डीपसीक: तंत्रज्ञानाचा प्रभाव, संधी आणि आव्हानं

तंत्रज्ञान क्षेत्रात डीपसीकचा प्रभाव, संधी आणि आव्हानं

डीपसीकच्या उदयोन्मुख वास्तुशास्त्रामुळे (Innovative architecture) आणि किफायतशीर तंत्रज्ञानामुळे यावर्षी जागतिक तंत्रज्ञान आणि भांडवल समुदायाचे लक्ष वेधले आहे. डीपसीकचा उदय विविध उद्योगांमध्ये एआयच्या (AI) एकत्रीकरणाला गती देतो.

‘तंत्रज्ञान पुनर्रचना मूल्य - २०२५ इक्विटी इन्व्हेस्टमेंट स्प्रिंग फोरम’ (Technology Restructuring Value – 2025 Equity Investment Spring Forum) मध्ये २१ व्या शतकातील बिझनेस हेराल्ड (21st Century Business Herald) आणि त्सिंगुआ युनिव्हर्सिटी स्कूल ऑफ इकॉनॉमिक्स अँड मॅनेजमेंट एक्झिक्युटिव्ह एज्युकेशन सेंटरने (Tsinghua University School of Economics and Management Executive Education Center) आयोजित केलेल्या कार्यक्रमात शिक्षण, उद्योग आणि गुंतवणूक क्षेत्रातील तज्ञांनी डीपसीकचा प्रभाव, रोबोटिक्स (robotics) आणि आरोग्य सेवांमधील (healthcare) एआय ॲप्लिकेशन्स (AI applications) आणि एआयमुळे निर्माण होणाऱ्या आव्हानांना सामोरे जाण्याच्या धोरणांवर चर्चा केली.

डीपसीकचा उदय: चिनी नवोपक्रमाचे प्रदर्शन

‘चीनने नवीन ऊर्जा वाहनं (new energy vehicles) आणि मोठ्या मॉडेलसारख्या (large-scale models) क्षेत्रात आघाडी घेण्यासाठी क्षमता दर्शविली आहे,’ असे मत गॅलेक्सीस्पेसचे (GalaxySpace) स्ट्रॅटेजिक कोऑपरेशनचे (Strategic Cooperation) जनरल मॅनेजर चू शियाओजी यांनी व्यक्त केले. ‘डीपसीकचा उदय चीनमध्ये विभेदित विकासाच्या संधींवर प्रकाश टाकतो. अशाच प्रकारचा ट्रेंड (trend) व्यावसायिक अवकाश क्षेत्रातही (commercial space sector) दिसतो.’

चू शियाओजी यांनी निदर्शनास आणले की, अनेक दशकांच्या विकासानंतर चीनमध्ये पारंपरिक एरोस्पेसमध्ये (traditional aerospace) अमेरिकेला टक्कर देण्याची क्षमता आहे. तथापि, गेल्या ५-१० वर्षांत स्पेसएक्सच्या (SpaceX) नेतृत्वाखालील अमेरिकन व्यावसायिक अवकाश कंपन्यांनी तांत्रिकदृष्ट्या आणि व्यावसायिकदृष्ट्या उद्योगात मोठे बदल घडवले आहेत.

सिनेंग व्हेंचर कॅपिटलचे (Xineng Venture Capital) मॅनेजिंग पार्टनर पेई वानचेन यांचा असा विश्वास आहे की डीपसीकचे महत्त्व केवळ ChatGPT (चॅटजीपीटी) च्या तुलनेत कमी प्रशिक्षण खर्चात नाही, तर चीनमधील विविध स्तरांतील लोकांमध्ये मूलभूत ज्ञान लोकशाहीकरण (democratize basic knowledge) करण्याच्या क्षमतेत आहे. डीपसीकच्या इंटेलिजेंट सर्च क्षमतेमुळे (intelligent search capabilities) व्यक्ती त्यांच्या प्रश्नांची सर्वंकष उत्तरे त्वरित मिळवू शकतात. तथापि, डीपसीक सखोल ज्ञानाऐवजी वरवरचे ज्ञान देते, कारण ते सार्वजनिकरित्या उपलब्ध असलेल्या माहितीचे एकत्रीकरण करते, ज्यामुळे माहिती मिळण्यास वेळ लागतो. सखोल ज्ञानासाठी वैयक्तिक अर्थ लावणे आणि त्यानंतरचा न्याय आवश्यक आहे.

विशेष म्हणजे, सिनेंग व्हेंचर कॅपिटलने मुक्सी इंटिग्रेटेड सर्किटमध्ये (Muuxi Integrated Circuit) गुंतवणूक केली आहे, जी एआय लार्ज मॉडेल इंडस्ट्री चेनमध्ये (AI large model industry chain) कार्यरत आहे. पेई वानचेन यांनी स्पष्ट केले की, टीमने मुक्सीमध्ये गुंतवणूक करण्यापूर्वी जवळजवळ सर्व देशांतर्गत जीपीयू (GPU) चिप कंपन्यांशी कसून मुलाखती आणि योग्य तपासणी केली.

त्यांचा असा विश्वास आहे की देशांतर्गत उच्च-कार्यक्षमता जीपीयूसाठी (high-performance GPUs) मूळ तंत्रज्ञानाचा सामना करण्यासाठी आणि एक स्थानिक जीपीयू पुरवठा साखळी (localized GPU supply chain) आणि संपूर्ण ॲप्लिकेशन इकोसिस्टम (application ecosystem) तयार करण्यासाठी झेजियांग युनिव्हर्सिटीसोबत (Zhejiang University) मुक्सीच्या लवकर सहकार्यामुळे कंपनीला एक वेगळा फायदा मिळतो. जेव्हा डीपसीक उदयास आले, तेव्हा मुक्सीच्या तांत्रिक टीमने त्वरित जुळवून घेतले आणि ओपन-सोर्स रीलिजच्या (open-source release) दिवशी मुक्सी जीपीयूवर (Muuxi GPUs) सुसंगतता चाचणी पूर्ण केली. यामुळे मुक्सी जीपीयू पूर्णपणे सुसंगत असलेले पहिले देशांतर्गत चिप बनले. लेनोव्होच्या (Lenovo) सहकार्याने मुक्सीने ‘लेनोव्हो सर्व्हर/वर्कस्टेशन + मुक्सी ट्रेनिंग आणि इन्फरन्स इंटिग्रेटेड डोमेस्टिक जीपीयू + स्वतंत्र अल्गोरिदम’ (Lenovo server/workstation + Muuxi training and inference integrated domestic GPU + independent algorithm) आर्किटेक्चरवर आधारित पहिले देशांतर्गत डीपसीक ऑल-इन-वन सोल्यूशन (DeepSeek all-in-one solution) लाँच (launch) केले. हे देशांतर्गत एआय इकोसिस्टमसाठी (AI ecosystem) मुक्सीचे एक महत्त्वपूर्ण पाऊल आहे आणि मोठ्या मॉडेल आणि एआयमध्ये (AI) सतत नवोपक्रम (continuous innovation) करण्यासाठी स्थानिक कंपन्यांची बांधिलकी दर्शवते. मुक्सी देशांतर्गत एआय पायाभूत सुविधांमध्ये (AI infrastructure) केलेल्या नाविन्यपूर्ण प्रगतीद्वारे विविध उद्योगांच्या Intelligent Transformation ला नवीन गती देत आहे.

लिंगबाओ कॅसबॉटचे (Lingbao CASBOT) सह-संस्थापक आणि सीओओ (COO) झांग मियाओ यांनी रोबोटिक्समध्ये (robotics) वापरल्या जाणाऱ्या एम्बोडेड लार्ज मॉडेलमध्ये (embodied large models) आणि अधिक सामान्य डीपसीक, ChatGPT (चॅटजीपीटी) आणि डोऊबाओ मॉडेल्समध्ये (Doubao models) महत्त्वपूर्ण फरक असल्याचे सांगितले. रोबोटवर (robot) केवळ एक सामान्य लार्ज मॉडेल तैनात केल्याने (deploying) कार्यात्मक रोबोटऐवजी (functional robot) केवळ ‘मानवी आकाराचे स्पीकर’ तयार होतील.

एम्बोडेड लार्ज मॉडेल्सना (embodied large models) व्हर्च्युअल (virtual) आणि वास्तविक जगातील डेटाच्या (real-world data) संयोगाने प्रशिक्षित केले जाते. सिम्युलेटेड वातावरणात (simulated environments) प्रशिक्षित केलेले मॉडेल्स अनेकदा वास्तविक जगातील रोबोट्समध्ये (real-world robots) हस्तांतरित केल्यावर चांगले प्रदर्शन करतात, परंतु तरीही काही त्रुटी राहतात. हे दूर करण्यासाठी, टीम रोबोटच्या (robot) कार्यस्थळावरून गोळा केलेल्या वास्तविक जगातील ऑपरेशनल डेटासह (real-world operational data) प्रशिक्षण डेटा वाढवते. हा संकरित प्रशिक्षण दृष्टिकोन (hybrid training approach) एम्बोडेड लार्ज मॉडेल्सची उपयुक्तता आणि रोबोटचे एकूण कार्यप्रदर्शन वाढवतो.

झांग मियाओ यांनी यावर्षी विविध रोबोटिक उत्पादने (robotic products) आणि तंत्रज्ञानाच्या परिपक्वतेकडे आणि उपयोजनाकडे एक स्पष्ट ट्रेंड (trend) दर्शविला. व्यावसायिक आघाडीवर, लिंगबाओचे (Lingbao) रोबोट्स औद्योगिक उत्पादन (industrial manufacturing), आपत्कालीन बचाव (emergency rescue) आणि भूमिगत ऑपरेशन्ससह (underground operations) विविध बी-एंड ॲप्लिकेशन्समध्ये (B-end applications) वापरले जातात आणि यावर्षी लहान प्रमाणात मोठ्या प्रमाणात उत्पादन करण्याची योजना आहे. सी-एंड मार्केटमध्ये (C-end market), धोरण आणि नियामक विकासामुळे (regulatory development) कंपनी प्रामुख्याने बी2सी (B2C) संवादाद्वारे लोकांशी संपर्क साधते.

आरोग्यसेवेत एआय ॲप्लिकेशन्सला गती

तंत्रज्ञान क्षेत्रात डीपसीक युगाच्या आगमनाने आरोग्यसेवेतील (healthcare) एआय ॲप्लिकेशन्सलाही (AI applications) गती मिळाली आहे. यिमाई सनशाईनचे (Yimai Sunshine) कार्यकारी संचालक आणि उप-महाव्यवस्थापक ली फेयू यांनी सांगितले की, वैद्यकीय इमेजिंगचा (medical imaging) मूळ उद्देश इमेजिंग डेटाचे अधिग्रहण (acquisition) आणि निर्मिती (generation) आणि या डेटाचे विश्लेषण (analysis) आणि अर्थ लावणे (interpretation) प्रभावीपणे हाताळणे आहे. डीपसीक मल्टीमॉडल इमेजिंग बिग डेटावर (multimodal imaging big data) डीप लर्निंग (deep learning) करून इमेजिंग डेटा विश्लेषण (imaging data analysis) आणि निदान (diagnostic) प्रभावीतेची क्षमता वाढवू शकते.

उदाहरणार्थ, फुफ्फुसाच्या गाठीच्या तपासणीसाठी (lung nodule screening) छातीचा सीटी स्कॅन (CT scan) १०० हून अधिक प्रतिमा तयार करतो, ज्यामुळे रेडिओलॉजिस्टद्वारे (radiologists) व्यक्तिचलित पुनरावलोकन (manual review) करण्यास जास्त वेळ लागतो. शिवाय, काही मिलिमीटर आकाराच्या लहान फुफ्फुसाच्या गाठी सहजपणे नजरेतून सुटतात. डीपसीकसारखी (DeepSeek) एआय-शक्तीची इमेजिंग साधने (AI-powered imaging tools) मानवी डोळ्यांनी न दिसणाऱ्या सूक्ष्म जखमा शोधून प्रतिमांचे त्वरित आणि पूर्णपणे विश्लेषण करू शकतात.

डीपसीकने इमेजिंग उपकरणांना (imaging equipment) एआय सेवांसोबत (AI services) एकत्रित करणाऱ्या व्यवसाय मॉडेललाही (business model) प्रोत्साहन दिले आहे, ज्यामुळे हार्डवेअर उत्पादकांना (hardware manufacturers) उत्पादनाच्या सुरुवातीच्या विक्रीनंतर एआय सेवा विकून सतत महसूल मिळवता येतो. याव्यतिरिक्त, डीपसीकसारखी (DeepSeek) एआय साधने (AI tools) संरचित अहवाल (structured reports) तयार करण्यात मदत करू शकतात, जे इमेजिंग डेटाचे (imaging data) मानकीकरण (standardizes) आणि सामान्यीकरण (normalizes) करतात, ज्यामुळे त्याची एकूण गुणवत्ता सुधारते. हे वैद्यकीय डेटा व्यापार (medical data trading) आणि परवाना सेवांनाही (licensing services) प्रोत्साहन देते.

युयु मेडिकलचे (Yuyue Medical) उपाध्यक्ष आणि रणनीती (Strategy) आणि मार्केटिंगचे (Marketing) अध्यक्ष झेंग हाँगझे यांनी नमूद केले की, डीपसीकद्वारे (DeepSeek) दर्शविलेले एआय तंत्रज्ञान (AI technology) मल्टीमॉडल डेटा (multimodal data) संसाधित करण्याची मजबूत क्षमता दर्शवते, ज्यामुळे ते होम मेडिकल डिव्हाइस सेक्टरमधील (home medical device sector) ॲप्लिकेशन्ससाठी (applications) योग्य आहे.

युयु मेडिकल (Yuyue Medical) प्रामुख्याने तीन जुनाट रोगांवर लक्ष केंद्रित करते: श्वसन रोग (respiratory diseases), उच्च रक्तदाब (hypertension) आणि मधुमेह (diabetes). या परिस्थिती अनेकदा overlapping (एकमेकांवर येणे) असतात, परिणामी डेटाचे सर्वंकष संच तयार होतात. युयु (Yuyue) डेटाची अचूकता वाढवण्यासाठी अतिरिक्त परिमाण (additional dimensions) असलेल्या पारंपरिक सिंगल-पॉइंट डेटाला (single-point data) वाढवण्यासाठी सतत नवीन तंत्रज्ञान वापरत आहे.

दुसरे म्हणजे, होम मेडिकल उपकरणांद्वारे (home medical devices) तयार होणारा डेटा मोठ्या प्रमाणात असतो आणि तो वैयक्तिक रुग्णांना समजून घेणे कठीण असते, त्यामुळे सोप्या समजुतीसाठी आणि वापरासाठी गुंतागुंतीचा डेटा (complex data) सोपा करणे आवश्यक आहे. एआयमध्ये (AI) वैयक्तिक डेटा अंतर्दृष्टी (personalized data insights) आणि मूल्य प्रदान करून या समस्येचे निराकरण करण्याची प्रचंड क्षमता आहे. या दृष्टिकोनातून, एआय (AI) महत्त्वपूर्ण सहाय्यक भूमिका बजावू शकते किंवा काही क्षेत्रांमध्ये आरोग्य व्यवस्थापक (health managers), पोषणतज्ञ (nutritionists) आणि व्यायाम पुनर्वसन तज्ञांसारख्या (exercise rehabilitation specialists) भूमिका अंशतः बदलू शकते. उदाहरणार्थ, घरच्या setting मध्ये, एआय (AI) व्यक्तींना त्यांच्या जीवनशैलीला अनुकूल बनविण्यात मदत करण्यासाठी सर्वंकष आरोग्य व्यवस्थापन (comprehensive health management), पोषण व्यवस्थापन (nutrition management) आणि व्यायाम आरोग्यावर (exercise health) गैर-निदान शिफारसी (non-diagnostic recommendations) प्रदान करू शकते.

एआय तंत्रज्ञानाच्या (AI technology) ॲप्लिकेशनमुळे (application) काही विशिष्ट आव्हानंही (challenges) निर्माण होतात, जसे की Hallucinations ( Hallucinations) आणि डेटा सुरक्षा समस्या (data security issues). ली फेयू यांचा असा विश्वास आहे की एआय ॲप्लिकेशन्समध्ये (AI applications) डेटा सुरक्षा (data security) ही एक अटळ समस्या आहे, विशेषत: वैद्यकीय डेटाची (medical data) संवेदनशीलता लक्षात घेता. डीपसीकसारखी (DeepSeek) एआय साधने (AI tools) प्रशिक्षित करण्यासाठी वैयक्तिक माहिती, क्लिनिकल तपशील (clinical details) आणि इमेजिंग डेटा (imaging data) यासह मोठ्या प्रमाणात रुग्णांच्या डेटाची आवश्यकता असते. कोणत्याही डेटा उल्लंघनामुळे (data breach) रुग्णांच्या हक्कांचे आणि गोपनीयतेचे नुकसान होऊ शकते.

‘आम्ही स्टोरेज (storage), ट्रांसमिशन (transmission) आणि वापरादरम्यान इमेजिंग डेटाची (imaging data) सुरक्षा आणि गोपनीयता सुनिश्चित करतो. डेटा कायदेशीर, नियमांनुसार आणि सुरक्षितपणे वापरला जाईल याची खात्री करण्यासाठी डेटा अनामिकरण (data anonymization) आणि विविध तांत्रिक उपाय वापरून आम्ही राष्ट्रीय नियमांचे काटेकोरपणे पालन करतो,’ असे ली फेयू म्हणाले.

राउंडटेबलचे (roundtable) आयोजन करणारे त्सिंगुआ युनिव्हर्सिटी स्कूल ऑफ इकॉनॉमिक्स अँड मॅनेजमेंटमधील (Tsinghua University School of Economics and Management) व्यवस्थापन विज्ञान आणि अभियांत्रिकी विभागाचे (Department of Management Science and Engineering) प्राध्यापक आणि प्रमुख वेई कियांग यांनी समारोप करताना सांगितले की, फोरमची थीम ‘तंत्रज्ञान पुनर्रचना मूल्य’ (Technology Restructuring Value) होती, परंतु तंत्रज्ञान मूल्याची पुनर्रचना (technology restructures value) कशीही करत असले तरी, ते मानवी ज्ञान (human knowledge), सामान्य ज्ञान (common sense), नैतिकता (morality) आणि आचारसंहिता (ethics) यांच्याशी जुळले पाहिजे. तंत्रज्ञान वेगवेगळ्या परिस्थितीत शोधले जात असताना, मानवी ज्ञान (human knowledge) अंतर्भूत केले पाहिजे जेणेकरून कोणती कार्ये मानवाद्वारे आणि कोणती मशीनद्वारे (machines) केली जावी हे निश्चित केले जाईल. ‘मानवतेसाठी खरोखर उपयुक्त प्रणाली (useful system) ही मानवांची संपूर्णपणे जागा घेणारी प्रणाली नाही, तर अशी प्रणाली आहे ज्यामध्ये मानव उच्च स्तरावर व्यस्त राहतो आणि मार्गदर्शन करतो, आणि तेथेच आपले खरे मूल्य आहे.’