Wayve, CoreWeave Cloud पर Blackwell GPU के साथ AI Driver मॉडल प्रशिक्षित करेगी

CoreWeave ने घोषणा की कि 9 नवंबर 2026 को Wayve के साथ कई वर्षों का एक समझौता किया गया है। इसके तहत Wayve, NVIDIA Blackwell GPU वाले CoreWeave Cloud पर अपने AI Driver फ़ाउंडेशन मॉडल प्रशिक्षित करेगी। इस काम में 70 से अधिक देशों में जुटाए गए वास्तविक दुनिया के ड्राइविंग डेटा से सीखने वाली प्रणाली का प्रशिक्षण, मूल्यांकन और सिमुलेशन शामिल है।

Wayve ने Weights & Biases के साथ शुरुआत की थी और तब से उसने CoreWeave Cloud पर अपना काम बढ़ाया है। इस विस्तार से विकास प्रक्रिया में CoreWeave की क्लाउड कंप्यूटिंग क्षमता जुड़ती है। इस प्रक्रिया में सॉफ़्टवेयर के विभिन्न संस्करणों के बीच प्रगति दिखाना, लंबे प्रशिक्षण सत्र जारी रखना और बड़े पैमाने पर मॉडलों की तुलना करने तथा सुरक्षा की पुष्टि करने के लिए पर्याप्त निगरानी-क्षमता उपलब्ध कराना आवश्यक है।

ड्राइविंग मॉडलों के लिए डेटा फ़्लाइव्हील

Wayve निजी कारों से लेकर रोबोटैक्सी तक के उपयोगों के लिए AI Driver विकसित कर रही है। कंपनी के इंजीनियरिंग के वरिष्ठ उपाध्यक्ष सिल्वियस रूस ने बताया कि उसका वैश्विक ड्राइविंग डेटा मॉडल विकास में किस तरह योगदान देता है: “हमारा AI Driver इस डेटा फ़्लाइव्हील के ज़रिए बेहतर होता है: वास्तविक दुनिया में ड्राइविंग का अनुभव जुटाना, उस पर प्रशिक्षण देना, उसका मूल्यांकन करना और केवल उसी को तैनात करना जो पहले से सड़क पर मौजूद प्रणालियों से बेहतर प्रदर्शन करे।” उन्हें उम्मीद है कि CoreWeave के AI क्लाउड तक पहुंच से AI Driver की व्यावसायिक तैनाती तेज़ करने में मदद मिलेगी।

सड़क पर तैनाती से पहले सिमुलेशन

भौतिक AI अवसंरचना पर CoreWeave के तकनीकी अवलोकन में विश्व-मॉडल प्रशिक्षण, सेंसर सिमुलेशन और क्लोज़्ड-लूप मूल्यांकन को स्वायत्त वाहनों के कार्यभार के रूप में पहचाना गया है। स्वायत्त वाहन हर दिन प्रति वाहन टेराबाइट्स में सेंसर डेटा उत्पन्न करते हैं। डेटा के इस प्रवाह को संभालने के लिए भंडारण, नेटवर्किंग और प्रशिक्षण पाइपलाइनों का एक साथ कुशलता से काम करना ज़रूरी है।

तैनाती के बाद भी भौतिक AI का विकास जारी रहता है, क्योंकि नए अप्रत्याशित मामले सामने आते हैं। इसलिए बार-बार पुनःप्रशिक्षण, चेकपॉइंट बनाना और तेज़ डेटा पाइपलाइनें परिचालन संबंधी आवश्यकताएं हैं। चूंकि विफलताओं के वास्तविक दुनिया में सुरक्षा संबंधी परिणाम हो सकते हैं, इसलिए अधिकांश मॉडल विकास वास्तविक उपयोग से पहले सिमुलेशन और चरणबद्ध सत्यापन के माध्यम से किया जाता है।

Wayve के साथ हुए समझौते से अलग, CoreWeave के एक संदर्भ प्रदर्शन में कंपनी ने बताया कि उसने लगभग 12 घंटों में 1.25 मिलियन CARLA स्वायत्त-वाहन सिमुलेशन चलाए। ये सिमुलेशन अलग-अलग शार्ड में चलाए गए और हर शार्ड में एक GPU का इस्तेमाल हुआ। इनमें मौसम, यातायात का घनत्व, नक्शे, चौराहे और सीड बदले गए, जिससे मॉडल विकास के लिए उत्पन्न की जा सकने वाली सिमुलेटेड स्थितियों की विविधता का पता चलता है।

प्रशिक्षण स्टैक में विश्वसनीयता

हार्डवेयर स्तर पर, NVIDIA के अनुसार, Blackwell का विश्वसनीयता, उपलब्धता और सेवाक्षमता इंजन हार्डवेयर और सॉफ़्टवेयर की सेहत से जुड़े हज़ारों डेटा बिंदुओं पर लगातार नज़र रखता है, ताकि कामकाज ठप होने के कारणों का पूर्वानुमान लगाकर उन्हें रोका जा सके। इसे संभावित खराबियों की जल्द पहचान करने, समस्याओं का स्रोत पता लगाने और रखरखाव में सहायता देने के लिए बनाया गया है। ये क्षमताएं CoreWeave की घोषणा में वर्णित लंबे प्रशिक्षण सत्रों की विश्वसनीयता संबंधी ज़रूरतों के लिए प्रासंगिक हैं।

अपने व्यापक भौतिक AI मंच के तहत CoreWeave का कहना है कि उसकी Kubernetes Service प्रशिक्षण और सिमुलेशन कार्यों का प्रबंधन करती है, जबकि वितरित और ऑब्जेक्ट स्टोरेज पेटाबाइट स्तर के सेंसर और सिमुलेशन डेटा को संभालते हैं। InfiniBand और RoCE नेटवर्किंग सर्वरों के बीच GPU से GPU तक सीधे डेटा पहुंचाती है और इस दौरान CPU को दरकिनार करती है। इससे वितरित कार्यों के दौरान सेंसर डेटा, सिमुलेशन की स्थिति और ग्रेडिएंट का आदान-प्रदान होने पर निष्क्रिय प्रतीक्षा कम होती है।

प्रयोग संबंधी उपकरण संस्करणों का क्रम भी दर्ज करते हैं: Weights & Biases Models प्रयोगों को ट्रैक करता है, Registry किसी चेकपॉइंट को ठीक उसी डेटासेट और प्रशिक्षण सत्र से जोड़ता है जिसने उसे बनाया था, और Weave ट्रेस, मूल्यांकन तथा निगरानी की सुविधा देता है। ये रिकॉर्ड इंजीनियरों को परीक्षण में मिली समस्या से जुड़े मॉडल चेकपॉइंट, डेटासेट और प्रशिक्षण सत्र तक वापस पहुंचने का रास्ता देते हैं। सुरक्षा की दृष्टि से अत्यंत महत्वपूर्ण ड्राइविंग प्रणाली के लिए, ऐसी अनुरेखण-क्षमता प्रशिक्षण क्षमता के साथ-साथ तुलना और सत्यापन में भी मदद करती है।

यह समझौता Wayve के अवसंरचना विस्तार में पूरे पुनरावृत्ति चक्र को शामिल करता है। तेज़ व्यावसायिक तैनाती इस बात पर निर्भर करती है कि एकीकृत प्रशिक्षण, मूल्यांकन और सिमुलेशन कितनी कुशलता से ड्राइविंग अनुभव को सत्यापित सुधारों में बदल सकते हैं, साथ ही सुरक्षा-महत्वपूर्ण ड्राइविंग सॉफ़्टवेयर के लिए आवश्यक विश्वसनीयता और अनुरेखण-क्षमता बनाए रख सकते हैं।