သမားရိုးကျမဟုတ်သော AI သည် ကြီးမားသောအစေ့အဝိုင်းနှင့် AI ချစ်ပ်များအတွက် ချဉ်းကပ်မှုအသစ်ဖြင့် ဖြတ်ကျော်သွားသည်။

ရောက်ရှိလာခြင်း၏ သမားရိုးကျမဟုတ်သော AI လုပ်ငန်းနယ်ပယ်တိုင်းတွင် ဆွေးနွေးထားပြီးဖြစ်သည့် ရန်ပုံငွေဝိုင်းဖြင့် ၎င်းသည် ဉာဏ်ရည်တု ဟာ့ဒ်ဝဲအခင်းအကျင်းကို တုန်လှုပ်သွားစေခဲ့သည်။ လအနည်းငယ်သာရှိသေးသည်။, ကုမ္ပဏီ ၎င်းသည် နည်းပညာလောကရှိ အင်အားအရှိဆုံး ရန်ပုံငွေများ၏ စိတ်ဝင်စားမှုကို ဖမ်းယူနိုင်ခဲ့သည်။စာရွက်ပေါ်တွင် AI အတွက် တွက်ချက်ခြင်းဆိုင်ရာ အရင်းအမြစ်များကို မည်ကဲ့သို့ ဒီဇိုင်းထုတ်ပြီး သုံးစွဲမည်ကို ပြန်လည်စဉ်းစားမည်ဟု ကတိပြုထားသည့် စိတ်ကူးကို လောင်းကြေးထပ်သည်။

ပိုကြီးပြီး ပိုပြင်းထန်တဲ့ မော်ဒယ်တွေကို အာရုံစိုက်မနေဘဲ ကုမ္ပဏီက ပြဿနာကို အရင်းခံပြီး တိုက်ခိုက်လိုပါတယ်- စွမ်းအင်ထိရောက်မှုနှင့် ချစ်ပ်များ၏ ရုပ်ပိုင်းဆိုင်ရာတည်ဆောက်ပုံသူ၏ အဆိုပြုချက်သည် ဇီဝဗေဒနှင့် ဦးနှောက်လုပ်ဆောင်မှုတို့နှင့်အတူ အထူးတလည် လှုံ့ဆော်ပေးပါသည်။ ရည်ရွယ်ချက်မှာ ယနေ့ခေတ်လိုအပ်သော စွမ်းအင်အပိုင်းအစကို စားသုံးရင်း ကြီးမားသော ကွန်ပြူတာ ပါဝါကို ပေးစွမ်းနိုင်သော စနစ်တစ်ခုသို့ ချဉ်းကပ်ရန်ဖြစ်သည်။ ကြီးမားသောဒေတာစင်တာများ။

တစ်နှစ်တာ၏အကြီးမားဆုံး AI ဟာ့ဒ်ဝဲအစေ့ဝိုင်း

သမားရိုးကျမဟုတ်သော AI သည် ဒေါ်လာ 475 သန်းအစေ့အဝိုင်းကိုပိတ်လိုက်သည်။အရေအတွက်များသော စျေးကွက်တစ်ခုတွင်ပင် ယင်းပမာဏသည် အစောပိုင်းအဆင့်တွင် ထင်ရှားပေါ်လွင်သော ကိန်းဂဏန်းတစ်ခုဖြစ်သည်။ အရောင်းအ၀ယ်တန်ဖိုးမှာ ကုမ္ပဏီ၏ ဝန်းကျင်ဖြစ်သည်။ ဒေါ်လာ ၄၀၀ သန်း၎င်းသည် AI ဟာ့ဒ်ဝဲဂေဟစနစ်တွင် မျိုးစေ့ရန်ပုံငွေထောက်ပံ့မှု၏ အထူးခြားဆုံးဖြစ်ရပ်များထဲမှ တစ်ခုဖြစ်သည်။

အစုအဝေးကို အကျိုးတူအရင်းအနှီးရန်ပုံငွေဖြင့် ဦးဆောင်ခဲ့သည်။ အန်ဒရီးဆန် ဟိုရိုဝစ်ဇ် (a16z) y Lightspeed Venture Partnersနက်ရှိုင်းသောနည်းပညာတွင် ရေရှည်ရင်းနှီးမြုပ်နှံမှုများနှင့်ပတ်သက်လာလျှင် အဓိကကျသော ကစားသမားနှစ်ဦး။ ၎င်းတို့ကို အခြားသော ထိပ်တန်းရင်းနှီးမြှုပ်နှံသူများ ဖြစ်သည့် ရင်းနှီးမြှုပ်နှံမှုများနှင့် ပူးပေါင်းထားသည်။ Lux Capital, DCVC, Databricks Amazon တည်ထောင်သူတောင်မှ၊ ဂျက်ဖ် ဘီဇို့စ်ယင်းက ပရောဂျက်အား ရေရှည်မဟာဗျူဟာမြောက် လှုပ်ရှားမှုအဖြစ် ရှုမြင်ကြောင်း ခံစားမှုအား အားကောင်းစေသည်။

ပြင်ပအရင်းအနှီးအပြင် ပူးတွဲတည်ထောင်သူများထဲမှ တစ်ဦးသည် ၎င်း၏အိတ်ကပ်ထဲမှ ထည့်ဝင်ရန် ဆုံးဖြတ်ခဲ့သည်။ ဒေါ်လာ ၄၀၀ သန်း... အခြားသော အဓိက ရင်းနှီးမြုပ်နှံသူများနှင့် တူညီသော စည်းကမ်းချက်များ ဖြစ်သည်။ ဤရွေ့လျားမှုသည် ပမာဏထက်ကျော်လွန်ပြီး ကုမ္ပဏီ၏နည်းပညာနှင့် လုပ်ငန်းဆိုင်ရာစာတမ်းအတွက် ကတိကဝတ်နှင့် အတွင်းပိုင်းယုံကြည်မှုဆိုင်ရာ ရှင်းလင်းသောအချက်ပြမှုတစ်ခု ပေးပို့သည်။

အင်တာဗျူးအမျိုးမျိုးအရ၊ ဤကနဦးငွေ 475 သန်းသည် အထိရောက်ရှိနိုင်သည့် ရန်ပုံငွေရှာဖွေရေးအစီအစဥ်တစ်ခု၏အစသာဖြစ်လိမ့်မည်။ ဒေါ်လာ ၄၀၀ သန်း ဒီအဆင့်မှာပဲ ရည်မှန်းချက်၏ အတိုင်းအတာသည် ၎င်းတို့ရင်ဆိုင်နေရသော ပရောဂျက်အမျိုးအစားကို မီးမောင်းထိုးပြသည်- ရှုပ်ထွေးသော ဟာ့ဒ်ဝဲ၊ ရှည်လျားသော ဖွံ့ဖြိုးတိုးတက်မှု သံသရာနှင့် R&D အတွက် ခိုင်မာသော ကနဦး ရင်းနှီးမြှုပ်နှံမှု.

အခြားသော မကြာသေးမီက အရောင်းအဝယ်များနှင့် နှိုင်းယှဉ်ပါက တန်ဖိုးသည် အနည်းငယ် ကျဆင်းသွားပါသည်။ ၅၀၀ ဘီလီယံ ပထမကောလဟာလတွင် ဆွေးနွေးခဲ့ကြသော်လည်း၊ ဝင်ငွေ သို့မဟုတ် စီးပွားဖြစ်ထုတ်ကုန်များ ခဲယဉ်းသော startups များတွင် သမားရိုးကျမဟုတ်သော AI သည် ပိုမိုရင့်ကျက်သောကုမ္ပဏီများအတွက် သိမ်းဆည်းထားသည့် အရင်းအနှီးအဆင့်တွင် ကစားနေပြီဖြစ်သည်။

Naveen Rao ၏ အမြင်နှင့် နည်းပညာဆိုင်ရာ အန္တရာယ်ကို ကျင့်သားရနေသော အဖွဲ့တစ်ခုဖြစ်သည်။

ပရောဂျက်ကို ဦးဆောင်သည်။ Naveen RaoRao သည် AI လောကတွင် လူသိများသော ပုဂ္ဂိုလ်တစ်ဦးဖြစ်ပြီး ၎င်း၏ စွန့်ဦးတီထွင်မှုတွင်သာမက နည်းပညာကုမ္ပဏီကြီးများတွင်ပါ ၎င်း၏ရာထူးများကို ထမ်းဆောင်နေသူဖြစ်သည်။ Intel မှ ဉာဏ်ရည်တုပလပ်ဖောင်းများအတွက် တာဝန်ရှိသည်။ ၎င်း၏ ပထမဆုံး startup ဖြစ်သော Nervana Systems သည် machine learning အတွက် ပရိုဆက်ဆာများတွင် အထူးပြုထားသော Nervana Systems ကို ဝယ်ယူပြီးနောက်။

နောက်ပိုင်းတွင် တည်ထောင်သူသည် ပူးပေါင်းတည်ထောင်ခြင်းဖြင့် နောက်ထပ် ခုန်ကျော်သွားခဲ့သည်။ MosaicMLဒေတာနှင့် AI ဂေဟစနစ်တွင် ဆွဲငင်အားရရှိသော စံပြလေ့ကျင့်ရေးပလပ်ဖောင်းတစ်ခုဖြစ်ပြီး၊ Databricks များသည် $1.300 ဘီလီယံခန့်ရှိသည်။ဆယ်စုနှစ်တစ်ခုအတွင်း သိသာထင်ရှားသော ထွက်ပေါက်နှစ်ခုပါရှိသော ဤမှတ်တမ်းသည် ယခုအခါ ၎င်း၏ပရောဂျက်အသစ်ကို ပံ့ပိုးပေးသည့် ရန်ပုံငွေများကြားတွင် ယုံကြည်မှုများရရှိစေရေးအတွက် ကြီးကြီးမားမား ချိန်တွယ်ထားသည်။

Rao နှင့်အတူ၊ ကုမ္ပဏီသည် လမ်းဆုံမှ အဆင့်မြင့် ပရိုဖိုင်များကို ပေါင်းစပ်ထားသည်။ ဟာ့ဒ်ဝဲ၊ ဆော့ဖ်ဝဲလ်နှင့် ပညာရပ်ဆိုင်ရာ သုတေသန, အဖြစ် မိုက်ကယ်ကာဘင်, Sara Achour y မီးလန်လီ၎င်းသည် မြင့်မားသောနည်းပညာဆိုင်ရာအန္တရာယ်၊ သံသရာရှည်သောပရောဂျက်များနှင့် လျင်မြန်သောဆော့ဖ်ဝဲလ်ထပ်လုပ်ခြင်းများဖြင့်မဖြေရှင်းနိုင်သောပြဿနာများ၊ ရှုပ်ထွေးသောရှေ့ပြေးပုံစံများနှင့် ရုပ်ပိုင်းဆိုင်ရာဗိသုကာနှင့် အယ်လဂိုရီသမ်များကြား အလွန်နီးကပ်စွာပေါင်းစပ်ထားသောအဖွဲ့ဖြစ်သည်။

သမားရိုးကျမဟုတ်သော AI ၏ လုပ်ငန်းအစီအစဉ်တွင် ပါဝင်ကြောင်း Rao ကိုယ်တိုင် ရှင်းပြခဲ့သည်။ နှစ်ပေါင်းများစွာ ရှေ့ပြေးပုံစံမျိုးစုံကို စမ်းသပ်ပါ။၎င်းတို့သည် ထိရောက်မှုနှင့် ကုန်ကျစရိတ်အရ မည်သည့်ပါရာဒိုင်းစကေးကို အကဲဖြတ်နေသနည်း။ တစ်နည်းဆိုရသော် ၎င်းတို့သည် ထုတ်ကုန်တစ်ခုကို အလျင်အမြန်စတင်ရန် ကြိုးပမ်းနေသည်မဟုတ်ဘဲ လာမည့်ဆယ်စုနှစ်များအတွင်း AI တွက်ချက်မှုတွင် ခြားနားစေမည့် နည်းပညာအခြေခံအုတ်မြစ်ကို တည်ဆောက်ရန်ဖြစ်သည်။

ဒါကို အလောင်းအစားလို့ ခေါ်တာ။ "စက်ဘီးရှည်အင်ဂျင်နီယာ" ၎င်းသည် သုံးစွဲသူများထံ အမြန်ဆုံး တရားဝင်ကြောင်းနှင့် ထုတ်ကုန်ကို လျင်မြန်စွာ ထပ်တလဲလဲ ပြုလုပ်ခြင်းဖြင့် ဖောက်သည်များထံ အမြန်စစ်ဆေးခြင်းအပေါ် အာရုံစိုက်သည့် ဆော့ဖ်ဝဲစတင်သည့် လုပ်ငန်းများစွာ၏ ပုံမှန်ချဉ်းကပ်နည်းနှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ ဤတွင်၊ လမ်းကြောင်းသည် ကြီးမားသော တစ်ပိုင်းလျှပ်ကူးပစ္စည်း ကုမ္ပဏီကြီးများ သို့မဟုတ် အရေးပါသော အခြေခံအဆောက်အအုံ ပရောဂျက်များနှင့် ပို၍ဆင်တူသည်၊ သို့သော် နောက်ပိုင်းတွင် ရင်းနှီးမြုပ်နှံမှုပြန်ရလာသော်လည်း အားလုံးကောင်းနေပါက ကဏ္ဍတစ်ခုလုံးကို ပြန်လည်သတ်မှတ်နိုင်သည်။

ဉာဏ်ရည်တုအတွက် စက်အမျိုးအစားအသစ်

သမားရိုးကျမဟုတ်သော AI ၏ အဆိုပြုချက်၏ အဓိကအချက်မှာ တည်ဆောက်ရန်ဖြစ်သည်။ အလွန်စွမ်းအင်သက်သာသော ကွန်ပျူတာတစ်လုံး ဉာဏ်ရည်တုဆိုင်ရာ အလုပ်တာဝန်များအတွက်။ Rao သည် ကဏ္ဍတွင် အာရုံစူးစိုက်မှုရရှိစေသည့် စကားစုတစ်ခုဖြင့် ရည်မှန်းချက်ကို အကျဉ်းချုပ်ဖော်ပြခဲ့သည်- စနစ်တစ်ခုကို ဒီဇိုင်းဆွဲရန်၊ "ဇီဝဗေဒကဲ့သို့ ထိရောက်မှု"စွမ်းအင်သုံးစွဲမှု အနည်းဆုံးဖြင့် ရှုပ်ထွေးသော တွက်ချက်မှုများကို လုပ်ဆောင်ရန် လူ့ဦးနှောက်စွမ်းရည်ကို ကိုးကားချက်အဖြစ် ယူသည်။

လုပ်ငန်းအများစုသည် မော်ဒယ်များ၏ အတိုင်းအတာကို ဆက်လက်တွန်းအားပေးနေသော်လည်း ကန့်သတ်ဘောင်များ၊ ဒေတာများ ပိုမိုများပြားခြင်း၊ နောက်ထပ် GPU များ- ကုမ္ပဏီသည် ထိုအချက်မှ စတင်သည်။ ဤနည်းဗျူဟာတွင် ကုန်ကျစရိတ်နှင့် ရရှိနိုင်သောစွမ်းအင်သတ်မှတ်ချက်များတွင် ရှင်းရှင်းလင်းလင်း ကန့်သတ်ချက်ရှိသည်။ကြီးမားသောဒေတာစင်တာများသည် လျှပ်စစ်ဓာတ်အားကန့်သတ်ချက်များ၊ ကုန်ကျစရိတ်မြင့်တက်မှုနှင့် ရေရှည်တည်တံ့မှုပြဿနာများကို ရင်ဆိုင်နေရပြီး ဥရောပနှင့်စပိန်တို့တွင် အထူးစိုးရိမ်ရသည့်အရာမှာ ရာသီဥတုနှင့် စည်းမျဉ်းစည်းကမ်းရည်မှန်းချက်များကြောင့်ဖြစ်သည်။

ဤရွေ့လျားမှုကို ချိုးဖျက်ရန်၊ startup မှ အဆိုပြုသည်။ ကွန်ပြူတာတည်ဆောက်ပုံဆိုင်ရာ ပါရာဒိုင်းအပြောင်းအလဲသမားရိုးကျ ဒစ်ဂျစ်တယ်ဗိသုကာများကို ဆက်လက်မွမ်းမံမည့်အစား၊ ၎င်းကို လွှမ်းမိုးနိုင်သော ဒီဇိုင်းများကို ရှာဖွေပါ။ ဆီလီကွန်ကိုယ်တိုင်၏ရုပ်ပိုင်းဆိုင်ရာဂုဏ်သတ္တိများ နှင့် နျူရွန်များ၏ လိုင်းမဆန်သော ဒိုင်းနမစ်များကဲ့သို့သော ဦးနှောက်၏ လုပ်ဆောင်မှုမှ မှုတ်သွင်းထားသော သဘောတရားများ။

၎င်း၏ ၀က်ဘ်ဆိုက်တွင် လွှင့်တင်ထားသော စာသားတစ်ခုတွင် ကုမ္ပဏီသည် ၎င်း၏ ရည်မှန်းချက်ကို ဖန်တီးမှုအဖြစ် ဖော်ပြသည်။ "ဉာဏ်ရည်အတွက် အလွှာသစ်"အိုင်ဒီယာမှာ၊ အတုအယောင် ကွန်ပျူတာစနစ်များ၏ အပြုအမူများနှင့် ချိတ်ဆက်ပေးသည့် မှန်ကန်သော ဖွဲ့စည်းပုံကို ရှာဖွေခြင်းဖြင့်၊ ဂန္ထဝင် ဒစ်ဂျစ်တယ်ဗိသုကာများကို ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ခြင်းဖြင့် ရရှိသည့် ထိရောက်မှု အကျိုးကျေးဇူးများကို သော့ဖွင့်ရန် ဖြစ်နိုင်သည်။

ပတ်ပတ်လည်တွင်ပါဝင်သည့် Lightspeed ၏ရင်းနှီးမြုပ်နှံသူများသည် ထိုရောဂါလက္ခဏာများကို သဘောတူကြပြီး လိုအပ်ကြောင်းညွှန်ပြသည်။ "ဉာဏ်ရည်အတွက်သင့်လျော်သော isomorphism" ကိုရှာဖွေရန် အကယ်၍ ရည်မှန်းချက်သည် AI စွမ်းအင်သုံးစွဲမှု သိသိသာသာ လျော့ချအောင်မြင်ရန်ဖြစ်သည်ဆိုပါက၊ ဤတွေးခေါ်မှုမျဥ်းသည် neuromorphic computing နှင့် အဆင့်မြင့် analog စနစ်များတွင် သုတေသနလုပ်ဆောင်မှုများနှင့် ကိုက်ညီနေပြီး၊ ယခုအချိန်အထိ ပညာရပ်ဆိုင်ရာ သို့မဟုတ် အကြီးစားထုတ်လုပ်သူများ၏ စမ်းသပ်ပရောဂျက်များတွင် အများအပြားကျန်ရှိနေသေးသည်။

ဗိသုကာ- Analog Chips မှ Pulsating Neurons အထိ

သမားရိုးကျမဟုတ်သော AI ၏ အထူးခြားဆုံးသော ရှုထောင့်တစ်ခုမှာ ၎င်း၏ပေါင်းစပ်ချဉ်းကပ်မှုဖြစ်သည်။ analog၊ ရောနှော၊ နှင့် neuromorphic ဗိသုကာများdiscrete zeros နှင့် ones များကိုအသုံးပြု၍ သတင်းအချက်အလက်များကိုကိုယ်စားပြုသော လက်ရှိဒစ်ဂျစ်တယ်ချစ်ပ်များနှင့်မတူဘဲ၊ analog ဒီဇိုင်းများသည် စဉ်ဆက်မပြတ်တန်ဖိုးများနှင့်အလုပ်လုပ်နိုင်စေပြီး၊ ကောင်းစွာထိန်းချုပ်ထားသောအခါတွင်၊ အချို့သောလုပ်ငန်းဆောင်တာများအတွက် ပို၍ထိရောက်မှုရှိသောရုပ်ပိုင်းဆိုင်ရာဖြစ်ရပ်များကိုအသုံးချရန်ခွင့်ပြုသည်။ ဤချဉ်းကပ်မှုသည် တိုးတက်မှုကို ထောက်ပြသည်။ အဆင့်မြင့် ချစ်ပ်ဒီဇိုင်းနှင့် လုပ်ငန်းစဉ်များ ရုပ်ပိုင်းဆိုင်ရာ အခြေခံမှ စွမ်းဆောင်ရည်ကို အကောင်းဆုံးဖြစ်အောင် ကြိုးစားသည်။

ကုမ္ပဏီက ရှာဖွေနေပါတယ်။ ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုများကို ရုပ်ပိုင်းအရ သိမ်းဆည်းနိုင်သော ချစ်ပ်များရိုးရာပရိုဆက်ဆာများတွင် လုပ်ဆောင်သည့်အတိုင်း ကိန်းဂဏာန်းများကို အနီးစပ်ဆုံး တွက်ချက်ခြင်းအစား၊ ၎င်းသည် ဖြစ်နိုင်ခြေရှိသော မော်ဒယ်များအတွက် ပိုမိုသဘာဝကျသော ကိုယ်စားပြုမှုများကို တံခါးဖွင့်ပေးပြီး ဖြစ်နိုင်ချေရှိသည်။ စွမ်းအင်သုံးစွဲမှုကို အဆတစ်ထောင်အထိ လျှော့ချပေးသည်။ ယနေ့ခေတ် ဒေတာစင်တာများကို လွှမ်းမိုးထားသည့် ဒစ်ဂျစ်တယ်စနစ်များနှင့် နှိုင်းယှဉ်ပါ။

ယင်းကိုအောင်မြင်ရန်၊ အဖွဲ့သည် အယူအဆများကို အသုံးပြုသည်။ oscillators၊ thermodynamics နှင့် spiking neuronsဤပုံစံသည် အချိန်ကြာလာသည်နှင့်အမျှ အာရုံကြောများ အစစ်အမှန်များကို လှုံ့ဆော်မှုပေးခြင်းဖြင့် မှုတ်သွင်းထားသည်။ အာရုံကြောဆိုင်ရာ နယ်ပယ်၏ ပုံမှန်ဖြစ်သော ဤဗိသုကာများသည် အသုံးမပြုသည့်အခါတွင် ချစ်ပ်၏ အစိတ်အပိုင်းအများအပြားကို ပိတ်နိုင်ပြီး အဆက်မပြတ်လုပ်ဆောင်မှုကို ထိန်းသိမ်းထားသည့် ဆားကစ်များနှင့် နှိုင်းယှဉ်ပါက စွမ်းအင်ဆုံးရှုံးမှုကို သိသိသာသာ လျှော့ချနိုင်သည်။

အဆိုပါချဉ်းကပ်မှုသည် Intel ကဲ့သို့သောကုမ္ပဏီများမှ၎င်းတို့၏ neuromorphic ပရိုဆက်ဆာများနှင့်အတူယခင်ကြိုးပမ်းအားထုတ်မှု၏အတန်ငယ်အမှတ်ရနေသည်၊ အစဉ်အလာဗဟိုနာရီကိုဖယ်ရှားပြီးချစ်ပ်ကိုအချိန်ကိုက်လုပ်ဆောင်နိုင်စေရန်အတွက်လိုအပ်သောအစိတ်အပိုင်းများကိုသာအသက်သွင်းကာအလုပ်ချိန်ပေါ်မူတည်ပြီးအသက်ဝင်စေသည် ။ သို့သော်၊ သမားရိုးကျမဟုတ်သော AI သည် နောက်ထပ်ခြေတစ်လှမ်းတက်ချင်သည်။အာရုံကြောဆိုင်ရာ အပြုအမူများကို အတုခိုးရုံသာမက၊ ထိုပတ်ဝန်းကျင်အတွက် အထူးထုတ်လုပ်ထားသည့် AI မော်ဒယ်များနှင့် ဆီလီကွန်၏ ရုပ်ပိုင်းဆိုင်ရာ ဒီဇိုင်းကို အနီးကပ် ပေါင်းစပ်ခြင်းဖြင့်၊

ဤပေါင်းစပ်မှု အထူးပြု ဟာ့ဒ်ဝဲနှင့် တွဲဖက် ဒီဇိုင်းထုတ်ထားသော မော်ဒယ်များ chip နှင့် algorithm မှုန်ဝါးမှုများကြား နယ်နိမိတ်မျဉ်းနှင့် စွမ်းဆောင်ရည်သည် GPU မည်မျှ stack လုပ်နိုင်သည်အပေါ် များစွာမူတည်ခြင်းမရှိတော့သည့် အနာဂတ်ကို ညွှန်ပြသည်၊ သို့သော် ပစ္စည်းများနှင့် ဆားကစ်များ၏ နက်နဲသော ရုပ်ပိုင်းဆိုင်ရာ ဂုဏ်သတ္တိများကို မည်ကဲ့သို့ အသုံးချနေသည်အပေါ် ညွှန်ပြသည်။

AI ၏နောက်ထပ်လှိုင်းအတွက် စိတ်ကြိုက်ဒီဇိုင်းထုတ်ထားသော SoC တစ်ခု

ယေဘူယျခြုံငုံသုံးသပ်ချက်အပြင်၊ သမားရိုးကျမဟုတ်သော AI အမျိုးအစားကို ထုတ်လုပ်ရန် ရည်ရွယ်ထားသော ချစ်ပ်အမျိုးအစားအကြောင်း နည်းပညာဆိုင်ရာ အသေးစိတ်အချက်အလက်များ ထွက်ပေါ်လာသည်။ ကုမ္ပဏီမှ ထုတ်ပြန်သော အလုပ်အကိုင် အမျိုးမျိုးကို ညွှန်ပြသော ... system-on-a-chip (SoC) ဒီဇိုင်းကို အခြေခံ၍ AI အရှိန်မြှင့်စက်ဆိုလိုသည်မှာ၊ အထူးပြုကွန်ပြူတာ module အများအပြားကို ပေါင်းစပ်ထားသည့် တစ်ခုတည်းသော အစိတ်အပိုင်းတစ်ခုဖြစ်သည်။

ဤဖော်ပြချက်များအရ SoC တွင် ပါဝင်မည်ဖြစ်သည်။ ဗဟိုပရိုဆက်ဆာ (CPU) ပိုမိုတိကျသော AI ယူနစ်များသို့မလွှဲပြောင်းမီ အာရုံခံဒေတာများကို စုစည်းခြင်းနှင့် ပြင်ဆင်ခြင်းကဲ့သို့သော ပဏာမတာဝန်များအတွက် တာဝန်ရှိသည်။ ဤအထွေထွေအခြေခံအုတ်မြစ်ကို အခြေခံ၍ လုပ်ဆောင်ရန် အကောင်းဆုံးလုပ်ကွက်များကို ထည့်သွင်းပါမည်။ linear အက္ခရာသင်္ချာလုပ်ငန်းများကြီးမားသောဘာသာစကားမော်ဒယ်များမှ ကွန်ပျူတာအမြင်စနစ်အထိ နက်နဲသောသင်ယူမှုပုံစံများအားလုံးနီးပါး၏ သင်္ချာဆိုင်ရာ နှလုံးသားဖြစ်သည်။

ဒီဇိုင်းကိုလည်း အသုံးပြုမှုတွင် ထည့်သွင်းစဉ်းစားသည်။ ပြင်ပအဖွဲ့အစည်း ဉာဏမူပိုင်ခွင့် အချို့သော module များအတွက်၊ ၎င်းသည် တစ်ပိုင်းလျှပ်ကူးစက်လုပ်ငန်းတွင် အသုံးများသောအလေ့အထဖြစ်ပြီး အချို့သောသက်သေပြလုပ်ကွက်များကို လိုင်စင်ထုတ်ပေးခြင်းထက် ၎င်းတို့ကို အစမှပြန်လည်တည်ဆောက်ခြင်းထက် ပိုမိုထိရောက်သည်။ ထိုမှနေ၍ သမားရိုးကျမဟုတ်သော AI ၏ ထပ်လောင်းတန်ဖိုးကို SoC ၏ ဆန်းသစ်တီထွင်မှုအရှိဆုံး အစိတ်အပိုင်းများတွင် စုစည်းထားမည်ဖြစ်သည်။

ဤကွဲပြားသောအချက်များပါဝင်သည်။ ရောထွေးအချက်ပြဆားကစ်များanalog နှင့် ဒစ်ဂျစ်တယ်အချက်အလက် နှစ်မျိုးလုံးကို စီမံဆောင်ရွက်နိုင်သော ဤဆားကစ်များသည် အာရုံခံကိရိယာများမှ ဒေတာများကို စီမံခန့်ခွဲရန် သို့မဟုတ် ရူပဗေဒမှုတ်သွင်းထားသော လုပ်ဆောင်ချက်များကို တိုက်ရိုက်အကောင်အထည်ဖော်ရန်အတွက် အလွန်အသုံးဝင်ပါသည်။ ဤ circuitry အမျိုးအစားသည် ကုမ္ပဏီလိုက်ရှာနေသော nonlinear dynamics နှင့် probabilistic ကိုယ်စားပြုမှုများကို အသုံးချရန် chip အတွက် သော့ချက်ဖြစ်သည်။

နောက်ထပ် သက်ဆိုင်တဲ့ အချက်ကတော့ ကုမ္ပဏီရဲ့ စိတ်ဝင်စားမှုပါ။ RRAM ကဲ့သို့သော မတည်ငြိမ်သော မှတ်ဉာဏ်များ ပေါ်ထွက်လာသည်။ဤနည်းပညာများသည် ပါဝါဆုံးရှုံးသွားသည့်တိုင် သတင်းအချက်အလတ်များကို သိမ်းဆည်းထားသည်။ ၎င်းတို့သည် အချို့သော အခြေအနေများတွင် သမားရိုးကျ flash memory ထက် စွမ်းဆောင်ရည် အားသာချက်များကို ပေးစွမ်းနိုင်သော်လည်း ၎င်းတို့သည် ဒေတာစင်တာများတွင် ကျယ်ပြန့်စွာဖြန့်ကျက်မှုကို ကန့်သတ်ထားသည့် နည်းပညာဆိုင်ရာ စိန်ခေါ်မှုများနှင့် ရင်ဆိုင်ရဆဲဖြစ်သည်။ မှတ်ဉာဏ်စျေးကွက်၏ဆင့်ကဲဖြစ်စဉ်နှင့်ကဲ့သို့သောထုတ်လုပ်သူများကဆုံးဖြတ်ချက်များ ထုတ်ကုန်လိုင်းများနှင့် ပတ်သက်သော မိုက်ခရို ဤစိန်ခေါ်မှုများနှင့် အခွင့်အလမ်းများကို မီးမောင်းထိုးပြကြသည်။

ဟာ့ဒ်ဝဲနှင့် AI မော်ဒယ်များကို ပူးတွဲဒီဇိုင်းဆွဲခြင်း။

သမားရိုးကျမဟုတ်သော AI သည် ပရိုဆက်ဆာ၏ ရုပ်ပိုင်းဆိုင်ရာအလွှာတွင်သာ မနေလိုပါ။ မဟာဗျူဟာတွင် ၎င်းတို့၏ ချစ်ပ်များနှင့် လိုက်လျောညီထွေဖြစ်အောင် AI မော်ဒယ်များကို တီထွင်ခြင်းလည်း ပါဝင်ပါသည်။အစကတည်းက ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲများကို အတူတကွဖန်တီးခြင်းဖြင့် ကမ်းလှမ်းထားသော ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းအနားသတ်ကို အခွင့်ကောင်းယူပြီး၊

ဒီချဉ်းကပ်မှု ပူးတွဲဒီဇိုင်း ၎င်းသည် ဒေတာကို ကိုယ်စားပြုပုံ၊ မည်သည့်လုပ်ဆောင်ချက်များကို လုပ်ဆောင်သည်၊ နှင့် ချစ်ပ်အတွင်း အလုပ်လုပ်ပုံတို့ကို ဖြန့်ဝေမှုအပေါ် အမြင့်ဆုံးထိန်းချုပ်မှုကို ခွင့်ပြုသည်။ ယေဘူယျရည်ရွယ်ချက် GPU များအတွက် ဒီဇိုင်းထုတ်ထားသော ရှိပြီးသားမော်ဒယ်များကို လိုက်လျောညီထွေဖြစ်စေမည့်အစား ကုမ္ပဏီသည် ၎င်း၏ analog circuits များ၏ ထူးခြားသောဝိသေသလက္ခဏာများ၊ pulsating neurons သို့မဟုတ် သမားရိုးကျမဟုတ်သော memory module များကို လွှမ်းမိုးနိုင်သည့် algorithms များကို ဒီဇိုင်းထုတ်နိုင်သည်။

ကုမ္ပဏီအနေဖြင့် ဤပေါင်းစပ်မှုသည် အောင်မြင်နိုင်လိမ့်မည်ဟု မျှော်လင့်ပါသည်။ လက်ရှိ ဆီလီကွန်နှင့် နှိုင်းယှဉ်ပါက အဆ 1.000 တွင် ထိရောက်မှုရှိသည်။ အချို့သောအလုပ်များအောက်တွင်။ ပထမဆုံး လွတ်လပ်သော ရှေ့ပြေးပုံစံများနှင့် စံသတ်မှတ်ချက်များ ပေါ်လာသောအခါ ဤကိန်းဂဏာန်းများကို အတည်ပြုရန် လိုအပ်သော်လည်း၊ ၎င်းတို့သည် အဖွဲ့၏ ရည်မှန်းချက်ပန်းတိုင်၏ အတိုင်းအတာကို အကြံဥာဏ်ပေးပါသည်။

ဤချဉ်းကပ်နည်းသည် အထူးသင့်လျော်သည်။ ဥရောပနှင့် စပိန်နည်းပညာအချုပ်အခြာအာဏာနှင့် နိုင်ငံခြား ဟာ့ဒ်ဝဲတင်သွင်းသူများအပေါ် မှီခိုမှုအပေါ် အခြေအတင် ဆွေးနွေးမှုသည် အရှိန်အဟုန် မြင့်တက်လာနေသည်။ ပိုမိုထိရောက်သော AI ဗိသုကာအသစ်များ ရှိခြင်းကြောင့် ပိုမိုရေရှည်တည်တံ့ပြီး စျေးပိုသက်သာသော ဒေတာစင်တာများသို့ တံခါးဖွင့်ပေးပါသည်။၎င်းသည် ဒေသ၏ စွမ်းအင်နှင့် စည်းမျဉ်းဆိုင်ရာ ဦးစားပေးများနှင့် ကိုက်ညီပါသည်။ မကြာသေးမီက စက်မှုလုပ်ငန်းအခင်းအကျင်းကို ပြန်လည်ပုံဖော်ခဲ့သော အဓိက cloud ဝန်ဆောင်မှုပေးသူများနှင့် ဟာ့ဒ်ဝဲထုတ်လုပ်သူများကြား မဟာမိတ်ဖွဲ့မှုများသည် ဤဖြေရှင်းချက်များနှင့် ကိုက်ညီနိုင်သည့် ဆက်စပ်မှုကို ဥပမာပေးသည်။cloud နှင့် ထုတ်လုပ်သူများကြား ပူးပေါင်းဆောင်ရွက်ခြင်း).

သမားရိုးကျမဟုတ်သော AI မော်ဒယ်သည် နောက်ဆုံးတွင် ယှဉ်ပြိုင်နိုင်စွမ်းရှိကြောင်း သက်သေပြပါက၊ ဥရောပ cloud ကုမ္ပဏီများ၊ သုတေသနဓာတ်ခွဲခန်းများနှင့် ကော်ပိုရေးရှင်းကြီးများသည် အဆိုပါဖြေရှင်းချက်အမျိုးအစားများကို ပေါင်းစပ်ထားသည်ကို တွေ့မြင်ရသည်မှာ အံ့သြစရာမဟုတ်ပါ။ ၎င်း၏အခြေခံအဆောက်အအုံအတွက်ရှာဖွေနေ စွမ်းအင်ကုန်ကျစရိတ်နှင့် ကာဗွန်ခြေရာကို လျှော့ချပါ။ အဆင့်မြင့် AI စွမ်းရည်များကို မစွန့်စားဘဲ၊

စျေးကွက်အခြေအနေ- Mega-rounds နှင့် AI အခြေခံအဆောက်အအုံအတွက် ပြိုင်ဆိုင်မှု

သမားရိုးကျမဟုတ်သော AI ကိစ္စသည် ပိုမိုကျယ်ပြန့်သောလမ်းကြောင်း၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်- အစောပိုင်းအဆင့်များတွင် ဒေါ်လာသန်းရာနှင့်ချီ၍ မြှုပ်နှံထားသော AI startups များ ပေါ်ပေါက်လာခဲ့သည်။လွန်ခဲ့သည့်နှစ်အနည်းငယ်က စာရင်းဝင်ကုမ္ပဏီများ သို့မဟုတ် ဝင်ငွေအလွန်များသော ကုမ္ပဏီများအတွက် သီးသန့်ထားခဲ့သော တန်ဖိုးများဖြင့်၊

မကြာသေးမီနှစ်များအတွင်းက နာမည်တွေရတာ OpenAI, လူသားဆန်သော သို့မဟုတ် ကဲ့သို့သော ကိန်းဂဏန်းများဖြင့် မြှင့်တင်ပေးသော လုပ်ဆောင်ချက်များ အီလီယာ ဆွတ်စ်ကဗာ o မီရာ မူရာတီ ၎င်းတို့သည် သမိုင်းဝင် ဖက်စပ်မြို့တော် လှည့်ပတ်မှုများတွင် ပါဝင်ခဲ့ကြပါသည်။ 2025 ခုနှစ်တွင် ဒါဇင်ပေါင်းများစွာသော AI startups များသည် မှတ်တိုင်ထက်ကျော်လွန်သွားပါသည်။ ရန်ပုံငွေ ဒေါ်လာ သန်း ၁၀၀ဤအပိုင်းတွင် မကြုံစဖူး ရင်းနှီးမြုပ်နှံမှုပမာဏကို စုစည်းခြင်း။

ဒီလှိုင်းအတွင်း၊ အခြေခံအဆောက်အအုံအတွက် တိုက်ပွဲ ချစ်ပ်ပြားများ၊ အထူးပြုထားသော တိမ်များ၊ အရှိန်မြှင့်စက်များနှင့် လေ့ကျင့်ရေးစနစ်များသည် အပြင်းထန်ဆုံး အပြိုင်အဆိုင်များထဲမှ တစ်ခုဖြစ်လာသည်။ ပရိုဆက်ဆာ မှီခိုမှု ထုတ်လုပ်သူလက်တစ်ဆုပ်စာနှင့် အထူးသဖြင့် အဆင့်မြင့် GPU များ ပြတ်လပ်မှုကြောင့် ရင်းနှီးမြှုပ်နှံသူများနှင့် လုပ်ငန်းရှင်များသည် ထောက်ပံ့မှုနှင့် ဈေးနှုန်းပိတ်ဆို့မှုများကို သက်သာစေမည့် အခြားရွေးချယ်စရာများကို ရှာဖွေရန် လှုံ့ဆော်ပေးခဲ့သည်။

သမားရိုးကျမဟုတ်သော AI သည် အဆိုပြုခြင်းဖြင့် ဤပြိုင်ပွဲသို့ ဝင်ရောက်သည်။ အဓိက GPU ထုတ်လုပ်သူများနှင့် တိုးမြင့်ယှဉ်ပြိုင်မှုမျှသာထက် မတူညီသောလမ်းကြောင်းပိုမိုစွမ်းဆောင်ရည်အတွက် တိုက်ပွဲဝင်နေမည့်အစား၊ စွမ်းအင်ထိရောက်မှုတွင် ပြင်းအားတိုးတက်စေသည့်အမိန့်စာများရရှိရန် အာရုံစိုက်ပါ၊ AI စနစ်များသည် ရုပ်ပိုင်းဆိုင်ရာနှင့် စီးပွားရေးကန့်သတ်ချက်များအထိ ဆက်လက်ကြီးထွားလာရန်အတွက် ကာလလတ်တွင် အဓိကသော့ချက်တစ်ခုဖြစ်သည်။

စွမ်းအင်ကုန်ကျစရိတ်နှင့် ဓာတ်ငွေ့ထုတ်လွှတ်မှုဆိုင်ရာ စည်းမျဉ်းစည်းကမ်းများ အထူးတင်းကျပ်သည့် ဥရောပဂေဟစနစ်အတွက်၊ ဤအမျိုးအစား အဆိုပြုချက်များ၏ အောင်မြင်မှုသည် ပြတ်ပြတ်သားသား သက်သေပြနိုင်သည်။ ပိုမိုထိရောက်သော AI ဟာ့ဒ်ဝဲတစ်ခု ကုမ္ပဏီများနှင့် စီမံခန့်ခွဲသူများသည် ၎င်းတို့၏ သုံးစွဲမှုကို တိုးမြှင့်ခြင်းမရှိဘဲ အဆင့်မြင့် AI အပလီကေးရှင်းများကို အသုံးချနိုင်အောင် အစိမ်းရောင်အကူးအပြောင်းမဟာဗျူဟာများနှင့် ကိုက်ညီမည်ဖြစ်သည်။

အဆိုပါစီမံကိန်း၏ သမားရိုးကျမဟုတ်သော AI ၎င်းသည် လက်ရှိအချိန်၏ အဓိကခေတ်ရေစီးကြောင်းများစွာကို ပေါင်းစပ်ထားသည်- မျိုးစေ့အဆင့်များတွင် ကြီးမားသောလှည့်ပတ်မှုများ၊ AI အတွက် အခြေခံမှ ဒီဇိုင်းထုတ်ထားသော ဟာ့ဒ်ဝဲ၊ ဇီဝဗေဒမှ တိုက်ရိုက်လှုံ့ဆော်မှုနှင့် ပိုမိုထင်ရှားသောအဖြစ်မှန်ကို တုံ့ပြန်သည့် စွမ်းအင်ထိရောက်မှုအပေါ် စွဲလမ်းမှုတို့ပါဝင်သည်။ အကယ်၍ ကုမ္ပဏီသည် ဆီလီကွန်တွင် ၎င်း၏ကတိများကို အကောင်အထည် ဖော်နိုင်ပါက၊ ၎င်းသည် လာမည့်ဆယ်စုနှစ်တွင် ဉာဏ်ရည်တုပုံစံများကို လေ့ကျင့်သင်ကြားပြီး လုပ်ဆောင်မည်ကို သတ်မှတ်ဖော်ပြသည့် အဓိက ကစားသမားများထဲမှ တစ်ဦးဖြစ်လာနိုင်သည် ။

ဆက်စပ်ဆောင်းပါး-

Nvidia သည် ချစ်ပ်ဒီဇိုင်း၏ဗဟိုချက်ဖြစ်သော Synopsys နှင့် ၎င်း၏ဗျူဟာမြောက်မဟာမိတ်ဖွဲ့မှုကို အားကောင်းစေသည်။

အယ်လ်ဘာတို နာဗာရို

ကျွန်တော်သည် သူ၏ "geek" စိတ်ဝင်စားမှုများကို အသက်မွေးဝမ်းကြောင်းတစ်ခုအဖြစ် ပြောင်းလဲပေးသော နည်းပညာကို ဝါသနာပါသူတစ်ဦးဖြစ်သည်။ ကျွန်ုပ်သည် စူးစမ်းလိုစိတ်ဖြင့် ပရိုဂရမ်အမျိုးမျိုးဖြင့် ခေတ်မီနည်းပညာများကို အသုံးပြုကာ ဘဝကို 10 နှစ်ကျော် ကုန်ဆုံးခဲ့သည်။ ယခု ကျွန်ုပ်သည် ကွန်ပျူတာနည်းပညာနှင့် ဗီဒီယိုဂိမ်းများကို အထူးပြုရပြီ။ အဘယ်ကြောင့်ဆိုသော် ကျွန်ုပ်သည် နည်းပညာနှင့် ဗီဒီယိုဂိမ်းများပေါ်ရှိ ဝဘ်ဆိုဒ်အမျိုးမျိုးအတွက် ၅ နှစ်ကျော်ကြာအောင် ရေးသားခဲ့ပြီး လူတိုင်းနားလည်နိုင်သော ဘာသာစကားဖြင့် သင်လိုအပ်သော အချက်အလက်များကို ပေးလိုသည့် ဆောင်းပါးများကို ဖန်တီးနေသောကြောင့် ဖြစ်ပါသည်။

သင့်တွင်မေးခွန်းများရှိပါက၊ ကျွန်ုပ်၏အသိပညာသည် Windows လည်ပတ်မှုစနစ်အပြင် မိုဘိုင်းလ်ဖုန်းများအတွက် Android နှင့်ပတ်သက်သည့်အရာအားလုံးမှပါဝင်ပါသည်။ ပြီးတော့ ငါ့ရဲ့ကတိကဝတ်က မင်းအတွက်ပါပဲ၊ ငါ အမြဲတမ်း မိနစ်အနည်းငယ်လောက် အချိန်ပေးပြီး ဒီအင်တာနက်ကမ္ဘာမှာ မင်းရှိနိုင်သမျှမေးခွန်းတွေကို ဖြေရှင်းဖို့ ကူညီပေးဖို့ ဆန္ဒရှိနေတယ်။