चीन की open-weight AI रणनीति बढ़त बना रही है

 (werd.io)
7 पॉइंट द्वारा GN⁺ 11 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • AI मॉडल में brand loyalty और सतही switching cost के अलावा बहुत मजबूत defensive moat नहीं है, इसलिए चीन की open-weight रणनीति अमेरिका के closed models की तुलना में अधिक व्यापक deployment ecosystem बना रही है
  • enterprise AI की वास्तविक defensive moat मॉडल से नहीं, बल्कि contracts, internal system integration और convenience features जैसी आसपास की services से आती है; API users prompt को बनाए रखते हुए मॉडल और provider को आसानी से बदल सकते हैं
  • अमेरिका के GPU export controls और चीनी servers पर data transfer regulations, चीनी कंपनियों की global centralized services देने की क्षमता को सीमित करते हैं, लेकिन चीन मॉडल जारी करके computing disadvantage को deployment advantage में बदल रहा है
  • Moonshot और Alibaba ने ऐसे मॉडल जारी किए हैं जिनके बारे में उनका कहना है कि वे OpenAI·Anthropic के top models का बहुत कम लागत पर मुकाबला कर सकते हैं, और a16z के Martin Casado का आकलन है कि किसी भी startup के चीनी मॉडल इस्तेमाल करने की संभावना 80% है
  • अमेरिका की closed strategy और short-term revenue-केंद्रित incentives ecosystem expansion को रोक रहे हैं, और AI spending पर अत्यधिक निर्भर अमेरिकी अर्थव्यवस्था के जोखिम को कम करने के लिए public AI·federated services·open research को समर्थन देना चाहिए

मॉडल से ज्यादा moat आसपास की services में बचती है

  • AI मॉडल, एक standalone product के रूप में, स्थायी defensive moat बहुत ज्यादा नहीं रखते
    • user workflow पर बड़ा असर डाले बिना ChatGPT से Claude पर जा सकते हैं
    • engineering environment में वही prompt रखते हुए सिर्फ API बदलना संभव है, इसलिए replacement और भी आसान है
    • contracts से customers को बांधा जा सकता है, लेकिन लंबे समय तक एक ही provider चुनते रहने का तकनीकी incentive लगभग नहीं है
  • enterprise AI की defensive moat deals और contracts, enterprise systems integration, और work environment की convenience features में बनती है
    • users अपनी जरूरत के लिए सबसे उपयुक्त मॉडल चुन सकते हैं, और बेहतर मॉडल आने पर मॉडल व provider दोनों बदल सकते हैं

computing disadvantage को पलटने वाली deployment strategy

  • अमेरिकी सरकार के GPU export controls के कारण, चीनी कंपनियों के पास model training के लिए computing resources हों तब भी OpenAI·Anthropic जैसी global-scale centralized services को उसी तरीके से देना मुश्किल है
    • चीनी servers के साथ कुछ प्रकार के data share न कर पाने वाली regulations भी service expansion को सीमित करती हैं
  • open technology को बिना permission इस्तेमाल किया जा सकता है, मनचाही जगह host किया जा सकता है, और experiment·modify किया जा सकता है, इसलिए यह infrastructure adoption के लिए फायदेमंद है
    • open-weight models open source नहीं होते, लेकिन portable होते हैं और बिना permission इस्तेमाल किए जा सकते हैं
  • चीन द्वारा मॉडल जारी करना, अमेरिका द्वारा बनाई गई computing disadvantage को deployment advantage में बदलता है, अमेरिकी कंपनियों के revenue-generating model layer को commodity बनाता है, और closed centralized services की तुलना में अधिक प्रभावी global ecosystem बनाता है
    • manufacturing से लेकर scientific research तक, चीन की कई industries इन मॉडलों का सीधे उपयोग कर सकती हैं

घटता हुआ performance gap

अमेरिका की closed strategy से पैदा होने वाले जोखिम

  • चीनी समाज की बंद प्रकृति के विपरीत, AI technology पर कड़ा नियंत्रण करने वाला पक्ष अमेरिकी कंपनियां हैं—यह एक विडंबना है
    • चीनी मॉडलों में सरकारी दृष्टिकोण के परिलक्षित होने को लेकर गंभीर चिंता है, और तियानआनमेन स्क्वायर से जुड़े सवालों में यह दिखता है
    • अमेरिकी कंपनियों की closed strategy, उस तरीके के स्पष्ट विपरीत है जिसमें अमेरिकी सरकार ने अतीत में open internet का समर्थन किया था
  • ऐसी technology, जिसकी वास्तविक defensive moat कमजोर है लेकिन ecosystem potential बड़ा है, उसे बंद रखने के बजाय उदार और सहयोगी disclosure model अपनाना अधिक फायदेमंद है
    • अमेरिकी कंपनियों पर ecosystem के लाभ से ज्यादा सीधे short-term revenue के पीछे भागने का दबाव है
    • सरकार भी कड़े export controls के जरिए market में हस्तक्षेप कर रही है, इसलिए ecosystem और corporate incentives को बेहतर ढंग से align करने वाले बदलाव की जरूरत है
  • अभी अमेरिकी अर्थव्यवस्था का बड़ा हिस्सा AI spending के प्रभाव से प्रभावित है, इसलिए अगर इन dynamics के कारण spending base टूटता है, तो गंभीर परिणाम हो सकते हैं
  • public interest और जन-सामान्य के मूल्यों के अनुरूप चल सकने वाली open technology के लिए public AI, federated services, और open research को समर्थन मिल रहा है, लेकिन और मदद की जरूरत है
    • अमेरिका में इसे साकार करने के लिए अभी से अधिक परिष्कृत strategy और support चाहिए

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 11 시간 전
Hacker News की राय

  • पिछले 50 वर्षों में computer और software market में आखिरकार free और low-cost products ही जीते हैं। PC ने minicomputers को पीछे धकेला, सस्ते Windows और free Linux ने UNIX market में सेंध लगाई, और mainframes की हिस्सेदारी भी काफी घट गई।
    cutting-edge models की training cost और resource requirements sustainable नहीं हैं, और सस्ते लेकिन high-quality models विकसित करने के लिए आर्थिक प्रोत्साहन बहुत बड़ा है। consumer hardware पर local LLMs 1970–80 के दशक के PC hobbyist ecosystem जैसे लगते हैं, और माना जा रहा है कि 10–15 साल बाद PC और smartphones आज के cutting-edge models के स्तर के अधिकतर काम कर पाएंगे।
    चीन के open-weight models Anthropic और OpenAI की तुलना में कहीं सस्ती AI rental services संभव बनाकर इस रुझान को तेज करेंगे।

    • consumer market में general-purpose LLM standalone tools लंबे समय तक टिकेंगे, ऐसा नहीं लगता। economics बेहतर होने पर products अपने पीछे आवश्यक model interactions को transparent तरीके से संभालने लगेंगे।
      users ऐसा interface नहीं चाहते जो judgement को धुंधला कर देने वाली चापलूसी करे, या जिद्दी और धीमी समझ वाला हो जिसके लिए हर बात समझानी पड़े। tech industry non-technical users की जरूरतों की कल्पना करते समय novelty से कुछ ज्यादा ही आकर्षित हो जाती है।
      music playback tool को उस गाने वाली फिल्म की fanfic लिखने की क्षमता की जरूरत नहीं होती; प्रभावशाली होने पर भी यह उपयोगी नहीं है।
    • mainframes गायब नहीं हुए, बल्कि उन्हें cloud नाम दे दिया गया माना जा सकता है। फर्क बस इतना है कि terminal की जगह browser इस्तेमाल होता है; अब किसी भी device से ज्यादा लोग इस computer से interact करते हैं।
    • मौजूदा open-weight models तभी टिकते हैं जब बड़ी कंपनियां राज्य के समर्थन और अपने incentives के सहारे training और development पर अरबों डॉलर खर्च करके भी monetization का रास्ता लगभग छोड़ दें।
      Linux kernel जैसे open source में individuals स्वतंत्र रूप से complex systems को सुधार सकते थे और उसके परिणाम जमा हो सकते थे, लेकिन models में distributed training या parallel improvement paths नहीं हैं।
      यह Western companies की funding खत्म कराने के लिए price war की short-term strategy हो सकती है, लेकिन incentives और policy कभी भी बदल सकते हैं। अगर model improvement को सच में decentralized नहीं किया गया, तो public release कभी भी बंद हो सकता है।
    • “PC office productivity software” क्या है, यह अस्पष्ट है। आखिरकार विजेता Microsoft Office है, और सवाल है कि क्या इसे specialized product नहीं कहा जा सकता।
    • दुनिया भर में software usage और education फैलाने वाला एक और key factor piracy था। developing country में बड़े होते समय Windows, Office, Visual Basic, Flash, Dreamweaver आदि 1 dollar से कम में मिल जाते थे, जिससे महंगे licenses के बिना self-study संभव थी।
      developing countries में पले-बढ़े उसी generation के कई developers के लिए भी शायद ऐसा ही रहा होगा।

  • अब इसे पलटना मुश्किल है। open weights open source नहीं, बल्कि असल में free models हैं, और users सिर्फ hosting cost देते हैं।
    सैकड़ों providers इन्हें host और sell करते हैं, और Microsoft, Databricks, Palantir से लेकर छोटे startups तक हजारों companies इन्हें run और fine-tune करके intellectual property रख सकती हैं।
    दूसरी तरफ OpenAI और Anthropic को sunk costs और talent retention के लिए extremely high salaries के कारण inference पर 90% से ज्यादा margin लेना पड़ता है। Meta द्वारा lead engineers को अरबों डॉलर देना भी market को बहुत distort कर चुका है।
    अगर US labs बंद हो जाएं तो Chinese labs भी तुरंत charging शुरू कर देंगे, लेकिन per-token price फिर भी 1/5 या 1/10 रहेगा और guardrails भी कम होंगे। US labs को costs और salaries घटाकर compete करना होगा, और AI और robotics अमेरिका के reindustrialize होने और superpower status बनाए रखने की आखिरी उम्मीद हैं।

    • चीन द्वारा दूसरे देशों की solar industry को तोड़ देने के बाद भी Chinese solar panels की per-watt कीमत गिरती जा रही है।
      चीन की domestic demand काफी बड़ी है और renewable energy के लिए long-term national strategy है, इसलिए दुनिया को यह generous subsidy जैसा नतीजा दिख सकता है। Chinese AI भी इसी तरह का रास्ता ले सकता है।

  • “80% startups Chinese models इस्तेमाल करते हैं” वाला quote संदिग्ध है। हाल में जिन कई startups में interview दिया, वे सभी US models इस्तेमाल कर रहे थे, और भले ही वे कुछ Chinese models इस्तेमाल करते हों, business का core Claude और Codex subscriptions था।

    • पूरा quote Martin Casado का है कि a16z office आने वाले founders के startups के Chinese open-source models इस्तेमाल करने की 80% संभावना होती है। यह article में बताए गए अर्थ से काफी अलग है।
      investment से पहले startups workflow के किसी हिस्से में Chinese models इस्तेमाल कर सकते हैं, लेकिन जिन startups ने investment या revenue हासिल करके 1 साल से ज्यादा survive किया है, उनमें लगातार इस्तेमाल करने वालों का अनुपात पता नहीं है। presentation यह भी हो सकती है कि “हमने Chinese open-source models से इतना कर दिखाया, तो funding मिलने पर cutting-edge models इस्तेमाल करके और बेहतर कर सकते हैं।”
      लगता है लेखक ने पहले से तय narrative के मुताबिक quote ढूंढा, या quote को लापरवाही से पढ़ा।
    • यह वैसी ही clever statistic है जैसे यह कहना कि जहां मैंने काम किया उन 100% startups ने Windows इस्तेमाल किया, सिर्फ इसलिए कि कम से कम एक व्यक्ति Windows laptop इस्तेमाल करता था। वास्तविक engineer devices Mac 80%, Linux 20% हो सकते हैं।
      Chinese open-weight models अक्सर इस्तेमाल करता हूं, लेकिन महत्वपूर्ण coding tasks में उन्हें first choice नहीं बनाता।
    • customers द्वारा AI features का usage बढ़ने पर बेहतर model पर switch करने के इरादे से DeepSeek अपनाया था, लेकिन मौजूदा काम के लिए यह बहुत अच्छा और काफी सस्ता है, इसलिए शायद switch न करें।
      इस्तेमाल की जा रही AI library में सिर्फ एक setting बदलकर model बदला जा सकता है।
    • यह अलग करना चाहिए कि model product में इस्तेमाल हो रहा है या development में। कुछ apps में on-device या internet connection होने पर API के जरिए open-weight models इस्तेमाल होते हैं, लेकिन development में Claude, Codex, Cursor, Grok आदि इस्तेमाल होते हैं।
    • करीब 6 लोगों की team अभी per-seat monthly subscription plan पर है, इसलिए Claude Code इस्तेमाल कर रही है। अगर per-token billing में बदला गया तो निश्चित रूप से फिर से विचार करेगी।

  • चलाने योग्य hardware सस्ता होने पर open-weight models का दबदबा होगा, इस मायने में वे जीतेंगे। GPU सीधे किराए पर लेकर लागत बचाई जा सकती है, लेकिन सुना है कि inference खुद operate करने वाली कंपनियों के bills भी हैरान कर देने वाले स्तर तक ऊँचे होते हैं
    हालांकि यह समझना मुश्किल है कि model train करके public करने वाली entity को इससे क्या मिलता है। क्या यह अमेरिकी providers को threat मानकर prices कम कराने की strategy है, या business model क्या है, साफ नहीं है

    • अगर NVIDIA की बात हो, तो open-weight model एक classic commoditizing complements strategy है। Model जितना सस्ता होगा, उसे चलाने के लिए GPU खरीद उतनी बढ़ेगी
      चीन की motivation समझना मुश्किल है। संबंधित लेख
    • open weights की वजह से server में invest करने लायक capital रखने वाली छोटी कंपनियाँ भी provider बनकर niche market हासिल कर सकती हैं
      चीन technology को commoditize करके कई कंपनियों को पूरी economy के अलग-अलग sectors को support करने लायक बनाना पूरी economy के हित में मानता है और public investment को जायज़ ठहराता है
      अमेरिकी strategy कुछ कंपनियों में private capital concentrate करके एक-दो players को market dominate करने और सभी sectors पर धीरे-धीरे भारी “tax” लगाने देने वाली है, इसलिए इसे पूरी national economy की जीत मानना मुश्किल है
    • चीन दुनिया की factory है, इसलिए उसे software में जीतने की जरूरत नहीं; वह software को free बनाकर hardware से जीतना पसंद करता है
      अगर AI inference free हो, तो चीनी chips को use-case के हिसाब से optimize करके toys, cars, tools जैसे ढेरों products में लगाकर बेचा जा सकता है। जैसे सस्ते x86 devices और Linux/BSD products पहले ही चीन से बड़ी मात्रा में आ रहे हैं, GPU भी अलग नहीं होंगे
    • वजह यह है कि चीन में research activities को भारी government subsidies मिलती हैं। Public funds allocate करके किसी काम को करने को कहा जाए, तो वह काम हो जाता है—structure इतना simple है
    • चीन का LLM market बहुत competitive है, इसलिए अगर कोई leading company weights public कर दे, तो दूसरी companies पर भी ऐसा करने का दबाव आता है। अगर Anthropic या OpenAI public करें, तो अमेरिका में भी recognition और market share न खोने के लिए chain reaction में releases हो सकते हैं
      अभी public करने पर भी local-run users कम हैं, और मौजूदा models आगे चलकर शायद सभी obsolete हो जाएंगे। Competitors आसानी से distill कर सकते हैं—यह नुकसान भी वैसे रोकना मुश्किल है

  • open-source models के बिना future की कल्पना करना मुश्किल है। AI पूरी दुनिया के लिए technology है; इसके latest और best models को Anthropic या OpenAI जैसी companies में बंद नहीं किया जाना चाहिए, जो कभी भी access रोक सकती हैं

  • सभी public-weight models के मूल जैसा Llama Meta को सफलता नहीं दिला पाया, इस लिहाज से यह लेख अजीब है
    कंपनियाँ model public है या नहीं, इससे ज्यादा data retention न होने और मौजूदा providers के साथ relationship को महत्व देती हैं। यह लेख Palantir CEO के रूप में neutral न होने वाले Alex Karp की CNBC comments को लगभग दोहराता हुआ लगता है
    public models welcome हैं और मैं उन्हें खुद भी run करता हूँ, लेकिन अभी यह साबित करने के लिए evidence कम है कि अमेरिका AI race हार रहा है या अमेरिकी labs weights public नहीं कर रहे इसलिए पीछे हैं
    https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html

    • यह public weights की concept की नहीं, बल्कि Meta models की अपनी कमी है। Llama family चमकदार sentences बनाती है, लेकिन tool-calling capability बेहद खराब है, इसलिए असल में वह ज्यादा कुछ कर नहीं पाती
      1 2 3
    • 2–3 साल पहले Meta AI Research ने Llama 1·2·3 के साथ तेजी से growth की थी, और Zuckerberg की image व Meta के results भी बेहतर हुए थे। Alexandr Wang के joining के बाद इतनी जल्दी डगमगाना यकीन करना मुश्किल है
    • कंपनियाँ control को महत्व देती हैं। बहुत से enterprise customers पिछले 2–3 सालों में OpenAI और Google के model changes के हिसाब से uncertain और tight external schedules के तहत लगातार readjust करने से काफी थक चुके हैं
      अब वे वही inference provider पर public-weight model host करना चाहते हैं, लेकिन जरूरत पड़ने पर internal operation में switch करने का option भी रखना चाहते हैं
    • अगर मुकाबला trillion-dollar market कब्जाने का है, तो कुछ हद तक propaganda war भी हो सकती है
    • Llama, AI में Meta की लगभग इकलौती सफलता थी। इसे बंद करते हुए उसने एक interesting AI company के तौर पर अपनी मौजूदगी भी खो दी
      चर्चा में आई “base layer” बनने का असली मौका था, फिर इसे क्यों छोड़ा गया, समझना मुश्किल है

  • मानव इतिहास की intellectual property का खुलेआम उल्लंघन करते हुए और मानव विरासत को अपनी domain जैसा मानते हुए, मूल रूप से public domain वाली technology और data को फिर से privatize करने की logic समझ नहीं आती
    अगर मामला settle होने के बाद bailout तक की बात आए, तो यह इस system के ethical, financial और intellectual रूप से bankrupt होने का सबूत होगा

    • चीन intellectual property और copyright की परवाह नहीं करता, लेकिन उस तरह distill की गई knowledge को भी free में public करता है—इस मायने में वह consistent है
      गैर-अमेरिकी होने के नाते मैं नहीं चाहता कि अमेरिकी AI companies का cartel इस technology पर भारी power रखे। “China खराब और communist है, इसलिए नहीं चलेगा” वाले framing से भी सहमत नहीं हूँ; इस मामले में चीन की actions ideology से परे दुनिया के लिए net positive हैं
    • यह satire है: resource consumption को ignore करो, decelerationist मत बनो और नई दुनिया की progress पर भरोसा रखो। जल्द ही AGI सभी concerns हल कर देगा, सभी को basic income मिलेगा, Gemini को “strawberry” में r की संख्या भी पता होगी, और humans machines को feed करने के लिए next-generation art बनाएँगे
      तब तक nuclear salt molten reactors भी चालू हो चुके होंगे और data center power consumption फिर समस्या नहीं रहेगी—कुछ ऐसी बात है
    • दोनों parties में political will नहीं है, इसलिए AI companies के लिए bailout नहीं होगा, ऐसा लगता है। इससे भी डरावना alternative DeFlock movement हो सकता है, जो pillars की जगह लोगों की गर्दनें काटे
    • यह capitalism की शुरुआत से चली आ रही commons की enclosure की history है

  • Ben Thompson के Chinese models पर लेख(https://stratechery.com/2026/whos-afraid-of-chinese-models/) के अनुसार, Xi Jinping ने हालिया speech(http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html) में open-source model support समेत कहा कि “open source, openness, cooperation और sharing को encourage करने के historical opportunity को पकड़ना चाहिए”

  • यह लेख आखिरकार “मुझे open source पसंद है, इसलिए open source जीतेगा” वाली बात कहता है। open-weight मॉडल जारी करने वाली कंपनियों में ज़्यादातर ने भारी venture funding ली है, और सवाल यह है कि निवेश वसूली की रणनीति क्या है और मुनाफ़ा कमाते हुए इसे अनिश्चित समय तक जारी रखने का तरीका क्या होगा

    • चीनी सरकार लेखक के नैतिक निर्णयों में रुचि नहीं रखती और अपने मनचाहे नतीजे हासिल करती है। अमेरिका भी ऐसा ही है
    • चीनी सरकार के पास यह प्रोत्साहन है कि अमेरिका सबसे उन्नत मॉडलों पर एकाधिकार न कर पाए। अगर अपनी स्थिति मज़बूत होती है, तो open strategy जारी रखने के लिए पर्याप्त कारण होंगे
    • पूंजी के सहारे कीमतें घटाकर प्रतिस्पर्धियों को बाहर करना, हिस्सेदारी पाना और फिर धीरे-धीरे कीमतें बढ़ाकर मुनाफ़ा कमाना एक पारंपरिक venture investment strategy है
      करोड़ों डॉलर खर्च करके अत्याधुनिक मॉडल train करने के बाद उसे मुफ्त में open कर देना ताकि दूसरे लोग उसे अपने GPU पर host करें, लंबे समय में समझदारी नहीं है। यह मानना भोला-भाला है कि जब पूंजी सूख जाएगी और निवेशक return मांगेंगे, तब भी open weights बने रहेंगे
      कुछ हद तक सरकारी समर्थन पाने वाली चीनी labs शायद चीनी infrastructure पर चीनी models host करने वाले रूप में बदल सकती हैं
    • अन्य open source platforms की तरह, उपयोग अधिकार या ठीक से काम करने वाली latest binaries पाने के लिए subscription वाला model भी पूरी तरह संभव है
      चूंकि लोग पहले से Claude, GPT, Gemini आदि के लिए पैसा दे रहे हैं, इसलिए local execution license के लिए थोड़ी-सी monthly subscription fee देने की इच्छा हो सकती है

  • AI model training में करोड़ों डॉलर लगते हैं, इसलिए मुफ्त में उपलब्ध कराने से शुरुआती लागत को जायज़ ठहराना मुश्किल है। चीन का training और release करने का तरीका केवल अमेरिकी frontier labs के return on investment को घटाने की रणनीति के भीतर ही समझ आता है

    • अमेरिकी labs के returns में गिरावट चीनी नेतृत्व के लिए स्वागतयोग्य side effect होगी, लेकिन मुख्य प्रेरणा बढ़ती उम्रदराज़ आबादी से निपटने के लिए productivity सुधार के मकसद से विशाल घरेलू अर्थव्यवस्था में AI को तेज़ी से फैलाने में है
    • venture-backed startups भी रणनीतिक लक्ष्यों के लिए घाटा उठाती हैं। फर्क यह है कि startup डूब जाए तो technology भी अक्सर गायब हो जाती है, लेकिन publicly released चीनी model weights lab के असफल होने पर भी बचे रहते हैं
    • अमेरिकी कंपनियों के लिए model को मुफ्त में release करने के दो कारण हैं। पहला, अगर वे compute resources बेचती हैं—जैसे NVIDIA के chips, AWS·Microsoft·Google·SpaceX के data centers, या Apple जैसे end devices—तो Jevons paradox के अनुसार सस्ते models demand बढ़ा सकते हैं
      दूसरा, AI खुद commodity नहीं है, लेकिन सस्ते AI पर निर्भर होने या competitors को उसका मूल्य monopolize करने से रोकने के लिए complement commoditization strategy संभव है(https://gwern.net/complement)
      कुछ महीनों में outdated हो जाने वाले model में बड़ी रकम लगाने की वजह कम है, लेकिन जैसे-जैसे progress धीमी पड़ने लगेगी, मुफ्त models train करने वाली कंपनियां बढ़ेंगी, ऐसा लगता है
    • चीन की strategy को केवल अमेरिकी labs के returns पर दबाव के रूप में समझने की ज़रूरत नहीं है। Google या Tencent जैसी कंपनियां, जिनका video delivery market पर लगभग monopoly है, अपने data से video models train करके उन्हें मुफ्त release करने के लिए पर्याप्त कारण रखती हैं
      मुफ्त creation tools content बढ़ाते हैं, और generated content अंततः उनके अपने platform पर देखे जाने की संभावना अधिक होती है, इसलिए watch time बढ़ने से training cost वसूल हो सकती है। open research के आधार पर बेहतर models आएं तब भी वह content platform पर लौटता है, इसलिए फायदा ही है
      GPU की कमी वाले environment में model upload कर देने के बाद लागत खत्म हो जाती है और users खुद run करते हैं, इसलिए inference service देने की ज़रूरत भी नहीं होती। model को subscription या token basis पर दोबारा बेचने के बजाय मुफ्त tool के रूप में देने से training data के original creators भी कम alienated महसूस कर सकते हैं
      अमेरिकी कंपनियों पर दबाव डालने का असर भी है, लेकिन चीनी कंपनियां पहले से ही बड़े और जटिल घरेलू market के विशाल customer base से निपट रही हैं, इसलिए केवल geopolitics से पूरी तस्वीर नहीं समझाई जा सकती
    • यह सरकार द्वारा संसाधन लगाने वाली strategic competition है, और protectionism अमेरिका की मदद नहीं कर सकता, इसलिए सीधे compete करना होगा। बड़े corporations के अधीन नहीं होना चाहते—इस common consensus की वजह से open source AI को जीतना चाहिए, और इसका विरोध करने पर समर्थन मिलना मुश्किल होगा