Anthropic தனது Claude மாடல்களை வேகமாக மற்றும் மலிவாக இயக்குவதை நோக்கமாகக் கொண்டு, AI-தனித்துவமான சிப்களை (chips) வடிவமைக்க ஒரு பிரத்யேக "தனிப்பயன் சிலிக்கான் குழுவை" (custom silicon team) அமைப்பதாக இன்று அறிவித்துள்ளது. இந்த நடவடிக்கை, கிளவுட் நிறுவனங்கள் மற்றும் GPU தயாரிப்பாளர்கள் மீதான தனது சார்புநிலையைக் குறைப்பதையும், அதே நேரத்தில் தனது தயாரிப்புகளுக்குத் தேவையான வன்பொருள்-மென்பொருள் சுழற்சியை (hardware-software loop) வலுப்படுத்துவதையும் நோக்கமாகக் கொண்டுள்ளது.

இப்போது ஒரு சிப் குழு ஏன் முக்கியமானது

தனது தொடக்கத்திலிருந்தே, Claude தனது அனுமானத் தேவைகளுக்காக (inference) தேவையான பிரம்மாண்டமான GPU பண்ணைகளை வழங்க AWS, Google Cloud, Nvidia மற்றும் AMD போன்ற பல்வேறு கணினி சேவை வழங்குநர்களைச் சார்ந்து இருந்து வருகிறது. அந்த ஒப்பந்தங்கள் விரைவான வளர்ச்சியைச் சாத்தியப்படுத்தியிருந்தாலும், AI கணினித் தேவைகளுக்கான அதீத அதிகரிப்பு, அந்தச் சார்புநிலையை ஒரு மூலோபாய பலவீனமாக (strategic vulnerability) மாற்றிவிட்டது. உயர்தர முடுக்கிகள் (accelerators) ஆகியவற்றின் விலைகள் உயர்ந்து வருகின்றன, மேலும் திறன் கட்டுப்பாடுகள் (capacity constraints) இறுதிப் பயனர்களுக்கு அதிக தாமதத்தை (latency) ஏற்படுத்தக்கூடும். Claude-இன் கணிதப் பணிச்சுமைக்கு (mathematical workload) ஏற்றவாறு சிப்களை வடிவமைப்பதன் மூலம், பொதுவான GPU-களால் வழங்க முடியாத வேகம் மற்றும் ஆற்றல் சேமிப்பு ஆகிய இரண்டையும் பெற Anthropic hopes (நம்புகிறது).

மல்டி-கிளவுடிலிருந்து இணை-வடிவமைப்பு வரை

Anthropic-இன் புதிய குழு வன்பொருள்-மென்பொருள் இணை-வடிவமைப்பு (hardware-software co-design) அணுகுமுறையைப் பின்பற்றும், இதன் மூலம் Claude செய்யும் குறிப்பிட்ட செயல்பாடுகளுக்கு ஏற்ப சிலிக்கான் கட்டமைப்பை வடிவமைக்கும். நடைமுறையில், இது தனிப்பயன் மேட்ரிக்ஸ்-பெருக்கல் அலகுகள் (custom matrix-multiply units), மேம்படுத்தப்பட்ட ஆன்-சிப் மெமரி (on-chip memory) அல்லது ஒரு டோக்கனுக்கான சுழற்சிகளின் எண்ணிக்கையைக் குறைக்கும் அறிவுறுத்தல் தொகுப்புகளை (instruction sets) குறிக்கலாம். இதன் பலனாக குறைந்த அனுமானத் தாமதம் (inference latency) மற்றும் ஒவ்வொரு வினவலுக்கும் (query) குறைவான மின்சாரச் செலவு ஆகியவை கிடைக்கும்—இவை தயாரிப்பு விலை மற்றும் பயனர் அனுபவத்தை நேரடியாகப் பாதிக்கும் இரண்டு முக்கிய அளவீடுகள் ஆகும்.

நிறுவனம் காலக்கெடு அல்லது செயல்திறன் இலக்குகளைத் தெரிவிக்கவில்லை, ஆனால் தொழில்முறை வட்டாரங்களின்படி Samsung ஒரு சாத்தியமான ஃபேப் (fab) கூட்டாளியாக இருக்கலாம் என்று கூறப்படுகிறது. இது உறுதியானால், Anthropic தனது விநியோகச் சங்கிலியின் (supply chain) மீது அதிகக் கட்டுப்பாட்டைப் பெறும், மேலும் திறந்த சந்தையில் அரிதாகக் கிடைக்கும் AI முடுக்கிகளுடன் தொடர்புடைய "மிகப்பெரிய செலவுகளைத்" தவிர்க்க முடியும்.

பெரிய படம்: செங்குத்து ஒருங்கிணைப்பை (Vertical Integration) நோக்கிய மாற்றம்

Anthropic-இன் சிப் முயற்சி, வெறும் மென்பொருளைத் தாண்டிச் செல்லும் பிற AI நிறுவனங்களின் பரந்த போக்கைப் பின்பற்றுகிறது:

  • OpenAI சமீபத்தில் Broadcom உடன் இணைந்து, அனுமானப் பணிகளுக்காக (inference workloads) "Jalapeño" என்று பெயரிடப்பட்ட ஒரு சிப்பை வெளிப்படுத்தியுள்ளது.
  • Google DeepMind நீண்டகாலமாக Alphabet நிறுவனத்திற்குள்ளேயே உருவாக்கப்பட்ட பிரத்யேக Tensor Processing Units (TPUs)-களில் தனது மிகவும் மேம்பட்ட மாடல்களை இயக்கி வருகிறது.
  • Meta சமூக ஊடக மற்றும் AI பணிகளை எளிதாக்க தனது MTIA (Meta Training and Inference Accelerator)-ஐத் தொடர்ந்து மேம்படுத்தி வருகிறது.

தரவு மையம் முதல் சிலிக்கான் வரை முழுமையான கட்டமைப்பைக் (full stack) கொண்டிருப்பது, விநியோகத் தடைகளிலிருந்து பாதுகாப்பதோடு, விலையை நிர்ணயிப்பதிலும் முன்னிலை அளிக்க உதவும் என்பதை இந்த நிறுவனங்கள் நிரூபித்துள்ளன. சிப் வடிவமைப்பிற்கு Anthropic நுழைவது, அதே தர்க்கம் தனது சொந்த வணிக மாதிரியிற்கும் பொருந்தும் என்று அது நம்புவதைக் காட்டுகிறது.

அபாயங்கள் மற்றும் மறுப்புரைகள்

தனிப்பயன் சிலிக்கானை உருவாக்குவது ஒரு பெரும் அபாயம் நிறைந்த சூதாட்டம் போன்றது. சிப் மேம்பாட்டுச் சுழற்சிகள் பல ஆண்டுகள் நீடிக்கலாம் மற்றும் வழக்கமான AI-மென்பொருள் R&D பட்ஜெட்டுகளை விட பில்லியன் கணக்கான டாலர்களைச் செலவிடக்கூடும். கட்டமைப்பு அல்லது உற்பத்தியில் ஏற்படும் ஒரு தவறு Claude-இன் திட்டமிடலைத் தாமதப்படுத்தலாம், சந்தைப் பங்கைக் குறைக்கலாம் அல்லது நிறுவனத்தை மீண்டும் அதிக விலையில் கிடைக்கும் பொதுவான GPU-களைப் பயன்படுத்தத் தூண்டலாம். மேலும், AI சிப்களை வடிவமைக்கவும், சோதனை செய்யவும் மற்றும் பெருமளவில் உற்பத்தி செய்யவும் தேவையான நிபுணத்துவம் மிகவும் குறைவு, மேலும் ஏற்கனவே உள்ள குறைக்கடத்தி (semiconductor) நிறுவனங்களிடமிருந்து திறமையானவர்களை ஈர்ப்பது சவாலாக இருக்கலாம்.

GPU விற்பனையாளர்கள் தொடர்ந்து பெரிய மற்றும் அதிக திறன் கொண்ட AI முடுக்கிகளை அறிமுகப்படுத்தி வருவதால், பிரத்யேக சிலிக்கானிலிருந்து கிடைக்கும் செயல்திறன் முன்னேற்றம் ஒரு பெரிய மாற்றத்தை ஏற்படுத்துவதை விட, சிறிய அளவிலான முன்னேற்றமாகவே இருக்கும் என்று விமர்சகர்கள் வாதிடுகின்றனர். வெளிப்புற வழங்குநர்கள் குறைந்த அபாயத்துடன் இணக்கமான செயல்திறனை வழங்க வெற்றி பெற்றால், Anthropic-இன் இந்த முதலீடு ஒரு செலவு மிகுந்த திசைமாற்றமாக முடிந்துவிடும்.

கவனிக்க வேண்டியவை

  • உற்பத்தி கூட்டாளர் உறுதிப்படுத்தல் (Manufacturing partner confirmation) – Samsung போன்ற ஒரு ஃவுண்டிரியுடன் (foundry) முறையான ஒப்பந்தம் ஏற்பட்டால், இந்தத் திட்டம் கருத்தாக்கத்திலிருந்து (concept) சிலிக்கான் தயாரிப்பு நிலைக்குச் செல்லும்.
  • முன்மாதிரி பெஞ்ச்மார்க்ஸ் (Prototype benchmarks) – தனிப்பயன் சிப்பை முன்னணி GPU-களுடன் ஒப்பிடும் ஆரம்பகால செயல்திறன் எண்கள், இந்த இணை-வடிவமைப்பு முயற்சி வாக்குறுதி அளிக்கப்பட்ட தாமதக் குறைப்பு மற்றும் ஆற்றல் சேமிப்பை வழங்குகிறதா என்பதைக் காட்டும்.
  • திறமையான பணியாளர்களின் நியமனம் (Talent hires) – புதிதாக உருவாக்கப்பட்ட சிலிக்கான் குழுவின் அளவு மற்றும் நிபுணத்துவம், ஏற்கனவே உள்ள சிப் தயாரிப்பு நிறுவனங்களுடன் Anthropic எவ்வளவு தீவிரமாகப் போட்டியிடத் திட்டமிட்டுள்ளது என்பதைக் காட்டும்.
  • விலையில் தாக்கம் (Impact on pricing) – தனிப்பயன் வன்பொருள் ஒவ்வொரு வினவலுக்கான செலவைக் குறைத்தால், Claude-இன் சந்தா முறைகள் (subscription tiers) அதிகப் போட்டியளிக்கக்கூடியதாக மாறும், இது இன்னும் மூன்றாம் தரப்பு வன்பொருளைச் சார்ந்துள்ள போட்டியாளர்களுக்கு அழுத்தத்தை ஏற்படுத்தும்.

Anthropic-இன் இந்த சிப் இலட்சியம் AI துறையில் வளர்ந்து வரும் ஒரு நம்பிக்கையை அடிக்கோடிட்டுக் காட்டுகிறது: திறமையாகப் பெரிய அளவில் செயல்பட விரும்பும் நிறுவனங்களுக்கு வன்பொருள் கட்டமைப்பைக் (hardware stack) கட்டுப்படுத்துவது இனி ஒரு விருப்பத்தேர்வு அல்ல, அது கட்டாயமாகும். இந்த நடவடிக்கை பலன் தருமா என்பது அதன் செயல்பாட்டு வேகம், பொறியியல் திறமை மற்றும் சிலிக்கான் மூலம் கிடைக்கும் நன்மைகளை Claude பயனர்களுக்கான நிஜ உலகச் செலவுக் குறைப்பாக மாற்றும் திறனைப் பொறுத்தே அமையும்.