कंप्यूटिंग आर्किटेक्चर में बड़ा बदलाव
चीनी शोधकर्ताओं ने एक क्रांतिकारी एनालॉग कंप्यूटिंग चिप पेश की है, जो पारंपरिक डिजिटल प्रोसेसर की तुलना में बहुत कम ऊर्जा खर्च करके कृत्रिम बुद्धिमत्ता (एआई) के कार्यों को संसाधित करती है। यह अधिक टिकाऊ एआई हार्डवेयर विकसित करने की कोशिशों में एक अहम उपलब्धि है। इस सप्ताह जर्नल नेचर कम्युनिकेशंस में प्रकाशित अध्ययन में पेकिंग विश्वविद्यालय के वैज्ञानिकों ने दिखाया कि उनकी रेजिस्टिव रैंडम-एक्सेस मेमोरी चिप नेटफ्लिक्स और याहू के डेटा के बराबर बड़े डेटासेट से अनुशंसा प्रणालियों को प्रशिक्षित कर सकती है। इसकी गति उन्नत डिजिटल प्रोसेसर से 12 गुना अधिक रही, जबकि इसने केवल उनकी ऊर्जा का दो-सौवां हिस्सा खर्च किया।
विषय-सूची
यह सफलता पहले के सैद्धांतिक दावों की पुष्टि करती है और इस तकनीक को आसान गणितीय परीक्षणों से आगे व्यावहारिक इस्तेमाल तक ले जाती है। प्रमुख लेखक सन झोंग ने कहा कि इस उपलब्धि ने एनालॉग कंप्यूटिंग की सीमाओं को एक कदम और आगे बढ़ाया है। उन्होंने बताया कि नई चिप ने एनालॉग गणना की स्वाभाविक गति और ऊर्जा-बचत के लाभ बरकरार रखते हुए जटिल कार्य किए। यह विकास ऐसे समय में हुआ है जब एआई प्रशिक्षण से बढ़ती बिजली की मांग के कारण दुनिया भर के डेटा केंद्र दबाव में हैं। कुछ केंद्र छोटे शहरों के बराबर बिजली खपत करते हैं।
यह शोध उस काम पर आधारित है जिसकी शुरुआती जानकारी अक्टूबर में दी गई थी। तब टीम ने पहली बार दावा किया था कि उसने एनालॉग कंप्यूटिंग को लंबे समय से परेशान कर रही सटीकता की समस्या हल कर ली है। उस समय शोधकर्ताओं ने कहा था कि यह चिप एनवीडिया एच100 ग्राफिक्स प्रोसेसिंग यूनिट जैसी शीर्ष डिजिटल इकाइयों से 1,000 गुना तेज़ काम कर सकती है और ऊर्जा दक्षता 100 गुना बेहतर दे सकती है। ताज़ा प्रकाशन वास्तविक परिस्थितियों में प्रदर्शन के लाभों की पुष्टि करता है। ये लाभ शुरुआती सैद्धांतिक अनुमानों से कम हैं, लेकिन शोध में वैयक्तिकृत अनुशंसा और छवि प्रसंस्करण के कामों में चिप की क्षमता भी दिखाई गई है।
पारंपरिक कंप्यूटर जानकारी को बाइनरी अंकों, यानी शून्य और एक, के रूप में संसाधित करते हैं। इसके विपरीत, एनालॉग प्रणालियां विद्युत धारा जैसे लगातार बदलते भौतिक संकेतों पर काम करती हैं। डिजिटल कंप्यूटिंग सामान्य स्विच की तरह है, जिसमें केवल दो स्थितियां होती हैं: चालू या बंद। एनालॉग कंप्यूटिंग डिमर स्विच की तरह काम करती है, जो एक लगातार दायरे में मानों को समायोजित करता है। इस बुनियादी अंतर से एनालॉग चिप बाइनरी कोड के बजाय भौतिक गुणों के जरिए गणना कर सकती हैं। इससे मेमोरी और प्रोसेसिंग इकाइयों के बीच डेटा लाने-ले जाने में खर्च होने वाली ऊर्जा बचती है, जो पारंपरिक प्रोसेसर की एक बड़ी सीमा है।
इस विकास का समय अहम है, क्योंकि कृत्रिम बुद्धिमत्ता उद्योग ऊर्जा संकट का सामना कर रहा है। एक बड़े भाषा मॉडल को प्रशिक्षित करने में कई मेगावाट-घंटे बिजली लग सकती है। दुनिया भर के डेटा केंद्र कुछ विकसित देशों से भी अधिक बिजली इस्तेमाल कर रहे हैं। पारंपरिक डिजिटल प्रोसेसर की भौतिक सीमाएं भी सामने आ रही हैं, क्योंकि निर्माता सेमीकंडक्टर घटकों के परमाणु स्तर के आकार के करीब पहुंच रहे हैं। ऐसे में आगे की प्रगति के लिए निर्माण प्रक्रिया में सुधार के बजाय आर्किटेक्चर में नए बदलाव तेजी से जरूरी हो रहे हैं।
हालांकि, ऐतिहासिक रूप से एनालॉग प्रणालियों में सटीकता की समस्या रही है। डिजिटल कंप्यूटर चरणबद्ध एल्गोरिदम से सटीक नतीजे देते हैं, जबकि एनालॉग उपकरणों में संकेतों का हस्तक्षेप और शोर समस्या पैदा करते थे। इससे वे आधुनिक जटिल कामों के लिए अनुपयुक्त हो जाते थे। इस सीमा के कारण दशकों तक एनालॉग तकनीक को केवल ऐतिहासिक जिज्ञासा माना गया, हालांकि इसकी जड़ें प्राचीन काल तक जाती हैं। इसका एक उदाहरण एंटीकाइथेरा यंत्र है, जो करीब 2,000 साल पुराना यूनानी खगोलीय कैलकुलेटर था और आकाशीय पिंडों की स्थिति का अनुमान लगाने के लिए आपस में जुड़े गियर इस्तेमाल करता था।
सटीकता की बाधा दूर करना
पेकिंग विश्वविद्यालय की टीम ने गति और सटीकता को साथ लाने वाले दोहरे-सर्किट आर्किटेक्चर से इस सीमा का समाधान किया। उनकी चिप रेजिस्टिव रैंडम-एक्सेस मेमोरी सेल का इस्तेमाल करती है, जो इलेक्ट्रोड के बीच विद्युत प्रतिरोध समायोजित करके डेटा सहेजते हैं। इन सेल को दो अलग-अलग सर्किट में व्यवस्थित करके शोधकर्ताओं ने ऐसी प्रणाली बनाई जो पहले तेज़ी से अनुमानित नतीजे देती है, फिर बार-बार की प्रक्रिया के जरिए उन्हें बेहतर बनाती है। इससे 32-बिट फ्लोटिंग-पॉइंट डिजिटल गणनाओं के बराबर सटीकता मिलती है।
सटीकता लंबे समय से एनालॉग कंप्यूटिंग की सबसे बड़ी बाधा रही है। एनालॉग कंप्यूटिंग में उच्च सटीकता और विस्तार-क्षमता दोनों कैसे हासिल की जाएं, ताकि आधुनिक कंप्यूटिंग कार्यों में इसके अंतर्निहित लाभों का इस्तेमाल हो सके, यह वैश्विक वैज्ञानिक समुदाय को एक सदी से परेशान करने वाली समस्या रही है।
विश्वविद्यालय में सहायक प्रोफेसर सन झोंग ने बताया कि यह तरीका पारंपरिक एनालॉग कंप्यूटिंग की सटीकता को पांच परिमाण-क्रम, यानी करीब 100,000 गुना, बेहतर करता है। पहला सर्किट लगभग एक प्रतिशत त्रुटि वाले नतीजे देता है। लेकिन दूसरे सर्किट में तीन बार सुधार की प्रक्रिया के बाद त्रुटि घटकर मानक डिजिटल प्रोसेसर के बराबर हो जाती है। टीम ने 16-बाई-16 वास्तविक मान वाली मैट्रिक्स और 24-बिट फिक्स्ड-पॉइंट सटीकता से मैट्रिक्स इनवर्जन की समस्याएं हल करके यह क्षमता दिखाई।
इस नवाचार के केंद्र में मौजूद रेजिस्टिव रैंडम-एक्सेस मेमोरी तकनीक पारंपरिक ट्रांजिस्टर-आधारित कंप्यूटिंग से काफी अलग है। आरआरएएम सेल मेमरेसिस्टर की तरह काम करते हैं। ये ऐसे विद्युत घटक हैं जो अपना आंतरिक प्रतिरोध बदलकर याद रखते हैं कि पहले उनमें कितनी धारा प्रवाहित हुई थी। इससे चिप एक ही भौतिक स्थान पर जानकारी को सहेज और संसाधित कर सकती है। इस तरह मेमोरी और प्रोसेसर के बीच की दूरी खत्म होती है, जिसके कारण पारंपरिक कंप्यूटरों को बस लाइनों के जरिए डेटा इधर-उधर ले जाने में ऊर्जा खर्च करनी पड़ती है।
मैट्रिक्स ऑपरेशन आधुनिक कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और वायरलेस संचार का गणितीय आधार हैं। न्यूरल नेटवर्क को प्रशिक्षित करते समय या 6जी नेटवर्क के संकेतों को संसाधित करते समय कंप्यूटरों को संख्याओं के विशाल ग्रिड से जुड़े समीकरण हल करने पड़ते हैं। डिजिटल प्रोसेसर इन कामों को क्रमिक रूप से करते हैं और गणनाओं को बाइनरी ऑपरेशन की लंबी शृंखलाओं में बांटते हैं। एनालॉग चिप इन मैट्रिक्स को समानांतर रूप से संसाधित करती है और संकेतों को बाइनरी कोड में बदले बिना सीधे मेमोरी ऐरे में गणना करती है।
सटीकता की समस्या का समाधान ऐतिहासिक रूप से बेहद अहम है। एनालॉग कंप्यूटिंग डिजिटल तकनीक से पुरानी है। इसके शुरुआती उदाहरणों में 1936 का सोवियत वॉटर इंटीग्रेटर शामिल है, जो गणितीय समीकरण हल करने के लिए नलियों में बहते पानी का इस्तेमाल करता था। ऐसे नवाचारों के बावजूद, शोर और विस्तार-क्षमता की समस्याओं के कारण डिजिटल तकनीक के विकसित होने के साथ एनालॉग प्रणालियां अप्रचलित हो गईं। नई चिप आधुनिक रेजिस्टिव मेमोरी तकनीक के सहारे इन अवधारणाओं को फिर से सामने लाती है और दशकों पहले छोड़े गए आर्किटेक्चर को दोबारा अपनाने का रास्ता खोल सकती है।
गणितीय सिद्धांत से व्यावहारिक इस्तेमाल तक
शुरुआती घोषणा में सैद्धांतिक क्षमताओं पर जोर था, जबकि ताज़ा प्रकाशन उद्योग की जरूरतों से मिलते-जुलते व्यावहारिक एआई कार्यों में प्रदर्शन की पुष्टि करता है। चिप ने नेटफ्लिक्स और याहू के डेटासेट के बराबर बड़े डेटा से वैयक्तिकृत अनुशंसा प्रणालियों को सफलतापूर्वक संभाला। इससे आसान गणितीय परीक्षणों से आगे इसकी क्षमता का पता चला। छवि संपीड़न के परीक्षणों में इस प्रणाली ने लगभग पूरी सटीकता वाली डिजिटल कंप्यूटिंग जैसी गुणवत्ता के साथ दृश्य डेटा को दोबारा तैयार किया और भंडारण की जरूरत आधी कर दी।
ये ऐसे डेटा-प्रधान काम हैं जो फिलहाल दुनिया भर के डेटा केंद्रों के संसाधनों पर दबाव डाल रहे हैं। अनुशंसा एल्गोरिदम स्ट्रीमिंग सेवाओं, सोशल मीडिया मंचों और ई-कॉमर्स वेबसाइटों को चलाते हैं। वे वैयक्तिकृत सुझाव देने के लिए अरबों उपयोगकर्ता गतिविधियों का विश्लेषण करते हैं। छवि संपीड़न वीडियो स्ट्रीमिंग से लेकर मेडिकल इमेजिंग तक हर क्षेत्र में जरूरी है। गुणवत्ता घटाए बिना फाइल का आकार कम करने से बैंडविड्थ और भंडारण की लागत बचती है। इन कामों को बेहद कम ऊर्जा में करने की चिप की क्षमता से ऐसी सेवाओं के संचालन का तरीका बदल सकता है।
इससे एनालॉग कंप्यूटिंग की सीमा एक कदम और आगे बढ़ती है।
उपभोक्ता सेवाओं के अलावा, चिप ने वायरलेस संचार के परीक्षण में भी क्षमता दिखाई। इसमें बड़े मल्टीपल-इनपुट मल्टीपल-आउटपुट सिस्टम में संकेतों की पहचान शामिल थी। यह तकनीक भविष्य के 6जी नेटवर्क के लिए अहम है, जहां बेस स्टेशनों को विशाल एंटीना ऐरे को रियल टाइम में संसाधित करना होगा। इन संचार कार्यों में डिवाइस ने डिजिटल प्रोसेसर के बराबर प्रदर्शन किया, जबकि करीब 100 गुना कम ऊर्जा इस्तेमाल की। इससे बैटरी क्षमता या शीतलन की सीमा वाले उन क्षेत्रों में इसके इस्तेमाल की संभावना दिखती है, जहां पारंपरिक हार्डवेयर की क्षमता सीमित रहती है।
भविष्य के 6जी वायरलेस नेटवर्क में बेस स्टेशनों को एक साथ सैकड़ों एंटीना तत्वों का प्रबंधन करना होगा। मोबाइल उपकरणों से जुड़ाव बनाए रखने के लिए उन्हें बड़ी मात्रा में संकेत डेटा रियल टाइम में संसाधित करना पड़ेगा। इन प्रणालियों की गणना संबंधी जरूरतें मौजूदा डिजिटल सिग्नल प्रोसेसर की क्षमता से अधिक हैं, खासकर दूरदराज के सेल टावरों में विलंबता की सीमाओं और बिजली बजट के लिहाज से। एनालॉग चिप ने डिजिटल प्रोसेसर के बराबर प्रदर्शन के साथ बेहद कम ऊर्जा में वायरलेस संचार संकेतों की पहचान की। इस वजह से यह दूरसंचार में इस्तेमाल के लिए विशेष रूप से उपयुक्त हो सकती है।
आधुनिक एआई ढांचे के पैमाने को देखें तो ऊर्जा की बचत खास तौर पर महत्वपूर्ण हो जाती है। बड़े भाषा मॉडल को प्रशिक्षित करने के लिए हजारों उच्च-स्तरीय ग्राफिक्स कार्ड पर कई सप्ताह तक काम करना पड़ता है, जिसमें कई मेगावाट-घंटे बिजली खर्च होती है। प्रोसेसिंग गति बनाए रखते या बढ़ाते हुए ऊर्जा खपत को 100 गुना कम करने से परिचालन लागत और पर्यावरणीय प्रभाव दोनों में बड़ी कमी आ सकती है। इससे कृत्रिम बुद्धिमत्ता के विकास के कार्बन उत्सर्जन को लेकर बढ़ती चिंताओं का समाधान करने में मदद मिलेगी।
वैश्विक सेमीकंडक्टर परिदृश्य
यह सफलता वैश्विक तकनीकी परिदृश्य के एक अहम दौर में सामने आई है। निर्यात प्रतिबंधों से चीन की उन्नत एनवीडिया जीपीयू और अन्य उच्च प्रदर्शन वाले डिजिटल प्रोसेसर तक पहुंच सीमित है। यह चिप फिलहाल सामान्य इस्तेमाल वाले ग्राफिक्स कार्ड की जगह नहीं लेती, लेकिन एआई प्रशिक्षण और अनुमान कार्यों में प्रमुख विशिष्ट कंप्यूटिंग कामों के लिए विकल्प देती है। उद्योग विश्लेषकों का कहना है कि इससे एआई हार्डवेयर का स्वरूप बदल सकता है, क्योंकि यह न्यूरल नेटवर्क के मुख्य हिस्से मैट्रिक्स गणनाओं के लिए ऊर्जा-कुशल विकल्प देती है।
इसकी तुलना एनवीडिया एच100 से की जा रही है। इसी ग्राफिक्स कार्ड से चैटजीपीटी समेत बड़े भाषा मॉडल प्रशिक्षित किए जाते हैं। सैद्धांतिक अनुमान बताते हैं कि कुछ खास मैट्रिक्स ऑपरेशन में यह चिप इन डिजिटल प्रोसेसर से 1,000 गुना अधिक काम कर सकती है और इसकी ऊर्जा दक्षता 100 गुना बेहतर हो सकती है। वास्तविक परिस्थितियों में पुष्टि हुए नतीजे भी मौजूदा तकनीक की तुलना में बड़ी बढ़त दिखाते हैं: 12 गुना अधिक गति और 200 गुना बेहतर ऊर्जा दक्षता। मौजूदा तकनीक दुनिया भर के डेटा केंद्रों में व्यापक रूप से इस्तेमाल होती है।
निर्माण प्रक्रिया में व्यावसायिक फाउंड्री की क्षमताओं का इस्तेमाल किया गया। इसका मतलब है कि सैद्धांतिक रूप से उत्पादन बढ़ाने के लिए असामान्य सामग्री या क्रांतिकारी नई निर्माण सुविधाओं की जरूरत नहीं होगी। यह व्यावहारिक तरीका इस शोध को उन प्रयोगशाला नवाचारों से अलग करता है जो नियंत्रित वातावरण के बाहर काम नहीं कर पाते। चिपों का निर्माण मानक सेमीकंडक्टर तकनीकों से हुआ। इससे पता चलता है कि मांग बढ़ने पर अरबों डॉलर के नए बुनियादी ढांचे के बजाय मौजूदा आपूर्ति शृंखलाओं के जरिए उत्पादन बढ़ाया जा सकता है।
किंग्स कॉलेज लंदन के शोधकर्ता जेम्स मिलेन ने एआई प्रशिक्षण में मैट्रिक्स गणनाओं के महत्व पर संदर्भ दिया। उन्होंने कहा कि डिजिटल कंप्यूटर सार्वभौमिक मशीनें हैं, जो कोई भी गणना कर सकती हैं, लेकिन जरूरी नहीं कि हर काम कुशलता या तेजी से करें। खास कामों के लिए बनाई गई एनालॉग कंप्यूटिंग प्रणालियां उन कामों में असाधारण गति और दक्षता हासिल कर सकती हैं। इससे एआई पर बढ़ती निर्भरता के कारण पैदा होने वाली भारी ऊर्जा मांग कम हो सकती है।
तकनीकी सीमाएं और आगे का विकास
प्रभावशाली परीक्षण नतीजों के बावजूद, शोधकर्ता मानते हैं कि अभी कई अहम सीमाएं हैं। सन झोंग ने आगाह किया कि वास्तविक इस्तेमाल में लाभ सैद्धांतिक अधिकतम अनुमानों से कम हो सकते हैं। यह चिप केवल मैट्रिक्स गणनाओं के लिए विशेषीकृत है, इसलिए यह एआई प्रशिक्षण के उन हिस्सों को ही तेज करती है जिनमें इन खास गणितीय प्रक्रियाओं का इस्तेमाल होता है। यदि किसी कार्य में मैट्रिक्स गणनाओं का बड़ा हिस्सा हो तो गति में उल्लेखनीय बढ़ोतरी होती है, लेकिन अलग-अलग तरह के कामों वाली सामान्य कंप्यूटिंग में इसका लाभ सीमित रहता है।
इससे संकेत मिलता है कि भविष्य में डिजिटल प्रोसेसर की पूरी जगह एनालॉग प्रणालियां लेने के बजाय हाइब्रिड आर्किटेक्चर का इस्तेमाल हो सकता है। भविष्य के ग्राफिक्स प्रोसेसिंग यूनिट में एआई प्रशिक्षण एल्गोरिदम के कुछ खास हिस्से, खासकर सेकंड-ऑर्डर ऑप्टिमाइज़ेशन तरीकों और लीनियर अल्जेब्रा ऑपरेशन, संभालने के लिए एनालॉग सर्किट जोड़े जा सकते हैं। सामान्य कंप्यूटिंग के लिए डिजिटल कोर बने रहेंगे। ऐसे एकीकरण वाले व्यावसायिक उत्पाद आने में अभी कई साल लग सकते हैं, लेकिन यह शोध उनके लिए बुनियादी तकनीक उपलब्ध कराता है।
एज कंप्यूटिंग एक अन्य आशाजनक क्षेत्र है। स्वचालित वाहन, औद्योगिक रोबोट और ऑगमेंटेड रियलिटी हेडसेट को काफी प्रोसेसिंग क्षमता चाहिए, लेकिन उनकी बैटरी और तापमान पर सख्त सीमाएं होती हैं। मौजूदा समाधानों में डेटा को प्रोसेसिंग के लिए क्लाउड सर्वर तक भेजना पड़ता है, जिससे विलंबता बढ़ती है और कनेक्टिविटी पर निर्भरता रहती है। डिजिटल प्रोसेसर की ऊर्जा लागत के बिना जटिल एआई अनुमान स्थानीय रूप से चलाने में सक्षम एनालॉग चिप इन उपकरणों को अधिक स्वायत्त बना सकती है और बैटरी की अवधि काफी बढ़ा सकती है।
विस्तार-क्षमता भी एक चुनौती है। डिजिटल प्रोसेसर बड़ी समस्याओं को छोटे हिस्सों में बांटकर क्रमिक रूप से हल कर सकते हैं, चाहे उनका आकार कितना भी बड़ा हो। इसके विपरीत, बड़ी मैट्रिक्स हल करने के लिए एनालॉग प्रणालियों में भौतिक रूप से बड़े सर्किट की जरूरत होती है। आधुनिक बड़े भाषा मॉडलों में मौजूद दस लाख-बाई-दस लाख चर वाली समस्याओं को संभालने में सक्षम चिप बनाने के लिए इंजीनियरिंग में बड़ी प्रगति करनी होगी। फिर भी, एज कंप्यूटिंग में जहां बिजली की खपत बड़ी सीमा है, वहां छोटे एनालॉग चिप भी क्लाउड कनेक्शन पर निर्भर हुए बिना उपकरणों पर सीधे जटिल एआई चला सकते हैं।
शोध दल के अगले लक्ष्य में बड़े, पूरी तरह एकीकृत चिप बनाना शामिल है, जो अधिक जटिल समस्याएं तेज़ी से हल कर सकें। इन प्रयासों में सफलता से 6जी संचार का विकास तेज हो सकता है, एआई मॉडल का प्रशिक्षण अधिक कुशल हो सकता है और ऐसे डेटा केंद्रों के पर्यावरणीय प्रभाव में कमी आ सकती है जो फिलहाल वैश्विक बिजली उत्पादन का बढ़ता हिस्सा इस्तेमाल कर रहे हैं। जैसे-जैसे मेमोरी और प्रोसेसिंग के अलग-अलग होने से जुड़ी भौतिक सीमाओं के करीब डिजिटल कंप्यूटिंग पहुंच रही है, एनालॉग विकल्प बिजली खपत में उसी अनुपात में बढ़ोतरी किए बिना प्रदर्शन सुधार जारी रखने का रास्ता दे सकते हैं।
मुख्य बातें
- पेकिंग विश्वविद्यालय के शोधकर्ताओं ने रेजिस्टिव रैंडम-एक्सेस मेमोरी वाली एनालॉग एआई चिप बनाई है। वास्तविक अनुशंसा और छवि प्रसंस्करण के कामों में इसकी गति उन्नत डिजिटल प्रोसेसर से 12 गुना अधिक और ऊर्जा दक्षता 200 गुना बेहतर रही।
- यह डिवाइस सटीकता की उस सदी पुरानी समस्या को हल करती है, जिसके कारण एनालॉग कंप्यूटिंग डिजिटल प्रणालियों जैसी सटीकता हासिल नहीं कर पाती थी। इसका दोहरा-सर्किट आर्किटेक्चर अनुमानित गणनाओं को बेहतर बनाकर 32-बिट फ्लोटिंग-पॉइंट प्रणालियों के बराबर त्रुटि दर हासिल करता है।
- बाइनरी एक और शून्य इस्तेमाल करने वाले डिजिटल प्रोसेसरों के उलट, यह चिप लगातार बदलते विद्युत संकेतों पर काम करती है और सीधे मेमोरी में मैट्रिक्स गणनाएं करती है। इससे डेटा को इधर-उधर ले जाने की बाधा खत्म होती है, जो पारंपरिक कंप्यूटिंग में अधिकांश ऊर्जा खर्च करती है।
- इस तकनीक का निर्माण व्यावसायिक सेमीकंडक्टर प्रक्रियाओं के जरिए हुआ, जिससे बड़े पैमाने पर उत्पादन की संभावना दिखती है। हालांकि, मौजूदा चिपें सबसे बड़े एआई मॉडलों के प्रशिक्षण के लिए जरूरी आकार से छोटी मैट्रिक्स संभालती हैं।
- इसके संभावित इस्तेमाल में वैयक्तिकृत अनुशंसा प्रणालियां, छवि संपीड़न, 6जी वायरलेस संकेत प्रसंस्करण और ऐसे हाइब्रिड कंप्यूटिंग आर्किटेक्चर शामिल हैं जो एनालॉग दक्षता को डिजिटल लचीलेपन के साथ जोड़ते हैं।
- यह सफलता ऐसे समय में आई है जब चीन को उन्नत एनवीडिया जीपीयू के आयात पर प्रतिबंधों का सामना करना पड़ रहा है। यह कुछ खास एआई कार्यों के लिए घरेलू विकल्प देती है और दुनिया भर के डेटा केंद्रों की ऊर्जा खपत घटा सकती है।
