चीनच्या AI उद्योगावर वर्चस्व गाजवणारे 'सहा वाघ'

Zhipu AI: शैक्षणिक क्षेत्रातील बलवान कंपनी (The Academic Powerhouse)

Zhipu AI, 2019 मध्ये स्थापन झालेली, प्रतिष्ठित त्सिंगुआ विद्यापीठातून (Tsinghua University) बाहेर पडलेली आणि शैक्षणिक क्षेत्रात खोलवर रुजलेली कंपनी आहे. दोन प्राध्यापकांनी स्थापन केलेली, ही चीनमधील सर्वात जुन्या जनरेटिव्ह-एआय (generative-AI) स्टार्टअप्सपैकी एक आहे. बीजिंगमध्ये असलेली ही कंपनी केवळ ॲप्लिकेशन्स तयार करत नाही, तर मूलभूत गोष्टींवरही काम करते. Zhipu AI विविध ॲप्लिकेशन्सना सामर्थ्य देणारे फाउंडेशन मॉडेल तयार करण्यावर लक्ष केंद्रित करते.

ChatGLM, हे त्यांच्या उल्लेखनीय निर्मितीपैकी एक आहे. हे एक संभाषणात्मक चॅटबॉट (conversational chatbot) आहे जे वापरकर्त्यांना नैसर्गिक आणि सहज संवादात गुंतवून ठेवण्यासाठी डिझाइन केलेले आहे. Ying हे आणखी एक महत्त्वपूर्ण उत्पादन आहे, जे एक AI व्हिडिओ जनरेटर आहे आणि व्हिज्युअल कंटेंट (visual content) तयार करण्याच्या सीमा वाढवते.

Zhipu AI ची नाविन्यपूर्णतेसाठीची बांधिलकी त्यांच्या सततच्या मॉडेल डेव्हलपमेंटमध्ये दिसून येते. ऑगस्टमध्ये, कंपनीने GLM-4-Plus मॉडेलचे अनावरण केले, ज्याने OpenAI च्या GPT-4o च्या बरोबरीने कामगिरी केल्याचा दावा केला. हे प्रगत मॉडेल उच्च-गुणवत्तेच्या सिंथेटिक डेटावर (synthetic data) आधारित आहे, ज्यामुळे ते मोठ्या प्रमाणात मजकूर अत्यंत कार्यक्षमतेने प्रोसेस (process) करू शकते. कंपनी स्पीच मॉडेलसह (speech model) सीमा वाढवत आहे, त्यांनी GLM-4-Voice जारी केले, जे मानवी आवाजासारखी क्षमता असलेले एंड-टू-एंड स्पीच मॉडेल (end-to-end speech model) आहे, ज्यामध्ये सूक्ष्म स्वर आणि बोलीभाषांचा समावेश आहे. हे मॉडेल रिअल-टाइम (real-time) व्हॉइस संभाषणांना (voice conversations) अनुमती देते, जे चीनी आणि इंग्रजीमध्ये सहजपणे बदलू शकते.

तथापि, Zhipu AI चा प्रवास आव्हानांशिवाय नव्हता. जानेवारीमध्ये, मावळत्या বাইডেন प्रशासनाने (Biden administration) Zhipu AI ला 20 हून अधिक इतर चिनी कंपन्यांसह प्रतिबंधित व्यापार सूचीमध्ये (restricted trade list) जोडले, ज्यामध्ये चीनच्या सैन्यात संभाव्य योगदानाबद्दल चिंता व्यक्त केली होती. या अडथळ्या সত্ত্বেও, Zhipu AI मध्ये गुंतवणूक मोठ्या प्रमाणात होत आहे. या महिन्याच्या सुरुवातीला झालेल्या अलीकडील वित्तपुरवठा फेरीत, कंपनीने एक अब्ज युआनपेक्षा (सुमारे $140 दशलक्ष) जास्त निधी जमा केला, ज्यात Alibaba, Tencent आणि अनेक सरकारी-समर्थित कंपन्यांचा सहभाग होता.

Moonshot AI: चॅटबॉट चॅम्पियन (The Chatbot Champion)

2023 मध्ये त्सिंगुआ विद्यापीठातून (Tsinghua University) बाहेर पडलेली, Moonshot AI चीनच्या AI क्षेत्रातील एक नवीन, परंतु तितकीच महत्त्वाकांक्षी कंपनी आहे. यांग झिलिन (Yang Zhilin), ज्यांनी त्सिंगुआ (Tsinghua) आणि कार्नेगी मेलॉन विद्यापीठात (Carnegie Mellon University) AI संशोधक म्हणून काम केले आहे, यांनी Moonshot AI ची स्थापना केली आणि अल्पावधीतच कंपनीने प्रसिद्धी मिळवली.

कंपनीचे मुख्य उत्पादन, Kimi AI चॅटबॉट (Kimi AI chatbot), बाजारात लक्षणीय वाटा मिळवणारे ठरले आहे. काउंटरपॉइंट रिसर्चनुसार (Counterpoint Research), नोव्हेंबरपर्यंत सुमारे 13 दशलक्ष मासिक सक्रिय वापरकर्त्यांसह, हे चीनमधील शीर्ष पाच AI चॅटबॉट्सपैकी एक म्हणून ओळखले जाते. Kimi ची क्षमता प्रभावी आहे, विशेषत: दोन दशलक्ष पर्यंत चिनी अक्षरे असलेल्या प्रश्नांवर प्रक्रिया करण्याची क्षमता, जी त्याच्या मजबूत नैसर्गिक भाषा प्रक्रिया (natural language processing) क्षमतेचा पुरावा आहे.

Moonshot AI च्या जलद वाढीला चीनमधील काही मोठ्या तंत्रज्ञान कंपन्यांचा पाठिंबा मिळाला आहे. $3.3 अब्ज मूल्यांकनासह, कंपनीला Alibaba आणि Tencent सारख्या गुंतवणूकदारांचा पाठिंबा आहे, ज्यामुळे आर्थिक संसाधने आणि धोरणात्मक भागीदारी दोन्ही मिळतात.

MiniMax: बहुमुखी नवोन्मेषक (The Versatile Innovator)

2021 मध्ये AI संशोधक आणि डेव्हलपर यान जुन्जी (Yan Junjie) यांनी स्थापन केलेल्या, MiniMax ने परस्परसंवादी आणि आकर्षक AI अनुभवांवर लक्ष केंद्रित करून स्वतःचे स्थान निर्माण केले आहे. कंपनी Talkie ची निर्माती आहे, जो एक लोकप्रिय AI चॅटबॉट आहे आणि त्याच्या सुरुवातीपासूनच लक्षणीयरीत्या विकसित झाला आहे. 2022 मध्ये Glow म्हणून लाँच केलेले, ॲप सुधारित केले गेले आणि त्याचे रीब्रँडिंग (rebranding) करण्यात आले, चीनमध्ये Xingye आणि आंतरराष्ट्रीय बाजारात Talkie बनले.

Talkie एक अद्वितीय वापरकर्ता अनुभव (user experience) प्रदान करते, जे वापरकर्त्यांना सेलिब्रिटी (celebrities) आणि काल्पनिक पात्रांसह विविध प्रकारच्या पात्रांशी संवाद साधण्याची परवानगी देते. आकर्षक सामग्रीवरील या फोकसने वापरकर्त्यांना आकर्षित केले आहे, जरी ॲपला डिसेंबरमध्ये तात्पुरता धक्का बसला जेव्हा ते यूएस ॲपल ॲप स्टोअरवरून (Apple App Store) काढून टाकण्यात आले, कथितपणे ‘तांत्रिक कारणांमुळे’, साउथ चायना मॉर्निंग पोस्टने (South China Morning Post) दिलेल्यावृत्तानुसार.

चॅटबॉट्स व्यतिरिक्त, MiniMax ने व्हिडिओ जनरेशनच्या (video generation) क्षेत्रातही प्रवेश केला आहे. शांघाय-आधारित कंपनीने Hailuo AI, एक टेक्स्ट-टू-व्हिडिओ (text-to-video) AI जनरेटर विकसित केले, जे त्याची बहुमुखी प्रतिभा आणि AI तंत्रज्ञानाच्या विविध पैलूंचा शोध घेण्याची त्याची वचनबद्धता दर्शवते. MiniMax च्या नावीन्यपूर्णतेला भरीव गुंतवणूक मिळाली आहे. मार्चमध्ये, Alibaba ने कंपनीसाठी $600 दशलक्ष निधी उभारणीचे नेतृत्व केले, परिणामी $2.5 अब्ज मूल्यांकन झाले, ज्यामुळे AI क्षेत्रातील एक प्रमुख कंपनी म्हणून त्याचे स्थान मजबूत झाले.

Baichuan Intelligence: ओपन-सोर्स प्रणेता (The Open-Source Pioneer)

Baichuan Intelligence, मार्च 2023 मध्ये स्थापन झालेली, ओपन-सोर्स डेव्हलपमेंटसाठी (open-source development) वचनबद्ध आहे. कंपनीमध्ये Microsoft आणि Huawei, Baidu आणि Tencent सारख्या चिनी तंत्रज्ञान कंपन्यांमधील अनुभवी लोकांचा समावेश आहे, ज्यामुळे ज्ञानाचा मोठा साठा एकत्र येतो.

बीजिंग-आधारित कंपनीने दोन मोठे लँग्वेज मॉडेल्स (large language models): Baichuan-7B आणि Baichuan-13B रिलीज करून ओपन-सोर्स समुदायामध्ये महत्त्वपूर्ण योगदान दिले आहे. 2023 मध्ये उपलब्ध करून दिलेली ही मॉडेल्स चीनमध्ये व्यावसायिकरित्या उपलब्ध आहेत आणि विविध क्षेत्रांमध्ये त्यांची कठोर चाचणी केली गेली आहे. सामान्य ज्ञान, गणित, कोडिंग, भाषांतर, कायदा आणि औषध यासह विविध डेटासेटवर (datasets) त्यांचे मूल्यांकन केले गेले आहे, जे त्यांची व्यापक उपयोगिता दर्शवते.

Baichuan Intelligence च्या ओपन-सोर्स तत्त्वांमुळे गुंतवणूक आकर्षित करण्याची क्षमता कमी झालेली नाही. जुलैमध्ये, कंपनीने पाच अब्ज युआन (अंदाजे $687.6 दशलक्ष) निधी उभारला, ज्यामुळे कंपनीचे मूल्य 20 अब्ज युआनपेक्षा जास्त झाले. गुंतवणूकदारांच्या यादीमध्ये Alibaba, Tencent आणि अनेक सरकारी-समर्थित कंपन्यांसारख्या प्रमुख नावांचा समावेश होता, ज्यामुळे Baichuan च्या दृष्टिकोनावरचा विश्वास दिसून येतो.

StepFun: मल्टीमॉडल मेस्ट्रो (The Multimodal Maestro)

StepFun, 2023 मध्ये स्थापन झालेली, मल्टीमॉडल AI प्रणालींवर (multimodal AI systems) लक्ष केंद्रित करून स्वतःला वेगळे करते. Microsoft चे माजी वरिष्ठ उपाध्यक्ष, जियांग डॅक्सिन (Jiang Daxin) यांनी स्थापन केलेल्या, शांघाय-आधारित कंपनीने फाउंडेशन मॉडेल्सचा (foundation models) वैविध्यपूर्ण पोर्टफोलिओ (portfolio) वेगाने विकसित केला आहे.

StepFun ने व्हिज्युअल (visual), ऑडिओ (audio) आणि मल्टीमॉडल AI क्षमतांचा समावेश असलेली अकरा फाउंडेशन मॉडेल्स (foundation models) रिलीज केली आहेत. कौशल्याची ही विस्तृतता कंपनीला अशा AI प्रणाली तयार करण्यात अग्रेसर ठेवते, ज्या जगाला अधिक व्यापकपणे समजून घेऊ शकतात आणि संवाद साधू शकतात.

कंपनीचे Step-2 लँग्वेज मॉडेल (Step-2 language model) विशेषतः उल्लेखनीय आहे, ज्यामध्ये एक ट्रिलियन पॅरामीटर्स (parameters) आहेत. LiveBench, लार्ज लँग्वेज मॉडेल्सचे (large language models) बेंचमार्किंग (benchmarking) करणारे प्लॅटफॉर्म (platform), यावर DeepSeek, Alibaba आणि OpenAI सारख्या उद्योगातील प्रमुख कंपन्यांच्या मॉडेल्समध्ये ते रँक (rank) केलेले आहे. हे StepFun ची AI डेव्हलपमेंटच्या (AI development) सर्वोच्च स्तरावर स्पर्धा करण्याची क्षमता दर्शवते.

StepFun च्या प्रगतीला धोरणात्मक गुंतवणुकीचा पाठिंबा मिळाला आहे. डिसेंबरमध्ये, Fortera Capital, एक सरकारी मालकीची खाजगी इक्विटी फर्म (private equity firm), हिने StepFun ला सिरीज B (Series B) निधीमध्ये “शेकडो दशलक्ष डॉलर्स” उभारण्यास मदत करण्यात महत्त्वाची भूमिका बजावली, ज्यामुळे कंपनीला तिचा महत्त्वाकांक्षी विकास मार्ग सुरू ठेवण्यासाठी संसाधने मिळाली.

01.AI: अनुभवी-नेतृत्वाखालील दूरदर्शी (The Veteran-Led Visionary)

01.AI, 2023 मध्ये Apple, Microsoft आणि Google चे अनुभवी काई-फू ली (Kai-Fu Lee) यांनी स्थापन केलेली, AI क्षेत्रात अनुभव आणि एक धाडसी दृष्टी आणते. बीजिंग-आधारित कंपनीने त्वरीत स्वतःला एक महत्त्वपूर्ण कंपनी म्हणून स्थापित केले आहे, Yi-Lightning आणि Yi-Large ही दोन महत्त्वपूर्ण मॉडेल्स लाँच (launch) केली आहेत.

ही दोन्ही मॉडेल्स ओपन-सोर्स (open-source) आहेत, जी 01.AI ची सहयोगी विकासासाठीची (collaborative development) वचनबद्धता दर्शवतात. ते जागतिक स्तरावर सर्वोच्च कामगिरी करणाऱ्या लार्ज लँग्वेज मॉडेल्समध्ये (large language models) देखील रँक केलेले आहेत, जे भाषा आकलन, तर्क आणि आकलन यासारख्या क्षेत्रांमध्ये उत्कृष्ट आहेत.

Yi-Lightning मॉडेल विशेषतः त्याच्या कार्यक्षमतेसाठी (efficiency) उल्लेखनीय आहे. ली (Lee) यांनी LinkedIn वर नमूद केले की Yi-Lightning ला तुलनेने कमी संख्येने Nvidia च्या H100 चिप्स (2,000) वापरून एका महिन्यासाठी प्रशिक्षित केले गेले, जे xAI च्या Grok 2 ला प्रशिक्षित करण्यासाठी वापरलेल्या चिप्सपेक्षा लक्षणीयरीत्या कमी आहेत, तरीही तुलनात्मक कामगिरी साधली. हे 01.AI चे संसाधन वापराला अनुकूल करण्यावर लक्ष केंद्रित करते. दुसरीकडे, Yi-Large मॉडेल मानवासारख्या संभाषणांमध्ये (human-like conversations) व्यस्त राहण्यासाठी डिझाइन केलेले आहे, जे इंग्रजी आणि चीनी दोन्ही भाषांमध्ये सहजपणे संवाद साधते, त्याची बहुमुखी प्रतिभा आणि जागतिक उपयोगिता दर्शवते.