चंद्र नववर्ष समारोहों के दौरान चीन की दिग्गज टेक कंपनियों ने समन्वित एआई अभियान शुरू किया

फिजिकल एआई के नए मोर्चे पर समन्वित हमला

जब अमेरिकी बाजारों का ध्यान Anthropic और OpenAI की ताज़ा घोषणाओं पर टिका हुआ था, उसी दौरान चीन की दिग्गज टेक कंपनियों ने इस सप्ताह उन्नत कृत्रिम बुद्धिमत्ता प्रणालियों की एक साथ पेशकश की। इससे वैश्विक एआई परिदृश्य में बड़े बदलाव के संकेत मिले। Alibaba, ByteDance और Kuaishou ने रोबोटिक्स, सिनेमाई वीडियो निर्माण और स्वायत्त एजेंटिक प्रणालियों के लिए उत्पादन-तैयार मॉडल पेश किए। इससे पता चलता है कि चीनी कंपनियों ने पश्चिमी प्रतिद्वंद्वियों से तकनीकी अंतर घटाकर महज़ कुछ महीनों का कर दिया है।

इस समय का चुनाव स्पष्ट रूप से रणनीतिक था। ये पेशकशें चंद्र नववर्ष के दौरान हुईं, जो चीन का सबसे महत्वपूर्ण उपभोक्ता अवसर है। इस दौरान टेक कंपनियां पारंपरिक रूप से CCTV स्प्रिंग फेस्टिवल गाला में करोड़ों दर्शकों के सामने अपने नवाचार पेश करती हैं। ByteDance ने सरकारी प्रसारक के साथ एआई क्लाउड साझेदारी का विशेष अधिकार हासिल किया, जबकि Alibaba ने 434 मिलियन डॉलर का प्रचार अभियान चलाया और Tencent ने छुट्टियों के उपहारों पर 1 अरब युआन खर्च करने की प्रतिबद्धता जताई। तकनीकी दक्षता और सांस्कृतिक विपणन का यह मेल उस क्षेत्र में दबदबा कायम करने के बीजिंग के इरादे को रेखांकित करता है, जिसे उद्योग के जानकार फिजिकल एआई का नया मोर्चा कहते हैं। ये ऐसी प्रणालियां हैं जो चैटबॉट से आगे जाकर वस्तुओं को संभालती हैं, फोटो-जैसे यथार्थवादी मीडिया बनाती हैं और जटिल कामकाज अपने आप पूरा करती हैं।

जब मशीनें याद रखती हैं: सन्निहित बुद्धिमत्ता पर Alibaba का दांव

Alibaba की DAMO Academy ने RynnBrain पेश किया। यह ओपन-सोर्स रोबोटिक्स मॉडल इस बात में बुनियादी बदलाव दर्शाता है कि मशीनें भौतिक दुनिया को कैसे समझती और उससे कैसे संवाद करती हैं। पारंपरिक विज़न प्रणालियां अलग-अलग फ्रेम को स्वतंत्र रूप से संसाधित करती हैं, जबकि RynnBrain में समय और स्थान की अंतर्निहित समझ है। इससे रोबोट याद रख सकते हैं कि घटनाएं कब और कहां हुईं, कई चरणों में काम की प्रगति पर नज़र रख सकते हैं और बीच में रुके काम को फिर से शुरू कर सकते हैं।

प्रदर्शन वीडियो में साधारण ग्रिपर लगे रोबोट ऐसे काम करते दिखे जो देखने में आसान, लेकिन असल में जटिल थे: संतरे गिनना, ढेर में से खास फल चुनना और फ्रिज से दूध निकालना। इंसानों के लिए मामूली लगने वाले इन कामों में वस्तु पहचान, स्थान का नक्शा बनाना, गति की योजना तैयार करना और क्रमिक स्मृति जैसी पर्याप्त कंप्यूटिंग क्षमताएं चाहिए। Hugging Face की शोधकर्ता Adina Yakefu ने इस वास्तुशिल्पीय नवाचार का महत्व समझाया।

तत्काल इनपुट पर महज़ प्रतिक्रिया देने के बजाय, रोबोट याद रख सकता है कि घटनाएं कब और कहां हुईं, काम की प्रगति पर नज़र रख सकता है और कई चरणों में उसे जारी रख सकता है। इससे जटिल वास्तविक दुनिया के वातावरण में उसका काम अधिक भरोसेमंद और सुसंगत होता है।

यह मॉडल मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है, जिसमें अनुमान के दौरान केवल 3 अरब पैरामीटर सक्रिय होते हैं। इससे कंप्यूटिंग लागत काबू में रहती है। बताया गया है कि कई बेंचमार्क में यह Google के Gemini Robotics-ER 1.5 और Nvidia के Cosmos-Reason2 से बेहतर प्रदर्शन करता है। RynnBrain को GitHub और Hugging Face पर ओपन-सोर्स करके Alibaba उन प्रतिस्पर्धियों से कम कीमत पर विकल्प दे रहा है जो ऐसी ही क्लाउड-आधारित क्षमताओं के लिए शुल्क लेते हैं। साथ ही, इससे औद्योगिक स्वचालन, लॉजिस्टिक्स और स्वास्थ्य सेवाओं के लिए बुनियादी बुद्धिमत्ता परत स्थापित करने की उसकी महत्वाकांक्षा का संकेत मिलता है।

हॉलीवुड में हलचल: ByteDance और Kuaishou ने वीडियो निर्माण का तरीका बदला

ByteDance के Seedance 2.0 और Kuaishou के Kling 3.0 ने टेक्स्ट से वीडियो बनाने की तकनीक को कौतूहल की चीज़ से पेशेवर निर्माण उपकरण में बदल दिया है। वे सीधे OpenAI के Sora को चुनौती दे रहे हैं और विश्लेषकों के मुताबिक रचनात्मक सामग्री के लिए औद्योगिक मानक का मंच तैयार कर रहे हैं।

Seedance 2.0 टेक्स्ट, तस्वीर, ऑडियो और वीडियो इनपुट को एक साथ संसाधित करता है। यह सुसंगत किरदारों, यथार्थवादी भौतिकी और कई भाषाओं में समकालिक ऑडियो के साथ 15 सेकंड तक के सिनेमाई दृश्य बनाता है। यह प्रणाली CapCut में ByteDance के Dreamina सूट के साथ जुड़ी है, जिससे विज्ञापनदाताओं, सोशल मीडिया निर्माताओं और फिल्म निर्माताओं के लिए इसका इस्तेमाल आसान हो जाता है। एआई-निर्मित सामग्री बनाने वाले स्टॉकहोम के क्रिएटिव डायरेक्टर Billy Boman ने तकनीकी विकास को बदलावकारी बताया।

2023 में किसी से दौड़ने या चलने का दृश्य बनवाना मुश्किल था। यथार्थवाद कुछ सेकंड के छोटे क्लिप तक सीमित था। सब कुछ बहुत धीमा था, टेक्सचर खराब थे, त्वचा के टेक्सचर नहीं थे और बारीकियां गायब थीं। अब स्थिति पूरी तरह बदल गई है। अब मैं कुछ भी कर सकता हूं। तकनीकी प्रगति वाकई असाधारण रही है।

हालांकि, इस तेज़ी से हुई पेशकश ने निगरानी और नियंत्रण की कमजोरियां उजागर कीं। ByteDance ने विवादित Face-to-Voice सुविधा रोक दी, जो बिना ऑडियो नमूने या सहमति के सिर्फ एक तस्वीर से किसी व्यक्ति की खास आवाज़ और बोलने के अंदाज़ की नकल कर सकती थी। चीनी टेक समीक्षक Tim Pan ने 10 फरवरी को इसका प्रदर्शन किया। उन्होंने बताया कि सिर्फ तस्वीर से उनकी आवाज़ की नकल किए जाने का अनुभव भय पैदा करने वाला था। यह घटना तकनीकी क्षमता और नैतिक सुरक्षा उपायों के बीच तनाव को उजागर करती है। इसी बीच, Tom Cruise और Brad Pitt के बीच काल्पनिक लड़ाई दिखाने वाले वायरल वीडियो को लेकर Motion Picture Association ने बड़े पैमाने पर अधिकार उल्लंघन की औपचारिक शिकायत की।

Kuaishou का Kling 3.0 इससे पूरक खूबियां पेश करता है। यह कई शॉट वाले दृश्यों में विषयों की बेहतर निरंतरता, जटिल दृश्यों में भौतिक यथार्थवाद और कई भाषाओं तथा बोलियों में मूल ऑडियो निर्माण के ज़रिए पेशेवर कहानी-कथन पर ज़ोर देता है। यह स्टोरीबोर्ड बनाने के लिए एक साथ कई समूह-चित्र तैयार कर सकता है और एक बार में वीडियो बनाने की अवधि 15 सेकंड तक बढ़ाता है। साथ ही, हर शॉट की अवधि, फ्रेमिंग और कैमरे की गति तय करने की सुविधा देता है। फिलहाल यह भुगतान करने वाले ग्राहकों के लिए उपलब्ध है और सार्वजनिक रूप से जारी होने वाला है। Kling के चलते पिछले एक साल में Kuaishou के शेयर की कीमत 50 प्रतिशत से अधिक बढ़ी है। यह इस भरोसे को दर्शाता है कि एआई-संवर्धित सामग्री उपकरण छोटे वीडियो के इकोसिस्टम में उपयोगकर्ताओं की भागीदारी बढ़ाएंगे और आय के नए स्रोत बनाएंगे।

बुद्धिमत्ता को सबके लिए सुलभ बनाना: ओपन-सोर्स की लहर

उपभोक्ताओं के लिए बने उत्पादों से आगे बढ़कर, चीनी प्रयोगशालाएं बड़े भाषा मॉडल और एजेंटिक प्रणालियों का ओपन-सोर्स वितरण तेज़ कर रही हैं। Zhipu AI ने GLM-5 जारी किया और दावा किया कि कोडिंग बेंचमार्क में यह Anthropic के Claude Opus 4.5 के करीब पहुंचता है, जबकि कुछ खास परीक्षणों में Google के Gemini 3 Pro से आगे है। MiniMax ने अपना अपडेटेड M2.5 ओपन-सोर्स मॉडल पेश किया, जिसमें स्वायत्त एजेंटों के लिए बेहतर टूल हैं। ये एआई प्रणालियां बहुत कम मानवीय हस्तक्षेप के साथ शेड्यूलिंग, शोध या सॉफ्टवेयर तैनाती जैसे कई चरणों वाले काम कर सकती हैं।

यह ओपन-सोर्स रणनीति पश्चिम की कुछ अग्रणी एआई कंपनियों के बंद व्यावसायिक तरीकों से बिल्कुल अलग है। मॉडल के वज़न, प्रशिक्षण कोड और डेटासेट प्रकाशित करके चीनी कंपनियां इकोसिस्टम में इसे अपनाने की रफ्तार बढ़ाती हैं, तेज़ी से प्रतिक्रिया जुटाती हैं और आगे के नवाचार को प्रोत्साहित करती हैं। साथ ही, वे उन्नत सेमीकंडक्टर पर अमेरिका के निर्यात नियंत्रण से पैदा हुई कंप्यूटिंग सीमाओं से भी बच निकलती हैं। 2025 में Alibaba का Qwen परिवार Hugging Face पर सबसे अधिक डाउनलोड किए जाने वाले मॉडल श्रृंखला में Meta के Llama से आगे निकल गया। इस मंच की ट्रेंड सूची के शीर्ष दस स्थानों में फिलहाल चीनी मूल की टीमें आठ पर काबिज़ हैं।

Alibaba ने Qwen 3.5 के साथ अपने पोर्टफोलियो का और विस्तार किया। इसे खास तौर पर एजेंटिक एआई के दौर के लिए तैयार किया गया है और इसमें ऐसी विज़ुअल एजेंटिक क्षमताएं हैं जो मोबाइल और डेस्कटॉप ऐप्लिकेशनों में स्वतंत्र रूप से काम करने देती हैं। कंपनी का दावा है कि अपने पिछले संस्करण की तुलना में इस मॉडल को चलाने की लागत 60 प्रतिशत कम है और बड़े कार्यभार को संसाधित करने में यह आठ गुना बेहतर है। इसी दौरान ByteDance ने Doubao 2.0 जारी किया, जो चीन के सबसे अधिक इस्तेमाल किए जाने वाले चैटबॉट ऐप का अपग्रेड है। इसके उपयोगकर्ताओं की संख्या 20 करोड़ के करीब पहुंच रही है।

दबदबे के तीन रास्ते: दक्षता, कहानी-कथन और कारोबार

Huachuang Securities के बाजार विश्लेषण में तीनों टेक दिग्गजों की अलग-अलग रणनीतिक स्थिति सामने आई है। ByteDance दक्षता का बुनियादी ढांचा खड़ा कर रहा है। वह आसान पहुंच वाले, कम लागत के औज़ार और व्यापक क्षमताएं दे रहा है, जिन्हें उन्नत CapCut जैसा बताया जा सकता है। उसका लक्ष्य पूरे वेब पर सामग्री बनाने की लागत घटाना और बड़े पैमाने पर उत्पादन के ज़रिए अपने इकोसिस्टम को बढ़ावा देना है।

Kuaishou पेशेवर कहानी-कथन पर ज़ोर देता है। उसका लक्ष्य भौतिक सिमुलेशन, जटिल दृश्यों में यथार्थवाद और किरदारों की निरंतरता है, जो फिल्म डेमो, सिनेमाई कथाओं और कहानी का प्रवाह बनाए रखने वाली उच्च-गुणवत्ता सामग्री के लिए ज़रूरी हैं। वहीं, Alibaba का ध्यान ई-कॉमर्स के साथ गहरे एकीकरण पर है। उसका Qwen-Image-2.0 उत्पादों के डिजिटलीकरण और व्यावसायिक कामकाज में क्षमताएं बेहतर करता है। इस प्रयास को प्रचार अभियानों का समर्थन मिला, जिनमें एआई-आधारित कूपन वितरण और भोजन डिलीवरी के एकीकरण के ज़रिए छह दिनों में 12 करोड़ से अधिक ऑर्डर मिले।

यह अंतर सामग्री निर्माण में आपूर्ति-पक्ष की व्यापक क्रांति को दर्शाता है। जैसे-जैसे नियंत्रण बेहतर हो रहा है और उपयोगी नतीजे के लिए बार-बार सामग्री बनाने वाली गाचा प्रणालियों की जगह अनुमानित औद्योगिक उत्पादन ले रहा है, वीडियो बनाने की सीमांत लागत लगभग पूरी तरह कंप्यूटिंग खर्च के बराबर होती जा रही है। विश्लेषकों को विपणन एजेंसियों, ई-कॉमर्स सेवा प्रदाताओं और मांहुआ तथा लघु नाटक उद्योगों पर इसके बड़े असर की आशंका है। उत्पादन की बाधाएं घटने के साथ बौद्धिक संपदा का मूल्य शीर्ष स्तर की सामग्री में केंद्रित हो सकता है।

दो ध्रुवों वाली दुनिया में घटता अंतर

Google DeepMind के प्रमुख Demis Hassabis ने हाल में आकलन किया कि चीनी एआई मॉडल पश्चिमी प्रतिद्वंद्वियों से सिर्फ कुछ महीने पीछे हैं। यह अंतर लगातार घट रहा है, क्योंकि चीनी प्रयोगशालाएं स्थानीय स्तर पर उपलब्ध हार्डवेयर के लिए मॉडल बेहतर बना रही हैं और घरेलू चिप क्षमताएं विकसित कर रही हैं। वैश्विक एआई पेटेंट आवेदनों में अब चीन की हिस्सेदारी 70 प्रतिशत से अधिक है, हालांकि बुनियादी आर्किटेक्चर और उद्धरण प्रभाव में अमेरिकी कंपनियां अब भी आगे हैं।

प्रतिस्पर्धा का परिदृश्य अब कच्चे बेंचमार्क प्रदर्शन के बजाय अनुमान लगाने की दक्षता और इकोसिस्टम के एकीकरण से तय हो रहा है। 2025 के अंत में DeepSeek की तेज़ लोकप्रियता ने दिखाया कि चीनी प्रयोगशालाएं पश्चिमी मॉडलों के बराबर प्रदर्शन, कंप्यूटिंग की बहुत कम लागत पर हासिल कर सकती हैं। इससे पूरे क्षेत्र में विकास की रफ्तार तेज़ हुई। हाई-बैंडविड्थ मेमोरी चिप और उन्नत विनिर्माण उपकरणों पर अमेरिकी निर्यात नियंत्रण ने इस प्रगति को जटिल ज़रूर बनाया, लेकिन रोका नहीं। Huawei जैसी कंपनियां आत्मनिर्भर सेमीकंडक्टर उत्पादन लाइनें विकसित कर रही हैं।

इसी समय, अमेरिकी टेक कंपनियों ने चीनी डेवलपरों की पहुंच सीमित कर दी है। OpenAI ने जुलाई 2024 में API की पहुंच पर रोक लगा दी, Microsoft ने मुख्यभूमि चीन में व्यक्तिगत डेवलपरों के लिए Azure OpenAI सेवाएं बंद कर दीं और खबरों के मुताबिक Anthropic के Claude पर भी खाते निलंबित किए गए हैं। इन पाबंदियों से घरेलू विकास के प्रयास और तेज़ हुए हैं। इससे बहुध्रुवीय एआई परिदृश्य बन रहा है, जहां नेतृत्व सिर्फ भौगोलिक आधार पर नहीं, बल्कि अलग-अलग क्षेत्रों में तय होता है।

मुख्य बातें

• Alibaba, ByteDance और Kuaishou ने चंद्र नववर्ष के दौरान रोबोटिक्स, वीडियो निर्माण और एजेंटिक प्रणालियों के लिए समन्वित एआई मॉडल जारी किए
• Alibaba के ओपन-सोर्स RynnBrain रोबोटिक्स मॉडल में समय और स्थान की समझ है, जिससे रोबोट कई चरणों में काम पर नज़र रख सकते हैं और वस्तुओं के साथ हुई गतिविधियां याद रख सकते हैं
• ByteDance का Seedance 2.0 टेक्स्ट संकेतों से सिनेमाई वीडियो बनाता है, लेकिन एक समीक्षक द्वारा इसकी भय पैदा करने वाली क्षमताओं का प्रदर्शन किए जाने के बाद सहमति संबंधी चिंताओं पर आवाज़ की नकल करने वाली सुविधा रोक दी गई
• Kuaishou का Kling 3.0 पेशेवर कहानी-कथन पर ज़ोर देता है। इसमें 15 सेकंड तक के वीडियो, कई भाषाओं में ऑडियो और किरदारों की बेहतर निरंतरता है। इसके चलते पिछले एक साल में शेयर की कीमत 50 प्रतिशत बढ़ी
• चीनी एआई कंपनियां आक्रामक ओपन-सोर्स रणनीतियां अपना रही हैं। Alibaba की Qwen श्रृंखला Hugging Face पर सबसे अधिक डाउनलोड की जाने वाली श्रृंखला बनने में Meta के Llama से आगे निकल गई
• रणनीतिक रूप से ByteDance दक्षता के बुनियादी ढांचे, Kuaishou सिनेमाई यथार्थवाद और Alibaba ई-कॉमर्स के साथ गहरे एकीकरण पर ध्यान दे रहा है
• Google DeepMind का अनुमान है कि चीनी मॉडल पश्चिमी समकक्षों से केवल कुछ महीने पीछे हैं। अनुमान लगाने की दक्षता और मल्टीमॉडल अनुप्रयोगों में यह अंतर सबसे तेज़ी से घट रहा है