सिलिकॉन का उपयोग: कैसे इन-हाउस चिप्स एआई के भविष्य को आकार दे रहे हैं

कृत्रिम बुद्धिमत्ता, किसी भी सॉफ्टवेयर की तरह, दो मूलभूत घटकों पर निर्भर करती है: एआई प्रोग्राम, जिन्हें अक्सर मॉडल के रूप में जाना जाता है, और कम्प्यूटेशनल हार्डवेयर, या चिप्स, जो इन प्रोग्रामों को चलाते हैं। अब तक, एआई विकास में ध्यान मॉडल को परिष्कृत करने पर रहा है, जबकि हार्डवेयर को आम तौर पर तीसरे पक्ष के आपूर्तिकर्ताओं द्वारा प्रदान किए गए मानक घटक के रूप में देखा जाता था। हालाँकि, हाल ही में यह दृष्टिकोण बदलना शुरू हो गया है। Google, Meta और Amazon जैसी प्रमुख AI कंपनियों ने अपने स्वयं के AI चिप्स विकसित करना शुरू कर दिया है। कस्टम एआई चिप्स का घरेलू विकास एआई उन्नति में एक नए युग की शुरुआत कर रहा है। यह लेख दृष्टिकोण में इस बदलाव के पीछे के कारणों का पता लगाएगा और इस विकसित क्षेत्र में नवीनतम विकास पर प्रकाश डालेगा।

इन-हाउस एआई चिप विकास क्यों?

कस्टम एआई चिप्स के इन-हाउस विकास की ओर बदलाव कई महत्वपूर्ण कारकों से प्रेरित हो रहा है, जिनमें शामिल हैं:  

एआई चिप्स की बढ़ती मांग

एआई मॉडल बनाने और उपयोग करने के लिए बड़ी मात्रा में डेटा को प्रभावी ढंग से संभालने और सटीक भविष्यवाणियां या अंतर्दृष्टि उत्पन्न करने के लिए महत्वपूर्ण कम्प्यूटेशनल संसाधनों की आवश्यकता होती है। खरबों डेटा बिंदुओं पर प्रशिक्षण के दौरान पारंपरिक कंप्यूटर चिप्स कम्प्यूटेशनल मांगों को संभालने में असमर्थ हैं। इस सीमा के कारण आधुनिक एआई अनुप्रयोगों की उच्च प्रदर्शन और दक्षता आवश्यकताओं को पूरा करने के लिए विशेष रूप से डिजाइन किए गए अत्याधुनिक एआई चिप्स का निर्माण हुआ है। जैसे-जैसे एआई अनुसंधान और विकास बढ़ता जा रहा है, वैसे-वैसे इन विशेष चिप्स की मांग भी बढ़ती जा रही है।

एनवीडिया, जो उन्नत एआई चिप्स के उत्पादन में अग्रणी है और अपने प्रतिस्पर्धियों से काफी आगे है, को चुनौतियों का सामना करना पड़ रहा है क्योंकि मांग इसकी विनिर्माण क्षमता से काफी अधिक है। इस स्थिति के कारण एनवीडिया के लिए प्रतीक्षा सूचीएआई चिप्स को कई महीनों तक बढ़ाया जा रहा है, एक देरी जो उनके एआई चिप्स की मांग बढ़ने के साथ बढ़ती जा रही है। इसके अलावा, चिप बाजार, जिसमें एनवीडिया और इंटेल जैसे प्रमुख खिलाड़ी शामिल हैं, को चिप उत्पादन में चुनौतियों का सामना करना पड़ रहा है। यह मुद्दा चिप असेंबली के लिए ताइवानी निर्माता टीएसएमसी पर उनकी निर्भरता से उपजा है। एक ही निर्माता पर निर्भरता से इन उन्नत चिप्स के निर्माण में लंबा समय लगता है।

एआई कंप्यूटिंग को ऊर्जा कुशल और टिकाऊ बनाना

एआई चिप्स की वर्तमान पीढ़ी, जो भारी कम्प्यूटेशनल कार्यों के लिए डिज़ाइन की गई है बहुत अधिक बिजली की खपत, और महत्वपूर्ण गर्मी उत्पन्न करता है। इससे एआई मॉडल के प्रशिक्षण और उपयोग पर महत्वपूर्ण पर्यावरणीय प्रभाव पड़े हैं। ओपनएआई शोधकर्ता ध्यान दें कि: 2012 के बाद से, उन्नत एआई मॉडल को प्रशिक्षित करने के लिए आवश्यक कंप्यूटिंग शक्ति हर 3.4 महीने में दोगुनी हो गई है, जिससे पता चलता है कि 2040 तक, सूचना और संचार प्रौद्योगिकी (आईसीटी) क्षेत्र से उत्सर्जन में वैश्विक उत्सर्जन का 14% शामिल हो सकता है। एक और अध्ययन पता चला वह एकल बड़े पैमाने पर प्रशिक्षण भाषा मॉडल 284,000 किलोग्राम तक CO2 उत्सर्जित कर सकता है, जो उनके जीवनकाल में पाँच कारों की ऊर्जा खपत के बराबर है। इसके अलावा, यह है अनुमानित कि डेटा केंद्रों की ऊर्जा खपत होगी 28 प्रतिशत बढ़ें 2030 तक। ये निष्कर्ष एआई विकास और पर्यावरणीय जिम्मेदारी के बीच संतुलन बनाने की आवश्यकता पर जोर देते हैं। जवाब में, कई एआई कंपनियां अब अधिक ऊर्जा-कुशल चिप्स के विकास में निवेश कर रही हैं, जिसका लक्ष्य एआई प्रशिक्षण और संचालन को अधिक टिकाऊ और पर्यावरण के अनुकूल बनाना है।

विशिष्ट कार्यों के लिए चिप्स की सिलाई

विभिन्न एआई प्रक्रियाओं की अलग-अलग कम्प्यूटेशनल मांगें होती हैं। उदाहरण के लिए, गहन शिक्षण मॉडल के प्रशिक्षण के लिए बड़े डेटासेट को संभालने और जटिल गणनाओं को शीघ्रता से निष्पादित करने के लिए महत्वपूर्ण कम्प्यूटेशनल शक्ति और उच्च थ्रूपुट की आवश्यकता होती है। प्रशिक्षण के लिए डिज़ाइन किए गए चिप्स को इन परिचालनों को बढ़ाने, गति और दक्षता में सुधार करने के लिए अनुकूलित किया गया है। दूसरी ओर, अनुमान प्रक्रिया, जहां एक मॉडल भविष्यवाणियां करने के लिए अपने सीखे हुए ज्ञान को लागू करता है, को न्यूनतम ऊर्जा उपयोग के साथ तेजी से प्रसंस्करण की आवश्यकता होती है, खासकर स्मार्टफोन और IoT उपकरणों जैसे किनारे के उपकरणों में। अनुमान के लिए चिप्स को प्रति वाट प्रदर्शन को अनुकूलित करने, त्वरित प्रतिक्रिया और बैटरी संरक्षण सुनिश्चित करने के लिए इंजीनियर किया जाता है। प्रशिक्षण और अनुमान कार्यों के लिए चिप डिज़ाइन की यह विशिष्ट सिलाई प्रत्येक चिप को उसकी इच्छित भूमिका के लिए सटीक रूप से समायोजित करने की अनुमति देती है, जिससे विभिन्न उपकरणों और अनुप्रयोगों में प्रदर्शन बढ़ता है। इस प्रकार की विशेषज्ञता न केवल अधिक मजबूत एआई कार्यात्मकताओं का समर्थन करती है बल्कि व्यापक रूप से अधिक ऊर्जा दक्षता और लागत-प्रभावशीलता को भी बढ़ावा देती है।

वित्तीय बोझ कम करना

एआई मॉडल प्रशिक्षण और संचालन के लिए कंप्यूटिंग का वित्तीय बोझ काफी बना हुआ है। उदाहरण के लिए, OpenAI, 2020 से प्रशिक्षण और अनुमान दोनों के लिए Microsoft द्वारा बनाए गए एक व्यापक सुपर कंप्यूटर का उपयोग करता है। OpenAI को अपने GPT-12 मॉडल को प्रशिक्षित करने में लगभग $3 मिलियन की लागत आई, और खर्च बढ़ गया 100 $ मिलियन GPT-4 के प्रशिक्षण के लिए। एक के अनुसार रिपोर्ट सेमीएनालिसिस द्वारा, ओपनएआई को चैटजीपीटी का समर्थन करने के लिए लगभग 3,617 एचजीएक्स ए100 सर्वर, कुल 28,936 जीपीयू की आवश्यकता है, जिससे प्रति क्वेरी औसत लागत लगभग $0.36 हो जाती है। ब्लूमबर्ग के अनुसार, इन उच्च लागतों को ध्यान में रखते हुए, ओपनएआई के सीईओ सैम ऑल्टमैन कथित तौर पर एआई चिप उत्पादन सुविधाओं का एक विश्वव्यापी नेटवर्क बनाने के लिए महत्वपूर्ण निवेश की मांग कर रहे हैं। रिपोर्ट.

नियंत्रण एवं नवप्रवर्तन का उपयोग करना

तृतीय-पक्ष AI चिप्स अक्सर सीमाओं के साथ आते हैं। इन चिप्स पर भरोसा करने वाली कंपनियां खुद को ऑफ-द-शेल्फ समाधानों से विवश पा सकती हैं जो उनके अद्वितीय एआई मॉडल या अनुप्रयोगों के साथ पूरी तरह से संरेखित नहीं होते हैं। इन-हाउस चिप विकास विशिष्ट उपयोग के मामलों के अनुरूप अनुकूलन की अनुमति देता है। चाहे यह स्वायत्त कारों या मोबाइल उपकरणों के लिए हो, हार्डवेयर को नियंत्रित करने से कंपनियां अपने एआई एल्गोरिदम का पूरी तरह से लाभ उठा सकती हैं। अनुकूलित चिप्स विशिष्ट कार्यों को बढ़ा सकते हैं, विलंबता को कम कर सकते हैं और समग्र प्रदर्शन में सुधार कर सकते हैं।

एआई चिप विकास में नवीनतम प्रगति

यह अनुभाग एआई चिप प्रौद्योगिकी के निर्माण में Google, मेटा और अमेज़ॅन द्वारा की गई नवीनतम प्रगति पर प्रकाश डालता है।

Google के एक्सियन प्रोसेसर

एआई चिप तकनीक की शुरुआत के बाद से गूगल लगातार एआई चिप तकनीक के क्षेत्र में प्रगति कर रहा है टेंसर प्रोसेसिंग यूनिट (टीपीयू) 2015 में। इस आधार पर, Google ने हाल ही में लॉन्च किया है एक्सियन प्रोसेसर, इसका पहला कस्टम सीपीयू विशेष रूप से डेटा सेंटर और एआई वर्कलोड के लिए डिज़ाइन किया गया है। ये प्रोसेसर आर्म आर्किटेक्चर पर आधारित हैं, जो अपनी दक्षता और कॉम्पैक्ट डिजाइन के लिए जाने जाते हैं। एक्सियन प्रोसेसर का लक्ष्य ऊर्जा दक्षता को बनाए रखते हुए सीपीयू-आधारित एआई प्रशिक्षण और अनुमान की दक्षता को बढ़ाना है। यह प्रगति वेब और ऐप सर्वर, कंटेनरीकृत माइक्रोसर्विसेज, ओपन-सोर्स डेटाबेस, इन-मेमोरी कैश, डेटा एनालिटिक्स इंजन, मीडिया प्रोसेसिंग और बहुत कुछ सहित विभिन्न सामान्य-उद्देश्य वाले वर्कलोड के प्रदर्शन में महत्वपूर्ण सुधार का प्रतीक है।

मेटा का एमटीआईए

मेटा अपने साथ एआई चिप तकनीक में आगे बढ़ रहा है मेटा प्रशिक्षण और अनुमान त्वरक (MTIA). यह टूल प्रशिक्षण और अनुमान प्रक्रियाओं की दक्षता को बढ़ावा देने के लिए डिज़ाइन किया गया है, विशेष रूप से रैंकिंग और अनुशंसा एल्गोरिदम के लिए। हाल ही में, मेटा ने बताया कि कैसे एमटीआईए जीपीयू से परे अपने एआई बुनियादी ढांचे को मजबूत करने की रणनीति का एक महत्वपूर्ण हिस्सा है। प्रारंभ में 2025 में लॉन्च करने के लिए निर्धारित, मेटा ने पहले ही एमटीआईए के दोनों संस्करणों को उत्पादन में डाल दिया है, जो उनकी चिप विकास योजनाओं में तेज गति दिखा रहा है। जबकि एमटीआईए वर्तमान में कुछ प्रकार के एल्गोरिदम के प्रशिक्षण पर ध्यान केंद्रित करता है, मेटा का लक्ष्य जेनरेटिव एआई के लिए प्रशिक्षण को शामिल करने के लिए इसके उपयोग का विस्तार करना है, जैसे कि इसकी लामा भाषा मॉडल.

अमेज़ॅन का ट्रेनियम और इनफेरेंटिया

जब से इसकी प्रथा शुरू हुई है नाइट्रो चिप 2013 में, अमेज़ॅन ने अपने एआई चिप विकास का काफी विस्तार किया है। कंपनी ने हाल ही में दो इनोवेटिव AI चिप्स का अनावरण किया है, ट्रैनियम और अनुमान. ट्रेनियम को विशेष रूप से एआई मॉडल प्रशिक्षण को बढ़ाने के लिए डिज़ाइन किया गया है और इसे इसमें शामिल करने की तैयारी है EC2 अल्ट्राक्लस्टर. 100,000 चिप्स तक होस्ट करने में सक्षम ये क्लस्टर, ऊर्जा कुशल तरीके से मूलभूत मॉडल और बड़े भाषा मॉडल को प्रशिक्षित करने के लिए अनुकूलित हैं। दूसरी ओर, इनफेरेंटिया को उन अनुमान कार्यों के लिए तैयार किया गया है जहां एआई मॉडल को सक्रिय रूप से लागू किया जाता है, एआई-संचालित सेवाओं के साथ बातचीत करने वाले लाखों उपयोगकर्ताओं की जरूरतों को बेहतर ढंग से पूरा करने के लिए अनुमान के दौरान विलंबता और लागत को कम करने पर ध्यान केंद्रित किया जाता है।

नीचे पंक्ति

Google, Microsoft और Amazon जैसी प्रमुख कंपनियों द्वारा कस्टम AI चिप्स के इन-हाउस विकास की दिशा में आंदोलन AI प्रौद्योगिकियों की बढ़ती कम्प्यूटेशनल आवश्यकताओं को संबोधित करने के लिए एक रणनीतिक बदलाव को दर्शाता है। यह प्रवृत्ति उन समाधानों की आवश्यकता पर प्रकाश डालती है जो विशेष रूप से इन उन्नत प्रणालियों की अनूठी मांगों को पूरा करते हुए एआई मॉडल का कुशलतापूर्वक समर्थन करने के लिए तैयार किए गए हैं। जैसे-जैसे एआई चिप्स की मांग बढ़ती जा रही है, एनवीडिया जैसे उद्योग के नेताओं को बाजार मूल्यांकन में उल्लेखनीय वृद्धि देखने की संभावना है, जो एआई नवाचार को आगे बढ़ाने में कस्टम चिप्स की महत्वपूर्ण भूमिका को रेखांकित करता है। अपने स्वयं के चिप्स बनाकर, ये तकनीकी दिग्गज न केवल अपने एआई सिस्टम के प्रदर्शन और दक्षता को बढ़ा रहे हैं बल्कि अधिक टिकाऊ और लागत प्रभावी भविष्य को भी बढ़ावा दे रहे हैं। यह विकास उद्योग में नए मानक स्थापित कर रहा है, तेजी से बदलते वैश्विक बाजार में तकनीकी प्रगति और प्रतिस्पर्धात्मक लाभ बढ़ा रहा है।