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

आर्टिफ़िशियल इंटेलिजेंस, जैसे कि कोई भी सॉफ़्टवेयर, दो मूलभूत घटकों पर निर्भर करता है: एआई प्रोग्राम, जिन्हें अक्सर मॉडल कहा जाता है, और गणना 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 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 अमेज़ॉन जैसी प्रमुख एआई कंपनियों ने अपने स्वयं के एआई चिप्स विकसित करना शुरू कर दिया है। कस्टम एआई चिप्स का इन-हाउस विकास एआई प्रगति में एक नए युग की शुरुआत का संकेत है। यह लेख इस दृष्टिकोण में बदलाव के पीछे के कारणों का अन्वेषण करेगा और इस विकासशील क्षेत्र में नवीनतम विकास को उजागर करेगा।

इन-हाउस एआई चिप विकास क्यों?

इन-हाउस विकसित कस्टम एआई चिप्स की ओर बदलाव कई महत्वपूर्ण कारकों द्वारा संचालित हो रहा है, जिनमें शामिल हैं:

एआई चिप्स की बढ़ती मांग

एआई मॉडल बनाने और उपयोग करने के लिए बड़े डेटा वॉल्यूम को प्रभावी ढंग से संभालने और सटीक पूर्वानुमान या अंतर्दृष्टि उत्पन्न करने के लिए महत्वपूर्ण गणना संसाधनों की आवश्यकता होती है। पारंपरिक कंप्यूटर चिप्स बड़े पैमाने पर डेटा बिंदुओं पर प्रशिक्षण के दौरान गणना की मांग को संभालने में असमर्थ हैं। इस सीमा ने विशेष रूप से आधुनिक एआई अनुप्रयोगों की उच्च प्रदर्शन और दक्षता आवश्यकताओं को पूरा करने के लिए डिज़ाइन किए गए उन्नत एआई चिप्स के निर्माण को जन्म दिया है। जैसे-जैसे एआई अनुसंधान और विकास जारी रहते हैं, एआई चिप्स की मांग भी बढ़ती जा 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 मांग में वृद्धि के साथ बढ़ती जा 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 टीएसएमसी जैसे ताइवानी निर्माता पर 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 गणना कार्यों के लिए डिज़ाइन किए गए हैं, बहुत अधिक शक्ति की खपत करते हैं और महत्वपूर्ण गर्मी उत्पन्न करते हैं। इसके परिणामस्वरूप एआई मॉडलों को प्रशिक्षित करने और उपयोग करने के लिए पर्यावरण पर महत्वपूर्ण प्रभाव पड़ता है। ओपनएआई शोधकर्ताओं का उल्लेख है कि 2012 से एआई मॉडलों को प्रशिक्षित करने के लिए आवश्यक गणना शक्ति में हर 3.4 महीने में दोगुनी वृद्धि हुई है, जो सुझाव देती है कि 2040 तक, सूचना और संचार प्रौद्योगिकी (आईसीटी) क्षेत्र से उत्सर्जन वैश्विक उत्सर्जन का 14% हो सकता है। एक अन्य अध्ययन में पाया गया कि एक बड़े पैमाने पर भाषा मॉडल को प्रशिक्षित करने से लगभग 284,000 किलोग्राम CO2 का उत्सर्जन हो सकता है, जो लगभग पांच कारों के जीवनकाल में ऊर्जा की 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 विकसित करने 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 अनुकूलित करना

विभिन्न एआई प्रक्रियाओं में विभिन्न गणना आवश्यकताएं होती हैं। उदाहरण के लिए, गहरे शिक्षण मॉडलों को प्रशिक्षित करने के लिए महत्वपूर्ण गणना शक्ति और उच्च थ्रूपुट की आवश्यकता होती है ताकि बड़े डेटासेट को संभाला जा सके और जटिल गणनाएं तेजी से की जा सकें। प्रशिक्षण के लिए डिज़ाइन किए गए चिप्स इन संचालन में सुधार करने के लिए अनुकूलित हैं। दूसरी ओर, अनुमान प्रक्रिया, जहां एक मॉडल अपने सीखे हुए ज्ञान को लागू करता है ताकि पूर्वानुमान लगाया जा सके, में तेजी से प्रसंस्करण की आवश्यकता होती है और विशेष रूप से एज डिवाइस जैसे स्मार्टफोन और आईओटी डिवाइस में न्यूनतम ऊर्जा की खपत होती है। अनुमान के लिए चिप्स प्रदर्शन प्रति वाट को अनुकूलित करने के लिए इंजीनियर किए जाते हैं, जो प्रतिक्रिया समय और बैटरी संरक्षण में सुधार करते हैं। चिप डिज़ाइनों को प्रशिक्षण और अनुमान कार्यों के लिए विशेष रूप से अनुकूलित करना प्रत्येक चिप को उसकी भूमिका के लिए सटीक रूप से समायोजित करने की अनुमति देता है, जो विभिन्न उपकरणों और अनुप्रयोगों में प्रदर्शन में सुधार करता है। इस प्रकार की विशेषज्ञता न केवल अधिक मजबूत एआई कार्यक्षमता का समर्थन करती है, बल्कि ऊर्जा दक्षता और लागत प्रभावशीलता को 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 माइक्रोसॉफ्ट द्वारा बनाए गए एक व्यापक सुपरकंप्यूटर का उपयोग प्रशिक्षण और अनुमान दोनों के लिए करता है। ओपनएआई को अपने जीपीटी-3 मॉडल को प्रशिक्षित करने में लगभग 12 मिलियन डॉलर का खर्च आया, और जीपीटी-4 को प्रशिक्षित करने का खर्च 100 मिलियन डॉलर तक बढ़ गया। सेमियानालिसिस 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, जो प्रति प्रश्न लगभग 0.36 डॉलर की लागत आती है। इन उच्च लागतों को ध्यान में रखते हुए, ओपनएआई के सीईओ सैम ऑल्टमैन कथित तौर पर विश्व स्तर पर एआई चिप उत्पादन सुविधाओं के नेटवर्क के निर्माण के लिए महत्वपूर्ण निवेश की मांग कर रहे हैं, जैसा कि एक ब्लूमबर्ग रिपोर्ट में बताया गया है।

नियंत्रण और नवाचार को बढ़ावा देना

तीसरे पक्ष के एआई चिप्स अक्सर सीमाओं के साथ आते हैं। जो कंपनियां इन चिप्स पर निर्भर करती हैं वे पा सकती हैं कि वे ऑफ-द-शेल्फ समाधानों द्वारा सीमित हैं जो पूरी तरह से उनके विशिष्ट एआई मॉडल या अनुप्रयोगों के साथ संरेखित नहीं होते 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 अल्गोरिदम का पूरी तरह से लाभ उठा सकती हैं। अनुकूलित चिप्स विशिष्ट कार्यों में सुधार कर सकती हैं, विलंबता को कम कर सकती हैं और समग्र प्रदर्शन में सुधार कर सकती हैं।

एआई चिप विकास में नवीनतम प्रगति

इस खंड में गूगल, मेटा और अमेज़ॉन द्वारा एआई चिप प्रौद्योगिकी में की गई नवीनतम प्रगति का विवरण दिया गया है।

गूगल के एक्सियन प्रोसेसर

गूगल 2015 में टेंसर प्रोसेसिंग यूनिट (TPU) 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 अपने पहले कस्टम सीपीयू, एक्सियन प्रोसेसर को लॉन्च किया है, जो विशेष रूप से डेटा सेंटर और एआई वर्कलोड के लिए डिज़ाइन किए गए हैं। ये प्रोसेसर आर्म आर्किटेक्चर पर आधारित हैं, जो अपनी दक्षता और कompact डिज़ाइन के लिए जाने जाते हैं। एक्सियन प्रोसेसर सीपीयू-आधारित एआई प्रशिक्षण और अनुमान की दक्षता में सुधार करने के लिए डिज़ाइन किए गए हैं, जबकि ऊर्जा दक्षता बनाए रखते हैं। यह प्रगति विभिन्न सामान्य-उद्देश्य वर्कलोड, जिनमें वेब और ऐप सर्वर, कंटेनरीकृत माइक्रोसेवा, ओपन-सोर्स डेटाबेस, इन-मेमोरी कैश, डेटा एनालिटिक्स इंजन, मीडिया प्रोसेसिंग और अधिक शामिल हैं, के लिए प्रदर्शन में महत्वपूर्ण सुधार का भी प्रतिनिधित्व करती है।

मेटा का एमटीआईए

मेटा अपनी एआई चिप प्रौद्योगिकी में आगे बढ़ रहा है với अपने मेटा ट्रेनिंग एंड इन्फरेंस एक्सेलरेटर (MTIA) के साथ। 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 रणनीति का एक महत्वपूर्ण हिस्सा है। शुरू में 2025 में लॉन्च होने वाला, मेटा ने एमटीआईए के दोनों संस्करणों को उत्पादन में डाल दिया है, जो उनके चिप विकास योजनाओं में तेजी की ओर संकेत करता है। जबकि एमटीआईए वर्तमान में कुछ प्रकार के एल्गोरिदम के प्रशिक्षण पर केंद्रित है, मेटा इसका उपयोग विस्तारित करने की योजना बना रहा है ताकि जनरेटिव एआई, जैसे कि उनके ललामा भाषा मॉडल के लिए प्रशिक्षण शामिल किया जा सके।

अमेज़ॉन के ट्रेनियम और इन्फेरेंटिया

अमेज़ॉन ने 2013 में अपने कस्टम निट्रो चिप की शुरुआत के बाद से अपने एआई चिप विकास में महत्वपूर्ण विस्तार किया है। कंपनी ने हाल ही में दो नवीन 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 मॉडल और बड़े भाषा मॉडल को प्रशिक्षित करने के लिए ऊर्जा-कुशल तरीके से अनुकूलित हैं। दूसरी ओर, इन्फेरेंटिया अनुमान कार्यों के लिए डिज़ाइन की गई है, जहां एआई मॉडल सक्रिय रूप से लागू होते हैं, लैटेंसी और लागत को कम करने पर ध्यान केंद्रित करते हुए अनुमान के दौरान मिलियनों उपयोगकर्ताओं को एआई-संचालित सेवाओं के साथ बेहतर सेवा प्रदान करने के लिए।

नीचे की रेखा

गूगल, माइक्रोसॉफ्ट और अमेज़ॉन जैसी प्रमुख कंपनियों द्वारा कस्टम एआई चिप्स के इन-हाउस विकास की ओर बढ़ना एआई प्रौद्योगिकियों की बढ़ती गणना आवश्यकताओं को संबोधित करने के लिए एक रणनीतिक बदलाव को दर्शाता है। यह रुझान एआई मॉडलों का समर्थन करने के लिए विशेष रूप से तैयार किए गए समाधानों की आवश्यकता पर प्रकाश डालता है, जो इन उन्नत प्रणालियों की विशिष्ट मांगों को पूरा करते हैं। जैसे-जैसे एआई चिप्स की मांग बढ़ती जा रही है, उद्योग के नेताओं जैसे एनवीडिया को बाजार मूल्यांकन में महत्वपूर्ण वृद्धि देखने की संभावना है, जो 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 अपनी एआई प्रणालियों के प्रदर्शन और दक्षता में सुधार कर रहे हैं, बल्कि एक अधिक स्थायी और लागत प्रभावी भविष्य को बढ़ावा दे रहे हैं। यह विकास उद्योग में नए मानकों को स्थापित कर रहा है, जो तेजी से बदलते वैश्विक बाजार में प्रौद्योगिकी प्रगति और प्रतिस्पर्धी लाभ को बढ़ावा दे रहा है।