Microsoft ਦਾ Open-Weight ਵੱਲ ਮੋੜ: Azure 'ਤੇ ਦਬਦਬਾ ਬਣਾਉਣ ਲਈ ਇੱਕ ਰਣਨੀਤਕ ਕਦਮ

Microsoft ਆਪਣਾ ਧਿਆਨ ਸਿਰਫ਼ OpenAI ਦੇ ਰੀਸੇਲਰ ਹੋਣ ਤੋਂ ਹਟਾ ਕੇ ਇੱਕ ਅੰਤਿਮ AI orchestrator ਬਣਨ ਵੱਲ ਲਗਾ ਰਿਹਾ ਹੈ। Open-weight ਮਾਡਲਾਂ ਦਾ ਸਮਰਥਨ ਕਰਕੇ, ਇਹ ਤਕਨੀਕੀ ਦਿੱਗਜ ਉਸ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (infrastructure) ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਲਈ ਆਪਣੇ ਆਪ ਨੂੰ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹੈ ਜਿੱਥੇ AI ਨਵੀਨਤਾ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਵਸੇਗੀ।

Frontier Models ਤੋਂ Open Ecosystems ਵੱਲ ਤਬਦੀਲੀ

ਹਾਲ ਹੀ ਵਿੱਚ "Open Weights and American AI Leadership" ਸਿਰਲੇਖ ਵਾਲੇ ਇੱਕ ਖੁੱਲ੍ਹੇ ਪੱਤਰ ਵਿੱਚ, Microsoft ਨੇ ਇੱਕ ਖੁੱਲ੍ਹੇ AI ecosystem ਦੀ ਵਕਾਲਤ ਕਰਨ ਲਈ Meta, Nvidia, Hugging Face, ਅਤੇ Mistral ਵਰਗੇ ਉਦਯੋਗ ਦੇ ਦਿੱਗਜਾਂ ਨਾਲ ਹੱਥ ਮਿਲਾਇਆ। ਮੁੱਖ ਦਲੀਲ ਇਹ ਹੈ ਕਿ ਅਮਰੀਕੀ ਲੀਡਰਸ਼ਿਪ ਕੁਝ frontier models ਵਿੱਚ ਸ਼ਕਤੀ ਨੂੰ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਬਜਾਏ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਫੈਲਾਉਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।

ਇਸ ਲਹਿਰ ਦਾ ਇੱਕ ਮੁੱਖ ਤਕਨੀਕੀ ਸਤੰਭ "distillation" ਹੈ—ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਜਿੱਥੇ ਛੋਟੇ ਮਾਡਲ ਵੱਡੇ ਅਤੇ ਵਧੇਰੇ ਸਮਰੱਥ ਮਾਡਲਾਂ ਦੇ ਆਉਟਪੁੱਟ ਤੋਂ ਸਿੱਖਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਚੀਨੀ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਸਬੰਧ ਵਿੱਚ ਇਸ ਅਭਿਆਸ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ, Microsoft ਅਤੇ ਇਸਦੇ ਸਹਿਯੋਗੀਆਂ ਨੇ ਇਸਨੂੰ ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀਆਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰਨ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਰੰਪਰਾ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜਿਵੇਂ ਕਿ open-source software ਲਹਿਰ ਨੇ ਕਲਾਸੀਕਲ ਕੰਪਿਊਟਿੰਗ ਲਈ ਕੀਤਾ ਸੀ।

Azure ਦੀ ਰਣਨੀਤੀ: Open Weights Microsoft ਨੂੰ ਕਿਉਂ ਲਾਭ ਪਹੁੰਚਾਉਂਦੇ ਹਨ

ਹਾਲਾਂਕਿ ਬਿਆਨ ਨਵੀਨਤਾ ਅਤੇ ਲੋਕਤੰਤਰੀਕਰਨ 'ਤੇ ਕੇਂਦਰਿਤ ਹਨ, ਪਰ ਅਸਲ ਵਪਾਰਕ ਤਰਕ ਸਿੱਧਾ Azure ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਵੱਖ-ਵੱਖ open-weight ਮਾਡਲਾਂ ਦੇ ਇੱਕ ਖਿੰਡੇ ਹੋਏ ਬਾਜ਼ਾਰ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਕੇ, Microsoft ਕਿਸੇ ਵੀ ਇੱਕ AI ਲੈਬ (ਜਿਵੇਂ ਕਿ OpenAI ਜਾਂ Anthropic) ਨੂੰ Microsoft ਦੇ ਮੁੱਖ ਕਲਾਉਡ ਅਤੇ ऑपरेटिंग ਸਿਸਟਮ ਕਾਰੋਬਾਰਾਂ ਲਈ ਖਤਰਾ ਬਣਨ ਤੋਂ ਰੋਕਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, Azure 'ਤੇ ਵਧੇਰੇ ਵਿਭਿੰਨ ਮਾਡਲਾਂ ਦੀ ਹੋਸਟਿੰਗ ਗਾਹਕਾਂ ਨੂੰ ਵਧੇਰੇ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜੋ ਮਾਡਲ ਵਿਸ਼ੇਸ਼ਤਾ (exclusivity) ਦੀ ਬਜਾਏ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਰਾਹੀਂ "cloud lock-in" ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਰਣਨੀਤੀ Microsoft ਦੇ ਮਾਰਜਿਨ ਦੀ ਵੀ ਰੱਖਿਆ ਕਰਦੀ ਹੈ; OpenAI ਤੋਂ ਮਹਿੰਗੇ ਤੀਜੀ-ਧਿਰ (third-party) API ਕਾਲਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਨਾ ਖਰਚਾਪੂਰਨ ਹੈ, ਜਦੋਂ ਕਿ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਦੀ ਹੋਸਟਿੰਗ Microsoft ਨੂੰ ਲਾਗਤ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ।

MAI Family ਅਤੇ ਮਾਰਜਿਨ ਆਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਰਣਨੀਤੀ

Microsoft ਪਹਿਲਾਂ ਹੀ GitHub Copilot, Excel, ਅਤੇ Outlook ਵਰਗੇ ਉਤਪਾਦਾਂ ਵਿੱਚ OpenAI ਅਤੇ Anthropic ਦੇ ਪ੍ਰੀਮੀਅਮ ਮਾਡਲਾਂ ਨੂੰ ਆਪਣੇ ਇਨ-ਹਾਊਸ MAI ਮਾਡਲ ਪਰਿਵਾਰ ਨਾਲ ਬਦਲ ਕੇ ਇਸ ਤਬਦੀਲੀ ਨੂੰ ਲਾਗੂ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਕਦਮ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਤੈਨਾਤੀ (deployment) ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। Microsoft ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਇਸਦੇ ਛੋਟੇ MAI ਮਾਡਲ ਨਵੀਨਤਮ ਅਤੇ ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਐਕਸਲਰੇਟਰਾਂ ਦੀ ਲੋੜ ਪਾਉਣ ਦੀ ਬਜਾਏ, ਪੁਰਾਣੇ ਹਾਰਡਵੇਅਰ, ਜਿਵੇਂ ਕਿ Nvidia H100 ਅਤੇ A100 GPUs 'ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ।

ਹਾਲਾਂਕਿ, ਇਹ ਕੁਸ਼ਲਤਾ ਅੰਤਿਮ ਉਪਭੋਗਤਾ ਲਈ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਕੀਮਤ 'ਤੇ ਆ ਸਕਦੀ ਹੈ। ਸੁਤੰਤਰ ਬੈਂਚਮਾਰਕ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ MAI ਪਰਿਵਾਰ OpenAI ਅਤੇ Anthropic ਦੇ ਉੱਚ-ਦਰਜੇ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਪਿੱਛੇ ਹੈ, ਜਿਸਦਾ ਪ੍ਰਦਰਸ਼ਨ ਪੱਧਰ Deepseek V3.2 ਦੇ ਵਧੇਰੇ ਤੁਲਨਾਯੋਗ ਹੈ। Microsoft ਦੇ ਅੰਦਰੂਨੀ ਤੁਲਨਾਤਮਕ ਅਧਿਐਨਾਂ ਨੂੰ ਵੀ ਗੈਰ-ਮਿਆਰੀ ਹੋਣ ਲਈ ਆਲੋਚਨਾ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਅਕਸਰ ਪੂਰੇ ਪੈਮਾਨੇ ਦੇ frontier models ਦੀ ਬਜਾਏ MAI ਨੂੰ GPT-4o Mini ਜਾਂ Anthropic ਦੇ Haiku ਵਰਗੇ ਛੋਟੇ ਮਾਡਲਾਂ ਦੇ ਵਿਰੁੱਧ ਰੱਖਦੇ ਹਨ।

ਇਹ AI ਲੈਂਡਸਕੇਪ ਲਈ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਇਹ ਵਿਕਾਸ AI ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਪਰਿਪੱਕ ਪੜਾਅ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ "ਸਭ ਕੁਝ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਇੱਕ ਮਾਡਲ" ਦੇ ਯੁੱਗ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਵਿਸ਼ੇਸ਼, ਕੰਮ-ਵਿਸ਼ੇਸ਼ ਬੁੱਧੀ (task-specific intelligence) ਦੇ ਯੁੱਗ ਵਿੱਚ ਜਾ ਰਹੇ ਹਾਂ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਵਧੇਰੇ ਲਚਕਤਾ ਅਤੇ ਘੱਟ ਲਾਗਤ ਹੈ, ਪਰ ਇਸਦਾ ਇਹ ਵੀ ਮਤਲਬ ਹੈ ਕਿ Microsoft ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸਖ਼ਤ ਮਿਹਨਤ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਹੁੰਦੇ ਹਨ, ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪੱਕੇ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਦੇ ਕੰਟਰੋਲ ਵਿੱਚ ਰਹੇ।

ਮੁੱਖ ਗੱਲਾਂ

• ਬੁੱਧੀ ਦੀ ਬਜਾਏ ਬੁਨਿਆਦੀ ਢਾਂਚਾ: Microsoft ਇੱਕ ਮਾਡਲ-ਕੇਂਦ੍ਰਿਤ ਪਹੁੰਚ ਤੋਂ ਇੱਕ orchestration ਪਹੁੰਚ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਕਿ Azure ਵੱਖ-ਵੱਖ AI ਵਰਕਲੋਡਸ ਲਈ ਮੁੱਖ ਮੰਜ਼ਿਲ ਬਣਿਆ ਰਹੇ।
• ਲਾਗਤ-ਅਧਾਰਤ ਏਕੀਕਰਨ: Copilot ਅਤੇ Office ਉਤਪਾਦਾਂ ਵਿੱਚ MAI ਮਾਡਲ ਪਰਿਵਾਰ ਦੀ ਤੈਨਾਤੀ ਪੁਰਾਣੇ GPU ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਤੇ ਤੀਜੀ-ਧਿਰ (third-party) API 'ਤੇ ਨਿਰਭਰਤਾ ਘਟਾ ਕੇ ਮਾਰਜਿਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਦੀ ਇੱਕ ਸਪੱਸ਼ਟ ਕੋਸ਼ਿਸ਼ ਹੈ।
• ਈਕੋਸਿਸਟਮ ਰਣਨੀਤੀ: Open weights ਅਤੇ distillation ਦਾ ਸਮਰਥਨ ਕਰਕੇ, Microsoft AI ਇਕਾਧਿਕਾਰ (monopolies) ਨੂੰ ਰੋਕਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਨਾਲ ਹੀ ਇੱਕ ਖੁੱਲ੍ਹੇ AI ecosystem ਲਈ ਜ਼ਰੂਰੀ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ ਵਜੋਂ ਆਪਣੀ ਸਥਿਤੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਦਾ ਹੈ।