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

कृत्रिम बुद्धिमत्ता, जैसे कि कोई भी सॉफ्टवेयर, दो मूलभूत घटकों पर निर्भर करती है: एआई प्रोग्राम, जिन्हें अक्सर मॉडल के रूप में जाना जाता है, और गणनात्मक हार्डवेयर, या चिप्स, जो इन प्रोग्रामों को चलाते हैं। अब तक, एआई विकास में मॉडल को परिष्कृत करने पर ध्यान केंद्रित किया गया है, जबकि हार्डवेयर को आमतौर पर तीसरे पक्ष के आपूर्तिकर्ताओं द्वारा प्रदान किए गए मानक घटक के रूप में देखा जाता था। हालांकि, हाल ही में, यह दृष्टिकोण बदलना शुरू हो गया है। गूगल, मेटा, और अमेज़न जैसी प्रमुख एआई कंपनियों ने अपने स्वयं के एआई चिप्स विकसित करना शुरू कर दिया है। इन-हाउस कस्टम एआई चिप्स का विकास एआई प्रगति में एक नए युग की घोषणा कर रहा है। यह लेख इस दृष्टिकोण में परिवर्तन के पीछे के कारणों का अन्वेषण करेगा और इस विकसित क्षेत्र में नवीनतम विकास को उजागर करेगा।

इन-हाउस एआई चिप विकास क्यों?

इन-हाउस कस्टम एआई चिप विकास की ओर यह परिवर्तन कई महत्वपूर्ण कारकों द्वारा संचालित किया जा 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 पूर्वानुमान या अंतर्दृष्टि उत्पन्न करने के लिए महत्वपूर्ण गणनात्मक संसाधनों की आवश्यकता होती है। पारंपरिक कंप्यूटर चिप्स ट्रिलियन डेटा पॉइंट्स पर प्रशिक्षण के दौरान गणनात्मक मांगों को संभालने में असमर्थ हैं। इस सीमा ने आधुनिक एआई अनुप्रयोगों की उच्च प्रदर्शन और दक्षता आवश्यकताओं को पूरा करने के लिए विशेष रूप से डिज़ाइन किए गए एआई चिप्स के निर्माण को जन्म दिया है। जैसे-जैसे एआई अनुसंधान और विकास जारी रहते हैं, विशेषज्ञता वाले इन चिप्स की मांग भी बढ़ रही है।

एनवीडिया, जो उन्नत एआई चिप्स के उत्पादन में एक नेता है और अपने प्रतिस्पर्धियों से आगे है, अपनी विनिर्माण क्षमता से अधिक मांग का सामना कर रहा है। इस स्थिति ने एनवीडिया के एआई चिप्स के लिए प्रतीक्षा सूची को कई महीनों तक बढ़ा दिया है, जो देरी जारी है क्योंकि उनके एआई चिप्स की मांग बढ़ रही है। इसके अलावा, चिप बाजार, जिसमें एनवीडिया और इंटेल जैसे प्रमुख खिलाड़ी शामिल हैं, चिप उत्पादन में चुनौतियों का सामना करता है। यह मुद्दा ताइवानी निर्माता टीएसएमसी पर चिप असेंबली के लिए उनकी निर्भरता से उत्पन्न होता है। इस एकल निर्माता पर निर्भरता उन्नत चिप्स के निर्माण के लिए लंबे समय तक लीड समय की ओर ले जाती है।

एआई गणना को ऊर्जा-कुशल और स्थायी बनाना

वर्तमान पीढ़ी के एआई चिप्स, जो भारी गणनात्मक कार्यों के लिए डिज़ाइन किए गए हैं, बहुत अधिक शक्ति की खपत करते हैं और महत्वपूर्ण मात्रा में गर्मी उत्पन्न करते हैं। इसके परिणामस्वरूप एआई मॉडल के प्रशिक्षण और उपयोग के लिए पर्यावरण पर महत्वपूर्ण प्रभाव पड़ता है। ओपनएआई शोधकर्ता नोट करते हैं: 2012 से, उन्नत एआई मॉडल को प्रशिक्षित करने के लिए आवश्यक गणना शक्ति प्रति 3.4 महीने में दोगुनी हो गई है, जो सुझाव देती है कि 2040 तक, सूचना और संचार प्रौद्योगिकी (आईसीटी) क्षेत्र के उत्सर्जन वैश्विक उत्सर्जन का 14% हो सकता है। एक अन्य अध्ययन दिखाया कि एक बड़े पैमाने पर भाषा मॉडल को प्रशिक्षित करने से 284,000 किलोग्राम सीओ२ का उत्सर्जन हो सकता है, जो लगभग पांच कारों की लाइफटाइम ऊर्जा खपत के बराबर है। इसके अलावा, अनुमान है कि डेटा सेंटर की ऊर्जा खपत 2030 तक 28 प्रतिशत बढ़ जाएगी। ये निष्कर्ष एआई विकास और पर्यावरणीय जिम्मेदारी के बीच संतुलन बनाने की आवश्यकता पर जोर देते हैं। इसके जवाब में, कई एआई कंपनियां अब अधिक ऊर्जा-कुशल चिप्स के विकास में निवेश कर रही हैं, जिसका उद्देश्य एआई प्रशिक्षण और संचालन को अधिक स्थायी और पर्यावरण अनुकूल बनाना है।

विशेष कार्यों के लिए चिप्स को तैयार करना

विभिन्न एआई प्रक्रियाओं में विभिन्न गणनात्मक मांगें होती हैं। उदाहरण के लिए, गहरे शिक्षण मॉडल को प्रशिक्षित करने के लिए महत्वपूर्ण गणनात्मक शक्ति और उच्च थ्रूपुट की आवश्यकता होती है ताकि बड़े डेटासेट को संभाला जा सके और जटिल गणनाएं जल्दी से की जा सकें। प्रशिक्षण के लिए डिज़ाइन किए गए चिप्स इन ऑपरेशनों को बढ़ाने के लिए अनुकूलित हैं, जिससे गति और दक्षता में सुधार होता है। दूसरी ओर, अनुमान प्रक्रिया, जहां एक मॉडल अपने सीखे हुए ज्ञान को पूर्वानुमान लगाने के लिए लागू करता है, तेजी से प्रसंस्करण की आवश्यकता होती है और न्यूनतम ऊर्जा का उपयोग करता है, विशेष रूप से स्मार्टफोन और आईओटी डिवाइस जैसे एज डिवाइस में। अनुमान के लिए चिप्स प्रदर्शन प्रति वाट को अनुकूलित करने के लिए इंजीनियर किए जाते हैं, जिससे प्रतिक्रिया समय और बैटरी संरक्षण में सुधार होता है। चिप डिज़ाइनों का यह विशिष्ट अनुकूलन प्रशिक्षण और अनुमान कार्यों के लिए प्रत्येक चिप को उसकी भूमिका के लिए सटीक रूप से समायोजित करने की अनुमति देता है, जिससे विभिन्न डिवाइस और अनुप्रयोगों में प्रदर्शन में सुधार होता है। इस प्रकार की विशेषज्ञता न केवल अधिक मजबूत एआई कार्यक्षमता का समर्थन करती है, बल्कि यह अधिक ऊर्जा दक्षता और लागत प्रभावशीलता को भी बढ़ावा देती है।

वित्तीय बोझ को कम करना

एआई मॉडल प्रशिक्षण और संचालन के लिए गणना का वित्तीय बोझ अभी भी महत्वपूर्ण है। ओपनएआई, उदाहरण के लिए, 2020 से प्रशिक्षण और अनुमान दोनों के लिए माइक्रोसॉफ्ट द्वारा बनाए गए एक व्यापक सुपरकंप्यूटर का उपयोग करता है। ओपनएआई को अपने जीपीटी-3 मॉडल को प्रशिक्षित करने में लगभग 12 मिलियन डॉलर का खर्च आया, और यह खर्च जीपीटी-4 के प्रशिक्षण के लिए 100 मिलियन डॉलर तक बढ़ गया। सेमीअनालिसिस की एक रिपोर्ट के अनुसार, ओपनएआई को चैटजीपीटी का समर्थन करने के लिए लगभग 3,617 एचजीएक्स ए100 सर्वर, कुल 28,936 जीपीयू की आवश्यकता है, जिससे प्रति प्रश्न की औसत लागत लगभग 0.36 डॉलर है। इन उच्च लागतों को ध्यान में रखते हुए, ओपनएआई के सीईओ सैम अल्टमैन विश्व स्तर पर एआई चिप उत्पादन सुविधाओं के नेटवर्क का निर्माण करने के लिए महत्वपूर्ण निवेश की मांग कर रहे हैं, जैसा कि एक ब्लूमबर्ग रिपोर्ट में बताया गया है।

नियंत्रण और नवाचार को अपनाना

तीसरे पक्ष के एआई चिप्स अक्सर सीमाओं के साथ आते हैं। इन चिप्स पर निर्भर कंपनियां पा सकती हैं कि वे ऑफ-द-शेल्फ समाधानों द्वारा सीमित हैं जो उनके विशिष्ट एआई मॉडल या अनुप्रयोगों के साथ पूरी तरह से संरेखित नहीं हैं। इन-हाउस चिप विकास कंपनियों को विशिष्ट उपयोग के मामलों के लिए अनुकूलन की अनुमति देता है। चाहे वह स्वायत्त वाहन हों या मोबाइल डिवाइस, हार्डवेयर पर नियंत्रण रखने 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 खंड गूगल, मेटा, और अमेज़न द्वारा एआई चिप प्रौद्योगिकी के निर्माण में की गई नवीनतम प्रगति में गहराई से जाता है।

गूगल के एक्सियन प्रोसेसर

गूगल 2015 में टेंसर प्रोसेसिंग यूनिट (टीपीयू) की शुरुआत के बाद से एआई चिप प्रौद्योगिकी के क्षेत्र में लगातार प्रगति कर रहा है। इस आधार पर निर्माण करते हुए, गूगल ने हाल ही में एक्सियन प्रोसेसर लॉन्च किए हैं, जो विशेष रूप से डेटा सेंटर और एआई वर्कलोड के लिए डिज़ाइन किए गए अपने पहले कस्टम सीपीयू हैं। ये प्रोसेसर आर्म आर्किटेक्चर पर आधारित हैं, जो उनकी दक्षता और कompact डिज़ाइन के लिए जाने जाते हैं। एक्सियन प्रोसेसर सीपीयू-आधारित एआई प्रशिक्षण और अनुमान की दक्षता में सुधार करने के लिए लक्षित हैं, जबकि ऊर्जा दक्षता बनाए रखते हैं। यह प्रगति विभिन्न सामान्य-उद्देश्य वाले वर्कलोड, जिनमें वेब और ऐप सर्वर, कंटेनरीकृत माइक्रोसेवा, ओपन-सोर्स डेटाबेस, इन-मेमोरी कैश, डेटा विश्लेषण इंजन, मीडिया प्रोसेसिंग, और अधिक शामिल हैं, के लिए प्रदर्शन में एक महत्वपूर्ण सुधार को भी चिह्नित करती है।

मेटा का एमटीआईए

मेटा अपने मेटा ट्रेनिंग एंड इन्फरेंस एक्सेलरेटर (एमटीआईए) के साथ एआई चिप प्रौद्योगिकी में आगे बढ़ रहा है। यह उपकरण प्रशिक्षण और अनुमान प्रक्रियाओं की दक्षता में सुधार करने के लिए डिज़ाइन किया गया है, विशेष रूप से रैंकिंग और सिफारिश एल्गोरिदम के लिए। हाल ही में, मेटा ने बताया कि एमटीआईए उनकी एआई बुनियादी ढांचे को जीपीयू से परे मजबूत करने की उनकी रणनीति का एक महत्वपूर्ण हिस्सा है। शुरू में 2025 में लॉन्च होने वाला, मेटा ने अपने चिप विकास योजनाओं में तेजी लाने के लिए एमटीआईए के दोनों संस्करणों को उत्पादन में डाल दिया है। जबकि एमटीआईए वर्तमान में कुछ प्रकार के एल्गोरिदम के प्रशिक्षण पर केंद्रित है, मेटा इसका उपयोग जेनरेटिव एआई, जैसे कि अपने लामा भाषा मॉडल के प्रशिक्षण के लिए विस्तार करने की योजना बना रहा है।

अमेज़न का ट्रेनियम और इन्फेरेंटिया

2013 में अपने कस्टम नाइट्रो चिप की शुरुआत के बाद से, अमेज़न ने अपने एआई चिप विकास में महत्वपूर्ण विस्तार किया है। कंपनी ने हाल ही में दो नवाचारी एआई चिप्स, ट्रेनियम और इन्फेरेंटिया का अनावरण किया है। ट्रेनियम विशेष रूप से एआई मॉडल प्रशिक्षण में सुधार के लिए डिज़ाइन किया गया है और ईसी2 अल्ट्राक्लस्टर में एकीकृत किया जाने वाला है। ये क्लस्टर, जो 100,000 चिप्स तक होस्ट कर सकते हैं, बड़े पैमाने पर भाषा मॉडल और ऊर्जा-कुशल तरीके से प्रशिक्षण के लिए अनुकूलित हैं। दूसरी ओर, इन्फेरेंटिया अनुमान कार्यों के लिए तैयार की गई है, जहां एआई मॉडल सक्रिय रूप से लागू किए जाते हैं, और लाखों उपयोगकर्ताओं द्वारा एआई-संचालित सेवाओं के साथ बातचीत के दौरान अनुमान के दौरान विलंबता और लागत को कम करने पर केंद्रित है।

नीचे की पंक्ति

गूगल, माइक्रोसॉफ्ट, और अमेज़न जैसी प्रमुख कंपनियों द्वारा इन-हाउस कस्टम एआई चिप विकास की ओर यह परिवर्तन एआई प्रौद्योगिकियों की बढ़ती गणनात्मक आवश्यकताओं को संबोधित करने के लिए एक रणनीतिक परिवर्तन को दर्शाता है। यह रुझान उन समाधानों की आवश्यकता पर प्रकाश डालता है जो विशेष रूप से एआई मॉडल का समर्थन करने के लिए तैयार किए गए हैं, जो इन उन्नत प्रणालियों की विशिष्ट मांगों को पूरा करते हैं। जैसे-जैसे एआई चिप्स की मांग बढ़ रही है, एनवीडिया जैसे उद्योग के नेता बाजार मूल्यांकन में महत्वपूर्ण वृद्धि देख सकते हैं, जो कि कस्टम चिप्स द्वारा एआई नवाचार में निभाई जाने वाली महत्वपूर्ण भूमिका को रेखांकित करता है। अपने स्वयं के चिप्स बनाकर, ये प्रौद्योगिकी दिग्गज न केवल अपने एआई सिस्टम के प्रदर्शन और दक्षता में सुधार कर रहे हैं, बल्कि एक अधिक स्थायी और लागत प्रभावी भविष्य को भी बढ़ावा दे रहे हैं। यह विकास उद्योग में नए मानक स्थापित कर रहा है, जो तेजी से बदलते वैश्विक बाजार में प्रौद्योगिकी प्रगति और प्रतिस्पर्धी लाभ को बढ़ावा दे रहा है।