ઓપન-વેઇટ મોડલ્સ અત્યારે શા માટે મહત્વના છે

OpenAI, Google અને Anthropic જેવા અમેરિકન AI અગ્રણીઓ તેમના સૌથી શક્તિશાળી મોડલ્સ ક્લોઝ્ડ-સોર્સ (closed-source) રાખે છે. વપરાશકર્તાઓ ક્લાઉડ APIs દ્વારા તેનો ઉપયોગ કરે છે, જેનાથી પ્રદાતાઓ સોફ્ટવેર, તેમાંથી પસાર થતા ડેટા અને દરેક ક્વેરીમાંથી મળતી આવક પર નિયંત્રણ રાખી શકે છે. ચીની સ્ટાર્ટઅપ્સ—DeepSeek, Qwen અને Moonshot—તેનાથી વિપરીત કાર્ય કરે છે. તેઓ રો (raw) વેઇટ્સ પ્રકાશિત કરે છે, જેનાથી કોઈપણ વ્યક્તિ ફાઇલો ડાઉનલોડ કરી શકે છે, તેને ફાઇન-ટ્યુન કરી શકે છે અને સ્થાનિક રીતે માલિકીના હાર્ડવેર પર ઇન્ફરન્સ (inference) ચલાવી શકે છે.

જે દેશ લેટેસ્ટ GPUs આયાત કરી શકતો નથી, તેના માટે કમ્પ્યુટ (compute) ને બદલે મોડલ આપવું તેને સુસંગત રાખે છે. સેનેગલનો વપરાશકર્તા, બ્રાઝિલની મધ્યમ કદની કંપની અથવા ભારતમાં કોઈ યુનિવર્સિટી કોઈપણ ઉપલબ્ધ હાર્ડવેર સાથે સર્વર સેટઅપ કરી શકે છે અને અમેરિકન ક્લાઉડ સર્વિસનો ઉપયોગ કર્યા વગર ચીની મોડલ ચલાવી શકે છે. ડેટા ક્યારેય વપરાશકર્તાના અધિકારક્ષેત્રની બહાર જતો નથી, જે અમેરિકન ડેટા-એક્સેસ નિયમોથી સાવધ રહેલા સરકારો માટે એક આકર્ષક પાસું છે.

રાજદ્વારી પાસું

બેઇજિંગ AI ને "માનવતાનું સામૂહિક જ્ઞાન" તરીકે રજૂ કરે છે જેથી તે અમેરિકાના "બાકાત રાખતા ઈજારો" (exclusionary monopoly) ના વિકલ્પ તરીકે પોતાને સહકારી તરીકે રજૂ કરી શકે. આ વિધાનનો દાવો છે કે પશ્ચિમ તેના સૌથી સક્ષમ મોડલ્સને રાષ્ટ્રીય સુરક્ષાના તર્ક પાછળ છુપાવે છે, જ્યારે ચીન એક ખુલ્લું, વહેંચાયેલું સંસાધન પ્રદાન કરે છે. જો વિશ્વભરના પૂરતા પ્રમાણમાં ડેવલપર્સ ચીની મોડલ્સ અપનાવે, તો એક સમાંતર ઇકોસિસ્ટમ ઉભરી શકે છે—જે ચીની મૂળભૂત આર્કિટેક્ચર, ટૂલચેઇન્સ અને સંશોધન પરિણામો પર આધારિત હશે.

તે ઇકોસિસ્ટમ બેઇજિંગને સામાન્ય વ્યાપાર અથવા ઇન્ફ્રાસ્ટ્રક્ચર પ્રોજેક્ટ્સથી ઘણું આગળ સોફ્ટ પાવર આપશે. જે દેશો તેમના AI સ્ટેક્સ ચીની મોડલ્સ પર બનાવે છે તેઓ ડેટા ગવર્નન્સ, સાયબર સિક્યુરિટી અને ભૂ-રાજનીતિ (geopolitics) પર ચીની ધોરણો સાથે વધુ નજીકથી જોડાઈ શકે છે.

કડવું સત્ય: કમ્પ્યુટ હજુ પણ એક અવરોધ છે

ઓપન-વેઇટ વ્યૂહરચના હાર્ડવેરના તફાવતને દૂર કરતી નથી. લાર્જ લેંગ્વેજ મોડલને ટ્રેન કરવું એ એક વખતનો ખર્ચ છે. ઉદાહરણ તરીકે, DeepSeek નું V3 અંદાજે 2,000 H800 GPUs પર તાલીમ પામેલું હતું—જે સારી રીતે ભંડોળ ધરાવતી લેબ માટે નોંધપાત્ર પણ વ્યવસ્થિત ક્લસ્ટર છે. મોડલ સર્વ કરવું—દરરોજ અબજો ઇન્ફરન્સ વિનંતીઓ હેન્ડલ કરવું—તે માટે સતત વિસ્તરતા GPU ના કાફલાની જરૂર પડે છે.

અમેરિકન કંપનીઓ પહેલેથી જ દસ લાખથી વધુ GPUs ના ઉપયોગનું આયોજન કરી રહી છે. આ આંકડા વિશ્વભરના લાખો વપરાશકર્તાઓ માટે મોડલને પ્રતિભાવશીલ રાખવા માટે જરૂરી સ્કેલ દર્શાવે છે. ચીની કંપનીઓ તે સ્કેલ સાથે સ્પર્ધા કરી શકતી નથી કારણ કે અત્યાધુનિક GPUs ના પ્રવાહને રોકતા નિકાસ પ્રતિબંધોએ SMIC જેવા સ્થાનિક ફેબ્સ (fabs) ને પણ મર્યાદિત કર્યા છે, જે હજુ પણ સૌથી અદ્યતન પ્રોસેસ નોડ્સથી પાછળ છે.

મોડલ વેઇટ્સ પ્રકાશિત કરીને, ચીની કંપનીઓ કમ્પ્યુટનો બોજ વપરાશકર્તાઓ પર નાખે છે. વપરાશકર્તાઓ હાર્ડવેર પૂરૂં પાડે છે, વીજળીનું બિલ ચૂકવે છે અને ઓપરેશનલ ખર્ચ સંભાળે છે. સૈદ્ધાંતિક રીતે આ સ્થાનિક ચિપની અછતને ટાળે છે; વ્યવહારમાં તે ચીનની AI સેવાઓને "as-a-service" ને બદલે "as-a-download" માં ફેરવી દે છે. આમાંનો ફાયદો અને નુકસાન સ્પષ્ટ છે: મોડલ ઉપલબ્ધ રહે છે, પરંતુ તેની કામગીરી (performance) અને લેટન્સી (latency) અંતિમ વપરાશકર્તાના હાર્ડવેર પર આધાર રાખે છે, જે ઘણીવાર OpenAI ના ChatGPT અથવા Google ના Gemini ને ચલાવતા ક્લાઉડ ક્લસ્ટર્સ કરતા ઘણું ઓછું શક્તિશાળી હોય છે.

આ વ્યૂહરચનામાં કઈ બાબતો બાકી રહી જાય છે

  • સુરક્ષાની ચિંતાઓ – ઓપન ડિસ્ટ્રિબ્યુશનથી દુષ્ટ તત્વો માટે છુપાયેલી કાર્યક્ષમતા ઉમેરવી અથવા પક્ષપાતી ડેટા પર મોડલને ફાઇન-ટ્યુન કરવું સરળ બને છે. સુરક્ષા અપડેટ્સ લાગુ કરવા માટે કોઈ કેન્દ્રીય સત્તા વગર, નબળાઈઓ (vulnerabilities) લાંબા સમય સુધી રહી શકે છે.

ભારતીય પરિપ્રેક્ષ્ય

ભારત એવા વળાંક પર ઊભું છે જ્યાં ચીની ઓપન-વેઇટ અભિગમ તક અને ચેતવણી બંને આપે છે.

  • વ્યૂહાત્મક સ્વાયત્તતા – ભારતીય ડેવલપર્સ અમેરિકન પ્રદાતાઓને પ્રતિ-ટોકન (per-token) ફી ચૂકવ્યા વિના ઉચ્ચ ગુણવત્તાવાળા મોડલ્સ સાથે પ્રયોગ કરી શકે છે, જેનાથી કસ્ટમ ચેટબોટ્સ, અનુવાદ સાધનો અને ડોમેન-સ્પેસિફિક આસિસ્ટન્ટ્સ બનાવવાનો ખર્ચ ઘટે છે.
  • હાર્ડવેરની તાકીદ – ચીની અનુભવ સ્થાનિક સેમિકન્ડક્ટર સપ્લાય ચેઇનની જરૂરિયાત પર ભાર મૂકે છે. અદ્યતન GPUs અથવા AI એક્સિલરેટર્સ માટે સ્થાનિક ફેબ ક્ષમતા વિના, ભારત એવા આયાત પર નિર્ભર બની શકે છે જે ભવિષ્યના ભૂ-રાજકીય વિવાદોમાં પ્રતિબંધિત થઈ શકે છે.
  • જોખમ વ્યવસ્થાપન – ઓપન મોડલ્સ એ કોઈ મફત ભોજન નથી. નીતિ નિર્માતાઓએ તાલીમ ડેટાનો સ્ત્રોત અને છુપાયેલા બેકડોરની શક્યતાનું મૂલ્યાંકન કરવું જોઈએ. મોડલ વેરિફિકેશનમાં પારદર્શક ઓડિટ પ્રક્રિયા અને સ્થાનિક નિપુણતા આવશ્યક બની જાય છે.

વિરોધ પક્ષનો તર્ક: ખુલ્લાપણું એક શક્તિ બની શકે છે

સમર્થકો દલીલ કરે છે કે ખુલ્લાપણું કોઈપણ સિંગલ કંપનીના બંધ પ્લેટફોર્મ કરતા વધુ ઝડપથી નવીનતાને વેગ આપે છે. કોઈપણ વ્યક્તિને મોડલમાં ફેરફાર કરવાની મંજૂરી આપવાથી એવી વિશિષ્ટ (niche) એપ્લિકેશન્સ ઉભરી શકે છે જેને મોટા પ્રદાતાઓ ક્યારેય પ્રાથમિકતા આપશે નહીં. વિતરિત કમ્પ્યુટ મોડલ વધુ સ્થિતિસ્થાપક પણ હોઈ શકે છે; સ્વતંત્ર સર્વર્સનું વૈશ્વિક નેટવર્ક એક પ્રદાતાનું ડેટા સેન્ટર ઓફલાઇન થઈ જાય તો પણ સેવાને ચાલુ રાખી શકે છે.

તેનો ગેરફાયદો એ છે કે પરફોર્મન્સની મર્યાદા દરેક વપરાશકર્તા જે હાર્ડવેર પરવડી શકે છે તેના પર નિર્ભર રહે છે. જે એન્ટરપ્રાઇઝને મોટા પાયે સેકન્ડથી પણ ઓછા સમયમાં પ્રતિસાદની જરૂર હોય છે તેઓ હજુ પણ ક્લાઉડ મોડલથી લાભ મેળવે છે.

આગળ શું જોવું

  • નિકાસ નીતિમાં ફેરફાર – યુએસ ચિપ નિકાસ નિયંત્રણોમાં કોઈપણ ઢીલ અથવા કડકતા ચીનની નવા મોડલ્સ તાલીમ આપવાની ક્ષમતાને સીધી અસર કરશે અને વધુ બંધ ઓફરિંગ્સ તરફ પાછા વળવા માટે મજબૂર કરી શકે છે.

મુખ્ય સારાંશ

ચીનનો ઓપન-વેઇટ AI મોડલ્સ માટેનો પ્રયાસ એ નિકાસ પ્રતિબંધો દ્વારા સર્જાયેલી હાર્ડવેરની અછત માટે એક વ્યવહારુ ઉપાય છે. આ પગલું રાજદ્વારી સદ્ભાવના દર્શાવે છે અને વૈશ્વિક ડેવલપર્સ માટે ઓછી કિંમતે પ્રવેશ બિંદુ પ્રદાન કરે છે, પરંતુ તે મૂળભૂત કમ્પ્યુટની અછતને ઉકેલતું નથી. ભારત જેવા દેશો માટે, આ વ્યૂહરચના AI સ્વતંત્રતા કેળવવા માટે એક નમૂનો અને વિદેશી સેમિકન્ડક્ટર સપ્લાય ચેઈન પર નિર્ભર રહેવા વિશે એક ચેતવણીરૂપ પાઠ બંને છે. આગામી થોડા મહિનાઓ એ દર્શાવશે કે ઓપન-વેઇટ મોડલ્સ AI ઇકોસિસ્ટમના કાયમી સ્તંભ બનશે કે ચિપની અછત ઓછી ન થાય ત્યાં સુધી માત્ર એક કામચલાઉ વ્યવસ્થા તરીકે રહેશે.