चीन एक अलग तरह के AI हार्डवेयर की खोज कर रहा है
अगस्त 2025 में Zhejiang University ने Darwin Monkey पेश किया। यह 960 विशेष chips से बना कंप्यूटर है, जो दो अरब से अधिक कृत्रिम न्यूरॉन का अनुकरण कर सकता है।
यह घोषणा ऐसे समय में अलग दिखी जब AI उद्योग का बड़ा हिस्सा अधिक शक्तिशाली GPUs और large language models के लिए ज़रूरी कंप्यूटिंग ढाँचे पर केंद्रित था।
लेकिन Darwin Monkey को केवल पारंपरिक AI सर्वरों से प्रतिस्पर्धा के लिए नहीं बनाया गया था।
यह neuromorphic computing पर शोध से निकला, एक ऐसा दृष्टिकोण जो जैविक तंत्रिका प्रणालियों से चुने हुए सिद्धांत लेता है।
पारंपरिक AI कंप्यूटिंग में, processors बड़ी संख्या में संख्यात्मक गणनाएँ करते हैं। कुछ मस्तिष्क-प्रेरित प्रणालियाँ इसके बजाय ऐसे कृत्रिम न्यूरॉन का उपयोग करती हैं जो spikes कहे जाने वाले छोटे संकेतों से संवाद करते हैं।
शोधकर्ता यह जाँच रहे हैं कि क्या ये अलग दृष्टिकोण कुछ प्रकार की कंप्यूटिंग को बेहतर बना सकते हैं, खासकर जहाँ ऊर्जा खपत, प्रतिक्रिया की गति या हार्डवेयर संसाधन मायने रखते हैं।
इस काम में Zhejiang University अकेली नहीं है। Tsinghua University और अन्य चीनी संस्थानों ने भी प्रायोगिक processors और sensing chips विकसित किए हैं जो AI गणना को अलग ढंग से करते हैं।
कुल मिलाकर, उनका शोध चीन के AI विकास में एक और दिशा दिखाता है, जो केवल उन पर चलने वाले मॉडलों पर नहीं, बल्कि बुद्धिमान प्रणालियों के नीचे के हार्डवेयर पर केंद्रित है।
Zhejiang University: Darwin3 से Darwin Monkey तक
Darwin Monkey, Zhejiang University के लंबे समय से चल रहे Darwin शोध कार्यक्रम का हिस्सा है।
2024 में Zhejiang University और Zhejiang Lab के शोधकर्ताओं ने Darwin3 प्रकाशित किया, एक chip जो कृत्रिम न्यूरॉन के नेटवर्क का अनुकरण करने के लिए बनाई गई है।
यह chip बड़ी संख्या में अनुकरण किए गए न्यूरॉन का समर्थन करती है और इन नेटवर्कों में संवाद और सीखने के तंत्र शामिल करती है।
एक साल बाद, विश्वविद्यालय ने Darwin Monkey पेश किया, जो 15 सर्वरों में 960 Darwin3 chips को जोड़ता है।
संस्थान के अनुसार, यह प्रणाली लगभग 2.25 अरब न्यूरॉन और 200 अरब से अधिक कनेक्शनों का अनुकरण कर सकती है, और इसकी सामान्य बिजली खपत लगभग 2,000 वॉट है।
ये संख्याएँ शोध मंच के पैमाने का वर्णन करती हैं। इनका अर्थ यह नहीं कि Darwin Monkey में मानव मस्तिष्क जैसी बुद्धि है, और बताई गई बिजली खपत GPUs पर किसी बढ़त को स्वतंत्र रूप से स्थापित नहीं करती।
शोधकर्ता इसका उपयोग कैसे कर रहे हैं
Zhejiang University की रिपोर्ट के अनुसार Darwin Monkey का उपयोग worms, zebrafish, चूहों और macaques सहित कई जानवरों के तंत्रिका तंत्र के पहलुओं का प्रतिनिधित्व करने वाले तंत्रिका नेटवर्क का अनुकरण करने के लिए किया जा रहा है।
ऐसा काम वैज्ञानिकों को यह समझने में मदद कर सकता है कि न्यूरॉन के बड़े नेटवर्क कैसे व्यवहार करते हैं।
विश्वविद्यालय ने DeepSeek से जुड़े एक language model के मस्तिष्क-प्रेरित कार्यान्वयन को चलाने की भी रिपोर्ट दी है।
यह विशेष रूप से प्रासंगिक है, क्योंकि इससे दिखता है कि शोधकर्ता यह परख रहे हैं कि उनका architecture तंत्रिका विज्ञान के अनुकरणों से आगे के AI कार्यों का समर्थन कर सकता है या नहीं।
उन प्रदर्शनों का प्रदर्शन समकक्ष पारंपरिक प्रणालियों के मुकाबले स्वतंत्र रूप से स्थापित नहीं हुआ है।
फिर भी, Darwin Monkey एक महत्वपूर्ण इंजीनियरिंग उपलब्धि है: सैकड़ों विशेष chips को वैकल्पिक गणना के तरीकों की जाँच के लिए एक कार्यशील मंच में जोड़ना।
स्रोत: Zhejiang University, 2025 | Zhejiang University Darwin श्रृंखला, 2026 | Darwin3 शोध, 2024
इस चित्र का वैकल्पिक टेक्स्ट विवरण
तीन चरणों का आरेख। बाईं ओर एक Darwin3 chip। बीच में 15 सर्वरों में जुड़े 960 chips। दाईं ओर संस्थान द्वारा बताए गए आँकड़े: 2.25 अरब अनुकरण किए गए न्यूरॉन और लगभग 2,000 वॉट की सामान्य बिजली खपत। यह वायरिंग योजना नहीं, एक योजनाबद्ध आरेख है।
Tsinghua University: एक स्वचालित साइकिल से बुद्धिमान दृष्टि तक
जहाँ Zhejiang University ने बड़े मस्तिष्क-प्रेरित कंप्यूटिंग सिस्टम पर ध्यान दिया है, वहीं Tsinghua University के शोधकर्ताओं ने यह खोजा है कि वैकल्पिक chip डिज़ाइन अपने आसपास से संपर्क करने वाली मशीनों का समर्थन कैसे कर सकते हैं।
Tianjic: AI से चलने वाली एक साइकिल
2019 में Tsinghua के शोधकर्ताओं ने Tianjic पेश की, एक chip जो विभिन्न प्रकार की neural-network गणना का समर्थन करने के लिए बनाई गई है।
इसका प्रदर्शन करने के लिए उन्होंने एक स्वचालित साइकिल बनाई, जो संतुलन बना सकती थी, वस्तुओं को पहचान सकती थी, लक्ष्य का पीछा कर सकती थी, आवाज़ के आदेशों पर प्रतिक्रिया दे सकती थी और बाधाओं से बच सकती थी।
इन गतिविधियों के लिए अलग-अलग AI कार्यों की ज़रूरत होती है।
प्रयोग ने दिखाया कि Tianjic इनमें से कई कार्यों को एक ही भौतिक प्रणाली में समर्थन दे सकती है।
यह एक शोध प्रदर्शन था, artificial general intelligence का प्रमाण नहीं, और न ही पारंपरिक processors का व्यावसायिक रूप से उपलब्ध विकल्प।
इसका योगदान एक ही प्रायोगिक architecture पर विभिन्न AI तरीकों का एकीकरण था।
इस चित्र का वैकल्पिक टेक्स्ट विवरण
बीच में एक AI chip वाली साइकिल का चित्र, जो 2019 के शोध में दिखाए गए पाँच कार्यों से जुड़ी है: संतुलन, वस्तु पहचान, लक्ष्य का पीछा, आवाज़ के आदेश और बाधाओं से बचना।
Tianmouc: दृश्य संवेदन का एक अलग तरीका
2024 में Tsinghua की एक अन्य शोध टीम ने Tianmouc पेश की, एक chip जो जैविक दृष्टि के कुछ पहलुओं से प्रेरित है।
शोधकर्ता एक व्यावहारिक समस्या की जाँच कर रहे थे।
एक चलते वाहन को अपने आसपास की विस्तृत जानकारी चाहिए, लेकिन कुछ बदलने पर उसे जल्दी प्रतिक्रिया भी देनी होती है।
लगातार बड़ी मात्रा में दृश्य जानकारी को प्रोसेस करना कंप्यूटिंग संसाधनों और डेटा ट्रांसमिशन पर बोझ डालता है।
Tianmouc दो पूरक मार्गों का उपयोग करती है। एक विस्तृत दृश्य जानकारी पकड़ता है, जबकि दूसरा दृश्य में होने वाले बदलावों पर तेज़ी से प्रतिक्रिया देता है।
शोधकर्ताओं ने अपने प्रयोगों में उच्च संवेदन गति, कठिन रोशनी की स्थितियों को बेहतर ढंग से संभालने और कम डेटा ट्रांसमिशन की रिपोर्ट दी।
उन्होंने इस chip को एक प्रायोगिक वाहन-धारणा प्रणाली में भी परखा।
हालाँकि, बताए गए लाभों की वैज्ञानिक आलोचना भी हुई।
जून 2025 में, स्वतंत्र शोधकर्ताओं ने Nature में एक तकनीकी टिप्पणी प्रकाशित की, जिसमें Tianmouc की नवीनता और मौजूदा vision sensors के साथ प्रदर्शन तुलना के पहलुओं पर सवाल उठाए गए।
यह आलोचना यह स्थापित नहीं करती कि chip काम करने में विफल रही। इसका अर्थ है कि श्रेष्ठता के दावों के लिए और प्रमाण चाहिए।
तेज़ी से बदलते वातावरण को समझने वाली मशीनों के लिए, विशेष AI हार्डवेयर पर चीनी शोध का Tianmouc एक उपयोगी उदाहरण बना हुआ है।
मूल शोध: Nature, 2024 | स्वतंत्र तकनीकी टिप्पणी, 2025
इस चित्र का वैकल्पिक टेक्स्ट विवरण
एक ही सड़क के दो पैनल। बायाँ पैनल विस्तृत दृश्य दिखाता है। दायाँ पैनल केवल बदलने और चलने वाली चीज़ों को उभारता है। यह अवधारणात्मक व्याख्या है, वास्तविक Tianmouc sensor output नहीं।
अधिक कुशल सीखने पर नया शोध
चीनी शोधकर्ता यह भी जाँच रहे हैं कि मस्तिष्क-प्रेरित हार्डवेयर कैसे सीख और अनुकूलित हो सकता है।
मार्च 2026 में, Pengcheng Laboratory, Peking University और सहयोगी संस्थानों से जुड़े शोधकर्ताओं ने spiking neural networks को प्रशिक्षित करने के लिए बनाया गया एक कंप्यूटिंग architecture प्रकाशित किया।
टीम ने अपने डिज़ाइन को किसी तैयार व्यावसायिक processor के बजाय कॉन्फ़िगर किए जा सकने वाले हार्डवेयर पर परखा।
उनके प्रयोगों ने 20 processing cores में प्रशिक्षण और पाँच प्रतिभागियों वाली सहयोगी-सीखने की व्यवस्था का प्रदर्शन किया।
शोधकर्ताओं ने चुनी हुई प्रायोगिक तुलनाओं में प्रदर्शन और मेमोरी उपयोग से जुड़े लाभ बताए।
ये परिणाम यह स्थापित नहीं करते कि यह architecture सामान्य रूप से GPUs से बेहतर है, लेकिन मस्तिष्क-प्रेरित प्रणालियों को अधिक व्यावहारिक बनाने पर जारी शोध को दिखाते हैं।
एक संभावित अनुप्रयोग ऐसे उपकरणों पर चलने वाला AI है जिनके पास सीमित कंप्यूटिंग संसाधन हैं और जो हमेशा किसी दूर के data centre पर निर्भर नहीं रह सकते।
यह शोध अभी प्रायोगिक है, और इसके व्यापक लाभों का और मूल्यांकन ज़रूरी है।
स्रोत: Nature Communications, 2026
ये chips AI प्रणालियों के निर्माण में क्या बदल सकते हैं
यहाँ देखे गए चीनी प्रोजेक्ट अलग-अलग समस्याओं पर काम करते हैं।
Darwin Monkey बड़े पैमाने के तंत्रिका अनुकरण और चुने हुए AI कार्यों की जाँच करता है। Tianjic विभिन्न कंप्यूटिंग तरीकों को जोड़ने की खोज करती है। Tianmouc दृश्य संवेदन पर केंद्रित है, जबकि नया Pengcheng शोध कुशल सीखने की जाँच करता है।
इसलिए उनकी उपलब्धियों की तुलना किसी एक specification से नहीं की जा सकती।
अरबों अनुकरण किए गए न्यूरॉन वाली प्रणाली, दृश्य जानकारी को तेज़ी से प्रोसेस करने के लिए बनी प्रणाली से ज़रूरी नहीं कि अधिक सक्षम हो।
इसी तरह, किसी एक प्रयोग में कम बिजली खर्च करने वाला processor किसी अन्य प्रकार की गणना के लिए लाभ न दे।
2025 में Nature Communications में प्रकाशित अंतरराष्ट्रीय NeuroBench पहल, neuromorphic प्रणालियों की तुलना समान कार्यों, सटीकता की आवश्यकताओं और ऊर्जा मापन के साथ करने की ज़रूरत पर ज़ोर देती है।
यह इस क्षेत्र के लिए अब भी एक महत्वपूर्ण चुनौती है।
यहाँ देखे गए साक्ष्य कार्यशील चीनी शोध प्रोटोटाइप और प्रायोगिक प्रणालियाँ स्थापित करते हैं, लेकिन व्यापक व्यावसायिक तैनाती या पारंपरिक AI processors पर सामान्य श्रेष्ठता नहीं।
GPUs इस लेख के लिए प्रासंगिक बने रहेंगे, क्योंकि वे एक परिचित संदर्भ बिंदु देते हैं, इसलिए नहीं कि चीनी प्रोजेक्ट उन्हें बदल सकने का प्रदर्शन कर चुके हैं।
स्रोत: NeuroBench, Nature Communications, 2025
वैकल्पिक AI कंप्यूटिंग में चीन का योगदान
चीन के शोध संस्थान आधुनिक AI से जुड़े सामान्य architectures से आगे कई कंप्यूटिंग दृष्टिकोणों की खोज कर रहे हैं।
Zhejiang University ने विशेष chips विकसित किए और उन्हें एक बड़े प्रायोगिक मंच में जोड़ा।
Tsinghua University ने ऐसे processors दिखाए जो AI कार्यों को जोड़ते हैं, और ऐसे sensors जो दृश्य जानकारी को अलग ढंग से संभालते हैं।
हाल का शोध मस्तिष्क-प्रेरित प्रणालियों को कुशलता से सीखने के तरीके खोज रहा है।
परिणाम अधिकतर प्रायोगिक हैं, और उनका व्यावसायिक मूल्य अभी स्थापित नहीं हुआ है।
लेकिन यह दिशा समझने योग्य है।
आज का अधिकांश AI विकास अतिरिक्त डेटा और कंप्यूटिंग संसाधनों के ज़रिए मॉडलों को बेहतर बनाने पर केंद्रित है। मस्तिष्क-प्रेरित हार्डवेयर शोध एक अलग सवाल पूछता है: क्या जानकारी को प्रोसेस करने का तरीका ही बदलकर कुछ कार्य अधिक प्रभावी ढंग से किए जा सकते हैं।
sensors, robotics और सीमित बिजली पर चलने वाले उपकरणों से जुड़े अनुप्रयोगों के लिए, यह आगे चलकर मूल्यवान हो सकता है।
चीन ने GPU का कोई सार्वभौमिक उत्तराधिकारी नहीं दिखाया है। उसके शोधकर्ता ऐसे वैकल्पिक कंप्यूटिंग तरीके विकसित और परख रहे हैं जो कुछ खास AI अनुप्रयोगों के लिए उपयोगी साबित हो सकते हैं।
उनका व्यावहारिक महत्व इस पर निर्भर करेगा कि ये प्रणालियाँ शोध प्रयोगशाला से बाहर कितना अच्छा प्रदर्शन करती हैं।
स्रोत और आगे पढ़ने के लिए
- Zhejiang University, Darwin Monkey announcement, 2025
- Zhejiang University, Darwin series and Darwin Monkey specifications, 2026
- Darwin3: A Large-Scale Neuromorphic Chip with a Novel ISA and On-Chip Learning, 2024
- Towards Artificial General Intelligence with Hybrid Tianjic Chip Architecture, Nature, 2019
- A Vision Chip with Complementary Pathways for Open-World Sensing, Nature, 2024
- Dynamic Range and Precision of Hybrid Vision Sensors, Nature, 2025
- A Highly Energy-Efficient Multi-Core Neuromorphic Architecture for Training Deep Spiking Neural Networks, Nature Communications, 2026
- The NeuroBench framework for benchmarking neuromorphic computing algorithms and systems, Nature Communications, 2025