سلیکان ویلی کی نئی سرد جنگ: چین کو پچھاڑنے کے لیے فرینٹیئر اے آئی ماڈلز کی ڈسٹیلیشن

وائے کمبینیٹر (Y Combinator) کے چیف ایگزیکٹو گیری ٹین نے امریکی اوپن ویٹ آرٹیفیشل انٹیلی جنس لیبارٹریوں پر زور دیا ہے کہ وہ اوپن اے آئی، اینتھروپک، اور گوگل کے پروپرائٹری فرینٹیئر ماڈلز کی باقاعدہ 'ڈسٹیلیشن' (distillation) شروع کریں۔ بند نظاموں سے حاصل کردہ متبادل (synthetic) ڈیٹا اور سوچنے کے عمل کی بنیاد پر امریکی ڈویلپرز کا مقصد خام کمپیوٹنگ پر اربوں ڈالر خرچ کیے بغیر ڈٰیپ سیک (DeepSeek) جیسے چینی اوپن سورس حریفوں کے ساتھ کارکردگی کا فرق تیزی سے ختم کرنا ہے۔

ڈسٹیلیشن کا طریقہ کار: چھوٹے ماڈلز کی بڑے ماڈلز تک رسائی

ماڈل ڈسٹیلیشن کا طریقہ کار کچھ یوں کام کرتا ہے کہ اربوں ڈالر مالیت کے بڑے پروپرائٹری انجنوں کے پیچیدہ منطقی نتائج کو چھوٹے اور مقامی نیورل نیٹ ورکس کی تربیت کے لیے استعمال کیا جاتا ہے۔ ویب سائٹوں سے کھربوں ٹیکسٹ ٹوکنز کے ذریعے نچلی سطح سے تربیت دینے کی بجائے—جس کے لیے ہزاروں اینویڈیا H100 جی پی یوز اور مہینوں کی بجلی کی ضرورت ہوتی ہے—ڈسٹیلیشن کے ذریعے ایک چھوٹا 'اسٹوڈنٹ ماڈل' براہ راست 'ٹیچر ماڈل' کی منطق سے سیکھتا ہے۔ یہ عمل لاگت میں 90 فیصد سے زیادہ کمی لاتا ہے جبکہ ریاضی، کوڈنگ اور منطق میں بہترین نتائج برقرار رکھتا ہے۔

گیری ٹین کی یہ ہدایت گلوبل سافٹ ویئر انجینئرنگ میں بڑھتے ہوئے عدم توازن کو نشانہ بناتی ہے۔ امریکی ٹیک کمپنیوں نے اپنی بہترین صلاحیات کو ادا شدہ APIs کے پیچھے بند کر رکھا ہے، جبکہ ڈیپ سیک اور علی بابا کی کیووین (Qwen) ٹیم جیسے چینی اداروں نے طاقتور اوپن ویٹ ماڈلز براہ راست دنیا کے لیے جاری کر دیے ہیں۔ دنیا بھر کے ڈویلپرز نے چینی اوپن سورس ویٹس پر اپنے سسٹمز بنانے شروع کر دیے ہیں، جس سے ایشیائی اے آئی آرکیٹیکچر پر انحصار بڑھ رہا ہے۔

چینی اوپن ویٹ بالادستی اور سلیکان ویلی کا ردعمل

ڈیپ سیک R1 کے اجراء نے یہ ثابت کر دیا کہ اوپن ویٹ آرکیٹیکچر کم لاگت پر بھی امریکہ کے بند سسٹمز کا مقابلہ کر سکتا ہے۔ چینی تحقیقاتی ٹیموں نے بڑے ماڈلز کی منطق اور سوچنے کے عمل کا استعمال کرتے ہوئے 2025 کے اوائل میں بہترین کارکردگی حاصل کی۔ اس کامیابی نے سان فرانسسکو کے سرمایہ کاروں میں سنسنی پھیلا دی، جس کی وجہ سے وائے کمبینیٹر جیسے وینچر کیپیٹل فنڈز کو اپنی حکمت عملی پر دوبارہ غور کرنا پڑا ہے۔

ٹین کا موقف ہے کہ امریکی لیبز اوپن ویٹ کے میدان کو غیر ملکی حریفوں کے لیے خالی نہیں چھوڑ سکتی۔ اگر دنیا بھر کے اسٹارٹ اپس صرف چینی ماڈلز پر انحصار کریں گے تو امریکی لیبز عالمی اے آئی بنیادی ڈھانچے پر اپنا کنٹرول کھو دیں گی۔ امریکی اوپن ویٹ ڈویلپرز کو ڈسٹیلیشن اپنانے کی ترغیب دے کر وائے کمبینیٹر کا مقصد ایسے امریکی متبادل بنانا ہے جنہیں سیکیورٹی خدشات کے بغیر استعمال کیا جا سکے۔

قانونی رکاوٹیں اور معاشی حقائق

ٹین کی اس حکمت عملی کو فوری طور پر قانونی اور تکنیکی رکاوٹوں کا سامنا ہے۔ اوپن اے آئی اور اینتھروپک جیسی بڑی کمپنیاں اپنی سروس کی شرائط میں واضح طور پر کہتی ہیں کہ ان کی APIs کا ڈیٹا حریف ماڈلز کی تربیت کے لیے استعمال نہیں کیا جا سکتا۔ تاہم، اس پر عمل درآمد کروانا انتہائی مشکل ہے۔ یہ معلوم کرنا کہ کسی ڈیٹا سیٹ میں کسی اور ماڈل سے حاصل کردہ ڈیٹا شامل ہے یا نہیں، ایک تکنیکی چیلنج ہے۔

مزید برآں، شروعاتی سرمایہ کاری کا ماڈل خام پرائمری ٹریننگ کے مقابلے میں ڈسٹیلیشن کو زیادہ ترجیح دیتا ہے۔ 50 لاکھ ڈالر کی فنڈنگ حاصل کرنے والا نیا اسٹارٹ اپ 10,000 H100 جی پی یوز خریدنے کی صلاحیت نہیں رکھتا۔ ڈسٹیلیشن ان چھوٹی ٹیموں کو 2 لاکھ ڈالر سے کم لاگت میں اعلیٰ معیار کے ماڈلز تیار کرنے کی سہولت دیتی ہے۔ یہ معاشی حقیقت ٹین کی ہدایت کو نہ صرف ایک قومی حکمت عملی بلکہ نچلی سطح کے اداروں کے لیے بقا کا راستہ بناتی ہے۔

علاقائی ڈھانچہ اور مارکیٹ کے اثرات

امریکی اوپن ویٹ ماڈلز کی تیاری کے مشرق وسطیٰ اور جنوبی ایشیا کے ٹیک سسٹمز پر براہ راست اثرات مرتب ہوتے ہیں۔ ڈیٹا پرائیویسی کے سخت قوانین کے تحت کام کرنے والے ادارے امریکی کلاؤڈ APIs کے ذریعے حساس مالیاتی یا طبی ڈیٹا منتقل نہیں کر سکتے۔ اس کے ساتھ ہی، حکومتی رشتے دار اور علاقائی بینک سیکیورٹی خدشات کی بنا پر چینی اوپن ویٹ ڈپلائے کرنے سے ہچکچاتے ہیں۔

امریکی ڈسٹل شدہ اوپن ویٹ ماڈلز مقامی کمپنیوں کو ایک درمیانی راستہ فراہم کرتے ہیں۔ مقامی انجینئرز علاقائی ڈیٹا سینٹرز پر ماڈلز خود چلا سکتے ہیں، انہیں اپنی مقامی زبانوں یا قانونی نظام کے مطابق ڈھال سکتے ہیں، اور کسی غیر ملکی API پر انحصار کیے بغیر اپنے ڈیٹا پر مکمل کنٹرول برقرار رکھ سکتے ہیں۔

اکثر پوچھے گئے سوالات

What is AI model distillation as advocated by Garry Tan?

AI model distillation involves training smaller, open-weight 'student' models on the step-by-step synthetic output of massive proprietary 'teacher' models like OpenAI's o3 or Claude 3.5 Sonnet. This enables developers to create high-performing models at a fraction of the compute costs required for raw pre-training.

Why is Y Combinator pushing US labs to focus on open-weight models?

Y Combinator aims to counter the global dominance of Chinese open-weight models like DeepSeek-R1 and Alibaba's Qwen, which have captured developer mindshare worldwide. By fostering competitive American open-weight alternatives, US accelerators hope to prevent global software infrastructure from standardizing on foreign architectures.

Do closed-source AI companies permit distillation using their API outputs?

Major proprietary providers such as OpenAI and Anthropic explicitly prohibit using their API outputs to train competing commercial AI models within their terms of service. However, startups often face enforcement loopholes due to the extreme technical difficulty of auditing synthetic data pipelines.