कृत्रिम बुद्धिमत्ता
क्या Google का Gemini अब AI दौड़ में अग्रणी है?
Securities.io को Google पर अपने पसंदीदा स्रोतों में जोड़ें
AI प्रौद्योगिकी का विकास सही मायने में एक दौड़ के रूप में वर्णित किया गया है, जहाँ OpenAI और Anthropic जैसी निजी स्टार्टअप्स तकनीकी दिग्गजों जैसे Microsoft (MSFT ) और Google (GOOGL ) के साथ बराबर प्रतिस्पर्धा कर रही हैं। इस दौड़ को सैकड़ों अरब डॉलर के निवेश द्वारा शक्ति मिली है, न केवल सॉफ़्टवेयर विकास में, बल्कि बड़े और अधिक ऊर्जा‑खपत वाले AI डेटा सेंटर बनाने के लिए विशाल पूँजी खर्च में भी, ताकि नवीनतम मॉडलों को प्रशिक्षित किया जा सके।
इसी बीच, चीनी मॉडल भी तेज़ी से प्रगति कर रहे हैं, जिससे पश्चिमी कंपनियों के प्रयासों में तात्कालिकता और भू‑राजनीतिक प्रतिस्पर्धा का भाव जुड़ गया है।
हाल ही में, ऐसा लगता है कि Google का Gemini अपने प्रतिस्पर्धियों से आगे बढ़ रहा है, विशेष रूप से Gemini 3 Deep Think के रिलीज़ के साथ, जो केवल भाषाओं ही नहीं बल्कि भौतिक दुनिया की वास्तविक समझ पर केंद्रित मॉडल है। इसके अलावा, Google को Apple (AAPL ) द्वारा कंपनी के उपकरणों के AI को शक्ति देने के लिए चुना गया है और यह AI चिप निर्माण के व्यवसाय में भी प्रगति कर रहा है।
Gemini 3 Deep Think: क्या बदला?
Deep Think रिलीज़
Gemini 3 Deep Think के 12 फरवरीth, 2026 को रिलीज़ होने के साथ, Google ने उन AI से आगे बढ़ते हुए एक निर्णायक कदम उठाया जो मुख्यतः खोज और भाषा (LLMs) पर केंद्रित थे, और अब अधिक सामान्य AI बन गए हैं जो भौतिक दुनिया को समझ सकते हैं।
यह एक महत्वपूर्ण विकास है, क्योंकि “Physical AI” वह दिशा है जिसे उद्योग अपना रहा है, एक प्रवृत्ति जिसे हमने “Physical AI: 2026 के ह्यूमनॉइड रोबोट बूम में निवेश” में और विस्तार से खोजा।
अभी, नया Deep Think Google AI Ultra सब्सक्राइबर्स के लिए Gemini ऐप में उपलब्ध है और पहली बार Gemini API के माध्यम से चयनित शोधकर्ताओं, इंजीनियरों और उद्यमों के लिए उपलब्ध है, जिससे यह AI पहले से ही व्यावसायिक रूप से उपलब्ध है, केवल परीक्षण मॉडल नहीं।
गणित और विज्ञान पहले
Deep Think को पिछले Gemini संस्करणों से, और कुछ हद तक अन्य AI से भी अलग करने वाला पहलू गणितीय समझ पर केंद्रित होना है।
LLMs अक्सर सरल गणितीय कार्यों में खराब प्रदर्शन करते हैं, कभी‑कभी सरल जोड़ या क्रम में गिनती भी नहीं कर पाते। यह Deep Think के लिए सत्य नहीं है, जिसने विशेष एजेंटों को शोध‑स्तर की गणितीय खोज करने में सक्षम बनाया है। मॉडल गणित और विज्ञान परीक्षणों में अन्य मॉडलों को बहुत अधिक पीछे छोड़ रहा है। यह कोडिंग कार्यों में भी बहुत अच्छा प्रदर्शन कर रहा है।
स्रोत: Google
Gemini Pro Preview के साथ अंतर वैज्ञानिक विषयों पर परीक्षणों में और अधिक स्पष्ट है, जैसे अंतर्राष्ट्रीय गणित ओलंपियाड या अंतर्राष्ट्रीय रसायन ओलंपियाड, जहाँ इसने लगभग 82% अंक प्राप्त किए, जबकि पिछले Google LLM मॉडल के गणित परीक्षण में केवल 14% अंक थे।
स्रोत: Google
इन परिणामों को संभव बनाने में एक मूल रूप से अलग आर्किटेक्चर का योगदान है, जो “क्लासिक AI” से भिन्न है, जहाँ डेटा की कमी के कारण भ्रम उत्पन्न होते हैं, जो नई वैज्ञानिक खोजों के लिए हमेशा सत्य रहेगा।
उदाहरण के लिए, शुद्ध गणित के लिए, एक गणित शोध एजेंट (आंतरिक रूप से कोडनाम Aletheia), जो Gemini Deep Think द्वारा संचालित है, उम्मीदवार समाधान में त्रुटियों की पहचान करने के लिए एक प्राकृतिक भाषा सत्यापनकर्ता प्रदान करता है। यह समाधान उत्पन्न करने और संशोधित करने की पुनरावृत्त प्रक्रिया को सक्षम बनाता है। महत्वपूर्ण बात यह है कि यह एजेंट समस्या को हल न कर पाने को स्वीकार कर सकता है, जो शोधकर्ताओं की दक्षता को बढ़ाने वाली प्रमुख विशेषता है।
स्रोत: Google
यह दृष्टिकोण न केवल सही परिणाम देने में अधिक शक्तिशाली है, बल्कि अधिक कुशल भी है, क्योंकि Aletheia ने दिखाया कि कम इन्फ़रेंस‑टाइम कंप्यूट पर भी उच्च तर्क गुणवत्ता प्राप्त की जा सकती है।
यह दृष्टिकोण गणित से अन्य भौतिक विज्ञानों तक विस्तारित किया जा सकता है। उदाहरण के लिए, Gemini Deep Think ने “Gegenbauer बहुपदों का उपयोग करके एक नया समाधान” खोजा, जिससे कॉस्मिक स्ट्रिंग्स से गुरुत्वाकर्षण विकिरण की गणना की जा सकती है।
वास्तविक विज्ञान अनुप्रयोग
यह प्रदर्शन पहले ही शोधकर्ताओं द्वारा वास्तविक वैज्ञानिक उपयोगों में परिवर्तित हो रहा है।
उदाहरण के लिए, Rutgers University की गणितज्ञ लिसा कार्बोन ने Deep Think का उपयोग करके एक तार्किक त्रुटि खोजी जो मानव समीक्षकों द्वारा Einstein के गुरुत्वाकर्षण सिद्धांत और क्वांटम मैकेनिक्स पर अत्यधिक तकनीकी गणितीय पेपर में छूट गई थी।
Deep Think का उपयोग Duke University के Wang Lab ने भी 100 माइक्रोमीटर से बड़े अर्धचालक पतली फिल्में उगाने की विधि डिजाइन करने के लिए किया, जो पहले एक चुनौतीपूर्ण लक्ष्य था।
वितरण, हार्डवेयर और रणनीतिक गति
Deep Think की उपलब्धि Google की AI टीम के लिए अन्य अच्छी खबरों के ऊपर आती है।
सबसे महत्वपूर्ण बात यह थी कि Apple, जो अधिकांशतः AI दौड़ से बाहर रहा था, ने Gemini को अपने Apple उपकरणों पर डिफ़ॉल्ट AI के रूप में अपनाने का निर्णय लिया। इस संदर्भ में, यह समझ में आता है कि OpenAI ने दिसंबर 2025 में Google की प्रगति और अन्य AI कंपनियों के संबंध में “Code Red” घोषित किया।
“Gemini का उपयोगकर्ता आधार अगस्त में इमेज जेनरेटर Nano Banana के रिलीज़ के बाद से बढ़ रहा है, और Google ने कहा कि मासिक सक्रिय उपयोगकर्ता जुलाई में 450 मिलियन से अक्टूबर में 650 मिलियन तक बढ़ गए।
OpenAI को Anthropic से भी दबाव का सामना करना पड़ रहा है, जो व्यवसायिक ग्राहकों में लोकप्रिय हो रहा है।”
Google की हालिया जीतों में से एक उसके AI चिप्स की सफलता है। पहले, यह Anthropic था, जिसने घोषणा की कि वह Google के AI चिप्स, जिन्हें TPUs (Tensor Processing Units) कहा जाता है, का उपयोग शुरू करेगा, जिसमें अपने AI सॉफ़्टवेयर को शक्ति देने के लिए 1 मिलियन प्रोसेसर तक का उपयोग शामिल है। अब, प्रतिस्पर्धी AI कंपनी Meta भी Google के TPUs का उपयोग करने में शामिल हो रही है, जिससे यह सवाल उठता है कि Google Nvidia (NVDA ) के साथ-साथ OpenAI के बराबर प्रतिस्पर्धी बन रहा है या नहीं।
(आप TPUs और अन्य AI‑केन्द्रित हार्डवेयर जैसे XPUs, FPGAs आदि के बारे में अधिक पढ़ सकते हैं “AI हार्डवेयर में निवेश: CPUs से XPUs तक“)
Alphabet की AI रणनीति: पैमाने पर वर्टिकल इंटीग्रेशन
स्क्रॉल करने के लिए स्वाइप करें →
| कंपनी | मॉडल फोकस | हार्डवेयर रणनीति | वितरण नियंत्रण | वर्टिकल इंटीग्रेशन |
|---|---|---|---|---|
| Alphabet | Gemini 3 Deep Think (Math/Science) | इन‑हाउस TPUs | Android + Search + संभावित Apple रूटिंग | पूर्ण स्टैक (Chip → Cloud → Consumer) |
| Microsoft/OpenAI | GPT Models (General LLM) | Azure के माध्यम से Nvidia GPUs | Windows + एंटरप्राइज़ SaaS | आंशिक |
| Meta | Llama (Open-weight) | GPUs + कस्टम सिलिकॉन | सोशल प्लेटफ़ॉर्म | मध्यम |
| Anthropic | Claude (Enterprise Focus) | Google TPUs | API + एंटरप्राइज़ डील्स | निम्न |
TPUs पर फोकस Google की रणनीति का एक अच्छा संकेत है। Gemini जैसे ठोस LLM और Deep Think जैसी वास्तविक‑विश्व अनुप्रयोगों में श्रेष्ठ प्रदर्शन, निश्चित रूप से, बहुत महत्वपूर्ण हैं।
लेकिन AI के वितरण नियंत्रण और लागत संरचना + पूँजी पहुँच में ही Google की मजबूत स्थिति है।
Android के माध्यम से मोबाइल बाजार में Google की उपस्थिति पहले से ही मजबूत है, लेकिन Apple के साथ समझौते के कारण, यह लगभग सुनिश्चित करता है कि अधिकांश AI अनुरोध जो किसी विशिष्ट AI ऐप को नहीं भेजे जाते, सीधे या परोक्ष रूप से Gemini को जाएंगे।
दूसरा घटक TPUs पर बढ़ती निर्भरता है। कुछ रिपोर्टें कहती हैं कि TPUs Nvidia GPUs से लगभग 30% सस्ते हैं और तुलनीय कार्यभार में प्रति डॉलर 2–4 गुना बेहतर प्रदर्शन प्रदान करते हैं। समान कंप्यूट के लिए कम ऊर्जा खपत केवल वित्तीय मुद्दा नहीं है; यह ऊर्जा आपूर्ति की बढ़ती बाधाओं के बावजूद AI डेटा सेंटर को स्केल करने में भी मदद करता है।
अंत में, वर्टिकल इंटीग्रेशन का स्तर—TPUs से शुरू होकर, सीधे‑स्वामित्व वाले डेटा सेंटर, एंटरप्राइज़ क्लाउड प्लेटफ़ॉर्म, और फिर उपभोक्ता वितरण चैनल—उद्योग में बेजोड़ है, जहाँ केवल Microsoft एंटरप्राइज़ क्षेत्र में कुछ हद तक करीब आता है।
अंत में, AI इन्फ्रास्ट्रक्चर का निर्माण अत्यधिक महंगा रहा है। इन सैकड़ों अरब डॉलर के चिप्स और डेटा सेंटरों को अब भुगतान करना होगा और यह प्रत्येक वर्ष बैलेंस शीट पर विशाल अमॉर्टाइज़ेशन लागतें उत्पन्न करता है। खोज, YouTube, Android और अन्य उत्पादों से Alphabet के नकदी प्रवाह का पैमाना इसे प्रारंभिक लागतों और भविष्य के रख‑रखाव दोनों को संभालने में अधिक सक्षम बनाता है।
क्या Gemini वास्तव में आगे बढ़ रहा है?
AI दौड़ के लिए किसी “विजेता” को घोषित करना निश्चित रूप से जल्दबाज़ी है। उदाहरण के लिए, यदि वर्तमान में विलय हुए xAI/Space द्वारा कक्षा डेटा सेंटर एक मजबूत प्रतिस्पर्धात्मक लाभ साबित होते हैं, तो पूरी मौजूदा परिप्रेक्ष्य बदल सकती है।
लेकिन ऐसा लगता है कि कुछ प्रवृत्तियाँ उभर रही हैं जो Google के पक्ष में हैं।
पहला है विशेषीकृत AI हार्डवेयर की आवश्यकता, एक ऐसा क्षेत्र जहाँ कई तकनीकी दिग्गज पीछे रह जाते हैं, जिससे चिप निर्माताओं और Google को लाभ मिलता है।
दूसरा है सामान्य जनता के लिए वितरण नियंत्रण का महत्व, जो शायद यह नहीं जानते कि कौन सा AI उपयोग करना चाहिए या कर सकते हैं। इस संदर्भ में, पूरे Apple इकोसिस्टम तक सीधा पहुँच, iPhones पर Google को डिफ़ॉल्ट सर्च इंजन बनाने की पिछली रणनीति को प्रतिबिंबित करती है (जिससे देर 2025 में अमेरिकी एंटीट्रस्ट रूलिंग भी आई, क्योंकि यह “बहुत लाभकारी” माना गया)।
Deep Think की गणित और विज्ञान में दक्षता के साथ, Google AI के संदर्भ में 2026 की शुरुआत बहुत शानदार देख रहा है। क्या यह अग्रणी स्थिति OpenAI, Microsoft, Meta, Anthropic और कई चीनी मॉडलों—जिनमें Alibaba (BABA ) या ByteDance जैसे चीनी तकनीकी दिग्ज शामिल हैं—के प्रतिरोध के सामने लंबी अवधि तक बनी रहेगी, यह अभी देखना बाकी है।
