Meta દર વર્ષે Microsoft Azure ની AI સેવાઓ માટે કરોડો ડોલર ખર્ચ કરી રહ્યું છે, જે સોશિયલ મીડિયા જાયન્ટને Microsoft ના સૌથી મોટા AI-ક્લાઉડ ગ્રાહકોમાંનું એક બનાવે છે. આ ખર્ચ એક વિરોધાભાસ દર્શાવે છે: વિશ્વના અગ્રણી AI નિર્માતાઓ હજુ પણ તેમના પોતાના મોડલ્સને આગળ વધારવા માટે જરૂરી કમ્પ્યુટ પાવર માટે હરીફ ક્લાઉડ્સનો ઉપયોગ કરે છે.

Meta-Microsoft જોડાણ શા માટે મહત્વનું છે

Meta ની Llama સિરીઝે કંપનીને ઓપન-સોર્સ જનરેટિવ AI માં એક દિગ્ગજ બનાવી દીધી છે, પરંતુ તે મોડલ્સને તાલીમ આપવા અને ટેસ્ટ કરવા માટે એવા સ્કેલની જરૂર હોય છે જે માત્ર મોટા પબ્લિક ક્લાઉડ્સ જ પૂરા પાડી શકે છે. Bloomberg ના અહેવાલ મુજબ, Meta ના એન્જિનિયરો Azure પર તેમના પ્રોપ્રાઇટરી મોડલ્સ ચલાવે છે, જે દર અઠવાડિયે trillions of tokens every week પ્રોસેસ કરે છે. આ કામનો મોટો ભાગ Llama ના આઉટપુટની OpenAI ના GPT-4 અને સંબંધિત મોડલ્સ સાથે સરખામણી કરે છે, જે Microsoft તેના Foundry માર્કેટપ્લેસ દ્વારા વેચે છે.

આ બેન્ચમાર્ક કોઈ એક વખતનો ટેસ્ટ નથી; તે એક સતત, ડેટા-સઘન લૂપ છે. દરેક ટોકન સરખામણીમાં GPU સાયકલ, સ્ટોરેજ બેન્ડવિડ્થ અને નેટવર્કિંગ ક્ષમતાનો વપરાશ થાય છે જે Azure ના વિશિષ્ટ AI હાર્ડવેર દ્વારા પૂરી પાડવામાં આવે છે, અને તેની કિંમત માત્ર એક મેગા-પ્રોવાઈડર જ ટકી શકે તેટલી હોય છે. તેનું પરિણામ એ છે કે વાર્ષિક કરોડો ડોલરનું બિલ આવે છે જે ઇન્ડસ્ટ્રીના સૌથી અદ્યતન સિસ્ટમ્સ સાથેના પરફોર્મન્સ ગેપને ઘટાડવાની Meta ની દોડમાં મદદરૂપ થાય છે.

Foundry માર્કેટપ્લેસ: હરીફો માટેનું એક સહિયાર મેદાન

Microsoft નું Foundry માર્કેટપ્લેસ ઘણા પ્રદાતાઓ પાસેથી AI મોડલ્સ એકત્રિત કરે છે, જે એન્ટરપ્રાઇઝ ગ્રાહકોને સિંગલ બિલિંગ રિલેશનશિપ દ્વારા તેનો ઉપયોગ કરવાની સુવિધા આપે છે. OpenAI અંદાજે 70 percent of Microsoft’s AI revenue જનરેટ કરે છે, પરંતુ આ પ્લેટફોર્મ ByteDance, Adobe, Perplexity અને Sierra જેવી કંપનીઓને પણ સેવા આપે છે.

Foundry પર Meta ની હાજરી વ્યાપક સ્પર્ધાત્મક તણાવ દર્શાવે છે. OpenAI ના મોડલ્સનો પરફોર્મન્સ રેફરન્સ તરીકે ઉપયોગ કરીને, Meta પોતાની ટેકનોલોજીને માન્યતા આપે છે અને સાથે સાથે હરીફના રેવન્યુ સ્ટ્રીમમાં પણ ફાળો આપે છે. આ ગતિશીલતા ટેક ઇતિહાસના અગાઉના સમયની યાદ અપાવે છે: Meta એ પોતાનું ઇન્ટરનલ એન્જિન બનાવતા પહેલા સર્ચ માટે Bing પર નિર્ભર હતું. આજે, Meta એક API સર્વિસ બનાવી રહ્યું છે જે Llama મોડલ્સને સીધા ડેવલપર્સ માટે ઉપલબ્ધ કરાવશે, જે એક એવું પગલું છે જે કંપનીને તે જ માર્કેટપ્લેસમાં ગ્રાહકમાંથી હરીફ બનાવી શકે છે જેનો તે હાલમાં ઉપયોગ કરી રહી છે.

AI ઇકોસિસ્ટમ માટેના જોખમો અને તકો

Meta થી Microsoft તરફનો રોકડ પ્રવાહ વર્તમાન AI યુગની એક માળખાગત વાસ્તવિકતા પર ભાર મૂકે છે: compute, not just code, is the primary barrier to entry. જે કંપનીઓ મોટા GPU ક્લસ્ટર્સ ભાડે લેવા માટે સક્ષમ છે તેઓ ઝડપથી ઇટરેટ કરી શકે છે, શ્રેષ્ઠ મોડલ્સ સામે બેન્ચમાર્ક કરી શકે છે અને ઉત્પાદનો વહેલા લોન્ચ કરી શકે છે. ઊંડા ખિસ્સા વગરના નાના સ્ટાર્ટઅપ્સે કાં તો ક્લાઉડ પ્રોવાઈડર સાથે ભાગીદારી કરવી પડશે અથવા સંસાધનો શેર કરવા માટે સર્જનાત્મક રસ્તાઓ શોધવા પડશે.

ક્લાઉડ પ્રોવાઈડર્સ માટે, ફાયદો સ્પષ્ટ છે. ઉચ્ચ-વોલ્યુમ AI વર્કલોડ્સ લાંબા ગાળાના કોન્ટ્રાક્ટ્સ, મોંઘા હાર્ડવેરનો ઉચ્ચ ઉપયોગ અને ઉભરતા “AI-as-a-service” માર્કેટમાં પકડ બનાવે છે. મોડલ નિર્માતાઓ માટે, આ નિર્ભરતા એક વ્યૂહાત્મક નબળાઈ ઊભી કરે છે. જો ક્લાઉડ પ્રોવાઈડર કિંમતો વધારે, સેવાની શરતો બદલે અથવા તેના પોતાના મોડલ્સને પ્રાધાન્ય આપે, તો Meta જેવા ગ્રાહકોના રિસર્ચ પાઇપલાઇન્સમાં અવરોધ આવી શકે છે.

Meta ની આયોજિત API સર્વિસ decoupling તરફના સંભવિત બદલાવનો સંકેત આપે છે: તૃતીય-પક્ષ ક્લાઉડ APIs થી સ્વ-હોસ્ટેડ અથવા પ્રોપ્રાઇટરી ઇન્ફ્રાસ્ટ્રક્ચર તરફ આગળ વધવું. તેનો ધ્યેય માર્જિન પાછું મેળવવાનો, ડેટા ફ્લો પર નિયંત્રણ મજબૂત કરવાનો અને હરીફના પ્લેટફોર્મ પરની નિર્ભરતા ઘટાડવાનો છે. Azure ના નેટવર્કની સ્પર્ધા કરી શકે તેવું ગ્લોબલ, લો-લેટન્સી API બનાવવું ખર્ચાળ અને ટેકનિકલી પડકારજનક હશે; તે એક બહુવર્ષીય એન્જિનિયરિંગ પડકાર છે.

વિરોધ પક્ષ: આ ભાગીદારી શા માટે ટકી શકે છે

ભલે Meta પોતાનું સર્વિંગ લેયર બનાવી રહ્યું હોય, પરંતુ આગામી પેઢીના મોડલ્સની તાલીમ માટે જરૂરી કમ્પ્યુટનું પ્રમાણ ટૂંક સમયમાં ઘટવાની શક્યતા ઓછી છે. ટ્રેનિંગ રન એક્સા-ફ્લોપ્સ (exa-flops) પ્રોસેસિંગ પાવરનો ઉપયોગ કરી શકે છે, જે એક સિંગલ કંપની આંતરિક રીતે ટકાવી શકે તેનાથી ઘણું વધારે છે. Azure ડેટા મેનેજમેન્ટ, સિક્યુરિટી કમ્પ્લાયન્સ અને ઓબ્ઝર્વેબિલિટી માટે સંકલિત સાધનો પણ ઓફર કરે છે જેને ડુપ્લીકેટ કરવા મોંઘા પડશે.

Microsoft ના દૃષ્ટિકોણથી, Meta જેવી દિગ્ગજ કંપનીને ગ્રાહક તરીકે રાખવાથી સ્થિર આવકનો આધાર મળે છે અને એક એવો શોકેસ ક્લાયન્ટ મળે છે જે અન્ય એન્ટરપ્રાઇઝને આકર્ષી શકે છે. Foundry માર્કેટપ્લેસનું ઓપન-એક્સેસ મોડલ એનો અર્થ છે કે હરીફની API આપમેળે Microsoft ની સેવાઓને બાકાત રાખતી નથી; તેના બદલે, તે Azure દ્વારા વાપરી શકાય તેવી ઓફરિંગ્સની શ્રેણીનો વિસ્તાર કરે છે.

આગળ શું જોવું

  • Meta નું API રોલઆઉટ – Llama API ની સમયરેખા અને કિંમત દર્શાવશે કે Meta કેટલી ઝડપથી Azure પરથી વર્કલોડ ખસેડી શકે છે.
  • Azure ની કિંમતની વલણો – AI-compute દરોમાં કોઈપણ નોંધપાત્ર ફેરફાર Meta ની ભાગીદારીના અર્થશાસ્ત્રને બદલી શકે છે.
  • નિયમનકારી તપાસ – થોડા જ ક્લાઉડ પ્રોવાઇડર્સમાં AI compute નું કેન્દ્રીકરણ એન્ટિટ્રસ્ટ (antitrust) ધ્યાન ખેંચી શકે છે, જે સંભવિત રીતે પ્રોવાઇડર-ગ્રાહક ગતિશીલતાને નવું રૂપ આપી શકે છે.
  • સ્પર્ધકોના પગલાં – અન્ય મોડેલ બિલ્ડર્સ Meta ની પદ્ધતિને અનુસરી શકે છે, જે હરીફો દ્વારા એક જ ક્લાઉડ બેકબોન શેર કરવાના વિરોધાભાસને વધુ ઊંડો બનાવશે.

મુખ્ય તારણ

Azure પર Meta નો કરોડો ડોલરનો ખર્ચ સાબિત કરે છે કે અત્યંત અદ્યતન AI ડેવલપર્સ પણ હરીફ ક્લાઉડ જાયન્ટ્સ પરની નિર્ભરતામાંથી બચી શકતા નથી. આ વ્યવસ્થા ભવિષ્યની સ્પર્ધાના બીજ રોપતી સાથે ઝડપી નવીનતાને વેગ આપે છે, એક એવું દ્વૈત જે આગામી વર્ષો સુધી AI ઇકોસિસ્ટમને આકાર આપશે.