डीपसीक का $7.4बी फंडिंग रिकॉर्ड, ओपनएआई का ड्रीमिंग वी3 सिंथेसिस, और एआई-डिज़ाइन किया गया कस्टम सिलिकॉन
डीपसीक का $7.4बी फंडिंग रिकॉर्ड, ओपनएआई का ड्रीमिंग वी3 सिंथेसिस, और एआई-डिज़ाइन किया गया कस्टम सिलिकॉन
जून 2026 का तीसरा सप्ताह पूंजी, वैयक्तिकरण वास्तुकला और हार्डवेयर विनिर्माण में एआई क्षेत्र के गहन पुनर्गठन पर प्रकाश डालता है। डीपसीक के रिकॉर्ड तोड़ने वाले ¥50 बिलियन राउंड ने चीन के सबसे विश्वसनीय एआई चैलेंजर को मजबूत किया; OpenAI का ड्रीमिंग V3 यह बताता है कि लगातार AI मेमोरी कैसे काम करती है; और आर्किटेक्ट लैब्स का स्टील्थ निकास रोबोटिक्स और एज कंप्यूटिंग के लिए एआई-स्वचालित चिप डिजाइन के एक नए युग का संकेत देता है।
🇨🇳 डीपसीक का $7.4बी राउंड - भू-राजनीति, संरचना और प्रौद्योगिकी
संदर्भ में पूंजी दौर
डीपसीक की ¥50 बिलियन (~$7.4B) सीरीज A किसी गैर-अमेरिकी कंपनी द्वारा उठाया गया अब तक का सबसे बड़ा एकल AI फंडिंग राउंड है और विश्व स्तर पर तीसरा सबसे बड़ा AI फंडिंग राउंड है (केवल OpenAI के $40B मई 2025 राउंड और xAI के $12B राउंड के बाद):
एआई मेगा-राउंड तुलना (2025-2026):
| कंपनी | गोल | राशि | प्रमुख निवेशक | मूल्यांकन |
|---|---|---|---|---|
| ओपनएआई | सीरीज एफ | $40B | सॉफ्टबैंक | $300B |
| एक्सएआई | सीरीज सी | $12B | वैलोर इक्विटी पार्टनर्स, A16Z | $50बी |
| डीपसीक | श्रृंखला ए | $7.4B | Tencent, CATL, JD.com, NetEase, IDG | $50B |
| मानवशास्त्रीय | सीरीज ई | $4बी | गूगल, अमेज़न | $30B |
| मिस्ट्रल | सीरीज सी | $1.1B | सामान्य उत्प्रेरक, लाइटस्पीड | $6बी |
असामान्य स्वामित्व संरचना: डीपसीक की फंडिंग संरचना को जानबूझकर लिआंग वेनफेंग के पूर्ण परिचालन नियंत्रण को संरक्षित करने के लिए डिज़ाइन किया गया है:
- निजी निवेशकों (Tencent, CATL, JD.com, NetEase, IDG) ने लिआंग द्वारा प्रबंधित लिमिटेड पार्टनरशिप में निवेश किया - उन्हें आर्थिक रिटर्न मिलता है लेकिन कोई वोटिंग अधिकार या बोर्ड सीटें नहीं
- नेशनल आर्टिफिशियल इंटेलिजेंस इंडस्ट्री इन्वेस्टमेंट फंड (चीनी राज्य का संप्रभु एआई फंड) एकमात्र निवेशक था जिसे वोटिंग अधिकार के साथ प्रत्यक्ष इक्विटी दी गई थी - और लॉक-अप अवधि के बिना (जिसका अर्थ है कि राज्य किसी भी समय परिसमापन कर सकता है)
- यह संरचना चीनी तकनीकी इतिहास में अभूतपूर्व है और परिचालन जिम्मेदारी लिए बिना प्रभाव बनाए रखने में राज्य की रणनीतिक रुचि को दर्शाती है
निजी निवेशकों ने वोट न देने की शर्तें क्यों स्वीकार कीं: डीपसीक के वी3 और आर2 मॉडल ने प्रशिक्षण गणना लागत के 8% पर जीपीटी-4ओ और जेमिनी 1.5 प्रो के साथ प्रतिस्पर्धी प्रदर्शन मेट्रिक्स हासिल किए - एक ऐसा दावा जिसने जनवरी 2026 में स्टैनफोर्ड शोधकर्ताओं द्वारा स्वतंत्र रूप से सत्यापित किए जाने पर सिलिकॉन वैली को हिला दिया। निवेशक डीपसीक की दक्षता वास्तुकला पर दांव लगा रहे हैं, न कि शासन अधिकारों पर।
डीपसीक की तकनीकी बढ़त - विशेषज्ञों का मिश्रण वास्तुकला
जो चीज़ डीपसीक के मॉडलों को लागत-कुशल बनाती है, वह बड़े पैमाने पर विशेषज्ञों के मिश्रण (एमओई) का अग्रणी उपयोग है:
सघन मॉडल बनाम एमओई तुलना:
| वास्तुकला | पैरामीटर्स (कुल) | पैरामीटर्स (प्रति टोकन सक्रिय) | प्रशिक्षण लागत |
|---|---|---|---|
| डेंस एलएलएम (उदाहरण के लिए, जीपीटी-4 क्लास) | ~1.8टी | 1.8टी (सभी सक्रिय) | ~$100M+ |
| डीपसीक V3 (MoE) | कुल 671बी | 37बी सक्रिय (कुल का 5.5%) | ~$5.5M |
प्रत्येक टोकन को 671बी मापदंडों में से केवल 37बी द्वारा संसाधित किया जाता है - एमओई राउटर प्रत्येक विशिष्ट इनपुट के लिए सबसे प्रासंगिक "विशेषज्ञों" का चयन करता है। यह तुलनीय गुणवत्ता बनाए रखते हुए प्रति टोकन गणना को पूरी तरह से सघन समकक्ष मॉडल की तुलना में ~94% कम कर देता है क्योंकि विशेषज्ञता विरलता की भरपाई करती है।
डीपसीक के हार्डवेयर-अनुकूलित कर्नेल: MoE से परे, DeepSeek ने कस्टम CUDA कर्नेल लिखा जो Nvidia H800 GPU (चीन के लिए उपलब्ध निर्यात-नियंत्रित संस्करण - H100s से कम सक्षम) की दक्षता को अधिकतम करता है। उनका फ्लैशअटेंशन-3 कार्यान्वयन सैद्धांतिक एच800 एमएफयू (मॉडल फ्लॉप उपयोग) के 95% पर चलता है, जबकि उद्योग का औसत 60-70% है - जो बिना किसी अतिरिक्त चिप्स के 35% प्रभावी हार्डवेयर दक्षता लाभ के बराबर है।
Enjoyed this post?
Get our weekly digest delivered free.
🧠 ओपनएआई ड्रीमिंग वी3 - मेमोरी आर्किटेक्चर
V3 से पहले ChatGPT मेमोरी कैसे काम करती थी
ChatGPT की पिछली मेमोरी प्रणाली में महत्वपूर्ण सीमाएँ थीं:
प्री-V3 मेमोरी तंत्र:
- मैन्युअल मेमोरी: उपयोगकर्ता चैटजीपीटी को स्पष्ट रूप से बता सकते हैं "याद रखें कि मैं एक सॉफ्टवेयर इंजीनियर हूं" - एक टेक्स्ट स्निपेट के रूप में संग्रहीत
- प्रतिक्रियाशील फ़्लैगिंग: मॉडल यह पता लगा सकता है कि उपयोगकर्ता ने किसी प्राथमिकता का उल्लेख किया है और पूछा है "क्या मुझे वह याद रखना चाहिए?" - लेकिन इसमें अधिकांश अंतर्निहित जानकारी छूट गई
- कोई मेल-मिलाप नहीं: यदि किसी उपयोगकर्ता की नौकरी बदल जाती है, तो पुरानी और नई नौकरी दोनों को अलग-अलग यादों के रूप में संग्रहीत किया जाएगा, जिससे विरोधाभास पैदा होगा
- संदर्भ विंडो ब्लोट: सभी यादें प्रत्येक वार्तालाप की संदर्भ विंडो से जुड़ी हुई थीं - कीमती टोकन का उपभोग करना चाहे प्रासंगिक हो या नहीं
ड्रीमिंग V3 कैसे काम करता है
अतुल्यकालिक पृष्ठभूमि संश्लेषण इंजन:
ड्रीमिंग V3 मुख्य वार्तालाप से एक अलग प्रक्रिया के रूप में चलता है - यह लगातार उपयोगकर्ता के संपूर्ण वार्तालाप इतिहास को दोबारा पढ़ता है और एक गतिशील "मेमोरी स्थिति" दस्तावेज़ को बनाए रखता है:
| कार्य | तकनीकी कार्यान्वयन |
|---|---|
| सतत विश्लेषण | पृष्ठभूमि प्रक्रिया 90 दिनों की स्लाइडिंग विंडो में सभी वार्तालापों को दोबारा पढ़ती है |
| इकाई निष्कर्षण | नामित संस्थाओं की पहचान करता है: नाम, स्थान, संगठन, उत्पाद जिनका उपयोगकर्ता उल्लेख करता है |
| अस्थायी सुलह | यदि उपयोगकर्ता ने कहा "मैं Google में काम करता हूं" (2024) और "मैं माइक्रोसॉफ्ट में शामिल हुआ" (2026), तो V3 Google प्रविष्टि को संग्रहीत करता है और वर्तमान स्थिति को अपडेट करता है |
| वरीयता अनुमान | अंतर्निहित प्राथमिकताओं का अनुमान लगाता है (उदाहरण के लिए, यदि उपयोगकर्ता लगातार पायथन समाधान मांगता है, तो बिना बताए पायथन प्राथमिकता का अनुमान लगाता है) |
| प्रासंगिकता स्कोरिंग | प्रत्येक स्मृति को प्रासंगिकता क्षय स्कोर के साथ टैग करें - एक पूर्ण परियोजना के बारे में यादें 6 महीने में क्षय हो जाती हैं जब तक कि पुनः संदर्भित नहीं किया जाता |
| विरोधाभास समाधान | एक दूसरे पर जोर देने के बजाय कम आत्मविश्वास वाले समेकन के लिए विरोधाभासी यादों को चिह्नित करें |
ओपनएआई के आंतरिक बेंचमार्क परिणाम:
- दीर्घकालिक तथ्यात्मक स्मरण (बहु-वर्षीय उपयोगकर्ता): +47% सुधार बनाम पूर्व-वी3
- प्राथमिकता पालन (शैली, प्रारूप, डोमेन): +31% सुधार
- स्मृति सामग्री द्वारा संदर्भ विंडो का उपयोग: −62% (यादें संपीड़ित और गतिशील रूप से चयनित हैं, सभी पूर्वनिर्मित नहीं)
गोपनीयता वास्तुकला: ड्रीमिंग V3 OpenAI के प्राइवेट क्लाउड कंप्यूट (PCC) इंफ्रास्ट्रक्चर पर चलता है - वही गोपनीयता आर्किटेक्चर जो Apple सिरी AI के लिए उपयोग करता है। मेमोरी संश्लेषण एन्क्रिप्टेड एन्क्लेव में होता है जहां ओपनएआई इंजीनियर भी व्यक्तिगत उपयोगकर्ता मेमोरी स्थिति तक नहीं पहुंच सकते हैं। उपयोगकर्ता ChatGPT सेटिंग्स → मेमोरी के माध्यम से किसी भी समय अपनी संपूर्ण मेमोरी प्रोफ़ाइल देख, संपादित या हटा सकते हैं।
🔌 आर्किटेक्ट लैब्स - एआई-स्वचालित कस्टम चिप डिजाइन
कस्टम सिलिकॉन बॉटलनेक
एआई हार्डवेयर बाजार में एक ही बाधा हावी है: एआई त्वरक आपूर्ति पर एनवीडिया का जीपीयू एकाधिकार। जिन कंपनियों को गैर-मानक गणना की आवश्यकता होती है - रोबोटिक्स, एज इंट्रेंस, सैटेलाइट-आधारित एआई, ऑटोमोटिव एआई - को तीन अस्वीकार्य विकल्पों का सामना करना पड़ता है:
- एनवीडिया जीपीयू का उपयोग करें (किनारे पर तैनाती के लिए बहुत अधिक बिजली की खपत करने वाला और महंगा)
- क्वालकॉम/मीडियाटेक SoCs का उपयोग करें (फ्रंटियर मॉडल अनुमान के लिए अपर्याप्त गणना)
- कस्टम ASIC डिज़ाइन करें (परंपरागत रूप से: $100M+ और 2-3 वर्ष)
आर्किटेक्ट लैब्स का समाधान:
कंपनी (स्टील्थ से उभरी, जून 2026, किंड्रेड वेंचर्स + आंद्रेसेन होरोविट्ज़ से $24M बीज) ASIC डिज़ाइन को स्वचालित करने के लिए जेनरेटिव AI डिज़ाइन सिस्टम का उपयोग करती है:
पारंपरिक बनाम आर्किटेक्ट लैब्स ASIC डिज़ाइन प्रक्रिया:
| स्टेज | पारंपरिक विधि | समय | आर्किटेक्ट लैब्स एआई विधि | समय |
|---|---|---|---|---|
| वास्तुकला विशिष्टता | मानव इंजीनियर आरटीएल विशिष्टता लिखते हैं | 3-6 महीने | एआई व्यवहार विवरण से आरटीएल उत्पन्न करता है | 2-4 सप्ताह |
| तर्क संश्लेषण | ईडीए उपकरण (सारांश/ताल) + मानव पुनरावृत्ति | 2-4 महीने | स्वचालित समय समापन के साथ एआई-निर्देशित संश्लेषण | 1-2 सप्ताह |
| भौतिक डिज़ाइन (स्थान एवं मार्ग) | मानव इंजीनियर + ईडीए उपकरण | 3-6 महीने | एआई-अनुकूलित स्थान और मार्ग | 2-3 सप्ताह |
| सत्यापन एवं साइनऑफ़ | मानव सत्यापन इंजीनियर | 3-6 महीने | एआई परीक्षण पीढ़ी + औपचारिक सत्यापन | 2-4 सप्ताह |
| कुल | — | 11-22 महीने | — | 7-13 सप्ताह |
| लागत | $50M-$200M | — | $2M–$10M | — |
लक्षित ग्राहक:
- ह्यूमनॉइड रोबोटिक्स कंपनियां (वास्तविक समय सेंसर फ़्यूज़न के लिए अल्ट्रा-लो-पावर अनुमान चिप्स की आवश्यकता है)
- सैटेलाइट एआई ऑपरेटर्स (विकिरण-सहिष्णु ASIC की आवश्यकता है जो कोई मानक GPU प्रदान नहीं कर सकता)
- एज एआई अनुमान (कारखानों, अस्पतालों, स्वायत्त वाहनों - विशिष्ट मॉडल आर्किटेक्चर के लिए उद्देश्य-निर्मित चिप्स की आवश्यकता है)
प्रतिस्पर्धी बढ़त (Moat): आर्किटेक्ट लैब्स का प्रशिक्षण डेटासेट Moat (प्रतिस्पर्धी बढ़त) है - उनके पास एक प्रमुख फाउंड्री (टीएसएमसी की डिज़ाइन सेवा शाखा माना जाता है) से 8,000+ ऐतिहासिक ASIC टेपआउट डिज़ाइन तक लाइसेंस प्राप्त पहुंच है - एक डेटासेट जो मालिकाना AI चिप डिज़ाइन टूल (जैसे Synopsys.ai, कैडेंस सेरेब्रस) के पास नहीं है। इससे उनके मॉडल को डिज़ाइन पैटर्न पहचान में 10 साल की बढ़त मिलती है।
📌 अंतिम पंक्ति
- डीपसीक-74बी-फंडिंग-2026: ¥50बी ($7.4बी) = अब तक का सबसे बड़ा गैर-यूएस एआई दौर; एलपी संरचना (Tencent/CATL/JD/NetEase/IDG = आर्थिक रिटर्न, कोई वोट नहीं) + NAIIF प्रत्यक्ष इक्विटी + वोटिंग अधिकार (कोई लॉक-अप नहीं = राज्य कभी भी परिसमापन कर सकता है); डीपसीक वी3 एमओई: 671बी कुल / 37बी सक्रिय पैरामीटर (5.5% सक्रिय) $5.5एम प्रशिक्षण लागत बनाम जीपीटी-4 क्लास $100एम+; कस्टम H800 CUDA कर्नेल: 95% MFU (बनाम 60-70% उद्योग) = निर्यात-नियंत्रित चिप्स पर +35% प्रभावी हार्डवेयर दक्षता।
- ओपनई-ड्रीमिंग-वी3-मेमोरी: प्री-वी3 विफलताएं: मैनुअल स्निपेट, कोई समाधान नहीं, संदर्भ ब्लोट; ड्रीमिंग V3: एसिंक पृष्ठभूमि प्रक्रिया → 90-दिवसीय स्लाइडिंग विंडो, इकाई निष्कर्षण, अस्थायी समाधान (Google→Microsoft जॉब अपडेट), प्रासंगिकता क्षय स्कोरिंग, विरोधाभास फ़्लैगिंग; परिणाम: +47% दीर्घकालिक तथ्यात्मक स्मरण, +31% वरीयता पालन, -62% संदर्भ विंडो मेमोरी उपयोग; पीसीसी एन्क्रिप्टेड एन्क्लेव (इंजीनियर-पहुंच योग्य) पर चलता है; उपयोगकर्ता मेमोरी पूरी तरह से देखने योग्य/संपादन योग्य/हटाने योग्य।
- वास्तुकार-प्रयोगशाला-एएसआईसी-डिज़ाइन: किंड्रेड + ए16जेड $24एम बीज; एआई-स्वचालित ASIC: 11-22 महीने → 7-13 सप्ताह, $50-200M → $2-10M; त्वरित चरण: आरटीएल पीढ़ी, एआई-निर्देशित संश्लेषण, एआई स्थान और मार्ग, एआई परीक्षण पीढ़ी; 8,000+ ऐतिहासिक टेपआउट डेटासेट (टीएसएमसी डिज़ाइन सेवाएँ लाइसेंस प्राप्त) = Synopsys.ai और कैडेंस सेरेब्रस पर मालिकाना प्रशिक्षण लाभ; लक्ष्य: ह्यूमनॉइड रोबोटिक्स (अल्ट्रा-लो-पावर सेंसर फ़्यूज़न), सैटेलाइट एआई (विकिरण-सहिष्णु), एज एआई अनुमान।
📬 अपडेट रहें
हर सप्ताह अपने इनबॉक्स में सर्वोत्तम AI और प्रौद्योगिकी प्राप्त करें। हमारे मुफ़्त न्यूज़लेटर की सदस्यता लें →
प्रकटीकरण: इस पोस्ट में संबद्ध लिंक हैं। यदि आप हमारे लिंक के माध्यम से खरीदारी करते हैं, तो हम आपसे बिना किसी अतिरिक्त लागत के एक छोटा सा कमीशन कमाते हैं। हम केवल उन्हीं उत्पादों की अनुशंसा करते हैं जिन पर हमें विश्वास है।
Technical architecture teardowns, artificial intelligence evaluations, and software benchmarks published on Knowelth reflect independent developer testing and publicly available documentation. We maintain complete editorial independence from vendor sponsorships. Read our Editorial Policy.
Enjoyed this post?
Get our weekly digest delivered free.
Share this post:
पारदर्शिता प्रकटीकरण: Knowelth पाठक-समर्थित मंच है। जब आप हमारे लिंक्स के माध्यम से सेवाएं चुनते हैं, तो हमें बिना किसी अतिरिक्त लागत के कमीशन मिल सकता है। हमारा प्रकटीकरण पढ़ें।
संबंधित महत्वपूर्ण विश्लेषण
भारत का सोवरेन AI: GPU क्लाउड और इंडिक LLM
भारत में सोवरेन AI अवसंरचना: GPU क्लस्टर, योटा शक्ति क्लाउड और इंडिक LLM त्वरित सारांश: आर्टिफिशियल इंटेलिजेंस (AI) की वैश्विक भू-राजनीतिक दौड़ में कंप्यूटिंग शक्ति (GPU Compute) ने कच्चे तेल की जगह ल…
टाटा इलेक्ट्रॉनिक्स और धोलेरा फैब: भारत का चिप मिशन
टाटा इलेक्ट्रॉनिक्स और धोलेरा फैब: क्या भारत ताइवान के सेमीकंडक्टर एकाधिकार को तोड़ सकता है? त्वरित सारांश: गुजरात के धोलेरा विशेष निवेश क्षेत्र (SIR) में टाटा इलेक्ट्रॉनिक्स (Tata Electronics), ताइवा…
सिस्टम 2 AI आर्किटेक्चर, NVIDIA का $500B इन्फ्रास्ट्रक्चर एलायंस, और औद्योगिक भौतिक AI स्केल-अप
System 2 AI Architectures, NVIDIA's $500B Infrastructure Alliance, and Industrial Physical AI Scale-Up The artificial intelligence ecosystem is undergoing a fundamental structural transformation th…