ਸਿਲੀਕਾਨ ਸ਼ਿਫਟ: ਤਕਨੀਕੀ ਦਿੱਗਜ ਕਸਟਮ AI ਚਿਪਸ ਕਿਉਂ ਬਣਾ ਰਹੇ ਹਨ

ਐਨਵੀਡੀਆ (Nvidia) ਦੇ ਪੂਰਨ ਦਬਦਬੇ ਦਾ ਯੁੱਗ ਆਪਣੇ ਪਹਿਲੇ ਵੱਡੇ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਦੁਨੀਆ ਦੀਆਂ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਕਸਟਮ ਸਿਲੀਕਾਨ ਵੱਲ ਮੁੜ ਰਹੀਆਂ ਹਨ। OpenAI ਤੋਂ ਲੈ ਕੇ SpaceX ਤੱਕ, ਉਦਯੋਗ ਦੇ ਮੋਹਰੀ ਹੁਣ ਮੌਜੂਦ (off-the-shelf) ਹਾਰਡਵੇਅਰ ਨਾਲ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਹਨ, ਸਗੋਂ ਉਹ ਅਜਿਹੇ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਚੋਣ ਕਰ ਰਹੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੀਆਂ ਖਾਸ ਆਰਕੀਟੈਕਚਰਲ ਲੋੜਾਂ ਅਨੁਸਾਰ ਅਨੁਕੂਲਿਤ (optimize) ਹੋਣ।

OpenAI ਅਤੇ Jalapeño ਦਾ ਉਭਾਰ

ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀਆਂ ਵਿੱਚੋਂ ਇੱਕ OpenAI ਦਾ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਸਟੈਕ ਨੂੰ ਵਿਭਿੰਨਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਦਾ ਹਾਲੀਆ ਕਦਮ ਹੈ। Broadcom ਨਾਲ ਭਾਈਵਾਲੀ ਕਰਕੇ, OpenAI "Jalapeño" ਵਿਕਸਿਤ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਕਸਟਮ ਇਨਫਰੈਂਸ (inference) ਚਿਪ ਹੈ। ਇਸ ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਇਸਦੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (large language models) ਦੀਆਂ ਭਾਰੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮੰਗਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਆਮ ਉਦੇਸ਼ਾਂ ਵਾਲੇ GPUs ਦੇ ਉਲਟ, ਇੱਕ ਇਨਫਰੈਂਸ-ਵਿਸ਼ੇਸ਼ ਚਿਪ ਸਾਫਟਵੇਅਰ-ਹਾਰਡਵੇਅਰ ਲੂਪ ਦੇ ਬਹੁਤ ਬਿਹਤਰ ਅਨੁਕੂਲਨ (optimization) ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ। ਇਹ ਵਿਕਾਸ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ OpenAI ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ ਜਿੱਥੇ ਇਸਦੇ ਮਾਡਲ ਅਜਿਹੇ ਸਿਲੀਕਾਨ 'ਤੇ ਚੱਲਣਗੇ ਜੋ ਉਹਨਾਂ ਦੇ ਖਾਸ ਨਿਊਰਲ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕੁਸ਼ਲਤਾ ਅਤੇ ਘੱਟ ਲੇਟੈਂਸੀ (latency) ਨਾਲ ਚਲਾਉਣ ਲਈ ਬਣਾਏ ਗਏ ਹਨ।

ਸਿੰਗਲ-ਸਪਲਾਇਰ ਜੋਖਮ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਨਾ

ਇਸ ਲਹਿਰ ਦੇ ਪਿੱਛੇ ਮੁੱਖ ਕਾਰਨ "ਸਿੰਗਲ-ਸਪਲਾਇਰ ਜੋਖਮ" (single-supplier risk) ਨੂੰ ਘਟਾਉਣ ਦੀ ਰਣਨੀਤਕ ਲੋੜ ਹੈ। ਸਾਲਾਂ ਤੋਂ, AI ਉਦਯੋਗ Nvidia ਦੀ ਸਪਲਾਈ ਚੇਨ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਜਿਸ ਕਾਰਨ ਕੰਪਨੀਆਂ ਕੀਮਤਾਂ ਵਿੱਚ ਉਤਾਰ-ਚੜ੍ਹਾਅ, ਸਪਲਾਈ ਦੀ ਘਾਟ ਅਤੇ ਰੋਡਮੈਪ 'ਤੇ ਨਿਰਭਰਤਾ ਕਾਰਨ ਕਮਜ਼ੋਰ ਰਹਿ ਜਾਂਦੀਆਂ ਹਨ। ਆਪਣੇ ਅੰਦਰੂਨੀ ਸਿਲੀਕਾਨ ਨੂੰ ਵਿਕਸਿਤ ਕਰਕੇ, Google, Apple, ਅਤੇ SpaceX ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ Nvidia ਦੇ ਇਕਾਧਿਕਾਰ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਸੁਰੱਖਿਆ ਕਵਚ ਤਿਆਰ ਕਰ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ Nvidia ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ "ਟੁੱਟਣਾ" ਹੋਵੇ—ਕਈ ਫਰਮਾਂ ਟ੍ਰੇਨਿੰਗ ਲਈ GPUs ਦੀ ਵਰਤੋਂ ਜਾਰੀ ਰੱਖਣਗੀਆਂ—ਪਰ ਇਨਫਰੈਂਸ ਅਤੇ ਖਾਸ ਕੰਮਾਂ ਲਈ ਕਸਟਮ ਸਿਲੀਕਾਨ ਵੱਲ ਵਧਣਾ ਸੰਚਾਲਨ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਰਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਵਰਟੀਕਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਲਾਭ

ਕਸਟਮ ਸਿਲੀਕਾਨ ਦੇ ਪਿੱਛੇ ਦਾ ਤਰਕ ਵਰਟੀਕਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ (vertical integration) ਵਿੱਚ ਦੇਖੇ ਗਏ ਵਿਸ਼ਾਲ ਪ੍ਰਦਰਸ਼ਨ ਲਾਭਾਂ ਵਿੱਚ ਰਚਿਆ-ਬਸਿਆ ਹੈ। ਅਸੀਂ ਇਸ ਨੂੰ Apple ਦੇ ਨਾਲ ਦੇਖਿਆ ਹੈ, ਜਿਸ ਨੇ Intel ਪ੍ਰੋਸੈਸਰਾਂ ਤੋਂ ਆਪਣੇ M-ਸੀਰੀਜ਼ ਸਿਲੀਕਾਨ ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਕੇ ਬੇਮਿਸਾਲ ਕੁਸ਼ਲਤਾ ਅਤੇ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਪ੍ਰਾਪਤ ਕੀਤੀ। AI ਕੰਪਨੀਆਂ ਲਈ, ਇਸਦੇ ਲਾਭ ਹੋਰ ਵੀ ਡੂੰਘੇ ਹਨ। ਕਸਟਮ ਚਿਪਸ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਮ ਉਦੇਸ਼ਾਂ ਵਾਲੀ ਕੰਪਿਊਟਿੰਗ ਦੇ "ਓਵਰਹੈੱਡ" (overhead) ਨੂੰ ਹਟਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀਆਂ ਹਨ, ਅਤੇ ਹਰ ਟ੍ਰਾਂਜ਼ਿਸਟਰ ਨੂੰ ਉਹਨਾਂ ਦੇ AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਖਾਸ ਗਣਿਤਕ ਕਾਰਜਾਂ 'ਤੇ ਕੇਂਦਰਿਤ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਬਿਹਤਰ 'ਪਰਫਾਰਮੈਂਸ-ਪਰ-ਵਾਟ' ਮਿਲਦਾ ਹੈ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੰਚਾਲਨ ਲਾਗਤਾਂ ਵਿੱਚ ਭਾਰੀ ਕਮੀ ਆਉਂਦੀ ਹੈ।

ਵਿਆਪਕ AI ਲੈਂਡਸਕੇਪ 'ਤੇ ਪ੍ਰਭਾਵ

ਇਹ ਰੁਝਾਨ AI ਹਾਰਡਵੇਅਰ ਈਕੋਸਿਸਟਮ ਦੇ ਮੂਲ ਢਾਂਚੇ ਵਿੱਚ ਬਦਲਾਅ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ SpaceX ਅਤੇ Google ਵਰਗੇ ਦਿੱਗਜ ਆਪਣੇ ਮਲਕੀਅਤ ਵਾਲੇ ਸਿਲੀਕਾਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਰਹੇ ਹਨ, Nvidia ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦਾ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਵਾਲਾ ਘੇਰਾ ਘਟਣਾ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਨਵੀਨਤਾ ਦੇ ਇੱਕ ਅਜਿਹੇ ਚੱਕਰ ਨੂੰ ਤੇਜ਼ ਕਰੇਗੀ ਜਿੱਥੇ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਵੱਖ-ਵੱਖ ਇਕਾਈਆਂ ਦੇ ਰੂਪ ਵਿੱਚ ਨਹੀਂ, ਸਗੋਂ ਇਕੱਠੇ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾਣਗੇ। ਵਿਆਪਕ ਉਦਯੋਗ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਇੱਕ ਵਧੇਰੇ ਵੰਡਿਆ ਹੋਇਆ ਪਰ ਬਹੁਤ ਹੀ ਅਨੁਕੂਲਿਤ (optimized) ਹਾਰਡਵੇਅਰ ਬਾਜ਼ਾਰ ਹੈ, ਜਿੱਥੇ ਕੁਸ਼ਲ, ਵਿਸ਼ੇਸ਼ ਸਿਲੀਕਾਨ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਯੋਗਤਾ ਕਿਸੇ ਵੀ ਵੱਡੇ AI ਖਿਡਾਰੀ ਲਈ ਇੱਕ ਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਫਾਇਦਾ ਬਣ ਜਾਵੇਗੀ।

ਮੁੱਖ ਨੁਕਤੇ

• ਵਿਭਿੰਨਤਾ ਦੀ ਰਣਨੀਤੀ: OpenAI (Broadcom ਦੇ ਨਾਲ ਆਪਣੇ Jalapeño ਚਿਪ ਰਾਹੀਂ) ਵਰਗੇ ਵੱਡੇ ਖਿਡਾਰੀ Nvidia 'ਤੇ ਨਿਰਭਰਤਾ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਕਸਟਮ ਹਾਰਡਵੇਅਰ ਬਣਾ ਰਹੇ ਹਨ।
• ਆਮ ਵਰਤੋਂ ਦੀ ਬਜਾਏ ਅਨੁਕੂਲਤਾ: ਕਸਟਮ ਸਿਲੀਕਾਨ ਹਾਰਡਵੇਅਰ-ਸਾਫਟਵੇਅਰ ਕੋ-ਡਿਜ਼ਾਈਨ (co-design) ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਆਮ ਉਦੇਸ਼ਾਂ ਵਾਲੇ GPUs ਦੇ ਮੁਕਾਬਲੇ ਖਾਸ AI ਇਨਫਰੈਂਸ ਕਾਰਜਾਂ ਲਈ ਉੱਤਮ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਕੁਸ਼ਲਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
• ਬਦਲਦਾ ਇਕਾਧਿਕਾਰ: ਹਾਲਾਂਕਿ Nvidia ਅਜੇ ਵੀ ਲੀਡਰ ਹੈ, ਤਕਨੀਕੀ ਦਿੱਗਜਾਂ ਵਿੱਚ ਵਰਟੀਕਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਵੱਲ ਰੁਝਾਨ ਇੱਕ ਵਧੇਰੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਸੈਮੀਕੰਡਕਟਰ ਲੈਂਡਸਕੇਪ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹੈ।