اے آئی کے سنگم: چین کے 'ننھے شیروں' کا ارتقاء

چین میں اے آئی ٹیکنالوجی کی تیز رفتار ترقی نے بہت سے اسٹارٹ اپس کے لیے جوش و خروش اور غیر یقینی صورتحال دونوں کو جنم دیا ہے۔ ایک وقت تھا جب ان کمپنیوں میں پرجوش مقاصد پائے جاتے تھے، لیکن اب وہ مسابقتی اور وسائل سے بھرپور مارکیٹ کی تلخ حقیقتوں کا سامنا کرتے ہوئے اپنی حکمت عملیوں پر نظر ثانی کر رہی ہیں۔

عظیم تصورات سے حکمت عملی میں تبدیلی

حال ہی میں چین کے ‘اے آئی لٹل ٹائیگرز’ میں سے ایک، بائچوان انٹیلیجنٹ کے سی ای او کے ایک داخلی خط میں، کمپنی کی دوسری سالگرہ کو نشان زد کیا گیا اور ایک اسٹریٹجک تبدیلی کو اجاگر کیا گیا۔ توجہ کو کم کرتے ہوئے طبی ایپلیکیشنز کو ترجیح دی جائے گی۔ یہ OpenAI کی طرح ایک شاندار بنیادی ماڈل بنانے کے ابتدائی مشن کے بالکل برعکس تھا، جو جدید ایپلیکیشنز سے مکمل تھا۔

اسی طرح، ایک اور ‘لٹل ٹائیگر’ کے بانی، لی کیفو نے جنوری میں اعلان کیا کہ ان کی کمپنی ایک ‘چھوٹے لیکن خوبصورت’ انداز کو اپنائے گی۔ یہ AGI کی آمد کو تیز کرنے کے لیے ایک AI 2.0 پلیٹ فارم بنانے کے عظیم الشان وژن سے ایک قابل ذکر انحراف تھا۔

ان اسٹریٹجک پسپائیوں نے قیاس آرائیوں کو ہوا دی ہے، کچھ مبصرین کا کہنا ہے کہ یہ ‘لٹل ٹائیگرز’ زیادہ سے زیادہ ‘بیمار بلیوں’ کی طرح بن رہے ہیں۔ مسلسل تبدیلی کے ماحول میں، یہ کمپنیاں اپنے مستقبل کو کیسے محفوظ بنا سکتی ہیں؟

اس سوال کا جواب دینے کے لیے، ژیوئی کی ایڈیٹوریل ٹیم نے بڑے ماڈل ٹیکنالوجی کے ماہرین، فنانس اور ہیلتھ کیئر میں AI کے ماہرین اور معروف کمپنیوں کے AI ٹیک ماہرین سمیت مختلف ماہرین سے بصیرت حاصل کی۔

ڈیپ سیک ایفیکٹ اور بدلتی حکمت عملی

ڈیپ سیک کی دھماکہ خیز مقبولیت کے بعد اے آئی منظر نامے میں ڈرامائی طور پر تبدیلی آئی، ایک ایسا ماڈل جس نے مارکیٹ کو ہلا کر رکھ دیا۔ ایک زبردست جنگجو کی طرح، ڈیپ سیک نے منظر نامے میں خلل ڈالا، جس سے بہت سی اے آئی کمپنیوں کو اپنی پوزیشنوں پر دوبارہ غور کرنے اور مختلف راستوں پر گامزن ہونے پر مجبور ہونا پڑا۔

تاہم، یہ تبدیلی بہت سے لوگوں کے اندازے سے بھی پہلے شروع ہو گئی تھی۔ بڑے ماڈل ٹیکنالوجی کے ماہر وانگ وینگوانگ کے مطابق، کچھ چینی اے آئی کمپنیوں نے ڈیپ سیک V3 اور R1 کے اجراء سے پہلے ہی بڑے ماڈل کی تربیت کے حصول کو ترک کرنا شروع کر دیا تھا۔ اخراجات بہت زیادہ تھے، اور ان کمپنیوں نے محسوس کیا کہ وہ ڈیپ سیک V2.5 اور علی بابا کے Qwen 70B جیسے آزادانہ طور پر دستیاب اور اوپن سورس متبادل کا مقابلہ کرنے سے قاصر ہیں۔

اے آئی ٹیکنالوجی سروس انٹرپرائز کے ایک ماہر لیانگ ہی نے مزید کہا کہ اگرچہ 2024 کے وسط تک زیادہ تر ‘لٹل ٹائیگرز’ اب بھی بڑے ماڈلز کی تربیت کر رہے تھے، لیکن ان کی سرمایہ کاری میں نمایاں کمی واقع ہوئی تھی۔ جنوری 2025 تک، ڈیپ سیک R1 کے اجراء کے ساتھ، بہت سی چھوٹی کمپنیوں نے محسوس کیا کہ وہ مقابلہ نہیں کر سکتیں۔

اس اچانک تبدیلی کی وجہ سے ‘لٹل ٹائیگرز’ کی سمت میں ایک بڑا بدلاؤ آیا، جو AGI کی ترقی سے ہٹ کر زیادہ خصوصی طریقوں کی طرف چلا گیا۔

بائچوان اور 01.AI نے بڑے ماڈلز کی پہلے سے تربیت کو ترک کر دیا ہے، بالترتیب طبی AI اور صنعت کی ایپلیکیشن پر توجہ مرکوز کر رہے ہیں۔ منی میکس اپنے B2B آپریشنز کو کم کر رہا ہے اور بیرون ملک منڈیوں پر C- اینڈ ویڈیو جنریشن اور دیگر ایپلیکیشنز کے ساتھ توجہ مرکوز کر رہا ہے۔ ژیپو، مون شاٹ اے آئی، اور سٹیپ اپ اب بھی اوپن سورس کمیونٹی میں فعال ہیں لیکن انہوں نے کوئی نیا ماڈل تیار نہیں کیا ہے جو ڈیپ سیک R1 سے بہتر ہو۔ ژیپو نے کافی فنڈنگ ​​اور حکومتی انٹرپرائز شراکت داری حاصل کی ہے، جس سے اس کی بقا کو یقینی بنایا گیا ہے۔ مون شاٹ اے آئی کی بنیادی پروڈکٹ، Kimi کو یوآن باؤ نے خطرہ قرار دیا ہے، جس سے اس کی پوزیشننگ تیزی سے عجیب ہو گئی ہے۔

مجموعی طور پر، ‘لٹل ٹائیگرز’ تیزی سے B2B SaaS مارکیٹ کے ساتھ مل رہے ہیں، جسے کچھ لوگ ‘غیر تصوراتی’ سمجھتے ہیں۔

B2B مارکیٹ کی کشش اور حدود

01.AI نے حال ہی میں مختلف صنعتوں کے لیے ایک ون سٹاپ انٹرپرائز لارج ماڈل پلیٹ فارم بنانے کے لیے مکمل طور پر DeepSeek کو ضم کرنے کے اپنے ارادے کا اعلان کیا۔ تاہم، اس اقدام کو شکوک و شبہات کا سامنا کرنا پڑا ہے۔

فنانشل اے آئی کے ماہر جیانگ شاو کا خیال ہے کہ 01.AI کا مستقبل اس کی وسیع توجہ، ڈیپ سیک کے ظہور کے بعد تکنیکی مسابقت کی کمی اور محدود تجارتی صلاحیتوں کی وجہ سے غیر یقینی ہے۔

وانگ وینگوانگ نے اس جذبات کی بازگشت کی، انہوں نے نوٹ کیا کہ ایک ون سٹاپ لارج ماڈل پلیٹ فارم کے لیے داخلے میں تکنیکی رکاوٹ نسبتاً کم ہے۔

وانگ نے تقریباً چھ ماہ میں آزادانہ طور پر اس طرح کا پلیٹ فارم تیار کرنے اور ذاتی چینلز کے ذریعے اسے فروخت کرنے کا اپنا تجربہ شیئر کیا۔ انہوں نے استدلال کیا کہ اگرچہ بطور کمپنی اس پروڈکٹ سے منافع کمانا مشکل ہے، لیکن سولو وینچر کے طور پر یہ منافع بخش ہو سکتا ہے۔

وانگ کئی B2B کمپنیوں کے ساتھ تعاون کرتا ہے جو بڑے ماڈل خدمات پیش کرتی ہیں لیکن ان کے پاس تکنیکی پلیٹ فارم نہیں ہے۔ وہ اپنا پلیٹ فارم کم قیمت پر فراہم کرتا ہے، تقریباً 40,000 سے 50,000 یوآن فی لائسنس، جو بڑی کمپنیوں سے نمایاں طور پر کم ہے۔

اس کا پلیٹ فارم، KAF (Knowledge-based Agent Factory)، بڑے ماڈل اور ایجنٹ ایپلیکیشنز فراہم کرنے کے لیے نالج گراف، ویکٹر ڈیٹا بیس اور سرچ انجن استعمال کرتا ہے۔ یہ صارفین کو اشارے اور ماڈل مینجمنٹ کے ذریعے کوڈنگ کے بغیر کسٹم نالج اسسٹنٹس یا ایجنٹس بنانے کے قابل بناتا ہے۔ وانگ نے مارکیٹ میں اسی طرح کے پلیٹ فارمز کے پھیلاؤ کو نوٹ کیا، جس سے اسے نقل کرنا آسان ہو گیا۔

وانگ کے مطابق، کوئی کمپنی جو B2B لارج ماڈل ایپلی کیشن تیار کرنا چاہتی ہے وہ ہنر مند افراد کی ایک چھوٹی ٹیم کی خدمات حاصل کرکے یا کسی بیرونی AI کمپنی کے ساتھ شراکت داری کرکے تیزی سے ایک پروڈکٹ بنا سکتی ہے۔ یہ نقطہ نظر ایک بڑا ماڈل تیار کرنے سے کہیں زیادہ سستا ہے۔

پلیٹ فارم ماڈل کے علاوہ، انٹیگریٹڈ حل ہارڈ ویئر، سافٹ ویئر اور ایگزیکیوشن ماحول فراہم کرتے ہیں، جو باکس سے باہر فعالیت پیش کرتے ہیں۔ پنگ این انشورنس میں ٹیکنالوجی پلیٹ فارم گروپ کے سربراہ ژانگ سینسن کا خیال ہے کہ انٹیگریٹڈ حل کی ایک قابل عمل مارکیٹ ہے، خاص طور پر حکومتی اور تعلیمی اداروں میں جن کی تکنیکی تعیناتی کی صلاحیت محدود ہے۔ یہ حل استعمال میں آسانی اور تکنیکی خود مختاری کو ترجیح دیتے ہیں، جیسے کہ ڈیٹا سیکیورٹی، رازداری کی تعمیل اور ہارڈ ویئر سافٹ ویئر کی اصلاح جیسے فوائد پیش کرتے ہیں۔ وہ گھریلو سطح پر تیار کردہ چپس بھی استعمال کر سکتے ہیں، پابندیوں کو نظرانداز کرتے ہوئے اور کارکردگی کو بہتر بناتے ہیں۔ جو کمپنیاں لاگت سے متعلق حساس اور ROI پر مرکوز ہیں وہ انٹیگریٹڈ حل کو ان کی طویل زندگی کے چکروں کی وجہ سے پرکشش پا سکتی ہیں۔

گھریلو SaaS مارکیٹ کو تاریخی طور پر اعلی حسب ضرورت ضروریات، عام اور یکساں مصنوعات، شدید مسابقت، کم قیمتوں کی حکمت عملیوں اور قلیل مدتی رقم کمانے پر توجہ مرکوز کرنے جیسے چیلنجوں کا سامنا ہے۔ اس مارکیٹ میں صارفین کے پاس اکثر ڈیجیٹلائزیشن کی سطح کم ہوتی ہے اور وہ ادائیگی کرنے کی محدود خواہش رکھتے ہیں۔

اس کے برعکس، بین الاقوامی SaaS مارکیٹ مہارت پر زور دیتی ہے، کمپنیاں مخصوص شعبوں پر توجہ مرکوز کرتی ہیں اور بڑے اور درمیانے سائز کے کلائنٹس کو زیادہ ادائیگی کرنے کی خواہش کے ساتھ گہرائی سے خدمات فراہم کرتی ہیں۔

بڑا ماڈل فیلڈ ان رجحانات کی عکاسی کرتا ہے۔ بین الاقوامی SaaS مارکیٹ میں حالیہ واقعات اس بات کا ثبوت ہیں:

• فروری 2025 میں، MongoDB نے Voyage AI کو حاصل کیا، جو ایک 17 ماہ پرانا AI اسٹارٹ اپ ہے جو $220 ملین میں ایمبیڈنگ اور ری رینکنگ ماڈلز پر مرکوز ہے۔
• 2024 میں، Amazon نے Adept کے ساتھ ایک ٹیکنالوجی لائسنسنگ معاہدے کا اعلان کیا، جو ایک دو سال پرانا AI ایجنٹ اسٹارٹ اپ ہے، جس میں کچھ Adept ممبران Amazon کی AGI ٹیم میں شامل ہوئے۔

ان اسٹارٹ اپس نے بڑے ماڈل ٹیکنالوجی کے اندر ایک مخصوص مقام پر توجہ مرکوز کر کے کامیابی حاصل کی۔ چین میں ایسی مثالیں شاذ و نادر ہی ہیں۔ بہت سی چھوٹی اور درمیانے سائز کی کاروباری اداروں کو مسلسل بڑی کمپنیوں کے اپنے مقام میں داخل ہونے سے بچنا چاہیے۔

وانگ وینگوانگ، B2B مارکیٹ میں اپنے وسیع تجربے سے فائدہ اٹھاتے ہوئے، اس کی تلخ حقیقتوں کو بیان کیا۔ انہوں نے نوٹ کیا کہ ون سٹاپ پلیٹ فارمز کے لیے ایک بڑی مارکیٹ ہے، لیکن یہ بکھری ہوئی ہے۔ کم آپریٹنگ اخراجات والی چھوٹی کمپنیاں مسابقتی قیمتیں پیش کر سکتی ہیں، بڑی کمپنیوں کو کم کر سکتی ہیں۔ اس سے ایپلیکیشن سروسز کی قیمت کم ہوتی ہے۔ یہاں تک کہ بڑی کمپنیوں کو بھی دیگر اسٹارٹ اپس اور روایتی انٹیگریٹرز کی جانب سے مسابقت کا سامنا ہے۔ بڑی کمپنیوں کے اپنے بڑے ماڈلز اور برانڈ فوائد ہو سکتے ہیں، لیکن انہیں B2B کاروباری حکمت عملیوں کا سامنا ہے۔

جیسا کہ وانگ نے کہا، ‘میں بھی ڈیپ سیک استعمال کر رہا ہوں، اور بہت سی دوسری کمپنیاں ڈیپ سیک استعمال کر رہی ہیں، اس لیے کوئی فرق نہیں ہے۔ چین میں اتنے زیادہ کلاؤڈ وینڈرز ہیں، اس لیے کم از کم اتنے ہی حریف ہوں گے۔ گھریلو B2B مارکیٹ ہمیشہ سے ایسی ہی رہی ہے۔ زندہ رہنے کے لیے، یا تو آپ کے پاس مضبوط تعلقات ہونے چاہئیں، اچھی سروس ہونی چاہیے یا کم قیمتیں۔

لیانگ ہی نے 01.AI کے موجودہ انتخاب اور مستقبل کے امکانات کا ایک جامع جائزہ پیش کیا:

• لی کیفو کا 01.AI کے کاروبار کو مکمل طور پر B2B ایپلیکیشنز میں منتقل کرنے اور ایک ون سٹاپ انٹرپرائز لارج ماڈل پلیٹ فارم کو فروغ دینے کا فیصلہ تجارتی لحاظ سے درست ہے لیکن اس سے شدید مسابقت پیدا ہوگی۔
• 01.AI کی بڑی کمپنیوں کے مقابلے میں کم قیمت والی بڑی ماڈل مصنوعات پیش کرنے کی ضرورت ایپلیکیشن پرت پر منفرد فوائد کی کمی کا نتیجہ ہے۔
• B2B کی طرف 01.AI کا اقدام تخیل کے نقصان اور کم ‘پرکشش’ پروجیکٹس کی علامت ہے۔ یہ 2017 میں AI کی پچھلی لہر سے بہت سی کمپیوٹر ویژن کمپنیوں کی قسمت سے ملتا جلتا ہے۔
• 01.AI کے پاس مواقع ہو سکتے ہیں اگر وہ بیرون ملک منڈیوں کو تلاش کرے۔

01.AI کے مقابلے میں، بائچوان کے مستقبل پر رائے کم مایوس کن ہے۔

تاہم، طبی شعبے میں بائچوان کے داخلے میں منفرد فوائد کی کمی ہے، خاص طور پر ڈیٹا میں۔

جیانگ شاو نے کہا کہ بائچوان کی میڈیکل کی طرف منتقلی محض زندہ رہنے کا ایک طریقہ ہے۔ تاہم، 01.AI کے مقابلے میں، بائچوان کم از کم ایک مخصوص مارکیٹ میں داخل ہونے کی کوشش کر رہا ہے۔

ژانگ سینسن نے کہا کہ وہ طبی ڈیٹا والی کمپنیوں کے بارے میں زیادہ پرامید ہیں جو ٹیکنالوجی کمپنیوں کے مقابلے میں طبی بڑے ماڈل تیار کر رہی ہیں۔ یہ کسی بھی کمپنی پر لاگو ہوتا ہے جو صنعت سے متعلقہ بڑا ماڈل بنانا چاہتی ہے۔ طبی بڑے ماڈل بنانے میں کلیدی چیلنج ڈیٹا میں ہے، خود ماڈل میں نہیں۔ چین میں بہت سے بہترین ہسپتال موجود ہیں جو اپنے استعمال کے لیے ڈیپ سیک کا استعمال کرتے ہوئے ایک بڑا ماڈل فائن ٹیون کر سکتے ہیں۔

طبی ڈیٹا کو مؤثر طریقے سے کیسے حاصل کیا جا سکتا ہے؟ جیانگ شاو نے کہا کہ AI ٹیکنالوجی اسٹارٹ اپس کو ڈیٹا میں فوائد کی کمی ہے۔ طبی بڑے ماڈل بنانے کے لیے، انہیں ان کمپنیوں کے ساتھ تعاون کرنے کی ضرورت پڑ سکتی ہے جو پہلے ہی ہسپتالوں کو IT خدمات فراہم کرتی ہیں۔

اطلاعات کے مطابق، ‘لٹل ٹائیگرز’ میں سے ایک نے ڈاکٹروں کے تبادلوں سے پیدا ہونے والے بے شمار کیسز کا استعمال کرتے ہوئے ماڈلز کو تربیت دینے کے لیے ایک بڑے گھریلو ڈاکٹر ایکسچینج فورم کے ساتھ خصوصی شراکت داری کی ہے۔

مخصوص منڈیوں کے بارے میں زیادہ پرامید نقطہ نظر کے علاوہ، صنعت کے ماہرین کو بائچوان کے بانی وانگ ژیاوچوان سے امیدیں وابستہ ہیں۔

لیانگ ہی کا خیال ہے کہ آیا وانگ ژیاوچوان طب میں مہارت حاصل کرنے میں کامیاب ہوتے ہیں یا نہیں اس کا انحصار اس بات پر ہے کہ وہ کوئی آئیڈیل حاصل کرنا چاہتے ہیں یا پیسہ کمانا چاہتے ہیں۔ ان کا خیال ہے کہ وانگ زیادہ مثالی تعاقب کرنے کی طرف مائل ہیں، طبی AI کے تحقیقی نتائج تیار کر رہے ہیں۔

وانگ وینگوانگ نے اس مارکیٹ کے پرانے ہونے پر زور دیا۔ انہوں نے کہا کہ اگر مقصد قلیل مدتی تجارتی کاری ہے، تو طبی شعبہ بھی انتہائی مسابقتی ہے، جو کہ مجموعی طور پر B2B مارکیٹ کی طرح ہے۔ بہت سی کمپنیاں طبی ایپلی کیشنز کے لیے نالج گراف، ویکٹر سرچز اور بڑے ماڈلز استعمال کر سکتی ہیں۔

طبی AI ماہرین کے ساتھ Zhiwei کی بات چیت کے مطابق، طبی تحقیق میں خود بھی علمی خلاء موجود ہیں، اور نیا علم تیزی سے بڑھ رہا ہے۔ اس لیے، طبی بنیادی تحقیق کرنے کے لیے بڑے ماڈلز استعمال کرنے کی کافی صلاحیت موجود ہے۔ مثال کے طور پر، پروٹین کی ساخت کی پیشن گوئی کے لیے AlphaFold ماڈل کو دنیا بھر کے 1.8 ملین سے زیادہ سائنسدانوں نے تحقیق کو تیز کرنے کے لیے استعمال کیا ہے، بشمول بایو قابل تجدید مواد کی تیاری اور جینیاتی تحقیق کو آگے بڑھانا، Meis Medical کے مطابق۔

ایک آئیڈیل کے تعاقب کرنے یا پیسہ کمانے کے علاوہ، طبی AI اسٹارٹ اپ کو اس سوال کا بھی سامنا ہے کہ آیا جنرل میڈیکل لارج ماڈل بنانا ہے یا نہیں۔

ژانگ سینسن نے کہا کہ گھریلو مارکیٹ میں جنرل میڈیکل لارج ماڈلز میں کوئی پیش رفت نہیں ہوئی ہے، بنیادی طور پر بڑے پیمانے پر ڈیٹا جمع کرنے اور ایپلی کیشن کے لیے طاقتور طبی آلات پر انحصار کی وجہ سے۔ چین میں بہت سی طبی سہولیات کو وسیع پیمانے پر مقبول نہیں کیا گیا ہے، جس کی وجہ سے AI کے لیے درست تشخیص کرنا مشکل ہے۔ تاہم، کچھ مضبوط ہسپتالوں، جیسے Mayo Clinic نے اپنے بڑے ماڈلز لانچ کرنے کی تلاش شروع کر دی ہے۔ اگرچہ قلیل مدت میں منافع کے مواقع دیکھنا مشکل ہے، لیکن اس قسم کے بڑے ماڈلز طویل مدت میں طبی صنعت پر گہرا اثر ڈال سکتے ہیں۔

طبی صنعت کو مکمل طور پر خودکار تشخیص کے چیلنج کا بھی سامنا ہے، خاص طور پر گھریلو مارکیٹ میں، جہاں آلات ناکافی ہیں، اور AI روایتی تشخیصی طریقوں کو مکمل طور پر تبدیل نہیں کر سکتا۔ طبی آلات کا وسیع پیمانے پر نہ ہونا، خاص طور پر دور دراز علاقوں میں، طبی ٹیکنالوجی کا مکمل طور پر احاطہ کرنا مشکل بناتا ہے، اس لیے مکمل طور پر خودکار تشخیص ایک بڑا چیلنج ہے۔

طبی صنعت کو سخت لائسنسنگ اور تعمیل کی ضروریات کا سامنا ہے، اور طبی شعبے میں داخل ہوتے وقت بڑے ماڈلز کو تعمیل کے مسائل کو حل کرنا چاہیے۔ مستقبل کی C- اینڈ میڈیکل سروسز تشخیص اور علاج کی کارکردگی کو بہتر بنانے کے لیے ڈاکٹروں کی تکنیک اور AI کو یکجا کر سکتی ہیں، خاص طور پر نوجوان نسلوں کے لیے۔

آخر میں، گھریلو B2B مارکیٹ کی خصوصیات کو نظر انداز کرتے ہوئے بھی، بڑے ماڈل ایپلی کیشنز میں مسابقت To B مارکیٹ میں زندہ رہنا مشکل بناتی ہے۔ وانگ وینگوانگ نے کہا کہ بڑے ماڈل To B پروڈکٹس کے ڈیزائن ماڈلز کی تلاش ابھی باقی ہے، لیکن بالآخر یہ ایک جگہ پر آجائیں گے۔ یہ نہ صرف چین میں سچ ہے بلکہ سیلیکون ویلی کی ٹیکنالوجی کمپنیوں جیسے OpenAI, Anthropic, اور Google میں بھی سچ ہے۔ جب تک کہ ماڈلز کی کارکردگی میں کوئی خاص فرق نہیں ہے، اس مارکیٹ میں پیسہ کمانا ناممکن ہے، اور بالآخر ہر کوئی ایک ہی سطح پر ہوگا۔

یہی وجہ ہے کہ ڈیپ سیک R1 نے چین میں نہیں بلکہ بیرون ملک سب سے زیادہ اثر ڈالا ہے، خاص طور پر سیلیکون ویلی کی ٹیکنالوجی کمپنیوں پر۔ امریکی اسٹاک مارکیٹ نے R1 کے اجراء کے بعد زیادہ اتار چڑھاو اور پھر زوال کا تجربہ کرنا شروع کیا۔ بنیادی منطق آسان ہے: سیلیکون ویلی کے بڑے ماڈلز چین سے آگے نکل چکے ہیں۔ اگرچہ ان سے آگے نہیں نکل سکے، لیکن فرق کو وسیع کرنے میں ناکامی نے اتنی زیادہ تشخیص کی حمایت کرنا ناممکن بنا دیا ہے، جس کی وجہ سے اسٹاک کی قیمتوں میں کمی واقع ہوئی ہے۔

یقینا، To B مارکیٹ کے لیے صارفین کو راغب کرنے کا ایک اور طریقہ ہے: اوپن سورس۔ اوپن سورس کے لیے بنیادی منافع کے ماڈلز میں پیڈ لیول فنکشنز، کلاؤڈ ہوسٹنگ اور اوپن سورس ٹیکنالوجی پر مبنی ویلیو ایڈڈ سروسز جیسے کہ انٹرپرائز لیول کنسلٹنگ اور ٹریننگ فراہم کرنا شامل ہے۔

اوپن سورس بڑے ماڈلز کا سب سے براہ راست اثر ٹیکنالوجی کو مقبول بنانا ہے۔ ژانگ سینسن نے کہا کہ ڈیپ سیک کے اوپن سورس نے کمپنیوں کے بڑے ماڈلز کے اطلاق کو نمایاں طور پر تیز کیا ہے۔ سینئر مینجمنٹ بڑے ماڈلز کے اطلاق کی بہت زیادہ حمایت کر رہی ہے۔ چونکہ بڑے ماڈلز عملی ایپلی کیشنز میں اچھی کارکردگی کا مظاہرہ کرتے ہیں، خاص طور پر انسانی مداخلت کو کم کرنے اور کارکردگی میں اضافہ کرنے میں، حمایت میں اضافہ ہوتا رہے گا۔

مالیاتی صنعت، بہترین ڈیٹا کوالٹی والی صنعت کے طور پر، ہمیشہ AI میں تکنیکی جمع آوری کی بھرپور رہی ہے اور وہ تیزی سے ساتھ دے سکتی ہے۔ ڈیپ سیک سے قطع نظر، فنانس AI ٹیکنالوجی کو نافذ کرے گا۔ تاہم، ڈیپ سیک کے ساتھ، AI نہ صرف مالیاتی صنعت کے بنیادی کاروبار کو فعال کرے گا بلکہ روزانہ کے دفتری کاموں اور آپریشنز میں بھی استعمال کیا جائے گا جن کا پہلے کرنا مشکل تھا۔

آپریشنز پہلے بہت مہنگے ہوتے تھے۔ مثال کے طور پر، روٹ کاز اینالیسس کے لیے پہلے روایتی آپریشنز مانیٹرنگ اور AIOps کی ضرورت تھی، نیز چھوٹے ماڈلز کی تربیت کی ضرورت تھی۔ اب، DeepSeek کو نالج بیس کے ساتھ مل کر مانیٹرنگ، الارم، سیلف سروس اینالیسس، اور ٹریس ایبیلیٹی، خودکار پروسیسنگ اور استحکام کو بہتر بنانے کے لیے ایپلیکیشن پلان تیار کرنے کے لیے استعمال کیا جا سکتا ہے، جو AIOps سے زیادہ لچکدار ہے۔

اس کے علاوہ، آپریشنز کی AI کوریج وسیع تر ہو گئی ہے، جس میں انٹرایکٹیویٹی اور انیشی ایٹو کو زیادہ اہمیت دی گئی ہے۔ انیشی ایٹو کا مطلب ہے AI کو فعال طور پر آپریشنز کرنے کی اجازت دینا۔ قوانین، انسانوں، یا یہاں تک کہ ذاتی تجربے پر انحصار کرنے سے، جہاں انسانی تجربے کی سطح نے آپریشنز کی صلاحیتوں کی سطح کا تعین کیا، ہلکے AI ماڈلز کو اب براہ راست اسے حاصل کرنے کے لیے استعمال کیا جا سکتا ہے۔

اگرچہ DeepSeek کی فریب کاری کی شرح اب بھی زیادہ ہے، یہاں تک کہ دوسرے اسی طرح کے ماڈلز سے نمایاں طور پر مختلف نہیں ہے، لیکن اس کی استدلال اور عملی ایپلی کیشن کی صلاحیتیں فریب کاری کے منفی اثرات کو ختم کر سکتی ہیں۔ اس مسئلے کو RAG اور دیگر متعلقہ ٹیکنالوجیز کا استعمال کرتے ہوئے فائن ٹیوننگ اور آپٹیمائزیشن کے ذریعے آہستہ آہستہ بہتر بنایا جائے گا۔

علی بابا کے بڑے ماڈل ٹیکنالوجی کے ماہر گاو پینگ کا خیال ہے کہ DeepSeek کا اثر بڑی اور چھوٹی کمپنیوں کے لیے مختلف ہے:

علی بابا کے ذریعہ اندرونی طور پر استعمال ہونے والے بڑے ماڈلز ہمیشہ صنعت میں سب سے زیادہ جدید رہے ہیں، لہذا DeepSeek کے ظہور کا کوئی خاص اثر نہیں پڑا ہے۔ علی بابا کارکردگی کی تشخیص اور موازنہ کے لیے DeepSeek کا استعمال کرتا ہے، جو تکنیکی الہام زیادہ فراہم کرتا ہے۔ استدلال میں DeepSeek کا نفاذ نسبتاً تیز ہے، اور تکنیکی تفصیلات زیادہ عام ہیں۔ DeepSeek بھی Qianwen سے متاثر ہوا ہے۔

اس کے برعکس، DeepSeek کا چھوٹے اور درمیانے سائز کی کمپنیوں پر زیادہ اثر پڑتا ہے، کیونکہ پہلے کوئی ایسا ماڈل نہیں تھا جو کم لاگت، نجی تعیناتی فراہم کرتے ہوئے DeepSeek کا اثر حاصل کر سکتا تھا۔ DeepSeek کے اجراء کے بعد، بہت سی کمپنیاں DeepSeek انٹیگریٹڈ مشینیں بیچ رہی ہیں۔ تاہم، DeepSeek بہت سے اوپن سورس ماڈل انٹیگریٹڈ مشینوں کے مقابلے میں سب سے سستا نہیں ہے، جو مخصوص معیارات پر منحصر ہے۔

بہر حال، گھریلو اوپن سورس بڑا ماڈل اب ترقی کر رہا ہے اور عالمی سطح پر مقابلہ کر سکتا ہے۔ تاہم، پنگ این انشورنس کے بڑے ماڈلز کے نفاذ کی بنیاد پر، ژانگ سینسن کا خیال ہے کہ اوپن سورس بڑے ماڈلز میں اب بھی ناقابل تسخیر حدود ہیں:

ہمارے لیے، DeepSeek کو بنیادی طور پر ایک بہت بڑا لاگت فائدہ ہے۔ صلاحیتوں کے لحاظ سے، استدلال، عمومی صلاحیت اور سیاق و سباق کی تفہیم کے لحاظ سے یہ آپریشنز منظرناموں میں دیگر ماڈلز سے بہتر ہو سکتا ہے۔ تاہم، DeepSeek مالیاتی خطرے پر قابو پانے جیسے زیادہ پیچیدہ منظرناموں میں اچھی کارکردگی کا مظاہرہ نہیں کرتا ہے۔ اس کی وجہ یہ ہے کہ زیادہ تفصیلی فائن ٹیوننگ یا یہاں تک کہ دیگر ماڈلز کے ساتھ مل کر اصلاح کی ضرورت ہے۔ اس لیے، ماڈل کی کارکردگی کو مزید بہتر بنانے کے لیے مخصوص ایپلی کیشن منظرناموں پر مبنی ہدف شدہ فائن ٹیوننگ کی ضرورت ہے۔

پنگ این کے خود تیار کردہ بڑے ماڈلز کو دو تہوں میں تقسیم کیا گیا ہے: بنیادی بنیاد بڑا ماڈل اور بینکنگ، انشورنس اور دیگر کاروبار کے لیے ذمہ دار ڈومین ماڈلز۔ اندرونی طور پر استعمال ہونے والے بڑے ماڈلز پیشہ ورانہ علم کے میدان میں DeepSeek سے بہتر کارکردگی کا مظاہرہ کرتے ہیں، خاص طور پر فنانس اور طب جیسے مخصوص شعبوں میں، جہاں ماڈلز زیادہ درست ہوتے ہیں۔ تاہم، DeepSeek میں استدلال کی صلاحیت میں اب بھی ایک مضبوط فائدہ ہے۔ کچھ منظرناموں میں، ہم یہ دیکھنے کے لیے DeepSeek کو چھوٹے پیمانے پر آزمانا چاہتے ہیں کہ آیا اسے چلایا جا سکتا ہے۔

اس سلسلے میں علی بابا Qianwen, Baidu Wenxin, اور Zhipu ChatGLM اور DeepSeek کے درمیان کوئی خاص فرق نہیں ہے۔ فیصلہ اس حقیقتپر مبنی ہے کہ ان ماڈلز میں استدلال کی صلاحیت اور نالج بیس ڈھانچے میں DeepSeek سے کوئی خاص فرق نہیں ہے۔

مجموعی طور پر، اوپن سورس بڑے ماڈلز کا اثر فی الحال محدود ہے، اور ان کے درمیان مسابقت کی رفتار شدید ہے۔

To C مارکیٹ کے خطرات

اگرچہ To B مارکیٹ میں مسابقت سخت ہے، لیکن اس کا مطلب یہ نہیں ہے کہ To C روٹ زیادہ امید پیش کرتا ہے۔

بڑے ماڈلز کے لیے To C مارکیٹ میں بھی مسابقت بہت سخت ہے، لیکن یہ To B مارکیٹ سے بہت مختلف ہے۔

مارکیٹ کا منظرنامہ مسلسل بدل رہا ہے۔

To C کی رقم کمانا مشکل ہے۔

سب سے زیادہ مقبول ایپلی کیشنز ضروری نہیں کہ سب سے زیادہ محصول پیدا کریں۔ مثال کے طور پر، ChatGPT کی آمدنی سب سے زیادہ ہے، لیکن OpenAI اب بھی سالانہ 5 بلین ڈالر کا نقصان اٹھاتا ہے، جبکہ ChatGPT کی بہت سی ‘کاپی کیٹ’ ایپلی کیشنز نے تیزی سے منافع حاصل کیا ہو گا۔ DeepSeek کے مقبول ہونے کے بعد، نقال اور جعل ساز گروہوں میں آئے۔

صارف مارکیٹ سے ‘لٹل ٹائیگرز’ کی صورتحال کا مشاہدہ کرنا بھی پرامید نہیں ہے۔ صنعت کے ماہرین کے ساتھ Zhiwei کی بات چیت کا عام طور پر خیال ہے کہ بڑے مینوفیکچررز بقا پر زبردست دباؤ لائیں گے۔

جیانگ شاو نے کہا کہ صارفین کی مارکیٹ میں ‘لٹل ٹائیگرز’ میں سب سے بہتر کارکردگی کا مظاہرہ کرنے والی کمپنی Moonshot AI کی Kimi ہے۔ لیکن اب، Tencent کا Yuanbao پہلے نمبر پر ہے، DeepSeek دوسرے نمبر پر ہے، اور Doubao تیسرے نمبر پر ہے۔ سب سے اوپر تین کمپنیاں تقریباً مارکیٹ شیئر کے بیشتر حصے پر قابض ہیں۔ Tencent کے Yuanbao نے WeChat ماحولیاتی نظام کی مدد سے بڑی تعداد میں کسٹمر ٹریفک حاصل کیا ہے، جبکہ DeepSeek نے اپنی تکنیکی جدت اور متعدد منظرناموں میں بہترین کارکردگی کے ساتھ جگہ بنائی ہے۔

لیانگ ہی نے کہا کہ Kimi کی بڑی ماڈل ٹیکنالوجی اس کے حریفوں سے زیادہ مختلف نہیں ہے، اس لیے یہ صرف مفت ہو سکتی ہے، جس سے Moonshot کے لیے کمرشلائز کرنا بہت مشکل ہو جاتا ہے۔ ایک To C ایپلی کیشن کے طور پر، یہ واضح نہیں ہے کہ یہ Yuanbao اور Doubao سے کہاں مختلف ہے۔ مزید یہ کہ Doubao کو Byte کے دیگر کاروباروں کی مدد حاصل ہو سکتی ہے، اور Yuanbao کو Tencent کے دیگر کاروباروں کی مدد حاصل ہو سکتی ہے۔ وہ ان ایپلی کیشنز کی مدد کے لیے 100 بلین کی سرمایہ کاری کر سکتے ہیں۔

جیانگ شاو نے مزید کہا کہ C- اینڈ صارفین پروڈکٹ کے استعمال میں آسانی سے زیادہ تعلق رکھتے ہیں، جس میں Tencent اور Byte بہتر ہیں۔ بلاشبہ، علی بابا کے پاس بھی مواقع ہیں۔ علی بابا ‘AI سننے’ نامی ایک ایپلی کیشن کو تیار کر رہا ہے، جو چیٹ اور تعامل کے لیے AI کا استعمال کرتی ہے، جس کا مقصد مختصر ویڈیو پلیٹ فارم میں Douyin کی جگہ لینا ہے۔ اگرچہ Douyin اعلیٰ معیار کے مواد تیار کرنے کے لیے بڑی تعداد میں تخلیق کاروں کو راغب کرتا ہے، لیکن AI چیٹ ایپلی کیشنز میں زیادہ ذاتی اور انٹرایکٹو تجربات فراہم کر کے صارف گروپس کو راغب کرنے کی صلاحیت ہے۔ دونوں کے درمیان فرق مواد کی تخلیق اور تعامل میں ہے۔ اگر علی بابا اس کو توڑ سکتا ہے، تو اس کے پاس میزیں پلٹنے کا بھی موقع ہے، لیکن یہ کہنا مشکل ہے کہ اگر Tencent اس کی پیروی کرتا ہے۔

MiniMax کے حوالے سے، صنعت کی آراء قدرے مختلف ہیں۔

لیانگ ہی کا خیال ہے کہ MiniMax کا Conch AI فی الحال اچھا منافع کما رہا ہے۔ اس نے اپنا راستہ تلاش کر لیا ہے، لیکن ابھی تک یہ معلوم نہیں ہے کہ کیا یہ راستہ MiniMax کو اپنی تشخیص میں اتنا اضافہ کرنے کی اجازت دے گا۔ اس کے ایپلی کیشن اورینٹیشن کی وجہ سے، DeepSeek کے آنے کے بعد MiniMax زیادہ پرسکون ہے۔ اگر وہ DeepSeek کے ماڈلز استعمال کرتے ہیں، تو اس سے ماڈل کی تحقیق اور ترقیاتی اخراجات بچیں گے، اور اس کی ایپلی کیشنز پیسہ کمانا جاری رکھ سکتی ہیں، یہاں تک کہ زیادہ بھی۔

جیانگ شاو کا خیال ہے کہ MiniMax کے پاس موقع ہے اگر وہ بعد میں ایک مقبول APP بنا سکتا ہے، لیکن علی بابا اسے پیچھے چھوڑ سکتا ہے اور پہلے ایک مقبول APP بنا سکتا ہے، اس لیے اگر MiniMax کے پاس موقع ہے تو بھی اس کا امکان زیادہ نہیں ہے۔

بالآخر، پروڈکٹ کا فرق اب بھی C- اینڈ ایپلی کیشنز کے لیے پیش رفت کا مقام ہے۔

a16z کی تازہ ترین رپورٹ ‘Top 100 Gen AI Consumer Apps’ کے مطابق، بہت کم استعمال والی ایپلی کیشنز دراصل بہتر محصول حاصل کرتی ہیں۔ پودوں کی شناخت اور غذائیت جیسی کم استعداد والی مصنوعات عام مصنوعات کے مقابلے میں زیادہ ادائیگی کرنے والے صارفین کو راغب کرتی ہیں۔

عام AI مصنوعات میں فرق کرنا مشکل ہے۔ صارفین کی ادائیگی کرنے کی خواہش کم ہے، منافع کا چکر لمبا ہے، اس لیے وہ بڑی کمپنیوں سے زندہ نہیں رہ سکتے۔

اور اگر تفریق عمودی طور پر کافی گہری نہیں ہے، تو بنیادی بڑے ماڈل کے ذریعہ صلاحیت اپ گریڈ کے ذریعے اسے باطنی بنانا بھی آسان ہے۔ مثال کے طور پر، حال ہی میں GPT-4o کی تصویر تیار کرنے کی صلاحیتوں نے Midjourney جیسے ٹیکسٹ ٹو امیج سٹارٹ اپس کو جہتی تخفیف کی پیشکش کی ہے۔ یہ کوریج کی صلاحیت اکثر بے ترتیب اور غیر متوقع ہوتی ہے، جیسا کہ کہا جاتا ہے کہ ‘آپ کو تباہ کرنے کا آپ سے کوئی تعلق نہیں ہے۔’

حریفوں کی پکسل لیول تقلید اور بیس بڑے ماڈلز کی تیز رفتار اپ گریڈنگ کی وجہ سے C- اینڈ AI سٹارٹ اپس کا منظر تقریباً ہمیشہ تھوڑے وقت کے لیے برقرار رہتا ہے۔

جہاں تک ہٹ بننے کے انتہائی کم امکان کو حاصل کرنے کا تعلق ہے، صنعت کے ماہرین متفقہ طور پر مانتے ہیں کہ ‘پیروی کرنے کا کوئی تجربہ بنیادی طور پر نہیں ہے۔’

‘لٹل ٹائیگرز’ آج جس مشکل کا شکار ہیں، اس کی بڑی وجہ یہ ہے کہ انہوں نے بیس بڑے ماڈل میں بہت زیادہ سرمایہ کاری کی اور اس ٹریک پر زندہ رہنے اور بہترین کارکردگی کا مظاہرہ کرنے کے لیے درکار افرادی قوت، مالی وسائل اور مادی وسائل کو کم سمجھا، جس کے نتیجے میں ایپلیکیشن ٹریک پر فرق کرنا مشکل ہے۔

اب، ‘لٹل ٹائیگرز’ کا AGI پر حملہ کرنے کا عزم کم اور کم ہوتا جا رہا ہے، اور لی کیفو نے عوامی طور پر کہا ہے کہ گھریلو بیس بڑے ماڈل میں صرف DeepSeek, Ali اور Byte رہ جائیں گے۔

اس سلسلے میں، صنعت کے ماہرین جنہوں نے Zhiwei کے ساتھ بات چیت کی وہ بنیادی طور پر اس نقطہ نظر سے متفق ہیں۔

جیانگ شاو نے کہا کہ AI سٹارٹ اپس جو اب بھی بڑے ماڈل ٹیکنالوجی پر سخت محنت کر رہے ہیں انہیں بنیادی طور پر مرنا چاہیے۔ سب سے زیادہ امید افزا یقینی طور پر DeepSeek ہے، دوسرا علی بابا ہے، اور تیسرا ByteDance ہے۔ توقع ہے کہ پہلے نمبر پر آنے والے کو 50%-80% ٹریفک ملے گا، اور بعد میں آنے والے دو کو 10% ٹریفک مل سکتا ہے۔ کور اس میں مضمر ہے کہ کون پہلے AGI بناتا ہے، اور کون حتمی فاتح ہے۔

DeepSeek فی الحال بڑے ماڈلز کے میدان میں سب سے زیادہ مسابقتی ہے، اور عملی ایپلی کیشنز میں اس کی تکنیکی جدت اور کارکردگی بے عیب ہے۔ علی بابا اور ByteDance میں بھی مضبوط مسابقتی صلاحیت ہے، خاص طور پر کراس پلیٹ فارم ایپلی کیشنز اور ڈیٹا وسائل میں۔ درجہ بندی بنیادی طور پر بنیادی ٹیکنالوجی، کمپیوٹنگ پاور، ڈیٹا وسائل اور عملی ایپلی کیشنز میں ہر کمپنی کی اختراعی صلاحیتوں پر مبنی ہے۔

Zhipu اور Kimi ٹیمیں پختہ یقین رکھتی ہیں کہ بنیادی ماڈل کی صلاحیتوں کو مسلسل بڑھانا مستقبل ہے۔ اس کے برعکس، میں سمجھتا ہوں کہ مارکیٹ کی مانگ میں تبدیلیوں اور ایپلی کیشن کے منظرناموں کے تنوع کے ساتھ، محض بنیادی ماڈل کو مضبوط کرنے کا راستہ محدود ہو سکتا ہے، اور زیادہ لچکدار اور موافق ماڈل ڈیولپمنٹ پاتھ مارکیٹ میں زیادہ مسابقتی ہو سکتا ہے۔

بڑے ماڈل ٹیکنالوجی میں مسابقت انتہائی سخت ہے، اور بھاری سرمایہ کاری کرنے والی کمپنیوں کو بالآخر جدت، کمپیوٹنگ پاور، ڈیٹا اور اصلاح میں واضح پیشرفت حاصل کرنی ہوگی تاکہ مسابقتی صلاحیت کو برقرار رکھا جاسکے۔ دیگر کمپنیاں جو تکنیکی ترقی کے ساتھ نہیں چل پاتیں یا مارکیٹ کی مانگ کا مقابلہ کرنے سے قاصر ہیں وہ بتدریج ختم ہو جائیں گی۔

لیانگ ہی نے کہا کہ گھریلو بیس لارج ماڈل کمپنی میں مستقبل میں صرف DeepSeek, Ali اور Byte رہ جائیں گے، اس حقیقت کی بنیاد پر کہ ان تینوں میں تحقیق اور ترقی میں سپر وسائل کی سرمایہ کاری کرنے کی طاقت اور عزم ہے۔ Byte کے لیے، بڑے ماڈلز کے موقع کو گنوانا ناممکن ہے، بصورت دیگر اس کے مجموعی پر بہت بڑا اثر پڑے گا۔ اور DeepSeek کی ٹیکنالوجی میں Byte کے لیے بہت زیادہ رکاوٹیں نہیں ہوں گی، لیکن DeepSeek کو فی الحال R&D کی کارکردگی میں زیادہ فائدہ حاصل ہے۔ علی بابا کا Qianwen اوپن سورس ماڈل خود ایک اعلی سطح پر ہے۔ DeepSeek کے مقبول ہونے سے پہلے، Qianwen اور Llama بنیادی طور پر ایک دوسرے کا پیچھا کر رہے تھے۔ علی بابا کے لیے، Qianwen ماڈل پیسہ نہیں کما سکتا، لیکن متعلقہ کلاؤڈ کاروبار پیسہ کما سکتے ہیں، اور Byte اسی طرح ہے، اور Douyin اور دیگر ایپس کے تجربے کو مسلسل بہتر بنانے کے لیے بڑے ماڈل ٹیکنالوجی کا استعمال جاری رکھ سکتا ہے۔ AI سٹارٹ اپس کے لیے، اگر ماڈل خود پیسہ نہیں کماتا ہے، تو یہ بقا کی جڑ کو چھوتا ہے۔

وانگ وینگوانگ نے کہا کہ DeepSeek کا فائدہ بنیادی طور پر تکنیکی آئیڈیالزم میں مضمر ہے۔ اسپرنگ فیسٹیول سے پہلے اور بعد کے دو یا تین مہینوں کے اندر، DeepSeek کی ٹریفک بہت زیادہ تھی۔ اگر یہ تجارتی کاری کرنا چاہتا ہے، تو یہ جلد ہی دنیا میں سرفہرست پہنچ جائے گا، اور Doubao جیسے دوسرے بڑے ماڈلز کو کوئی موقع نہیں ملے گا۔ جب تک کہ DeepSeek حالیہ اوپن سورس ہفتے میں انفراسٹرکچر سے متعلق اصلاح کے طریقے اوپن سورس نہیں کرتا، یہ مستقبل میں اس پر بھروسہ کر کے پیسہ کما سکتا ہے، تاکہ دوسروں کو کوئی موقع نہ ملے۔ DeepSeek کو فنڈ نہیں دیا گیا ہے اور اسے سرمایہ کاروں سے متاثر ہونے کی ضرورت نہیں ہے۔ تکنیکی آئیڈیالزم اور ٹیلنٹ سب سے بڑی رکاوٹیں ہیں۔ OpenAI کے مقابلے میں، OpenAI کے جو نتائج اب نظر آرہے ہیں وہ بنیادی طور پر Altman اور Ilya کے درمیان تنازعہ سے پہلے کے تحقیقی نتائج ہیں۔ کم از کم اختراعی نکات کا تعین کیا گیا ہے۔ اب، مثالی پرستوں کی اصل ٹیم کے جانے کے بعد، OpenAI میں خود تقریباً کوئی جدت نہیں ہے۔ فی الحال، OpenAI کی جدت زیادہ تر ایپلی کیشن کی سطح پر ہے، جیسے کہ ڈیپ ریسرچ۔ ایپلی کیشن کی سطح پر جدت کے لیے کوئی رکاوٹیں نہیں ہیں، اس لیے اسے حریفوں کے ساتھ مقابلہ کرنا ہوگا۔

وانگ Mu، ایک بڑی فیکٹری AI ٹیکنالوجی کے ماہر، نے Zhiwei کو بتایا کہ جب تک پیسہ، ٹیلنٹ اور ہارڈ ویئر نہیں ہے، بڑے ماڈلز کی پہلے سے تربیت پر کوشش ضائع کرنے کی ضرورت نہیں ہے۔ DeepSeek کے پاس 2021 کے اوائل میں 10,000 کارڈ کا کلسٹر تھا اور اس کے پاس پیسے کی کمی نہیں ہے۔ اس