इस साल के शीर्ष एआई सम्मेलन में चीन ने आधी सीटें हासिल कीं, जिसमें अकेले सिंघुआ विश्वविद्यालय ने स्टैनफोर्ड और एमआईटी दोनों को संयुक्त रूप से चुनौती दी।

दुनिया का शीर्ष एआई सम्मेलन तेजी से चीन के शीर्ष प्रदर्शनकर्ताओं के लिए एक प्रदर्शन स्थल बनता जा रहा है।

हर साल जब शीर्ष एआई सम्मेलन अपनी स्वीकृति सूची जारी करते हैं, तो विभिन्न संस्थान अप्रत्यक्ष रूप से अपनी सफलता की घोषणा करते हैं, यह देखने के लिए प्रतिस्पर्धा करते हैं कि किसके सबसे अधिक शोध पत्र स्वीकृत हुए हैं। लेकिन इस साल, आईसीएलआर (इंटरनेशनल कॉन्फ्रेंस ऑन लर्निंग रिप्रेजेंटेशन्स) की घोषणा के बाद, दिमित्रो लोपुशांस्की नाम के एक शोधकर्ता ने कुछ बेहद साहसिक काम किया।

आधिकारिक सांख्यिकीय सारणियों का उपयोग करने के बजाय, उन्होंने 250 नियमित अभिव्यक्तियाँ लिखीं और ICLR 2026 से स्वीकृत सभी 5356 पत्रों की पीडीएफ़ एक-एक करके डाउनलोड कीं।

इसके बाद, उन्होंने प्रत्येक पेपर के पहले पृष्ठ पर मौजूद रिक्त स्थानों से सभी संस्थागत नामों को सावधानीपूर्वक निकाला, और इन सैकड़ों कोड नियमों का उपयोग करके उन्हें साफ और सामान्यीकृत किया, जिससे एक ही संस्था की विभिन्न वर्तनी जैसे "MIT CSAIL" और "MIT CSAIL" स्वचालित रूप से मर्ज हो गईं।

इस सबसे आदिम, मैन्युअल वर्गीकरण विधि का उपयोग क्यों किया जाए?

इस व्यक्ति ने पता लगाया कि जिन अकादमिक सांख्यिकी प्लेटफार्मों का हम आमतौर पर हवाला देते हैं, वे डेटा को "व्यक्ति" के आधार पर ट्रैक करते हैं। उदाहरण के लिए, एक छात्र जो सिंघुआ विश्वविद्यालय में चार साल पीएचडी की पढ़ाई करता है, एक अत्यंत महत्वपूर्ण शोध पत्र प्रकाशित करता है और फिर स्टैनफोर्ड में प्रोफेसर बन जाता है। सोचिए क्या होता है? सिस्टम रीफ्रेश हो जाता है, और वुडाओकोउ में प्रकाशित वह शोध पत्र स्वचालित रूप से स्टैनफोर्ड का अकादमिक प्रकाशन बन जाता है।

इस पूर्वाग्रह ने लंबे समय से चीनी संस्थानों के वास्तविक योगदान को कृत्रिम रूप से दबा रखा है, जबकि संयुक्त राज्य अमेरिका के आंकड़ों को बढ़ा-चढ़ाकर पेश किया है। डेटा का विश्लेषण करने में 96% सफलता दर रखने वाले दिमित्रो द्वारा गलत सकारात्मक परिणामों को फ़िल्टर करने के बाद वास्तविक डेटा का हीटमैप बनाने के बाद ही हम वास्तविक डेटा की पूरी तस्वीर देख पाए।

एक अकादमिक हीटमैप चीन और अमेरिका में एआई की वास्तविक स्थिति को उजागर करता है।

अन्य सभी बातों को एक तरफ रख दें तो, आंकड़ों का यह समूह वास्तव में बहुत प्रभावशाली है।

इस चार्ट में चीनी संस्थानों का विशाल आकार कई लोगों की उम्मीदों से कहीं अधिक है। स्वीकृत शोध पत्रों में से 43.7% चीन के संस्थानों का योगदान रहा। अमेरिका का योगदान 31.9% रहा।

अगर हांगकांग (7.7%) को भी शामिल कर लें, तो इस साल के आईसीएलआर में प्रस्तुत आधे से अधिक शोधपत्र चीन के संस्थानों द्वारा लिखे गए हैं। वहीं, स्थापित यूरोपीय शक्तियों की बात करें तो, पूरे यूरोपीय महाद्वीप का योगदान केवल 5.3% है, जो सिंगापुर (5.5%) जैसे एक देश के योगदान से भी कम है।

इससे भी अधिक दिलचस्प बात विशिष्ट संस्थानों की रैंकिंग है।

इस वर्ष, त्सिंगहुआ विश्वविद्यालय ने 332 प्रकाशित शोध पत्रों के साथ वैश्विक स्तर पर सभी संस्थानों में शीर्ष स्थान प्राप्त किया। तुलनात्मक रूप से देखें तो, स्टैनफोर्ड विश्वविद्यालय के 177 और एमआईटी के 167 शोध पत्र प्रकाशित हुए हैं। अकेले त्सिंगहुआ विश्वविद्यालय का शोध पत्र अमेरिका के दो शीर्ष क्रम के विश्वविद्यालयों के संयुक्त शोध पत्र के लगभग बराबर है। शंघाई जियाओ टोंग विश्वविद्यालय, पेकिंग विश्वविद्यालय और झेजियांग विश्वविद्यालय भी वैश्विक शीर्ष संस्थानों में अपना स्थान बनाए हुए हैं।

न केवल विश्वविद्यालयों ने बल्कि घरेलू उद्योगों ने भी उल्लेखनीय अनुसंधान प्रदर्शन दिखाया है।

अलीबाबा, शंघाई एआई लैब्स, हुआवेई, बाइटडांस और टेनसेंट—इन पांच चीनी तकनीकी कंपनियों/अनुसंधान संस्थानों ने मिलकर 582 शोध पत्र प्रकाशित किए। कुछ मीडिया आउटलेट चीनी इंटरनेट कंपनियों की इस बात के लिए आलोचना करते थे कि वे केवल छोटे-मोटे व्यावसायिक नवाचारों पर ध्यान केंद्रित करती हैं और मौलिक अनुसंधान की उपेक्षा करती हैं। हालांकि, आईसीएलआर 2026 के आंकड़ों ने इस धारणा को पूरी तरह से गलत साबित कर दिया है।

सीधे शब्दों में कहें तो, चीन की कृत्रिम बुद्धिमत्ता अब एक या दो प्रतिभाशाली व्यक्तियों की प्रेरणाओं पर आधारित नहीं है, बल्कि एक परिष्कृत, विशाल और अत्यधिक व्यवस्थित अनुसंधान और विकास तंत्र बन गई है।

हालांकि, इन उत्साहवर्धक आंकड़ों के पीछे, हम वस्तुनिष्ठ रूप से मौजूद संकेतकों को नजरअंदाज नहीं कर सकते।

उदाहरण के लिए, हालांकि हमने कुल संख्या में उन्हें पीछे छोड़ दिया, लेकिन मौखिक (मौखिक प्रस्तुति, जो आमतौर पर सबसे मौलिक और प्रेरणादायक दिशा का प्रतिनिधित्व करती है) पत्रों में, जो स्वीकृत पत्रों की कुल संख्या का केवल 4% हैं, अमेरिकी संस्थानों का हिस्सा अभी भी लगभग 40% है, जबकि हमारा हिस्सा 30% है।

इंजीनियरिंग के विस्तार में हमारे पास पूर्ण पैमाने का लाभ है, जबकि नई दिशाएँ निर्धारित करने में संयुक्त राज्य अमेरिका अभी भी सापेक्षिक रूप से आगे है। चीन और संयुक्त राज्य अमेरिका के बीच एआई की यह अपेक्षाकृत यथार्थवादी तस्वीर है।

सिलिकॉन वैली की अनुसंधान-आधारित एजीआई और चीनी प्रयोगशालाओं का अत्यधिक व्यावहारिक दृष्टिकोण

यदि हीट मैप एक व्यापक स्वास्थ्य जांच रिपोर्ट है, तो एलन इंस्टीट्यूट फॉर आर्टिफिशियल इंटेलिजेंस (AI2) के एक प्रसिद्ध शोधकर्ता, नाथन लैम्बर्ट ने इस वर्ष मई में बीजिंग, हांगझोऊ और अन्य स्थानों में 36 घंटे का सर्वेक्षण किया, जो एक गहन सूक्ष्म अवलोकन था।

ज़िपू एआई, लूनर डार्क साइड, कियानवेन, मीतुआन, श्याओमी और ज़ीरो वन थिंग्स जैसी एआई कंपनियों का दौरा करने के बाद, वे चीन लौट आए और चीनी एआई प्रयोगशालाओं के अंदर अपने अनुभवों पर एक लेख लिखा, जिसने सिलिकॉन वैली में काफी चर्चा पैदा कर दी। उन्होंने इस बात के पीछे का मूल कारण समझा कि कैसे बड़े पैमाने पर चीनी एआई मॉडल अमेरिका के मॉडल्स के साथ प्रतिस्पर्धा कर सकते हैं—संगठनात्मक बाधाओं का बेहद कम होना और बेहद व्यावहारिक युवा लोग।

लैम्बर्ट के विचार में, अमेरिका की शीर्ष प्रयोगशालाओं में अक्सर एक घातक कमजोरी होती है: उनका अहंकार बहुत प्रबल होता है।

बड़े मॉडल को प्रशिक्षित करना एक अत्यंत जटिल सिस्टम इंजीनियरिंग परियोजना है, जिसमें डेटा की सफाई और वितरित संचार अनुकूलन से लेकर सुदृढ़ीकरण शिक्षण संरेखण तक, हर चरण में समझौता करना पड़ता है। हालांकि, सिलिकॉन वैली में, शीर्ष शोधकर्ताओं के अक्सर प्रबल व्यक्तिगत पूर्वाग्रह होते हैं।

ऐसी अफवाह है कि मेटा में लामा टीम को दिशा को लेकर मतभेदों के कारण उथल-पुथल का सामना करना पड़ा, जिसमें प्रमुख व्यक्ति स्वतंत्र रूप से काम कर रहे थे और प्रत्येक मॉडल को अपनी पसंदीदा दिशा में आगे बढ़ाना चाहता था। इसके विपरीत, लैम्बर्ट को चीनी प्रयोगशाला में एक असाधारण व्यावहारिकता देखने को मिली।

शोधकर्ताओं को इस बात की परवाह नहीं थी कि किसका तरीका अधिक उन्नत लगता है; सभी का एक ही लक्ष्य था: मॉडल के एक निश्चित मापदंड को बेहतर बनाना, और वे सभी इस कठिन, जटिल और थका देने वाले काम को करने के लिए तैयार थे। इस व्यावहारिक दृष्टिकोण ने टीम के भीतर मतभेदों को कम किया।

लैम्बर्ट ने इस सांस्कृतिक प्रवृत्ति से उत्पन्न विशिष्ट लाभों का भी सारांश प्रस्तुत किया: अंतिम मॉडल को बेहतर बनाने के लिए मामूली बुनियादी काम करने की अधिक तत्परता; नवागंतुकों ने पिछले एआई प्रचार चक्रों का अनुभव नहीं किया है और वे नवीनतम प्रौद्योगिकी मार्गों के अनुकूल अधिक तेज़ी से ढल सकते हैं; अहंकार कम है, और संगठनात्मक संरचना अपेक्षाकृत सुचारू रूप से विस्तारित हो सकती है; और एक बड़ा प्रतिभा समूह है जो मौजूदा समाधानों के आधार पर प्रमुख समस्याओं को हल करने में कुशल है।

लैम्बर्ट को इससे भी अधिक आश्चर्य इस बात पर हुआ कि संयुक्त राज्य अमेरिका में शीर्ष प्रयोगशालाओं में प्रशिक्षुओं को अक्सर केवल गौण परियोजनाओं पर ही काम करने का अवसर मिलता है। लेकिन चीन में, स्नातकोत्तर और डॉक्टरेट के छात्र मुख्य बड़े पैमाने के मॉडलों के विकास में गहराई से शामिल होते हैं। लैम्बर्ट ने इस दृष्टिकोण के प्रमुख लाभ को बखूबी उजागर किया: इसमें कोई ऐतिहासिक पूर्वाग्रह नहीं होता।

बड़े पैमाने के मॉडलों के लिए तकनीकी प्रक्रियाएँ अत्यंत तेज़ी से बदलती रहती हैं। वरिष्ठ वैज्ञानिक अक्सर "पथ निर्भरता" का शिकार होते हैं, यानी वे मानते हैं कि दस वर्षों से जिन पुरानी विधियों पर वे शोध कर रहे हैं, वही एकमात्र सत्य हैं। लेकिन चीन के युवा छात्र अलग हैं; जैसे ही डेटा यह साबित करता है कि कोई नई विधि प्रभावी है, वे तुरंत पुराने दृष्टिकोण को छोड़कर नई विधि अपना सकते हैं।

यह उल्लेखनीय है कि लैम्बर्ट ने पाया कि चीन के एआई समुदाय का वातावरण बाहरी लोगों की कल्पना से कहीं अधिक सौहार्दपूर्ण है। प्रयोगशालाओं के बीच निजी आदान-प्रदान में आपसी सम्मान झलकता है, और सभी चीनी प्रयोगशालाएँ बाइटडांस और उसके व्यापक रूप से लोकप्रिय डौबाओ मॉडल को बहुत सम्मान देती हैं, क्योंकि बाइटडांस चीन की एकमात्र ऐसी प्रयोगशाला है जो क्लोज्ड-सोर्स दृष्टिकोण अपनाते हुए वास्तव में अग्रणी है। साथ ही, लगभग सभी प्रयोगशालाएँ डीपसीक का भी बहुत सम्मान करती हैं, और उसे सर्वश्रेष्ठ शोध क्षमता और क्रियान्वयन कौशल वाली टीम मानती हैं।

इस शोध का एक पहलू विशेष रूप से उल्लेखनीय है। सिलिकॉन वैली में, शीर्ष एआई शोधकर्ता न केवल इंजीनियर हैं, बल्कि अक्सर एक प्रकार के "दार्शनिक" की भूमिका भी निभाते हैं। वे पॉडकास्ट पर इस बात पर चर्चा करने का आनंद लेते हैं कि क्या "कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) 2030 तक मानवता को नष्ट कर देगी," और अक्सर एआई सुरक्षा और नैतिकता की सीमाओं पर बहस करते हैं।

इसके बाद लैम्बर्ट ने चीनी समकक्षों से कृत्रिम बुद्धिमत्ता के आर्थिक प्रभाव और दीर्घकालिक सामाजिक जोखिमों पर उनके विचार जानने का प्रयास किया, लेकिन प्रतिक्रिया में लंबी चर्चाएँ नहीं हुईं, बल्कि व्यापक हैरानी ही देखने को मिली। मानवता को नष्ट करने जैसे गंभीर विषय फिलहाल उनके वर्तमान कार्यक्षेत्र से बाहर थे।

भव्य विचारों से दूर रहने की यह प्रवृत्ति विडंबनापूर्ण रूप से एक प्रतिस्पर्धी लाभ बन गई है। यह टीम के भीतर दार्शनिक मतभेदों को कम करती है, जिससे सभी की बौद्धिक क्षमता परियोजना कार्यान्वयन और प्रमुख प्रदर्शन संकेतकों को प्राप्त करने पर केंद्रित रहती है।
चीनी प्रयोगशालाओं में, पर्यवेक्षकों, डॉक्टरेट छात्रों और कॉर्पोरेट इंजीनियरों के बीच एक बहुत छोटा फीडबैक लूप बनता है।

यह मॉडल शिक्षा जगत और उद्योग के बीच की बाधाओं को दूर करता है। जैसा कि नाथन लैम्बर्ट ने कहा, यह सरल संगठनात्मक ढांचा चीन की एआई को बुनियादी ढांचे के महाशक्ति के समान प्रगति की गति प्रदर्शित करने की अनुमति देता है – एक बार दिशा स्पष्ट हो जाने पर, यह बौद्धिक संसाधनों की अत्यधिक सघनता के साथ तकनीकी अंतर को तेजी से पाट सकता है।

निःसंदेह, यह दृष्टिकोण अवसर की एक विशिष्ट अवधि के भीतर प्रभावी है, लेकिन जैसे-जैसे पैमाने की अर्थव्यवस्थाओं के लाभ धीरे-धीरे अपने चरम पर पहुंचते हैं, अगले चरण में मुख्य बाधा अंततः "मौलिक नवाचार क्षमताओं" की प्रतिस्पर्धा में वापस आ जाएगी।

उस समय, एआई विकास के दूसरे चरण में एक उच्च-घनत्व वाला प्रतिभा सहयोग नेटवर्क और मौजूदा ढांचों को तोड़ने का साहस रखने वाला व्यक्ति एक दूसरे के पूरक होंगे, और इनमें से किसी को भी हटाया नहीं जा सकता है।

#iFanr के आधिकारिक वीचैट अकाउंट को फॉलो करने के लिए आपका स्वागत है: iFanr (वीचैट आईडी: ifanr), जहां आपको जल्द से जल्द और भी रोमांचक सामग्री प्रस्तुत की जाएगी।