डीपसीकच्या पलीकडे: चीनचे ओपन-सोर्स 'सैन्य'

चीनचे ओपन-सोर्स ‘सैन्य’ जागतिक AI परिदृश्यात बदल घडवत आहे. DeepSeek आणि Alibaba चे Qwen यांच्या नेतृत्वाखाली चीनमधील ओपन-सोर्स क्षमतांसाठी नवीन मापदंड स्थापित करत आहे, लहान आणि मध्यम आकाराचे उद्योग (SMEs) या प्रगतीचा उपयोग लहान, परंतु अधिक शक्तिशाली, उभ्या मॉडेल विकसित करण्यासाठी करत आहेत. या नवोन्मेषामुळे चीनमधील मोठ्या मॉडेलच्या अद्यतनांचा वेग वाढला आहे, सतत नवीन आणि रोमांचक विकास घडवून आणला जात आहे. अमेरिकेमध्ये मोठ्या प्रमाणावर वापरल्या जाणाऱ्या क्लोज्ड-सोर्स दृष्टिकोणाच्या विपरीत, चिनी कंपन्या ओपन-सोर्स स्वीकारत आहेत, त्यांचे तांत्रिक कौशल्य दर्शवत आहेत आणि तांत्रिक समावेशकता आणि जागतिक सहकार्याच्या दिशेने एक नवीन मार्ग तयार करत आहेत, सतत परदेशी बाजारपेठेत विस्तार करत आहेत आणि जागतिक AI परिदृश्यात ‘एकध्रुवीय वर्चस्वा’वरून ‘बहुध्रुवीय सहअस्तित्वा’कडे वाटचाल करत आहेत.

चिनी ओपन सोर्सचे एकत्रीकरण

फेब्रुवारीच्या सुरुवातीला, जेव्हा चिनी ओपन-सोर्स लार्ज मॉडेल DeepSeek ने जगभरातील 140 देश आणि प्रदेशांमधील ॲप्लिकेशन मार्केट डाउनलोड चार्टमध्ये अव्वल स्थान पटकावले, तेव्हा OpenAI ने DeepSeek वर ChatGPT मधून परवानगीशिवाय डिस्टिल्ड डेटा वापरल्याचा आरोप केला.

OpenAI ची प्रतिमा वाचवण्याऐवजी, या आरोपांना जगभरातील संशोधकांकडून मोठ्या प्रमाणावर उपहास मिळाला.

आता, आणखी एक स्पर्धक, ‘डिस्टिलेशन’ स्वीकारून पुढे आले आहे.

13 एप्रिल रोजी, कुनलुन वानवेईने Skywork-OR1 (Open Reasoner 1) मालिका मॉडेल लाँच केले, जे Alibaba च्या Qwen-32B पेक्षा त्याच स्केलमध्ये सरस ठरले आणि DeepSeek-R1 च्या बरोबरीने आले.

मर्यादित आर्थिक संसाधने असलेली कुनलुन वानवेई SOTA-लेव्हलचे मोठे मॉडेल कसे तयार करू शकते? अधिकृत स्पष्टीकरण असे आहे की त्यांचे मॉडेल DeepSeek-R1-Distill-Qwen-7B आणि DeepSeek-R1-Distill-Qwen-32B वर आधारित आहेत.

नावाप्रमाणेच, DeepSeek च्या मॉडेलने Alibaba च्या Qwen मालिका मॉडेल डिस्टिल्ड केले.

उत्कृष्ट ओपन-सोर्स मॉडेलचा लाभ घेत, कुनलुन वानवेई ओपन-सोर्स समुदायात योगदान देत आहे. DeepSeek प्रमाणे, ज्याने फक्त मॉडेल वेट्स ओपन-सोर्स केले, कुनलुन वानवेईने त्याचे डेटासेट आणि प्रशिक्षण कोड देखील ओपन-सोर्स केले आहेत, जे ‘खऱ्या ओपन सोर्स’च्या संकल्पनेशी अधिक जुळतात. याचा अर्थ असा आहे की कोणताही वापरकर्ता त्यांचे मॉडेल प्रशिक्षण प्रक्रिया पुन्हा तयार करण्याचा प्रयत्न करू शकतो.

कुनलुन वानवेईची कामगिरी ओपन सोर्सचा सर्वात महत्वाचा पैलू दर्शवते: ते केवळ वापरकर्त्यांना विनामूल्य आणि सहज उपलब्ध उत्पादनच देत नाही, तर अधिक विकासकांना पूर्ववर्तींच्या खांद्यावर उभे राहून तंत्रज्ञान जलद आणि कमी खर्चात पुढे नेण्यास सक्षम करते.

खरं तर, गेल्या वर्षी मोठ्या मॉडेल प्री-ट्रेनिंगमधील अडचणींबद्दल उद्योगातील चर्चेदरम्यान, यावर्षी चिनी मोठ्या मॉडेलच्या पुनरावृत्तीचा वेग वाढला आहे, अधिकाधिक कंपन्या ओपन सोर्समध्ये गुंतवणूक करत आहेत.

Alibaba Cloud च्या Tongyi Qianwen ने चिनी नववर्षाच्या पूर्वसंध्येला त्याचे नवीन व्हिज्युअल मॉडेल Qwen2.5-VL ओपन-सोर्स केले आणि मार्चच्या सुरुवातीला त्याचे नवीन तर्क मॉडेल Qwen-32B रिलीज केले आणि ओपन-सोर्स केले, ज्या दिवशी ते ओपन-सोर्स झाले, त्याच दिवशी जागतिक स्तरावर AI ओपन-सोर्स समुदाय Hugging Face च्या ट्रेंडिंग लिस्टमध्ये अव्वल स्थान पटकावले.

यानंतर Stepwise ने सुमारे एका महिन्यात तीन मल्टीमॉडल मोठी मॉडेल ओपन-सोर्स केले, ज्यापैकी नवीनतम इमेज-टू-व्हिडिओ मॉडेल Step-Video-TI2V आहे, जे नियंत्रित मोशन ॲम्प्लिट्यूड आणि लेन्स मूव्हमेंटसह व्हिडिओ तयार करण्यास समर्थन देते आणि काही विशेष प्रभाव निर्मिती क्षमतांसह देखील येते.

Zhipu ने एप्रिलमध्ये घोषणा केली की ते 32B/9B मालिका GLM मॉडेल ओपन-सोर्स करेल, ज्यामध्ये बेस, रिझनिंग आणि कंटेम्प्लेटिव्ह मॉडेल MIT परवाना करारांतर्गत असतील.

एकेकाळी क्लोज्ड सोर्स असलेल्या Baidu ने देखील 30 जून रोजी Wenxin मोठे मॉडेल पूर्णपणे ओपन-सोर्स करण्याची घोषणा केली.

देशांतर्गत ओपन-सोर्स इकोसिस्टमच्या वाढत्या समृद्धीच्या तुलनेत, अमेरिकन मोठ्या मॉडेल कंपन्या अजूनही प्रामुख्याने क्लोज्ड सोर्सवर लक्ष केंद्रित करतात, ज्यामुळे चिनी मोठ्या मॉडेलला परदेशात जाण्याची दुर्मिळ संधी मिळाली आहे. DeepSeek ने इंडोनेशियाच्या शिक्षण कंपनी Ruangguru ला त्यांचे शिक्षण मॉडेल कमी खर्चात ऑप्टिमाइझ करण्याची परवानगी दिली आहे; सिंगापूरच्या B2B ट्रॅव्हल टेक्नॉलॉजी कंपनी ॲटलासने Qwen ला त्यांच्या इंटेलिजेंट कस्टमर सर्व्हिस सिस्टममध्ये समाकलित केले आहे, जेणेकरून 24/7 बहुभाषिक समर्थन मिळू शकेल.

अमेरिकेत क्लोज्ड सोर्स, चीनमध्ये ओपन सोर्स का?

अमेरिकेतील AI उद्योगाचा क्लोज्ड सोर्सकडे असलेला कल आणि चीनच्या AI ची वाढती खुलेपणा ही दोन्ही देशांमधील AI विकासाच्या वेगवेगळ्या वातावरणाचा अपरिहार्य परिणाम आहे.

अमेरिकेतील AI उद्योग प्रामुख्याने टेक जायंट्स आणि VC (व्हेंचर कॅपिटलिस्ट) यांच्या नेतृत्वाखाली आहे, ज्यांच्या AI मधून भांडवली परताव्याच्या मोठ्या अपेक्षा आहेत. त्यामुळे, अमेरिकन AI मॉडेल कंपन्यांचा तंत्रज्ञानावर दृढ विश्वास आहे, म्हणजेच तांत्रिक नेतृत्व मिळवणे, बाजारात काही प्रमाणात मक्तेदारी मिळवणे आणि नंतर प्रचंड नफा निर्माण करणे आणि त्यांचे इकोसिस्टम नैसर्गिकरित्या क्लोज्ड सोर्सकडे झुकलेले असते.

OpenAI च्या विकासाचा इतिहास पाहिल्यास, याची सुरुवात एक ना-नफा संस्था म्हणून झाली, परंतु कालांतराने ती अधिकाधिक बंद होत गेली. GPT-1 पूर्णपणे ओपन सोर्स होते, GPT-2 अंशतः ओपन सोर्स होते आणि पूर्णपणे ओपन सोर्स होण्यापूर्वी त्याला विरोध झाला, GPT-3 अधिकृतपणे क्लोज्ड सोर्स झाले आणि नंतर GPT-4 ने क्लोज्ड-सोर्स धोरण अधिक मजबूत केले, ज्यामध्ये मॉडेल आर्किटेक्चर आणि प्रशिक्षण डेटा पूर्णपणे गोपनीय ठेवण्यात आला आणि कॉर्पोरेट वापरकर्त्यांच्या API कॉलिंग फ्रिक्वेन्सीवर देखील निर्बंध लादले.

OpenAI ने म्हटले आहे की क्लोज्ड सोर्स हे तंत्रज्ञानाचा गैरवापर नियंत्रित करण्यावर आधारित आहे, परंतु बाजारात असा समज आहे की OpenAI च्या क्लोज्ड सोर्सकडे वळण्याचे महत्त्वाचे कारण म्हणजे मायक्रोसॉफ्टसोबतचा शंभर अब्ज डॉलर्सचा करार, ज्यामध्ये GPT-3 ला Azure क्लाउड सर्व्हिसमध्ये एम्बेड करून ‘तंत्रज्ञान-भांडवल’ क्लोज्ड लूप तयार करण्यात आला.

मायक्रोसॉफ्टने गेल्या वर्षी ऑक्टोबरमध्ये OpenAI मधील गुंतवणुकीचा खुलासा करताना म्हटले होते: ‘आम्ही OpenAIGlobal, LLC मध्ये एकूण $13 अब्ज गुंतवणुकीची बांधिलकी दर्शविली आहे आणि ही गुंतवणूक इक्विटी पद्धतीने दर्शविली जाईल.’

इक्विटी पद्धत याचा अर्थ असा होतो की मायक्रोसॉफ्टने OpenAI मध्ये केलेली गुंतवणूक केवळ दानशूर संशोधनाऐवजी परतावा मिळवण्याच्या उद्देशाने आहे. हे उघड आहे की OpenAI चे क्लोज्ड-सोर्स इकोसिस्टमद्वारे जास्त किमतीचे API विकणे हे सध्या उत्पन्नाचे सर्वात मोठे स्रोत आहे आणि OpenAI ला ओपन सोर्स न करण्याच्या इच्छेतील सर्वात मोठा अडथळा आहे.

OpenAI मधून ‘स्प्लिट’ होऊन तयार झालेली Anthropic ने सुरुवातीपासूनच क्लोज्ड-सोर्स मार्ग निवडण्याचा निर्धार केला आहे आणि त्याचे मोठे मॉडेल उत्पादन Claude ने पूर्णपणे क्लोज्ड-सोर्स मॉडेल स्वीकारले आहे.

अमेरिकेतील एकमेव ओपन-सोर्स लीडर META च्या Llama ने देखील ओपन-सोर्स करताना दोन गैर-सोयीस्कर अटी जोडल्या:

1. META ने मंजूर केल्याशिवाय 700 दशलक्षाहून अधिक मासिक सक्रिय वापरकर्ते असलेल्या उत्पादने आणि सेवांसाठी ओपन-सोर्स मॉडेल वापरले जाऊ शकत नाही.
2. Llama मॉडेलच्या आउटपुट सामग्रीचा वापर इतर मोठ्या भाषिक मॉडेलला प्रशिक्षित आणि सुधारण्यासाठी केला जाऊ शकत नाही.

यावरून हे दिसून येते की ओपन-सोर्स मॉडेलसाठी देखील Meta चा मूळ उद्देश तांत्रिक समावेशकतेऐवजी स्वतःचे AI इकोसिस्टम तयार करणे आहे.

अमेरिकेने भांडवली स्तरावर ओपन सोर्सच्या सहाय्याने क्लोज्ड सोर्सवर आधारित AI धोरण निवडले आहे, असे म्हणता येईल की हे पूर्णपणे व्यावसायिक विचार आहेत. याउलट, चीनच्या टॉप-डाउन टॉप-लेव्हल डिझाइनने सुरुवातीपासूनच ओपन सोर्सला महत्त्व दिले आहे, जे स्वतंत्र नियंत्रणाच्या संकल्पनेखाली उद्योगाला प्रथम प्राधान्य देणारा मार्ग दर्शवते.

2017 मध्येच, चीन सरकारने ‘नवीन पिढीतील कृत्रिम बुद्धिमत्ता विकास योजना’ जारी केली, ज्यामध्ये AI ला अर्थव्यवस्था आणि समाजासोबत सखोलपणे एकत्रित करण्याची आणि AI विकासाचा फर्स्ट-मूव्हर ॲडव्हांटेज तयार करण्याची स्पष्टपणे मांडणी केली. 2021 मध्ये, ओपन-सोर्स-संबंधित सामग्री चीनच्या ‘14 व्या पंचवार्षिक योजने’मध्ये स्पष्टपणे समाविष्ट करण्यात आली, ज्यामुळे स्थानिक सरकारांनी तांत्रिक नवकल्पनांना सक्रियपणे प्रोत्साहन दिले.

चिनी विज्ञान अकादमीचे शैक्षणिक सदस्य मेई होंग यांनी एकदा म्हटले होते की भाषिक मॉडेलचा भविष्यातील विकास ओपन-सोर्स प्लॅटफॉर्मवर अवलंबून असणे आवश्यक आहे. केवळ खुल्या वातावरणातच विविध उद्योगांतील वापरकर्त्यांसाठी डेटा अपलोड आणि व्यवसाय एकत्रीकरणाची सुरक्षा आणि विश्वासार्हता सुनिश्चित केली जाऊ शकते.

उद्योग आणि माहिती तंत्रज्ञान मंत्रालयाने आणि इतर चार विभागांनी गेल्या वर्षी डिसेंबरमध्ये जारी केलेल्या ‘लहान आणि मध्यम आकाराच्या उद्योगांना डिजिटल सक्षमीकरण करण्यासाठी विशेष कृती योजना (2025-2027)’ मध्ये ओपन ॲटम ओपन सोर्स फाउंडेशनला ‘लहान आणि मध्यम आकाराच्या उद्योगांसाठी AI ओपन सोर्स विशेष प्रकल्प’ स्थापित करण्यास स्पष्टपणे समर्थन दिले आहे, जेणेकरून उद्योगांसाठी तांत्रिक मर्यादा कमी करण्यासाठी पुनरुत्पादक आणि सहजपणे प्रचारित करता येतील अशा प्रशिक्षण फ्रेमवर्क, चाचणी साधने आणि इतर संसाधने उपलब्ध करून दिली जातील.

एक अधिक वास्तववादी समस्या अशी आहे की अमेरिकेकडून संभाव्य तांत्रिक नाकेबंदीमुळे, चीन AI क्षेत्रात केवळ अनुयायी बनू शकत नाही, तर एक स्वतंत्र देशांतर्गत इकोसिस्टम तयार करणे आवश्यक आहे. अमेरिकेने क्लोज्ड सोर्सवर आधारित इकोसिस्टम आधीच तयार केले आहे आणि त्याच इकोसिस्टम अंतर्गत आणखी एक क्लोज्ड-सोर्स इकोसिस्टम तयार करणे म्हणजे बंद दारांमध्ये गाडी बनवण्यासारखे आहे. केवळ ओपन-सोर्स इकोसिस्टम AI उद्योगाच्या विकासाला त्वरित मदत करू शकते.

टॉप-लेव्हल समर्थना व्यतिरिक्त, विविध स्थानिक सरकारांनी ओपन-सोर्स इकोसिस्टममध्ये प्रत्यक्ष गुंतवणूक देखील केली आहे.

Zhipu आणि बीजिंग स्टेट-ओन्ड ॲसेट्स यांनी संयुक्तपणे स्थापन केलेला Z फंड, जो मोठ्या मॉडेल इकोसिस्टम गुंतवणुकीवर लक्ष केंद्रित करतो, त्यांनी घोषणा केली की ते जगभरातील AI ओपन-सोर्स समुदायाच्या विकासाला समर्थन देण्यासाठी 300 दशलक्ष युआनची गुंतवणूक करतील. ओपन-सोर्स मॉडेलवर आधारित कोणताही स्टार्टअप प्रकल्प (केवळ Zhipu ओपन-सोर्स मॉडेलपुरता मर्यादित नाही) अर्ज करू शकतो.

चीन आणि अमेरिका यांच्यातील AI उद्योगासाठी ओपन-सोर्स आणि क्लोज्ड-सोर्स धोरणांमधील फरक हा मुळात विकासाच्या तर्कातील मूलभूत फरक आहे. अमेरिका भांडवलाद्वारे चालविली जाते आणि टेक जायंट्स आणि VC च्या नफा-कमावण्याच्या मागणीने ‘तंत्रज्ञान मक्तेदारी-उच्च-किंमत प्राप्ती’चे क्लोज्ड-सोर्स इकोसिस्टम तयार केले आहे. Meta ओपन सोर्स करण्याचा प्रयत्न करत असले तरी, व्यावसायिक अडथळ्यांच्या बेड्या तोडणे कठीण आहे. चीन टॉप-लेव्हल डिझाइनवर अवलंबून आहे, ज्यामध्ये ‘तंत्रज्ञान इक्विटी + औद्योगिक सहयोग’ ही त्याची मूळ संकल्पना आहे आणि धोरणात्मक सक्षमीकरणाद्वारे एक खुले इकोसिस्टम तयार करते, ज्यामुळे तांत्रिक मर्यादा कमी करण्यासाठी आणि वास्तविक अर्थव्यवस्थेच्या एकत्रीकरणाला प्रोत्साहन देण्यासाठी ओपन सोर्सला मूलभूत पायाभूत सुविधा बनवते. या धोरणात्मक निवडीमुळे केवळ दोन्ही देशांतील AI उद्योगांचे भिन्न मार्ग तयार होत नाहीत, तर जागतिक AI इकोसिस्टम ‘मक्तेदारी स्पर्धे’तून ‘खुले आणि जिंक-जिंक’ मध्ये रूपांतरित होण्यास गती मिळत आहे.

‘चांगले पुरेसे’ हे पुरेसे चांगले आहे

चीनचे AI ओपन-सोर्स इकोसिस्टम केवळ चीन आणि जगातील AI औद्योगिकीकरण विकासाला गती देत नाही, तर अमेरिकेच्या तंत्रज्ञानाला प्रथम प्राधान्य देण्याच्या विश्वासाला एका विचित्र सापळ्यात टाकत आहे.

DeepSeek च्या प्रभावामुळे वाढत्या दबावाचा सामना करत Meta ने 5 एप्रिल रोजी Llama4 जारी केले आणि तो इतिहासातील सर्वात मजबूत मल्टीमॉडल मोठा मॉडेल असल्याचा दावा केला.

परंतु, प्रत्यक्ष चाचणीनंतर, हे मॉडेल निराशाजनक आहे. 10m टोकनची संदर्भ लांबी अनेकदा चुकीची ठरते, सुरुवातीची बॉल चाचणी पूर्ण करणे कठीण होते आणि 9.11 > 9.9 तुलना आकारात त्रुटी आढळतात. मॉडेल लाँच झाल्यानंतर काही दिवसांतच, कार्यकारी अधिकाऱ्यांचे राजीनामे आणि चाचणीत फसवणूक यासारख्या घोटाळ्यांना अंतर्गत कर्मचाऱ्यांनी दुजोरा दिला.

अधिक बातम्या हे सिद्ध करतात की Llama4 हे झुकरबर्गने घाईघाईने तयार केलेले उत्पादन आहे. तर प्रश्न असा आहे की झुकरबर्गला ते एप्रिलमध्ये का लाँच करावे लागले?

यापूर्वी नमूद केल्याप्रमाणे, अमेरिकेच्या AI उद्योगात तंत्रज्ञानावर एक गोंधळलेला विश्वास आहे, त्यांचा असा विश्वास आहे की त्यांची उत्पादने सर्वात मजबूत आणि प्रगत असावीत, त्यामुळे त्यांनी शस्त्र स्पर्धा सुरू केली आहे. तथापि, AI प्रशिक्षणाचा घटता सीमांत परिणाम मोठ्या उत्पादकांना प्रचंड खर्च करण्यास प्रवृत्त करत आहे आणि केवळ तांत्रिक मर्यादा तयार झाली नाही, तर ते संगणकीय शक्तीच्या अडचणीत सापडले आहेत.

OpenAI ने GPT-4o चे इमेज जनरेशन फंक्शन जारी केल्यानंतर, अल्टमनने काही दिवसांनी ट्विट केले की त्यांचे GPUs ‘जळत आहेत.’ Gemini2.5 लाँच झाल्यानंतर एका आठवड्यापेक्षा कमी वेळात, GoogleAIStudio च्या प्रमुखांनी सांगितले की ते अजूनही ‘रेट लिमिट्स’मुळे त्रस्त आहेत आणि विकासक प्रति मिनिट फक्त 20 विनंत्या पाठवू शकतात. असे दिसते की कोणतीही कंपनी सुपर-लार्ज मॉडेलच्या अनुमानात्मक गरजा पूर्ण करू शकत नाही.

खरं तर, अमेरिका एका गैरसमजात अडकली आहे. Zhiyuan रिसर्च इन्स्टिट्यूटच्या प्रभारी व्यक्तीने सांगितले: ‘जर एखाद्या नवीन मॉडेलने 10-गुणांच्या बेंचमार्क स्कोअरमध्ये वाढ मिळवण्यासाठी 100 पट जास्त खर्च केला, तर हे नवीन मॉडेल 80% पेक्षा जास्त ॲप्लिकेशन परिस्थितींसाठी अर्थहीन आहे कारण त्यात खर्चाचा लाभ नाही.’

चिनी मोठ्या मॉडेल कंपन्या ओपन-सोर्स इकोसिस्टमला गती देत आहेत. ते आता अव्वल स्थान मिळवण्यासाठी स्पर्धा करत नाहीत, तर त्यांच्या ‘चांगले पुरेसे’ दृष्टिकोणाने अधिक ग्राहक, विशेषतः औद्योगिक ग्राहक जिंकत आहेत.

सरकारी आणि कॉर्पोरेट ग्राहकांसाठी कोट्यवधींच्या बजेटच्या तुलनेत, अनेक कंपन्या आणि संस्थांना AI ची तातडीची गरज आहे, परंतु त्यांच्याकडे इतके विद्यमान उपाय नाहीत. ओपन-सोर्स मॉडेल वापरून त्यांचे स्वतःचे उपाय विकसित करणे हा त्यांचा एकमेव पर्याय बनला आहे:

• Baosteel उत्पादनातील उपकरणांचे बुद्धिमान लवकर निदान करण्यासाठी महत्त्वाच्या धातू अभियांत्रिकी प्रक्रियांसाठी ‘मोठे मॉडेल + लहान मॉडेल’ वापरते.
• चायना कोल सायन्स ॲण्ड इंडस्ट्री ग्रुपच्या ‘कोल सायन्स गार्डियन लार्ज मॉडेल ChinamjGPT’ मुळे उपकरणांचा डाउनटाइम आणि देखभाल खर्च अनुक्रमे 30% आणि 20% ने कमी झाला आहे.
• शांघाय मेंगबो इंटेलिजेंट इंटरनेट ऑफ थिंग्ज टेक्नॉलॉजीने लाईटवेट मोठ्या मॉडेलवर आधारित एज-कटिंग डिटेक्शन आणि सतत ॲनीलिंग फर्नेस प्रोसेस ऑप्टिमायझेशन ॲप्लिकेशन प्लॅटफॉर्म तयार केले आहे.
• Mifei टेक्नॉलॉजीने मोठ्या मॉडेल तंत्रज्ञानावर आधारित सेमीकंडक्टर वेफर फॅब्समध्ये स्वयंचलित मटेरियल हँडलिंग सिस्टमचे बुद्धिमान अंदाज, देखभाल आणि व्यवस्थापन साकारले आहे.

हे सर्व औद्योगिक परिस्थितीत ओपन-सोर्स मॉडेल लागू होण्याची प्रातिनिधिक उदाहरणे आहेत.

औद्योगिक उपयोगांव्यतिरिक्त, ओपन-सोर्स इकोसिस्टम अधिक सार्वजनिक कल्याणकारी उपक्रमांना मदत करू शकते.

शानशुई नेचर कॉन्झर्व्हेशन सेंटर हिम बिबट्या आणि पठारी परिसंस्थेच्या संरक्षणासाठी वचनबद्ध आहे. ते दर तिमाहीला इन्फ्रारेड कॅमेऱ्याद्वारे मोठ्या प्रमाणात फोटो किंवा व्हिडिओ घेतात. हिम बिबट्याच्या खुणा ओळखण्यासाठी केवळ मानवी मदतीवर अवलंबून राहणे अत्यंत अक्षम आणि वेळखाऊ आहे. हुआवेई ॲसेन्ड शानशुई नेचर कॉन्झर्व्हेशन सेंटरसोबत हिम बिबट्याच्या खुणा ओळखण्यासाठी सहकार्य करत आहे. हुआवेईने सानजियांग्युआनमध्ये इन्फ्रारेड इमेज प्रजाती ओळखण्यासाठी संबंधित मॉडेल आणि साधने ओपन-सोर्स केली आहेत, ज्यामुळे AI विकासात सहभागी होण्याची मर्यादा कमी झाली आहे आणि मॉडेल वापरणाऱ्या अधिक संशोधन आणि संरक्षण संस्थांना लाभ मिळू शकेल. डेटासेट, डेटा प्रोसेसिंग आणि डेटा क्लीनिंगच्या बाबतीत मॉडेल ऑप्टिमाइझ करण्यासाठी लोक एकत्रितपणे काम करू शकतात.

ओपन सोर्सचा ‘बाजार’ प्रभाव

ओपन-सोर्स सॉफ्टवेअर चळवळीचे ध्वजवाहक एरिक रेमंड यांनी 1999 मध्ये ‘द कॅथेड्रल ॲण्ड द बाजार’ या पुस्तकात एक रूपक प्रस्तावित केले: पारंपारिक, क्लोज्ड-सोर्स सॉफ्टवेअर विकास मॉडेल हे कॅथेड्रल बांधण्यासारखे आहे. सॉफ्टवेअरची रचना काही तज्ञांनी (आर्किटेक्ट) एका वेगळ्या वातावरणात काळजीपूर्वक केली जाते आणि ते पूर्ण झाल्यावरच वापरकर्त्यांसाठी रिलीज केले जाते; ओपन-सोर्स डेव्हलपमेंट मॉडेल हे गजबजलेल्या, गोंधळलेल्या पण उत्साही बाजारासारखे आहे. सॉफ्टवेअर विकास खुला, विकेंद्रित आणि उत्क्रांतीवादी आहे.

पुस्तकात असा विश्वास व्यक्त केला आहे की अनेक प्रकारच्या सॉफ्टवेअर प्रकल्पांसाठी, विशेषत: जटिल सिस्टम-लेव्हल सॉफ्टवेअर (जसे की ऑपरेटिंग सिस्टम कर्नल), खुल्या, सहकार्याने आणि विकेंद्रित ‘बाजार’ विकास मॉडेल, जरी ते गोंधळलेले दिसत असले तरी, प्रत्यक्षात अधिक कार्यक्षम आहे, उच्च दर्जाचे उत्पादन करते आणि पारंपारिक, बंद आणि केंद्रित ‘कॅथेड्रल’ मॉडेलपेक्षा अधिक मजबूत सॉफ्टवेअर तयार करते. हे ‘रिलीज अर्ली, रिलीज ऑफन’ आणि मोठ्या प्रमाणावर पीअर रिव्ह्यू (पुरेसे डोळे) यांसारख्या यंत्रणांद्वारे त्रुटी जलद शोधू आणि दुरुस्त करू शकते आणि वापरकर्त्यांचा अभिप्राय आणि समुदायाचे योगदान अधिक चांगल्या प्रकारे आत्मसात करू शकते, ज्यामुळे सॉफ्टवेअरची जलद पुनरावृत्ती आणि नवकल्पना वाढते.

Linux सारख्या ओपन-सोर्स प्रकल्पांच्या प्रचंड यशाने रेमंडचा मुद्दा सिद्ध केला आहे.

ओपन-सोर्स चळवळीने अमेरिका आणि जगाला त्याच्या स्वतःच्या गुंतवणुकीपेक्षा कितीतरी जास्त मोठे मूल्य दिले आहे. हार्वर्ड विद्यापीठाच्या 2024 च्या संशोधन अहवालात म्हटले आहे: ‘ओपन-सोर्सने $4.15 अब्ज गुंतवले आणि कंपन्यांसाठी $8.8 ट्रिलियनचे मूल्य निर्माण केले (म्हणजे प्रत्येक $1 गुंतवणुकीतून $2,000 चे मूल्य निर्माण होते). ओपन सोर्सशिवाय, सॉफ्टवेअरवरील कॉर्पोरेट खर्च आता आहे त्याच्या 3.5 पट जास्त असता.’

आज, चिनी कंपन्यांनी हे शिकले आहे. अमेरिकन AI कंपन्या ते विसरल्या आहेत.

खरं तर, चिनी मोठ्या मॉडेल कंपन्यांसाठी, त्यांनी सामाजिक लाभांचा विचार केला नाही तरी, ओपन-सोर्स इकोसिस्टम स्वीकारणे स्वतः कंपन्यांसाठी तोट्याचे नाही.

अनेक मोठ्या मॉडेल कंपन्यांनी Observer.com ला सांगितले आहे की ओपन सोर्स म्हणजे व्यावसायिकीकरण सोडणे नाही. ओपन सोर्समध्ये अजूनहीनफ्याचे तर्कशास्त्र आहे. ते ओपन सोर्स आहे की नाही यापेक्षा, तांत्रिकदृष्ट्या ग्राहकांना अधिक चांगली सेवा कशी द्यायची हा महत्त्वाचा मुद्दा आहे.

Zhipu AI चे उदाहरण घेतल्यास, ते चीनमधील एकमेव कंपनी असल्याचा दावा करते जे OpenAI सोबत पूर्णपणे बेंचमार्क करते, परंतु OpenAI च्या क्लोज्ड-सोर्स धोरणाच्या तुलनेत, ते उद्योगातील ओपन-सोर्स धोरणाचे सर्वात दृढ अनुयायी आहे.

Zhipu ने 2023 मध्ये चीनचे पहिले चॅट मोठे मॉडेल ChatGLM-6B ओपन-सोर्स करण्यात आघाडी घेतली. स्थापनेपासून जवळपास सहा वर्षांमध्ये, Zhipu ने 55 हून अधिक मॉडेल ओपन-सोर्स केले आहेत, ज्यांचे आंतरराष्ट्रीय ओपन-सोर्स समुदायात एकत्रित डाउनलोड प्रमाण जवळपास 40 दशलक्ष आहे.

Zhipu ने Observer.com ला सांगितले की Zhipu ला आशा आहे की त्याचे ओपन-सोर्स धोरण बीजिंगला कृत्रिम बुद्धिमत्तेसाठी ‘जागतिक ओपन-सोर्स राजधानी’ बनविण्यात योगदान देईल.

विशेषतः, व्यावसायिक स्तरावर, Zhipu ने ओपन सोर्सद्वारे डेव्हलपर इकोसिस्टमला आकर्षित करणे आणि B-एंड आणि G-एंड ग्राहकांना सशुल्क सानुकूलित उपाय प्रदान करणे निवडले.

उपाय विकण्याव्यतिरिक्त, API विकणे देखील एक महत्त्वाचे नफ्याचे साधन आहे.

DeepSeek चे उदाहरण घेतल्यास, ओपन-सोर्स मॉडेलचा पहिला व्यवसाय उच्च-कार्यक्षमतेच्या API ची विक्री आहे. मूलभूत सेवा विनामूल्य असल्या तरी, कंपन्या उच्च-कार्यक्षमतेच्या API सेवा देऊ शकतात आणि वापराच्या आधारावर शुल्क आकारू शकतात. DeepSeek-R1 साठी API ची किंमत 1 दशलक्ष इनपुट टोकनसाठी 1 युआन आणि 1 दशलक्ष आउटपुट टोकनसाठी 16 युआन आहे. जर विनामूल्य टोकन कोटा संपला किंवा मूलभूत API गरजा पूर्ण करू शकत नसेल, तर वापरकर्ते व्यवसायाच्या स्थिरतेसाठी सशुल्क आवृत्ती वापरण्यास प्रवृत्त होतात.

केवळ मॉडेल सेवा देणाऱ्या कंपन्यांच्या तुलनेत, Alibaba ने आणखी एक ओपन-सोर्स कमाई मॉडेल निवडले आहे: इकोसिस्टम बंडलिंग.

Alibaba च्या Qwen मालिकेने, एक ओपन-सोर्स प्रणेता म्हणून, पूर्ण-मोडल ओपन सोर्सद्वारे क्लाउड कंप्यूटिंग आणि इतर पायाभूत सुविधा वापरण्यासाठी विकासकांना आकर्षित केले आहे, ज्यामुळे एक क्लोज्ड-लूप परिस्थिती तयार झाली आहे. त्यांचे मॉडेल केवळ सुरुवातीच्या टप्प्यात एक परिचय आहे आणि क्लाउड सेवा प्रत्यक्षात चिन्हांकित किमतीसह वस्तू आहेत.

चिनी ओपन-सोर्स मोठ्या मॉडेलचा जागतिकीकरण ॲप्लिकेशन ‘तंत्रज्ञानाचे अनुसरण’ पासून ‘इकोसिस्टम वर्चस्वा’कडे वळला आहे. जेव्हा अमेरिका ‘क्लोज्ड-सोर्स मक्तेदारी’ आणि ‘ओपन-सोर्स नियंत्रणाबाहेर’ या दुविधेत अडकली आहे, तेव्हा चीन ‘करार नवोपक्रम + परिस्थिती संवर्धन’ द्वारे जागतिक AI ओपन-सोर्स इकोसिस्टमच्या मूलभूत तर्काची पुनर्रचना करत आहे. या खेळातील अंतिम युद्धभूमी पॅरामीटर स्केलच्या स्पर्धेत नाही, तर AI तंत्रज्ञान आणि वास्तविक अर्थव्यवस्थेच्या सखोल एकत्रीकरणाच्या ट्रिलियन-डॉलरच्या बाजारात आहे.