મેગા સીડ રાઉન્ડ અને AI ચિપ્સ માટે નવા અભિગમ સાથે બિનપરંપરાગત AI સફળતા પ્રાપ્ત કરે છે

નું આગમન બિનપરંપરાગત AI તેણે આર્ટિફિશિયલ ઇન્ટેલિજન્સ હાર્ડવેર લેન્ડસ્કેપને એક ફંડિંગ રાઉન્ડ સાથે હચમચાવી નાખ્યું છે જેની ચર્ચા દરેક ઉદ્યોગ વર્તુળમાં પહેલાથી જ થઈ રહી છે. માંડ થોડા મહિના જૂનું, કંપની તે ટેકનોલોજી જગતના સૌથી શક્તિશાળી ફંડ્સના હિતને કબજે કરવામાં સફળ રહ્યું છે.એક એવા વિચાર પર શરત લગાવવી જે કાગળ પર, AI માટે કમ્પ્યુટિંગ સંસાધનોની રચના અને વપરાશ કેવી રીતે થાય છે તેના પર પુનર્વિચાર કરવાનું વચન આપે છે.

વધુને વધુ મોટા અને વધુ ખાઉધરા મોડેલો પર ધ્યાન કેન્દ્રિત કરવાને બદલે, કંપની સમસ્યાના મૂળ પર હુમલો કરવા માંગે છે: ઉર્જા કાર્યક્ષમતા અને ચિપ્સનું ભૌતિક સ્થાપત્યતેમનો પ્રસ્તાવ સ્પષ્ટપણે જીવવિજ્ઞાન અને મગજના કાર્યથી પ્રેરિત છે, જેમાં ધ્યેય એવી સિસ્ટમની નજીક જવાનો છે જે આજે જરૂરી ઉર્જાના એક અંશનો ઉપયોગ કરીને પ્રચંડ કમ્પ્યુટિંગ પાવર પ્રદાન કરી શકે. મોટા ડેટા સેન્ટરો.

વર્ષનો સૌથી મોટો AI હાર્ડવેર સીડ રાઉન્ડ

બિનપરંપરાગત AI એ $475 મિલિયનના બીજ રાઉન્ડને પૂર્ણ કર્યો છેએક એવો આંકડો જે, મોટી સંખ્યામાં ટેવાયેલા બજારમાં પણ, આટલા પ્રારંભિક તબક્કે તેના કદ માટે અલગ પડે છે. આ વ્યવહાર કંપનીનું મૂલ્ય આસપાસ રાખે છે $૪૦૦ મિલિયન, જે તેને AI હાર્ડવેર ઇકોસિસ્ટમમાં બીજ ભંડોળના સૌથી આકર્ષક કિસ્સાઓમાંનો એક બનાવે છે.

આ રાઉન્ડનું નેતૃત્વ વેન્ચર કેપિટલ ફંડ્સ દ્વારા કરવામાં આવ્યું છે. એન્ડ્રીસન હોરોવિટ્ઝ (a16z) y લાઇટસ્પીડ વેન્ચર પાર્ટનર્સડીપ ટેકનોલોજીમાં લાંબા ગાળાના રોકાણની વાત આવે ત્યારે બે મુખ્ય ખેલાડીઓ. તેમની સાથે અન્ય ટોચના રોકાણકારો પણ જોડાયા છે જેમ કે લક્સ કેપિટલ, ડીસીવીસી, ડેટાબ્રિક્સ અને એમેઝોનના સ્થાપક પણ, જેફ બેઝોસઆનાથી એ લાગણી મજબૂત થાય છે કે આ પ્રોજેક્ટને લાંબા ગાળાના વ્યૂહાત્મક પગલા તરીકે જોવામાં આવે છે.

બાહ્ય મૂડી ઉપરાંત, એક સહ-સ્થાપકએ પોતાના ખિસ્સામાંથી ફાળો આપવાનું નક્કી કર્યું છે. $૪૦૦ મિલિયન...અન્ય મુખ્ય રોકાણકારોની જેમ જ. રકમથી આગળ વધીને, આ પગલું કંપનીના ટેકનોલોજીકલ અને વ્યવસાયિક થીસીસમાં પ્રતિબદ્ધતા અને આંતરિક વિશ્વાસનો સ્પષ્ટ સંકેત આપે છે.

વિવિધ ઇન્ટરવ્યુ અનુસાર, 475 મિલિયનનો આ પ્રારંભિક હપ્તો ફક્ત ભંડોળ ઊભું કરવાની યોજનાની શરૂઆત હશે જે 2000 સુધી પહોંચી શકે છે. $૪૦૦ મિલિયન આ જ તબક્કે. ઉદ્દેશ્યની તીવ્રતા તેઓ કયા પ્રકારના પ્રોજેક્ટનો સામનો કરી રહ્યા છે તે દર્શાવે છે: જટિલ હાર્ડવેર, લાંબા વિકાસ ચક્ર અને સંશોધન અને વિકાસમાં મજબૂત પ્રારંભિક રોકાણ.

તાજેતરના અન્ય વ્યવહારોની તુલનામાં, મૂલ્યાંકન થોડું ઓછું થયું ૫.૮ અબજ જેની ચર્ચા પહેલી અફવાઓમાં થઈ હતી, પરંતુ તે હજુ પણ અનકન્વેન્શનલ એઆઈને સ્ટાર્ટઅપ્સની લીગમાં મૂકે છે, જે ભાગ્યે જ કોઈ આવક કે વ્યાપારી ઉત્પાદન સાથે, પહેલાથી જ વધુ પરિપક્વ કંપનીઓ માટે અનામત રાખેલા મૂડીના સ્તરે રમી રહ્યા છે.

નવીન રાવનું વિઝન અને ટેકનિકલ જોખમ માટે ટેવાયેલી ટીમ

પ્રોજેક્ટનું નેતૃત્વ કરી રહ્યા છે નવીન રાવરાવ, તેમના ઉદ્યોગસાહસિક પક્ષ અને મોટી ટેકનોલોજી કંપનીઓમાં તેમના હોદ્દા બંને માટે AI વિશ્વમાં જાણીતા વ્યક્તિ છે. ઇન્ટેલ ખાતે કૃત્રિમ બુદ્ધિ પ્લેટફોર્મ માટે જવાબદાર મશીન લર્નિંગ માટે પ્રોસેસર્સમાં વિશેષતા ધરાવતી તેની પ્રથમ સ્ટાર્ટઅપ, નર્વાના સિસ્ટમ્સની ખરીદી પછી.

પાછળથી, સ્થાપકે સહ-સ્થાપના કરીને બીજી છલાંગ લગાવી મોઝેકએમએલ, એક મોડેલ તાલીમ પ્લેટફોર્મ જેણે ડેટા અને AI ઇકોસિસ્ટમમાં લોકપ્રિયતા મેળવી અને અંતે તેને હસ્તગત કરવામાં આવ્યું લગભગ $1.300 બિલિયનમાં ડેટાબ્રિક્સએક દાયકા કરતાં પણ ઓછા સમયમાં બે નોંધપાત્ર એક્ઝિટ સાથેનો આ ટ્રેક રેકોર્ડ, તેના નવા પ્રોજેક્ટને ટેકો આપતા ફંડ્સમાં વિશ્વાસ પેદા કરવામાં ભારે ભૂમિકા ભજવે છે.

રાવની સાથે, કંપનીએ આંતરછેદથી ઉચ્ચ-સ્તરીય પ્રોફાઇલ્સનો સમાવેશ કર્યો છે હાર્ડવેર, સોફ્ટવેર અને શૈક્ષણિક સંશોધન, જેમ કે માઈકલ કાર્બિન, સારા આચૌર y મીલેન લીઆ એક એવી ટીમ છે જે ઉચ્ચ તકનીકી જોખમ, લાંબા-ચક્રના પ્રોજેક્ટ્સ અને ઝડપી સોફ્ટવેર પુનરાવર્તનોથી ઉકેલાતી સમસ્યાઓનો સામનો કરવા માટે ટેવાયેલી છે, પરંતુ જટિલ પ્રોટોટાઇપ્સ અને ભૌતિક સ્થાપત્ય અને અલ્ગોરિધમ્સ વચ્ચે ખૂબ જ નજીકના એકીકરણ સાથે.

રાવે પોતે સમજાવ્યું છે કે અનકન્વેન્શનલ એઆઈની કાર્ય યોજનામાં શામેલ છે ઘણા વર્ષો સુધી બહુવિધ પ્રોટોટાઇપ્સનું પરીક્ષણ કરોતેઓ મૂલ્યાંકન કરી રહ્યા છે કે કાર્યક્ષમતા અને ખર્ચની દ્રષ્ટિએ કયો દાખલો શ્રેષ્ઠ છે. બીજા શબ્દોમાં કહીએ તો, તેઓ ઝડપથી કોઈ ઉત્પાદન લોન્ચ કરવા માંગતા નથી, પરંતુ એક એવો ટેકનોલોજીકલ પાયો બનાવવા માંગે છે જે આગામી દાયકામાં AI કમ્પ્યુટિંગમાં ફરક લાવી શકે.

કહેવાતા પર આ શરત "લાંબી ચક્ર ઇજનેરી" આ ઘણા સોફ્ટવેર સ્ટાર્ટઅપ્સના લાક્ષણિક અભિગમથી વિપરીત છે, જે શક્ય તેટલી ઝડપથી ગ્રાહકો સાથે માન્યતા મેળવવા અને ઝડપી પુનરાવર્તનો દ્વારા ઉત્પાદનને ફાઇન-ટ્યુનિંગ કરવા પર ધ્યાન કેન્દ્રિત કરે છે. અહીં, માર્ગ મોટી સેમિકન્ડક્ટર કંપનીઓ અથવા મહત્વપૂર્ણ ઇન્ફ્રાસ્ટ્રક્ચર પ્રોજેક્ટ્સ જેવો જ છે, જ્યાં રોકાણ પર વળતર પાછળથી આવે છે પરંતુ, જો બધું બરાબર ચાલે છે, તો તે સમગ્ર ક્ષેત્રને ફરીથી વ્યાખ્યાયિત કરી શકે છે.

કૃત્રિમ બુદ્ધિ માટે એક નવા પ્રકારનું મશીન

અનકન્વેન્શનલ એઆઈના પ્રસ્તાવનો મુખ્ય ઉદ્દેશ્ય નિર્માણ કરવાનો છે એક ખૂબ જ વધુ ઊર્જા-કાર્યક્ષમ કમ્પ્યુટર કૃત્રિમ બુદ્ધિના કાર્યભાર માટે. રાવે મહત્વાકાંક્ષાનો સારાંશ એક વાક્યમાં આપ્યો છે જેણે આ ક્ષેત્રમાં ધ્યાન ખેંચ્યું છે: એક એવી સિસ્ટમ ડિઝાઇન કરવી જે "જીવવિજ્ઞાન જેટલું કાર્યક્ષમ", માનવ મગજની ન્યૂનતમ ઉર્જા વપરાશ સાથે જટિલ ગણતરીઓ કરવાની ક્ષમતાને સંદર્ભ તરીકે લેતા.

જ્યારે મોટા ભાગના ઉદ્યોગો મોડેલોના સ્કેલિંગને આગળ ધપાવવાનું ચાલુ રાખે છે - વધુ પરિમાણો, વધુ ડેટા, વધુ GPU—, કંપની એ આધારથી શરૂઆત કરે છે કે આ વ્યૂહરચનામાં ખર્ચ અને ઉપલબ્ધ ઊર્જાની સ્પષ્ટ મર્યાદા છે.મોટા ડેટા સેન્ટરો પહેલાથી જ પાવર પ્રતિબંધો, વધતા ખર્ચ અને ટકાઉપણાના મુદ્દાઓનો સામનો કરી રહ્યા છે, જે યુરોપ અને સ્પેનમાં આબોહવા અને નિયમનકારી ઉદ્દેશ્યોને કારણે ખાસ ચિંતાનો વિષય છે.

આ ગતિશીલતાને તોડવા માટે, સ્ટાર્ટઅપ પ્રસ્તાવ મૂકે છે કમ્પ્યુટિંગ આર્કિટેક્ચરમાં એક નવો ફેરફારપરંપરાગત ડિજિટલ આર્કિટેક્ચરને સુધારવાનું ચાલુ રાખવાને બદલે, એવી ડિઝાઇન્સનું અન્વેષણ કરો જે લાભ મેળવે છે સિલિકોનના ભૌતિક ગુણધર્મો અને મગજના કાર્યથી પ્રેરિત સિદ્ધાંતો, જેમ કે ચેતાકોષોની બિન-રેખીય ગતિશીલતા.

તેની વેબસાઇટ પર પ્રકાશિત થયેલા એક લખાણમાં, કંપની તેના ધ્યેયને એક રચના તરીકે વર્ણવે છે "બુદ્ધિ માટે નવો સબસ્ટ્રેટ"વિચાર એ છે કે, કૃત્રિમ કમ્પ્યુટિંગને જૈવિક પ્રણાલીઓના વર્તન સાથે જોડતી યોગ્ય રચના શોધીને, ક્લાસિક ડિજિટલ આર્કિટેક્ચરમાં સુધારો કરીને જે પ્રાપ્ત થાય છે તેનાથી ઘણી વધારે કાર્યક્ષમતા પ્રાપ્ત કરવી શક્ય છે.

રાઉન્ડમાં ભાગ લેનારા લાઇટસ્પીડના રોકાણકારો તે નિદાન સાથે સંમત થાય છે, અને જરૂરિયાત તરફ ધ્યાન દોરે છે "બુદ્ધિ માટે યોગ્ય આઇસોમોર્ફિઝમ" શોધવા માટે જો ધ્યેય AI ઉર્જા વપરાશમાં ભારે ઘટાડો હાંસલ કરવાનો હોય, તો આ વિચારસરણી ન્યુરોમોર્ફિક કમ્પ્યુટિંગ અને અદ્યતન એનાલોગ સિસ્ટમ્સમાં સંશોધન પ્રયાસો સાથે સુસંગત છે, જે અત્યાર સુધી મોટાભાગે મોટા ઉત્પાદકો દ્વારા શૈક્ષણિક ક્ષેત્રો અથવા પ્રાયોગિક પ્રોજેક્ટ્સમાં રહ્યા છે.

આર્કિટેક્ચર: એનાલોગ ચિપ્સથી ધબકતા ચેતાકોષો સુધી

અનકન્વેન્શનલ એઆઈના સૌથી આકર્ષક પાસાઓમાંનો એક તેનો સંયુક્ત અભિગમ છે એનાલોગ, મિશ્ર અને ન્યુરોમોર્ફિક આર્કિટેક્ચર્સવર્તમાન ડિજિટલ ચિપ્સથી વિપરીત, જે અલગ શૂન્ય અને એકનો ઉપયોગ કરીને માહિતીનું પ્રતિનિધિત્વ કરે છે, એનાલોગ ડિઝાઇન સતત મૂલ્યો સાથે કામ કરવાની અને ભૌતિક ઘટનાઓનો લાભ લેવાની મંજૂરી આપે છે, જે યોગ્ય રીતે નિયંત્રિત થાય ત્યારે ચોક્કસ કામગીરી માટે વધુ કાર્યક્ષમ બની શકે છે. આ અભિગમ પ્રગતિ તરફ નિર્દેશ કરે છે અદ્યતન ચિપ ડિઝાઇન અને પ્રક્રિયાઓ જે ભૌતિક આધારથી કાર્યક્ષમતાને શ્રેષ્ઠ બનાવવાનો પ્રયાસ કરે છે.

કંપની શોધખોળ કરી રહી છે સંભાવના વિતરણોને ભૌતિક રીતે સંગ્રહિત કરવામાં સક્ષમ ચિપ્સપરંપરાગત પ્રોસેસરોમાં કરવામાં આવે છે તેમ તેમને સંખ્યાત્મક રીતે અંદાજિત કરવાને બદલે. આ સંભવિત મોડેલો માટે વધુ કુદરતી રજૂઆતોના દરવાજા ખોલે છે અને, સંભવિત રીતે, ઊર્જા વપરાશમાં હજાર ગણો ઘટાડો આજે ડેટા સેન્ટરો પર પ્રભુત્વ ધરાવતી ડિજિટલ સિસ્ટમ્સની તુલનામાં.

આ હાંસલ કરવા માટે, ટીમ ખ્યાલોનો ઉપયોગ કરે છે ઓસિલેટર, થર્મોડાયનેમિક્સ અને સ્પાઇકિંગ ન્યુરોન્સઆ પ્રકારનું મોડેલ સમય જતાં અલગ આવેગ દ્વારા વાસ્તવિક ચેતાકોષો કેવી રીતે સક્રિય થાય છે તેનાથી પ્રેરિત છે. ન્યુરોમોર્ફિક ક્ષેત્રની લાક્ષણિકતા ધરાવતા આ આર્કિટેક્ચર, ઉપયોગમાં ન હોય ત્યારે ચિપના મોટા ભાગોને નિષ્ક્રિય કરી શકે છે, જે સતત પ્રવૃત્તિ જાળવી રાખતા સર્કિટની તુલનામાં ઊર્જાના નુકસાનમાં ભારે ઘટાડો કરે છે.

આ અભિગમ કંઈક અંશે ઇન્ટેલ જેવી કંપનીઓ દ્વારા તેમના ન્યુરોમોર્ફિક પ્રોસેસર્સ સાથેના અગાઉના પ્રયાસોની યાદ અપાવે છે, જે પરંપરાગત કેન્દ્રીય ઘડિયાળને દૂર કરે છે અને ચિપને અસુમેળ રીતે કાર્ય કરવાની મંજૂરી આપે છે, કાર્યભારના આધારે ફક્ત જરૂરી ભાગોને સક્રિય કરે છે. જોકે, બિનપરંપરાગત AI એક ડગલું આગળ વધવા માંગે છેમાત્ર ચેતાકોષીય વર્તણૂકની નકલ કરીને જ નહીં, પરંતુ સિલિકોનની ભૌતિક રચનાને ખાસ કરીને તે પર્યાવરણ માટે રચાયેલ AI મોડેલો સાથે નજીકથી સંકલિત કરીને.

આ સંયોજન વિશિષ્ટ હાર્ડવેર અને સહ-ડિઝાઇન કરેલા મોડેલો તે ભવિષ્ય તરફ નિર્દેશ કરે છે જ્યાં ચિપ અને અલ્ગોરિધમ વચ્ચેની સીમા ઝાંખી પડી જાય છે, અને જ્યાં કામગીરી હવે કેટલા GPUs સ્ટેક કરી શકાય છે તેના પર નિર્ભર નથી, પરંતુ સામગ્રી અને સર્કિટના ઊંડા ભૌતિક ગુણધર્મોનો કેટલી સારી રીતે ઉપયોગ થાય છે તેના પર નિર્ભર છે.

AI ના આગામી તરંગ માટે કસ્ટમ-ડિઝાઇન કરેલ SoC

સામાન્ય ઝાંખી ઉપરાંત, બિનપરંપરાગત AI કયા પ્રકારની ચિપ બનાવવાનું લક્ષ્ય રાખે છે તે અંગે ટેકનિકલ વિગતો બહાર આવી રહી છે. કંપની દ્વારા પ્રકાશિત વિવિધ નોકરીની પોસ્ટિંગ નિર્દેશ કરે છે... સિસ્ટમ-ઓન-એ-ચિપ (SoC) ડિઝાઇન પર આધારિત AI એક્સિલરેટરએટલે કે, એક જ ઘટક જે અનેક વિશિષ્ટ કમ્પ્યુટિંગ મોડ્યુલોને એકીકૃત કરે છે.

આ વર્ણનો અનુસાર, SoC માં શામેલ હશે સેન્ટ્રલ પ્રોસેસર (CPU) વધુ ચોક્કસ AI એકમોને મોકલવામાં આવે તે પહેલાં સંવેદનાત્મક ડેટાનું આયોજન અને તૈયારી જેવા પ્રારંભિક કાર્યો માટે જવાબદાર. આ સામાન્ય પાયાના આધારે, ઑપ્ટિમાઇઝ્ડ બ્લોક્સ ઉમેરવામાં આવશે જેથી રેખીય બીજગણિત ક્રિયાઓજે મોટા ભાષા મોડેલોથી લઈને કમ્પ્યુટર વિઝન સિસ્ટમ્સ સુધી, લગભગ તમામ ઊંડા શિક્ષણ મોડેલોનું ગાણિતિક હૃદય છે.

ડિઝાઇનમાં ઉપયોગને પણ ધ્યાનમાં લેવામાં આવે છે તૃતીય-પક્ષ બૌદ્ધિક સંપત્તિ કેટલાક મોડ્યુલો માટે, સેમિકન્ડક્ટર ઉદ્યોગમાં આ સામાન્ય પ્રથા છે, જ્યાં ચોક્કસ સાબિત બ્લોક્સને શરૂઆતથી વિકસાવવા કરતાં લાઇસન્સ આપવું વધુ કાર્યક્ષમ છે. ત્યાંથી, અનકન્વેશનલ AI નું વધારાનું મૂલ્ય SoC ના સૌથી નવીન ભાગોમાં કેન્દ્રિત કરવામાં આવશે.

આ ભિન્ન તત્વોમાં શામેલ છે મિશ્ર સિગ્નલ સર્કિટ્સઆ સર્કિટ્સ, એનાલોગ અને ડિજિટલ બંને માહિતી પર પ્રક્રિયા કરવા સક્ષમ છે, સેન્સર્સમાંથી ડેટા મેનેજ કરવા અથવા ભૌતિકશાસ્ત્ર-પ્રેરિત કામગીરીને સીધા અમલમાં મૂકવા માટે ખૂબ જ ઉપયોગી છે. કંપની જે બિન-રેખીય ગતિશીલતા અને સંભાવનાત્મક રજૂઆતોનો પીછો કરી રહી છે તેનો ઉપયોગ કરવા માટે ચિપ માટે આ પ્રકારની સર્કિટરી ચાવીરૂપ છે.

બીજો સુસંગત મુદ્દો એ છે કે કંપનીનો રસ ઉભરતી બિન-અસ્થિર યાદો, જેમ કે RRAMઆ ટેકનોલોજીઓ પાવર ગુમાવ્યા પછી પણ માહિતી જાળવી રાખે છે. તેઓ ચોક્કસ પરિસ્થિતિઓમાં પરંપરાગત ફ્લેશ મેમરી કરતાં કામગીરીના ફાયદા આપી શકે છે, જોકે તેઓ હજુ પણ તકનીકી પડકારોનો સામનો કરે છે જેણે ડેટા સેન્ટરોમાં તેમના વ્યાપક ઉપયોગને મર્યાદિત કર્યો છે. મેમરી માર્કેટનો વિકાસ અને ઉત્પાદકો દ્વારા નિર્ણયો જેમ કે ઉત્પાદન રેખાઓ સંબંધિત માઇક્રોન તેઓ આ પડકારો અને તકો પર પ્રકાશ પાડે છે.

હાર્ડવેર અને AI મોડેલ્સની સહ-ડિઝાઇન

બિનપરંપરાગત AI ફક્ત પ્રોસેસરના ભૌતિક સ્તર પર જ રહેવા માંગતું નથી. આ વ્યૂહરચનામાં તેમની ચિપ્સને અનુરૂપ AI મોડેલ્સ વિકસાવવાનો પણ સમાવેશ થાય છે.શરૂઆતથી જ સોફ્ટવેર અને હાર્ડવેર એકસાથે બનાવીને ઓફર કરવામાં આવતા ઑપ્ટિમાઇઝેશન માર્જિનનો લાભ લઈને.

આ અભિગમ સહ-ડિઝાઇન તે ડેટા કેવી રીતે રજૂ થાય છે, કયા ઓપરેશન્સ ચલાવવામાં આવે છે અને ચિપમાં કાર્ય કેવી રીતે વિતરિત થાય છે તેના પર મહત્તમ નિયંત્રણ આપે છે. સામાન્ય હેતુવાળા GPU માટે રચાયેલ હાલના મોડેલોને અનુકૂલિત કરવાને બદલે, કંપની એવા અલ્ગોરિધમ્સ ડિઝાઇન કરી શકે છે જે તેના એનાલોગ સર્કિટ, પલ્સેટિંગ ન્યુરોન્સ અથવા અપરંપરાગત મેમરી મોડ્યુલ્સની અનન્ય લાક્ષણિકતાઓનો લાભ લે છે.

કંપનીને આશા છે કે આ એકીકરણ તેને પ્રાપ્ત કરવામાં મદદ કરશે વર્તમાન સિલિકોનની તુલનામાં 1.000 ગણી કાર્યક્ષમતા ચોક્કસ કાર્યભાર હેઠળ. જોકે આ આંકડાઓને પ્રથમ સ્વતંત્ર પ્રોટોટાઇપ્સ અને બેન્ચમાર્ક્સ દેખાય ત્યારે માન્ય કરવાની જરૂર પડશે, તે ટીમ કયા સ્તરનું લક્ષ્ય રાખી રહી છે તેનો ખ્યાલ આપે છે.

આ પ્રકારનો અભિગમ ખાસ કરીને સંબંધિત છે યુરોપ અને સ્પેનજ્યાં ટેકનોલોજીકલ સાર્વભૌમત્વ અને વિદેશી હાર્ડવેર સપ્લાયર્સ પર નિર્ભરતા અંગેની ચર્ચા જોર પકડી રહી છે. નવા, વધુ કાર્યક્ષમ AI આર્કિટેક્ચર્સ હોવાથી વધુ ટકાઉ અને ઓછા ખર્ચાળ ડેટા સેન્ટર્સનો દરવાજો ખુલે છે.આ પ્રદેશની ઊર્જા અને નિયમનકારી પ્રાથમિકતાઓ સાથે સુસંગત છે. મુખ્ય ક્લાઉડ પ્રદાતાઓ અને હાર્ડવેર ઉત્પાદકો વચ્ચેના જોડાણો, જેમ કે જેમણે તાજેતરમાં ઉદ્યોગના લેન્ડસ્કેપને ફરીથી આકાર આપ્યો છે, તે સંદર્ભનું ઉદાહરણ આપે છે કે આ ઉકેલો કયા સંદર્ભમાં ફિટ થઈ શકે છે.ક્લાઉડ અને ઉત્પાદકો વચ્ચે સહયોગ).

જો બિનપરંપરાગત AI મોડેલ આખરે સ્પર્ધાત્મક સાબિત થાય, યુરોપિયન ક્લાઉડ કંપનીઓ, સંશોધન પ્રયોગશાળાઓ અને મોટા કોર્પોરેશનો આ પ્રકારના ઉકેલોને એકીકૃત કરતા જોવું આશ્ચર્યજનક નહીં હોય. તેના માળખાગત સુવિધાઓમાં, શોધમાં ઊર્જા ખર્ચ અને કાર્બન ફૂટપ્રિન્ટ ઘટાડવું અદ્યતન AI ક્ષમતાઓનું બલિદાન આપ્યા વિના.

બજાર સંદર્ભ: મેગા-રાઉન્ડ્સ અને AI ઇન્ફ્રાસ્ટ્રક્ચર માટેની સ્પર્ધા

અનકન્વેન્શનલ એઆઈનો કિસ્સો એક વ્યાપક વલણનો ભાગ છે: ખૂબ જ શરૂઆતના તબક્કામાં કરોડો ડોલર એકત્ર કરનારા AI સ્ટાર્ટઅપ્સનો ઉદભવ, થોડા વર્ષો પહેલા લિસ્ટેડ કંપનીઓ અથવા ખૂબ જ એકીકૃત આવક ધરાવતી કંપનીઓ માટે અનામત રાખવામાં આવેલા મૂલ્યાંકન સાથે.

તાજેતરના વર્ષોમાં, નામો જેમ કે ઓપનએઆઈ, માનવશાસ્ત્ર અથવા જેવા વ્યક્તિઓ દ્વારા પ્રમોટ કરાયેલી પહેલ ઇલ્યા સુત્સ્કીવર o મીરા મુરતી તેઓ ઐતિહાસિક વેન્ચર કેપિટલ રાઉન્ડમાં સામેલ થયા છે. 2025 માં, ડઝનબંધ AI સ્ટાર્ટઅપ્સે આ સીમાચિહ્ન પાર કર્યું ૧૦૦ મિલિયન ડોલરનું ભંડોળઆ સેગમેન્ટમાં અભૂતપૂર્વ રોકાણ વોલ્યુમને એકીકૃત કરવું.

આ તરંગની અંદર, માળખાગત સુવિધાઓ માટેનો યુદ્ધ ચિપ્સ, વિશિષ્ટ ક્લાઉડ, એક્સિલરેટર અને તાલીમ પ્રણાલીઓ સૌથી વધુ સ્પર્ધાત્મક ક્ષેત્રોમાંના એક બની ગયા છે. પ્રોસેસર નિર્ભરતા મુઠ્ઠીભર ઉત્પાદકોની અછત, ખાસ કરીને ઉચ્ચ કક્ષાના GPUsની, રોકાણકારો અને ઉદ્યોગસાહસિકોને પુરવઠા અને ભાવ અવરોધોને દૂર કરવા માટે વિકલ્પો શોધવા માટે પ્રેરિત કર્યા છે.

બિનપરંપરાગત AI પ્રસ્તાવ મૂકીને આ સ્પર્ધામાં પ્રવેશ કરે છે મુખ્ય GPU ઉત્પાદકો સાથે વધતી જતી સ્પર્ધા કરતાં એક અલગ રસ્તોફક્ત વધુ કામગીરી માટે લડવાને બદલે, ઉર્જા કાર્યક્ષમતામાં મોટા પાયે સુધારાના ઓર્ડર પ્રાપ્ત કરવા પર ધ્યાન કેન્દ્રિત કરો, જે મધ્યમ ગાળામાં AI સિસ્ટમ્સ માટે ભૌતિક અને આર્થિક મર્યાદાઓમાં દોડ્યા વિના વિકાસ ચાલુ રાખવા માટે ચાવીરૂપ બાબત છે.

યુરોપિયન ઇકોસિસ્ટમ માટે, જ્યાં ઉર્જા ખર્ચ અને ઉત્સર્જન પર નિયમનકારી આવશ્યકતાઓ ખાસ કરીને કડક છે, આ પ્રકારના પ્રસ્તાવોની સફળતા નિર્ણાયક સાબિત થઈ શકે છે. વધુ કાર્યક્ષમ AI હાર્ડવેર આ ગ્રીન ટ્રાન્ઝિશન વ્યૂહરચનાઓ સાથે બંધબેસશે, જ્યારે કંપનીઓ અને વહીવટીતંત્રને તેમનો વપરાશ વધાર્યા વિના અદ્યતન AI એપ્લિકેશનોનો ઉપયોગ કરવાની મંજૂરી આપશે.

નો પ્રોજેક્ટ બિનપરંપરાગત AI તે આ ક્ષણના ઘણા મુખ્ય વલણોને મૂર્તિમંત કરે છે: બીજ તબક્કામાં મેગા-રાઉન્ડ્સ, AI માટે શરૂઆતથી ડિઝાઇન કરાયેલ હાર્ડવેર, જીવવિજ્ઞાનમાંથી સીધી પ્રેરણા, અને વધુને વધુ સ્પષ્ટ વાસ્તવિકતાને પ્રતિભાવ આપતી ઊર્જા કાર્યક્ષમતા પ્રત્યેનો જુસ્સો. જો કંપની સિલિકોનમાં તેના વચનોને સાકાર કરવામાં સફળ થાય છે, તો તે આગામી દાયકામાં, યુનાઇટેડ સ્ટેટ્સ અને યુરોપ બંનેમાં, અને વિસ્તરણ દ્વારા, સ્પેન જેવા બજારોમાં, કૃત્રિમ બુદ્ધિ મોડેલોને કેવી રીતે તાલીમ આપવામાં આવે છે અને ચલાવવામાં આવે છે તે વ્યાખ્યાયિત કરતા મુખ્ય ખેલાડીઓમાંનો એક બની શકે છે.

સંબંધિત લેખ:

Nvidia ચિપ ડિઝાઇનના કેન્દ્રમાં રહેલા Synopsys સાથે તેના વ્યૂહાત્મક જોડાણને મજબૂત બનાવે છે

આલ્બર્ટો નાવારો

હું એક ટેક્નોલોજી ઉત્સાહી છું જેણે તેની "ગીક" રુચિઓને વ્યવસાયમાં ફેરવી દીધી છે. મેં મારા જીવનના 10 થી વધુ વર્ષો અત્યાધુનિક ટેક્નોલોજીનો ઉપયોગ કરીને અને શુદ્ધ જિજ્ઞાસાથી તમામ પ્રકારના કાર્યક્રમો સાથે ટિંકરિંગમાં વિતાવ્યા છે. હવે મેં કોમ્પ્યુટર ટેક્નોલોજી અને વિડિયો ગેમ્સમાં વિશેષતા મેળવી લીધી છે. આ એટલા માટે છે કારણ કે 5 વર્ષથી વધુ સમયથી હું ટેક્નોલોજી અને વિડિયો ગેમ્સ પર વિવિધ વેબસાઇટ્સ માટે લખી રહ્યો છું, દરેકને સમજી શકાય તેવી ભાષામાં તમને જોઈતી માહિતી આપવા માટે લેખો બનાવું છું.

જો તમને કોઈ પ્રશ્નો હોય, તો મારું જ્ઞાન વિન્ડોઝ ઓપરેટિંગ સિસ્ટમ તેમજ મોબાઈલ ફોન માટે એન્ડ્રોઈડથી સંબંધિત દરેક વસ્તુથી લઈને છે. અને મારી પ્રતિબદ્ધતા તમારા માટે છે, હું હંમેશા થોડી મિનિટો પસાર કરવા અને આ ઈન્ટરનેટ વિશ્વમાં તમારા કોઈપણ પ્રશ્નોના ઉકેલમાં મદદ કરવા માટે તૈયાર છું.