ਇੱਕ ਛੋਟਾ ਪਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰੋਜੈਕਟ ਇਸ ਹਫਤੇ ਹੈਕਰ ਨਿਊਜ਼ 'ਤੇ ਘੁੰਮ ਰਿਹਾ ਹੈ: ਓਪਨਟੀਪੀਯੂ, ਇੱਕ ਓਪਨ-ਸੋਰਸ AI ਐਕਸਲੇਟਰ ਜਿਸਦਾ ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਈਨ ਖੁਦ AI ਏਜੰਟਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਰਿਪੋਜ਼ਟਰੀ, GitHub 'ਤੇ Apache 2.0 ਲਾਇਸੰਸ ਦੇ ਤਹਿਤ ਪ੍ਰਕਾਸ਼ਿਤ, ਵਰਣਨ ਕਰਦੀ ਹੈ ਕਿ ਇਸਦੇ ਲੇਖਕ "ਇੱਕ ਓਪਨ-ਸੋਰਸ AI ਐਕਸਲੇਟਰ, AI ਦੁਆਰਾ ਵਿਕਸਤ" ਕਹਿੰਦੇ ਹਨ - ਅਤੇ ਇਸ ਸ਼ੈਲੀ ਦੇ ਜ਼ਿਆਦਾਤਰ ਡੈਮੋ ਦੇ ਉਲਟ, ਇਹ ਇੱਕ ਭੌਤਿਕ ਕਾਰਡ 'ਤੇ ਅਸਲ ਉਤਪਾਦਨ ਮਾਡਲਾਂ ਨੂੰ ਆਪਣੇ ਅਸਲ ਵਜ਼ਨ ਦੇ ਨਾਲ ਚਲਾਉਂਦਾ ਹੈ ਜਿਸਦਾ ਉਤਸ਼ਾਹੀ ਅੰਤ ਤੱਕ ਅਧਿਐਨ ਕਰ ਸਕਦੇ ਹਨ।

ਪ੍ਰੋਜੈਕਟ ਆਪਣੇ ਖੁਦ ਦੇ README ਦੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਦੋ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ: AI ਏਜੰਟ ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਈਨ 'ਤੇ ਕਿੰਨੀ ਦੂਰ ਜਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਕੀ ਉਹ ਚਿੱਪ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਅਨੁਮਾਨ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ? ਦੂਜਾ ਸਵਾਲ ਭੜਕਾਊ ਹੈ। ਇੱਕ AI ਸਿਸਟਮ ਜੋ ਕਿ ਸਿਲੀਕਾਨ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦਾ ਹੈ - ਜਾਂ ਇਸ ਮਾਮਲੇ ਵਿੱਚ, FPGA ਬਿੱਟਸਟ੍ਰੀਮ - ਜੋ ਆਪਣੇ ਖੁਦ ਦੇ ਟੋਕਨ ਤਿਆਰ ਕਰਦਾ ਹੈ ਇੱਕ ਲੂਪ ਹੈ ਜੋ ਬਿਲਕੁਲ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਕਿ ਉਦਯੋਗ ਦੀ ਕਲਪਨਾ ਕਿੱਥੇ ਜਾ ਰਹੀ ਹੈ। For more context on this story, see our ongoing AI industry coverage.

ਅਸਲ ਵਿੱਚ ਕਾਰਡ 'ਤੇ ਕੀ ਚੱਲਦਾ ਹੈ

ਹਾਰਡਵੇਅਰ ਦਾ ਟੀਚਾ ਡੇਟਾ-ਸੈਂਟਰ ਦੇ ਮਿਆਰਾਂ ਦੁਆਰਾ ਬੇਮਿਸਾਲ ਹੈ: ਦੋ DDR3 ਚੈਨਲਾਂ ਅਤੇ ਇੱਕ 17.1 GB/s ਪੀਕ ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਦੇ ਨਾਲ ਇੱਕ Xilinx Kintex-7 xc7k480t FPGA ਦੇ ਦੁਆਲੇ ਬਣਾਇਆ ਗਿਆ ਇੱਕ Inspur YPCB-00338 ਕਾਰਡ। ਇਹ HBM-ਸਟੈਕਡ ਐਕਸਲੇਟਰ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ, ਜੋ ਨਤੀਜਿਆਂ ਨੂੰ ਹੋਰ ਦਿਲਚਸਪ ਬਣਾਉਂਦਾ ਹੈ, ਘੱਟ ਨਹੀਂ।

ਪ੍ਰੋਜੈਕਟ ਦੇ ਪ੍ਰਕਾਸ਼ਿਤ ਮਾਪਾਂ ਦੇ ਅਨੁਸਾਰ, ਡਿਜ਼ਾਈਨ ਆਪਣੇ ਅਸਲ ਵਜ਼ਨ ਦੇ ਨਾਲ ਦਸ ਆਧੁਨਿਕ ਓਪਨ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ. LFM2.5-230M int8 ਵਿੱਚ 59 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਅਤੇ 4-ਬਿੱਟ ਵਿੱਚ 85.8 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਤੇ ਡੀਕੋਡ ਕਰਦਾ ਹੈ। Qwen3-0.6B 21.6 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਵੱਡੇ ਮਾਡਲ ਉਮੀਦ ਅਨੁਸਾਰ ਘਟਾਉਂਦੇ ਹਨ: SmolLM3-3B 5 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ int8, Phi-4-mini (3.8B) 4 'ਤੇ, ਅਤੇ Qwen3.5-4B 5.9 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ 4-ਬਿਟ ਵਿੱਚ। Gemma 4 E2B ਅਤੇ E4B ਵੀ ਚੱਲਦੇ ਹਨ, ਉਹਨਾਂ ਦੇ ਪ੍ਰਤੀ-ਲੇਅਰ ਏਮਬੈਡਿੰਗ ਟੇਬਲ ਨੂੰ ਕਾਰਡ 'ਤੇ ਰੈਜ਼ੀਡੈਂਟ ਰੱਖਦੇ ਹੋਏ।

ਟੀਮ ਮਾਹਰਾਂ ਦੇ ਮਿਸ਼ਰਣ ਮਾਡਲਾਂ ਨਾਲ ਅੱਗੇ ਵਧੀ ਜੋ ਕਾਰਡ ਦੇ 4 GiB DRAM ਤੋਂ ਵੱਧ ਹੈ। LFM2.5-8B-A1B — 1.7 ਬਿਲੀਅਨ ਐਕਟਿਵ ਦੇ ਨਾਲ 8.5 ਬਿਲੀਅਨ ਮਾਪਦੰਡ — ਹੋਸਟ ਸਟੋਰੇਜ ਤੋਂ ਸਟ੍ਰੀਮਿੰਗ ਮਾਹਰਾਂ ਦੁਆਰਾ 10.6 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ 'ਤੇ ਡੀਕੋਡ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ 98.5 ਪ੍ਰਤੀਸ਼ਤ ਮਾਹਰ ਆਨ-ਕਾਰਡ ਸਲਾਟ ਹਿੱਟ ਕਰਦੇ ਹਨ ਅਤੇ ਪ੍ਰਤੀ ਟੋਕਨ ਸਿਰਫ 5.2 MB ਟ੍ਰਾਂਸਫਰ ਕਰਦੇ ਹਨ। Qwen3.5-35B-A3B PCIe ਉੱਤੇ 153 MB ਪ੍ਰਤੀ ਟੋਕਨ ਸਟ੍ਰੀਮ ਕਰਦੇ ਹੋਏ 3.95 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ 'ਤੇ ਚੱਲਦਾ ਹੈ। ਹਰ ਸੰਰਚਨਾ, README ਦੱਸਦੀ ਹੈ, ਟੋਕਨ ਲਈ ਪ੍ਰੋਜੈਕਟ ਦੇ ਸਿਮੂਲੇਟਰ ਟੋਕਨ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ - ਇੱਕ ਬਿੱਟ-ਸਟੀਕਤਾ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਹਾਰਡਵੇਅਰ ਹੈਕਰ ਨੌਕਰੀ ਦੇ ਸਖ਼ਤ ਹਿੱਸੇ ਵਜੋਂ ਪਛਾਣ ਕਰਨਗੇ।

ਇੱਕ ਅਸਲੀ ਸਿਲੀਕਾਨ ਪ੍ਰੋਜੈਕਟ ਵਾਂਗ ਬਣਾਇਆ ਗਿਆ

ਓਪਨਟੀਪੀਯੂ ਨੂੰ ਆਮ ਸ਼ੌਕ FPGA ਡੈਮੋ ਤੋਂ ਜੋ ਵੱਖ ਕਰਦਾ ਹੈ ਉਹ ਸਟੈਕ ਦੀ ਸੰਪੂਰਨਤਾ ਹੈ। ਮੋਨੋਰੇਪੋ ਵਿੱਚ SystemVerilog ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਈਨ, ਇੱਕ ਕਸਟਮ ਨਿਰਦੇਸ਼ ਸੈੱਟ, ਇੱਕ ਬਿੱਟ-ਸਟੀਕ ਸਿਮੂਲੇਟਰ, ਇਸਦੇ ਆਪਣੇ ਕੰਪਾਈਲਰ ਨਾਲ ਇੱਕ ਕਰਨਲ ਭਾਸ਼ਾ, ਅਤੇ ਹੋਸਟ ਸੌਫਟਵੇਅਰ ਜੋ PCIe ਕਾਰਡ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ, Nvidia-smi ਦੀ ਭਾਵਨਾ ਵਿੱਚ ਇੱਕ otpu-smi ਨਿਗਰਾਨੀ ਉਪਯੋਗਤਾ ਅਤੇ ਇੱਕ otpu-ਚੈਟ ਡੈਮੋ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।

ਉਤਪਾਦਨ ਚਿੱਤਰ ਇੱਕ ਚਾਰ-ਕਾਲਮ ਸਿਸਟੋਲਿਕ ਮੈਟ੍ਰਿਕਸ ਯੂਨਿਟ ਅਤੇ 133.33 MHz 'ਤੇ ਇੱਕ ਸਟ੍ਰੀਮ ਇੰਜਣ ਚਲਾਉਂਦਾ ਹੈ, LiteDRAM ਮੈਮੋਰੀ ਕੰਟਰੋਲਰਾਂ ਦੇ ਨਾਲ ਮੈਮੋਰੀ ਕੋਰ ਦੇ ਅੰਦਰ ਇੱਕ ਛੋਟੇ CPU ਦੁਆਰਾ ਕੈਲੀਬਰੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ - ਕਾਰਡ ਬਿਨਾਂ ਕਿਸੇ ਹੋਸਟ ਦੀ ਸ਼ਮੂਲੀਅਤ ਦੇ 12 ਸਕਿੰਟਾਂ ਵਿੱਚ ਦੋਵਾਂ DDR3 ਚੈਨਲਾਂ ਨੂੰ ਕੈਲੀਬਰੇਟ ਕਰਦਾ ਹੈ। ਮੌਜੂਦਾ ਬਿਲਡ, ਅਕਤੂਬਰ 1 ਤੋਂ ਤੈਨਾਤ, ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਪਿਛਲੀ ਚਿੱਤਰ ਨਾਲੋਂ 8 ਤੋਂ 10 ਪ੍ਰਤੀਸ਼ਤ ਤੇਜ਼ੀ ਨਾਲ ਡੀਕੋਡ ਕਰਦਾ ਹੈ ਜਦੋਂ ਕਿ DRAM ਉਪਯੋਗਤਾ ਨੂੰ 91-94 ਪ੍ਰਤੀਸ਼ਤ ਸਿਖਰ 'ਤੇ ਧੱਕਦਾ ਹੈ।

ਇਹ ਪ੍ਰੋਜੈਕਟ 4.25 ਬਿੱਟ ਪ੍ਰਤੀ ਵਜ਼ਨ 'ਤੇ ਦੋ-ਪੱਧਰ ਦੇ ਬਲਾਕ ਸਕੇਲਾਂ ਦੇ ਨਾਲ FP4 ਮੁੱਲਾਂ 'ਤੇ ਬਣੇ 4-ਬਿੱਟ ਵੇਟ ਫਾਰਮੈਟ ਦਾ ਵੀ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਂਦਾ ਹੈ, ਭਾਸ਼ਾ-ਮਾਡਲ ਹੈੱਡ ਨੂੰ ਸ਼ੁੱਧਤਾ ਲਈ int8 ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ। ਫਾਰਮੈਟ ਪ੍ਰਤੀ ਟੋਕਨ ਬਾਈਟਸ ਨੂੰ ਲਗਭਗ ਇੱਕ ਤਿਹਾਈ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਕੁਝ ਮਾਡਲਾਂ 'ਤੇ ਡੀਕੋਡ ਸਪੀਡ ਨੂੰ 40 ਤੋਂ 45 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਵਧਾਉਂਦਾ ਹੈ।

README ਇੱਕ ਪੁਰਾਣੇ ਰਿਪੋਜ਼ਟਰੀ, ਆਟੋ-ਆਰਕ-ਟੂਰਨਾਮੈਂਟ ਤੋਂ ਸਬਕ ਲਈ ਪ੍ਰੋਜੈਕਟ ਦੀ ਪਹੁੰਚ ਦਾ ਸਿਹਰਾ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨੇ AI-ਚਾਲਿਤ ਹਾਰਡਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਖੋਜ ਦੀ ਪੜਚੋਲ ਕੀਤੀ ਸੀ। ਓਪਨਟੀਪੀਯੂ ਇੱਕ ਸੰਪੂਰਨ ਐਕਸਲੇਟਰ ਲਈ ਉਸ ਵਿਧੀ ਦਾ ਉਪਯੋਗ ਹੈ, ਜਿਸ ਵਿੱਚ ਏਜੰਟਾਂ ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਹਾਰਡਵੇਅਰ ਨੂੰ ਛੂਹਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਸਿਮੂਲੇਟਰ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ

ਇੱਥੇ ਪ੍ਰਦਰਸ਼ਨ ਐਨਵੀਡੀਆ ਨੂੰ ਪਰੇਸ਼ਾਨ ਨਹੀਂ ਕਰੇਗਾ। DDR3 ਦੇ ਨਾਲ ਇੱਕ Kintex-7 ਹਾਰਡਵੇਅਰ ਦੀ ਇੱਕ ਦਹਾਕੇ ਪੁਰਾਣੀ ਕਲਾਸ ਹੈ, ਅਤੇ ਇਹ ਜੋ ਮਾਡਲ ਚਲਾਉਂਦੇ ਹਨ ਉਹ ਛੋਟੇ ਹਨ। ਪਰ ਇਹ ਉਹ ਬਿੰਦੂ ਹੈ ਜੋ ਪ੍ਰੋਜੈਕਟ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਬਣਾਉਂਦਾ ਹੈ: ਪੂਰਾ ਐਕਸਲੇਟਰ - RTL, ਨਿਰਦੇਸ਼ ਸੈੱਟ, ਸਿਮੂਲੇਟਰ, ਕੰਪਾਈਲਰ, ਅਤੇ ਹੋਸਟ ਸਟੈਕ - ਇੱਕ ਵਿਅਕਤੀ ਲਈ, ਇੱਕ ਭੰਡਾਰ ਵਿੱਚ, ਪੜ੍ਹਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਹਾਰਡਵੇਅਰ ਟੀਮ ਦੀ ਬਜਾਏ ਘੱਟੋ-ਘੱਟ ਹਿੱਸੇ ਵਿੱਚ AI ਏਜੰਟਾਂ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਸੀ।

ਉਸ ਵਿਚਾਰ ਵਿੱਚ ਤਿੰਨ ਧਾਰਾਵਾਂ ਇਕੱਠੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਪਹਿਲਾਂ, ਓਪਨ-ਸੋਰਸ AI ਹਾਰਡਵੇਅਰ ਨੂੰ ਲੋੜੀਂਦੀ ਮੁਹਾਰਤ ਦੀ ਵਿਸ਼ਾਲ ਚੌੜਾਈ ਦੁਆਰਾ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਰੋਕਿਆ ਗਿਆ ਹੈ; ਇੱਕ ਏਜੰਟ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਡਿਜ਼ਾਈਨ ਪ੍ਰਵਾਹ ਉਸ ਰੁਕਾਵਟ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਦੂਜਾ, ਅਨੁਮਾਨ ਦੀ ਮੰਗ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਵਿਦੇਸ਼ੀ ਵਿਸ਼ੇਸ਼-ਉਦੇਸ਼ ਵਾਲੇ ਹਾਰਡਵੇਅਰ ਵੱਲ ਧੱਕ ਰਹੀ ਹੈ, ਅਤੇ ਸਵੈਚਲਿਤ ਡਿਜ਼ਾਈਨ ਖੋਜ ਉਸ ਥਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਇੱਕ ਕੁਦਰਤੀ ਫਿੱਟ ਹੈ। ਤੀਸਰਾ, ਸਵੈ-ਹੋਸਟਿੰਗ ਐਂਗਲ — AI ਜਿਸ 'ਤੇ ਮਸ਼ੀਨ ਚੱਲਦੀ ਹੈ ਉਸ ਨੂੰ ਬਣਾਉਣਾ — ਇੱਕ ਸਿਗਨਲ ਬਣ ਗਿਆ ਹੈ, ਜਿਸ ਨੂੰ ਕਮਿਊਨਿਟੀ ਨੇੜਿਓਂ ਦੇਖਦੀ ਹੈ, ਹੈਕਰ ਨਿਊਜ਼ 'ਤੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਦਾ ਨਿਰਣਾ ਕਰਦੇ ਹੋਏ, ਜਿੱਥੇ ਇਸ ਨੇ ਘੰਟਿਆਂ ਦੇ ਅੰਦਰ 150 ਤੋਂ ਵੱਧ ਅੰਕ ਇਕੱਠੇ ਕੀਤੇ।

ਰਿਪੋਜ਼ਟਰੀ 24 ਸਤੰਬਰ ਨੂੰ ਬਣਾਈ ਗਈ ਸੀ ਅਤੇ 2 ਅਕਤੂਬਰ ਨੂੰ ਇਸਦੀ ਨਵੀਨਤਮ ਪੁਸ਼ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਸੀ, ਜਿਸ ਵਿੱਚ 1 ਅਕਤੂਬਰ ਨੂੰ ਹਾਲ ਹੀ ਵਿੱਚ ਮਾਪੇ ਗਏ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ - ਇੱਕ ਵਿਕਾਸ ਦੀ ਗਤੀ ਆਪਣੇ ਆਪ ਵਿੱਚ ਦੇਖਣ ਦੇ ਯੋਗ ਹੈ। ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਜੋ ਇਹ ਸਮਝਣਾ ਚਾਹੁੰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਇੱਕ AI ਐਕਸਲੇਟਰ ਪਾਈਥਨ ਵਿੱਚ ਮੈਟ੍ਰਿਕਸ ਗੁਣਾ ਤੋਂ ਤਾਰਾਂ ਤੱਕ ਕੰਮ ਕਰਦਾ ਹੈ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਆਪਣੀ ਫਰੇਮਿੰਗ ਸਹੀ ਹੈ: ਸਾਰੀ ਚੀਜ਼ ਇੱਕ ਛੋਟੇ ਮੋਨੋਰੇਪੋ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਪੜ੍ਹ ਸਕਦੇ ਹੋ।

ਭਾਵੇਂ ਏਜੰਟ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਹਾਰਡਵੇਅਰ ਇੱਕ ਗੰਭੀਰ ਸਥਾਨ ਬਣ ਜਾਂਦਾ ਹੈ ਜਾਂ ਇੱਕ ਖੋਜ ਉਤਸੁਕਤਾ ਬਣਿਆ ਰਹਿੰਦਾ ਹੈ, ਓਪਨਟੀਪੀਯੂ ਨੇ ਕੁਝ ਠੋਸ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਹੈ: AI ਮਾਡਲਾਂ ਨੂੰ ਸੌਫਟਵੇਅਰ ਲਿਖਣ ਵਾਲੇ ਸਾਧਨਾਂ ਨੇ ਹੁਣ ਇੱਕ ਕਾਰਜਸ਼ੀਲ, ਪ੍ਰਮਾਣਿਤ ਹਾਰਡਵੇਅਰ ਸਿਸਟਮ ਤਿਆਰ ਕੀਤਾ ਹੈ ਜੋ ਉਹੀ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ। ਲੂਪ ਬੰਦ ਹੈ, ਘੱਟੋ-ਘੱਟ FPGA ਸਕੇਲ 'ਤੇ।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →