Anthropic ने आज घोषणा केली की ते Claude मॉडेल्स अधिक वेगवान आणि स्वस्त चालवण्यासाठी AI-विशिष्ट चिप्स डिझाइन करण्यासाठी एक समर्पित “custom silicon team” तयार करत आहे. ही पाऊल कंपनीची क्लाउड दिग्गज आणि GPU निर्मात्यांवरील अवलंबित्व कमी करण्याच्या आणि त्यांच्या उत्पादनांना ऊर्जा देणाऱ्या हार्डवेअर-सॉफ्टवेअर लूपला अधिक मजबूत करण्याच्या हेतूचा संकेत देते.

चिप टीम आता का महत्त्वाची आहे

त्याच्या लाँचपासून, Claude ने inference साठी आवश्यक असलेले प्रचंड GPU फार्म्स पुरवण्यासाठी AWS, Google Cloud, Nvidia आणि AMD यांसारख्या विविध कम्प्युट प्रोव्हायडर्सवर अवलंबून राहिला आहे. या करारांमुळे झपाट्याने वाढ करणे शक्य झाले असले तरी, AI कम्प्युटची वाढती मागणी या अवलंबित्वाचे रूपांतर एका धोरणात्मक कमकुवततेत (strategic vulnerability) करत आहे. हाय-एंड अ‍ॅक्सिलरेटर्सच्या किमती वाढत आहेत आणि क्षमतेतील मर्यादांमुळे वापरकर्त्यांसाठी लेटन्सी (latency) वाढू शकते. Claude च्या गणितीय वर्कलोडशी जुळणाऱ्या चिप्स डिझाइन करून, Anthropic ला अशा वेगाची आणि ऊर्जा बचतीची प्राप्ती करण्याची आशा आहे जी सामान्य GPUs देऊ शकत नाहीत.

मल्टी-क्लाउडपासून को-डिझाइनकडे (Co-Design)

Anthropic ची नवीन टीम हार्डवेअर-सॉफ्टवेअर को-डिझाइन (co-design) दृष्टिकोन अवलंबेल, ज्यामध्ये Claude द्वारे केल्या जाणाऱ्या विशिष्ट ऑपरेशन्सच्या आधारे सिलिकॉन आर्किटेक्चर तयार केले जाईल. प्रत्यक्ष व्यवहारात याचा अर्थ कस्टम मॅट्रिक्स-मल्टिप्लाय युनिट्स, अधिक कार्यक्षम ऑन-चिप मेमरी किंवा प्रति टोकन सायकलची संख्या कमी करणारे इन्स्ट्रक्शन सेट्स असा असू शकतो. याचा फायदा म्हणजे कमी inference लेटन्सी आणि प्रति क्वेरी कमी वीज खर्च—हे दोन असे निकष आहेत जे थेट उत्पादन किंमत आणि वापरकर्त्याच्या अनुभवावर परिणाम करतात.

कंपनीने अद्याप वेळापत्रक किंवा कामगिरीचे उद्दिष्ट जाहीर केलेले नाही, परंतु उद्योगातील चर्चांनुसार Samsung हा संभाव्य fab partner असू शकतो. जर हे प्रत्यक्षात आले, तर Anthropic ला त्याच्या सप्लाय चेनवर अधिक नियंत्रण मिळेल आणि खुल्या बाजारपेठेतील दुर्मिळ AI अ‍ॅक्सिलरेटर्सशी संबंधित “अवाढव्य खर्च” टाळता येईल.

व्यापक चित्र: व्हर्टिकल इंटिग्रेशनकडे (Vertical Integration) वळण

Anthropic चा हा चिप प्रकल्प AI क्षेत्रातील दिग्गज कंपन्यांमधील एका व्यापक ट्रेंडचे अनुसरण करतो आहे, ज्या केवळ सॉफ्टवेअरपुरत्या मर्यादित न राहता पुढे जात आहेत:

  • OpenAI ने अलीकडेच Broadcom सोबत मिळून “Jalapeño” नावाच्या चिपचा खुलासा केला आहे, जी inference वर्कलोडसाठी तयार करण्यात आली आहे.
  • Google DeepMind बऱ्याच काळापासून Alphabet ने विकसित केलेल्या स्वतःच्या Tensor Processing Units (TPUs) वर आपले सर्वात प्रगत मॉडेल्स चालवत आहे.
  • Meta सोशल मीडिया आणि AI दोन्ही कार्ये सुलभ करण्यासाठी आपल्या MTIA (Meta Training and Inference Accelerator) वर काम करत आहे.

या कंपन्यांनी दाखवून दिले आहे की डेटा सेंटरपासून सिलिकॉनपर्यंत संपूर्ण स्टॅक (full stack) स्वतःकडे असल्यास सप्लायमधील अडथळ्यांपासून संरक्षण मिळू शकते आणि किमतीच्या बाबतीत फायदा मिळू शकतो. Anthropic चा चिप डिझाइनमधील प्रवेश सुचवतो की, हेच गणित त्यांच्या स्वतःच्या बिझनेस मॉडेललाही लागू होते असे कंपनीला वाटते.

जोखीम आणि प्रतिवाद

कस्टम सिलिकॉन तयार करणे ही एक मोठी जोखीम आहे. चिप डेव्हलपमेंट सायकल अनेक वर्षे चालते आणि त्यासाठी अब्जावधी डॉलर्स खर्च होऊ शकतात, जे सामान्य AI-सॉफ्टवेअर R&D बजेटपेक्षा खूप जास्त आहे. आर्किटेक्चर किंवा मॅन्युफॅक्चरिंगमधील एखादी चूक Claude च्या रोडमॅपला विलंब लावू शकते, मार्केट शेअर कमी करू शकते किंवा कंपनीला पुन्हा महागड्या ऑफ-द-शेल्फ GPUs वर अवलंबून राहण्यास भाग पाडू शकते. शिवाय, AI चिप्स डिझाइन करण्यासाठी, टेस्ट करण्यासाठी आणि मोठ्या प्रमाणावर उत्पादन करण्यासाठी आवश्यक असलेले कौशल्य दुर्मिळ आहे आणि प्रस्थापित सेमीकंडक्टर कंपन्यांमधून टॅलेंट आकर्षित करणे आव्हानात्मक ठरू शकते.

टीकाकारांचे असेही म्हणणे आहे की, विशेषतः GPU विक्रेते सतत अधिक मोठ्या आणि कार्यक्षम AI अ‍ॅक्सिलरेटर्स आणत असताना, कस्टम सिलिकॉनमधून मिळणारे कामगिरीतील फायदे क्रांतिकारी असण्याऐवजी केवळ किरकोळ असू शकतात. जर बाह्य पुरवठादार कमी जोखमीसह तशीच कार्यक्षमता प्रदान करण्यात यशस्वी झाले, तर Anthropic चा हा गुंतवणूक खर्च वाया जाऊ शकतो.

काय लक्ष ठेवावे

  • मॅन्युफॅक्चरिंग पार्टनरची पुष्टी – Samsung सारख्या फाउंड्रीसोबत औपचारिक करार झाल्यास हा प्रकल्प संकल्पनेतून प्रत्यक्ष सिलिकॉन निर्मितीकडे वळेल.
  • प्रोटोटाइप बेंचमार्क – कस्टम चिपची आघाडीच्या GPUs शी तुलना करणारे सुरुवातीचे कामगिरीचे आकडे हे दर्शवतील की को-डिझाइन प्रयत्नांमुळे वचन दिलेली लेटन्सी आणि ऊर्जा बचत मिळते की नाही.
  • टॅलेंट भरती – नव्याने तयार झालेल्या सिलिकॉन टीमचा विस्तार आणि त्यांचे कौशल्य हे दर्शवेल की Anthropic प्रस्थापित चिपमेकर्सशी किती आक्रमकपणे स्पर्धा करण्याचा विचार करत आहे.
  • किमतीवरील परिणाम – जर कस्टम हार्डवेअरमुळे प्रति क्वेरी खर्च कमी झाला, तर Claude चे सबस्क्रिप्शन प्लॅन्स अधिक स्पर्धात्मक होऊ शकतात, ज्यामुळे अजूनही थर्ड-पार्टी हार्डवेअरवर अवलंबून असलेल्या प्रतिस्पर्ध्यांवर दबाव येईल.

Anthropic ची चिप निर्मितीची महत्त्वाकांक्षा AI क्षेत्रातील एका वाढत्या विश्वासावर शिक्कामोर्तब करते: कार्यक्षमतेने विस्तार करू इच्छिणाऱ्या कंपन्यांसाठी हार्डवेअर स्टॅकवर नियंत्रण मिळवणे आता ऐच्छिक राहिलेले नाही. हे पाऊल यशस्वी होईल की नाही हे अंमलबजावणीचा वेग, इंजिनिअरिंग टॅलेंट आणि सिलिकॉनमधील प्रगतीचा Claude च्या वापरकर्त्यांसाठी प्रत्यक्ष खर्च कपातीमध्ये रूपांतर करण्याची क्षमता यावर अवलंबून असेल.