Unconventional AI का लक्ष्य AI बिजली की खपत को 1,000 गुना कम करना है

जैसे-जैसे आर्टिफिशियल इंटेलिजेंस की वैश्विक मांग उपलब्ध ऊर्जा आपूर्ति से आगे निकलने की धमकी दे रही है, एक नया स्टार्टअप हार्डवेयर आर्किटेक्चर के नियमों को फिर से लिखने का प्रयास कर रहा है। Databricks के पूर्व AI प्रमुख नवीन राव के नेतृत्व में, Unconventional AI उद्योग के आसन्न ऊर्जा संकट को हल करने के लिए एक क्रांतिकारी नई कंप्यूटिंग पद्धति पर दांव लगा रहा है।

पारंपरिक सिलिकॉन आर्किटेक्चर से आगे बढ़ना

Unconventional AI के मिशन का मूल आधार उन पारंपरिक चिप्स से अलग होना है जो वर्तमान में Large Language Models (LLMs) और डिफ्यूजन मॉडल्स को शक्ति प्रदान करते हैं। जबकि उद्योग ने मुख्य रूप से मौजूदा GPU और TPU आर्किटेक्चर को अनुकूलित करने पर ध्यान केंद्रित किया है, राव और उनकी टीम एक ऑसिलेटर-आधारित (oscillator-based) कंप्यूटर आर्किटेक्चर का उपयोग करके इसे बिल्कुल शुरुआत से बना रहे हैं।

यह दृष्टिकोण मानक डिजिटल कंप्यूटिंग में उपयोग किए जाने वाले ट्रांजिस्टर से मौलिक रूप से भिन्न है। ऑसिलेटर्स का लाभ उठाकर, कंपनी का लक्ष्य अभूतपूर्व दक्षता के साथ इन्फरेंस प्रोसेसिंग (inference processing) करना है। राव का मानना है कि यह बदलाव अंततः AI इन्फरेंस के लिए आवश्यक बिजली की खपत को 1,000 गुना तक कम कर सकता है, जिससे AI एक ऊर्जा-गहन बोझ से बदलकर एक टिकाऊ उपयोगिता बन जाएगा।

Un0: ऑसिलेटर-आधारित कंप्यूटिंग का "Hello World"

इस क्रांतिकारी हार्डवेयर अवधारणा की व्यवहार्यता को प्रदर्शित करने के लिए, कंपनी ने हाल ही में अपना पहला मॉडल, Un0 पेश किया है। हालांकि Un0 वर्तमान में कंपनी के इच्छित ऑसिलेटर चिप्स के सॉफ्टवेयर सिमुलेशन पर चलता है, लेकिन इसके परिणाम महत्वपूर्ण हैं। यह मॉडल एक इमेज-जनरेशन सिस्टम है जो Stable Diffusion या OpenAI के GPT Image 1 जैसे अत्याधुनिक डिफ्यूजन मॉडल्स के प्रदर्शन की नकल करता है।

इस रिलीज़ को एक नए प्रकार के कंप्यूटर का "hello world" बताते हुए, राव ने इस बात पर जोर दिया कि लक्ष्य यह साबित करना था कि एक पूरी तरह से अलग हार्डवेयर लॉजिक अभी भी उच्च गुणवत्ता वाले, उच्च-सटीकता (high-fidelity) वाले आउटपुट दे सकता है। इसके साथ संलग्न शोध पत्र विस्तार से बताता है कि कैसे यह सिम्युलेटेड आर्किटेक्चर जटिल जेनेरेटिव कार्यों को सफलतापूर्वक संभाल सकता है, जो भौतिक हार्डवेयर के लिए एक रोडमैप प्रदान करता है।

AI स्केलिंग में ऊर्जा की बाधा को हल करना

इस विकास का समय अत्यंत महत्वपूर्ण है। जैसे-जैसे AI मॉडल पैरामीटर संख्या और जटिलता में बढ़ रहे हैं, विकास पर प्राथमिक बाधा डेटा की उपलब्धता से बदलकर बिजली की उपलब्धता की ओर जा रही है। राव का तर्क है कि आने वाले वर्षों में ऊर्जा AI के लिए "मौलिक सीमा" बन जाएगी, जिससे यह तय करने की एक कठिन सीमा (hard ceiling) बन जाएगी कि कितनी बुद्धिमत्ता (intelligence) तैनात की जा सकती है।

Unconventional AI एक पूर्ण इन्फरेंस स्टैक (inference stack) बनाकर इससे निपटने की योजना बना रहा है। रोडमैप में शामिल हैं:

  • भौतिक ऑसिलेटर-आधारित चिप्स विकसित करना और उनके स्कीमेटिक्स (schematics) जारी करना।
  • इन प्रोप्रायटरी चिप्स से बने पूरे सिस्टम बनाना।
  • सेवा के रूप में कंप्यूट क्षमता प्रदान करना, जहाँ उपयोगकर्ता नेटवर्क केबल के माध्यम से प्रॉम्प्ट भेजते हैं और वर्तमान बिजली लागत के 1/1000वें हिस्से पर इन्फरेंस प्राप्त करते हैं।

हालांकि कंपनी 50 से भी कम कर्मचारियों के साथ छोटी है, लेकिन इसका मिशन पूरे AI क्षेत्र के सामने आने वाली सबसे महत्वपूर्ण व्यापक आर्थिक (macroeconomic) बाधा को संबोधित करता है: बिजली की अस्थिर लागत।

मुख्य बातें

  • क्रांतिकारी हार्डवेयर बदलाव: Unconventional AI AI इन्फरेंस को अनुकूलित करने के लिए पारंपरिक सिलिकॉन से हटकर ऑसिलेटर-आधारित आर्किटेक्चर की ओर बढ़ रहा है।
  • सिद्ध प्रदर्शन: कंपनी का Un0 मॉडल प्रदर्शित करता है कि यह नया आर्किटेक्चर Stable Diffusion जैसे उद्योग के दिग्गजों की इमेज-जनरेशन क्षमताओं से मेल खा सकता है।
  • ऊर्जा संकट का समाधान: अंतिम लक्ष्य AI बिजली की खपत को 1,000 गुना कम करना है, जिससे आसन्न ऊर्जा बाधा को दूर किया जा सके जो AI स्केलिंग को सीमित करने की धमकी दे रही है।