चीनचा AI गेम प्लॅन: डेटा एक्सचेंजची वाढ, पण चिप्सचं काय?

डेटाने चिनी AI महत्त्वाकांक्षेला चालना

चीन आपल्या शहरांमध्ये मोठ्या प्रमाणात डेटा एक्सचेंज (Data Exchange) विकसित करत आहे. देशाच्या आर्टिफिशियल इंटेलिजन्स (AI) विकासासाठी डेटा हा एक पायाभूत राष्ट्रीय संसाधन म्हणून पाहिला जात आहे. या उपक्रमाचा उद्देश अर्थव्यवस्थेतून निर्माण होणाऱ्या प्रचंड डेटासेटचे आयोजन आणि त्याचे मौद्रीकरण करणे हा आहे, ज्यामुळे AI सिस्टीमसाठी एक शक्तिशाली प्रशिक्षण मैदान तयार होईल. या दृष्टिकोनातून, चीन भविष्यातील तांत्रिक लँडस्केपवर प्रभाव पाडण्यासाठी सज्ज आहे.

सरकारी-समर्थित डेटा एक्सचेंजेसची वाढ चीनची अर्थव्यवस्था एका अत्याधुनिक AI प्रशिक्षण केंद्रात रूपांतरित करण्याच्या महत्त्वाकांक्षेला अधोरेखित करते. हे मार्केटप्लेस औद्योगिक उत्पादन, लॉजिस्टिक्स, वैद्यकीय प्रतिमा आणि शहरी वाहतूक अशा विविध प्रकारच्या डेटाच्या व्यापारास सुलभ करण्यासाठी डिझाइन केलेले आहेत. अधिकृत आकडेवारीनुसार, चीनची डेटा अर्थव्यवस्था 2030 पर्यंत 60 ट्रिलियन युआन (अंदाजे $8 ट्रिलियन) पर्यंत पोहोचू शकते, तर विश्लेषकांच्या मते हे दशकाच्या अखेरीस $1 ट्रिलियन पेक्षा जास्त असू शकते. केवळ डेटा ॲनालिटिक्स मार्केट 2030 पर्यंत US$42 अब्ज पर्यंत पोहोचण्याचा अंदाज आहे, जो 33.7% वार्षिक दराने वाढत आहे. हे धोरण AI ला चालना देण्यासाठी डेटाला ऊर्जा किंवा कच्च्या मालासारखी महत्त्वपूर्ण राष्ट्रीय मालमत्ता मानते.

जागतिक AI धोरणांची तुलना

AI वर्चस्वाच्या जागतिक शर्यतीत विविध राष्ट्रीय धोरणे दिसून येतात. अमेरिका खाजगी क्षेत्राद्वारे चालवल्या जाणाऱ्या नवोपक्रमाला प्रोत्साहन देते, ज्याला व्हेंचर कॅपिटलकडून मोठा निधी मिळतो आणि अत्याधुनिक सेमीकंडक्टर डिझाइनवर लक्ष केंद्रित करते. याउलट, चीन राज्य-निर्देशित औद्योगिक धोरण वापरते, तांत्रिक आत्मनिर्भरता आणि स्केल वाढवण्यासाठी केंद्रीकृत प्रणालीद्वारे संसाधने एकत्रित करते. भारत तिसरा मार्ग ऑफर करतो, ज्यामध्ये व्यापक लोकसंख्येसाठी तयार केलेल्या AI ला सामायिक सार्वजनिकGOOD म्हणून तयार करण्यासाठी डिजिटल पब्लिक इन्फ्रास्ट्रक्चर (DPI) वर लक्ष केंद्रित केले जाते. अमेरिकेकडे लक्षणीय AI कॉम्प्युट क्षमता आणि खाजगी गुंतवणूक आहे, तर चीन मोठ्या प्रतिभावान लोकसंख्येचा आणि राज्य-समर्थित उपक्रमांचा फायदा घेऊन वेगाने अंतर कमी करत आहे.

चिप्सच्या कमतरतेमुळे चीनच्या AI ला फटका

अमेरिकेच्या निर्यात नियंत्रणामुळे चीनला प्रगत AI चिप्स आणि उत्पादन उपकरणांमध्ये प्रवेश मिळणे कठीण झाले आहे, ज्यामुळे उच्च-स्तरीय AI हार्डवेअरमध्ये चीनची भूमिका मर्यादित झाली आहे. देशांतर्गत प्रयत्नांनंतरही, चीनचे सर्वोत्तम चिप्स अमेरिकन आवृत्त्यांच्या तुलनेत मागे आहेत आणि देश आयात केलेल्या किंवा सुधारित चिप्सवर अवलंबून आहे. हे अवलंबित्व एक मोठी कमकुवतता निर्माण करते, ज्यामुळे AI उपयोजन मंदावू शकते, जरी चीन स्पर्धात्मक मॉडेल्स विकसित करत आहे. हे अवलंबित्व त्याच्या दीर्घकालीन AI नेतृत्वाच्या आकांक्षांना अडथळा आणू शकते.

चीनचे डेटा आणि प्रतिभेतले फायदे

चीनची ताकद डेटा निर्मिती, प्रतिभा आणि ऊर्जा पायाभूत सुविधांमध्ये आहे. त्याचे विशाल डिजिटल प्लॅटफॉर्म आणि ग्राहक आधार परवानग्या देणारे नियामक वातावरण आणि विस्तृत पाळत ठेवण्याच्या क्षमतांमुळे मोठ्या प्रमाणात डेटा तयार करतात. चीन अमेरिकेपेक्षा दरवर्षी जास्त STEM आणि AI PhDs पदवीधर करतो, जरी या प्रतिभेला टिकवून ठेवणे एक आव्हान आहे. AI गणनेसाठी आवश्यक असलेल्या विस्तृत डेटा केंद्रांना सामर्थ्य देण्यासाठी देशाला ऊर्जा संसाधने आणि पायाभूत सुविधांमध्येही फायदा आहे.

ओपन-सोर्स मॉडेल्स एक तोडगा देतात

अलिबाबाचे Qwen आणि DeepSeek सारखे ओपन-सोर्स AI मॉडेल्स वापरणे हा चीनसाठी एक नवीन स्पर्धात्मक दृष्टीकोन आहे. हे मॉडेल्स मोठ्या प्रमाणावर डाउनलोड केले जातात आणि वापरले जातात, ज्यामुळे अत्याधुनिक हार्डवेअरवर अवलंबून नसलेला व्यापक AI अनुप्रयोग आणि डेटा संकलन शक्य होते. ही ओपन-सोर्स रणनीती अमेरिकन प्रतिस्पर्ध्यांपेक्षा स्वस्त आणि अधिक सुलभ आहे. अमेरिकन कंपन्यांमध्ये याचा वापर AI अवलंबनाच्या तुलनेत दिशाभूल करणारा असू शकतो, कारण काही अमेरिकन यश चिनी मॉडेल्स वापरण्यामुळे असू शकते. ही पद्धत निर्यात नियंत्रणांमधील काही हार्डवेअर निर्बंधांना टाळते, ज्यामुळे एक असा फायदा निर्माण होतो ज्याला सध्याच्या अमेरिकेच्या धोरणांमध्ये संबोधित केलेले नाही.

भारताचा सार्वजनिक पायाभूत सुविधा दृष्टिकोन

भारताची AI रणनीती लक्षणीयरीत्या वेगळी आहे, ती आधार (Aadhaar) आणि UPI सारख्या त्याच्या डिजिटल पब्लिक इन्फ्रास्ट्रक्चर (DPI) वर लक्ष केंद्रित करते. हे मॉडेल AI पायाभूत सुविधांना एक सार्वजनिकGood म्हणून पाहते, जे शक्तीचे केंद्रीकरण न करता व्यापक प्रवेश आणि नवोपक्रमाचे लक्ष्य ठेवते. भारतात लक्षणीय डिजिटल क्रियाकलाप असले तरी, त्याचा मुख्य AI आव्हान म्हणजे हा डेटा बुद्धिमान आणि सुरक्षितपणे आयोजित करणे हे आहे. हा दृष्टिकोन त्याच्या मोठ्या देशांतर्गत बाजारपेठेसाठी समावेशकतेला प्रोत्साहन देतो, परंतु भारताकडे कॉम्प्युट पॉवरमध्ये महत्त्वपूर्ण अंतर आहे आणि AI प्रतिभेचे लक्षणीय ब्रेन ड्रेन आहे.

चीनच्या AI वाटचालीतील प्रमुख धोके

परदेशी प्रगत सेमीकंडक्टरवर चीनचे अवलंबित्व ही एक मोठी असुरक्षितता आहे. मोठ्या गुंतवणुकीनंतरही, देशाला उच्च-स्तरीय AI चिप्समध्ये आत्मनिर्भरता मिळालेली नाही. हे अवलंबित्व AI स्केलिंग मर्यादित करते आणि त्याच्या तांत्रिक प्रगतीला भू-राजकीय दबाव आणि निर्यात नियंत्रणांच्या अधीन करते, ज्यामुळे त्याच्या दीर्घकालीन AI नेतृत्वाला अडथळा येऊ शकतो.

चीनचे डेटा एक्सचेंज स्केल सक्षम करत असले तरी, त्यांची केंद्रीकृत स्वरूप नवोपक्रमाला रोखू शकते. टॉप-डाऊन धोरणांमुळे अकार्यक्षमता आणि चपळ, बाजार-चालित इकोसिस्टमच्या तुलनेत नवोपक्रमासाठी कमी गतिशील वातावरण निर्माण होऊ शकते.

चीन नवीन नियमांसह डेटा सुरक्षा आणि आर्थिक वाढ यांच्यात समतोल साधण्याचा प्रयत्न करत आहे. तथापि, त्याचे जटिल डेटा गव्हर्नन्स आणि पाळत ठेवण्याची पायाभूत सुविधा गोपनीयता आणि सुरक्षेबद्दल आंतरराष्ट्रीय चिंता वाढवते. मोठ्या प्रमाणावरील डेटा एकत्रीकरणामुळे उलटसुलट प्रतिक्रिया येऊ शकते आणि व्यापार स्पर्धात्मकतेला हानी पोहोचू शकते.

अमेरिका आणि चीन यांच्यातील सततचे तांत्रिक डीकपलिंग, निर्यात नियंत्रणे आणि व्यापार तणावामुळे अनिश्चितता निर्माण होते. या स्पर्धेमुळे चीनच्या आत्मनिर्भरतेचा प्रयत्न वाढू शकतो, परंतु ते त्याला जागतिक बाजारपेठ आणि तंत्रज्ञानापासून वेगळे देखील करू शकते, ज्यामुळे त्याची रणनीती फलदायी ठरू शकते.