ਨਕਲੀ ਬੁੱਧੀ ਵਿੱਚ ਸਭ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਲਾਗਤ ਚਿਪਸ ਨਹੀਂ ਹੋ ਸਕਦੀ - ਇਹ ਬਿਜਲੀ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਭੋਜਨ ਦਿੰਦੀ ਹੈ। 12 ਅਕਤੂਬਰ ਨੂੰ, ਮਿਸ਼ੀਗਨ ਯੂਨੀਵਰਸਿਟੀ ਨੇ ਘੋਸ਼ਣਾ ਕੀਤੀ ਕਿ NVIDIA, ਵਿਸ਼ਵ ਦੀ ਪ੍ਰਮੁੱਖ AI ਕੰਪਿਊਟਿੰਗ ਕੰਪਨੀ, ਇਸ ਗੱਲ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਰਹੀ ਹੈ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਲਈ NVIDIA ਦੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਓਪਨ-ਸੋਰਸ ਪਲੇਟਫਾਰਮ Megatron-LM ਵਿੱਚ ਦੋ U-M ਊਰਜਾ-ਬਚਤ ਸਾਧਨਾਂ ਨੂੰ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾਵੇ। ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਅਨੁਸਾਰ, ਸੌਫਟਵੇਅਰ AI ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਨੂੰ 50% ਤੱਕ ਘਟਾ ਸਕਦਾ ਹੈ - ਸਿਖਲਾਈ ਦੀ ਗਤੀ ਜਾਂ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤੇ ਬਿਨਾਂ।
ਖ਼ਬਰਾਂ ਇੱਕ ਲੈਬ ਦੇ ਪ੍ਰਕਾਸ਼ਨ ਰਿਕਾਰਡ ਤੋਂ ਪਰੇ ਮਹੱਤਵ ਰੱਖਦੀਆਂ ਹਨ। Megatron-LM ਇੱਕ ਵਿਸ਼ੇਸ਼ ਖੋਜ ਕੋਡਬੇਸ ਨਹੀਂ ਹੈ: ਕੰਪਨੀਆਂ ਇਸਨੂੰ ਸਿੱਧੇ ਜਾਂ ਆਪਣੇ ਨਿੱਜੀ, ਅਨੁਕੂਲਿਤ ਸਿਖਲਾਈ ਪਲੇਟਫਾਰਮਾਂ ਲਈ ਬੁਨਿਆਦ ਵਜੋਂ ਵਰਤ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਇਹ NVIDIA ਦੇ ਫਲੈਗਸ਼ਿਪ ਨੇਮੋਟ੍ਰੋਨ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪਲੇਟਫਾਰਮ ਹੈ, ਜਿਸਨੂੰ ਉਪਭੋਗਤਾ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਤੇ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੇ ਹਨ। ਜੇਕਰ U-M ਟੂਲ ਇਸ ਨੂੰ Megatron-LM ਵਿੱਚ ਬਣਾਉਂਦੇ ਹਨ, ਤਾਂ ਇੱਕ ਅਕਾਦਮਿਕ ਲੈਬ ਵਿੱਚ ਵਿਕਸਤ ਕੁਸ਼ਲਤਾ ਸੁਧਾਰ ਵਿਸ਼ਵ ਦੀਆਂ AI ਸਿਖਲਾਈ ਰਨ ਦੇ ਇੱਕ ਵੱਡੇ ਹਿੱਸੇ ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਹੋਣਗੇ। AI ਦੇ ਪਿੱਛੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਦੌੜ ਦੀ ਚੱਲ ਰਹੀ ਕਵਰੇਜ ਲਈ, ਸਾਡੇ ਹੋਮਪੇਜ 'ਤੇ ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਕੈਰੀਅਸ ਅਤੇ ਪਰਸੀਅਸ ਅਸਲ ਵਿੱਚ ਕੀ ਕਰਦੇ ਹਨ
ਦੋ ਸਾਧਨ ਵਿਤਰਿਤ ਸਿਖਲਾਈ ਵਿੱਚ ਰਹਿੰਦ-ਖੂੰਹਦ ਦੇ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ, ਅਤੇ ਉਹਨਾਂ ਦੇ ਬਚਤ ਸਟੈਕ 'ਤੇ ਹਮਲਾ ਕਰਦੇ ਹਨ।
ਪਰਸੀਅਸ: ਪ੍ਰੋਸੈਸਰ ਦੀ ਗਤੀ ਦਾ ਪ੍ਰਬੰਧਨ
ਪਰਸੀਅਸ ਓਵਰ-ਪ੍ਰੋਵਿਜ਼ਨਡ ਗਣਨਾ ਨੂੰ ਸੰਬੋਧਨ ਕਰਦਾ ਹੈ। ਇੱਕ ਵੱਡੀ ਸਿਖਲਾਈ ਦੌੜ ਵਿੱਚ, ਹਰੇਕ ਪ੍ਰੋਸੈਸਰ ਹਰ ਪਲ ਉਪਯੋਗੀ ਕੰਮ ਨਹੀਂ ਕਰ ਰਿਹਾ ਹੈ, ਫਿਰ ਵੀ ਉਹ ਸਾਰੇ ਸ਼ਕਤੀ ਖਿੱਚਦੇ ਹਨ। ਸਿਖਲਾਈ ਦੇ ਹਰੇਕ ਬਿੰਦੂ 'ਤੇ ਉਪਲਬਧ ਅਸਲ ਕੰਮ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਪ੍ਰੋਸੈਸਰ ਦੀ ਗਤੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਕੇ, ਪਰਸੀਅਸ AI ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਨੂੰ 30% ਤੱਕ ਘਟਾਉਂਦਾ ਹੈ, U-M ਦੇ ਅਨੁਸਾਰ.
ਕੈਰੀਅਸ: ਗਣਨਾ ਅਤੇ ਸੰਚਾਰ ਲਈ ਚੁਸਤ ਸਮਾਂ
ਕੈਰੀਅਸ ਇੱਕ ਸੂਖਮ ਸਮੱਸਿਆ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ। ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸੈਂਕੜੇ ਤੋਂ ਹਜ਼ਾਰਾਂ ਪ੍ਰੋਸੈਸਰਾਂ ਦੇ ਤਾਲਮੇਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਕੰਮ ਗਣਨਾ ਅਤੇ ਚਿੱਪ-ਟੂ-ਚਿੱਪ ਸੰਚਾਰ ਵਿਚਕਾਰ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਕੈਰੀਅਸ ਉਹਨਾਂ ਸਿਖਲਾਈ ਅਤੇ ਸੰਚਾਰ ਕਾਰਜਾਂ ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਸਮਾਂ ਅਤੇ ਸਰੋਤ ਸਾਂਝੇ ਕਰਨ ਦਾ ਪਤਾ ਲਗਾ ਕੇ ਸਿਖਲਾਈ ਊਰਜਾ ਨੂੰ 15% ਤੋਂ 30% ਤੱਕ ਘਟਾਉਂਦਾ ਹੈ — ਹਰੇਕ ਨੂੰ ਸਮਾਂ-ਤਹਿ ਕਰਨਾ ਤਾਂ ਜੋ ਕੋਈ ਵੀ ਦੂਜੇ ਦੀ ਉਡੀਕ ਵਿੱਚ ਵਿਹਲਾ ਨਾ ਬੈਠੇ।
ਯੂਨੀਵਰਸਿਟੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਕੱਠੇ ਮਿਲ ਕੇ, ਟੂਲ AI ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਲਗਭਗ ਅੱਧੀ ਊਰਜਾ ਬਚਾ ਸਕਦੇ ਹਨ ਜਦੋਂ ਕਿ ਉਹੀ ਸਿਖਲਾਈ ਦੀ ਗਤੀ ਅਤੇ ਅੰਤਿਮ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਕੈਰੀਅਸ ਇੱਕ ਪੀਅਰ-ਸਮੀਖਿਆ ਨਤੀਜਾ ਵੀ ਹੈ: ਇਹ ਟੂਲ ਜੁਲਾਈ ਵਿੱਚ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਐਂਡ ਇੰਪਲੀਮੈਂਟੇਸ਼ਨ (OSDI) 'ਤੇ USENIX ਸਿੰਪੋਜ਼ੀਅਮ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ, ਸਿਸਟਮ ਖੋਜ ਲਈ ਚੋਟੀ ਦੇ ਸਥਾਨਾਂ ਵਿੱਚੋਂ ਇੱਕ।
NVIDIA ਦੀ ਦਿਲਚਸਪੀ ਅਸਲ ਕਹਾਣੀ ਕਿਉਂ ਹੈ
ਅਕਾਦਮਿਕ ਕੁਸ਼ਲਤਾ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਉਤਪਾਦਨ ਲਈ ਇੱਕ ਲੰਬੀ ਸੜਕ ਦਾ ਸਾਹਮਣਾ ਕਰਦੀ ਹੈ। ਇਹ ਇੱਕ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਕਿੱਥੇ ਉਤਰਿਆ ਹੈ। ਇੱਕ ਡਾਕਟੋਰਲ ਵਿਦਿਆਰਥੀ, ਰੁਓਫਾਨ ਵੂ, ਨੇ ਪਿਛਲੀਆਂ ਗਰਮੀਆਂ ਵਿੱਚ NVIDIA ਵਿੱਚ U-M ਸੌਫਟਵੇਅਰ ਨੂੰ Megatron-LM ਵਿੱਚ ਇੱਕ ਇੰਟਰਨਸ਼ਿਪ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਬਿਤਾਇਆ — ਮਤਲਬ ਕਿ ਟੂਲ ਇੱਕ ਪ੍ਰਸਤਾਵ ਨਹੀਂ ਹਨ ਪਰ NVIDIA ਦੇ ਸਿਖਲਾਈ ਸਟੈਕ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕੋਡ ਹਨ, ਹੁਣ ਰਸਮੀ ਮੁਲਾਂਕਣ ਅਧੀਨ।
ਯੂਨੀਵਰਸਿਟੀ ਦੀ ਘੋਸ਼ਣਾ ਵਿੱਚ ਯੂ-ਐਮ ਵਿੱਚ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਅਤੇ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ ਡਾਕਟਰੇਟ ਦੇ ਵਿਦਿਆਰਥੀ ਵੂ ਨੇ ਕਿਹਾ, "ਏਆਈ ਪਾਵਰ-ਸਬੰਧਿਤ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਵੱਡੇ ਹੁੰਦੇ ਹਨ ਅਤੇ ਜ਼ਿਆਦਾ ਲੋਕ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਪਰ ਅਸੀਂ ਘੱਟ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਹੀ ਸਿਖਲਾਈ ਦੀ ਗਤੀ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ।" "ਸਾਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਪੱਧਰ 'ਤੇ ਏਆਈ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਬਹੁਤ ਸਾਰੇ ਮੌਕੇ ਹਨ, ਅਤੇ ਇੰਟਰਨਸ਼ਿਪ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਲਾਭਕਾਰੀ ਹਿੱਸੇਾਂ ਵਿੱਚੋਂ ਇੱਕ ਮੇਰੇ ਖੋਜ ਤੋਂ ਵਿਚਾਰਾਂ ਨੂੰ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਲਿਆਉਣ ਦਾ ਮੌਕਾ ਸੀ," ਉਸਨੇ ਅੱਗੇ ਕਿਹਾ।
ਉਹ ਸ਼ਬਦ - ਪਾਵਰ-ਸਬੰਧਤ - ਉਦਯੋਗ ਦਾ ਨਵਾਂ ਵਾਚਵਰਡ ਹੈ। U-M ਖੋਜ ਟੀਮ, ਜਿਸ ਵਿੱਚ ਡਾਕਟਰੇਟ ਵਿਦਿਆਰਥੀ ਜੈਫ ਮਾ ਅਤੇ ਜੈ-ਵੋਨ ਚੁੰਗ ਦੇ ਨਾਲ ਐਸੋਸੀਏਟ ਪ੍ਰੋਫੈਸਰ ਮੁਸ਼ਰਫ ਚੌਧਰੀ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਏਕੀਕਰਣ 'ਤੇ NVIDIA ਨਾਲ ਕੰਮ ਕਰ ਰਹੀ ਹੈ। ਟੀਮ ਦੀ ਫਰੇਮਿੰਗ ਸਿੱਧੀ ਹੈ: ਟੀਚਾ AI ਨੂੰ ਸੈਂਕੜੇ ਤੋਂ ਹਜ਼ਾਰਾਂ ਪ੍ਰੋਸੈਸਰਾਂ ਵਿੱਚ ਸਿਖਲਾਈ ਦਾ ਤਾਲਮੇਲ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਲੱਭ ਕੇ ਘੱਟ ਊਰਜਾ ਅਤੇ ਲਾਗਤ ਲਈ ਵਧੇਰੇ ਉਪਯੋਗੀ ਕੰਮ ਕਰਨ ਦੇਣਾ ਹੈ।
ਊਰਜਾ ਹੁਣ ਪਹਿਲੀ ਸ਼੍ਰੇਣੀ ਦੀ ਰੁਕਾਵਟ ਹੈ
ਸਰਹੱਦੀ ਸਿਖਲਾਈ ਦਾ ਪੈਮਾਨਾ ਉਹ ਹੈ ਜੋ ਪ੍ਰਤੀਸ਼ਤ ਬਚਤ ਨੂੰ ਰਣਨੀਤਕ ਸੰਖਿਆਵਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਮੈਟਾ ਨੇ ਇਸ ਹਫਤੇ ਕਿਹਾ ਕਿ ਇਸਦੇ ਨਵੇਂ ਮਿਊਜ਼ ਵੈਂਡਰ ਮਾਡਲਾਂ ਨੂੰ ਪ੍ਰੋਮੀਥੀਅਸ ਵਿਖੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ, ਜਿਸ ਨੂੰ ਇਹ ਇੱਕ ਗੀਗਾਵਾਟ-ਸਕੇਲ ਡੇਟਾ ਸੈਂਟਰ ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਸਿੰਗਲ ਸਿਖਲਾਈ ਮੁਹਿੰਮ ਉਸ ਪੈਮਾਨੇ 'ਤੇ ਚੱਲਦੀ ਹੈ, ਤਾਂ ਇੱਕ ਪ੍ਰਤੀਸ਼ਤ-ਪੱਧਰ ਦੀ ਊਰਜਾ ਦੀ ਕਮੀ ਇੱਕ ਰਾਊਂਡਿੰਗ ਗਲਤੀ ਨਹੀਂ ਹੈ; ਇਹ ਪਾਵਰ ਬਜਟ ਦੇ ਅੰਦਰ ਚੱਲਣ ਵਾਲੀ ਸਿਖਲਾਈ ਨੂੰ ਫਿੱਟ ਕਰਨ ਜਾਂ ਨਾ ਕਰਨ ਵਿੱਚ ਅੰਤਰ ਹੈ।
ਅਰਥ ਸ਼ਾਸਤਰ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਐਨਰਜੀ ਏਆਈ ਦੇ ਵਿਸਥਾਰ ਲਈ ਗੇਟਿੰਗ ਸਰੋਤਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਗਈ ਹੈ। ਸਾਫਟਵੇਅਰ ਜੋ ਕਿਸੇ ਟਰੇਨਿੰਗ ਰਨ ਦੇ ਬਿਜਲੀ ਬਿੱਲ ਨੂੰ ਅੱਧਾ ਕਰ ਦਿੰਦਾ ਹੈ — ਮੌਜੂਦਾ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ — ਹਰ ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕੈਲਕੂਲਸ ਨੂੰ ਬਦਲਦਾ ਹੈ, ਅਤੇ ਖਾਸ ਤੌਰ 'ਤੇ ਛੋਟੇ ਖਿਡਾਰੀਆਂ ਲਈ, ਜਿਨ੍ਹਾਂ ਲਈ ਊਰਜਾ ਦੀ ਲਾਗਤ ਬਾਈਡਿੰਗ ਰੁਕਾਵਟ ਹੈ।
ਇਹ AI ਦੇ ਆਲੇ ਦੁਆਲੇ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਬਹਿਸ ਨੂੰ ਵੀ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਜਨਤਕ ਚਰਚਾ ਨੇ ਅਨੁਮਾਨ ਊਰਜਾ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਕੀਤਾ ਹੈ - ਹਰ ਚੈਟਬੋਟ ਪੁੱਛਗਿੱਛ ਦੁਆਰਾ ਖਪਤ ਕੀਤੀ ਗਈ ਸ਼ਕਤੀ। ਪਰ ਸਿਖਲਾਈ ਉਹ ਹੈ ਜਿੱਥੇ ਊਰਜਾ ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਸਿੰਗਲ ਬਲਾਕਾਂ ਨੂੰ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤੀ, ਵਿਕਰੇਤਾ-ਅਗਨੋਸਟਿਕ ਸੌਫਟਵੇਅਰ ਪਹੁੰਚ ਜੋ ਇਸਨੂੰ ਅੱਧੇ ਤੱਕ ਘਟਾਉਂਦੀ ਹੈ ਇੱਕ ਹਾਰਡਵੇਅਰ ਰੋਡਮੈਪ ਨਾਲੋਂ ਬਹੁਤ ਘੱਟ ਕੁਝ ਪੇਸ਼ ਕਰਦੀ ਹੈ: ਕੁਸ਼ਲਤਾ ਲਾਭ ਜੋ ਅਗਲੇ ਡੇਟਾ ਸੈਂਟਰ ਬਿਲਡ ਦੀ ਬਜਾਏ ਅਗਲੇ ਓਪਨ-ਸਰੋਤ ਰੀਲੀਜ਼ ਨਾਲ ਆ ਸਕਦੇ ਹਨ।
ਅੱਗੇ ਕੀ ਹੁੰਦਾ ਹੈ
ਯੂਨੀਵਰਸਿਟੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ NVIDIA ਇਸ ਗੱਲ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਸੌਫਟਵੇਅਰ ਨੂੰ ਇਸਦੇ ਓਪਨ-ਸੋਰਸ ਸਿਖਲਾਈ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾਵੇ। ਜੇਕਰ ਇਹ Megatron-LM ਵਿੱਚ ਭੇਜਦਾ ਹੈ, ਤਾਂ ਗੋਦ ਲੈਣਾ ਤੇਜ਼ੀ ਨਾਲ ਫੈਲ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਪੂਰੇ ਉਦਯੋਗ ਅਤੇ ਅਕਾਦਮਿਕ ਖੇਤਰ ਵਿੱਚ ਫਰੇਮਵਰਕ ਦੀ ਕਿੰਨੀ ਵਿਆਪਕ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। U-M ਟੀਮ ਦਾ ਵਿਸਤ੍ਰਿਤ ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਸਾਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਸਟੈਕ ਵਿੱਚ ਊਰਜਾ ਬੱਚਤਾਂ ਦੀ ਭਾਲ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦਾ ਹੈ — ਇੱਕ ਏਜੰਡਾ ਜੋ ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ ਖਾਸ ਲੱਗਦਾ ਸੀ ਅਤੇ ਹੁਣ ਖੇਡ ਦੇ ਕੇਂਦਰ ਵਾਂਗ ਦਿਸਦਾ ਹੈ।
