टेक पब्लिकेशन द इन्फॉर्मेशनने प्रथम प्रकाशित केलेल्या अहवालानुसार, Google त्याचे मिथुन मॉडेल्स अधिक कार्यक्षमतेने चालविण्यासाठी डिझाइन केलेली एक नवीन कृत्रिम बुद्धिमत्ता चिप विकसित करत आहे. हा प्रयत्न - ज्याला द इन्फॉर्मेशनने म्हटले आहे की "फ्रोझन" या सांकेतिक नावाने ओळखले जाते - अल्फाबेटचे शेअर्स लक्षणीयरीत्या जास्त पाठवले जातात कारण गुंतवणूकदारांनी बाजी मारली होती की स्वस्त, जलद निष्कर्ष Google च्या मार्जिनचे रक्षण करू शकतात कारण AI संगणकीय खर्च वाढतात.
अहवालाची पुष्टी झपाट्याने करण्यात आली आणि आर्थिक माध्यमांवर त्याचा विस्तार करण्यात आला. द इन्फॉर्मेशनचा हवाला देऊन रॉयटर्सने अहवाल दिला की "गुगलने मिथुन मॉडेल्स अधिक कार्यक्षमतेने चालवण्यासाठी नवीन चिपची योजना आखली आहे," तर CNBC ने लिहिले की "अल्फाबेट स्टॉक अधिक कार्यक्षम एआय चिप विकसित करत असल्याच्या अहवालावर पॉपप करतो." ब्लूमबर्गने त्याचप्रमाणे "एआय कार्यक्षमता वाढवण्यासाठी चिपच्या अहवालावर Google शेअर्सचा फायदा" असा अहवाल दिला. बाजारातील सातत्यपूर्ण प्रतिक्रिया अधोरेखित करते की प्रमुख AI लॅब सर्व्हिंग मॉडेल्सची किंमत कमी करू शकते या कोणत्याही चिन्हासाठी किती संवेदनशील गुंतवणूकदार झाले आहेत.
कार्यक्षमता आता रॉ पॉवरपेक्षा अधिक महत्त्वाची का आहे
चिप पुश अशा क्षणी उतरतो जेव्हा AI च्या अर्थशास्त्राची तीव्र तपासणी केली जाते. टॉमच्या हार्डवेअरने त्याच दिवशी वेगळ्या विश्लेषणात नमूद केल्याप्रमाणे, उद्योगाला "AI अर्थव्यवस्थेच्या स्थायी विरोधाभास" चा सामना करावा लागत आहे — मॉडेल्स अधिक चांगली आणि अधिक कार्यक्षम होत आहेत, तरीही त्यांना चालवण्याची एकूण किंमत वापराच्या प्रमाणात नियंत्रणाबाहेर जाऊ शकते. समस्या एकट्या प्रशिक्षणाची नाही; हे अनुमान आहे, प्रत्येक प्रश्नाचे उत्तर देण्याचा सततचा खर्च, जे लाखो वापरकर्त्यांपर्यंत उत्पादने पोहोचल्यामुळे बिलावर वर्चस्व गाजवते.
मिथुन अनुमान स्वस्त बनवण्याच्या उद्देशाने तयार केलेली चिप नेमक्या याच दबावाला तोंड देईल. Google शोध आणि त्याच्या चॅटबॉट सारख्या ग्राहक उत्पादनांमध्ये तसेच त्याच्या क्लाउड डिव्हिजनद्वारे मिथुन सेवा देते, म्हणजे कार्यक्षमतेतील माफक नफा मोठ्या प्रमाणात बचतीमध्ये अनुवादित करतो. केवळ व्यावसायिकरित्या उपलब्ध प्रवेगकांवर अवलंबून न राहता सानुकूल सिलिकॉनसह त्या आर्थिक स्थितीचे रक्षण करण्याचा Googleचा हेतू असल्याचे चिन्ह म्हणून गुंतवणूकदारांनी अहवाल स्पष्टपणे वाचला.
सानुकूल सिलिकॉनवर Google ची लाँग बेट
फ्रोझन प्रोजेक्ट Google च्या स्वतःच्या AI चिप्स डिझाइन करण्याच्या सुस्थापित धोरणामध्ये व्यवस्थित बसतो. कंपनीने वर्षानुवर्षे त्याचे टेन्सर प्रोसेसिंग युनिट्स किंवा TPUs तयार केले आहेत, जे अंतर्गत वर्कलोड्स दोन्ही शक्ती देतात आणि क्लाउड ग्राहकांना ऑफर करतात. Google ने त्याच्या Pixel फोनसाठी सानुकूल सिलिकॉन देखील डिझाइन केले आहे आणि AI मॉडेल्स कमी करण्यासाठी कार्य केले आहे जेणेकरून ते केवळ विशाल डेटा केंद्रांऐवजी ग्राहक उपकरणांवर चालू शकतील.
गोठवलेल्या प्रयत्नांना काय वेगळे केले जाते ते म्हणजे मिथुन सेवा करण्याच्या कार्यक्षमतेवर स्पष्ट लक्ष केंद्रित करणे. TPU ला ऐतिहासिकदृष्ट्या प्रशिक्षण आणि अनुमान या दोन्हीसाठी ऑप्टिमाइझ केले गेले असताना, विशेषत: प्रश्नांची उत्तरे देण्याच्या खर्चासाठी एक चिप ट्यून केलेली आहे जिथे Google ला विश्वास आहे की पुढील स्पर्धात्मक लढाई लढली जाईल: केवळ सर्वात स्मार्ट मॉडेल कोण तयार करू शकत नाही, परंतु ते सर्वात स्वस्तात कोण वितरित करू शकते. हे तर्क एका व्यापक उद्योग शिफ्टशी संरेखित होते ज्यामध्ये अनुमान खर्च — शिखर क्षमता नव्हे — वाढत्या प्रमाणात कोणती उत्पादने टिकून राहतील हे ठरवते.
या हालचालीमुळे Google चे अनुलंब एकत्रीकरण देखील घट्ट होते. मॉडेल, सॉफ्टवेअर स्टॅक आणि त्याखालील सिलिकॉनची मालकी घेऊन, Google प्रत्येक लेयर इतरांसाठी अशा प्रकारे सह-डिझाइन करू शकते की ऑफ-द-शेल्फ चिप्सचे खरेदीदार सहजपणे जुळू शकत नाहीत.
विस्तीर्ण चिप स्पर्धा
या शर्यतीत Google क्वचितच एकटे आहे. Nvidia ने सर्वात शक्तिशाली AI प्रवेगकांसाठी बाजारपेठेवर वर्चस्व कायम राखले आहे आणि Amazon सह प्रतिस्पर्धी, ज्यांनी स्वतःच्या सानुकूल AI चिप्सला धक्का दिला आहे आणि स्टार्टअप्सच्या वाढत्या क्षेत्राने असा निष्कर्ष काढला आहे की खर्चावर स्पर्धा करण्यासाठी सिलिकॉन नियंत्रित करणे आवश्यक आहे. Google चा अहवाल एका दिवशी समोर आला जेव्हा AI हार्डवेअरची विस्तृत कथा गतीमान होती: ASML च्या प्रगत लिथोग्राफी मशीन्सच्या किंमती वाढवण्याच्या योजना TSMC ला निराश करणारी होती, ही एक आठवण आहे की संपूर्ण AI पुरवठा शृंखला — चिप्स प्रिंट करणाऱ्या मशीन्सपासून ते मॉडेल्स चालवणाऱ्या चिप्सपर्यंत — रिअल टाइममध्ये रिप्रिक केले जात आहे.
अल्फाबेटसाठी, धोरणात्मक अपील दुप्पट आहे. स्वस्त अनुमान त्याच्या ग्राहक उत्पादनांद्वारे विणलेल्या AI वैशिष्ट्यांच्या नफ्याचे संरक्षण करते आणि ते मॉडेल तैनात करण्याच्या खर्चावर तीव्रतेने लक्ष केंद्रित करणाऱ्या एंटरप्राइझ ग्राहकांसाठी Google क्लाउडची खेळपट्टी मजबूत करते. अशा वेळी दोन्ही महत्त्वाचे आहेत जेव्हा गुंतवणूकदार पुराव्याची मागणी करत आहेत की एआय इन्फ्रास्ट्रक्चरमध्ये ओतणारे प्रचंड भांडवल अखेरीस तळापर्यंतच्या कमोडिटाइज्ड शर्यतीऐवजी टिकाऊ नफा निर्माण करेल.
काय पहावे
माहितीच्या अहवालाचा अर्थ असा आहे की, आत्तापर्यंत, तपशील मर्यादित आहेत आणि Google ने फ्रोझन प्रकल्प, त्याची वैशिष्ट्ये किंवा टाइमलाइनची सार्वजनिकपणे पुष्टी केलेली नाही. हेतू स्पष्ट आहे: Google एक निर्णायक स्पर्धात्मक सीमा म्हणून कार्यक्षम अनुमान पाहते आणि ते जिंकण्यासाठी समर्पित सिलिकॉन डिझाइन करण्यास तयार आहे. एआय मॉडेल्स चालवण्याची किंमत वाढत्या प्रमाणात कोणती उत्पादने वाढतात हे ठरवत असल्याने, ज्या कंपन्या त्यांच्या स्वत: च्या चिप्सवर नियंत्रण ठेवतात — आणि त्यांना त्यांच्या स्वतःच्या मॉडेल्समध्ये ट्यून करू शकतात — त्यांचा संरचनात्मक फायदा होईल.
उर्वरित उद्योगासाठी सिग्नल असा आहे की AI चिप शर्यत कच्च्या प्रशिक्षण शक्तीवरील स्पर्धेपासून प्रति-क्वेरी किंमतीच्या स्पर्धेकडे सरकत आहे आणि AI हार्डवेअर विजेते निश्चित करू शकतात.
AI च्या पुढे रहा
सानुकूल सिलिकॉन शांतपणे AI मधून कोणाला नफा होतो हे निर्णायक घटक बनत आहे. उद्योगाला आकार देणाऱ्या चिप्स, मॉडेल्स आणि अर्थशास्त्राच्या चालू कव्हरेजसाठी, aibuzzwire.news वर आमच्या मुख्यपृष्ठाला भेट द्या.
अधिक एआय बातम्या वाचा →
