक्नोलॉजी वैल्यूएशन को प्रभावित किया, क्योंकि उसने इस धारणा को चुनौती दी कि अधिक सक्षम AI के लिए अनिवार्य रूप से उतने ही अनुपात में अधिक महंगे हार्डवेयर की जरूरत होगी। Nvidia के एक दिन में हुए नुकसान ने दिखाया कि मॉडल स्तर का नवाचार infrastructure layer को कितनी तेजी से प्रभावित कर सकता है। 1718

Moonshot के K3 ने भी यह ध्यान खींचा कि चीन की कोई कंपनी उन बड़े अमेरिकी AI प्रयोगशालाओं से जुड़े पैमाने का open-weight मॉडल जारी कर सकती है। इसे मौजूदा तकनीकी धारणाओं पर दबाव के रूप में देखना अधिक उचित है, न कि चीन की पूर्ण तकनीकी जीत के प्रमाण के रूप में। 14

अगला चरण किन बाधाओं से तय होगा?

इन तीनों कंपनियों के सामने अब भी कई संरचनात्मक चुनौतियां हैं।

• कंप्यूटिंग और हार्डवेयर: निर्यात नियंत्रण और शीर्ष स्तर के accelerators तक सीमित पहुंच frontier मॉडल के प्रशिक्षण और संचालन को कठिन बनाती है। दक्षता की तकनीकें अंतर कम कर सकती हैं, लेकिन वे चिप्स, बिजली, नेटवर्किंग, इंजीनियरिंग प्रतिभा और पूंजी की जरूरत खत्म नहीं करतीं। 45
• व्यावसायीकरण: खुले या सस्ते मॉडल तेजी से फैल सकते हैं, लेकिन उनके निर्माताओं के लिए राजस्व हासिल करना कठिन हो सकता है। तकनीकी लोकप्रियता को टिकाऊ enterprise, API या consumer कारोबार में बदलना जरूरी होगा।
• बेंचमार्क की अनिश्चितता: किसी एक संकीर्ण या कंपनी द्वारा बताए गए बेंचमार्क में जीत से विश्वसनीयता, बहुभाषी गुणवत्ता, कोडिंग प्रदर्शन, सुरक्षा या agent robustness साबित नहीं होती। श्रेष्ठता के दावों की स्वतंत्र पुष्टि जरूरी है।
• भरोसा और governance: गोपनीयता, सुरक्षा, सामग्री प्रतिबंध और भू-राजनीतिक जांच विदेशों में अपनाने की गति सीमित कर सकते हैं, भले ही मॉडल तकनीकी रूप से आकर्षक हो।
• पूंजी बाजार का दबाव: Z.ai की पूरी हो चुकी लिस्टिंग उसे निजी DeepSeek से अलग वित्तीय स्थिति देती है, जबकि Moonshot की रिपोर्ट की गई IPO तैयारी अभी संभावित है। विश्वसनीय सार्वजनिक रिपोर्टिंग में DeepSeek के स्वामित्व और लिस्टिंग योजनाएं कम स्पष्ट हैं। 495015

निष्कर्ष

Liang Wenfeng, Tang Jie और Yang Zhilin किसी एकीकृत “चीनी AI रणनीति” पर काम नहीं कर रहे हैं। Liang ने DeepSeek की पहचान में दक्षता और दीर्घकालिक AGI शोध को केंद्रीय स्थान दिया है। Tang विश्वविद्यालयी शोध से निकले फाउंडेशन मॉडल को कोडिंग, एजेंटों और सार्वजनिक बाजार के पैमाने तक ले जा रहे हैं। Yang लंबे संदर्भ, विशाल mixture-of-experts प्रणालियों और खुले डेवलपर वितरण पर अपना मॉडल बना रहे हैं।

इन तीनों की संयुक्त उपलब्धि यह है कि उन्होंने frontier AI को अधिक बहुल बना दिया है। उन्होंने डेवलपरों के विकल्प बढ़ाए, बंद मॉडल infrastructure की अर्थव्यवस्था को चुनौती दी और इस धारणा को कमजोर किया कि चीन हमेशा अमेरिका से पीछे रहेगा।

फिर भी सबसे सावधान निष्कर्ष ही सबसे टिकाऊ है: इन कंपनियों ने प्रतिस्पर्धी परिदृश्य बदल दिया है, लेकिन कंप्यूटिंग की सीमाएं, अनिश्चित बेंचमार्क, व्यावसायीकरण और भरोसा तय करेंगे कि यह बदलाव कितने समय तक कायम रहता है।