डीपसीक हमें एआई लागत और दक्षता के बारे में क्या सिखा सकता है

अपने प्यारे व्हेल लोगो के साथ, डीपसीक की हालिया रिलीज़ एक और चैटजीपीटी नकल से ज़्यादा कुछ नहीं हो सकती थी। जिस चीज़ ने इसे इतना चर्चित बनाया - और जिसने प्रतिस्पर्धियों के शेयरों को हिलाकर रख दिया - वह थी इसे बनाने में कितना कम खर्च आया। इसने प्रभावी रूप से उच्च-कार्यशील लार्ज लैंग्वेज मॉडल (एलएलएम) को प्रशिक्षित करने के लिए आवश्यक निवेश की अमेरिका की धारणा में बाधा डाली।

डीपसीक ने कथित तौर पर अपने AI मॉडल को प्रशिक्षित करने के लिए सिर्फ़ $6 मिलियन खर्च किए। इसे OpenAI द्वारा चैट GPT-80 पर खर्च किए गए $100-$4 मिलियन या GPT-1 के लिए अलग रखे गए $5 बिलियन के साथ तुलना करें। डीपसीक निवेश के उस स्तर पर सवाल उठाता है और Nvidia जैसे बड़े खिलाड़ियों को छोड़ देता है - जिनके स्टॉक का मूल्य एक दिन में $600 बिलियन गिर गया - TSMC और Microsoft AI की दीर्घकालिक वित्तीय व्यवहार्यता के बारे में चिंतित हैं। यदि पहले से अनुमानित लागत से काफी कम लागत पर AI मॉडल को प्रशिक्षित करना संभव है, तो यह AI के समग्र खर्च के लिए क्या दर्शाता है?

हालाँकि डीपसीक के विघटन ने महत्वपूर्ण चर्चाओं को जन्म दिया है, लेकिन कुछ मुख्य बिंदु इस उथल-पुथल में खोते हुए प्रतीत होते हैं। हालाँकि, यह खबर इस बात पर अधिक ध्यान केंद्रित करती है कि नवाचार की लागत कितनी है और एआई का संभावित आर्थिक प्रभाव क्या है। इस खबर से उत्पन्न होने वाली तीन महत्वपूर्ण जानकारियाँ इस प्रकार हैं:

1. डीपसीक की 6 मिलियन डॉलर की कीमत भ्रामक है

कंपनियों को अपने इंफ्रास्ट्रक्चर के स्वामित्व की कुल लागत (TCO) को समझने की जरूरत है। हालाँकि डीपसीक की $6 मिलियन की कीमत के बारे में बहुत चर्चा हो चुकी है, लेकिन यह संभवतः इसके पूरे निवेश के बजाय सिर्फ़ इसके प्री-ट्रेनिंग रन की लागत है। कुल लागत - न केवल चलाने की, बल्कि डीपसीक के निर्माण और प्रशिक्षण की - संभवतः बहुत अधिक है। उद्योग विश्लेषक फर्म अर्ध विश्लेषण पता चला कि डीपसीक के पीछे की कंपनी ने अपने एलएलएम को हकीकत बनाने के लिए हार्डवेयर पर 1.6 बिलियन डॉलर खर्च किए हैं। इसलिए, संभावित लागत कहीं बीच में है।

वास्तविक लागत चाहे जो भी हो, डीपसीक के आगमन ने लागत-कुशल नवाचार पर ध्यान केंद्रित किया है जो परिवर्तनकारी हो सकता है। नवाचार अक्सर सीमाओं से प्रेरित होता है, और डीपसीक की सफलता इस बात को रेखांकित करती है कि जब इंजीनियरिंग टीमें वास्तविक दुनिया की बाधाओं का सामना करते हुए अपने संसाधनों का अनुकूलन करती हैं तो नवाचार कैसे हो सकता है।

2. अनुमान ही एआई को मूल्यवान बनाता है, प्रशिक्षण नहीं

यह ध्यान देना महत्वपूर्ण है कि एआई मॉडल प्रशिक्षण की लागत कितनी है, लेकिन प्रशिक्षण, एआई मॉडल के निर्माण और संचालन की समग्र लागत का एक छोटा सा हिस्सा है। अनुमान — एआई लोगों के काम करने, बातचीत करने और रहने के तरीके को कई तरीकों से बदल देता है — यही वह जगह है जहां एआई वास्तव में मूल्यवान हो जाता है।

इससे जेवॉन्स विरोधाभास सामने आता है, एक आर्थिक सिद्धांत जो सुझाव देता है कि जैसे-जैसे तकनीकी प्रगति किसी संसाधन के उपयोग को अधिक कुशल बनाती है, उस संसाधन की कुल खपत वास्तव में बढ़ सकती है। दूसरे शब्दों में, जैसे-जैसे प्रशिक्षण लागत कम होती जाएगी, अनुमान और एजेंटिक खपत बढ़ेगी, और कुल खर्च भी उसी के अनुरूप होगा।

वास्तव में, एआई दक्षता से एआई खर्च में वृद्धि हो सकती है, जिससे सभी नावों को लाभ होगा, न कि केवल चीनी कंपनियों को। यह मानते हुए कि वे दक्षता की लहर पर सवार हैं, ओपनएआई और एनवीडिया जैसी कंपनियों को भी लाभ होगा।

3. यह बात सच है कि यूनिट इकोनॉमिक्स सबसे ज़्यादा मायने रखता है

एआई को अधिक कुशल बनाना केवल लागत कम करने के बारे में नहीं है; यह यूनिट अर्थशास्त्र को अनुकूलित करने के बारे में भी है। मोटली फ़ूल का पूर्वानुमान है कि यह वर्ष एआई दक्षता का वर्षयदि वे सही हैं, तो कंपनियों को अपनी एआई प्रशिक्षण लागत के साथ-साथ एआई उपभोग लागत को कम करने पर भी ध्यान देना चाहिए।

एआई का निर्माण या उपयोग करने वाले संगठनों को डीपसीक के $6 मिलियन प्रशिक्षण लागत जैसे प्रभावशाली आंकड़ों को अलग करने के बजाय अपनी इकाई अर्थशास्त्र को जानने की आवश्यकता है। वास्तविक दक्षता में सभी लागतों को आवंटित करना, एआई-संचालित मांग को ट्रैक करना और लागत-से-मूल्य पर निरंतर नज़र रखना शामिल है।

क्लाउड यूनिट इकोनॉमिक्स (CUE) का संबंध क्लाउड द्वारा संचालित लाभ को मापने और उसे अधिकतम करने से है। CUE आपके क्लाउड लागतों की तुलना राजस्व और मांग मीट्रिक से करता है, जिससे पता चलता है कि आपका क्लाउड खर्च कितना कुशल है, समय के साथ इसमें क्या बदलाव आया है, और (यदि आपके पास सही प्लेटफ़ॉर्म है) उस दक्षता को बढ़ाने के सर्वोत्तम तरीके क्या हैं।

CUE को समझना AI संदर्भ में और भी अधिक उपयोगी है, क्योंकि हाइपरस्केलर्स द्वारा बेची जाने वाली पारंपरिक क्लाउड सेवाओं की तुलना में इसका उपयोग करना स्वाभाविक रूप से अधिक महंगा है। एजेंटिक एप्लिकेशन बनाने वाली कंपनियाँ प्रति लेनदेन अपनी लागत (जैसे प्रति बिल लागत, प्रति डिलीवरी लागत, प्रति व्यापार लागत, आदि) की गणना कर सकती हैं और इसका उपयोग विशिष्ट AI-संचालित सेवाओं, उत्पादों और सुविधाओं के निवेश पर प्रतिफल का आकलन करने के लिए कर सकती हैं। जैसे-जैसे AI पर खर्च बढ़ता जाएगा, कंपनियाँ ऐसा करने के लिए मजबूर होंगी; कोई भी कंपनी हमेशा प्रयोगात्मक नवाचार पर अंतहीन डॉलर खर्च नहीं कर सकती। आखिरकार, इसे व्यावसायिक रूप से समझदारी भरा होना चाहिए।

अधिक दक्षता की ओर

$6 मिलियन का आंकड़ा चाहे कितना भी सार्थक क्यों न हो, डीपसीक ने एक ऐसा महत्वपूर्ण क्षण प्रदान किया है जो तकनीकी उद्योग को दक्षता के अपरिहार्य महत्व के प्रति जागरूक करता है। आइए आशा करते हैं कि यह लागत-प्रभावी प्रशिक्षण, अनुमान और एजेंटिक अनुप्रयोगों के लिए द्वार खोलता है जो AI की वास्तविक क्षमता और ROI को अनलॉक करते हैं।