क्या चीन AI की दौड़ जीत रहा है? 2026 की हकीकत

दोनों देश एक ही दौड़ नहीं दौड़ रहे, और यही वजह है कि कौन आगे है, इस पर कोई सहमत नहीं हो पाता। कोई एक स्कोरबोर्ड है ही नहीं, इसलिए कोई भी सपाट फ़ैसला आते ही गलत हो जाता है। टिकाऊ पढ़त है विभाजित दबदबा। Epoch के अमेरिका-बनाम-चीन ट्रैकर पर, 2023 के बाद का हर फ्रंटियर मॉडल अमेरिका में बना है, औसतन क़रीब सात महीने की बढ़त के साथ, और अमेरिका के पास कंप्यूट में क़रीब 5:1 की बढ़त और निजी निवेश में 23:1 का अंतर है। चीन डिफ्यूज़न और भौतिक दुनिया में आगे है: वैश्विक AI शोधपत्रों का 23.2%, 2024 के डेटा में AI पेटेंट मंज़ूरी का 74.2%, ओपन-मॉडल डाउनलोड का बड़ा हिस्सा, और 2025 में बिके क़रीब 90% ह्यूमनॉइड रोबोट। गर्मियों की मॉडल रिलीज़ इन ढाँचागत अंतरों को मिटा नहीं देतीं, पर वे फ्रंटियर के फ़ैसले को पहले जितना अचल नहीं रहने देतीं।

मुख्य बातें- "चीन AI जीत रहा है" आधा सच है। टिकाऊ स्थिति विभाजित है: फ्रंटियर पर अमेरिका आगे, डिफ्यूज़न और परमाणुओं में चीन आगे।- अमेरिका की फ्रंटियर बढ़त असली है और पैसे का अंतर बढ़ रहा है: 2025 में अमेरिका का निजी AI निवेश $285.9bn रहा, चीन के $12.4bn के मुक़ाबले, यानी Stanford के AI Index 2026 में 23:1 का अनुपात।- मात्रा और तैनाती चीन के पास है: 2024 के डेटा में AI पेटेंट मंज़ूरी का 74.2% और दुनिया भर में ओपन-मॉडल डाउनलोड का बड़ा हिस्सा।- अक्सर उद्धृत 2.7% का बेंचमार्क अंतर मार्च 2026 का स्नैपशॉट है, मौजूदा स्कोर नहीं। यह DeepSeek, Qwen, Kimi, GLM और MiniMax की ग्रीष्म रिलीज़ से पहले का है।- पश्चिमी कारोबारों के लिए सुर्खी भू-राजनीति नहीं है। बात यह है कि धरती के सबसे सस्ते काफ़ी-अच्छे मॉडल अब चीनी और ओपन-वेट हैं।

चीन में AI पर मैं जो कुछ भी लिखता हूँ, वह इसी लेख पर टिका है, और नीचे का हर खंड किसी गहरी गाइड की ओर इशारा करता है। अगर आप पहले इसका व्यावहारिक पहलू चाहते हैं, कि कंपनियाँ इन मॉडलों से असल में कर क्या रही हैं, तो मेरा AI एजेंट उपयोग-मामले वाला लेख शुरू करने की जगह है।

वह स्कोरबोर्ड जिसे हर कोई गलत पढ़ता है

लगभग हर "कौन जीत रहा है" वाली सुर्खी एक आँकड़ा उठाती है और उसी पर सवार हो जाती है। चीन वैश्विक AI शोधपत्रों का 23.2% प्रकाशित करता है, जो AI Index डेटा में किसी एक देश का सबसे बड़ा हिस्सा है, और Epoch के ट्रैकर पर अमेरिका ने 2023 के बाद का हर फ्रंटियर मॉडल बनाया है। ये दोनों बातें एक ही समय सच हैं। इनमें से कोई एक अकेली उठाएँगे तो खुद को गुमराह कर लेंगे, पूरे भरोसे के साथ।

जाल यह है कि हर पैमाना उसी को शोभा देता है जो उसे उद्धृत करता है। शोधपत्र असर की जगह मात्रा नापते हैं। बेंचमार्क तैनाती की जगह चरम क्षमता नापते हैं। खर्च दक्षता की जगह महत्वाकांक्षा नापता है। इसलिए "क्या चीन जीत रहा है?" तभी जवाब-योग्य बनता है जब आप यह कह दें कि आपके हिसाब से जीतना किस काम के लिए है।

मुझे इस दौड़ को तीन परतों में बाँटना आसान लगता है, और जवाब इस बात पर पलटता है कि आप किस परत पर खड़े हैं। एक है फ्रंटियर: दुनिया का एकमात्र सबसे सक्षम मॉडल। एक है डिफ्यूज़न: सक्षम मॉडल असल में कितने व्यापक रूप से इस्तेमाल होते हैं। और एक है परमाणु: रोबोट, कारखाने, और वह बिजली जो इन सबको चलाती है। अमेरिका तीन में से एक में आगे है।

पैमाना-दर-पैमाना अंक दीजिए तो बोर्ड साफ़ बँट जाता है: अमेरिका तीन पंक्तियों में आगे है, चीन पाँच में, और प्रतिभा सचमुच बँटी हुई है।

दो पंक्तियाँ उतनी साफ़ नहीं हैं जितनी सही के निशान दिखाते हैं। पेटेंट मात्रा पर चीन की जीत पढ़े जाते हैं, पर आगे के उद्धरणों का बड़ा हिस्सा, वह काम जिस पर दूसरे लोग असल में निर्माण करते हैं, अब भी अमेरिका के पास है, इसलिए यह पंक्ति चीन को एक तारांकन के साथ जाती है। फ्रंटियर क्षमता Stanford के मार्च स्नैपशॉट में अमेरिका की मामूली जीत थी, और वह आँकड़ा मौजूदा DeepSeek, Qwen, Kimi, GLM और MiniMax रिलीज़ से पहले का है। ज़िम्मेदार लेबल है कम-भरोसे वाली अमेरिकी बढ़त, कोई कालातीत 2.7% नहीं।

"कौन AI जीत रहा है" वाले सवाल का कोई एक जवाब इसलिए नहीं है क्योंकि दौड़ की कम से कम तीन परतें हैं। अमेरिका फ्रंटियर में आगे है (Epoch के ट्रैकर पर 2023 के बाद का हर फ्रंटियर मॉडल अमेरिका में बना), जबकि चीन डिफ्यूज़न और भौतिक अर्थव्यवस्था में आगे है। शोधपत्र, बेंचमार्क या खर्च, कोई भी एक-आँकड़ा फ़ैसला सिर्फ़ एक परत नापता है और बाकी दो पर गुमराह करता है।

[IMAGE: एक साफ़-सुथरा संकल्पनात्मक आरेख जिसमें तीन परतें एक के ऊपर एक "फ्रंटियर", "डिफ्यूज़न" और "परमाणु" लेबल के साथ दिखती हैं, और तीर दर्शाते हैं कि ऊपरी परत पर अमेरिका की मज़बूती है और नीचे की दो परतों पर चीन की मज़बूती। न्यूनतम, संपादकीय, डार्क-मोड के अनुकूल।]

जहाँ अमेरिका अब भी आगे है: फ्रंटियर

अमेरिका 2026 में सबसे स्पष्ट फ्रंटियर बढ़त के साथ दाख़िल हुआ। Epoch की जनवरी समीक्षा ने चीनी मॉडलों को औसतन क़रीब सात महीने पीछे रखा और पाया कि 2023 के बाद का हर फ्रंटियर-श्रेणी का मॉडल अमेरिका में बना था। यह एक मज़बूत ढाँचागत नतीजा है, पर यह अगस्त की लीडरबोर्ड नहीं है। ग्रीष्म चीनी रिलीज़ का मूल्यांकन उतने ही ताज़ा अमेरिकी चेकपॉइंट के विरुद्ध होना चाहिए, तभी मैं इसे वर्तमान-कालिक सार्वभौमिक दावे में बदलूँगा।

तीन चीज़ें इस बढ़त को संभाले हैं। पहली है कंप्यूट। अमेरिका के पास क़रीब 5:1 की बढ़त है, Epoch के सुपरकंप्यूटर डेटा में ट्रैक की गई AI-सुपरकंप्यूटर क्षमता का लगभग 74.5% उसके पास है, जबकि चीन के पास क़रीब 14.1%। निर्यात नियंत्रण और नवीनतम एक्सेलरेटर तक पहुँच का मतलब है कि अमेरिकी लैब बड़े प्रशिक्षण-रन ज़्यादा बार चला सकती हैं, और फ्रंटियर अब भी क़ाफ़ी हद तक इसी बात का फल है कि आप एक प्रशिक्षण-रन पर कितना कंप्यूट लगा सकते हैं।

दूसरी है पैसा, और यह अंतर घटने के बजाय बढ़ रहा है। 2025 में अमेरिका का निजी AI निवेश $285.9bn पहुँचा, चीन के $12.4bn के मुक़ाबले, AI Index 2026 में क़रीब 23 से 1 का अनुपात। यह कोई गोलाई का अंतर या परिभाषा की बहस नहीं है। यह इस बात का ढाँचागत अंतर है कि हर पक्ष की ओर से कितनी पूँजी फ्रंटियर के पीछे दौड़ रही है, और Stanford खुद नोट करता है कि निजी आँकड़े चीन को कम आँकते हैं क्योंकि राज्य-मार्गदर्शन फंड गिनती से बाहर रहते हैं।

तीसरी है असर-भारित शोध। 2024 के डेटा में चीन AI पेटेंट मंज़ूरी का 74.2% लेता है, पर उसी AI Index अध्याय में AI पेटेंट के आगे के उद्धरणों का लगभग 51.9% अमेरिका के पास है, वह काम जिस पर बाकी सब निर्माण करते हैं। साफ़ शब्दों में: जिस काम को दूसरे इस्तेमाल करते हैं, उसमें अमेरिका आगे है। काम कितना है, उसमें चीन आगे है।

वह हिस्सा जिसे भयभीत करने वाली कवरेज छोड़ देती है, यह है कि क्षमता और खर्च उल्टी दिशाओं में बढ़ रहे हैं। Stanford के मार्च 2026 स्नैपशॉट ने अग्रणी अमेरिकी और चीनी मॉडलों के बीच Chatbot Arena Elo अंतर 2.7% रखा, वहीं पैसे का अंतर बढ़कर 23:1 हो गया। तब से DeepSeek V4.1-Flash, Qwen3.8-Max-0902, Kimi K3, GLM-5.3 और MiniMax M3 सब आ चुके हैं। ऐसा कोई एक तटस्थ अगस्त आँकड़ा नहीं जो इन मॉडलों और नवीनतम अमेरिकी रिलीज़ को एक जवाब में समेट दे, इसलिए ईमानदार निष्कर्ष दिशात्मक है: चीन फ्रंटियर की लय बनाए हुए है, वह भी नकदी का एक अंश खर्च करते हुए।

स्रोत: Epoch AI (फ्रंटियर बढ़त, 2026); Stanford HAI AI Index 2026 (पेटेंट उद्धरण, निवेश, शोधपत्र, पेटेंट); Rest of World (ह्यूमनॉइड, 2026); Hugging Face (ओपन-मॉडल डाउनलोड, 2026)।

अगर आप तौल रहे हैं कि आपके उपयोग-मामले के लिए फ्रंटियर मायने भी रखता है या नहीं, तो क्या DeepSeek उद्यम के लिए सुरक्षित है पर मेरी गाइड बताती है कि कब "काफ़ी अच्छा" "दुनिया के सबसे अच्छे" को मात देता है, और कुछ भी उत्पादन को छूने से पहले क्या जाँचना चाहिए।

जहाँ चीन आगे है: डिफ्यूज़न

चीन डिफ्यूज़न परत पहले ही जीत चुका है, और यह देश के बाहर के ज़्यादातर लोगों की नज़र पड़ने से पहले ही हो गया। नवंबर 2025 में रिपोर्ट किए गए Stanford और DigiChina के इकोसिस्टम ब्रीफ में, चीनी ओपन-वेट मॉडल वैश्विक Hugging Face डाउनलोड के हिस्से में पहली बार अमेरिकी मॉडलों से आगे निकले, गत-वर्ष डाउनलोड का 17.1% बनाम 15.8% के साथ। वसंत 2026 तक, Hugging Face की अपनी State of Open Source रिपोर्ट में चीन गत-वर्ष डाउनलोड का क़रीब 41% लेकर अमेरिका से आगे था। इनमें से कुछ भी पूर्वानुमान नहीं है। यह वह अपनाव है जो पहले ही हो चुका है।

डिफ्यूज़न इस बारे में है कि सक्षम मॉडल असल में कितने व्यापक रूप से इस्तेमाल होते हैं, न कि अकेला सबसे अच्छा मॉडल कितना अच्छा है, और उस पैमाने पर रुझान सूक्ष्म नहीं है। चीनी मॉडल फ़रवरी 2026 के अंत में OpenRouter की टोकन खपत का 61% पार कर गए और तब से क़रीब 60% का टिका बहुमत बनाए हैं, जो OpenRouter की रैंकिंग पर दिखता है। डेवलपर अपने असली वर्कलोड से वोट देते हैं, और उन वोटों का बढ़ता हिस्सा चीनी ओपन वेट को जा रहा है।

खिंचाव का ज़्यादातर काम एक ही परिवार कर रहा है। Qwen, अलीबाबा की ओपन मॉडल शृंखला, ने अकेले 2026 के पहले सात महीनों में क़रीब 2.045 अरब Hugging Face डाउनलोड किए, उस पर बने 1,51,448 व्युत्पन्न मॉडलों के साथ, Hugging Face के अपने State of Open Models डेटा में, और MIT Technology Review के अनुसार यह दुनिया का सबसे ज़्यादा डाउनलोड होने वाला ओपन मॉडल परिवार है। उनमें से हर व्युत्पन्न एक डेवलपर है जिसने किसी चीनी आधार मॉडल को फाइन-ट्यून किया, फोर्क किया या उस पर निर्माण किया। Qwen बनाने वाली टीम मेरे अपार्टमेंट से क़रीब बीस मिनट की दूरी पर काम करती है, जो आँकड़ों के बारे में कुछ नहीं बदलती, और यहाँ से यह सब कितना सामान्य लगता है, उसके बारे में सब कुछ बदल देती है।

मैं अपने ही हार्डवेयर पर ओपन मॉडल चलाता हूँ, और यह बदलाव मेरे अपने स्टैक में दिखता है। कुछ साल पहले मज़बूत ओपन विकल्प ज़्यादातर पश्चिमी थे। अब, जब मुझे ऐसा सक्षम मॉडल चाहिए होता है जिसे होस्ट करना सस्ता हो और जिसका लाइसेंस उदार हो, तो मैं जिन उम्मीदवारों की ओर पहले पहुँचता हूँ वे चीनी होते हैं। यह विचारधारा नहीं है। वे अच्छे हैं और सस्ते हैं, और यही पूरी वजह है कि डिफ्यूज़न के आँकड़े जैसे दिखते हैं वैसे दिखते हैं।

तैनाती की कहानी के नीचे कच्ची शोध-मात्रा बैठी है। उद्धृत डेटासेट में चीन ने वैश्विक AI प्रकाशनों का 23.2% पैदा किया, सबसे बड़ा एकल हिस्सा, और AI Index में 2024 के डेटा में 74.2% AI पेटेंट मंज़ूरी ली। जैसा उद्धरण-डेटा साफ़ करता है, मात्रा असर नहीं है। पर यह वह पाइपलाइन ज़रूर है जो अपने आगे की हर चीज़ को खुराक देती है।

इनमें से कुछ भी किसी फ्रंटियर ताज से ज़्यादा वज़न क्यों रखे? क्योंकि AI मूल्य की अर्थव्यवस्था प्रशिक्षण से तैनाती की ओर खिसक रही है, और तैनाती ठीक वही जगह है जहाँ चीन आगे है। एक फ्रंटियर लैब एक असाधारण मॉडल को प्रशिक्षित करने में विशाल रकम खर्च करती है, और वह मॉडल तभी कुछ कमाता है जब उसे असली वर्कलोड के विरुद्ध अरबों बार चलाया जाता है। जो तैनाती परत का मालिक होता है, वह आवर्ती अर्थव्यवस्था इकट्ठा करता है। प्रशिक्षण खर्च एक-बारगी होता है।

टोकन-उपयोग का क्रॉसओवर इस पूरी कहानी का सबसे कम आँका गया आँकड़ा है। जब चीनी मॉडलों ने फ़रवरी 2026 के अंत में OpenRouter की टोकन खपत का 61% पार किया, तो वह कोई दिखावटी पैमाना नहीं था। टोकन असली आर्थिक काम की इकाई हैं: वे असली इन्फरेंस, असली उत्पादों, असली राजस्व से मेल खाते हैं। एक डाउनलोड इरादा है। खपत किया गया एक टोकन सृजित मूल्य है। दोनों रेखाएँ पार करने का मतलब है कि चीन अब उस पैमाने पर आगे है जो बताता है कि AI का पैसा असल में कहाँ जा रहा है, सिर्फ़ यह नहीं कि डेवलपर कहाँ ब्राउज़ करते हैं।

ओपन-वेट बढ़त के नीचे एक फ्लाईव्हील है जिसे मालिकाना मॉडल आसानी से नकल नहीं कर सकता। उन 1,51,448 Qwen व्युत्पन्नों में से हर एक एक फाइन-ट्यून, एक क्वांटाइज़ेशन या एक डोमेन अनुकूलन है, और हर एक मॉडल के आसपास की ज़मीन को बेहतर करता है। ओपन वेट संचयी होते हैं: हर फोर्क अगली तैनाती की लागत घटाता है, हर ट्यूटोरियल प्रतिभा-पूल को चौड़ा करता है, मॉडल के लिए बना हर औज़ार उसे छोड़ना महँगा बनाता है। एक बंद API आपको क्षमता बेचती है, उसके इर्द-गिर्द का गुरुत्व कुछ भी नहीं।

फ्लाईव्हील घुमाने वाली चीज़ कीमत है। चीनी ओपन-वेट मॉडल महज़ उपलब्ध ही नहीं हैं, उन्हें चलाना सस्ता है, और प्रति उपयोगी टोकन लागत वही चर है जो तय करता है कि AI किसी उत्पाद में समा जाएगा या पायलट के बाद चुपचाप ताक पर चला जाएगा। DeepSeek V4.1-Flash की आधिकारिक API कीमत ऑफ-पीक पर प्रति दस लाख इनपुट टोकन $0.15 और प्रति दस लाख आउटपुट टोकन $0.60 है, पीक पर दोगुनी होकर $0.30 और $1.20, और वेट मुफ़्त डाउनलोड के लिए हैं। जब किसी सक्षम मॉडल की सीमांत लागत ढह जाती है, तो अपनाव बजट का फ़ैसला नहीं रह जाता, वह कम-प्रतिरोध का रास्ता बन जाता है।

स्रोत: Stanford HAI और DigiChina इश्यू ब्रीफ (गत-वर्ष डाउनलोड का 17.1% बनाम 15.8%, नवंबर 2025 में रिपोर्ट) और Hugging Face की State of Open Source रिपोर्ट (चीन गत-वर्ष डाउनलोड का क़रीब 41%, वसंत 2026)। वक्र रिपोर्ट किए गए अंतिम बिंदुओं के सांकेतिक हैं।

अगर आप अग्रणी विकल्पों के बीच चुन रहे हैं, तो मैं उनकी सीधी तुलना Qwen बनाम DeepSeek बनाम Llama में करता हूँ।

चीनी ओपन-वेट मॉडल वैश्विक Hugging Face डाउनलोड के हिस्से में अमेरिकी मॉडलों से आगे निकल गए, नवंबर 2025 में रिपोर्ट किए गए Stanford और DigiChina ब्रीफ में गत-वर्ष डाउनलोड का 17.1% बनाम 15.8% के साथ, और वसंत 2026 तक क़रीब 41% तक पहुँचे। चीनी मॉडलों ने फ़रवरी 2026 के अंत में OpenRouter की टोकन खपत का 61% भी पार किया और तब से बहुमत बनाए रखा है। वास्तविक अपनाव में चीन पहले से ही आगे है।

जहाँ चीन आगे है: परमाणु

चीन की सबसे स्पष्ट बढ़त सॉफ़्टवेयर में है ही नहीं। वह भौतिक दुनिया में है, जहाँ AI मोटरों, कारखानों और बिजली-ग्रिडों से मिलता है। 2025 में दुनिया भर में बिके लगभग 90% ह्यूमनॉइड रोबोट चीनी थे। उस आँकड़े के पीछे की दो कंपनियाँ, Unitree और Deep Robotics, अपनी मशीनें मेरे रहने की जगह से कुछ ही दूरी पर बनाती हैं, और यहाँ वे चीज़ें किसी की कवरेज में आने से महीने पहले आंगन में टहलती हुई दिख जाती हैं।

औद्योगिक तस्वीर भी उतनी ही एकतरफ़ा है। चीन ने 2024 में 2,95,000 औद्योगिक रोबोट लगाए, अमेरिका के 34,200 के मुक़ाबले, AI Index डेटा में क़रीब 9× का अंतर। यह दौड़ का वह हिस्सा है जो चुपचाप संचयी होता है, क्योंकि लगाया गया हर रोबोट एक ऐसी संपत्ति है जो डेटा पैदा करती है और किसी प्रक्रिया को सुधारती है, जबकि कोई उसके बारे में नहीं लिखता।

फिर वह आधार है जो बाकी सबके नीचे है: बिजली। चीन अमेरिका से दोगुने से ज़्यादा बिजली पैदा करता है, और उसका मासिक सौर उत्पादन अप्रैल 2025 में रिकॉर्ड 96 TWh पर पहुँचा, जो पूरे अमेरिकी परमाणु बेड़े के मासिक क़रीब 65 TWh उत्पादन के बराबर है, EIA के आँकड़ों पर सालाना क़रीब 775 TWh। वह रिकॉर्ड तब से लगातार टूटता आया है। AI बुद्धिमत्ता में बदली हुई बिजली है। सस्ती, प्रचुर बिजली एक ढाँचागत बढ़त है जिसका जवाब कोई मॉडल रिलीज़ नहीं दे सकती।

परमाणु परत वही जगह है जहाँ चीन की बढ़त सबसे कम उलटने योग्य है। कंप्यूट और प्रतिभा हो तो आप किसी मॉडल अंतर को महीनों में पाट सकते हैं। आप 9× औद्योगिक-रोबोट इंस्टॉल अंतर या 2× बिजली अंतर को एक तिमाही में नहीं पाट सकते। सॉफ़्टवेयर की बढ़तें जल्दी क्षीण होती हैं; विनिर्माण और ऊर्जा की बढ़तें दशकों में संचयी होती हैं। यही वजह है कि मेरा मानना है कि चैटबॉट लीडरबोर्ड के बजाय भौतिक परत ही इस कहानी का वह हिस्सा है जिसे पश्चिमी रणनीतिकार सबसे लगातार कम आँकते हैं।

रोबोटिक्स किसी मॉडल बढ़त से ज़्यादा चिपकू क्यों है, इसे ठोस रूप से समझना सही है। एक ह्यूमनॉइड या औद्योगिक भुजा किसी आपूर्ति शृंखला का उत्पाद है: मोटर, एक्ट्युएटर, सेंसर, बैटरियाँ, रिड्यूसर, और वे कारखाने जो इन्हें लागत पर जोड़ने को तैयार हैं। चीन ने 90% ह्यूमनॉइड बिक्री किसी चतुर एल्गोरिदम से नहीं जीती। उसने वे घटक और वह असेंबली-आधार अपने पास रखकर जीती जो हार्डवेयर को सस्ता बनाते हैं। एक अमेरिकी लैब किसी चीनी मॉडल के बेंचमार्क की बराबरी एक तिमाही के भीतर कर सकती है। वह उसी अवधि में कोई घरेलू एक्ट्युएटर आपूर्ति शृंखला या दस लाख-इकाई वाली असेंबली लाइन नहीं रच सकती, क्योंकि उसमें वर्षों और दसियों अरब लगते हैं।

[IMAGE: एक आधुनिक, तेज़ रोशनी वाली कारखाना-लाइन पर औद्योगिक रोबोटिक भुजाओं के साथ काम करता एक ह्यूमनॉइड रोबोट। फ़ोटोरियलिस्टिक, संपादकीय स्वर, पैमाने और स्वचालन को व्यक्त करता हुआ।]

कारखाने के फ़र्श पर भी संचयन उसी तरह चलता है। एक ही साल में लगाए गए वे 2,95,000 औद्योगिक रोबोट उत्पादन जितने ही एक प्रतिक्रिया-चक्र भी हैं। हर एक परिचालन डेटा छोड़ता है, किसी प्रक्रिया को निखारता है, और अगले को लगाने की लागत घटाता है। 9× वार्षिक इंस्टॉल दर 9× पर नहीं रहती। वह चौड़ी होती है, क्योंकि जो पक्ष तेज़ी से तैनात करता है, वह आगे क्या तैनात करना है, यह भी तेज़ी से सीखता है, और अमेरिका उस रफ़्तार की बराबरी नहीं कर रहा, इसलिए इकाई-अंतर के साथ-साथ अनुभव-अंतर भी जमा होता है।

इन सबके नीचे बैठा है लंबा खेल: ऊर्जा। अपनी भौतिकी तक घटाकर देखें तो AI बुद्धिमत्ता में बदली हुई बिजली है, और जिस पक्ष के पास सस्ती, ज़्यादा प्रचुर बिजली है, वह बस उसका ज़्यादा इस्तेमाल कर सकता है। यहाँ चीन की बढ़त क्षमता का कोई एक अच्छा साल नहीं है। यह इस बात में ढाँचागत विचलन है कि नई बिजली कितनी तेज़ी से चालू होती है। जब अकेला मासिक सौर उत्पादन किसी पूरे राष्ट्रीय परमाणु बेड़े की बराबरी करता है, तो इन्फरेंस, प्रशिक्षण और रोबोटिक्स, तीनों की लागत-सीमा एक साथ गिरती है।

स्रोत: Ember (चीनी सौर, अप्रैल 2025 रिकॉर्ड, तब से पार हो चुका) और EIA (अमेरिकी परमाणु)। चीन का अप्रैल 2025 का मासिक सौर उत्पादन रिकॉर्ड 96 TWh रहा, जो अमेरिकी परमाणु बेड़े के ~65 TWh/माह (~775 TWh/वर्ष) के बराबर है; कुल चीनी उत्पादन अमेरिकी आँकड़े से दोगुने से ज़्यादा है।

तीनों को साथ रखिए और आपके सामने स्नैपशॉट नहीं, एक ढलान है। रोबोट चीन को विनिर्माण-डेटा की बढ़त देते हैं। विनिर्माण उसे अगले रोबोट पर लागत-बढ़त देता है। ऊर्जा उसे दोनों को चलाने पर लागत-बढ़त देती है। हर परत दूसरों को सब्सिडी देती है, यही वजह है कि मैं भौतिक अर्थव्यवस्था को स्थिर बढ़त के बजाय संचयी बढ़त मानता हूँ। अमेरिका अगला मॉडल जीत सकता है। कारखाने और ग्रिड को वापस जीतना दशक-स्तर की परियोजना है।

मैं इसकी कार्यप्रणाली पर चीन ह्यूमनॉइड रोबोटिक्स में क्यों आगे है में और ग्रिड की कहानी पर चीन की AI ऊर्जा बढ़त में गहराई से जाता हूँ।

2025 में दुनिया भर में बिके क़रीब 90% ह्यूमनॉइड रोबोट चीनी थे (Rest of World ने Omdia और IDC डेटा कवर किया), और चीन ने 2024 में 2,95,000 औद्योगिक रोबोट लगाए, अमेरिका के 34,200 के मुक़ाबले, AI Index में क़रीब 9× ज़्यादा। अमेरिकी आँकड़े से दोगुने से ज़्यादा बिजली उत्पादन के साथ जोड़ने पर, चीन की भौतिक-AI बढ़त उलटने में सबसे कठिन परत है।

प्रतिभा की तस्वीर दोनों पक्षों के माने से ज़्यादा पेचीदा है

प्रतिभा वह पैमाना है जिसमें दोनों पक्ष अपने मतलब के अंश चुनते हैं, और सच हर किसी को खटकता है। चीन दुनिया के शीर्ष AI शोधकर्ताओं का 38% शिक्षित करता है, NeurIPS 2024 के लेखकों से मापा गया, 2017 के 27% से बढ़कर, MacroPolo के Global AI Talent Tracker पर। श्रेष्ठ शोधकर्ताओं की आपूर्ति में चीन की पाइपलाइन अब कहीं भी सबसे मज़बूत है।

वे लोग काम कहाँ करते हैं, यह एक अलग कहानी बताता है। चीन-शिक्षित श्रेष्ठ शोधकर्ताओं में से क़रीब 72% आगे चलकर अमेरिका में काम करते हैं, उसी ट्रैकर में। चीन प्रतिभा को प्रशिक्षित करता है और अमेरिका उसके एक बड़े हिस्से को रोज़गार देता है। "चीन प्रतिभा में आगे दौड़ रहा है" वाला खेमा और "अमेरिका अब भी सर्वश्रेष्ठ दिमागों को आकर्षित करता है" वाला खेमा एक ही डेटासेट को एक-दूसरे पर उद्धृत कर रहे हैं।

यह एकमात्र ऐसा पैमाना है जहाँ रुझान-रेखाएँ सचमुच पलट सकती हैं। शीर्ष-श्रेणी के शोधकर्ताओं पर अमेरिका की बढ़त इस बात पर निर्भर है कि वह उन लोगों को आकर्षित करता रहे जिन्हें चीन शिक्षित करता है। अगर वीज़ा नीति, भू-राजनीति या घरेलू अवसर उस 72% को थोड़ा भी खिसकाते हैं, तो प्रतिभा का नक्शा फिर से खिंच जाता है। यह पूरे स्कोरबोर्ड का सबसे कम स्थिर आँकड़ा है, और ठीक यही वजह है कि मैं इसे अगली बेंचमार्क रिलीज़ से ज़्यादा नज़दीकी से देखूँगा।

और अग्रणी संकेतक पहले से हिल रहे हैं। AI Index 2026 के अनुसार अमेरिका की ओर जाने वाले AI शोधकर्ताओं का प्रवाह तेज़ी से घटा है, अपने डेटा के अंतिम वर्ष में 80% तक। शीर्ष शोधकर्ताओं में चीन का हिस्सा 2017 के 27% से बढ़कर 2024 तक 38% हो गया। यह कोई पठार नहीं है। यह कच्ची पाइपलाइन में एक स्थिर चढ़ाई है, जबकि गंतव्य का खिंचाव कमज़ोर हो रहा है। अमेरिका की बढ़त कभी सबसे ज़्यादा श्रेष्ठ शोधकर्ता पैदा करने की थी ही नहीं; वह उन्हें आयात करने की थी। आकर्षण पर बनी बढ़त उत्पादन पर बनी बढ़त से ढाँचागत रूप से ज़्यादा नाज़ुक होती है, क्योंकि वह इस बात पर निर्भर करती है कि दूसरे लोग घर छोड़ना चुनें, और आपका देश उनके उतरने की स्पष्ट जगह बना रहे।

फिर वे खिंचाव-कारक हैं जो अमेरिकी पक्ष पर कमज़ोर पड़ रहे हैं और चीनी पक्ष पर मज़बूत हो रहे हैं। आज कहाँ काम करे, यह तय करते एक स्नातक का सामना एक ज़्यादा अनिश्चित वीज़ा व्यवस्था, एक ज़्यादा राजनीतिकृत शोध-माहौल, और बढ़ते हुए, अपने वतन में अच्छी फंडिंग वाली लैब और असली कंप्यूट से होता है। मैं उनमें से कुछ से यहाँ मिलता हूँ। इनमें से किसी ने अभी तक उस 72% को नहीं हिलाया है, पर जिन परिस्थितियों ने वह आँकड़ा पैदा किया, वे एक दशक पहले तय हुई थीं, और लोग उस पल की परिस्थितियों पर प्रतिक्रिया देते हैं जिसमें वे फ़ैसला करते हैं। पिछड़ता संकेतक स्वस्थ दिखता है। अग्रणी संकेतक ही वे हैं जिन पर मैं नज़र रखूँगा।

वह बारीकी जो दोनों खेमे चूक जाते हैं, यह है कि "अमेरिका चीन-प्रशिक्षित श्रेष्ठ जनों का 72% रोज़गार देता है" और "अमेरिका की प्रतिभा-बढ़त घिस रही है", ये विरोधाभासी नहीं हैं। ये क्रमिक हैं। पहला वर्तमान स्थिति है; दूसरा प्रक्षेप-पथ। इतनी ऊँची प्रतिधारण दर के पास, अगर परिस्थितियाँ बदलें, तो नीचे जाने के सिवा कोई रास्ता नहीं, और जिस आपूर्ति से वह खींचती है, वह बढ़ते हुए चीनी है। तो ईमानदार पढ़त यह नहीं है कि अमेरिका प्रतिभा की दौड़ हार चुका है। यह है कि अमेरिका एक मज़बूत बढ़त रखता है जो एक ऐसी बुनियाद पर खड़ी है जिस पर उसका पूरा नियंत्रण नहीं, और वह बुनियाद खिसक रही है।

प्रतिभा की कहानी व्यापक थीसिस का लघु रूप है। चीन मात्रा और आपूर्ति में जीत रहा है। अमेरिका एकाग्रता में और इसमें जीत रहा है कि सबसे ज़्यादा असर वाला काम कहाँ टिकता है, फ़िलहाल के लिए। एक ही डेटा, दो सच्ची कहानियाँ, एक देखने लायक रुझान-रेखा।

क्या पश्चिमी कारोबारों के लिए चीन AI की दौड़ जीत रहा है?

ज़्यादातर पश्चिमी कारोबारों के लिए भू-राजनीति एक पार्श्व-कार्यक्रम है। जो चीज़ आपके फ़ैसले बदलती है, वह यह है कि कई चीनी मॉडल परिवार अब डाउनलोड होने योग्य वेट, दस लाख टोकन की कॉन्टेक्स्ट विंडो और गंभीर कोडिंग या एजेंटिक क्षमता को जोड़ते हैं। DeepSeek V4, GLM-5.3-Flash और MiniMax M3 सब ओपन वेट के साथ आते हैं, Kimi K3 के वेट उसकी जुलाई लॉन्च के कुछ हफ़्ते बाद आए, और Qwen3.8 के वेट 8 अगस्त को एक कस्टम लाइसेंस के साथ आए, जिससे होस्टेड Max वेरिएंट किराया-केवल श्रेणी रह गया। रिलीज़ की यह लय बनाओ-बनाम-खरीदो का गणित उस तरह बदलती है जैसा कोई चिप-निर्यात सुर्खी नहीं बदलेगी।

किसी उत्पाद-फ़ैसले के लिए "संकीर्ण पर असली" का असल मतलब क्या है, ज़रा सोचिए। कारोबारी कामों की एक विशाल शृंखला के लिए, सारांशन, निष्कर्षण, वर्गीकरण, मसौदा तैयार करना, रूटिंग, आपको दुनिया के एकमात्र सबसे अच्छे मॉडल की ज़रूरत नहीं है। आपको एक ऐसा चाहिए जो भरोसेमंद हो, चलाने में सस्ता हो, और जिस पर आपका असली नियंत्रण हो। ओपन-वेट चीनी मॉडल उस निशाने को भेदते हैं, और आप API किराये पर लेने के बजाय उन्हें खुद होस्ट कर सकते हैं।

मेरे अपने काम में उन वर्कलोड के एक वर्ग पर हिसाब पलट गया है जिन्हें मैं पहले बिना सोचे किसी फ्रंटियर API को भेज देता। अगर कोई काम 3% क्षमता-अंतर सहन कर लेता है और मेरे अपने बुनियादी ढाँचे पर चलने से फ़ायदा उठाता है, तो एक ओपन चीनी मॉडल आमतौर पर तर्कसंगत चुनाव होता है। फ्रंटियर तब भी मायने रखता है जब आपको सचमुच उपलब्ध सर्वश्रेष्ठ तर्कणा चाहिए। ऐसा निकलता है कि वेंडर मार्केटिंग जितना सुझाती है, उससे कम बार आपको सर्वश्रेष्ठ की ज़रूरत होती है।

उपयोगी कदम है फ़ैसले को तीन परतों के इर्द-गिर्द फिर से ढालना। फ्रंटियर तब मायने रखता है जब आपको सचमुच उपलब्ध एकमात्र सर्वश्रेष्ठ तर्कणा चाहिए, और उन वर्कलोड के लिए एक शीर्ष अमेरिकी मॉडल अब भी अपना प्रीमियम कमाता है। डिफ्यूज़न वही जगह है जहाँ आपके असली रोडमैप का ज़्यादातर हिस्सा रहता है, और यही वह परत है जहाँ सस्ते, खुले, खुद-होस्ट किए जा सकने वाले चीनी मॉडल चुपचाप तर्कसंगत डिफ़ॉल्ट बन गए हैं। परमाणु तब मायने रखते हैं जब आपका कारोबार हार्डवेयर, रोबोटिक्स या विनिर्माण को छूता है, जहाँ जिस आपूर्ति शृंखला पर आप निर्भर हैं, वह बढ़ते हुए चीनी है, चाहे आप कभी कोई चीनी मॉडल चलाएँ या नहीं। यह जानना कि कोई दिया गया फ़ैसला किस परत पर बैठता है, आपको बताता है कि किस पक्ष की बढ़त असल में आप पर असर डालती है।

जो रणनीतिक भूल मैं सबसे ज़्यादा देखता हूँ, वह है "क्या चीन जीत रहा है?" को एक सवाल मानना जबकि वह तीन हैं, और फिर तीनों का जवाब फ्रंटियर-चिंता से देना। फ्रंटियर दौड़ हारने से डरी एक कंपनी उस क्षमता के लिए ज़्यादा भुगतान करेगी जिसकी उसे ज़रूरत नहीं, जबकि यह अनदेखा करेगी कि उसका असली जोखिम डिफ्यूज़न परत पर बैठता है, जहाँ सबसे सस्ता काफ़ी-अच्छा विकल्प अब एक ओपन चीनी मॉडल है, और परमाणु परत पर, जहाँ उसकी हार्डवेयर आपूर्ति शृंखला पहले से ही चीन से होकर गुज़रती है। सवाल को परत से मिलाइए और चिंता एक ऐसे खरीद-फ़ैसले में बदल जाती है जो आप असल में ले सकते हैं।

असली चेतावनियाँ हैं, और मैं उन्हें हाथ हिलाकर नहीं टालने वाला। उत्पत्ति-स्रोत, डेटा शासन, सेंसरशिप व्यवहार और लाइसेंसिंग, इन सबको उत्पादन में कुछ भी छूने से पहले जाँच की ज़रूरत है। यह एक जोखिम आकलन है, विकल्प को खारिज करने की वजह नहीं। सही कदम न तो सपाट हाँ है न सपाट ना। यह एक संरचित फ़ैसला है: यह कौन-सी परत है, यह काम क्या सहन करता है, और विशिष्ट मॉडल के बारे में सावधानी क्या कहती है। मैं सुरक्षा और डेटा के सवाल क्या DeepSeek उद्यम के लिए सुरक्षित है में रखता हूँ, वहीं जहाँ यह आधार-स्तंभ असल फ़ैसले को सौंप देता है।

Stanford के मार्च 2026 स्नैपशॉट ने अग्रणी अमेरिका-चीन मॉडल अंतर 2.7% रखा, पर वह ग्रीष्म रिलीज़-लहर से पहले का है। पश्चिमी कारोबारों के लिए मौजूदा फ़ैसला चेकपॉइंट-विशिष्ट है: DeepSeek V4, Kimi K3, GLM-5.3-Flash और MiniMax M3 डाउनलोड होने योग्य वेट देते हैं, Qwen3.8 के ओपन वेट 8 अगस्त को आए और Qwen3.8-Max होस्टेड श्रेणी बना रहा।

अक्सर पूछे जाने वाले सवाल

क्या चीन AI में अमेरिका से आगे है? यह परत पर निर्भर करता है। चीन शोध और पेटेंट मात्रा में आगे है, 2024 के डेटा में वैश्विक AI पेटेंट मंज़ूरी के 74.2% के साथ, और ओपन-मॉडल अपनाव में, AI Index में। Epoch की जनवरी समीक्षा ने उस बिंदु तक फ्रंटियर-मॉडल उत्पादन में अमेरिका को आगे रखा, जबकि ग्रीष्म रिलीज़-लहर ने एक सरल वर्तमान-कालिक फ़ैसले को कठिन बना दिया है। कोई भी सीधे तौर पर आगे नहीं है।

क्या चीन अमेरिका से आगे निकल जाएगा? कुछ पैमानों पर वह पहले ही निकल चुका है, जिनमें ओपन-मॉडल डाउनलोड और ह्यूमनॉइड-रोबोट उत्पादन शामिल हैं। फ्रंटियर पर, अमेरिका की बढ़त क़रीब सात महीने की है और खर्च का अंतर AI Index 2026 में बढ़कर 23:1 हो रहा है। ईमानदार जवाब: चीन शायद डिफ्यूज़न और परमाणुओं में आगे बना रहेगा, जबकि फ्रंटियर नेतृत्व सचमुच मुक़ाबले में बना रहेगा।

क्या चीनी AI मॉडल ChatGPT जितने अच्छे हैं? कुछ विशेष कोडिंग, तर्क, मल्टीमॉडल और एजेंटिक मूल्यांकनों में प्रतिस्पर्धी हैं, पर कोई ईमानदार सार्वभौमिक हाँ नहीं है। 2.7% का आँकड़ा मार्च 2026 का Chatbot Arena स्नैपशॉट था और मौजूदा रिलीज़ से पहले का है। Kimi K3, GLM-5.3 और MiniMax M3 के लिए प्रदाता-रिपोर्ट की गई तालिकाएँ अपने पूर्ववर्तियों पर काफ़ी सुधार दिखाती हैं, पर उन्हें अपने कामों पर दोहराए जाने वाले दावों की तरह लेना चाहिए, किसी तटस्थ विजय-तालिका की तरह नहीं।

क्या मुझे चीनी AI इस्तेमाल करने की चिंता करनी चाहिए? चिंता, नहीं। सावधानी, हाँ। जिन ओपन-वेट चीनी मॉडलों को आप खुद होस्ट करते हैं, वे होस्टेड API से अलग सवाल उठाते हैं: डेटा निवास, सेंसरशिप व्यवहार और लाइसेंसिंग, इन सबको उत्पादन से पहले जाँचना होगा। यह एक मानक जोखिम आकलन है। मैं विशिष्ट बातें क्या DeepSeek उद्यम के लिए सुरक्षित है में कवर करता हूँ।

निचोड़

चीन किसी एक स्कोरबोर्ड पर AI की दौड़ नहीं जीत रहा, क्योंकि कोई एक है ही नहीं। अमेरिका फ्रंटियर प्रणालियों, कंप्यूट और पूँजी में ग़ज़ब की बढ़तें रखता है, 2025 के डेटा में 23:1 के खर्च-अंतर के साथ। चीन कई डिफ्यूज़न और भौतिक-दुनिया के पैमानों में आगे है: ओपन-मॉडल अपनाव, शोध मात्रा, रोबोट और ऊर्जा। पंक्ति-दर-पंक्ति अंक दें तो तीन पैमाने अमेरिका को जाते हैं, पाँच चीन को, और प्रतिभा बँटी हुई है। ग्रीष्म रिलीज़-लहर इस सरल कहानी को, कि चीनी मॉडल एक पीढ़ी पीछे हैं, और कठिन बना देती है। पर वह आज कौन आगे है, इसका कोई भरोसेमंद एकल स्कोर भी नहीं देती।

एक पश्चिमी कारोबार के लिए इनमें से कुछ भी भू-राजनीतिक चिंता नहीं है। यह एक अवसर है। धरती के सबसे सस्ते काफ़ी-अच्छे मॉडल अब चीनी हैं, ओपन-वेट हैं, और आपके अपने हार्डवेयर पर चलाने के लिए आपके हैं। जिससे आपके समय लायक सवाल "कौन जीत रहा है" नहीं, बल्कि "मुझे किस पर निर्माण करना चाहिए, और मैं इसे सुरक्षित ढंग से कैसे करूँ?" बन जाता है।

क्या DeepSeek उद्यम के लिए सुरक्षित है से शुरू करें, फिर अपने वर्कलोड के लिए Qwen बनाम DeepSeek बनाम Llama में पूरे मैदान को तौलें।