سیکرٹری کا نوٹ: چینی AI لیبز عالمی بڑے ماڈلز کے مقابلے میں ایک ایسا طاقتور کردار بن رہے ہیں جسے نظرانداز نہیں کیا جا سکتا۔ ان کی ترجیحات صرف انسانی وسائل، انجینئرنگ کی طاقت اور تیز ترین ترقی تک محدود نہیں ہیں، بلکہ ایک بہت عملی تنظیمی طریقہ کار سے بھی آتی ہیں: کم مفہوموں پر بات کریں، زیادہ ماڈلز بنائیں؛ کم شخصی ستاروں پر زور دیں، زیادہ ٹیم کے عمل پر؛ کم بیرونی خدمات پر انحصار کریں، اور زیادہ خود کو اپنے مرکزی ٹیکنالوجی سٹیک پر قابو رکھنا چاہیے۔

مصنف ناتھن لامبرٹ نے چین کے کئی رہنمائی AI لیبز کا دورہ کیا اور پایا کہ چین کا AI ایکوسسٹم امریکہ کے مکمل طور پر مختلف ہے۔ امریکہ اصلی پیراڈائمز، سرمایہ کاری اور عظیم سائنسدانوں کے ذاتی اثرات پر زیادہ توجہ دیتا ہے؛ جبکہ چین پہلے سے موجود راستوں پر تیزی سے پیچھا کرنے میں ماہر ہے، جس میں اوپن سورس، انجینئرنگ بہتری اور بڑی تعداد میں جوان تحقیق کاروں کے انخلا کے ذریعے ماڈل کی صلاحیتیں جلد ہی سرحد تک پہنچا دی جاتی ہیں۔

سب سے زیادہ قابل توجہ بات یہ نہیں کہ چین کا AI امریکہ کو پیچھے چھوڑ چکا ہے، بلکہ یہ ہے کہ دو مختلف ترقی کے راستے تشکیل پا رہے ہیں: امریکہ زیادہ تر سرمایہ اور مشہور لیبز کے ذریعے چلنے والی ایک سرحدی مقابلہ جیسا ہے، جبکہ چین تعمیراتی صلاحیت، اوپن سورس ایکوسسٹم اور تکنیکی خود مختاری کے احساس کے ساتھ مل کر چلنے والی ایک صنعتی مقابلہ جیسا ہے۔

اس کا مطلب یہ ہے کہ مستقبل میں AI کی مقابلہ صرف ماڈل رینکنگ کا مسئلہ نہیں ہوگا، بلکہ تنظیمی صلاحیت، ڈویلپر ایکوسسٹم اور صنعتی اجرائیہ کا بھی مسئلہ ہوگا۔ چینی AI کا اصل تبدیلی یہ ہے کہ وہ اب صرف سلیکون ویلی کی نقل نہیں کر رہا، بلکہ اپنے طریقے سے عالمی سرحدوں میں شرکت کر رہا ہے۔

نیچے متن ہے:

ہانگزو سے شنگھائی کی طرف جانے والی نئی ہائی اسپیڈ ٹرین میں بیٹھ کر، میں نے کھڑکی کے باہر دیکھا کہ پہاڑوں کی اُٹھان چڑھان کے ساتھ ہوا کے ٹربائنز لگے ہوئے ہیں، جو سنگھڑ کی روشنی میں سائے بن رہے ہیں۔ پہاڑ پس منظر میں ہیں، جبکہ آگے بڑھتے ہوئے وسیع کھیت اور بلند عمارتوں کا مل بھلا نظر آ رہا ہے۔

میں بہت بڑی عاجزی کے ساتھ چین سے واپس آیا ہوں۔ ایک اتنی غیر مألوف جگہ پر جانا اور اتنی گرمجوشی کے ساتھ استقبال کیا جانا، ایک بہت گرم اور انسانی تجربہ تھا۔ میں نے AI ایکوسسٹم کے بہت سے لوگوں سے ملاقات کی جن کے بارے میں میں صرف دور سے جانتا تھا؛ اور انہوں نے میرا خوش آمدید کہا، میری آنکھوں میں چمک اور گرمجوشی کے ساتھ، جس سے میں دوبارہ محسوس کر رہا ہوں کہ میرا کام اور پورا AI ایکوسسٹم عالمی ہیں۔

چینی محققین کا رویہ

زبانی ماڈلز کی تعمیر کر رہی چینی کمپنیاں، اس ٹیکنالوجی کے لیے "تیزی سے پیچھے چلنے والے" ہونے کے لیے بہت مناسب ہیں۔ وہ چین کی طویل عرصہ سے جاری تعلیمی اور کام کی ثقافت پر مبنی ہیں، جبکہ مغرب کے مقابلے میں تکنالوجی کمپنیوں کے قیام کا اپنا الگ انداز بھی رکھتی ہیں۔

اگر صرف پیداوار، یعنی نئے اور سب سے بڑے ماڈلز، اور ان ماڈلز کی حمایت کرنے والے ایجنٹ-بنیادی عملیات کو دیکھا جائے، اور ساتھ ہی انپٹ جیسے عالِم، بڑے پیمانے پر ڈیٹا اور تیز کمپیوٹنگ وسائل کو دیکھا جائے، تو چینی لیب اور امریکی لیب میں زیادہ فرق نہیں دکھائی دیتا۔ حقیقی، طویل المدتی فرق ان عناصر کے طریقہ کار اور ان کے ڈھانچے میں ظاہر ہوتا ہے۔

میں ہمیشہ سوچتا رہا ہوں کہ چینی لیبز کی وجہ سے پیچھے رہ جانے کے باوجود ایسے قریب تک پہنچنے اور اس پر قائم رہنے کا ایک سبب یہ ہے کہ ان کی ثقافت اس کام کے لیے بہت موزوں ہے۔ لیکن براہ راست لوگوں سے بات نہ کرنے تک، میں نے اپنی اس تجربتی خیال کو کسی اہم اثر کی طرف منسوب کرنے کا احساس نہیں کیا۔ چین کے بڑے لیبز میں بہت سے عالِم، جو بہت عالی، متواضع اور کھلے ہیں، سے بات چیت کے بعد، میرے بہت سے خیالات زیادہ واضح ہو گئے۔

آج کے دن بہترین بڑے زبان ماڈل بنانے کے لیے، پورے ٹیکنالوجی اسٹیک کے ذریعے تفصیلی کام پر منحصر ہے: ڈیٹا سے لے کر آرکیٹیکچر کی تفصیلات اور تقویت سیکھنے کے الگورتھمز کی تعمیر تک۔ ماڈل کا ہر حصہ کچھ بہتری لے سکتا ہے، اور ان بہتریوں کو ایک ساتھ جوڑنا ایک پیچیدہ عمل ہے۔ اس عمل کے دوران، کچھ بہت ہوشیار افراد کا کام ضرورت کے مطابق منسوخ کر دیا جا سکتا ہے تاکہ مجموعی ماڈل متعدد مقاصد کے بہترین نتائج کے لیے بہترین طریقے سے بہتر ہو سکے۔

امریکی محققین واضح طور پر اکیلے کمپوننٹس کے مسائل حل کرنے میں بھی بہت مہارت رکھتے ہیں، لیکن امریکہ میں ایک ایسی ثقافت بھی ہے جو "اپنی آواز اٹھانے" کو فروغ دیتی ہے۔ سائنسدان کے طور پر، جب آپ اپنے کام کے لیے توجہ حاصل کرنے کے لیے خود کو آگے رکھتے ہیں، تو آپ عام طور پر زیادہ کامیاب ہوتے ہیں؛ اور جدید ثقافت ایک نئی مشہوری کا راستہ بھی فروغ دے رہی ہے، جو "اولین AI سائنسدان" بننا ہے۔ اس سے ب без تنازعہ پیدا ہوتا ہے۔

بیرونی دائرے میں یہ افواہیں پھیل رہی ہیں کہ لامہ ادارہ نے ان مفادوں کو ہیرارکی کے اندر شامل کرنے کے بعد سیاسی دباؤ کے باعث تباہی کا شکار ہو گیا۔ میں نے دوسرے لیبز سے بھی سننا ہے کہ کبھی کبھار ایک بڑے ریسرچر کو "پرسکون" کرنا ضروری ہوتا ہے تاکہ وہ اپنے خیالات کو فائنل ماڈل میں شامل نہ ہونے کی شکایت کرے۔ چاہے یہ بالکل سچ ہو یا نہ ہو، مقصود واضح ہے: خود شعور اور پیشہ ورانہ ترقی کی خواہش، لوگوں کو بہترین ماڈل بنانے سے روکتی ہیں۔ امریکہ اور چین کے درمیان، صرف اس ثقافتی سطح پر ایک چھوٹا سا رجحان بھی حتمی پیداوار پر معنی خیز اثر ڈال سکتا ہے۔

ان فرق کا ایک حصہ یہ بھی ہے کہ چین میں ان ماڈلز کو کون بنارہا ہے۔ تمام لیبز میں ایک براہ راست حقیقت یہ ہے کہ مرکزی کردار ادا کرنے والوں میں سے بڑی تعداد ابھی تک طالب علم ہیں۔ یہ لیبز کافی نوجوان ہیں، جو ہمارے Ai2 میں منصوبہ بندی کے طریقے کو یاد دلاتے ہیں: طالب علموں کو ساتھی کے طور پر دیکھا جاتا ہے اور انہیں بڑے زبان ماڈل ٹیم میں ب без تاخیر شامل کر دیا جاتا ہے۔

یہ امریکہ کے بہترین لیبز سے بہت مختلف ہے۔ امریکہ میں، OpenAI، Anthropic، Cursor جیسی کمپنیاں بالکل انٹرن شپز فراہم نہیں کرتیں۔ دیگر کمپنیاں جیسے Google کا نامی طور پر Gemini سے متعلق انٹرن شپز فراہم کرنا ہوتا ہے، لیکن بہت سے لوگ ڈرتے ہیں کہ ان کی انٹرن شپ اصل مرکزی کام سے الگ ہو جائے گی۔

عام طور پر، یہ نرم کلچرل فرق درجہ ذیل طریقے سے ماڈل تعمیر کی صلاحیت کو بڑھا سکتا ہے: آخری ماڈل کو بہتر بنانے کے لیے لوگ اس قسم کے کاموں پر زیادہ توجہ دینے کو تیار ہوتے ہیں جو زیادہ نمایاں نہیں ہوتے؛ AI تعمیر میں شروعات کرنے والے افراد، پچھلے AI بہت بڑھ چڑھنے والے دوروں سے متاثر نہیں ہوتے، اس لیے وہ نئی جدید ٹیکنالوجی کے طریقوں کو تیزی سے اپنا لیتے ہیں۔ حقیقت میں، میں جس چینی سائنسدان سے بات کر چکا ہوں، وہ اس بات کو واضح طور پر ایک فائدہ سمجھتا ہے؛ کم خود شعور کی وجہ سے تنظیمی ساخت تھوڑی سی آسانی سے وسعت پا سکتی ہے، کیونکہ لوگ کم تر "سسٹم کو دھوکہ دینے" کی کوشش کرتے ہیں؛ بڑی تعداد میں ماہرین اس قسم کے مسائل حل کرنے کے لیے بہت مناسب ہیں جن کا دوسری جگہوں پر پہلے ہی ثبوت موجود ہے، وغیرہ۔

یہ اس وقت کے زبان ماڈل کی صلاحیتوں کے تعمیر کے لیے زیادہ مفید ہے، جو ایک معلوم اسٹیریوٹائپ کے خلاف ہے: لوگ عام طور پر سمجھتے ہیں کہ چینی محققین کمتر ایسی تخلیقی، نئے شعبوں کے لیے راستہ بنانے والی "صفر سے ایک" تحقیق پیدا کرتے ہیں۔

اس سفر کے دوران کچھ زیادہ تعلیمی لیب کے دوروں میں، کئی قائدین نے بتایا کہ وہ اس زیادہ طموح والے تحقیقی ثقافت کو فروغ دے رہے ہیں۔ اس کے باوجود، ہم جن تکنیکی قائدین سے بات کر چکے ہیں، وہ شک کرتے ہیں کہ کیا یہ سائنسی تحقیق کا انداز مختصر مدت میں ممکن ہو سکتا ہے، کیونکہ اس کے لیے تعلیمی اور انعامات کے نظام کو دوبارہ ڈیزائن کرنے کی ضرورت ہے، جو اتنی بڑی تبدیلی ہے کہ موجودہ مالی توازن کے تحت اسے حاصل کرنا مشکل ہے۔

یہ ثقافت لگتا ہے کہ "بڑے زبانی ماڈل بنانے کا کھیل" میں بہت مہارت رکھنے والے طلبہ اور انجینئرز کی تربیت کر رہی ہے۔ بالکل، ان کی تعداد بھی بہت زیادہ ہے۔

ان طلبہ نے مجھے بتایا کہ امریکہ کی طرح چین میں بھی مہارت کا بہاؤ جاری ہے: بہت سے لوگ جو پہلے اکیڈمک راستہ اپنانے کا خیال رکھتے تھے، اب صنعتی شعبے میں رہنا چاہتے ہیں۔ ایک تحقیق کرنے والے، جو اصل میں پروفیسر بننا چاہتے تھے، نے سب سے دلچسپ بات کہی: وہ پروفیسر بننا چاہتے تھے کیونکہ وہ تعلیمی نظام کے قریب رہنا چاہتے تھے؛ لیکن انہوں نے بعد میں تبصرہ کیا کہ تعلیم کو بڑے زبان ماڈلز نے حل کر دیا ہے — «طلبا مجھ سے بات کرنے کیوں آئیں گے!»

طلاب بڑے زبان ماڈلز کے شعبے میں نئی نظر سے داخل ہوتے ہیں، جو ایک فائدہ ہے۔ پچھلے کچھ سالوں میں، ہم نے بڑے زبان ماڈلز کے بنیادی پیرائے میں مسلسل تبدیلیاں دیکھی ہیں: MoE کو وسعت دینے سے لے کر تقویت سیکھنے کو وسعت دینے اور ایجنٹس کی حمایت تک۔ ان میں سے کسی ایک کو بھی اچھی طرح سے کرنے کے لیے، وسیع ادب کے ساتھ ساتھ اپنی کمپنی کے اندر کے ٹیکنالوجی سٹیک کو بھی بہت جلدی سے سمجھنا ضروری ہے۔

طلاب اس قسم کے کام کرنے کے عادی ہوتے ہیں اور "کیا کام کرنا چاہیے" کے تمام پہلے کے فرضیات کو عاجزی کے ساتھ چھوڑنے کو تیار ہوتے ہیں۔ وہ اس میں گھل مل جاتے ہیں، صرف ماڈل میں بہتری لانے کے لیے اپنی زندگی لگا دیتے ہیں۔

یہ طلبہ بہت حیرت انگیز طریقے سے براہ راست ہیں اور وہ کوئی فلسفیانہ بات چیت نہیں کرتے جو سائنسدانوں کو متوجہ کر سکتی ہے۔ جب میں نے ان سے ماڈل کے معاشی اثرات یا لمبے مدتی سماجی خطرات کے بارے میں ان کی رائے پوچھی، تو جو چینی تحقیق کار جن کے پاس پیچیدہ نقطہ نظر ہے اور وہ ان معاملات پر اثر ڈالنا چاہتے ہیں، وہ واضح طور پر کم تھے۔ وہ اپنے کردار کو بہترین ماڈل بنانے کا سمجھتے ہیں۔

یہ فرق بہت ظریف ہے اور آسانی سے انکار کیا جا سکتا ہے۔ لیکن جب آپ ایک شیوا، ذہین اور انگریزی میں واضح طور پر بیان کرنے والے محقق کے ساتھ لمبی بات چیت کرتے ہیں، تو جب آپ AI کے بارے میں زیادہ فلسفیانہ سوالات پوچھتے ہیں، تو یہ بنیادی سوالات ہوا میں لٹک جاتے ہیں اور دوسری طرف سے ایک سادہ حیرت کا اظہار ہوتا ہے۔ ان کے لیے یہ ایک شرط کا غلط استعمال ہے۔

ایک محقق نے دان وانگ کے مشہور جملے کا حوالہ دیا: امریکہ وکلاء کی قیادت میں ہے، جبکہ چین مهندسین کی قیادت میں ہے۔ اس نے اس تشبیہ کا استعمال کرتے ہوئے ان کی تعمیر کی خواہش پر زور دیا۔ چین میں، ڈوارکش یا لیکس جیسے سپر مین میں پالی جانے والے نظامات کی طرح، چینی سائنسدانوں کے ستارہ جنوبی اثر کو فروغ دینے کا کوئی نظاماتی طریقہ نہیں ہے۔

میں چینی سائنسدانوں سے AI کی وجہ سے مستقبل کی مالی عدم یقینیت، آسان AGI صلاحیتوں سے آگے نکلنے والے مسائل، یا ماڈل کے کس طرح پیش آنا چاہیے اس پر اخلاقی بحثوں کے بارے میں تبصرہ کرنے کی کوشش کر رہا تھا؛ یہ تمام مسائل مجھے ان سائنسدانوں کے پس منظر اور تعلیمی پس منظر کی طرف لے گئے (ایڈٹ کیا گیا)۔ وہ اپنے کام پر بہت زیادہ متمرکز ہیں، لیکن وہ ایک ایسے نظام میں بڑھے جہاں معاشرے کو کس طرح منظم کیا جائے اور کس طرح تبدیل کیا جائے اس پر بحث اور اظہار کو فروغ نہیں دیا جاتا تھا۔

دور کی نظر سے، خاص طور پر بیجنگ کو دیکھتے ہوئے، میرا احساس ہے کہ یہ باۓ کی طرح ہے: ایک مقابلہ پر مبنی لیب، جو صرف کچھ منٹ کی پیدل یا ٹیکسی سفر کی دوری پر ہو سکتا ہے۔ میں نے اپنی پرواز کے بعد ہوٹل جانے سے پہلے الی بابا بیجنگ کی کیمپس کا دورہ کیا۔ اگلے 36 گھنٹوں میں، ہم نے Zhipu AI، Moonshot AI، تشنگوا یونیورسٹی، Meituan، Xiaomi اور 01.ai کا دورہ کیا۔

چین میں دی دی ٹریول کا استعمال کرنا آسان ہے۔ اگر آپ XL وہیکل کا انتخاب کرتے ہیں، تو اکثر آپ کو مساج سیٹ والی بجلی کی چھوٹی بانس گاڑی مل جاتی ہے۔ ہم نے تحقیق کاروں سے مہارت کے لیے مقابلہ پوچھا، تو انہوں نے کہا کہ یہ وہی چیز ہے جو ہم امریکہ میں دیکھتے ہیں۔ تحقیق کاروں کا جاب بدلنا عام بات ہے، اور لوگ جہاں جانا چاہتے ہیں، اس کا فیصلہ زیادہ تر اس بات پر منحصر ہوتا ہے کہ اب کون سی جگہ کا ماحول سب سے بہتر ہے۔

چین میں، بڑے زبان ماڈل کی کمیونٹی ایک生态系统 کی طرح محسوس ہوتی ہے، نہ کہ ایک دوسرے کے خلاف لڑتے ہوئے قبائل کی۔ بہت سے غیر علیحدہ مکالموں میں، میں نے صرف ساتھیوں کے لیے احترام کی باتیں سنی ہیں۔ تمام چینی لیبز بائٹڈانس اور اس کے مقبول دوباؤ ماڈل سے خوف رکھتے ہیں، کیونکہ یہ چین کا واحد سرحدی بند ماڈل لیب ہے۔ اس کے علاوہ، تمام لیبز DeepSeek کو بہت احترام دیتے ہیں اور اسے عملی سطح پر سب سے زیادہ تحقیقی ذائقہ رکھنے والا لیب سمجھتے ہیں۔ امریکہ میں، جب آپ لیب کے اراکین کے ساتھ غیر علیحدہ مکالمہ کرتے ہیں، تو اکثر جلد ہی جھڑپ شروع ہو جاتی ہے۔

چینی محققین کی متواضعی میں، جو چیز میرے دل پر سب سے زیادہ اثر ڈالتی ہے، وہ یہ ہے کہ وہ تجارتی سطح پر بھی کندھے اٹھا کر کہتے ہیں کہ یہ ان کا مسئلہ نہیں۔ جبکہ امریکہ میں، لگتا ہے کہ ہر کوئی مختلف ایکوسسٹم لیول کے صنعتی رجحانات میں مبتلا ہے، ڈیٹا فروش سے لے کر کمپوٹنگ پاور اور فنانسنگ تک۔

چین کے AI صنعت اور مغربی لیبز کے درمیان فرق اور مشابہتیں

آج ایک AI ماڈل بنانا اس لیے دلچسپ ہے کیونکہ یہ صرف کچھ بہترین تحقیق کاروں کو ایک ہی عمارت میں اکٹھا کرکے ایک انجینئرنگ معجزہ تخلیق کرنے کی بات نہیں رہ گئی۔ پہلے ایسا ہی تھا، لیکن AI کے کاروبار کو برقرار رکھنے کے لیے بڑے زبانی ماڈل اب ایک مخلوط چیز بن گئے ہیں: جس میں تعمیر، ڈپلومنٹ، فنانس، اور اس تخلیق کو عام کرنے کا کام شامل ہے۔

سرکاری AI کمپنیاں پیچیدہ ایکوسسٹم میں موجود ہیں۔ یہ ایکوسسٹم مسلسل سرحدوں کو آگے بڑھانے کے لیے فنڈنگ، کمپوٹیشنل پاور، ڈیٹا اور دیگر وسائل فراہم کرتے ہیں۔

مغربی ایکوسسٹم میں، بڑے زبان ماڈلز کے تشکیل اور برقرار رکھنے کے لیے درکار تمام وسائل کے ادغام کے طریقہ کار کو نسبتاً مکمل طور پر تصور کیا جا چکا ہے اور نقشہ بنایا جا چکا ہے۔ Anthropic اور OpenAI ان کے مثالی نمونے ہیں۔ اس لیے، اگر ہم یہ پائیں کہ چینی لیبز ان مسائل پر مختلف طریقے سے سوچ رہے ہیں، تو ہم یہ سمجھ سکتے ہیں کہ مختلف کمپنیاں مستقبل میں کن معنی خیز فرق پر زور دینے کا ارادہ رکھتی ہیں۔ بالکل، یہ مستقبل فنانس اور/یا کمپوٹیشنل پاور کی پابندیوں سے بھی شدید طور پر متاثر ہوں گے۔

میں نے ان لیبارٹریز کے ساتھ بات چیت کے بعد حاصل کیے گئے کچھ بڑے "AI صنعتی سطح" کے نتائج درج ذیل طریقے سے ترتیب دیے ہیں:

سب سے پہلے، ملکی AI کی مانگ میں ابتدائی علامات نظر آ رہی ہیں۔
ایک وسیع طور پر بحث کی جانے والی فرضیہ یہ ہے کہ چین کا AI مارکیٹ چھوٹا ہوگا، کیونکہ چینی کمپنیاں عام طور پر سافٹ ویئر کے لیے ادائیگی نہیں کرتیں، اس لیے ایک ایسا بڑا انفرینس مارکیٹ جو لیب کو سپورٹ کر سکے، کبھی بھی ممکن نہیں ہوگا۔

لیکن یہ جائزہ صرف SaaS ایکوسسٹم کے مطابق نرم افزار خرچوں پر لاگو ہوتا ہے۔ اور SaaS ایکوسسٹم چین کے تاریخی سندوں میں ہمیشہ چھوٹا رہا ہے۔ دوسری طرف، چین واضح طور پر اب بھی ایک وسیع کلاؤڈ مارکیٹ رکھتا ہے۔

ایک اہم اور اب تک جواب نہ دیا گیا سوال یہ ہے کہ چینی کمپنیاں AI پر خرچ کریں گی، کیا یہ SaaS مارکیٹ کی طرح ہوگا، یعنی چھوٹے پیمانے پر؛ یا کلاؤڈ مارکیٹ کی طرح، یعنی بنیادی خرچ۔ یہ سوال چینی لیبز کے اندر بھی بحث کا موضوع ہے۔ کل مل کر، مجھے لگتا ہے کہ AI کلاؤڈ مارکیٹ کی طرف زیادہ قریب آ رہا ہے، اور کوئی بھی نئے ٹولز پر قائم ہونے والے مارکیٹ کے بڑھنے کے بارے میں واقعی فکر نہیں کر رہا۔

دوم، زیادہ تر ڈویلپرز کو کلاؤڈ کا بہت زیادہ اثر ہے۔
ہرچند کلاؤڈ کو چین میں اسمی طور پر منع کیا گیا ہے، لیکن چین کے زیادہ تر AI ڈویلپرز کلاؤڈ سے بہت متاثر ہیں اور یہ کہ اس نے ان کے سافٹ ویئر بنانے کے طریقے کو کیسے تبدیل کیا۔ صرف اس لیے کہ چین نے پہلے سافٹ ویئر خریدنے کے لیے کم راغبی دکھائی، اس کا مطلب یہ نہیں کہ میں چین میں استدلال کی مانگ میں بڑھوتے کا خیال نہیں رکھتا۔

چینی ٹیکنیکل ٹیم بہت عملی، متواضع اور متحرک ہے۔ اس بات کا احساس مجھے کسی بھی "نظامات مفت میں خریدنا" والی تاریخی عادت سے زیادہ ہوا۔

کچھ چینی محققین اپنے اپنے ٹولز، جیسے کہ کیمی یا GLM کے کمانڈ لائن ٹولز، کا استعمال کرنے کا ذکر کرتے ہیں، لیکن سب کو کلوڈ کا استعمال کرنے کا ذکر کرتے ہیں۔ حیرت کی بات یہ ہے کہ کوڈیکس کا ذکر بہت کم لوگ کرتے ہیں، جبکہ کوڈیکس باۓ ایریا میں واضح طور پر تیزی سے مقبول ہو رہا ہے۔

تیسری بات، چینی کمپنیوں میں ٹیکنالوجی کی ملکیت کا رویہ ہے۔
چینی ثقافت ایک طاقتور مالی انجن کے ساتھ جُڑ رہی ہے، جس سے کچھ غیر متوقع نتائج نکل رہے ہیں۔ میرے لیے ایک گہرا اندازہ یہ ہے کہ AI ماڈلز کی بڑی تعداد یہاں کے بہت سے ٹیکنالوجی کمپنیوں کی عملی توازن کی عکاسی کرتی ہے۔ کوئی کل منصوبہ بندی نہیں ہے۔

یہ صنعت چِٹ ڈانس اور علی بابا کے لیے احترام سے متعین ہے۔ وہ بڑے موجودہ کھلاڑی ہیں جنہیں طاقتور وسائل کے ذریعے کئی مارکیٹس جیتنے کا تصور کیا جاتا ہے۔ DeepSeek احترام کی جانے والی ٹیکنالوجی لیڈر ہے، لیکن مارکیٹ لیڈر نہیں۔ وہ رہنمائی کرتے ہیں، لیکن مارکیٹ جیتنے کی مالی ساخت نہیں رکھتے۔

اس طرح وہ کمپنیاں باقی رہ جاتی ہیں جیسے میٹوان یا گروپ اینٹ۔ مغربی لوگ حیران ہو سکتے ہیں کہ ان کیوں اس قسم کے ماڈلز بنارہے ہیں۔ لیکن درحقیقت، وہ واضح طور پر بڑے زبانی ماڈلز کو مستقبل کے ٹیکنالوجی پروڈکٹس کا مرکزی عنصر سمجھتے ہیں، اس لیے انہیں ایک مضبوط بنیاد کی ضرورت ہے۔

جب وہ ایک طاقتور جامع ماڈل پر فائن ٹیوننگ کرتے ہیں، تو اوپن سورس کمیونٹی کا ماڈل پر ردعمل ان کے ٹیک اسٹیک کو مضبوط بناتا ہے، جبکہ وہ اپنے پروڈکٹ کے لیے اندر کی فائن ٹیونڈ ورژن بھی محفوظ رکھ سکتے ہیں۔ اس صنعت میں "اوپن فرسٹ" کا رویہ زیادہ تر عملیت سے تعریف کیا جاتا ہے: یہ ماڈل کو مضبوط ردعمل فراہم کرتا ہے، اوپن سورس کمیونٹی کو واپسی دیتا ہے، اور اپنے مشن کو طاقت بخشتا ہے۔

چوتھا، حکومتی سپورٹ حقیقی ہے، لیکن اس کا پیمانہ ابھی واضح نہیں ہے۔
لوگ اکثر دعویٰ کرتے ہیں کہ چینی حکومت بڑے زبان ماڈل کے مقابلے کو کھولنے میں فعال طور پر مدد کر رہی ہے۔ لیکن یہ ایک کئی سطحوں پر مشتمل، نسبتاً مرکزیت سے آزاد حکومتی نظام ہے، جس کی ہر سطح کے پاس اس بات کا واضح عملی دستور نہیں ہے کہ وہ خود کیا کرنا چاہتی ہے۔

بیجنگ کے مختلف علاقوں کے درمیان مقابلہ ہوتا ہے کہ وہ ٹیکنالوجی کمپنیوں کو اپنے علاقے میں دفتر قائم کرنے کے لیے متوجہ کریں۔ ان کمپنیوں کو فراہم کی جانے والی "مدد" میں اکثر لائسنس جیسے بیوروکریٹک پروسیجرز کو ختم کرنے کا احتمال ہوتا ہے۔ لیکن یہ مدد کتنی دور تک جا سکتی ہے؟ حکومت کے مختلف درجات کیا ماہرین کو مبذول کرانے میں مدد کر سکتے ہیں؟ کیا وہ چپس کی تفریق میں مدد کر سکتے ہیں؟

دورانِ مکالمہ، حکومتی دلچسپی یا مدد کے بارے میں کئی اشارے ضرور کیے گئے، لیکن متعلقہ معلومات اتنی کم ہیں کہ میں تفصیلات کا دعویٰ کرنے کے قابل نہیں، اور نہ ہی میں یہ کہہ سکتا ہوں کہ حکومت چین کے AI ترقی کے راستے کو کس طرح تبدیل کر سکتی ہے۔

بالکل بھی کوئی نشانہ نہیں ہے کہ چینی حکومت کی سب سے اونچی سطح پر ماڈل کے کسی بھی ٹیکنیکل فیصلے پر اثر ڈال رہی ہے۔

پانچویں، ڈیٹا صنعت مغرب کے مقابلے میں کافی کم ترقی یافتہ ہے۔
ہم نے پہلے سنا تھا کہ Anthropic یا OpenAI ایک واحد ماحول پر 10 ملین ڈالر سے زیادہ خرچ کرتے ہیں، اور ہر سال تقویتی سیکھنے کے شعبے کو آگے بڑھانے کے لیے کل خرچہ کروڑوں ڈالر کی سطح پر ہوتا ہے۔ اس لیے، ہم جاننا چاہتے ہیں کہ کیا چینی لیب بھی امریکی کمپنیوں سے اسی قسم کے ماحولات خرید رہے ہیں، یا کیا ان کی حمایت کے لیے ایک مرآت جیسا گھریلو ایکوسسٹم موجود ہے؟

جواب مکمل طور پر “کوئی ڈیٹا صنعت نہیں” نہیں ہے، بلکہ یہ کہہ رہا ہے کہ ان کے تجربے کے مطابق، ڈیٹا صنعت کی معیار نسبتاً کم ہے، اس لیے اکثر بہتر یہی ہوتا ہے کہ داخلی ماحول یا ڈیٹا خود بنایا جائے۔ تحقیق کار خود بہت زیادہ وقت ری انفورسمنٹ لرننگ ٹریننگ ماحول تیار کرنے میں صرف کرتے ہیں، جبکہ بائٹڈانس، علی بابا جیسی بڑی کمپنیاں اس کے لیے داخلی ڈیٹا لیبلنگ ٹیمیں رکھ سکتی ہیں۔ یہ سب پہلے بیان کردہ “خریدنے کے بجائے خود بنائیں” کے رویے سے مطابقت رکھتا ہے۔

sixth، نیوڈیا کے چپس کی طلب بہت زیادہ ہے۔
این ویدیا کی کمپوٹنگ پر تربیت کا سونے کا معیار ہے، اور ہر کسی کی پیش رفت کمپوٹنگ کی مزید دستیابی کے بغیر محدود ہے۔ اگر فراہمی کافی ہو تو وہ واضح طور پر خریدیں گے۔ ہواوی سمیت دیگر ایکسلریٹرز کا استعمال استدلال کے لیے مثبت طور پر تعریف کیا گیا ہے۔ لاکھوں لیبز ہواوی چپس تک رسائی رکھتے ہیں۔

یہ نکات ایک بہت مختلف AI ایکوسسٹم کو ظاہر کرتے ہیں۔ مغربی لیبز کے طریقہ کار کو چینی ساتھیوں پر فوری طور پر لاگو کرنا اکثر فہمی کی غلطی کا سبب بن جاتا ہے۔ اہم سوال یہ ہے کہ کیا ان مختلف ایکوسسٹمز سے اصل میں مختلف قسم کے ماڈلز نکلیں گے؛ یا پھر چینی ماڈلز ہمیشہ امریکہ کے 3 سے 9 ماہ پہلے کے سب سے آگے کے ماڈلز کے مشابہ سمجھے جائیں گے۔

نتیجہ: عالمی توازن

اس سفر سے پہلے، میں چین کے بارے میں بہت کم جانتا تھا؛ اور جب میں چلا گیا، تو محسوس کیا کہ میں صرف سیکھنا شروع کر رہا تھا۔ چین ایک ایسا مقام نہیں جسے قواعد یا ریسیپی سے بیان کیا جا سکے، بلکہ ایک ایسا مقام ہے جہاں بہت مختلف ڈائنانمکس اور کیمیکل ری ایکشن ہیں۔ اس کا ثقافتی پس منظر اتنی پرانی اور گہری ہے کہ وہ ملک کے اندر تکنولوجی کے ترقی کے طریقے سے مکمل طور پر جڑا ہوا ہے۔ مجھے اب بھی بہت کچھ سیکھنے کو باقی ہے۔

امریکہ کے موجودہ طاقت کے کئی اجزاء اپنی موجودہ چین کی سمجھ کو اپنے فیصلوں کا ایک اہم ذہنی اوزار بناتے ہیں۔ جب میں نے چین کے تقریباً ہر بڑے AI لیب سے رسمی یا غیر رسمی، ذاتی ملاقاتیں کیں، تو مجھے معلوم ہوا کہ چین میں کئی خصوصیات اور جذباتی جھکاؤ ہیں جنہیں مغربی فیصلہ سازی کے طریقے مشکل سے ماڈل کر سکتے ہیں۔

یہاں تک کہ اگر میں ان لیبارٹریوں سے براہ راست پوچھوں کہ وہ اپنے طاقتور ترین ماڈلز کو کیوں کھول کر شائع کر رہے ہیں، تو میں "ملکیت کا رویہ" اور "ایکوسسٹم کی سچی حمایت" کے درمیان تعلق کو مکمل طور پر جوڑنا مشکل پاتا ہوں۔

یہاں کے لیب بہت عملی ہیں، اور وہ خود کو اوپن سورس کے مطلق پرست نہیں سمجھتے، جس کا مطلب یہ ہے کہ وہ ہر ماڈل کو کھلا نہیں کرتے۔ لیکن وہ ڈویلپرز کی حمایت، ایکو سسٹم کی حمایت، اور خود کے ماڈلز کو بہتر سمجھنے کے لیے کھلائی کو ایک ذریعہ بنانے میں گہری نیت رکھتے ہیں۔

لگبھگ ہر چینی بڑی ٹیک کمپنی اپنا جنرل پریمیم لینگویج ماڈل تعمیر کر رہی ہے۔ ہم نے دیکھا ہے کہ منگٹوان جیسی پلیٹ فارم بنیادی سروسز کمپنیاں اور شاومی جیسی بڑی صارفین کی ٹیک کمپنیاں اوپن ویٹ ماڈلز جاری کر چکی ہیں۔ امریکہ کی مماثل کمپنیاں عام طور پر صرف سروسز خریدتی ہیں۔

یہ کمپنیاں بڑے زبانی ماڈلز بنانے کا مقصد صرف مقبول نئی چیزوں میں اپنا وجود ظاہر کرنا نہیں ہے، بلکہ ایک گہری اور بنیادی خواہش کے تحت ہے: اپنی ٹیکنالوجی کے اسٹیک کو کنٹرول کرنا اور موجودہ دور کی سب سے اہم ٹیکنالوجی کو ترقی دینا۔ جب میں اپنے نوٹ بک سے سر اٹھاتا ہوں تو ہمیشہ افق پر گروہوں میں گڑھے دیکھتا ہوں، جو چین کی وسیع تر تعمیراتی ثقافت اور تعمیراتی توانائی کے ساتھ ملتا جلتا ہے۔

چینی محققین کی انسانیت، خوبصورتی اور سچی گرمجوشی بہت قریبی محسوس کراتی ہے۔ ذاتی سطح پر، ہم امریکہ میں جس قسم کی کریو جغرافیائی سیاست کی بحث کرتے ہیں، وہ ان پر بالکل بھی اثر نہیں کرتی۔ دنیا کو اس قسم کی سادہ مثبت چیزوں کی مزید ضرورت ہے۔ AI کمیونٹی کے ایک رکن کے طور پر، اب میرا زیادہ خوف یہ ہے کہ قومیت کے لیبل کے گرد، ارکان اور گروہوں کے درمیان دراڑیں پیدا ہو رہی ہیں۔

اگر میں کہوں کہ میں چاہتا ہوں کہ امریکی لیبز AI ٹیک اسٹیک کے ہر حصے میں واضح لیڈر نہ بنیں، تو میں جھوٹ بول رہا ہوں۔ خاص طور پر اس علاقے میں جہاں میں نے بہت زیادہ وقت لگایا ہے، میں ایک امریکی ہوں، اور یہ ایک ایماندارانہ ترجیح ہے۔

اسی دوران، میں چاہتا ہوں کہ کھلا پائیدار نظام عالمی سطح پر خوشحال ہو، کیونکہ اس سے دنیا کے لیے محفوظ، زیادہ قابل رسائی اور زیادہ مفید AI پیدا ہوگا۔ اور موجودہ مسئلہ یہ ہے کہ کیا امریکی لیبارٹریاں اس قیادت کا عہدہ سنبھالنے کے لیے کارروائی کریں گی۔

جب میں نے یہ مضمون لکھ لیا، تو انتظامیہ کے حکم کے اثرات کے بارے میں مزید افواہیں پھیل رہی ہیں۔ اس سے امریکی قیادت اور عالمی生态 کے درمیان تعاون مزید پیچیدہ ہو سکتا ہے — جس سے میرا اعتماد کم ہوا ہے۔

میں مہینے کے اندھیرے پہلو، زہی پو، میانوان، شیائو می، تونگی چین ون، ماؤ یان لینگ گوانگ، 01.ai اور دیگر اداروں میں میرے ساتھ بات چیت کرنے والے تمام عالموں کا شکریہ ادا کرتا ہوں۔ ہر کوئی اتنی محبت اور اتنی بڑھ کر اپنا وقت دے رہا تھا۔ جب میرے خیالات واضح ہوتے جائیں گے، تو میں چین کے بارے میں اپنے مشاہدات جاری رکھوں گا، جن میں وسیع ثقافتی پہلوؤں کے ساتھ ساتھ AI کے خود کے شعبے کو بھی شامل کیا جائے گا۔

واضح طور پر، یہ جانکاری AI کی سرحدی ترقیات کے ساتھ جڑی ہوئی کہانیوں سے براہ راست متعلق ہوگی۔