ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਹੁਣ ਚੀਨੀ AI ਮਾਡਲਾਂ ਜਿਵੇਂ ਕਿ DeepSeek ਨੂੰ ਅਪਣਾ ਰਹੀਆਂ ਹਨ ਤਾਂ ਜੋ ਆਪਣੇ ਕੰਮਕਾਜ ਦੇ ਖਰਚਿਆਂ ਵਿੱਚ ਕਮੀ ਲਿਆਂਦੀ ਜਾ ਸਕੇ। ਇਹ ਮਾਡਲ ਪੱਛਮੀ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨਾਲੋਂ 170 ਗੁਣਾ ਤੱਕ ਸਸਤੇ ਹੋ ਸਕਦੇ ਹਨ। ਕਾਰੋਬਾਰ ਵੱਡੀ ਬੱਚਤ ਨੂੰ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ, ਪਰ ਡਾਟਾ ਗਵਰਨੈਂਸ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਬਾਰੇ ਸਾਵਧਾਨ ਹਨ। ਇਹ ਬਦਲਾਅ ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਨੂੰ ਲੋਕਲ ਹੋਸਟ ਕਰਨ ਦੀ ਵਧਦੀ ਪਸੰਦ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਤਾਂ ਜੋ ਡਾਟਾ 'ਤੇ ਕੰਟਰੋਲ ਬਣਿਆ ਰਹੇ।
ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਚੀਨੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਮਾਡਲਾਂ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਅਪਣਾ ਰਹੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੁੱਖ ਵਜ੍ਹਾ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੀ ਉੱਚ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਕਾਫੀ ਘੱਟ ਕੀਮਤ ਹੈ। ਇਹ ਰੁਝਾਨ ਤਕਨਾਲੋਜੀ ਦੇ ਖੇਤਰ ਨੂੰ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਘੜ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਕੰਪਨੀਆਂ ਕੋਡਿੰਗ ਤੋਂ ਲੈ ਕੇ ਫੈਸਲੇ ਲੈਣ ਤੱਕ ਦੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਇਹਨਾਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲਾਂ ਨੂੰ ਵਰਤ ਰਹੀਆਂ ਹਨ। DeepSeek, Qwen ਅਤੇ ਹੋਰ ਚੀਨੀ ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਦਾ ਲਾਭ ਉਠਾ ਕੇ, ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਆਪਣੀਆਂ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕ ਕਿਫਾਇਤੀ ਰਾਹ ਲੱਭ ਰਹੀਆਂ ਹਨ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ AI ਮਾਡਲ ਪੱਛਮੀ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨਾਲੋਂ 20 ਤੋਂ 170 ਗੁਣਾ ਤੱਕ ਸਸਤੇ ਪਾਏ ਗਏ ਹਨ।
ਰਣਨੀਤਕ ਵਰਤੋਂ ਅਤੇ ਸਥਾਨਕ ਬੁਨਿਆਦੀ ਢਾਂਚਾ
ਇਸ ਰੁਝਾਨ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਉਦਾਹਰਨ Krutrim ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਹੈ, ਜਿਸ ਨੇ ਚੀਨੀ DeepSeek R1 ਮਾਡਲ ਨੂੰ ਭਾਰਤ ਵਿੱਚ ਆਪਣੇ ਸਥਾਨਕ GPU ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ। ਇਹ ਪਹੁੰਕ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਦੀ ਇੱਕ ਵਿਆਪਕ ਰਣਨੀਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜੋ ਬਾਹਰੀ, ਵਿਦੇਸ਼ੀ-ਹੋਸਟ ਕੀਤੇ ਜਨਤਕ API ਨੂੰ ਡਾਟਾ ਭੇਜਣ ਦੀ ਬਜਾਏ ਆਪਣੇ ਨਿਯੰਤਰਿਤ ਜਾਂ ਪ੍ਰਾਈਵੇਟ ਕਲਾਉਡ ਵਾਤਾਵਰਣ ਵਿੱਚ ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨਾ ਪਸੰਦ ਕਰਦੀਆਂ ਹਨ। ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਹੋਸਟ ਕਰਕੇ, ਕੰਪਨੀਆਂ ਆਪਣੇ ਪ੍ਰੋਪਰਾਈਟਰੀ ਡਾਟਾ 'ਤੇ ਬਿਹਤਰ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਣ ਦਾ ਟੀਚਾ ਰੱਖਦੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਬਾਹਰੀ API ਦੀ ਵਰਤੋਂ ਨਾਲ ਜੁੜੇ ਵਿਦੇਸ਼ੀ ਮੁਦਰਾ ਖਰਚਿਆਂ ਨੂੰ ਘੱਟ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਰਣਨੀਤੀ ਕੌਮਾਂਤਰੀ ਟੈਕਨੋਲੋਜੀ ਟ੍ਰਾਂਸਫਰ ਨਾਲ ਜੁੜੀਆਂ ਕੁਝ ਰੈਗੂਲੇਟਰੀ ਅਤੇ ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ ਨੂੰ ਘੱਟ ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦੀ ਹੈ।
ਆਰਥਿਕ ਪ੍ਰੇਰਣਾ ਅਤੇ ਗਲੋਬਲ ਬਦਲਾਅ
ਇਸ ਬਦਲਾਅ ਲਈ ਆਰਥਿਕ ਪ੍ਰੋਤਸਾਹਨ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ। ਗਲੋਬਲ ਵਰਤੋਂ ਡਾਟਾ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਚੀਨੀ ਮਾਡਲ ਕਈ ਵੱਡੇ ਏਗਰੀਗੇਸ਼ਨ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਯੂਐਸ-ਅਧਾਰਤ ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਵੱਧ ਟੋਕਨਾਂ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਕਰ ਰਹੇ ਹਨ। ਕਿਫਾਇਤੀ AI ਟੈਕਨੋਲੋਜੀ ਵੱਲ ਇਹ ਕਦਮ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਆਪਣੇ ਕਾਰਜਾਂ ਨੂੰ ਵਧਾਉਣ ਅਤੇ ਸੰਚਾਲਨ ਖਰਚਿਆਂ ਵਿੱਚ ਅਨੁਪਾਤਕ ਵਾਧੇ ਤੋਂ ਬਿਨਾਂ ਟੋਕਨ ਵਰਤੋਂ ਵਧਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਮੁਕਾਬਲੇਬਾਜ਼ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੀਆਂ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਲਈ, ਇਹ ਲਾਗਤ ਕੁਸ਼ਲਤਾ ਬਜਟ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕਰਦੇ ਹੋਏ ਟੈਕਨੋਲੋਜੀਕਲ ਆਉਟਪੁੱਟ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਦਾ ਇੱਕ ਵਿਹਾਰਕ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।
ਗਵਰਨੈਂਸ ਅਤੇ ਸੁਰੱਖਿਆ ਵਿਚਾਰ
ਵਿਦੇਸ਼ੀ-ਮੂਲ ਦੀ AI ਟੈਕਨੋਲੋਜੀ ਨੂੰ ਅਪਣਾਉਣ ਦੇ ਸਪੱਸ਼ਟ ਵਿੱਤੀ ਲਾਭਾਂ ਦੇ ਬਾਵਜੂਦ, ਇਸ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਰਣਨੀਤਕ ਰੁਕਾਵਟਾਂ ਹਨ। ਭਾਰਤੀ ਕਾਰੋਬਾਰ ਜਟਿਲ ਡਾਟਾ ਗਵਰਨੈਂਸ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਰਹੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਉਹ ਯੂਐਸ ਜਾਂ ਯੂਰਪ ਵਿੱਚ ਗਾਹਕਾਂ ਦੀ ਸੇਵਾ ਕਰਦੇ ਹਨ, ਜਿੱਥੇ ਸਖਤ ਗੋਪਨੀਯਤਾ ਨਿਯਮ ਲਾਗੂ ਹਨ। ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਕ ਸਲਾਹ ਦਿੰਦੇ ਹਨ ਕਿ ਭਾਵੇਂ ਕੋਈ ਮਾਡਲ ਕਿੱਥੋਂ ਵੀ ਆਉਂਦਾ ਹੈ, ਇਸਨੂੰ ਟੈਕਨੋਲੋਜੀ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਇੱਕ ਅਣ-ਭਰੋਸੇਯੋਗ ਹਿੱਸਾ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਲਈ, ਬਹੁਤ ਸਾਰੇ ਭਾਰਤੀ ਕਾਰੋਬਾਰਾਂ ਦਾ ਧਿਆਨ ਮਜ਼ਬੂਤ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਵੱਲ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਡਾਟਾ ਐਨਕ੍ਰਿਪਸ਼ਨ, ਸਖਤ ਪਹੁੰਚ ਨਿਯੰਤਰਣ, ਅਤੇ ਨਿਰੰਤਰ ਨਿਗਰਾਨੀ ਸ਼ਾਮਲ ਹਨ, ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕਿਸੇ ਵੀ ਤੀਜੀ-ਧਿਰ ਮਾਡਲ ਦੀ ਤਾਇਨਾਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਵਪਾਰਕ ਜਾਂ ਗਾਹਕ ਜਾਣਕਾਰੀ ਨਾਲ ਸਮਝੌਤਾ ਨਾ ਕਰੇ।
ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਬਾਜ਼ਾਰ ਦੇ ਨਿਰੀਖਕਾਂ ਲਈ, ਇਸ ਰੁਝਾਨ ਦਾ ਅਗਲਾ ਪੜਾਅ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਲਾਗਤ-ਆਧਾਰਿਤ ਅਪਣਾਉਣ ਅਤੇ ਸਵਦੇਸ਼ੀ AI ਬੁਨਿਆਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਦੁਆਰਾ ਆਕਾਰ ਦਿੱਤਾ ਜਾਵੇਗਾ। ਇੱਕ ਮੁੱਖ ਨਿਗਰਾਨੀ ਇਹ ਹੋਵੇਗੀ ਕਿ ਕੀ ਭਾਰਤੀ ਕਾਰੋਬਾਰ ਦਰਾਮਦ ਕੀਤੀ, ਘੱਟ-ਲਾਗਤ ਵਾਲੀ ਬੁੱਧੀ 'ਤੇ ਭਾਰੀ ਨਿਰਭਰਤਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ ਜਾਂ ਜੇ ਇਹ ਪਹੁੰਚ ਘਰੇਲੂ AI ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਡੂੰਘੀ ਸਥਾਨਕ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦੀ ਹੈ ਜੋ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਲਾਗਤ ਦੋਵਾਂ 'ਤੇ ਮੁਕਾਬਲਾ ਕਰ ਸਕਣ। ਭਾਰਤ ਦੇ ਟੈਕਨੋਲੋਜੀ ਸੈਕਟਰ 'ਤੇ ਲੰਬੇ ਸਮੇਂ ਦਾ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਕੰਪਨੀਆਂ ਤਤਕਾਲ ਕਾਰਜਕਾਰੀ ਬੱਚਤਾਂ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ ਦੀ ਲੋੜ ਦੇ ਵਿਚਕਾਰ ਟ੍ਰੇਡ-ਆਫ ਨੂੰ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕਰਦੀਆਂ ਹਨ।