Meta Platforms ਦੇ ਇੱਕ ਸਾਬਕਾ ਅਧਿਕਾਰੀ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਹੈ ਕਿ ਅਮਰੀਕਾ ਅਤੇ ਯੂਰਪ ਦੀਆਂ ਕੰਪਨੀਆਂ OpenAI ਵਰਗੇ ਪ੍ਰੋਪਰਾਈਟਰੀ AI ਪ੍ਰੋਵਾਈਡਰਾਂ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਆਪਣੇ ਖੁਦ ਦੇ 'Self-Hosted AI Models' ਵੱਲ ਮੁੜ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਪਿੱਛੇ ਮੁੱਖ ਕਾਰਨ ਲਾਗਤਾਂ 'ਤੇ ਬਿਹਤਰ ਕੰਟਰੋਲ, ਇਨਫ్రాਸਟ੍ਰਕਚਰ 'ਤੇ ਪੂਰੀ ਮਲਕੀਅਤ, ਅਤੇ ਡਾਟਾ ਸੁਰੱਖਿਆ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਬਦਲਵੇਂ ਤਰੀਕਿਆਂ ਨੂੰ ਅਪਣਾਉਣ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਭੂ-ਰਾਜਨੀਤਿਕ (Geopolitical) ਨਿਯਮਾਂ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਵੀ ਹਨ।
ਕੀ ਹੋਇਆ?
Meta Platforms ਵਿੱਚ ਇੱਕ ਸਾਬਕਾ ਪ੍ਰੋਡਕਟ ਮੈਨੇਜਰ, Xiaoyin Qu, ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਅਮਰੀਕੀ ਅਤੇ ਯੂਰਪੀਅਨ ਕੰਪਨੀਆਂ ਹੁਣ OpenAI ਅਤੇ Anthropic ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਵੱਲੋਂ ਪੇਸ਼ ਕੀਤੇ ਜਾ ਰਹੇ ਪ੍ਰੋਪਰਾਈਟਰੀ (Proprietary) AI ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਘਟਾ ਸਕਦੀਆਂ ਹਨ। Qu ਨੇ ਆਪਣੇ ਤਾਜ਼ਾ ਲੇਖ ਵਿੱਚ ਕਿਹਾ ਹੈ ਕਿ ਕਾਰੋਬਾਰੀ ਸੰਸਥਾਵਾਂ ਹੁਣ ਅਜਿਹੇ ਓਪਨ-ਵੇਟ (Open-weight) ਮਾਡਲਾਂ ਵਿੱਚ ਜ਼ਿਆਦਾ ਰੁਚੀ ਦਿਖਾ ਰਹੀਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਹ ਆਪਣੀ ਅੰਦਰੂਨੀ ਇਨਫਰਾਸਟ੍ਰਕਚਰ 'ਤੇ ਹੋਸਟ (Host) ਕਰ ਸਕਣ। ਇਸ ਬਦਲਾਅ ਦਾ ਮੁੱਖ ਕਾਰਨ ਆਪਣੇ ਡਾਟਾ 'ਤੇ ਵਧੇਰੇ ਕੰਟਰੋਲ, ਲੰਬੇ ਸਮੇਂ ਲਈ ਲਾਗਤਾਂ ਦਾ ਪ੍ਰਬੰਧਨ, ਅਤੇ ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਡਾਟਾ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ AI ਮਾਡਲਾਂ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ (Fine-tune) ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ।
Self-Hosted AI ਵੱਲ ਵਧਣ ਦਾ ਰੁਝਾਨ
ਬਹੁਤ ਸਾਰੀਆਂ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਲਈ, ਵਰਤਮਾਨ 'ਫਰੰਟੀਅਰ' ਮਾਡਲ ਅਪਰੋਚ, ਜਿਸ ਵਿੱਚ ਉਹ AI ਪ੍ਰੋਵਾਈਡਰਾਂ ਦੇ API (Application Programming Interface) ਦੀ ਵਰਤੋਂ ਲਈ ਭੁਗਤਾਨ ਕਰਦੀਆਂ ਹਨ, ਕਈ ਚਿੰਤਾਵਾਂ ਖੜ੍ਹੀ ਕਰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਵੈਂਡਰ ਲਾਕ-ਇਨ (Vendor Lock-in) ਅਤੇ ਡਾਟਾ ਲੀਕ ਹੋਣ ਦਾ ਖਤਰਾ। ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਜਾਂ ਪ੍ਰਾਈਵੇਟ ਕਲਾਉਡ ਵਿੱਚ ਹੋਸਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਕੰਪਨੀਆਂ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਆਪਣੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਨੂੰ ਆਪਣੇ ਨੈੱਟਵਰਕ ਵਿੱਚ ਹੀ ਰੱਖ ਸਕਦੀਆਂ ਹਨ।
ਇਹ ਸਮਰੱਥਾ ਖਾਸ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਸੈਕਟਰਾਂ ਲਈ ਆਕਰਸ਼ਕ ਹੈ ਜਿੱਥੇ ਸਖ਼ਤ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਵਿੱਤ (Finance), ਸਿਹਤ ਸੰਭਾਲ (Healthcare), ਅਤੇ ਸਰਕਾਰ (Government), ਜਿੱਥੇ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ (Data Sovereignty) ਇੱਕ ਪਹਿਲੀ ਤਰਜੀਹ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਉਂ-ਜਿਉਂ ਕੰਪਨੀਆਂ ਆਪਣੇ AI ਕੰਮਕਾਜ ਨੂੰ ਵਧਾਉਂਦੀਆਂ ਹਨ, API ਕਾਲਾਂ ਲਈ ਭੁਗਤਾਨ ਕਰਨ ਦੀ ਲਾਗਤ ਕਾਫ਼ੀ ਵੱਧ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕੁਝ ਕੰਪਨੀਆਂ ਲੰਬੇ ਸਮੇਂ ਦੀ ਵਿੱਤੀ ਰਣਨੀਤੀ ਵਜੋਂ ਕਸਟਮ-ਬਿਲਟ (Custom-built) ਹੱਲਾਂ ਦੀ ਭਾਲ ਕਰ ਰਹੀਆਂ ਹਨ।
ਸੁਰੱਖਿਆ ਅਤੇ ਕੰਪਲਾਇੰਸ ਦਾ ਜੋਖਮ
ਹਾਲਾਂਕਿ ਸਸਤੇ, Self-Hosted ਮਾਡਲਾਂ ਦੀ ਸੰਭਾਵਨਾ ਆਕਰਸ਼ਕ ਹੈ, ਪਰ ਅਮਰੀਕੀ ਅਤੇ ਯੂਰਪੀਅਨ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਚੀਨੀ AI ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਦੇ ਸੁਝਾਅ ਨੂੰ ਕਈ ਵੱਡੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਇੱਕ ਮੁੱਖ ਜੋਖਮ ਸਖ਼ਤ ਰੈਗੂਲੇਟਰੀ ਅਤੇ ਭੂ-ਰਾਜਨੀਤਿਕ (Geopolitical) ਮਾਹੌਲ ਹੈ। ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ, ਬੌਧਿਕ ਸੰਪਦਾ (Intellectual Property), ਅਤੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ (National Security) ਦੇ ਮੱਦੇਨਜ਼ਰ ਪੱਛਮੀ ਸਰਕਾਰਾਂ ਨੇ ਚੀਨੀ ਟੈਕਨਾਲੋਜੀ 'ਤੇ ਆਪਣੀ ਨਜ਼ਰਸਾਨੀ ਵਧਾ ਦਿੱਤੀ ਹੈ।
ਕਿਸੇ ਵੀ ਕਾਰਪੋਰੇਸ਼ਨ ਲਈ, ਵਿਦੇਸ਼ੀ ਤੌਰ 'ਤੇ ਵਿਕਸਤ ਕੀਤੇ ਸੌਫਟਵੇਅਰ ਨੂੰ ਅਪਣਾਉਣਾ - ਖਾਸ ਤੌਰ 'ਤੇ AI ਵਰਗੇ ਸੰਵੇਦਨਸ਼ੀਲ ਖੇਤਰ ਵਿੱਚ - ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਸਖ਼ਤ ਸੁਰੱਖਿਆ ਆਡਿਟ (Security Audits) ਅਤੇ ਕੰਪਲਾਇੰਸ (Compliance) ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਟਰਿੱਗਰ ਕਰੇਗਾ। ਇਸ ਗੱਲ ਦਾ ਕਾਫ਼ੀ ਜੋਖਮ ਹੈ ਕਿ ਅਜਿਹਾ ਕਦਮ ਰੈਗੂਲੇਟਰੀ ਸਥਿਤੀ ਨੂੰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਬਣਾ ਸਕਦਾ ਹੈ ਜਾਂ ਭਵਿੱਖ ਵਿੱਚ ਵਪਾਰ ਨੀਤੀਆਂ (Trade Policies) ਵਿੱਚ ਬਦਲਾਅ ਆਉਣ 'ਤੇ ਕਾਰਜਸ਼ੀਲ ਪਾਬੰਦੀਆਂ (Operational Restrictions) ਦਾ ਕਾਰਨ ਵੀ ਬਣ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਪੱਛਮੀ ਉੱਦਮਾਂ ਲਈ, ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਤੋਂ ਹੋਣ ਵਾਲੀ ਲਾਗਤ ਬਚਤ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਕਾਨੂੰਨੀ ਅਤੇ ਪ੍ਰਤਿਸ਼ਠਾ (Reputation) ਦਾ ਜੋਖਮ ਜ਼ਿਆਦਾ ਹੋ ਸਕਦਾ ਹੈ।
ਹਾਈਬ੍ਰਿਡ AI ਦਾ ਭਵਿੱਖ
ਉਦਯੋਗ ਦੇ ਮਾਹਰਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਬਾਜ਼ਾਰ ਵਿੱਚ ਪੱਛਮੀ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਛੱਡਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇੱਕ 'ਮਲਟੀ-ਮਾਡਲ' (Multi-model) ਰਣਨੀਤੀ ਉਭਰ ਰਹੀ ਹੈ। ਕੰਪਨੀਆਂ ਆਮ ਕੰਮਾਂ ਲਈ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਪਰਾਈਟਰੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਨਾਲ ਹੀ ਵਿਸ਼ੇਸ਼, ਪ੍ਰਾਈਵੇਟ, ਜਾਂ ਲਾਗਤ-ਸੰਵੇਦਨਸ਼ੀਲ ਵਰਕਫਲੋਜ਼ (Workflows) ਲਈ ਇਨ-ਹਾਊਸ (In-house) ਜਾਂ ਓਪਨ-ਸੋਰਸ (Open-source) ਹੱਲ ਬਣਾ ਰਹੀਆਂ ਹਨ।
ਇਹ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਦੋਵਾਂ ਦੁਨੀਆਂ ਦੇ ਸਰਵੋਤਮ ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ: ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਦੀਆਂ ਉੱਨਤ ਸਮਰੱਥਾਵਾਂ ਅਤੇ Self-Hosted ਮਾਡਲਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਅਨੁਕੂਲਤਾ (Customization)। IT ਸੇਵਾ ਪ੍ਰਦਾਤਾਵਾਂ ਅਤੇ ਸਿਸਟਮ ਇੰਟੀਗ੍ਰੇਟਰਾਂ (System Integrators) - ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੇ ਅਮਰੀਕੀ AI ਦਿੱਗਜਾਂ ਨਾਲ ਮਜ਼ਬੂਤ ਭਾਈਵਾਲੀ ਰੱਖਦੇ ਹਨ - ਲਈ, ਇਹ ਰੁਝਾਨ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਗਾਹਕਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ, ਬਹੁ-ਪੱਧਰੀ AI ਆਰਕੀਟੈਕਚਰਾਂ (Architectures) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਭੂਮਿਕਾ ਹੋਰ ਵਧਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।
ਨਿਵੇਸ਼ਕ ਕੀ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ?
ਟੈਕ ਅਤੇ IT ਸੇਵਾਵਾਂ ਸੈਕਟਰ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕ ਕਈ ਵਿਕਾਸਾਂ 'ਤੇ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹਨ। ਪਹਿਲਾਂ, IT ਕੰਸਲਟਿੰਗ ਫਰਮਾਂ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਵੇਖੋ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਦੇ ਗਾਹਕ AI ਅਪਣਾਉਣ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਨੂੰ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ - ਖਾਸ ਤੌਰ 'ਤੇ ਕੀ ਉਹ ਇੱਕ-ਵੈਂਡਰ ਨਿਰਭਰਤਾ (Single-vendor reliance) ਜਾਂ ਮਲਟੀ-ਵੈਂਡਰ ਆਰਕੀਟੈਕਚਰਾਂ (Multi-vendor architectures) ਨੂੰ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ। ਦੂਜਾ, AI ਸੌਫਟਵੇਅਰ ਆਯਾਤ (Imports) ਅਤੇ ਵਰਤੋਂ ਸੰਬੰਧੀ ਰੈਗੂਲੇਟਰੀ ਅਪਡੇਟਸ (Regulatory Updates) ਦੀ ਨਿਗਰਾਨੀ ਕਰੋ, ਕਿਉਂਕਿ ਇਹ ਨਿਰਧਾਰਤ ਕਰੇਗਾ ਕਿ ਕੰਪਨੀਆਂ ਵਿਦੇਸ਼ੀ AI ਮਾਡਲਾਂ ਨੂੰ ਕਿੰਨੀ ਖੁੱਲ੍ਹ ਕੇ ਅਪਣਾ ਸਕਦੀਆਂ ਹਨ। ਅੰਤ ਵਿੱਚ, ਵੱਡੇ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾਵਾਂ (Cloud Providers) ਦੇ ਪੂੰਜੀ ਖਰਚ (Capital Spending) ਦੇ ਪੈਟਰਨ ਨੂੰ ਟਰੈਕ ਕਰੋ ਤਾਂ ਜੋ ਇਹ ਦੇਖਿਆ ਜਾ ਸਕੇ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਦੇ ਪ੍ਰਾਈਸਿੰਗ ਮਾਡਲ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਗਾਹਕਾਂ ਨੂੰ ਅੰਦਰੂਨੀ Self-Hosted ਹੱਲਾਂ ਵੱਲ ਜਾਣ ਤੋਂ ਰੋਕਣ ਲਈ ਅਨੁਕੂਲ ਹੁੰਦੇ ਹਨ।