ચીનના વિકાસ પામતા AI ઉદ્યોગમાં એક સમયે અગ્રણી રહેલા DeepSeek AI માં ઘટાડો જોવા મળી રહ્યો છે. Baiduના સહ-સ્થાપક રોબિન લીએ તાજેતરમાં આ મંદી પાછળના કારણો પર પ્રકાશ પાડ્યો છે.
DeepSeek AI: રોબિન લીએ ચીની AI ટૂલ DeepSeek વિશે તાજેતરમાં એક મહત્વપૂર્ણ નિવેદન આપ્યું હતું. તેમણે જણાવ્યું હતું કે DeepSeek, જેના લોન્ચિંગ સમયે સિલિકોન વેલીની અગ્રણી ટેક કંપનીઓમાં ખળભળાટ મચી ગયો હતો, તે હવે પોતાનો પ્રભાવ ગુમાવી રહ્યું છે. એક ડેવલપર કોન્ફરન્સ દરમિયાન, લીએ એક મોટી ખામી પર પ્રકાશ પાડ્યો: DeepSeek તર્ક-આધારિત ભાષા મોડેલ પર કાર્ય કરે છે, જે તેને અન્ય જનરેટિવ AI ટૂલ્સથી અલગ પાડે છે, પરંતુ તેનો વિકાસ દર અને પ્રભાવ તેના પ્રારંભિક લોન્ચિંગ પછી નોંધપાત્ર રીતે ધીમો પડી ગયો છે.
ટેક્સ્ટ-આધારિત મોડેલ્સની ઘટતી માંગ
લીના મતે, DeepSeek જેવા ટેક્સ્ટ-ટુ-ટેક્સ્ટ જનરેટિવ AI મોડેલ્સ ઝડપથી પ્રાસંગિકતા ગુમાવી રહ્યા છે. ચાઇનીઝ ફાઇનાન્શિયલ ટાઇમ્સના એક અહેવાલમાં લીના હવાલાથી જણાવવામાં આવ્યું છે કે વપરાશકર્તાઓ હવે ફક્ત ટેક્સ્ટ જનરેશન સુધી મર્યાદિત રહેવા માગતા નથી. તેમની અપેક્ષાઓ વધી ગઈ છે; તેઓ હવે ટેક્સ્ટ દ્વારા છબી, વિડિયો અને ઓડિયો સામગ્રીનું નિર્માણ કરવા માંગે છે.
આના કારણે ટેક્સ્ટ-ટુ-ઇમેજ અને ટેક્સ્ટ-ટુ-વિડિયો ટેકનોલોજીની માંગમાં વધારો થયો છે, જેના કારણે ફક્ત ટેક્સ્ટ આધારિત મોડેલ્સ પાછળ રહી ગયા છે. લીએ DeepSeek જેવા મોડેલ્સને ઓછા પ્રદર્શન કરનારા ગણાવ્યા છે, અને જણાવ્યું છે કે જ્યાં સુધી તેઓ મલ્ટી-મોડલ ક્ષમતાઓને સામેલ ન કરે ત્યાં સુધી તેમની લોકપ્રિયતા મર્યાદિત રહેશે.
એક ઉલ્કા જેવો ઉદય, હવે પડકારોનો સામનો કરી રહ્યું છે
DeepSeekએ જાન્યુઆરી 2025માં તેના R1 મોડેલ સાથે શાનદાર શરૂઆત કરી હતી. તેના લોન્ચિંગે સિલિકોન વેલીમાં પણ નોંધપાત્ર ધ્યાન ખેંચ્યું હતું. DeepSeekને ચીનના મોટા ભાષા મોડેલ (LLM) સ્પેસમાં ગેમ-ચેન્જર માનવામાં આવતું હતું. તેની રીઝનિંગ અને તાર્કિક વિચારવાની ક્ષમતાઓએ તેને અન્ય ચીની AI મોડેલ્સથી અલગ પાડ્યું હતું.
જોકે, ટેક વિશ્વમાં સફળતા જાળવી રાખવા માટે મજબૂત શરૂઆત પૂરતી નથી. સતત નવીનતા અને બદલાતી વપરાશકર્તા માંગણીઓ સાથે અનુકૂલન કરવું ખૂબ જ મહત્વપૂર્ણ છે. DeepSeek હાલમાં આ પડકારનો સામનો કરી રહ્યું છે.
Baiduની મલ્ટી-મોડલ સ્ટ્રેટેજી
આ બદલાતા પરિદ્રશ્યને ઓળખીને, Baiduએ DeepSeekથી પોતાનું ધ્યાન હટાવી લીધું છે. કંપનીએ તાજેતરમાં નવા જનરેટિવ AI મોડેલ્સ, Ernie 4.5 Turbo અને X1 Turbo લોન્ચ કર્યા છે. બંને મોડેલ્સ મલ્ટી-મોડલ ક્ષમતાઓ ધરાવે છે, એટલે કે તેઓ ફક્ત ટેક્સ્ટ જ નહીં પરંતુ છબીઓ, ઓડિયો અને વિડિયો પણ પ્રોસેસ અને જનરેટ કરી શકે છે.
આ પગલાં DeepSeek જેવા ફક્ત ટેક્સ્ટ-આધારિત AI પ્રોજેક્ટ્સથી Baiduના દૂર જવાનું દર્શાવે છે. કંપની હવે વ્યાપક ઉપયોગના કિસ્સાઓને સપોર્ટ કરતા AI સોલ્યુશન્સ પર ધ્યાન કેન્દ્રિત કરી રહી છે, જે ભવિષ્યના બજારમાં પ્રભુત્વ માટે જરૂરી છે.
ચીની AI બજારમાં વધતી સ્પર્ધા
DeepSeekને ફક્ત પોતાની મર્યાદાઓથી જ નહીં, પણ ચીની બજારમાં ઝડપથી વધતી સ્પર્ધાનો પણ સામનો કરવો પડી રહ્યો છે. Alibabaએ પોતાનું AI મોડેલ, Qwen લોન્ચ કર્યું છે, જે ટેક્સ્ટ જનરેશન, ઇમેજ અને વિડિયો પ્રોસેસિંગમાં નિપુણ છે. તેવી જ રીતે, Klinga AI જેવા નવા ખેલાડીઓ ટેક્સ્ટ-ટુ-વિડિયો અને ટેક્સ્ટ-ટુ-ઇમેજ ટેકનોલોજીમાં ઉત્તમ વિકલ્પો આપી રહ્યા છે.
Baiduએ DeepSeekને Qianfan પ્લેટફોર્મ જેવી કેટલીક સેવાઓમાં સંકલિત કરવાનો પ્રયાસ કર્યો છે, પરંતુ મલ્ટી-મોડલ ક્ષમતાઓનો અભાવ DeepSeekને તેનો અગાઉનો પ્રભાવ જાળવી રાખવામાં અવરોધ બની રહ્યો છે.
મલ્ટી-મોડલ AIનું મહત્વ
આજના વપરાશકર્તાઓ હવે સરળ ટેક્સ્ટ ચેટ્સ અથવા લેખ જનરેશનથી સંતુષ્ટ નથી. છબી, વિડિયો અને ઓડિયો સામગ્રી સોશિયલ મીડિયા, ડિજિટલ માર્કેટિંગ, મનોરંજન, ગેમિંગ અને ઓનલાઇન શિક્ષણમાં પણ વધુ પ્રચલિત છે. આ ફક્ત ટેક્સ્ટ-આધારિત AI મોડેલ્સના ક્ષેત્રને મર્યાદિત કરે છે. મલ્ટી-મોડલ AI મોડેલ્સ વપરાશકર્તાઓને વધુ ઇન્ટરેક્ટિવ, અસરકારક અને વાસ્તવિક અનુભવો પ્રદાન કરે છે.
ઉદાહરણ તરીકે, કોઈ વપરાશકર્તા વાર્તા લખી રહ્યો હોય તો તે તરત જ સાથે જનરેટ થયેલ દ્રશ્ય જોઈ શકે છે. અથવા કોઈ વપરાશકર્તા ટૂંકા ટેક્સ્ટ ઇનપુટમાંથી ટૂંકી વિડિયો ક્લિપ બનાવવા માંગી શકે છે. આ કારણે ChatGPT જેવા મોટા ખેલાડીઓ GPT-4o જેવા મોડેલ્સ સાથે ઓડિયો, વિઝ્યુઅલ અને ટેક્સ્ટ મલ્ટી-મોડલ ક્ષમતાઓ રજૂ કરી રહ્યા છે.
DeepSeekનો આગળનો માર્ગ
DeepSeek પાસે હજુ પણ તેની વ્યૂહરચનાને અનુકૂળ કરવા અને ઝડપથી મલ્ટી-મોડલ ક્ષમતાઓ અપનાવવાની તક છે. જો DeepSeek સફળતાપૂર્વક ટેક્સ્ટ, ઇમેજ અને વિડિયો જનરેશન જેવી સુવિધાઓને સામેલ કરે છે, તો તે મજબૂત બજાર સ્થિતિ પુનઃપ્રાપ્ત કરી શકે છે. ઉપરાંત, DeepSeekએ ખુલ્લા સ્ત્રોત મોડેલ્સના વધતા પ્રભાવનો લાભ લેવો જોઈએ અને ડેવલપર સમુદાયમાં પોતાના સપોર્ટ નેટવર્કને મજબૂત કરવું જોઈએ.
