फूडवाइज कंपनी भारत में पोषण संस्कृति को बढ़ावा दे रही है, और एआई स्टार्टअप्स में उद्यम पूंजी के प्रवाह को प्रोत्साहित कर रहा है

चीन के प्रमुख स्थानीय सेवा प्लेटफॉर्म, मेइटुआन, जो मुख्य रूप से भोजन वितरण के लिए जाना जाता है, ने एक महत्वपूर्ण उपलब्धि हासिल की है: इसने लॉन्गकैट-2.0 नामक एक आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित किया है, जिसमें 1.6 ट्रिलियन पैरामीटर हैं। इस मॉडल को पूरी तरह से घरेलू एआई चिप्स का उपयोग करके प्रशिक्षित किया गया था।

एआई और डेटा में नवाचार

लॉन्गकैट-2.0 दुनिया का पहला ट्रिलियन पैरामीटर मॉडल बन गया है जिसने चीन में निर्मित चिप्स पर प्रशिक्षण और अनुमान दोनों किए हैं। इस मॉडल का पैमाना इसे वैश्विक स्तर पर सबसे बड़े भाषा मॉडल की श्रेणी में रखता है। हालांकि, अधिक महत्वपूर्ण पहलू यह है कि यह चीनी एआई पारिस्थितिकी तंत्र और भोजन वितरण प्लेटफॉर्म के संचालन से मिलने वाले अप्रत्याशित लाभों के बारे में दर्शाता है।

डेटा का स्रोत लॉजिस्टिक्स

मेइटुआन प्रतिदिन करोड़ों ऑर्डर संसाधित करता है। प्रत्येक ऑर्डर के लिए जटिल शहरी परिस्थितियों में सैकड़ों कूरियरों, विक्रेताओं और ग्राहकों के लिए वास्तविक समय में गतिशील रूटिंग की आवश्यकता होती है। उदाहरण के लिए, बीजिंग में दोपहर के व्यस्त घंटों के दौरान तीन किलोमीटर के दायरे में सैकड़ों कूरियर और हजारों ऑर्डर एक साथ होते हैं। इसके अलावा, सिस्टम को रेस्तरां में व्यंजनों के पकने की गति, सड़क दुर्घटनाओं, लिफ्ट विफलताओं और पते में बदलाव जैसे कई चर पर विचार करना होता है, जिसके लिए मिलीसेकंड स्तर पर पुन: अनुकूलन की आवश्यकता होती है।

ये वास्तविक लॉजिस्टिक्स डेटा, जो एक दशक से अधिक की अवधि में संचित किए गए हैं, एक प्रशिक्षण संसाधन का प्रतिनिधित्व करते हैं जिसे सिंथेटिक डेटासेट द्वारा दोहराया नहीं जा सकता है। लॉन्गकैट-2.0 की वास्तुकला विशेष रूप से इस वास्तविकता के लिए अनुकूलित है: इसका 1 मिलियन टोकन का संदर्भ विंडो एजेंट कोडिंग कार्यों के लिए पूरे कोडबेस को संसाधित करने की अनुमति देता है, और मॉडल का ट्रिलियन स्केल इसे वास्तविक समय में डिस्पैचमेंट के दौरान चरम मामलों के संयोजन विस्फोट से निपटने में सक्षम बनाता है।

सेमीकंडक्टर उद्योग में सफलता

50,000 घरेलू एआई चिप्स का उपयोग चीनी सेमीकंडक्टर पारिस्थितिकी तंत्र के लिए एक सफलता का प्रतीक है। लॉन्गकैट-2.0 से पहले आम धारणा यह थी कि घरेलू चिप्स अभी भी उन्नत प्रणालियों के पैमाने पर प्रशिक्षण के लिए तैयार नहीं हैं। 50,000 चिप्स के संचालन का समन्वय, जहां एक घटक की विफलता पूरी प्रशिक्षण प्रक्रिया को पटरी से उतार सकती है, ने विशाल इंजीनियरिंग चुनौतियों पर काबू पाने की मांग की।

कंपनी के लिए रणनीतिक महत्व

मेइटुआन की प्रेरणा केवल डिलीवरी को अनुकूलित करने से कहीं अधिक है। लॉन्गकैट का आधार मॉडल आंतरिक एआई एजेंटों को शक्ति प्रदान करने के लिए उपयोग किया जाता है जो कोड उत्पन्न करते हैं (EvoCUA), साथ ही खोज और सिफारिश प्रणालियों और स्व-विकसित संचालन के लिए भी उपयोग किया जाता है। सिलिकॉन से लेकर मॉडल तक पूरे स्टैक के स्वामित्व के कारण, मेइटुआन गोपनीय परिचालन डेटा को कंपनी के भीतर बनाए रखता है, जबकि अपनी प्लेटफॉर्म की क्षमताओं की धारणा को बदलने वाली क्षमताएं बढ़ाता है।

इसके अलावा, ट्रिलियन मॉडल की उपस्थिति एक व्यापक प्रवृत्ति का संकेत देती है: बाइटडांस, अलीबाबा, टेंसेंट और अब मेइटुआन जैसे चीनी इंटरनेट दिग्गज अपने स्वयं के डेटा भंडार पर भरोसा करते हुए अपनी एआई क्षमताओं का विकास कर रहे हैं। मेइटुआन के लिए, वितरण व्यवसाय ने आवश्यक डेटा प्रदान किया, और इस डेटा ने एक ऐसा मॉडल बनाने में मदद की जो संभावित रूप से कंपनी की गतिविधियों के सभी पहलुओं को बदल सकता है।

जब लॉजिस्टिक्स में आर्टिफिशियल इंटेलिजेंस की बात आती है, तो अक्सर लोग स्पष्ट तत्वों की कल्पना करते हैं: गोदामों में रोबोट, रूटिंग एल्गोरिदम या ड्रोनों का दुर्लभ उपयोग। हालांकि यह गलत नहीं है, लेकिन यह दृष्टिकोण परिवर्तनों के गलत स्तर पर ध्यान केंद्रित करता है।

लॉजिस्टिक्स में प्रतिमान बदलाव

शारीरिक श्रम का स्वचालन मुख्य रूप से लागत में कमी लाता है, लेकिन आज सफलता का निर्णायक कारक लागत नहीं है। वह परिवर्तन जो भारत में लॉजिस्टिक्स परिदृश्य को बदल देगा, कम दिखाई देता है; यह इस बात में निहित है कि निर्णय कैसे लिए जाते हैं। जो पहले किसी कंपनी का प्रतिस्पर्धी लाभ था - ट्रक, गोदाम और पिन कोड कवरेज - उसकी जगह कुछ बहुत अधिक जटिल लेने लगा है जिसे कॉपी करना मुश्किल है: वह जो कंपनी ने अपने परिचालन कार्य में सीखा है।

बाजार में वृद्धि और एआई का कार्यान्वयन

आर्टिफिशियल इंटेलिजेंस पहले से ही भारतीय लॉजिस्टिक्स में सक्रिय रूप से लागू किया जा रहा है। एनालिटिकल फर्म मार्केट्स एंड डेटा के बाजार मूल्यांकन के अनुसार, लॉजिस्टिक्स में एआई का बाजार वित्तीय वर्ष 2024 में 756 मिलियन डॉलर से बढ़कर वित्तीय वर्ष 2032 तक 6.8 बिलियन डॉलर तक पहुंचने की उम्मीद है। इस बीच, नैसकॉम भारतीय उद्यमों में एआई के कार्यान्वयन के स्तर का 2.45 में से 4 का आकलन करता है।

अधिकांश लोग इन आंकड़ों पर रुक जाते हैं, केवल दक्षता में वृद्धि देखते हैं - लॉजिस्टिक लागत में लगभग 15% की कमी और पूर्वानुमान में 50% तक की वृद्धि (मार्केट्स एंड डेटा)। हालांकि, यह केवल एक सतही पहलू है। दक्षता पहले वर्ष का लाभांश है। लाभ जो समय के साथ बढ़ता है, तभी प्रकट होता है जब कंपनी इसे ध्यान में रखकर बनाई जाती है, और अधिकांश कंपनियां ऐसा नहीं करती हैं।

रिपोर्टिंग से निर्णय लेने तक

पिछले दशक में, लॉजिस्टिक्स सॉफ्टवेयर ने दृश्यता प्रदान की - डैशबोर्ड जो माल के स्थान और किसी विशिष्ट मार्ग की मार्जिनलिटी दिखाते थे। सार्वजनिक कंपनी दिल्लीवरी ने अपनी माप का एक बड़ा हिस्सा इसी दृश्यता बुनियादी ढांचे पर बनाया है। दृश्यता अभी भी महत्वपूर्ण है, लेकिन यह अब वह नहीं है जो नेताओं को अलग करता है। मुख्य प्रश्न अब यह है कि क्या आपकी प्रणाली प्राप्त डेटा के आधार पर स्वतंत्र रूप से कार्य कर सकती है। यह जानना कि गोदाम दो दिनों में खत्म हो सकता है, उपयोगी है; लेकिन एक ऐसी प्रणाली जिसने आपको सूचना मिलने से पहले ही सामान स्थानांतरित कर दिया है, वह बिल्कुल अलग स्तर है।

समस्या की साधारण रिपोर्टिंग से समस्या के समाधान की ओर यह बदलाव रिपोर्ट से निर्णय लेने की ओर एक बदलाव का प्रतीक है, और अन्य सभी प्रक्रियाएं इस स्तर से नीचे विकसित होती हैं। एक सौर कंपनी का उदाहरण लेते हैं जो दैनिक इंस्टॉलेशन की संख्या को 12 से बढ़ाकर 50 करना चाहती है। स्पष्ट उत्तर है - अधिक श्रमिकों को काम पर रखना। हालांकि, वास्तविक बाधा अक्सर निर्णय से जुड़ी होती है: एक परिचालन प्रबंधक इंस्टॉलर के शेड्यूल, पैनल स्टॉक और साइट की उपलब्धता को अपने दिमाग में रखता है, और अधिकांश जानकारी फोन पर संसाधित होती है। यह प्रक्रिया प्रतिभा पर निर्भर करती है, और प्रतिभाओं की एक सीमा होती है; यह लगभग 20 इंस्टॉलेशन प्रतिदिन पर पहुंचती है, और यह सीमा तब ढह सकती है जब प्रबंधक कोई बेहतर प्रस्ताव प्राप्त करता है।

हीरोज़ के बजाय सिस्टम

एक ऐसी प्रणाली को लागू करना जो वर्तमान स्टॉक और कर्मियों की उपलब्धता को ध्यान में रखते हुए लगातार इंस्टॉलेशन का आयोजन करती है, बिना उतनी तेजी से भर्ती किए 50 के आंकड़े तक पहुंचने की अनुमति देती है। जो हासिल किया गया है, वह सिर्फ एक अच्छा तिमाही नहीं है, बल्कि काम करने का एक नया तरीका है जो प्रदर्शन बढ़ने के साथ बना रहता है। यही 'हीरोज़ के बजाय सिस्टम' वाक्यांश का सच्चा अर्थ है - एक अवधारणा जो दिखने में अधिक नीरस है, लेकिन अधिक मूल्यवान है।

यहीं पर लाभ जमा होता है, जिसे अक्सर कम आंका जाता है। हर बार जब सिस्टम काम करता है, तो त्रुटियां, विशेष रूप से वे जो होती हैं, अगले निर्णय का आधार बनती हैं। एक प्लेटफॉर्म जिसने कई ब्रांडों और शहरों के लिए लाखों ऐसे मामलों को संसाधित किया है, उसके पास न केवल बड़े डेटा की मात्रा है; इसने परिचालन अनुभव संचित किया है जिसे खरीदा नहीं जा सकता है, बल्कि केवल अभ्यास के माध्यम से प्राप्त किया जा सकता है। यही संचयी बुद्धिमत्ता है, और इसीलिए श्रेणी को इस आधार पर रैंक किया जाता है कि कौन सबसे अधिक धन एकत्र करता है, न कि सीखने की गति के आधार पर।

मध्यम व्यवसाय के लिए लाभ

सबसे अधिक लाभ उन ब्रांडों को मिलता है जिन्हें लंबे समय से बाजार द्वारा नजरअंदाज किया गया है। 20 से 500 करोड़ रुपये के वार्षिक कारोबार वाली कंपनियां एक्सेल शीट और फोन कॉल का उपयोग करके लॉजिस्टिक्स का प्रबंधन करने के लिए बहुत बड़ी हैं, लेकिन फ्लिपकार्ट को मिलने वाले व्यक्तिगत दृष्टिकोण के लिए बहुत छोटी हैं। एआई मध्यम खंड की सेवा को आर्थिक रूप से व्यवहार्य बनाता है, जिससे जयपुर के ब्रांड सिलिगुड़ी में ऐसे ऑर्केस्ट्रेशन स्तर पर सामान भेज सकते हैं जो पहले महानगरों का विशेषाधिकार था। विशेषज्ञों के अनुसार, भारत में निर्यात और रोजगार के विकास का एक बड़ा हिस्सा यहीं से निर्भर करेगा।

अपने दृष्टिकोण को कैसे निर्धारित करें

यदि आप ऐसे व्यवसाय का प्रबंधन करते हैं, तो खुद को नियंत्रित नेटवर्क के आकार से मापना बंद करें। इसके बजाय, खुद से पूछें: क्या आपकी प्रणाली समस्याओं को ठीक करती है या केवल उनके बारे में सूचित करती है? क्या आपके सर्वश्रेष्ठ कर्मचारी के शुक्रवार को नौकरी छोड़ने के बाद आपका लाभ बचेगा? क्या प्रत्येक ऑर्डर अगला निर्णय अधिक सटीक बनाता है या बस उस इतिहास में जोड़ता है जिससे आप कुछ भी नहीं निकालते हैं? यदि इन सभी सवालों का आपका जवाब सकारात्मक है, तो आप संचयी प्रभाव प्राप्त कर रहे हैं। यदि नहीं, तो आप केवल नियमित कार्यों को स्वचालित कर रहे हैं और इसे परिवर्तन कह रहे हैं।

एक महत्वपूर्ण चेतावनी है: यह हर जगह लागू नहीं होता है। कच्चे माल के थोक परिवहन खंड में, जहां खेल प्रति किलोग्राम लागत और संपत्ति घनत्व द्वारा तय होता है, सीखने की गति का महत्व कम होता है, और परिसंपत्ति-आधारित पुराना अवरोध कायम रहता है। तर्क जटिल कार्यों पर लागू होता है: कई एसकेयू, तेजी से बढ़ते ब्रांडों के लिए बहु-नोड निष्पादन, जो भारत की उपभोक्ता अर्थव्यवस्था की विकास दिशा के अनुरूप है।

2030 तक लगातार बोली जाने वाली 5 ट्रिलियन डॉलर की अर्थव्यवस्था तक पहुंचना व्यापार की मात्रा में पर्याप्त सुधार के बिना असंभव है। जो कंपनियां इसे लाएंगी, वे केवल गोदामों का स्वचालन नहीं करेंगी - यह सामान्य हो जाएगा। वे एक अधिक जटिल कार्य का स्वचालन करेंगी - निर्णय लेना, जो पहले कुछ लोगों के दिमाग में था, जिससे अस्थायी आपूर्ति श्रृंखलाएं ऐसी संचालन बन जाएंगी जो स्वयं निर्णय लेती हैं और लगातार बेहतर होती हैं। यही, न कि रोबोट, एआई के माध्यम से लॉजिस्टिक्स को फिर से लिखता है।