चीनमधील AI क्षेत्रात झपाट्याने वाढ होत आहे आणि झिपु (Zhipu), ज्याला बीजिंग झिपु हुआझांग टेक्नॉलॉजी (Beijing Zhipu Huazhang Technology) म्हणूनही ओळखले जाते, या क्षेत्रातील एक महत्त्वाचा खेळाडू आहे. कंपनीने अधिकृतपणे ए-शेअर मार्केटमध्ये (A-share market) लिस्टिंग (Listing) करण्यासाठी बीजिंग महानगर पर्यवेक्षण आणि प्रशासन ब्युरोकडे (Beijing Municipal Bureau of Supervision and Administration) अर्ज सादर केला आहे. चायना सिक्युरिटीज रेग्युलेटरी कमिशनने (CSRC) त्यांच्या अधिकृत वेबसाइटवर याची पडताळणी केली आहे. चायना इंटरनॅशनल कॅपिटल कॉर्पोरेशन (CICC) हे प्रमुख अंडररायटर (Lead Underwriter) म्हणून काम पाहणार आहेत. चीनमध्ये जनरेटिव्ह एआय युनिकॉर्नने (Generative AI unicorn) सार्वजनिकपणे IPO (Initial Public Offering) योजना जाहीर करण्याची ही पहिलीच वेळ आहे.
झिपुचा उदय आणि विकास
शिंग्हुआ युनिव्हर्सिटीतील (Tsinghua University) नॉलेज इंजिनिअरिंग ग्रुपने (KEG) 2019 मध्ये झिपुची स्थापना केली. तेव्हापासून, ही कंपनी चीनमध्ये मोठ्या प्रमाणात भाषा मॉडेल (LLMs) विकसित करत आहे. कंपनीने आतापर्यंत 18 वेळा फंड जमा केला असून जुलै 2024 पर्यंत तिचे मूल्यांकन 20 अब्ज युआन (सुमारे $2.8 अब्ज डॉलर्स) झाले आहे. या मूल्यांकनामुळे झिपु चीनमधील टॉप-tier AI स्टार्टअप्समध्ये (Top-tier AI startups) गणली जाते. हिलहाउस कॅपिटल (Hillhouse Capital), किमिंग व्हेंचर पार्टनर्स (Qiming Venture Partners) आणि लेजेंड कॅपिटल (Legend Capital) यांसारख्या आघाडीच्या व्हेंचर कॅपिटल फर्म्सने (Venture capital firms) यात गुंतवणूक केली आहे. याशिवाय, Meituan, Alibaba Group आणि Tencent यांसारख्या मोठ्या IT कंपन्या आणि स्थानिक सरकार-समर्थित फंड्सचाही यात समावेश आहे.
मुख्य उत्पादने आणि तांत्रिक नवोपक्रम
झिपुने अनेक उल्लेखनीय AI उत्पादने बाजारात आणली आहेत:
- झिपु किंगयान (Zhipu Qingyan): हे एक AI सहाय्यक आहे, जे वापरकर्त्यांची उत्पादकता वाढवण्यासाठी डिझाइन केलेले आहे.
- कोडजीएक्स (CodeGeeX): हे AI-आधारित कोडिंग सहाय्यक आहे, जे सॉफ्टवेअर डेव्हलपमेंट प्रक्रिया सुलभ करते.
- कोगव्हीएलएम (CogVLM): हे व्हिज्युअल भाषा मॉडेल (Visual language model) व्हिज्युअल डेटा (Visual data) समजून घेण्यास आणि त्याचे विश्लेषण करण्यास सक्षम आहे.
- कोगव्ह्यू (CogView): हे इमेज जनरेशन मॉडेल (Image generation model) आहे, जे टेक्स्टच्या वर्णनावरून चित्रे तयार करते.
मार्चमध्ये, झिपुने ‘ऑटोग्लॅम शेंशी’ (AutoGLM Shensi) हे स्वतंत्रपणे विकसित केलेले AI एजंट (AI agent) सादर केले. हे एजंट स्वतःचे मूल्यांकन (Self-evaluation) करण्यासाठी आणि सुधारणा (Refinement) करण्यासाठी reinforcement learning चा वापर करते. त्यामुळे, AI एजंटला कठीण समस्यांसाठी अधिक वेळ देता येतो आणि उत्कृष्ट परिणाम मिळतात. किचकट कामांसाठी, AutoGLM Shensi रिअल-टाइम इंटरनेट सर्च (Real-time internet search), टूल युटिलायझेशन (Tool utilization), प्रगत विश्लेषण (Advanced analysis) आणि सेल्फ-व्हॅलिडेशन (Self-validation) एकत्रित करते, ज्यामुळे दीर्घकाळ चालणाऱ्या reasoning आणि task execution मध्ये मदत होते.
ओपन-सोर्स उपक्रम आणि मॉडेल कार्यक्षमता
झिपुने 32B आणि 9B GLM मॉडेल (GLM models) रिलीज करून ओपन-सोर्स डेव्हलपमेंटसाठी (Open-source development) आपली बांधिलकी दर्शवली आहे. या मॉडेलमध्ये ‘GLM-4’ (फाउंडेशनल), ‘GLM-Z1’ (इन्फरन्स) आणि ‘GLM-Z1-Rumination’ (रिफ्लेक्टिव्ह) यांचा समावेश आहे आणि हे सर्व MIT लायसन्स अंतर्गत उपलब्ध आहेत. झिपुच्या माहितीनुसार, ‘GLM-Z1-32B-0414’ या इन्फरन्स मॉडेलमध्ये 32 अब्ज पॅरामीटर्स (Parameters) असूनही, काही बेंचमार्क टेस्टमध्ये (Benchmark tests) ते OpenAI च्या ‘GPT-4o’ आणि DeepSeek च्या ‘V3’ च्या तुलनेत सरस ठरते. MIT लायसन्समुळे (MIT license) या सॉफ्टवेअरचा विनामूल्य वापर आणि बदल करण्याची परवानगी मिळते.
आर्थिक वास्तव आणि बाजारातील आव्हाने
तांत्रिक प्रगती (Technological advancements) आणि उच्च मूल्यांकन (High valuation) असूनही, झिपुला आर्थिक (Financial) आणि बाजारातील (Market) अनेक आव्हानांचा सामना करावा लागत आहे. ‘Caijing’ च्या अहवालानुसार, 2024 मध्ये झिपुचा महसूल (Revenue) सुमारे 200 दशलक्ष युआन (सुमारे $28 दशलक्ष डॉलर्स) होता, परंतु त्यांचे नुकसान (Losses) सुमारे 2 अब्ज युआन (सुमारे $280 दशलक्ष डॉलर्स) पर्यंत वाढले आहे. झिपु आणि इतर चिनी AI स्टार्टअप्ससमोर (Chinese AI startups) दोन मुख्य धोके आहेत, असे अनेक गुंतवणूकदारांनी (Investors) सांगितले आहे:
- उच्च मूल्यांकन विरुद्ध मोठे नुकसान: उच्च मूल्यांकन आणि मोठे आर्थिक नुकसान यामुळे या उद्योगांच्या sustainable विकासावर प्रश्नचिन्ह निर्माण होते.
- वाढलेली स्पर्धा: DeepSeek सारख्या कंपन्यांच्या उदयासह स्पर्धा वाढली आहे, ज्यामुळे AI क्षेत्रातील इतर स्टार्टअप्ससाठी गुंतवणूकदारांचा उत्साह कमी होऊ शकतो.
या परिस्थितीत, झिपुचा IPO हा त्याच्या सध्याच्या मूल्यांकनाचा (Valuation) फायदा घेण्यासाठी आणि भविष्यातील वाढीसाठी आवश्यक निधी (Funding) मिळवण्यासाठी एक महत्त्वाचा निर्णय आहे.
झिपुच्या तांत्रिक उत्पादनांचा सखोल अभ्यास
ऑटोग्लॅम शेंशी: समस्या सोडवणारी AI एजंट क्रांती
ऑटोग्लॅम शेंशी (AutoGLM Shensi) AI एजंट तंत्रज्ञानातील (AI agent technology) एक मोठी झेप आहे. reinforcement learning चा वापर करून, हे AI एजंट त्याच्या कामगिरीचे गंभीरपणेमूल्यांकन करू शकते आणि समस्या सोडवण्यासाठीच्या दृष्टिकोनIteratively सुधारू शकते. यामुळे, ते अधिक computational संसाधने (Computational resources) आणि वेळ कठीण समस्यांवर केंद्रित करू शकते, ज्यामुळे अधिक अचूक (Accurate) आणि सूक्ष्म (Nuanced) उपाय मिळतात.
ऑटोग्लॅम शेंशीची (AutoGLM Shensi) प्रमुख वैशिष्ट्ये:
- रिअल-टाइम इंटरनेट सर्च: एजंटला वेबवरून (Web) अद्ययावत माहिती मिळवण्यास मदत करते, ज्यामुळे त्याच्या ज्ञानाचा आधार वाढतो.
- टूल युटिलायझेशन: एजंटला विशिष्ट कार्ये करण्यासाठी विविध टूल्स (Tools) आणि API चा वापर करण्यास अनुमती देते.
- प्रगत विश्लेषण: एजंटला sophisticated डेटा विश्लेषण (Data analysis) आणि मॉडेलिंग (Modeling) करण्याची क्षमता प्रदान करते.
- सेल्फ-व्हॅलिडेशन: एजंटला त्याच्या उपायांची अचूकता (Accuracy) आणि विश्वासार्हता (Reliability) तपासण्याचा अधिकार देते.
या वैशिष्ट्यांच्या संयोजनाने, ऑटोग्लॅम शेंशी (AutoGLM Shensi) दीर्घकाळ चालणाऱ्या reasoning आणि task execution ची आवश्यकता असलेल्या किचकट समस्यांना सामोरे जाऊ शकते, ज्यामुळे ते विविध ॲप्लिकेशन्ससाठी (Applications) एक बहुमुखी साधन बनते.
GLM सिरीज: ओपन-सोर्स मॉडेल्सद्वारे नवोपक्रमाला चालना
झिपुने GLM सिरीजचे (GLM series) मॉडेल्स ओपन-सोर्स (Open-source) करण्याचा निर्णय AI समुदायातील (AI community) नवोपक्रमाला (Innovation) प्रोत्साहन देण्याच्या commitment अधोरेखित करतो. GLM सिरीजमध्ये (GLM series) खालील गोष्टींचा समावेश आहे:
- GLM-4: हे foundational मॉडेल आहे, जे विविध ॲप्लिकेशन्ससाठी आधार म्हणून काम करते.
- GLM-Z1: हे inference मॉडेल आहे, जे कार्यक्षम (Efficient) आणि अचूक (Accurate) भविष्य वर्तवण्यासाठी (Predictions) ऑप्टिमाइझ (Optimize) केलेले आहे.
- GLM-Z1-Rumination: हे reflective मॉडेल आहे, जे iterative analysis द्वारे त्याच्या reasoning आणि निर्णय घेण्याच्या (Decision-making) क्षमता सुधारण्यासाठी डिझाइन केलेले आहे.
MIT लायसन्स अंतर्गत हे मॉडेल्स रिलीज करून, झिपु डेव्हलपर्स (Developers) आणि संशोधकांना (Researchers) सॉफ्टवेअर (Software) वापरण्याची, त्यात बदल करण्याची आणि वितरित करण्याची परवानगी देते, ज्यामुळे collaborative डेव्हलपमेंटला (Collaborative development) प्रोत्साहन मिळतो आणि AI तंत्रज्ञानाचा विकास (Advancement) जलद होतो.
GLM-Z1-32B-0414 मॉडेलने, विशेषतः इतर मोठ्या भाषा मॉडेल्सच्या (Large language models) तुलनेत त्याच्या कामगिरीमुळे लक्ष वेधले आहे. 32 अब्ज पॅरामीटर्स असूनही, त्याने काही बेंचमार्क टेस्टमध्ये OpenAI च्या GPT-4o आणि DeepSeek च्या V3 च्या तुलनेत comparable performance दर्शविली आहे, जी त्याची कार्यक्षमता (Efficiency) आणि परिणामकारकता (Effectiveness) दर्शवते.
IPO चा दृष्टिकोन: धोके आणि संधींचा सामना
चीनमधील AI स्टार्टअप्ससाठी (AI startups) संधी आणि धोके अशा दोन्ही परिस्थितीत झिपुची IPO ची महत्वाकांक्षा आहे. AI क्षेत्राच्या (AI sector) जलद वाढीमुळे लक्षणीय गुंतवणूक आकर्षित झाली आहे, परंतु त्यामुळे स्पर्धा आणि तपासणीदेखील वाढली आहे.
AI क्षेत्रातील आव्हाने
AI स्टार्टअप्ससमोरील (AI startups) प्रमुख आव्हानांपैकी एक म्हणजे उच्च मूल्यांकन (High valuation) आणि मोठे नुकसान (Substantial losses) यांचा संयोग. अनेक AI कंपन्यांनी त्यांच्या क्षमतेवर आधारित महत्त्वपूर्ण निधी आकर्षित केला आहे, परंतु त्यांनी अद्याप नफा कमावलेला नाही. यामुळे या उद्योगांच्या दीर्घकालीन व्यवहार्यतेबद्दल (Viability) चिंता वाढते.
आणखी एक आव्हान म्हणजे AI क्षेत्रात वाढणारी स्पर्धा. DeepSeek सारख्या कंपन्यांच्या उदयासह, स्पर्धात्मक वातावरण तीव्र झाले आहे, ज्यामुळे इतर स्टार्टअप्ससाठी निधी आणि बाजारातील हिस्सा आकर्षित करणे अधिक कठीण होऊ शकते.
झिपुच्या IPO चे महत्त्व
या आव्हानांच्या पार्श्वभूमीवर, झिपुचा IPO कंपनीसाठी एक महत्त्वपूर्ण पाऊल आहे. सार्वजनिक होऊन, झिपुचा उद्देश:
- निधी सुरक्षित करणे: चालू असलेल्या संशोधन (Research) आणि विकास (Development) प्रयत्नांना समर्थन देण्यासाठी भांडवल उभारणे.
- विश्वसनीयता वाढवणे: बाजारात दृश्यमानता आणि विश्वसनीयता वाढवणे.
- प्रतिभा आकर्षित करणे: स्पर्धात्मक AI क्षेत्रात (AI sector) उच्च प्रतिभा आकर्षित करणे आणि टिकवून ठेवणे.
झिपुच्या IPO ची (IPO) यशस्विता गुंतवणूकदारांना (Investors) दीर्घकालीन क्षमतेबद्दल खात्री पटवून देण्यावर आणि AI क्षेत्रातील आव्हानांचा सामना करण्याच्या क्षमतेवर अवलंबून असेल.
स्पर्धात्मक विश्लेषण: झिपु वि. इतर AI स्टार्टअप्स
झिपु एका dynamic आणि स्पर्धात्मक वातावरणात (Competitive landscape) कार्य करते, जिथे इतर अनेक AI स्टार्टअप्स (AI startups) बाजारातील हिश्श्यासाठी स्पर्धा करत आहेत. झिपुची स्पर्धात्मक स्थिती (Competitive positioning) समजून घेण्यासाठी, त्याच्या समवयस्कांच्या (Peers) तुलनेत त्याची ताकद आणि कमकुवतपणा यांचे तुलनात्मक विश्लेषण (Comparative analysis) करणे आवश्यक आहे.
प्रमुख प्रतिस्पर्धक
झिपुच्या प्रमुख प्रतिस्पर्धकांमध्ये (Key competitors) काही खालीलप्रमाणे आहेत:
- DeepSeek: एक वेगाने वाढणारी AI कंपनी, जी तिच्या प्रगत भाषा मॉडेलसाठी (Advanced language models) आणि बेंचमार्क टेस्टमध्ये (Benchmark tests) उत्कृष्ट कामगिरीसाठी ओळखली जाते.
- SenseTime: एक अग्रगण्य AI कंपनी, जी computer vision आणि facial recognition तंत्रज्ञानात (Facial recognition technologies)specialized आहे.
- Megvii: आणखी एक prominent AI कंपनी, जी computer vision आणि robotics वर लक्ष केंद्रित करते.
झिपुची ताकद
झिपुच्या (Zhipu) सामर्थ्यांमध्ये (Strengths) खालील गोष्टींचा समावेश आहे:
- मजबूत संशोधन पार्श्वभूमी: शिंग्हुआ युनिव्हर्सिटीच्या (Tsinghua University) नॉलेज इंजिनिअरिंग ग्रुपमधून (KEG)झिपुची सुरूवात झाल्यामुळे, AI संशोधनात (AI research) तिचा भक्कम पाया आहे.
- सुरुवातीच्या काळात मिळालेला फायदा: झिपु ही चीनमधील मोठ्या प्रमाणात भाषा मॉडेल (LLMs) विकसित करणार्‍या पहिल्या कंपन्यांपैकी एक होती.
- विविध उत्पादन पोर्टफोलिओ: झिपु AI सहाय्यक, कोडिंग सहाय्यक, व्हिज्युअल भाषा मॉडेल (Visual language models) आणि इमेज जनरेशन मॉडेल (Image generation models) यांसारख्या AI उत्पादनांची विस्तृत श्रेणी (Range) ऑफर करते.
- ओपन-सोर्स कमिटमेंट: झिपुने GLM सिरीजचे (GLM series) मॉडेल्स ओपन-सोर्स (Open-source) करण्याचा निर्णय AI समुदायातील (AI community) नवोपक्रमाला (Innovation) प्रोत्साहन देण्याच्या commitment दर्शवतो.
झिपुचा कमकुवतपणा
झिपुच्या (Zhipu) कमकुवतपणांमध्ये (Weaknesses) खालील गोष्टींचा समावेश आहे:
- आर्थिक नुकसान: झिपुला मोठे आर्थिक नुकसान झाले आहे, ज्यामुळे तिच्या दीर्घकालीन व्यवहार्यतेबद्दल (Viability) चिंता वाढली आहे.
- तीव्र स्पर्धा: झिपुला इतर AI स्टार्टअप्सकडून (AI startups) तीव्र स्पर्धेचा सामना करावा लागत आहे, विशेषत: ज्यांच्याकडे मजबूत आर्थिक पाठबळ (Financial backing) आणि प्रस्थापित बाजारपेठ (Established market positions) आहे.
भविष्यातील दृष्टीकोन: झिपुचा पुढील मार्ग
पुढे पाहता, झिपुचे यश तिच्या आर्थिक आव्हानांना (Financial challenges) तोंड देण्याच्या, प्रतिस्पर्धकांपेक्षा (Competitors) स्वतःला वेगळे ठरवण्याच्या आणि तिच्या सामर्थ्यांचा (Strengths) पुरेपूर फायदा घेण्याच्या क्षमतेवर अवलंबून असेल. कंपनीचा IPO या प्रक्रियेतील एक महत्त्वाचे पाऊल आहे, ज्यामुळे तिला वेगाने विकसित होत असलेल्या AI क्षेत्रात (AI landscape) स्पर्धा करण्यासाठी आवश्यक संसाधने (Resources) आणि दृश्यमानता (Visibility) मिळेल.
धोरणात्मक प्राधान्यक्रम
आपली ध्येये साध्य करण्यासाठी, झिपुने खालील धोरणात्मक प्राधान्यक्रमांवर (Strategic priorities) लक्ष केंद्रित केले पाहिजे:
- आर्थिक कामगिरी सुधारणे: झिपुला महसूल वाढवून आणि खर्च कमी करून तिची आर्थिक कामगिरी सुधारण्याची गरज आहे. यासाठी तिच्या business मॉडेलमध्ये (Business model) सुधारणा करणे, ग्राहक base वाढवणे आणि कामकाज optimize करणे इत्यादींचा समावेश असू शकतो.
- उत्पादनांमध्ये फरक करणे: झिपुला नवोपक्रम (Innovation), गुणवत्ता (Quality) आणि ग्राहकांच्या समाधानावर (Customer satisfaction) लक्ष केंद्रित करून प्रतिस्पर्धकांच्या उत्पादनांपेक्षा (Competitors) स्वतःची उत्पादने वेगळी करण्याची गरज आहे. यासाठी नवीन वैशिष्ट्ये (Features) विकसित करणे, विद्यमान उत्पादने सुधारणे (Improving) आणि ecxeptional ग्राहक सेवा (Exceptional customer service) प्रदान करणे इत्यादींचा समावेश असू शकतो.
- आपल्या ब्रँडला मजबूत करणे: बाजारात आपली दृश्यमानता (Visibility) आणि विश्वसनीयता (Credibility) वाढवून झिपुला आपल्या ब्रँडला (Brand) मजबूत करण्याची गरज आहे. यासाठी उद्योग कार्यक्रमांमध्ये (Industry events) सहभागी होणे, संशोधन पेपर प्रकाशित करणे आणि माध्यमांशी (Media) संवाद साधणे इत्यादींचा समावेश असू शकतो.
- प्रतिभा आकर्षित करणे आणि टिकवून ठेवणे: स्पर्धात्मक वेतन (Competitive compensation) देऊन, व्यावसायिक वाढीच्या संधी (Opportunities) प्रदान करून आणि सकारात्मक कामाचे वातावरण (Positive work environment) निर्माण करून झिपुला उच्च प्रतिभा (Talent) आकर्षित करण्याची आणि टिकवून ठेवण्याची गरज आहे.
संभाव्य वाढीचे क्षेत्र
झिपुमध्ये (Zhipu) अनेक संभाव्य वाढीची क्षेत्रे (Potential growth areas) आहेत, जी ती explore करू शकते, ज्यात खालील गोष्टींचा समावेश आहे:
- AI-powered ॲप्लिकेशन्स: झिपु आरोग्यसेवा (Healthcare), वित्त (Finance) आणि शिक्षण (Education) यांसारख्या विविध उद्योगांसाठी AI-powered ॲप्लिकेशन्स (AI-powered applications) विकसित करू शकते.
- Cloud-based AI सेवा: झिपु लहान-मोठ्या सर्व आकाराच्या व्यवसायांना cloud-based AI सेवा (Cloud-based AI services) देऊ शकते, ज्यामुळे AI तंत्रज्ञान (AI technology) अधिक सुलभ (Accessible) आणि परवडणारे (Affordable) होईल.
- Edge computing AI: झिपु edge computing वातावरणासाठी (Edge computing environments) AI सोल्यूशन्स (AI solutions) विकसित करू शकते, ज्यामुळे नेटवर्कच्या edge वर रिअल-टाइम डेटा प्रोसेसिंग (Real-time data processing) आणि विश्लेषण (Analysis) करणे शक्य होईल.
निष्कर्ष
चिनी AI युनिकॉर्न (Chinese AI unicorn) म्हणून झिपुचा प्रवास महत्त्वपूर्ण यश आणि महत्त्वपूर्ण आव्हाने (Challenges) यांनी चिन्हांकित आहे. शिंग्हुआ विद्यापीठातील (Tsinghua University) शैक्षणिक संशोधन वातावरणातील (Academic research environment) तिची उत्पत्ती आणि LLM डेव्हलपमेंट स्पेसमध्ये (LLM development space) लवकर प्रवेश केल्यामुळे, चीनच्या वेगाने विकसित होत असलेल्या AI क्षेत्रात (AI landscape) तिची एक प्रमुख खेळाडू म्हणून ओळख आहे. AI सहाय्यकांपासून (AI assistants) ते व्हिज्युअल भाषा मॉडेल्सपर्यंत (Visual language models), कंपनीचा विविध उत्पादन पोर्टफोलिओ (Diverse product portfolio) नवोपक्रमासाठी (Innovation) आणि विस्तृत ग्राहक गरजा (Customer needs) पूर्ण करण्याच्या क्षमतेसाठी तिची बांधिलकी दर्शवते.
तथापि, झिपुचा पुढील मार्ग अडचणीशिवाय नाही. उच्च मूल्यांकन (High valuation) आणि मोठे आर्थिक नुकसान (Substantial financial losses) यामुळे तिच्या दीर्घकालीन sustainable विकासावर (Sustainable development) प्रश्नचिन्ह निर्माण होते. याव्यतिरिक्त, AI क्षेत्रात वाढणारी स्पर्धा (Increasing competition), DeepSeek सारख्या चांगल्या-निधी (Well-funded) आणि innovative कंपन्यांच्या (Innovative companies) उदयासह, एक महत्त्वपूर्ण आव्हान (Challenge) सादर करते.
झिपुचा IPO (IPO) वाढ (Growth) सुरू ठेवण्यासाठी आवश्यक निधी (Funding) सुरक्षित करण्याची आणि बाजारात तिची दृश्यमानता (Visibility) आणि विश्वसनीयता (Credibility) वाढवण्याची एक महत्त्वपूर्ण संधी (Opportunity) दर्शवतो. यशस्वी होण्यासाठी, झिपुने तिची आर्थिक कामगिरी (Financial performance) सुधारण्यावर, उत्पादनांमध्ये फरक (Differentiate) करण्यावर, आपल्या ब्रँडला (Brand) मजबूत करण्यावर आणि उच्च प्रतिभा (Talent) आकर्षित (Attract) करण्यावर आणि टिकवून ठेवण्यावर लक्ष केंद्रित केले पाहिजे. या आव्हानांना (Challenges) तोंड देऊन आणि आपल्या सामर्थ्यांचा (Strengths) पुरेपूर फायदा घेऊन, झिपु चीनमध्ये आणि त्याहूनही पुढे एक अग्रगण्य AI कंपनी (AI company) म्हणून आपली स्थिती मजबूत करू शकते.