Google Limits Meta Gemini Access: आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया में प्रतिस्पर्धा अब केवल बेहतर मॉडल बनाने तक सीमित नहीं रह गई है, बल्कि सबसे बड़ी चुनौती अब उन्हें चलाने के लिए पर्याप्त कंप्यूटिंग क्षमता (Computing Capacity) जुटाना बन गई है। इसी बीच एक रिपोर्ट में दावा किया गया है कि Google ने Meta की अपनी Gemini AI मॉडल्स तक पहुंच सीमित कर दी है। इसकी वजह कोई कारोबारी विवाद नहीं, बल्कि Google के पास पर्याप्त AI इंफ्रास्ट्रक्चर की कमी बताई जा रही है।
रिपोर्ट के अनुसार, Meta ने Google से Gemini AI मॉडल्स के लिए जितनी कंप्यूटिंग क्षमता मांगी थी, Google उतनी उपलब्ध नहीं करा पाया। इसका असर Meta की कई आंतरिक AI परियोजनाओं पर पड़ा है और कुछ प्रोजेक्ट्स में देरी भी हुई है। यह घटनाक्रम बताता है कि AI इंडस्ट्री में अब असली मुकाबला केवल मॉडल्स का नहीं, बल्कि डेटा सेंटर, चिप्स और कंप्यूटिंग संसाधनों का भी है।
Google ने Meta की Gemini एक्सेस क्यों सीमित की?
Financial Times की रिपोर्ट के मुताबिक, मार्च 2026 के आसपास Google ने Meta को सूचित किया था कि वह उसकी मांग के अनुसार पूरी Gemini AI क्षमता उपलब्ध नहीं करा सकता। इसके पीछे सबसे बड़ी वजह AI इंफ्रास्ट्रक्चर पर बढ़ता दबाव है।
दरअसल, AI मॉडल को ट्रेन करने के बाद हर बार जब वह किसी सवाल का जवाब देता है या कोई काम करता है, तब भारी मात्रा में कंप्यूटिंग शक्ति की जरूरत पड़ती है। इसे Inference Computing कहा जाता है। AI चैटबॉट, कोडिंग असिस्टेंट और AI एजेंट्स के तेजी से बढ़ते इस्तेमाल के कारण यह मांग रिकॉर्ड स्तर पर पहुंच गई है।
रिपोर्ट के अनुसार Meta, Google के सबसे बड़े Gemini ग्राहकों में शामिल है। इसलिए क्षमता की कमी का सबसे अधिक असर भी उसी पर पड़ा। हालांकि Google के कुछ अन्य एंटरप्राइज ग्राहकों को भी ऐसी सीमाओं का सामना करना पड़ा है, लेकिन Meta की मांग सबसे ज्यादा होने के कारण उसका प्रभाव अधिक दिखाई दिया।
Meta अपने ही Llama मॉडल की जगह Gemini क्यों इस्तेमाल कर रही थी?
यह सवाल कई लोगों के मन में आ सकता है कि जब Meta के पास अपना Llama AI मॉडल मौजूद है, तो वह Google के Gemini पर क्यों निर्भर है।
रिपोर्ट के अनुसार Meta कई महत्वपूर्ण आंतरिक कार्यों के लिए Gemini का उपयोग करती है। इनमें ऑनलाइन स्कैम की पहचान करना, हानिकारक कंटेंट हटाना, ग्राहक सहायता से जुड़े टूल्स, विज्ञापन प्रबंधन, कोडिंग और कर्मचारियों की उत्पादकता बढ़ाने वाले सिस्टम शामिल हैं।
Meta ने शुरुआती दौर में Gemini को इसलिए अपनाया क्योंकि कई एंटरप्राइज उपयोगों में इसका प्रदर्शन Llama मॉडल से बेहतर माना गया था। हालांकि अब कंपनी धीरे-धीरे अपने नए Muse Spark मॉडल की ओर बढ़ रही है। कंपनी के अंदरूनी सूत्रों का मानना है कि यह मॉडल अब इतना सक्षम हो चुका है कि भविष्य में बाहरी AI कंपनियों पर Meta की निर्भरता कम हो सकती है।
Meta ने कर्मचारियों के AI इस्तेमाल पर भी लगाई रोक
Gemini की सीमित उपलब्धता के बाद Meta ने अपने कर्मचारियों के लिए भी AI उपयोग से जुड़े नए नियम लागू किए हैं।
रिपोर्ट के अनुसार कर्मचारियों को AI टोकन (AI Tokens) का अधिक कुशल उपयोग करने के निर्देश दिए गए हैं। AI टोकन वह इकाई होती है जिससे यह मापा जाता है कि कोई AI मॉडल कितना डेटा प्रोसेस कर रहा है। इसका उद्देश्य केवल लागत कम करना नहीं बल्कि सीमित कंप्यूटिंग क्षमता का बेहतर उपयोग सुनिश्चित करना भी है।
यानी अब Meta अपने AI संसाधनों को अधिक महत्वपूर्ण कार्यों के लिए प्राथमिकता दे रही है।
Google भी AI इंफ्रास्ट्रक्चर की चुनौती से जूझ रहा है
Meta अकेली कंपनी नहीं है जिसे इस समस्या का सामना करना पड़ रहा है। खुद Google भी पर्याप्त कंप्यूटिंग क्षमता जुटाने की चुनौती से गुजर रहा है।
रिपोर्ट के मुताबिक Google ने अतिरिक्त AI इंफ्रास्ट्रक्चर हासिल करने के लिए एलन मस्क की SpaceX से हर महीने लगभग 920 मिलियन डॉलर मूल्य की कंप्यूटिंग क्षमता लीज पर लेने का समझौता किया है। AI कंपनी Anthropic ने भी इसी तरह की व्यवस्था की है।
Google के CEO सुंदर पिचाई ने भी अप्रैल में कंपनी की पहली तिमाही के नतीजों के दौरान स्वीकार किया था कि Google Cloud की आय इससे अधिक हो सकती थी, लेकिन पर्याप्त कंप्यूटिंग क्षमता उपलब्ध नहीं होने के कारण कंपनी सभी ग्राहकों की मांग पूरी नहीं कर सकी।
यानी दुनिया की सबसे बड़ी टेक कंपनियां भी AI इंफ्रास्ट्रक्चर की सीमाओं से जूझ रही हैं।
AI इंडस्ट्री के लिए इसका क्या मतलब है?
AI सेक्टर में अब सबसे बड़ी चुनौती केवल बेहतर मॉडल बनाना नहीं रह गई है। असली चुनौती यह है कि उन मॉडल्स को करोड़ों उपयोगकर्ताओं तक लगातार और तेज गति से कैसे पहुंचाया जाए।
इसी वजह से दुनिया की प्रमुख टेक कंपनियां अरबों डॉलर डेटा सेंटर, GPU चिप्स, बिजली और क्लाउड इंफ्रास्ट्रक्चर पर खर्च कर रही हैं। आने वाले वर्षों में AI उद्योग में वही कंपनियां सबसे मजबूत स्थिति में होंगी जिनके पास सबसे अधिक कंप्यूटिंग क्षमता होगी।
Google और Meta के बीच सामने आया यह मामला इस बात का संकेत है कि भविष्य में AI प्रतिस्पर्धा केवल मॉडल्स की नहीं, बल्कि इंफ्रास्ट्रक्चर की भी होगी।
निष्कर्ष
Google द्वारा Meta की Gemini AI एक्सेस सीमित किए जाने की खबर AI इंडस्ट्री की एक नई हकीकत सामने लाती है। आज सबसे बड़ी चुनौती AI मॉडल बनाना नहीं, बल्कि उन्हें चलाने के लिए पर्याप्त कंप्यूटिंग संसाधन जुटाना है। Meta अब धीरे-धीरे अपने AI मॉडल्स पर निर्भरता बढ़ाने की कोशिश कर रही है, जबकि Google भी नए डेटा सेंटर और इंफ्रास्ट्रक्चर में भारी निवेश कर रहा है। इससे साफ है कि आने वाले समय में AI की दौड़ केवल तकनीक की नहीं, बल्कि संसाधनों की भी होगी।
FAQs:
रिपोर्ट के अनुसार Google के पास पर्याप्त AI कंप्यूटिंग क्षमता उपलब्ध नहीं थी, इसलिए वह Meta की पूरी मांग पूरी नहीं कर सका।
Gemini, Google द्वारा विकसित एक जनरेटिव AI मॉडल परिवार है, जिसका उपयोग चैटबॉट, कोडिंग, कंटेंट जनरेशन और एंटरप्राइज AI सेवाओं में किया जाता है।
AI मॉडल्स को चलाने के लिए बड़ी मात्रा में GPU, डेटा सेंटर और बिजली की जरूरत होती है। बढ़ती मांग के कारण कई कंपनियों के पास पर्याप्त कंप्यूटिंग संसाधन उपलब्ध नहीं हैं।
रिपोर्ट के मुताबिक Meta की कुछ आंतरिक AI परियोजनाओं में देरी हुई है और कंपनी कर्मचारियों के AI उपयोग को भी अधिक नियंत्रित कर रही है। हालांकि कंपनी धीरे-धीरे अपने नए AI मॉडल्स का इस्तेमाल बढ़ा रही है।
दोनों कंपनियां AI क्षेत्र की सबसे बड़ी प्रतिस्पर्धियों में शामिल हैं। यह घटनाक्रम दिखाता है कि भविष्य में AI की प्रतिस्पर्धा मॉडल्स के साथ-साथ कंप्यूटिंग इंफ्रास्ट्रक्चर पर भी निर्भर करेगी।
