ಈಗ ಓಪನ್-ವೇಟ್ (open-weight) ಮಾದರಿಗಳು ಏಕೆ ಮುಖ್ಯವಾಗಿವೆ

OpenAI, Google ಮತ್ತು Anthropic ನಂತಹ ಅಮೆರಿಕನ್ AI ನಾಯಕರು ತಮ್ಮ ಅತ್ಯಂತ ಶಕ್ತಿಯುತ ಮಾದರಿಗಳನ್ನು ಕ್ಲೋಸ್ಡ್-ಸೋರ್ಸ್ ಆಗಿ ಇಡುತ್ತಾರೆ. ಬಳಕೆದಾರರು ಕ್ಲೌಡ್ APIs ಮೂಲಕ ಅವುಗಳನ್ನು ಪ್ರವೇಶಿಸುತ್ತಾರೆ, ಇದು ಸಾಫ್ಟ್‌ವೇರ್, ಅದರ ಮೂಲಕ ಹಾದುಹೋಗುವ ಡೇಟಾ ಮತ್ತು ಪ್ರತಿ ಕ್ವೆರಿಯಿಂದ ಬರುವ ಆದಾಯವನ್ನು ಪೂರೈಕೆದಾರರೇ ನಿಯಂತ್ರಿಸಲು ಬಿಡುತ್ತದೆ. ಚೀನೀ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳಾದ DeepSeek, Qwen ಮತ್ತು Moonshot ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಅವು ಮೂಲ ವೇಟ್ಸ್‌ಗಳನ್ನು (raw weights) ಪ್ರಕಟಿಸುತ್ತವೆ, ಇದರಿಂದ ಯಾರೇ ಬೇಕಾದರೂ ಫೈಲ್‌ಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಬಹುದು, ಅವುಗಳನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಬಹುದು ಮತ್ತು ಸ್ಥಳೀಯವಾಗಿ ಹೊಂದಿರುವ ಹಾರ್ಡ್‌ವೇರ್‌ನಲ್ಲಿ ಇನ್ಫರೆನ್ಸ್ ನಡೆಸಬಹುದು.

ಇತ್ತೀಚಿನ GPUಗಳನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗದ ದೇಶಕ್ಕೆ, ಕಂಪ್ಯೂಟ್ ಬದಲಿಗೆ ಮಾದರಿಯನ್ನು ನೀಡುವುದು ಅದನ್ನು ಪ್ರಸ್ತುತವಾಗಿರಿಸುತ್ತದೆ. ಸೆನೆಗಲ್‌ನ ಬಳಕೆದಾರರು, ಬ್ರೆಜಿಲ್‌ನ ಮಧ್ಯಮ ಗಾತ್ರದ ಸಂಸ್ಥೆ ಅಥವಾ ಭಾರತದ ವಿಶ್ವವಿದ್ಯಾಲಯವು ತಮಗೆ ಸಿಗುವ ಯಾವುದೇ ಹಾರ್ಡ್‌ವೇರ್‌ನೊಂದಿಗೆ ಸರ್ವರ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಿ, ಅಮೆರಿಕದ ಕ್ಲೌಡ್ ಸೇವೆಯನ್ನು ಬಳಸದೆ ಚೀನೀ ಮಾದರಿಯನ್ನು ನಡೆಸಬಹುದು. ಡೇಟಾ ಎಂದಿಗೂ ಬಳಕೆದಾರರ ವ್ಯಾಪ್ತಿಯನ್ನು ಬಿಡುವುದಿಲ್ಲ, ಇದು ಅಮೆರಿಕದ ಡೇಟಾ-ಪ್ರವೇಶ ನಿಯಮಗಳ ಬಗ್ಗೆ ಎಚ್ಚರವಿರುವ ಸರ್ಕಾರಗಳಿಗೆ ಒಂದು ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ.

ರಾಜತಾಂತ್ರಿಕ ದೃಷ್ಟಿಕೋನ

ಬೀಜಿಂಗ್ ತನ್ನನ್ನು ತಾನು ಅಮೆರಿಕದ "ವಂಚನಾತ್ಮಕ ಏಕಸ್ವಾಮ್ಯಕ್ಕೆ" (exclusionary monopoly) ಸಹಕಾರ ನೀಡುವ ಪರ್ಯಾಯವಾಗಿ ಬಿಂಬಿಸಲು, AI ಅನ್ನು "ಮಾನವಕುಲದ ಸಾಮೂಹಿಕ ಜ್ಞಾನ" ಎಂದು ಪರಿಗಣಿಸುತ್ತದೆ. ಪಾಶ್ಚಿಮಾತ್ಯ ದೇಶಗಳು ರಾಷ್ಟ್ರೀಯ ಭದ್ರತೆಯ ನೆಪದಲ್ಲಿ ತಮ್ಮ ಅತ್ಯಂತ ಸಮರ್ಥ ಮಾದರಿಗಳನ್ನು ಮರೆಮಾಚುತ್ತಿವೆ, ಆದರೆ ಚೀನಾ ಮುಕ್ತ ಮತ್ತು ಹಂಚಿಕೆಯ ಸಂಪನ್ಮೂಲವನ್ನು ನೀಡುತ್ತಿದೆ ಎಂದು ಈ ವಾದ ಹೇಳುತ್ತದೆ. ಪ್ರಪಂಚದಾದ್ಯಂತ ಸಾಕಷ್ಟು ಡೆವಲಪರ್‌ಗಳು ಚೀನೀ ಮಾದರಿಗಳನ್ನು ಅಳವಡಿಸಿಕೊಂಡರೆ, ಚೀನಾ ಮೂಲದ ಆರ್ಕಿಟೆಕ್ಚರ್, ಟೂಲ್‌ಚೈನ್ಸ್ ಮತ್ತು ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ನಿರ್ಮಿತವಾದ ಒಂದು ಸಮಾನಾಂತರ ಪರಿಸರ ವ್ಯವಸ್ಥೆ (ecosystem) ಉದಯಿಸಬಹುದು.

ಅಂತಹ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯು ಬೀಜಿಂಗ್‌ಗೆ ಸಾಮಾನ್ಯ ವ್ಯಾಪಾರ ಅಥವಾ ಮೂಲಸೌಕರ್ಯ ಯೋಜನೆಗಳಿಗಿಂತ ಹೆಚ್ಚಿನ ಸಾಫ್ಟ್ ಪವರ್ ಅನ್ನು ನೀಡುತ್ತದೆ. ಚೀನೀ ಮಾದರಿಗಳ ಮೇಲೆ ತಮ್ಮ AI ಸ್ಟ್ಯಾಕ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ರಾಷ್ಟ್ರಗಳು ಡೇಟಾ ಗವರ್ನೆನ್ಸ್, ಸೈಬರ್ ಸೆಕ್ಯೂರಿಟಿ ಮತ್ತು ಭೂ-ರಾಜಕೀಯ ವಿಷಯಗಳಲ್ಲಿ ಚೀನಾದ ಮಾನದಂಡಗಳೊಂದಿಗೆ ಹೆಚ್ಚು ಹೊಂದಾಣಿಕೆ ಮಾಡಿಕೊಳ್ಳಬಹುದು.

ಕಠಿಣ ಸತ್ಯ: ಕಂಪ್ಯೂಟ್ ಇಂದಿಗೂ ಒಂದು ಅಡಚಣೆಯಾಗಿದೆ

ಓಪನ್-ವೇಟ್ ತಂತ್ರವು ಹಾರ್ಡ್‌ವೇರ್ ಅಂತರವನ್ನು ಹೋಗಲಾಡಿಸುವುದಿಲ್ಲ. ಲಾರ್ಜ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸುವುದು ಒಂದು ಬಾರಿಯ ವೆಚ್ಚವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, DeepSeek ನ V3 ಅನ್ನು ಸುಮಾರು 2,000 H800 GPU ಗಳ ಮೇಲೆ ತರಬೇತಿಗೊಳಿಸಲಾಯಿತು—ಇದು ಉತ್ತಮವಾಗಿ ಹಣಕಾಸು ಹೊಂದಿರುವ ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ದೊಡ್ಡದಾದರೂ ನಿರ್ವಹಿಸಬಹುದಾದ ಕ್ಲಸ್ಟರ್ ಆಗಿದೆ. ಮಾದರಿಯನ್ನು ಸೇವೆ ಮಾಡುವುದು (Serving the model)—ಅಂದರೆ ಪ್ರತಿದಿನ ಶತಕೋಟಿ ಇನ್ಫರೆನ್ಸ್ ವಿನಂತಿಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು—ನಿರಂತರವಾಗಿ ವಿಸ್ತರಿಸುತ್ತಿರುವ GPUಗಳ ಸಮೂಹವನ್ನು ಬಯಸುತ್ತದೆ.

ಅಮೆರಿಕದ ಸಂಸ್ಥೆಗಳು ಈಗಾಗಲೇ ಹತ್ತು ಲಕ್ಷಕ್ಕೂ ಹೆಚ್ಚು GPU ಗಳ ನಿಯೋಜನೆಯನ್ನು ಯೋಜಿಸಿವೆ. ಪ್ರಪಂಚದಾದ್ಯಂತ ಲಕ್ಷಾಂತರ ಬಳಕೆದಾರರಿಗೆ ಮಾದರಿಯು ಸ್ಪಂದಿಸುವಂತೆ ಮಾಡಲು ಬೇಕಾದ ಪ್ರಮಾಣವನ್ನು ಈ ಅಂಕಿಅಂಶಗಳು ತೋರಿಸುತ್ತವೆ. ಚೀನೀ ಸಂಸ್ಥೆಗಳು ಆ ಪ್ರಮಾಣಕ್ಕೆ ಮೀರಲಾರವು, ಏಕೆಂದರೆ ಅತ್ಯಾಧುನಿಕ GPUಗಳ ಹರಿವನ್ನು ತಡೆದ ರಫ್ತು ನಿರ್ಬಂಧಗಳು SMIC ನಂತಹ ದೇಶೀಯ ಫ್ಯಾಬ್‌ಗಳ ಮೇಲೂ ಪರಿಣಾಮ ಬೀರಿದವು, ಇವು ಇಂದಿಗೂ ಅತ್ಯಾಧುನಿಕ ಪ್ರೊಸೆಸ್ ನೋಡ್‌ಗಳ ಹಿಂದೆ ಇವೆ.

ಮಾದರಿ ವೇಟ್ಸ್‌ಗಳನ್ನು ಪ್ರಕಟಿಸುವ ಮೂಲಕ, ಚೀನೀ ಕಂಪನಿಗಳು ಕಂಪ್ಯೂಟ್ ಹೊರೆಯನ್ನು ಬಳಕೆದಾರರ ಮೇಲೆ ಹಾಕುತ್ತವೆ. ಬಳಕೆದಾರರು ಹಾರ್ಡ್‌ವೇರ್ ಒದಗಿಸುತ್ತಾರೆ, ವಿದ್ಯುತ್ ಬಿಲ್ ಪಾವತಿಸುತ್ತಾರೆ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ವೆಚ್ಚವನ್ನು ನಿರ್ವಹಿಸುತ್ತಾರೆ. ಸಿದ್ಧಾಂತದ ಪ್ರಕಾರ ಇದು ದೇಶೀಯ ಚಿಪ್ ಕೊರತೆಯನ್ನು ತಪ್ಪಿಸುತ್ತದೆ; ಆದರೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಇದು ಚೀನಾದ AI ಸೇವೆಗಳನ್ನು "as-a-service" ಬದಲಿಗೆ "as-a-download" ಆಗಿ ಬದಲಾಯಿಸುತ್ತದೆ. ಇಲ್ಲಿನ ವಹಿವಾಟು ಸ್ಪಷ್ಟವಾಗಿದೆ: ಮಾದರಿಯು ಲಭ್ಯವಿರುತ್ತದೆ, ಆದರೆ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಲ್ಯಾಟೆನ್ಸಿ (latency) ಬಳಕೆದಾರರ ಹಾರ್ಡ್‌ವೇರ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ, ಇದು ಸಾಮಾನ್ಯವಾಗಿ OpenAI ನ ChatGPT ಅಥವಾ Google ನ Gemini ಅನ್ನು ಚಲಾಯಿಸುವ ಕ್ಲೌಡ್ ಕ್ಲಸ್ಟರ್‌ಗಳಿಗಿಂತ ಬಹಳ ಕಡಿಮೆ ಶಕ್ತಿಯುತವಾಗಿರುತ್ತದೆ.

ಈ ತಂತ್ರವು ಬಿಟ್ಟುಹೋಗುವ ಅಂಶಗಳು

  • ಭದ್ರತಾ ಕಾಳಜಿಗಳು – ಮುಕ್ತ ವಿತರಣೆಯು ದುಷ್ಟ ಉದ್ದೇಶ ಹೊಂದಿರುವವರು ಗುಪ್ತ ಕಾರ್ಯಚಟುವಟಿಕೆಗಳನ್ನು ಸೇರಿಸಲು ಅಥವಾ ಪಕ್ಷಪಾತದ ಡೇಟಾದ ಮೇಲೆ ಮಾದರಿಯನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಲು ಸುಲಭವಾಗಿಸುತ್ತದೆ. ಭದ್ರತಾ ಅಪ್‌ಡೇಟ್‌ಗಳನ್ನು ಜಾರಿಗೆ ತರಲು ಕೇಂದ್ರ ಅಧಿಕಾರ ಇಲ್ಲದಿದ್ದರೆ, ದೌರ್ಬಲ್ಯಗಳು ಉಳಿದುಕೊಳ್ಳಬಹುದು.

ಭಾರತೀಯ ದೃಷ್ಟಿಕೋನ

ಚೀನಾದ ಓಪನ್-ವೇಟ್ ವಿಧಾನವು ಅವಕಾಶ ಮತ್ತು ಎಚ್ಚರಿಕೆ ಎರಡನ್ನೂ ನೀಡುವ ಸಂದಿಗ್ಧತೆಯಲ್ಲಿ ಭಾರತ ನಿಂತಿದೆ.

  • ಕಾರ್ಯತಂತ್ರದ ಸ್ವಾಯತ್ತತೆ – ಭಾರತೀಯ ಡೆವಲಪರ್‌ಗಳು ಅಮೆರಿಕದ ಪೂರೈಕೆದಾರರಿಗೆ ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಶುಲ್ಕ ಪಾವತಿಸದೆ ಉನ್ನತ ಗುಣಮಟ್ಟದ ಮಾದರಿಗಳೊಂದಿಗೆ ಪ್ರಯೋಗ ಮಾಡಬಹುದು, ಇದು ಕಸ್ಟಮ್ ಚಾಟ್‌ಬಾಟ್‌ಗಳು, ಅನುವಾದ ಸಾಧನಗಳು ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಕ್ಷೇತ್ರಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಸಹಾಯಕರನ್ನು ನಿರ್ಮಿಸುವ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
  • ಹಾರ್ಡ್‌ವೇರ್ ತುರ್ತು – ಚೀನಾದ ಅನುಭವವು ಸ್ವದೇಶಿ ಸೆಮಿಕಂಡಕ್ಟರ್ ಪೂರೈಕೆ ಸರಪಳಿಯ ಅಗತ್ಯವನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ. ಸುಧಾರಿತ GPU ಅಥವಾ AI ಅಕ್ಸೆಲರೇಟರ್‌ಗಳಿಗಾಗಿ ದೇಶೀಯ ಫ್ಯಾಬ್ ಸಾಮರ್ಥ್ಯವಿಲ್ಲದಿದ್ದರೆ, ಭವಿಷ್ಯದ ಭೂ-ರಾಜಕೀಯ ವಿವಾದಗಳಲ್ಲಿ ನಿರ್ಬಂಧಿಸಬಹುದಾದ ಆಮದುಗಳ ಮೇಲೆ ಭಾರತ ಅವಲಂಬಿತವಾಗಬಹುದು.
  • ಅಪಾಯ ನಿರ್ವಹಣೆ – ಓಪನ್ ಮಾದರಿಗಳು ಉಚಿತವಾಗಿ ಸಿಗುವ ಸುಲಭ ಲಾಭಗಳಲ್ಲ. ನೀತಿ ನಿರೂಪಕರು ತರಬೇತಿ ಡೇಟಾದ ಮೂಲ ಮತ್ತು ಗುಪ್ತ ಬ್ಯಾಕ್‌ಡೋರ್‌ಗಳ ಸಾಧ್ಯತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು. ಪಾರದರ್ಶಕ ಆಡಿಟ್ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು ಮಾದರಿ ಪರಿಶೀಲನೆಯಲ್ಲಿ ಸ್ಥಳೀಯ ಪರಿಣತಿಯು ಅತ್ಯಗತ್ಯವಾಗುತ್ತದೆ.

ಪ್ರತಿವಾದ: ಮುಕ್ತತೆ ಒಂದು ಶಕ್ತಿಯಾಗಬಹುದು

ಬೆಂಬಲಿಗರು ವಾದಿಸುವ ಪ್ರಕಾರ, ಯಾವುದೇ ಏಕೈಕ ಕಂಪನಿಯ ಮುಚ್ಚಿದ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಿಂತ ಮುಕ್ತತೆಯು ನಾವೀನ್ಯತೆಯನ್ನು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಉತ್ತೇಜಿಸುತ್ತದೆ. ಯಾರನ್ನಾದರೂ ಮಾಡೆಲ್ ಅನ್ನು ಮಾರ್ಪಡಿಸಲು ಅನುಮತಿಸುವುದರಿಂದ, ದೊಡ್ಡ ಪೂರೈಕೆದಾರರು ಎಂದಿಗೂ ಆದ್ಯತೆ ನೀಡದ ವಿಶಿಷ್ಟ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಹೊರಹೊಮ್ಮಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ವಿತರಿಸಿದ ಕಂಪ್ಯೂಟ್ ಮಾಡೆಲ್ (distributed compute model) ಹೆಚ್ಚು ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವವನ್ನು ಹೊಂದಿರಬಹುದು; ಒಂದು ಪೂರೈಕೆದಾರರ ಡೇಟಾ ಸೆಂಟರ್ ಆಫ್‌ಲೈನ್ ಆದರೂ ಸಹ, ಸ್ವತಂತ್ರ ಸರ್ವರ್‌ಗಳ ಜಾಗತಿಕ ನೆಟ್‌ವರ್ಕ್ ಸೇವೆಯನ್ನು ಜೀವಂತವಾಗಿಡಬಲ್ಲದು.

ಇದರ ಅನಾನುಕೂಲವೆಂದರೆ, ಕಾರ್ಯಕ್ಷಮತೆಯ ಮಿತಿ ಪ್ರತಿಯೊಬ್ಬ ಬಳಕೆದಾರರು ಖರೀದಿಸಬಹುದಾದ ಹಾರ್ಡ್‌ವೇರ್‌ಗೆ ಸೀಮಿತವಾಗಿರುತ್ತದೆ. ಬೃಹತ್ ಪ್ರಮಾಣದಲ್ಲಿ ಸೆಕೆಂಡಿಗಿಂತ ಕಡಿಮೆ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವನ್ನು ಬಯಸುವ ಉದ್ಯಮಗಳಿಗೆ ಕ್ಲೌಡ್ ಮಾಡೆಲ್‌ನಿಂದ ಇನ್ನೂ ಪ್ರಯೋಜನವಾಗುತ್ತದೆ.

ಮುಂದೆ ಗಮನಿಸಬೇಕಾದವುಗಳು

  • ರಫ್ತು ನೀತಿಯ ಬದಲಾವಣೆಗಳು – ಅಮೆರಿಕದ ಚಿಪ್ ರಫ್ತು ನಿಯಂತ್ರಣಗಳಲ್ಲಿನ ಯಾವುದೇ ಸಡಿಲಿಕೆ ಅಥವಾ ಬಿಗಿಗೊಳಿಸುವಿಕೆಯು ಹೊಸ ಮಾಡೆಲ್‌ಗಳನ್ನು ತರಬೇತಿಗೊಳಿಸುವ ಚೀನಾದ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ ನೇರ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಮತ್ತು ಇದು ಮತ್ತೆ ಮುಚ್ಚಿದ ಸೇವೆಗಳತ್ತ (closed offerings) ತಿರುಗುವಂತೆ ಮಾಡಬಹುದು.

ಸಾರಾಂಶ

ರಫ್ತು ನಿರ್ಬಂಧಗಳಿಂದ ಉಂಟಾದ ಹಾರ್ಡ್‌ವೇರ್ ಕೊರತೆಯನ್ನು ನಿಭಾಯಿಸಲು ಚೀನಾ ಮಾಡಿರುವ open-weight AI ಮಾಡೆಲ್‌ಗಳ ಪ್ರಯತ್ನವು ಒಂದು ಪ್ರಾಯೋಗಿಕ ಪರಿಹಾರವಾಗಿದೆ. ಈ ಕ್ರಮವು ರಾಜತಾಂತ್ರಿಕ ಸದ್ಭಾವನೆಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ ಮತ್ತು ಜಾಗತಿಕ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಕಡಿಮೆ ವೆಚ್ಚದ ಪ್ರವೇಶವನ್ನು ನೀಡುತ್ತದೆ, ಆದರೆ ಇದು ಮೂಲಭೂತ ಕಂಪ್ಯೂಟ್ ಕೊರತೆಯನ್ನು ಪರಿಹರಿಸುವುದಿಲ್ಲ. ಭಾರತದಂತಹ ರಾಷ್ಟ್ರಗಳಿಗೆ, ಈ ತಂತ್ರವು AI ಸ್ವತಂತ್ರತೆಯನ್ನು ನಿರ್ಮಿಸಲು ಒಂದು ಮಾದರಿಯಾಗಿದೆ ಮತ್ತು ವಿದೇಶಿ ಸೆಮಿಕಂಡಕ್ಟರ್ ಪೂರೈಕೆ ಸರಪಳಿಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗುವ ಬಗ್ಗೆ ಎಚ್ಚರಿಕೆಯ ಕಥೆಯೂ ಹೌದು. ಮುಂಬರುವ ಕೆಲವು ತಿಂಗಳುಗಳು open-weight ಮಾಡೆಲ್‌ಗಳು AI ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಶಾಶ್ವತ ಸ್ತಂಭವಾಗುತ್ತವೆಯೇ ಅಥವಾ ಚಿಪ್ ಕೊರತೆಯು ಕಡಿಮೆಯಾಗುವವರೆಗೆ ಕೇವಲ ತಾತ್ಕಾಲಿಕ ಪರಿಹಾರವಾಗಿ ಉಳಿಯುತ್ತವೆಯೇ ಎಂಬುದನ್ನು ತಿಳಿಸಲಿವೆ.