एन्थ्रोपिकने स्वतःची सानुकूल कृत्रिम बुद्धिमत्ता चिप विकसित करण्याच्या योजनांची पुष्टी केली आहे, बाहेरील हार्डवेअर पुरवठादारांवर अवलंबून राहणे यापुढे धावपळीच्या मागणीनुसार चालण्यासाठी पुरेसे नाही असा निष्कर्ष काढण्यासाठी नवीनतम AI लॅब बनली आहे.

TechCrunch, Reuters, Quartz आणि Business Insider यांनी नोंदवलेल्या जॉब लिस्ट आणि पुष्टीकरणानुसार, कंपनीने आपल्या भविष्यातील मोठ्या भाषेच्या मॉडेल्ससह प्रोसेसर सह-डिझाइन करण्यासाठी इन-हाउस "कस्टम सिलिकॉन टीम" असेंबल करत असल्याचे उघड केले. क्लॉड, त्याच्या फ्लॅगशिप मॉडेल फॅमिलीला सामर्थ्य देणाऱ्या हार्डवेअर स्टॅकवर अँथ्रोपिकचा अधिक नियंत्रण ठेवण्याचा मानस असलेल्या या हालचालीचा संकेत आहे. AI इंडस्ट्री कव्हरेज चा मागोवा घेणाऱ्यांसाठी, हा निर्णय स्पष्ट पॅटर्नला बसतो: प्रत्येक प्रमुख फ्रंटियर लॅब आता सिलिकॉनचा एक तुकडा जो त्याचे मॉडेल चालवतो त्याच्या मालकीची धाव घेत आहे.

क्लॉडसाठी को-डिझाइनिंग चिप्स

तपशील त्वरित ऑफ-द-शेल्फ खरेदी करण्याऐवजी सह-डिझाइन धोरणाकडे निर्देश करतात. SiliconANGLE ने अहवाल दिल्याप्रमाणे, एका प्रवक्त्याने बिझनेस इनसाइडर ला सांगितले की अँथ्रोपिक प्रोसेसरला त्याच्या भविष्यातील मोठ्या भाषेच्या मॉडेल्ससह सह-डिझाइन करेल. सह-डिझाइन उपक्रम विशेषत: विशिष्ट वर्कलोडसाठी चिप तयार करण्यावर लक्ष केंद्रित करतात — विशिष्ट गणना आणि मेमरी पॅटर्न ज्यावर मॉडेल अवलंबून असते — आणि अशा कस्टमायझेशनमुळे हार्डवेअर कार्यक्षमता लक्षणीयरीत्या वाढू शकते.

ऑफ-द-शेल्फ AI प्रवेगक ग्राहक आणि वर्कलोडच्या विस्तृत श्रेणीसाठी तयार केले जातात, याचा अर्थ ते तडजोड करतात. क्लॉडच्या आर्किटेक्चरसाठी विशेषतः ट्यून केलेली चिप, सिद्धांततः, सामान्य-उद्देश हार्डवेअरपेक्षा प्रति डॉलर आणि प्रति वॅट अधिक कार्यप्रदर्शन देऊ शकते. एन्थ्रोपिकच्या कार्यपद्धतीवर हे खूप महत्त्वाचे आहे, जिथे लहान कार्यक्षमतेचा फायदा देखील मोठ्या खर्च बचतीत होतो.

अभियंत्यांची नियुक्ती करा, फक्त चिप्स विकत घेणे नाही

TechCrunch ने अहवाल दिला की Anthropic जॉब सूचीनुसार, त्याच्या सानुकूल सिलिकॉन टीमसाठी चिप डिझाइनमध्ये अनुभव असलेले अभियंते शोधत आहे. लेखात नमूद केले आहे की कंपनीला अँथ्रोपिककडून पुष्टीकरण समाविष्ट करण्यासाठी अद्यतनित केले गेले आहे, ज्यामुळे योजना सट्टाऐवजी अधिकृत बनते.

क्लॉडची मागणी वाढत असताना आणि एआय कंपन्या शक्य तितक्या पायाभूत सौद्यांना लॉक करण्यासाठी चकरा मारतात. त्याच्या भागासाठी, Anthropic ने AI संगणकीय हार्डवेअरमध्ये प्रवेश करण्यासाठी AWS, Google, Nvidia आणि AMD सोबत करार केला आहे. पण खऱ्या अर्थाने मापन करण्यासाठी आणि मागणीची पातळी पूर्ण करण्यासाठी, इतरांवर अवलंबून राहणे यापुढे स्पष्टपणे पुरेसे नाही - एक कॅल्क्युलस ज्याने आता अँथ्रोपिकला स्वतःचे सिलिकॉन डिझाइन करण्याच्या दिशेने ढकलले आहे.

हे एक लक्षणीय धोरणात्मक बदल आहे. अँथ्रोपिकने स्वतःला संशोधन- आणि सुरक्षितता-केंद्रित प्रयोगशाळा म्हणून दीर्घकाळ स्थान दिले आहे, परंतु चिप घोषणा दर्शविते की ती सामान्यत: सर्वात मोठ्या हायपरस्केलर्सशी संबंधित जड पायाभूत सुविधा देखील तयार करत आहे.

गर्दीच्या मैदानात सामील होणे

एन्थ्रोपिक ही पहिली एआय कंपनी नाही ज्याने स्वतःची चिप तयार करणे खूप महाग आणि जटिलतेचे आहे असे ठरवले आहे. कंपनी तिच्या सर्वात मोठ्या प्रतिस्पर्ध्यांद्वारे प्रज्वलित केलेल्या चांगल्या मार्गावर चालत आहे.

जूनमध्ये, OpenAI ने ब्रॉडकॉम-निर्मित "Jalapeño" चिपचे अनावरण केले, जे विशेषतः अनुमानित वर्कलोड्ससाठी डिझाइन केलेले आहे - एक स्टेज जेथे प्रशिक्षित मॉडेल प्रत्यक्षात वापरकर्त्याच्या प्रश्नांची उत्तरे देते. Google DeepMind ने त्याच्या जेमिनी मॉडेल्सला उर्जा देण्यासाठी अल्फाबेटच्या कस्टम टेन्सर प्रोसेसिंग युनिट्स (TPUs) वर दीर्घकाळ अवलंबून ठेवले आहे, ज्यामुळे ते उद्योगातील सर्वात परिपक्व इन-हाउस सिलिकॉन प्रोग्राम्सपैकी एक आहे. मेटा, दरम्यानच्या काळात, एआय वर्कलोडसाठी स्वतःचे एमटीआयए प्रवेगक विकसित करत आहे.

हा ट्रेंड मॉडेल लॅबच्या पलीकडे आहे. Amazon सारख्या क्लाउड प्रदात्यांनी, त्याच्या Trainium आणि Inferentia चीपसह, Nvidia वरील त्यांचे अवलंबित्व कमी करण्यासाठी सानुकूल सिलिकॉनमध्येही मोठी गुंतवणूक केली आहे. समान धागा म्हणजे एकाच प्रबळ पुरवठादाराच्या मर्यादांमधून बाहेर पडण्याची आणि मूल्य शृंखला अधिक काबीज करण्याची इच्छा.

आता कस्टम सिलिकॉन का?

या लाटेला चालना देणारे अर्थशास्त्र सरळ आहे. Nvidia च्या GPUs मध्ये प्रचंड मार्जिन आहे कारण त्यांची मागणी मोठ्या प्रमाणावर पुरवठ्यापेक्षा जास्त आहे आणि फ्रंटियर AI मॉडेल्सना प्रशिक्षित आणि सेवा देण्यासाठी प्रचंड प्रमाणात मोजणीची आवश्यकता असते. त्या GPU वर अवलंबून असलेली प्रत्येक प्रयोगशाळा समान मर्यादित पुरवठ्यासाठी स्पर्धा करताना एकाच विक्रेत्याला प्रभावीपणे कर भरत आहे.

सानुकूल चिप डिझाईन करणे ही एक महागडी, बहु-वर्षांची पैज आहे — यासाठी लाखो डॉलर्सची किंमत असू शकते आणि दुर्मिळ अभियांत्रिकी प्रतिभा आवश्यक आहे — परंतु हे तीन फायदे देते जे प्रयोगशाळा अधिकाधिक अस्तित्वात आहेत. प्रथम, ते दीर्घकालीन अनुमान खर्च कमी करू शकते, जे क्लॉड सारख्या लोकप्रिय मॉडेलसाठी प्रमुख खर्च आहेत. दुसरे, ते पुरवठा टंचाई आणि निर्यात नियंत्रणासाठी धोरणात्मक असुरक्षा कमी करते. तिसरे, ते एक संरक्षक खंदक तयार करते: एक मॉडेल आणि एकमेकांसाठी सह-डिझाइन केलेली चिप प्रतिस्पर्ध्यांसाठी प्रतिकृती करणे कठीण आहे.

अँथ्रोपिकचा निर्णय क्लाउड आणि कंप्युट भागीदारांसोबतचे त्याचे घनिष्ठ संबंध देखील प्रतिबिंबित करतो. कंपनीने आधीच AI पायाभूत सुविधांसाठी मोठ्या प्रमाणावर वित्तपुरवठा सुरक्षित केला आहे आणि एक इन-हाऊस चिप प्रोग्राम ही त्या वित्तपुरवठ्याला समर्पित, ऑप्टिमाइझ्ड क्षमतेमध्ये रूपांतरित करण्याची नैसर्गिक पुढची पायरी आहे.

पुढे काय येईल

स्पर्धात्मक AI चिप तयार करण्यासाठी सामान्यत: डिझाइनपासून व्हॉल्यूम उत्पादनापर्यंत अनेक वर्षे लागतात, म्हणून अँथ्रोपिकचे कस्टम सिलिकॉन तात्काळ क्लॉडला सामर्थ्यवान बनवण्याची शक्यता नाही. कंपनी Nvidia, AMD आणि क्लाउड-प्रदाता प्रवेगकांवर अवलंबून राहणे सुरू ठेवेल जेव्हा त्याची नवीन टीम प्रथम टेप-आउटच्या दिशेने कार्य करते.

तरीही, घोषणा हा हेतूचा अर्थपूर्ण संकेत आहे. हे ओपनएआय आणि Google सारख्या हार्डवेअर शर्यतीत अँथ्रोपिकला ठामपणे ठेवते आणि हे सूचित करते की फ्रंटियर लॅबमधील स्पर्धेचा पुढील टप्पा केवळ अल्गोरिदम आणि डेटावर नाही तर त्यांच्या खाली असलेल्या सिलिकॉनवर लढला जाईल.

AI च्या पुढे रहा

एआय हार्डवेअरची लढाई संपूर्ण उद्योगाला आकार देत आहे. आमच्या नवीनतम AI घडामोडी हबवर प्रत्येक प्रमुख चिप लाँच, फंडिंग राऊंड आणि पायाभूत सुविधा डीलची माहिती ठेवा.

अधिक एआय बातम्या वाचा →