ਗੈਰ-ਰਵਾਇਤੀ AI ਇੱਕ ਮੈਗਾ ਸੀਡ ਰਾਊਂਡ ਅਤੇ AI ਚਿਪਸ ਲਈ ਇੱਕ ਨਵੇਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨਾਲ ਅੱਗੇ ਵਧਦਾ ਹੈ

ਦਾ ਆਗਮਨ ਗੈਰ-ਰਵਾਇਤੀ AI ਇਸਨੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਹਾਰਡਵੇਅਰ ਲੈਂਡਸਕੇਪ ਨੂੰ ਇੱਕ ਫੰਡਿੰਗ ਦੌਰ ਨਾਲ ਹਿਲਾ ਦਿੱਤਾ ਹੈ ਜਿਸਦੀ ਚਰਚਾ ਪਹਿਲਾਂ ਹੀ ਹਰ ਉਦਯੋਗ ਸਰਕਲ ਵਿੱਚ ਹੋ ਰਹੀ ਹੈ। ਕੁਝ ਮਹੀਨੇ ਹੀ ਪੁਰਾਣੇ, ਕੰਪਨੀ ਇਹ ਤਕਨਾਲੋਜੀ ਦੀ ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਫੰਡਾਂ ਦੇ ਹਿੱਤ ਨੂੰ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਕਾਮਯਾਬ ਰਿਹਾ ਹੈ।ਇੱਕ ਅਜਿਹੇ ਵਿਚਾਰ 'ਤੇ ਸੱਟਾ ਲਗਾਉਣਾ ਜੋ ਕਾਗਜ਼ 'ਤੇ, AI ਲਈ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਨੂੰ ਕਿਵੇਂ ਡਿਜ਼ਾਈਨ ਅਤੇ ਖਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ।

ਵਧਦੇ ਵੱਡੇ ਅਤੇ ਵਧੇਰੇ ਲਾਲਚੀ ਮਾਡਲਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਕੰਪਨੀ ਸਮੱਸਿਆ ਦੀ ਜੜ੍ਹ 'ਤੇ ਹਮਲਾ ਕਰਨਾ ਚਾਹੁੰਦੀ ਹੈ: ਊਰਜਾ ਕੁਸ਼ਲਤਾ ਅਤੇ ਚਿਪਸ ਦੀ ਭੌਤਿਕ ਬਣਤਰਉਸਦਾ ਪ੍ਰਸਤਾਵ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਦਿਮਾਗ ਦੇ ਕਾਰਜਾਂ ਤੋਂ ਪ੍ਰੇਰਿਤ ਹੈ, ਜਿਸਦੇ ਨਾਲ ਟੀਚਾ ਇੱਕ ਅਜਿਹੇ ਸਿਸਟਮ ਦੇ ਨੇੜੇ ਜਾਣਾ ਹੈ ਜੋ ਅੱਜ ਲੋੜੀਂਦੀ ਊਰਜਾ ਦੇ ਇੱਕ ਹਿੱਸੇ ਦੀ ਖਪਤ ਕਰਦੇ ਹੋਏ ਭਾਰੀ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੋਵੇ। ਵੱਡੇ ਡੇਟਾ ਸੈਂਟਰ।

ਸਾਲ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਏਆਈ ਹਾਰਡਵੇਅਰ ਸੀਡ ਰਾਊਂਡ

ਗੈਰ-ਰਵਾਇਤੀ AI ਨੇ $475 ਮਿਲੀਅਨ ਦੇ ਬੀਜ ਦੌਰ ਨੂੰ ਪੂਰਾ ਕਰ ਲਿਆ ਹੈਇੱਕ ਅਜਿਹਾ ਅੰਕੜਾ ਜੋ, ਵੱਡੀ ਗਿਣਤੀ ਦੇ ਆਦੀ ਬਾਜ਼ਾਰ ਵਿੱਚ ਵੀ, ਇੰਨੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ 'ਤੇ ਆਪਣੀ ਵਿਸ਼ਾਲਤਾ ਲਈ ਵੱਖਰਾ ਹੈ। ਲੈਣ-ਦੇਣ ਕੰਪਨੀ ਦਾ ਮੁੱਲ ਲਗਭਗ $4.500 ਮਿਲੀਅਨ, ਇਸਨੂੰ AI ਹਾਰਡਵੇਅਰ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਬੀਜ ਫੰਡਿੰਗ ਦੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮਾਮਲਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣਾਉਂਦਾ ਹੈ।

ਇਸ ਦੌਰ ਦੀ ਅਗਵਾਈ ਵੈਂਚਰ ਕੈਪੀਟਲ ਫੰਡਾਂ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਹੈ। ਐਂਡਰੀਸਨ ਹੋਰੋਵਿਟਜ਼ (a16z) y ਲਾਈਟਸਪੀਡ ਵੈਂਚਰ ਪਾਰਟਨਰਜ਼ਜਦੋਂ ਡੂੰਘੀ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਿਵੇਸ਼ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ ਤਾਂ ਦੋ ਮੁੱਖ ਖਿਡਾਰੀ। ਉਨ੍ਹਾਂ ਨਾਲ ਹੋਰ ਉੱਚ-ਪੱਧਰੀ ਨਿਵੇਸ਼ਕ ਸ਼ਾਮਲ ਹੋਏ ਹਨ ਜਿਵੇਂ ਕਿ ਲਕਸ ਕੈਪੀਟਲ, ਡੀ.ਸੀ.ਵੀ.ਸੀ, ਡੇਟਾਬ੍ਰਿਕਸ ਅਤੇ ਐਮਾਜ਼ਾਨ ਦੇ ਸੰਸਥਾਪਕ ਵੀ, ਜੈਫ ਬੇਜੋਸਇਹ ਇਸ ਭਾਵਨਾ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ​​ਕਰਦਾ ਹੈ ਕਿ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਦੇ ਰਣਨੀਤਕ ਕਦਮ ਵਜੋਂ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ।

ਬਾਹਰੀ ਪੂੰਜੀ ਤੋਂ ਇਲਾਵਾ, ਇੱਕ ਸਹਿ-ਸੰਸਥਾਪਕ ਨੇ ਆਪਣੀ ਜੇਬ ਵਿੱਚੋਂ ਯੋਗਦਾਨ ਪਾਉਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ। $10 ਮਿਲੀਅਨ...ਦੂਜੇ ਪ੍ਰਮੁੱਖ ਨਿਵੇਸ਼ਕਾਂ ਵਾਂਗ ਹੀ ਸ਼ਰਤਾਂ 'ਤੇ। ਇਹ ਕਦਮ, ਰਕਮ ਤੋਂ ਪਰੇ, ਕੰਪਨੀ ਦੇ ਤਕਨੀਕੀ ਅਤੇ ਵਪਾਰਕ ਥੀਸਿਸ ਵਿੱਚ ਵਚਨਬੱਧਤਾ ਅਤੇ ਅੰਦਰੂਨੀ ਵਿਸ਼ਵਾਸ ਦਾ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਭੇਜਦਾ ਹੈ।

ਵੱਖ-ਵੱਖ ਇੰਟਰਵਿਊਆਂ ਦੇ ਅਨੁਸਾਰ, 475 ਮਿਲੀਅਨ ਦੀ ਇਹ ਸ਼ੁਰੂਆਤੀ ਕਿਸ਼ਤ ਸਿਰਫ਼ ਇੱਕ ਫੰਡ ਇਕੱਠਾ ਕਰਨ ਦੀ ਯੋਜਨਾ ਦੀ ਸ਼ੁਰੂਆਤ ਹੋਵੇਗੀ ਜੋ ਕਿ ਤੱਕ ਪਹੁੰਚ ਸਕਦੀ ਹੈ $1.000 ਮਿਲੀਅਨ ਇਸੇ ਪੜਾਅ 'ਤੇ। ਉਦੇਸ਼ ਦੀ ਵਿਸ਼ਾਲਤਾ ਉਸ ਪ੍ਰੋਜੈਕਟ ਦੀ ਕਿਸਮ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਜਿਸਦਾ ਉਹ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ: ਗੁੰਝਲਦਾਰ ਹਾਰਡਵੇਅਰ, ਲੰਬੇ ਵਿਕਾਸ ਚੱਕਰ, ਅਤੇ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਵਿੱਚ ਭਾਰੀ ਸ਼ੁਰੂਆਤੀ ਨਿਵੇਸ਼.

ਹੋਰ ਹਾਲੀਆ ਲੈਣ-ਦੇਣਾਂ ਦੇ ਮੁਕਾਬਲੇ, ਮੁੱਲਾਂਕਣ ਥੋੜ੍ਹਾ ਘੱਟ ਗਿਆ 5.000 ਬਿਲੀਅਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਪਹਿਲੀਆਂ ਅਫਵਾਹਾਂ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ, ਪਰ ਇਹ ਅਜੇ ਵੀ ਗੈਰ-ਰਵਾਇਤੀ AI ਨੂੰ ਉਨ੍ਹਾਂ ਸਟਾਰਟਅੱਪਸ ਦੀ ਲੀਗ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਜੋ, ਸ਼ਾਇਦ ਹੀ ਕੋਈ ਆਮਦਨ ਜਾਂ ਵਪਾਰਕ ਉਤਪਾਦ ਦੇ ਨਾਲ, ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਪਰਿਪੱਕ ਕੰਪਨੀਆਂ ਲਈ ਰਾਖਵੀਂ ਪੂੰਜੀ ਦੇ ਪੱਧਰ 'ਤੇ ਖੇਡ ਰਹੇ ਹਨ।

ਨਵੀਨ ਰਾਓ ਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਤੇ ਤਕਨੀਕੀ ਜੋਖਮ ਦੀ ਆਦੀ ਟੀਮ

ਪ੍ਰੋਜੈਕਟ ਦੀ ਅਗਵਾਈ ਕਰ ਰਿਹਾ ਹੈ ਨਵੀਨ ਰਾਓਰਾਓ, ਆਪਣੇ ਉੱਦਮੀ ਪੱਖ ਅਤੇ ਵੱਡੀਆਂ ਤਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਵਿੱਚ ਆਪਣੇ ਅਹੁਦਿਆਂ ਲਈ ਏਆਈ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਮਸ਼ਹੂਰ ਹਸਤੀ ਹੈ। ਇੰਟੇਲ ਵਿਖੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪਲੇਟਫਾਰਮਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਆਪਣੇ ਪਹਿਲੇ ਸਟਾਰਟਅੱਪ, ਨਰਵਾਨਾ ਸਿਸਟਮਜ਼ ਦੀ ਖਰੀਦ ਤੋਂ ਬਾਅਦ, ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਪ੍ਰੋਸੈਸਰਾਂ ਵਿੱਚ ਮਾਹਰ ਹੈ।

ਬਾਅਦ ਵਿੱਚ, ਸੰਸਥਾਪਕ ਨੇ ਸਹਿ-ਸੰਸਥਾਪਨਾ ਕਰਕੇ ਇੱਕ ਹੋਰ ਛਾਲ ਮਾਰੀ MosaicML, ਇੱਕ ਮਾਡਲ ਸਿਖਲਾਈ ਪਲੇਟਫਾਰਮ ਜਿਸਨੇ ਡੇਟਾ ਅਤੇ ਏਆਈ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਖਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਅਤੇ ਅੰਤ ਵਿੱਚ ਇਸਨੂੰ ਪ੍ਰਾਪਤ ਕੀਤਾ ਗਿਆ ਲਗਭਗ $1.300 ਬਿਲੀਅਨ ਵਿੱਚ ਡੇਟਾਬ੍ਰਿਕਸਇੱਕ ਦਹਾਕੇ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਦੋ ਮਹੱਤਵਪੂਰਨ ਨਿਕਾਸ ਦੇ ਨਾਲ, ਇਸ ਟਰੈਕ ਰਿਕਾਰਡ ਨੇ ਉਹਨਾਂ ਫੰਡਾਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਭਾਰੀ ਯੋਗਦਾਨ ਪਾਇਆ ਹੈ ਜੋ ਹੁਣ ਇਸਦੇ ਨਵੇਂ ਪ੍ਰੋਜੈਕਟ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ।

ਰਾਓ ਦੇ ਨਾਲ, ਕੰਪਨੀ ਨੇ ਇੰਟਰਸੈਕਸ਼ਨ ਤੋਂ ਉੱਚ-ਪੱਧਰੀ ਪ੍ਰੋਫਾਈਲਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਹੈ ਹਾਰਡਵੇਅਰ, ਸਾਫਟਵੇਅਰ, ਅਤੇ ਅਕਾਦਮਿਕ ਖੋਜ, ਜਿਵੇਂ ਕਿ ਮਾਈਕਲ ਕਾਰਬਿਨ, ਸਾਰਾ ਅਚੌਰ y ਮੀਲੈਨ ਲੀਇਹ ਇੱਕ ਅਜਿਹੀ ਟੀਮ ਹੈ ਜੋ ਉੱਚ ਤਕਨੀਕੀ ਜੋਖਮ, ਲੰਬੇ-ਚੱਕਰ ਵਾਲੇ ਪ੍ਰੋਜੈਕਟਾਂ, ਅਤੇ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਆਦੀ ਹੈ ਜੋ ਤੇਜ਼ ਸਾਫਟਵੇਅਰ ਦੁਹਰਾਓ ਨਾਲ ਹੱਲ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਸਗੋਂ ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਟੋਟਾਈਪਾਂ ਅਤੇ ਭੌਤਿਕ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਐਲਗੋਰਿਦਮ ਵਿਚਕਾਰ ਬਹੁਤ ਨਜ਼ਦੀਕੀ ਏਕੀਕਰਨ ਨਾਲ ਹੱਲ ਹੁੰਦੀਆਂ ਹਨ।

ਰਾਓ ਨੇ ਖੁਦ ਸਮਝਾਇਆ ਹੈ ਕਿ ਗੈਰ-ਰਵਾਇਤੀ ਏਆਈ ਦੀ ਕਾਰਜ ਯੋਜਨਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਕਈ ਸਾਲਾਂ ਵਿੱਚ ਕਈ ਪ੍ਰੋਟੋਟਾਈਪਾਂ ਦੀ ਜਾਂਚ ਕਰੋਉਹ ਮੁਲਾਂਕਣ ਕਰ ਰਹੇ ਹਨ ਕਿ ਕੁਸ਼ਲਤਾ ਅਤੇ ਲਾਗਤ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਕਿਹੜਾ ਪੈਰਾਡਾਈਮ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਉਹ ਕਿਸੇ ਉਤਪਾਦ ਨੂੰ ਜਲਦੀ ਲਾਂਚ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਹੇ ਹਨ, ਸਗੋਂ ਇੱਕ ਤਕਨੀਕੀ ਨੀਂਹ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ ਜੋ ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ AI ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਫ਼ਰਕ ਲਿਆ ਸਕੇ।

ਇਹ ਸੱਟਾ ਅਖੌਤੀ 'ਤੇ "ਲੰਬਾ ਸਾਈਕਲ ਇੰਜੀਨੀਅਰਿੰਗ" ਇਹ ਬਹੁਤ ਸਾਰੇ ਸਾਫਟਵੇਅਰ ਸਟਾਰਟਅੱਪਸ ਦੇ ਆਮ ਪਹੁੰਚ ਦੇ ਉਲਟ ਹੈ, ਜੋ ਗਾਹਕਾਂ ਨਾਲ ਜਲਦੀ ਤੋਂ ਜਲਦੀ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਤੇਜ਼ ਦੁਹਰਾਓ ਰਾਹੀਂ ਉਤਪਾਦ ਨੂੰ ਵਧੀਆ ਬਣਾਉਣ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਨ। ਇੱਥੇ, ਰਸਤਾ ਵੱਡੀਆਂ ਸੈਮੀਕੰਡਕਟਰ ਕੰਪਨੀਆਂ ਜਾਂ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਸਮਾਨ ਹੈ, ਜਿੱਥੇ ਨਿਵੇਸ਼ 'ਤੇ ਵਾਪਸੀ ਬਾਅਦ ਵਿੱਚ ਆਉਂਦੀ ਹੈ ਪਰ, ਜੇਕਰ ਸਭ ਕੁਝ ਠੀਕ ਰਿਹਾ, ਤਾਂ ਇੱਕ ਪੂਰੇ ਖੇਤਰ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ।

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲਈ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਮਸ਼ੀਨ

ਗੈਰ-ਰਵਾਇਤੀ AI ਦੇ ਪ੍ਰਸਤਾਵ ਦਾ ਮੂਲ ਨਿਰਮਾਣ ਕਰਨਾ ਹੈ ਇੱਕ ਬਹੁਤ ਹੀ ਜ਼ਿਆਦਾ ਊਰਜਾ-ਕੁਸ਼ਲ ਕੰਪਿਊਟਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਰਕਲੋਡ ਲਈ। ਰਾਓ ਨੇ ਇਸ ਮਹੱਤਵਾਕਾਂਖਾ ਨੂੰ ਇੱਕ ਵਾਕੰਸ਼ ਵਿੱਚ ਸੰਖੇਪ ਕੀਤਾ ਹੈ ਜਿਸਨੇ ਇਸ ਖੇਤਰ ਵਿੱਚ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ: ਇੱਕ ਅਜਿਹਾ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਜੋ "ਜੀਵ ਵਿਗਿਆਨ ਜਿੰਨਾ ਕੁਸ਼ਲ", ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੀ ਘੱਟੋ-ਘੱਟ ਊਰਜਾ ਦੀ ਖਪਤ ਨਾਲ ਗੁੰਝਲਦਾਰ ਗਣਨਾਵਾਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਇੱਕ ਸੰਦਰਭ ਵਜੋਂ ਲੈਂਦੇ ਹੋਏ।

ਜਦੋਂ ਕਿ ਜ਼ਿਆਦਾਤਰ ਉਦਯੋਗ ਮਾਡਲਾਂ ਦੇ ਸਕੇਲਿੰਗ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ ਜਾਰੀ ਰੱਖਦਾ ਹੈ - ਹੋਰ ਮਾਪਦੰਡ, ਹੋਰ ਡੇਟਾ, ਹੋਰ GPU—, ਕੰਪਨੀ ਇਸ ਆਧਾਰ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਕਿ ਇਸ ਰਣਨੀਤੀ ਦੀ ਲਾਗਤ ਅਤੇ ਉਪਲਬਧ ਊਰਜਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਇੱਕ ਸਪੱਸ਼ਟ ਸੀਮਾ ਹੈ।ਵੱਡੇ ਡੇਟਾ ਸੈਂਟਰ ਪਹਿਲਾਂ ਹੀ ਬਿਜਲੀ ਪਾਬੰਦੀਆਂ, ਵਧਦੀਆਂ ਲਾਗਤਾਂ ਅਤੇ ਸਥਿਰਤਾ ਦੇ ਮੁੱਦਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਯੂਰਪ ਅਤੇ ਸਪੇਨ ਵਿੱਚ ਜਲਵਾਯੂ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਉਦੇਸ਼ਾਂ ਦੇ ਕਾਰਨ ਖਾਸ ਚਿੰਤਾ ਦਾ ਵਿਸ਼ਾ ਹੈ।

ਇਸ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਤੋੜਨ ਲਈ, ਸਟਾਰਟਅੱਪ ਪ੍ਰਸਤਾਵ ਦਿੰਦਾ ਹੈ ਕੰਪਿਊਟਿੰਗ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਇੱਕ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟਰਵਾਇਤੀ ਡਿਜੀਟਲ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸੁਧਾਰਨਾ ਜਾਰੀ ਰੱਖਣ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਡਿਜ਼ਾਈਨਾਂ ਦੀ ਪੜਚੋਲ ਕਰੋ ਜੋ ਲਾਭ ਉਠਾਉਂਦੇ ਹਨ ਸਿਲੀਕਾਨ ਦੇ ਭੌਤਿਕ ਗੁਣ ਅਤੇ ਦਿਮਾਗ ਦੇ ਕੰਮਕਾਜ ਤੋਂ ਪ੍ਰੇਰਿਤ ਸਿਧਾਂਤ, ਜਿਵੇਂ ਕਿ ਨਿਊਰੋਨਸ ਦੀ ਗੈਰ-ਰੇਖਿਕ ਗਤੀਸ਼ੀਲਤਾ।

ਆਪਣੀ ਵੈੱਬਸਾਈਟ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਇੱਕ ਟੈਕਸਟ ਵਿੱਚ, ਕੰਪਨੀ ਆਪਣੇ ਟੀਚੇ ਨੂੰ ਇੱਕ ਦੀ ਸਿਰਜਣਾ ਵਜੋਂ ਦਰਸਾਉਂਦੀ ਹੈ "ਬੁੱਧੀ ਲਈ ਨਵਾਂ ਸਬਸਟਰੇਟ"ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ, ਸਹੀ ਢਾਂਚਾ ਲੱਭ ਕੇ ਜੋ ਨਕਲੀ ਕੰਪਿਊਟਿੰਗ ਨੂੰ ਜੈਵਿਕ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਵਹਾਰ ਨਾਲ ਜੋੜਦਾ ਹੈ, ਕਲਾਸਿਕ ਡਿਜੀਟਲ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਕੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਲਾਭਾਂ ਤੋਂ ਕਿਤੇ ਵੱਧ ਕੁਸ਼ਲਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸੰਭਵ ਹੈ।

ਰਾਊਂਡ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਵਾਲੇ ਲਾਈਟਸਪੀਡ ਦੇ ਨਿਵੇਸ਼ਕ ਉਸ ਨਿਦਾਨ ਨਾਲ ਸਹਿਮਤ ਹਨ, ਦੀ ਜ਼ਰੂਰਤ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹੋਏ "ਬੁੱਧੀ ਲਈ ਢੁਕਵੀਂ ਆਈਸੋਮੋਰਫਿਜ਼ਮ" ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਜੇਕਰ ਟੀਚਾ AI ਊਰਜਾ ਦੀ ਖਪਤ ਵਿੱਚ ਭਾਰੀ ਕਮੀ ਲਿਆਉਣਾ ਹੈ, ਤਾਂ ਸੋਚ ਦੀ ਇਹ ਲਾਈਨ ਨਿਊਰੋਮੋਰਫਿਕ ਕੰਪਿਊਟਿੰਗ ਅਤੇ ਉੱਨਤ ਐਨਾਲਾਗ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ ਯਤਨਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ, ਜੋ ਕਿ ਹੁਣ ਤੱਕ, ਵੱਡੇ ਨਿਰਮਾਤਾਵਾਂ ਦੁਆਰਾ ਅਕਾਦਮਿਕ ਜਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਅੰਦਰ ਹੀ ਰਹੇ ਹਨ।

ਆਰਕੀਟੈਕਚਰ: ਐਨਾਲਾਗ ਚਿਪਸ ਤੋਂ ਲੈ ਕੇ ਪਲਸੇਟਿੰਗ ਨਿਊਰੋਨਸ ਤੱਕ

ਗੈਰ-ਰਵਾਇਤੀ AI ਦੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪਹਿਲੂਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਸਦਾ ਸੰਯੁਕਤ ਪਹੁੰਚ ਹੈ ਐਨਾਲਾਗ, ਮਿਸ਼ਰਤ, ਅਤੇ ਨਿਊਰੋਮੋਰਫਿਕ ਆਰਕੀਟੈਕਚਰਮੌਜੂਦਾ ਡਿਜੀਟਲ ਚਿਪਸ ਦੇ ਉਲਟ, ਜੋ ਕਿ ਡਿਸਕ੍ਰਿਟ ਜ਼ੀਰੋ ਅਤੇ ਇੱਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਾਣਕਾਰੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਐਨਾਲਾਗ ਡਿਜ਼ਾਈਨ ਨਿਰੰਤਰ ਮੁੱਲਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਅਤੇ ਭੌਤਿਕ ਵਰਤਾਰਿਆਂ ਦਾ ਫਾਇਦਾ ਉਠਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ, ਜੋ ਕਿ ਸਹੀ ਢੰਗ ਨਾਲ ਨਿਯੰਤਰਿਤ ਹੋਣ 'ਤੇ, ਕੁਝ ਖਾਸ ਕਾਰਜਾਂ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਪਹੁੰਚ ਤਰੱਕੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ ਉੱਨਤ ਚਿੱਪ ਡਿਜ਼ਾਈਨ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜੋ ਭੌਤਿਕ ਅਧਾਰ ਤੋਂ ਕੁਸ਼ਲਤਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ।

ਕੰਪਨੀ ਖੋਜ ਕਰ ਰਹੀ ਹੈ ਸੰਭਾਵੀ ਵੰਡਾਂ ਨੂੰ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਸਟੋਰ ਕਰਨ ਦੇ ਸਮਰੱਥ ਚਿਪਸਰਵਾਇਤੀ ਪ੍ਰੋਸੈਸਰਾਂ ਵਿੱਚ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਅਨੁਮਾਨਿਤ ਕਰਨ ਦੀ ਬਜਾਏ। ਇਹ ਸੰਭਾਵੀ ਮਾਡਲਾਂ ਲਈ ਵਧੇਰੇ ਕੁਦਰਤੀ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦਾ ਦਰਵਾਜ਼ਾ ਖੋਲ੍ਹਦਾ ਹੈ ਅਤੇ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ, ਊਰਜਾ ਦੀ ਖਪਤ ਵਿੱਚ ਹਜ਼ਾਰ ਗੁਣਾ ਤੱਕ ਦੀ ਕਮੀ ਅੱਜ ਦੇ ਡੇਟਾ ਸੈਂਟਰਾਂ 'ਤੇ ਹਾਵੀ ਹੋਣ ਵਾਲੇ ਡਿਜੀਟਲ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮੁਕਾਬਲੇ।

ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਟੀਮ ਇਹਨਾਂ ਦੇ ਸੰਕਲਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਔਸਿਲੇਟਰ, ਥਰਮੋਡਾਇਨਾਮਿਕਸ ਅਤੇ ਸਪਾਈਕਿੰਗ ਨਿਊਰੋਨਸਇਸ ਕਿਸਮ ਦਾ ਮਾਡਲ ਸਮੇਂ ਦੇ ਨਾਲ ਡਿਸਕ੍ਰੀਟ ਇੰਪਲਸ ਦੁਆਰਾ ਅਸਲ ਨਿਊਰੋਨਸ ਦੇ ਕਿਰਿਆਸ਼ੀਲ ਹੋਣ ਦੇ ਤਰੀਕੇ ਤੋਂ ਪ੍ਰੇਰਿਤ ਹੈ। ਇਹ ਆਰਕੀਟੈਕਚਰ, ਨਿਊਰੋਮੋਰਫਿਕ ਫੀਲਡ ਦੇ ਖਾਸ, ਵਰਤੋਂ ਵਿੱਚ ਨਾ ਹੋਣ 'ਤੇ ਚਿੱਪ ਦੇ ਵੱਡੇ ਹਿੱਸਿਆਂ ਨੂੰ ਅਕਿਰਿਆਸ਼ੀਲ ਕਰ ਸਕਦੇ ਹਨ, ਨਿਰੰਤਰ ਗਤੀਵਿਧੀ ਬਣਾਈ ਰੱਖਣ ਵਾਲੇ ਸਰਕਟਾਂ ਦੇ ਮੁਕਾਬਲੇ ਊਰਜਾ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਬਹੁਤ ਘੱਟ ਕਰਦੇ ਹਨ।

ਇਹ ਤਰੀਕਾ ਕੁਝ ਹੱਦ ਤੱਕ ਇੰਟੇਲ ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਆਪਣੇ ਨਿਊਰੋਮੋਰਫਿਕ ਪ੍ਰੋਸੈਸਰਾਂ ਨਾਲ ਕੀਤੇ ਗਏ ਪਿਛਲੇ ਯਤਨਾਂ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ, ਜੋ ਰਵਾਇਤੀ ਕੇਂਦਰੀ ਘੜੀ ਨੂੰ ਖਤਮ ਕਰਦੇ ਹਨ ਅਤੇ ਚਿੱਪ ਨੂੰ ਅਸਿੰਕ੍ਰੋਨਸ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ, ਕੰਮ ਦੇ ਬੋਝ ਦੇ ਅਧਾਰ ਤੇ ਸਿਰਫ ਜ਼ਰੂਰੀ ਹਿੱਸਿਆਂ ਨੂੰ ਸਰਗਰਮ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਗੈਰ-ਰਵਾਇਤੀ AI ਇੱਕ ਕਦਮ ਹੋਰ ਅੱਗੇ ਵਧਣਾ ਚਾਹੁੰਦਾ ਹੈਨਾ ਸਿਰਫ਼ ਨਿਊਰੋਨਲ ਵਿਵਹਾਰ ਦੀ ਨਕਲ ਕਰਕੇ, ਸਗੋਂ ਸਿਲੀਕਾਨ ਦੇ ਭੌਤਿਕ ਡਿਜ਼ਾਈਨ ਨੂੰ ਉਸ ਵਾਤਾਵਰਣ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਗਏ AI ਮਾਡਲਾਂ ਨਾਲ ਨੇੜਿਓਂ ਜੋੜ ਕੇ।

ਇਸ ਸੁਮੇਲ ਦਾ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸਹਿ-ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਮਾਡਲ ਇਹ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਚਿੱਪ ਅਤੇ ਐਲਗੋਰਿਦਮ ਵਿਚਕਾਰ ਸੀਮਾ ਧੁੰਦਲੀ ਹੋ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਜਿੱਥੇ ਪ੍ਰਦਰਸ਼ਨ ਹੁਣ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦਾ ਕਿ ਕਿੰਨੇ GPU ਸਟੈਕ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਸਗੋਂ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਸਮੱਗਰੀ ਅਤੇ ਸਰਕਟਾਂ ਦੇ ਡੂੰਘੇ ਭੌਤਿਕ ਗੁਣਾਂ ਦਾ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

AI ਦੀ ਅਗਲੀ ਲਹਿਰ ਲਈ ਇੱਕ ਕਸਟਮ-ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ SoC

ਆਮ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤੋਂ ਪਰੇ, ਤਕਨੀਕੀ ਵੇਰਵੇ ਚਿੱਪ ਦੀ ਕਿਸਮ ਬਾਰੇ ਉਭਰ ਰਹੇ ਹਨ ਜੋ ਗੈਰ-ਰਵਾਇਤੀ AI ਉਤਪਾਦਨ ਵਿੱਚ ਲਿਆਉਣ ਦਾ ਉਦੇਸ਼ ਰੱਖਦਾ ਹੈ। ਕੰਪਨੀ ਦੁਆਰਾ ਪ੍ਰਕਾਸ਼ਿਤ ਵੱਖ-ਵੱਖ ਨੌਕਰੀ ਦੀਆਂ ਪੋਸਟਿੰਗਾਂ ਇਸ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ... ਸਿਸਟਮ-ਆਨ-ਏ-ਚਿੱਪ (SoC) ਡਿਜ਼ਾਈਨ 'ਤੇ ਅਧਾਰਤ ਇੱਕ AI ਐਕਸਲੇਟਰਯਾਨੀ, ਇੱਕ ਸਿੰਗਲ ਕੰਪੋਨੈਂਟ ਜੋ ਕਈ ਵਿਸ਼ੇਸ਼ ਕੰਪਿਊਟਿੰਗ ਮੋਡੀਊਲਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ।

ਇਹਨਾਂ ਵਰਣਨਾਂ ਦੇ ਅਨੁਸਾਰ, SoC ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਗੇ ਇੱਕ ਕੇਂਦਰੀ ਪ੍ਰੋਸੈਸਰ (CPU) ਸ਼ੁਰੂਆਤੀ ਕੰਮਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ ਜਿਵੇਂ ਕਿ ਸੰਵੇਦੀ ਡੇਟਾ ਨੂੰ ਵਧੇਰੇ ਖਾਸ AI ਯੂਨਿਟਾਂ ਨੂੰ ਸੌਂਪਣ ਤੋਂ ਪਹਿਲਾਂ ਸੰਗਠਿਤ ਕਰਨਾ ਅਤੇ ਤਿਆਰ ਕਰਨਾ। ਇਸ ਆਮ ਬੁਨਿਆਦ ਦੇ ਆਧਾਰ 'ਤੇ, ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਅਨੁਕੂਲਿਤ ਬਲਾਕ ਜੋੜੇ ਜਾਣਗੇ ਰੇਖਿਕ ਅਲਜਬਰਾ ਕਿਰਿਆਵਾਂਜੋ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਤੋਂ ਲੈ ਕੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਸਿਸਟਮ ਤੱਕ, ਲਗਭਗ ਸਾਰੇ ਡੂੰਘੇ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਦਾ ਗਣਿਤਿਕ ਦਿਲ ਹਨ।

ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਵਰਤੋਂ ਨੂੰ ਵੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਹੈ ਤੀਜੀ-ਧਿਰ ਬੌਧਿਕ ਸੰਪਤੀ ਕੁਝ ਮਾਡਿਊਲਾਂ ਲਈ, ਇਹ ਸੈਮੀਕੰਡਕਟਰ ਉਦਯੋਗ ਵਿੱਚ ਆਮ ਅਭਿਆਸ ਹੈ, ਜਿੱਥੇ ਕੁਝ ਸਾਬਤ ਬਲਾਕਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਵਿਕਸਤ ਕਰਨ ਨਾਲੋਂ ਲਾਇਸੈਂਸ ਦੇਣਾ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੁੰਦਾ ਹੈ। ਉੱਥੋਂ, ਗੈਰ-ਰਵਾਇਤੀ AI ਦਾ ਜੋੜਿਆ ਗਿਆ ਮੁੱਲ SoC ਦੇ ਸਭ ਤੋਂ ਨਵੀਨਤਾਕਾਰੀ ਹਿੱਸਿਆਂ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਹੋਵੇਗਾ।

ਇਹਨਾਂ ਵਿਭਿੰਨ ਤੱਤਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ ਮਿਸ਼ਰਤ ਸਿਗਨਲ ਸਰਕਟਇਹ ਸਰਕਟ, ਜੋ ਐਨਾਲਾਗ ਅਤੇ ਡਿਜੀਟਲ ਦੋਵਾਂ ਜਾਣਕਾਰੀਆਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹਨ, ਸੈਂਸਰਾਂ ਤੋਂ ਡੇਟਾ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਜਾਂ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਪ੍ਰੇਰਿਤ ਕਾਰਜਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਲਈ ਬਹੁਤ ਉਪਯੋਗੀ ਹਨ। ਇਸ ਕਿਸਮ ਦੀ ਸਰਕਟਰੀ ਚਿੱਪ ਲਈ ਗੈਰ-ਰੇਖਿਕ ਗਤੀਸ਼ੀਲਤਾ ਅਤੇ ਸੰਭਾਵੀ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨ ਲਈ ਕੁੰਜੀ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਕੰਪਨੀ ਪਿੱਛਾ ਕਰ ਰਹੀ ਹੈ।

ਇੱਕ ਹੋਰ ਢੁਕਵਾਂ ਨੁਕਤਾ ਕੰਪਨੀ ਦੀ ਦਿਲਚਸਪੀ ਹੈ ਉੱਭਰ ਰਹੀਆਂ ਗੈਰ-ਅਸਥਿਰ ਯਾਦਾਂ, ਜਿਵੇਂ ਕਿ RRAMਇਹ ਤਕਨਾਲੋਜੀਆਂ ਬਿਜਲੀ ਖਤਮ ਹੋਣ 'ਤੇ ਵੀ ਜਾਣਕਾਰੀ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੀਆਂ ਹਨ। ਇਹ ਕੁਝ ਖਾਸ ਸਥਿਤੀਆਂ ਵਿੱਚ ਰਵਾਇਤੀ ਫਲੈਸ਼ ਮੈਮੋਰੀ ਨਾਲੋਂ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਫਾਇਦੇ ਪੇਸ਼ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਹਾਲਾਂਕਿ ਉਹਨਾਂ ਨੂੰ ਅਜੇ ਵੀ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਵਿਆਪਕ ਤੈਨਾਤੀ ਨੂੰ ਸੀਮਤ ਕਰ ਦਿੱਤਾ ਹੈ। ਮੈਮੋਰੀ ਮਾਰਕੀਟ ਦਾ ਵਿਕਾਸ ਅਤੇ ਨਿਰਮਾਤਾਵਾਂ ਦੁਆਰਾ ਫੈਸਲੇ ਜਿਵੇਂ ਕਿ ਉਤਪਾਦ ਲਾਈਨਾਂ ਨਾਲ ਸਬੰਧਤ ਮਾਈਕ੍ਰੋਨ ਉਹ ਇਨ੍ਹਾਂ ਚੁਣੌਤੀਆਂ ਅਤੇ ਮੌਕਿਆਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹਨ।

ਹਾਰਡਵੇਅਰ ਅਤੇ ਏਆਈ ਮਾਡਲਾਂ ਦਾ ਸਹਿ-ਡਿਜ਼ਾਈਨ

ਗੈਰ-ਰਵਾਇਤੀ AI ਸਿਰਫ਼ ਪ੍ਰੋਸੈਸਰ ਦੀ ਭੌਤਿਕ ਪਰਤ 'ਤੇ ਨਹੀਂ ਰਹਿਣਾ ਚਾਹੁੰਦਾ। ਇਸ ਰਣਨੀਤੀ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਚਿੱਪਾਂ ਦੇ ਅਨੁਕੂਲ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਵੀ ਸ਼ਾਮਲ ਹੈ।, ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਸਾਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਇਕੱਠੇ ਬਣਾ ਕੇ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਅਨੁਕੂਲਨ ਹਾਸ਼ੀਏ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦੇ ਹੋਏ।

ਦੀ ਇਹ ਪਹੁੰਚ ਸਹਿ-ਡਿਜ਼ਾਈਨ ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਨਿਯੰਤਰਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਕਿ ਡੇਟਾ ਕਿਵੇਂ ਪ੍ਰਸਤੁਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਕਿਹੜੇ ਕਾਰਜ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਚਿੱਪ ਦੇ ਅੰਦਰ ਕੰਮ ਕਿਵੇਂ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ GPU ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਬਜਾਏ, ਕੰਪਨੀ ਐਲਗੋਰਿਦਮ ਡਿਜ਼ਾਈਨ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਇਸਦੇ ਐਨਾਲਾਗ ਸਰਕਟਾਂ, ਪਲਸੇਟਿੰਗ ਨਿਊਰੋਨਸ, ਜਾਂ ਅਸਾਧਾਰਨ ਮੈਮੋਰੀ ਮੋਡੀਊਲਾਂ ਦੀਆਂ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹਨ।

ਕੰਪਨੀ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਇਹ ਏਕੀਕਰਨ ਇਸਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦੇਵੇਗਾ ਮੌਜੂਦਾ ਸਿਲੀਕਾਨ ਦੇ ਮੁਕਾਬਲੇ 1.000 ਗੁਣਾ ਕੁਸ਼ਲਤਾ ਕੁਝ ਖਾਸ ਕੰਮ ਦੇ ਬੋਝ ਹੇਠ। ਹਾਲਾਂਕਿ ਇਹਨਾਂ ਅੰਕੜਿਆਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੋਏਗੀ ਜਦੋਂ ਪਹਿਲੇ ਸੁਤੰਤਰ ਪ੍ਰੋਟੋਟਾਈਪ ਅਤੇ ਬੈਂਚਮਾਰਕ ਦਿਖਾਈ ਦੇਣਗੇ, ਇਹ ਟੀਮ ਦੇ ਟੀਚੇ ਦੇ ਪੈਮਾਨੇ ਦੀ ਇੱਛਾ ਦਾ ਅੰਦਾਜ਼ਾ ਦਿੰਦੇ ਹਨ।

ਇਸ ਕਿਸਮ ਦਾ ਪਹੁੰਚ ਖਾਸ ਤੌਰ 'ਤੇ ਇਹਨਾਂ ਲਈ ਢੁਕਵਾਂ ਹੈ ਯੂਰਪ ਅਤੇ ਸਪੇਨਜਿੱਥੇ ਤਕਨੀਕੀ ਪ੍ਰਭੂਸੱਤਾ ਅਤੇ ਵਿਦੇਸ਼ੀ ਹਾਰਡਵੇਅਰ ਸਪਲਾਇਰਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਬਾਰੇ ਬਹਿਸ ਜ਼ੋਰ ਫੜ ਰਹੀ ਹੈ। ਨਵੇਂ, ਵਧੇਰੇ ਕੁਸ਼ਲ AI ਆਰਕੀਟੈਕਚਰ ਹੋਣ ਨਾਲ ਵਧੇਰੇ ਟਿਕਾਊ ਅਤੇ ਘੱਟ ਮਹਿੰਗੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਦਾ ਦਰਵਾਜ਼ਾ ਖੁੱਲ੍ਹਦਾ ਹੈ।ਇਹ ਖੇਤਰ ਦੀਆਂ ਊਰਜਾ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਤਰਜੀਹਾਂ ਦੇ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਪ੍ਰਮੁੱਖ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾਵਾਂ ਅਤੇ ਹਾਰਡਵੇਅਰ ਨਿਰਮਾਤਾਵਾਂ ਵਿਚਕਾਰ ਗੱਠਜੋੜ, ਜਿਵੇਂ ਕਿ ਜਿਨ੍ਹਾਂ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਉਦਯੋਗ ਦੇ ਦ੍ਰਿਸ਼ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦਿੱਤਾ ਹੈ, ਉਸ ਸੰਦਰਭ ਦੀ ਉਦਾਹਰਣ ਦਿੰਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਇਹ ਹੱਲ ਫਿੱਟ ਹੋ ਸਕਦੇ ਹਨ।ਕਲਾਉਡ ਅਤੇ ਨਿਰਮਾਤਾਵਾਂ ਵਿਚਕਾਰ ਸਹਿਯੋਗ).

ਜੇਕਰ ਗੈਰ-ਰਵਾਇਤੀ AI ਮਾਡਲ ਅੰਤ ਵਿੱਚ ਪ੍ਰਤੀਯੋਗੀ ਸਾਬਤ ਹੁੰਦਾ ਹੈ, ਯੂਰਪੀਅਨ ਕਲਾਉਡ ਕੰਪਨੀਆਂ, ਖੋਜ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ, ਅਤੇ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਨੂੰ ਇਸ ਕਿਸਮ ਦੇ ਹੱਲਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਦੇਖਣਾ ਹੈਰਾਨੀ ਵਾਲੀ ਗੱਲ ਨਹੀਂ ਹੋਵੇਗੀ। ਇਸਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ, ਭਾਲ ਵਿੱਚ ਊਰਜਾ ਲਾਗਤਾਂ ਅਤੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਨੂੰ ਘਟਾਓ ਉੱਨਤ AI ਸਮਰੱਥਾਵਾਂ ਦੀ ਕੁਰਬਾਨੀ ਦਿੱਤੇ ਬਿਨਾਂ।

ਮਾਰਕੀਟ ਸੰਦਰਭ: ਮੈਗਾ-ਰਾਉਂਡ ਅਤੇ ਏਆਈ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਦੌੜ

ਗੈਰ-ਰਵਾਇਤੀ AI ਦਾ ਮਾਮਲਾ ਇੱਕ ਵਿਸ਼ਾਲ ਰੁਝਾਨ ਦਾ ਹਿੱਸਾ ਹੈ: ਬਹੁਤ ਹੀ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਕਰੋੜਾਂ ਡਾਲਰ ਇਕੱਠੇ ਕਰਨ ਵਾਲੇ AI ਸਟਾਰਟਅੱਪਸ ਦਾ ਉਭਾਰ, ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ ਸੂਚੀਬੱਧ ਕੰਪਨੀਆਂ ਜਾਂ ਬਹੁਤ ਹੀ ਇਕਜੁੱਟ ਆਮਦਨ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਲਈ ਰਾਖਵੇਂ ਮੁੱਲਾਂਕਣਾਂ ਦੇ ਨਾਲ।

ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ, ਨਾਮ ਜਿਵੇਂ ਕਿ ਓਪਨਏਆਈ, ਮਾਨਵ ਜਾਂ ਪਹਿਲਕਦਮੀਆਂ ਜਿਵੇਂ ਕਿ ਅੰਕੜਿਆਂ ਦੁਆਰਾ ਉਤਸ਼ਾਹਿਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਲਿਆ ਸੁਟਸਕੇਵਰ o ਮੀਰਾ ਮੂਰਤੀ ਉਹ ਇਤਿਹਾਸਕ ਉੱਦਮ ਪੂੰਜੀ ਦੌਰਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਏ ਹਨ। 2025 ਵਿੱਚ, ਦਰਜਨਾਂ ਏਆਈ ਸਟਾਰਟਅੱਪਸ ਨੇ ਮੀਲ ਪੱਥਰ ਨੂੰ ਪਾਰ ਕੀਤਾ 100 ਮਿਲੀਅਨ ਡਾਲਰ ਦੀ ਫੰਡਿੰਗਇਸ ਖੇਤਰ ਵਿੱਚ ਬੇਮਿਸਾਲ ਨਿਵੇਸ਼ ਦੀ ਮਾਤਰਾ ਨੂੰ ਇਕਜੁੱਟ ਕਰਨਾ।

ਇਸ ਲਹਿਰ ਦੇ ਅੰਦਰ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਲੜਾਈ ਚਿਪਸ, ਵਿਸ਼ੇਸ਼ ਕਲਾਉਡ, ਐਕਸਲੇਟਰ, ਅਤੇ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀਆਂ ਸਭ ਤੋਂ ਵੱਧ ਵਿਵਾਦਪੂਰਨ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਗਈਆਂ ਹਨ। ਪ੍ਰੋਸੈਸਰ ਨਿਰਭਰਤਾ ਮੁੱਠੀ ਭਰ ਨਿਰਮਾਤਾਵਾਂ ਦੀ ਘਾਟ, ਖਾਸ ਕਰਕੇ ਉੱਚ-ਅੰਤ ਵਾਲੇ GPUs ਦੀ, ਨੇ ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਉੱਦਮੀਆਂ ਨੂੰ ਸਪਲਾਈ ਅਤੇ ਕੀਮਤ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਵਾਲੇ ਵਿਕਲਪਾਂ ਦੀ ਭਾਲ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕੀਤਾ ਹੈ।

ਗੈਰ-ਰਵਾਇਤੀ AI ਪ੍ਰਸਤਾਵ ਦੇ ਕੇ ਇਸ ਦੌੜ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰਦਾ ਹੈ ਪ੍ਰਮੁੱਖ GPU ਨਿਰਮਾਤਾਵਾਂ ਨਾਲ ਸਿਰਫ਼ ਵਧਦੇ ਮੁਕਾਬਲੇ ਨਾਲੋਂ ਇੱਕ ਵੱਖਰਾ ਰਸਤਾਸਿਰਫ਼ ਵਧੇਰੇ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਲੜਨ ਦੀ ਬਜਾਏ, ਊਰਜਾ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੁਧਾਰ ਦੇ ਆਦੇਸ਼ਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰੋ, ਜੋ ਕਿ AI ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਭੌਤਿਕ ਅਤੇ ਆਰਥਿਕ ਸੀਮਾਵਾਂ ਵਿੱਚ ਭੱਜੇ ਬਿਨਾਂ ਵਧਦੇ ਰਹਿਣ ਲਈ ਮੱਧਮ ਮਿਆਦ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੀਜ਼ ਹੈ।

ਯੂਰਪੀਅਨ ਈਕੋਸਿਸਟਮ ਲਈ, ਜਿੱਥੇ ਊਰਜਾ ਦੀਆਂ ਲਾਗਤਾਂ ਅਤੇ ਨਿਕਾਸ 'ਤੇ ਨਿਯਮਕ ਜ਼ਰੂਰਤਾਂ ਖਾਸ ਤੌਰ 'ਤੇ ਸਖ਼ਤ ਹਨ, ਇਸ ਕਿਸਮ ਦੇ ਪ੍ਰਸਤਾਵਾਂ ਦੀ ਸਫਲਤਾ ਨਿਰਣਾਇਕ ਸਾਬਤ ਹੋ ਸਕਦੀ ਹੈ। ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲ AI ਹਾਰਡਵੇਅਰ ਇਹ ਹਰੀ ਤਬਦੀਲੀ ਰਣਨੀਤੀਆਂ ਦੇ ਨਾਲ ਫਿੱਟ ਹੋਵੇਗਾ, ਜਦੋਂ ਕਿ ਕੰਪਨੀਆਂ ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਨੂੰ ਆਪਣੀ ਖਪਤ ਵਧਾਏ ਬਿਨਾਂ ਉੱਨਤ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦੀ ਆਗਿਆ ਵੀ ਦੇਵੇਗਾ।

ਦਾ ਪ੍ਰੋਜੈਕਟ ਗੈਰ-ਰਵਾਇਤੀ AI ਇਹ ਇਸ ਸਮੇਂ ਦੇ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਮੁੱਖ ਰੁਝਾਨਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ: ਬੀਜ ਪੜਾਵਾਂ ਵਿੱਚ ਮੈਗਾ-ਰਾਉਂਡ, AI ਲਈ ਜ਼ਮੀਨ ਤੋਂ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹਾਰਡਵੇਅਰ, ਜੀਵ ਵਿਗਿਆਨ ਤੋਂ ਸਿੱਧੀ ਪ੍ਰੇਰਨਾ, ਅਤੇ ਊਰਜਾ ਕੁਸ਼ਲਤਾ ਦਾ ਜਨੂੰਨ ਜੋ ਇੱਕ ਵਧਦੀ ਸਪੱਸ਼ਟ ਹਕੀਕਤ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। ਜੇਕਰ ਕੰਪਨੀ ਸਿਲੀਕਾਨ ਵਿੱਚ ਆਪਣੇ ਵਾਅਦਿਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਕਾਮਯਾਬ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ, ਸੰਯੁਕਤ ਰਾਜ ਅਤੇ ਯੂਰਪ ਦੋਵਾਂ ਵਿੱਚ, ਅਤੇ, ਵਿਸਥਾਰ ਦੁਆਰਾ, ਸਪੇਨ ਵਰਗੇ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ, ਨਕਲੀ ਬੁੱਧੀ ਮਾਡਲਾਂ ਨੂੰ ਕਿਵੇਂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਖਿਡਾਰੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਸਕਦਾ ਹੈ।

ਸੰਬੰਧਿਤ ਲੇਖ:

ਐਨਵੀਡੀਆ ਚਿੱਪ ਡਿਜ਼ਾਈਨ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਸਿਨੋਪਸਿਸ ਨਾਲ ਆਪਣੇ ਰਣਨੀਤਕ ਗੱਠਜੋੜ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਦੀ ਹੈ

ਅਲਬਰਟੋ ਨਵਾਰੋ

ਮੈਂ ਇੱਕ ਤਕਨਾਲੋਜੀ ਉਤਸ਼ਾਹੀ ਹਾਂ ਜਿਸਨੇ ਆਪਣੀਆਂ "ਗੀਕ" ਰੁਚੀਆਂ ਨੂੰ ਇੱਕ ਪੇਸ਼ੇ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਮੈਂ ਆਪਣੀ ਜ਼ਿੰਦਗੀ ਦੇ 10 ਤੋਂ ਵੱਧ ਸਾਲ ਅਤਿ-ਆਧੁਨਿਕ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਅਤੇ ਸ਼ੁੱਧ ਉਤਸੁਕਤਾ ਨਾਲ ਹਰ ਕਿਸਮ ਦੇ ਪ੍ਰੋਗਰਾਮਾਂ ਨਾਲ ਟਿੰਕਰਿੰਗ ਵਿੱਚ ਬਿਤਾਏ ਹਨ। ਹੁਣ ਮੈਂ ਕੰਪਿਊਟਰ ਤਕਨਾਲੋਜੀ ਅਤੇ ਵੀਡੀਓ ਗੇਮਾਂ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰ ਲਈ ਹੈ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਮੈਂ 5 ਸਾਲਾਂ ਤੋਂ ਵੱਧ ਸਮੇਂ ਤੋਂ ਟੈਕਨਾਲੋਜੀ ਅਤੇ ਵੀਡੀਓ ਗੇਮਾਂ 'ਤੇ ਵੱਖ-ਵੱਖ ਵੈੱਬਸਾਈਟਾਂ ਲਈ ਲਿਖ ਰਿਹਾ ਹਾਂ, ਲੇਖ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹਾਂ ਜੋ ਤੁਹਾਨੂੰ ਅਜਿਹੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਹਰ ਕੋਈ ਸਮਝ ਸਕਦਾ ਹੈ।

ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਈ ਸਵਾਲ ਹਨ, ਤਾਂ ਮੇਰਾ ਗਿਆਨ ਵਿੰਡੋਜ਼ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦੇ ਨਾਲ-ਨਾਲ ਮੋਬਾਈਲ ਫੋਨਾਂ ਲਈ ਐਂਡਰਾਇਡ ਨਾਲ ਸਬੰਧਤ ਹਰ ਚੀਜ਼ ਤੋਂ ਹੈ। ਅਤੇ ਮੇਰੀ ਵਚਨਬੱਧਤਾ ਤੁਹਾਡੇ ਪ੍ਰਤੀ ਹੈ, ਮੈਂ ਹਮੇਸ਼ਾ ਕੁਝ ਮਿੰਟ ਬਿਤਾਉਣ ਅਤੇ ਇਸ ਇੰਟਰਨੈਟ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਤੁਹਾਡੇ ਕਿਸੇ ਵੀ ਪ੍ਰਸ਼ਨ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਲਈ ਤਿਆਰ ਹਾਂ।