سلکان کو استعمال کرنا: گھر کے اندر چپس کس طرح AI کے مستقبل کو تشکیل دے رہے ہیں۔

مصنوعی ذہانت، کسی بھی سافٹ ویئر کی طرح، دو بنیادی اجزاء پر انحصار کرتی ہے: AI پروگرام، جنہیں اکثر ماڈل کہا جاتا ہے، اور کمپیوٹیشنل ہارڈویئر، یا چپس، جو ان پروگراموں کو چلاتے ہیں۔ اب تک، AI کی ترقی میں توجہ ماڈلز کو بہتر بنانے پر مرکوز رہی ہے، جبکہ ہارڈ ویئر کو عام طور پر تیسرے فریق کے سپلائرز کے ذریعہ فراہم کردہ معیاری جزو کے طور پر دیکھا جاتا تھا۔ حال ہی میں، تاہم، یہ نقطہ نظر تبدیل کرنا شروع کر دیا ہے. گوگل، میٹا، اور ایمیزون جیسی بڑی AI فرموں نے اپنی AI چپس تیار کرنا شروع کر دی ہیں۔ اپنی مرضی کے مطابق AI چپس کی اندرون ملک ترقی AI کی ترقی میں ایک نئے دور کا آغاز کر رہی ہے۔ یہ مضمون نقطہ نظر میں اس تبدیلی کے پیچھے وجوہات کو تلاش کرے گا اور اس ترقی پذیر علاقے میں ہونے والی تازہ ترین پیشرفتوں پر روشنی ڈالے گا۔

اندرون ملک AI چپ ڈیولپمنٹ کیوں؟

اپنی مرضی کے مطابق AI چپس کی اندرون ملک ترقی کی طرف تبدیلی کئی اہم عوامل سے چل رہی ہے، جن میں شامل ہیں:  

اے آئی چپس کی مانگ میں اضافہ

AI ماڈلز کی تخلیق اور استعمال میں ڈیٹا کی بڑی مقدار کو مؤثر طریقے سے سنبھالنے اور درست پیشین گوئیاں یا بصیرت پیدا کرنے کے لیے اہم کمپیوٹیشنل وسائل کی ضرورت ہوتی ہے۔ کھربوں ڈیٹا پوائنٹس پر تربیت کرتے وقت روایتی کمپیوٹر چپس کمپیوٹیشنل ڈیمانڈز کو سنبھالنے سے قاصر ہیں۔ اس حد کی وجہ سے جدید AI ایپلی کیشنز کی اعلیٰ کارکردگی اور کارکردگی کے تقاضوں کو پورا کرنے کے لیے جدید ترین AI چپس کی تخلیق ہوئی ہے۔ جیسے جیسے AI تحقیق اور ترقی میں اضافہ ہوتا جا رہا ہے، اسی طرح ان خصوصی چپس کی مانگ بھی بڑھتی جا رہی ہے۔

Nvidia، جو کہ اعلیٰ درجے کی AI چپس کی تیاری میں رہنما ہے اور اپنے حریفوں سے بہت آگے ہے، کو چیلنجز کا سامنا ہے کیونکہ طلب اس کی پیداواری صلاحیت سے بہت زیادہ ہے۔ اس صورت حال کی وجہ سے Nvidia کے لیے انتظار کی فہرستکے AI چپس کو کئی مہینوں تک بڑھایا جا رہا ہے، ایک تاخیر جو کہ ان کے AI چپس کی مانگ میں اضافے کے ساتھ بڑھتی جارہی ہے۔ مزید یہ کہ، چپ مارکیٹ، جس میں Nvidia اور Intel جیسے بڑے کھلاڑی شامل ہیں، کو چپ کی پیداوار میں چیلنجوں کا سامنا ہے۔ یہ مسئلہ چپ اسمبلی کے لیے تائیوانی صنعت کار TSMC پر ان کے انحصار سے پیدا ہوتا ہے۔ کسی ایک مینوفیکچرر پر یہ انحصار ان جدید چپس کی تیاری کے لیے طویل لیڈ ٹائمز کا باعث بنتا ہے۔

AI کمپیوٹنگ کو توانائی سے موثر اور پائیدار بنانا

AI چپس کی موجودہ نسل، جو کہ بھاری کمپیوٹیشنل کاموں کے لیے ڈیزائن کی گئی ہیں، کا رجحان ہے۔ بہت زیادہ طاقت استعمال کریں، اور اہم گرمی پیدا کرتے ہیں۔ اس کی وجہ سے AI ماڈلز کی تربیت اور استعمال کے لیے کافی ماحولیاتی اثرات مرتب ہوئے ہیں۔ اوپن اے آئی کے محققین یاد رکھیں کہ: 2012 کے بعد سے، جدید AI ماڈلز کو تربیت دینے کے لیے درکار کمپیوٹنگ پاور ہر 3.4 ماہ بعد دوگنی ہو گئی ہے، جس سے اندازہ ہوتا ہے کہ 2040 تک، انفارمیشن اینڈ کمیونیکیشن ٹیکنالوجی (ICT) کے شعبے سے اخراج عالمی اخراج کا 14% ہو سکتا ہے۔ ایک اور مطالعہ سے ظاہر ہوا کہ ایک ہی بڑے پیمانے پر تربیت زبان ماڈل 284,000 کلوگرام CO2 تک کا اخراج کر سکتا ہے، جو تقریباً پانچ کاروں کی ان کی زندگی بھر میں توانائی کی کھپت کے برابر ہے۔ اس کے علاوہ، یہ ہے اندازے کے مطابق کہ ڈیٹا سینٹرز کی توانائی کی کھپت ہوگی۔ 28 فیصد بڑھو 2030 تک۔ یہ نتائج AI کی ترقی اور ماحولیاتی ذمہ داری کے درمیان توازن قائم کرنے کی ضرورت پر زور دیتے ہیں۔ اس کے جواب میں، بہت سی AI کمپنیاں اب زیادہ توانائی سے چلنے والی چپس کی تیاری میں سرمایہ کاری کر رہی ہیں، جس کا مقصد AI کی تربیت اور آپریشنز کو زیادہ پائیدار اور ماحول دوست بنانا ہے۔

خصوصی کاموں کے لیے ٹیلرنگ چپس

مختلف AI عملوں کے مختلف کمپیوٹیشنل مطالبات ہوتے ہیں۔ مثال کے طور پر، ڈیپ لرننگ ماڈلز کی تربیت کے لیے بڑے ڈیٹا سیٹس کو سنبھالنے اور پیچیدہ حسابات کو تیزی سے انجام دینے کے لیے اہم کمپیوٹیشنل پاور اور ہائی تھرو پٹ کی ضرورت ہوتی ہے۔ تربیت کے لیے تیار کردہ چپس کو ان آپریشنز کو بڑھانے، رفتار اور کارکردگی کو بہتر بنانے کے لیے بہتر بنایا گیا ہے۔ دوسری طرف، تخمینہ کا عمل، جہاں ایک ماڈل اپنے سیکھے ہوئے علم کو پیش گوئیاں کرنے کے لیے لاگو کرتا ہے، اس کے لیے کم سے کم توانائی کے استعمال کے ساتھ تیز رفتار پروسیسنگ کی ضرورت ہوتی ہے، خاص طور پر اسمارٹ فونز اور IoT ڈیوائسز جیسے ایج ڈیوائسز میں۔ تخمینہ کے لیے چپس کو فی واٹ کارکردگی کو بہتر بنانے کے لیے بنایا گیا ہے، فوری ردعمل اور بیٹری کے تحفظ کو یقینی بناتا ہے۔ تربیت اور تخمینہ کے کاموں کے لیے چپ ڈیزائن کی یہ مخصوص ٹیلرنگ ہر چپ کو اس کے مطلوبہ کردار کے لیے ٹھیک ٹھیک ایڈجسٹ کرنے کی اجازت دیتی ہے، مختلف آلات اور ایپلی کیشنز میں کارکردگی کو بڑھاتی ہے۔ اس قسم کی تخصص نہ صرف زیادہ مضبوط AI فنکشنلٹیز کو سپورٹ کرتی ہے بلکہ وسیع تر توانائی کی کارکردگی اور لاگت کی تاثیر کو بھی فروغ دیتی ہے۔

مالی بوجھ کو کم کرنا

AI ماڈل کی تربیت اور آپریشنز کے لیے کمپیوٹنگ کا مالی بوجھ کافی ہے۔ مثال کے طور پر، OpenAI، مائیکروسافٹ کے ذریعہ تیار کردہ ایک وسیع سپر کمپیوٹر کو 2020 سے تربیت اور تخمینہ دونوں کے لیے استعمال کرتا ہے۔ OpenAI کے GPT-12 ماڈل کو تربیت دینے کے لیے تقریباً 3 ملین ڈالر لاگت آئی، اور اخراجات میں اضافہ ہوا۔ 100 ڈالر ڈالر GPT-4 کی تربیت کے لیے۔ ایک کے مطابق رپورٹ SemiAnalysis کے ذریعے، OpenAI کو ChatGPT کو سپورٹ کرنے کے لیے تقریباً 3,617 HGX A100 سرورز، کل 28,936 GPUs کی ضرورت ہے، جس سے فی استفسار کی اوسط قیمت تقریباً $0.36 ہو جاتی ہے۔ بلومبرگ کے مطابق، ان اعلی اخراجات کو ذہن میں رکھتے ہوئے، اوپن اے آئی کے سی ای او سیم آلٹ مین مبینہ طور پر اے آئی چپ پروڈکشن سہولیات کے عالمی نیٹ ورک کی تعمیر کے لیے اہم سرمایہ کاری کے خواہاں ہیں۔ رپورٹ.

کنٹرول اور انوویشن کا استعمال

تھرڈ پارٹی AI چپس اکثر حدود کے ساتھ آتی ہیں۔ ان چپس پر انحصار کرنے والی کمپنیاں اپنے آپ کو آف دی شیلف حلوں کی وجہ سے مجبور پا سکتی ہیں جو ان کے منفرد AI ماڈلز یا ایپلی کیشنز کے ساتھ مکمل طور پر موافق نہیں ہیں۔ اندرون خانہ چپ کی ترقی مخصوص استعمال کے معاملات کے مطابق تخصیص کی اجازت دیتی ہے۔ چاہے یہ خود مختار کاروں کے لیے ہو یا موبائل آلات کے لیے، ہارڈ ویئر کو کنٹرول کرنے سے کمپنیوں کو ان کے AI الگورتھم کا مکمل فائدہ اٹھانے کا اہل بناتا ہے۔ حسب ضرورت چپس مخصوص کاموں کو بڑھا سکتی ہیں، تاخیر کو کم کر سکتی ہیں اور مجموعی کارکردگی کو بہتر بنا سکتی ہیں۔

AI چپ کی ترقی میں تازہ ترین پیشرفت

یہ سیکشن AI چپ ٹیکنالوجی کی تعمیر میں Google، Meta، اور Amazon کی طرف سے کی جانے والی تازہ ترین پیشرفت پر روشنی ڈالتا ہے۔

گوگل کے ایکسیون پروسیسرز

گوگل کے متعارف ہونے کے بعد سے AI چپ ٹیکنالوجی کے میدان میں مسلسل ترقی کر رہا ہے۔ ٹینسر پروسیسنگ یونٹ (TPU) 2015 میں۔ اس بنیاد پر تعمیر کرتے ہوئے، گوگل نے حال ہی میں لانچ کیا ہے۔ ایکسین پروسیسرزاس کا پہلا حسب ضرورت CPUs خاص طور پر ڈیٹا سینٹرز اور AI ورک بوجھ کے لیے ڈیزائن کیا گیا ہے۔ یہ پروسیسر آرم آرکیٹیکچر پر مبنی ہیں، جو اپنی کارکردگی اور کمپیکٹ ڈیزائن کے لیے مشہور ہیں۔ Axion پروسیسرز کا مقصد توانائی کی کارکردگی کو برقرار رکھتے ہوئے CPU پر مبنی AI ٹریننگ اور انفرنسنگ کی کارکردگی کو بڑھانا ہے۔ یہ پیشرفت مختلف عام مقصد کے کام کے بوجھ کے لیے کارکردگی میں نمایاں بہتری کی نشاندہی کرتی ہے، بشمول ویب اور ایپ سرورز، کنٹینرائزڈ مائیکرو سروسز، اوپن سورس ڈیٹا بیس، ان میموری کیشز، ڈیٹا اینالیٹکس انجن، میڈیا پروسیسنگ، اور بہت کچھ۔

میٹا کا MTIA

میٹا اس کے ساتھ AI چپ ٹیکنالوجی میں آگے بڑھ رہا ہے۔ میٹا ٹریننگ اور انفرنس ایکسلریٹر (MTIA). یہ ٹول ٹریننگ اور انفرنس کے عمل کی کارکردگی کو بڑھانے کے لیے ڈیزائن کیا گیا ہے، خاص طور پر درجہ بندی اور سفارشی الگورتھم کے لیے۔ حال ہی میں، Meta نے بتایا کہ کس طرح MTIA اس کی حکمت عملی کا ایک کلیدی حصہ ہے تاکہ GPUs سے آگے اپنے AI انفراسٹرکچر کو مضبوط کیا جائے۔ ابتدائی طور پر 2025 میں لانچ کرنے کے لیے تیار، میٹا نے پہلے ہی MTIA کے دونوں ورژنز کو پروڈکشن میں ڈال دیا ہے، جو ان کے چپ ترقیاتی منصوبوں میں تیز رفتاری دکھا رہا ہے۔ جب کہ MTIA فی الحال کچھ مخصوص قسم کے الگورتھم کی تربیت پر توجہ مرکوز کرتا ہے، میٹا کا مقصد اس کے استعمال کو بڑھانا ہے تاکہ جنریٹیو AI کی تربیت شامل ہو، جیسے کہ لاما زبان کے ماڈل.

ایمیزون کا ٹرینیئم اور انفرنشیا۔

جب سے اپنا رواج متعارف کرایا ہے۔ نائٹرو چپ 2013 میں، ایمیزون نے اپنی AI چپ کی ترقی کو نمایاں طور پر بڑھایا ہے۔ کمپنی نے حال ہی میں دو جدید AI چپس کی نقاب کشائی کی، ٹرینیم اور Inferentia. ٹرینیم کو خاص طور پر AI ماڈل کی تربیت کو بڑھانے کے لیے ڈیزائن کیا گیا ہے اور اس میں شامل ہونے کے لیے تیار ہے۔ EC2 الٹرا کلسٹرز. یہ کلسٹرز، جو 100,000 چپس کی میزبانی کرنے کی صلاحیت رکھتے ہیں، توانائی کے موثر انداز میں بنیادی ماڈلز اور بڑے لینگویج ماڈلز کی تربیت کے لیے موزوں ہیں۔ دوسری طرف، Inferentia، قیاس کے کاموں کے لیے تیار کیا گیا ہے جہاں AI ماڈلز کو فعال طور پر لاگو کیا جاتا ہے، AI سے چلنے والی خدمات کے ساتھ تعامل کرنے والے لاکھوں صارفین کی ضروریات کو بہتر طریقے سے پورا کرنے کے لیے تخمینہ کے دوران تاخیر اور لاگت کو کم کرنے پر توجہ مرکوز کرتا ہے۔

نیچے کی لکیر

گوگل، مائیکروسافٹ، اور ایمیزون جیسی بڑی کمپنیوں کی طرف سے کسٹم AI چپس کی اندرون ملک ترقی کی تحریک AI ٹیکنالوجیز کی بڑھتی ہوئی کمپیوٹیشنل ضروریات کو پورا کرنے کے لیے ایک اسٹریٹجک تبدیلی کی عکاسی کرتی ہے۔ یہ رجحان ان حلوں کی ضرورت پر روشنی ڈالتا ہے جو خاص طور پر ان جدید نظاموں کے منفرد مطالبات کو پورا کرتے ہوئے، AI ماڈلز کو موثر انداز میں سپورٹ کرنے کے لیے تیار کیے گئے ہیں۔ جیسا کہ AI چپس کی مانگ میں مسلسل اضافہ ہوتا جا رہا ہے، Nvidia جیسے صنعت کے رہنماؤں کو مارکیٹ کی قیمت میں نمایاں اضافہ دیکھنے کا امکان ہے، جو کہ AI اختراع کو آگے بڑھانے میں کسٹم چپس کے اہم کردار کی نشاندہی کرتا ہے۔ اپنی چپس بنا کر، یہ ٹیک کمپنیاں نہ صرف اپنے AI سسٹمز کی کارکردگی اور کارکردگی کو بڑھا رہی ہیں بلکہ ایک زیادہ پائیدار اور لاگت سے موثر مستقبل کو بھی فروغ دے رہی ہیں۔ یہ ارتقاء صنعت میں نئے معیارات قائم کر رہا ہے، تیزی سے بدلتی ہوئی عالمی منڈی میں تکنیکی ترقی اور مسابقتی فائدہ اٹھا رہا ہے۔