சிலிக்கான் மாற்றம்: தொழில்நுட்ப ஜாம்பவான்கள் ஏன் சொந்தமாக AI சிப்களை உருவாக்குகிறார்கள்

உலகின் மிகவும் செல்வாக்குமிக்க தொழில்நுட்ப நிறுவனங்கள் சொந்தமாக சிலிக்கான் (custom silicon) தயாரிக்கும் திசையை நோக்கித் திரும்பியுள்ளதால், Nvidia-வின் முழுமையான ஆதிக்கம் செலுத்தும் காலம் தனது முதல் முக்கிய சவாலை எதிர்கொண்டுள்ளது. OpenAI முதல் SpaceX வரை, தொழில்துறைத் தலைவர்கள் இப்போது சந்தையில் கிடைக்கும் பொதுவான வன்பொருட்களைக் (off-the-shelf hardware) கொண்டு திருப்தியடையவில்லை; மாறாக, தங்களின் குறிப்பிட்ட கட்டமைப்புத் தேவைகளுக்கு ஏற்பச் சிறப்பாகச் செயல்படும் பிரத்யேக சிப்களை (bespoke chips) வடிவமைக்கத் தொடங்கியுள்ளனர்.

OpenAI மற்றும் Jalapeño-வின் எழுச்சி

இந்தத் துறையில் ஏற்பட்டுள்ள மிக முக்கியமான மாற்றங்களில் ஒன்று, தனது வன்பொருள் கட்டமைப்பை (hardware stack) பல்வகைப்படுத்த OpenAI எடுத்துள்ள சமீபத்திய நடவடிக்கையாகும். Broadcom நிறுவனத்துடன் இணைந்து, OpenAI தனது பெரிய மொழி மாதிரிகளின் (large language models) பிரம்மாண்டமான கணக்கீட்டுத் தேவைகளைக் கையாளுவதற்காக "Jalapeño" என்ற பிரத்யேக இன்ஃபரன்ஸ் சிப்பை (custom inference chip) உருவாக்கி வருகிறது. பொதுவான பயன்பாட்டிற்கான GPUs போலல்லாமல், ஒரு குறிப்பிட்ட இன்ஃபரன்ஸ் சிப், மென்பொருள் மற்றும் வன்பொருள் இடையேயான ஒருங்கிணைப்பை (software-hardware loop) மிகத் துல்லியமாக மேம்படுத்த அனுமதிக்கிறது. இந்த வளர்ச்சி, OpenAI தனது மாதிரிகளை அவற்றின் குறிப்பிட்ட நரம்பியல் கட்டமைப்புகளுக்கு (neural architectures) ஏற்றவாறு, அதிகபட்சத் திறன் மற்றும் குறைந்த தாமதத்துடன் (lower latency) இயங்கும் வகையில் பிரத்யேகமாக உருவாக்கப்பட்ட சிலிக்கானை நோக்கி நகர்ந்து வருவதைக் காட்டுகிறது.

ஒற்றை விநியோகஸ்தர் அபாயத்தைக் குறைத்தல் மற்றும் பாதுகாப்பை உறுதி செய்தல்

இந்த மாற்றத்தின் முக்கியக் காரணம் "ஒற்றை விநியோகஸ்தர் அபாயத்தை" (single-supplier risk) குறைப்பதற்கான மூலோபாயத் தேவையாகும். பல ஆண்டுகளாக, AI தொழில்துறை Nvidia-வின் விநியோகச் சங்கிலியைச் சார்ந்தே இருந்து வருகிறது, இது நிறுவனங்களை விலையேற்றம், விநியோகத் தட்டுப்பாடு மற்றும் திட்டமிடல் சார்ந்த சார்புநிலைகளுக்கு (roadmap dependencies) உள்ளாக்கி வருகிறது. சொந்தமாக சிலிக்கானை உருவாக்குவதன் மூலம், Google, Apple மற்றும் SpaceX போன்ற நிறுவனங்கள் Nvidia-வின் ஏகபோகத்திற்கு எதிராக ஒரு பாதுகாப்பை (hedge) உருவாக்குகின்றன. இது Nvidia-விலிருந்து முற்றிலும் விலகிவிடுவது என்று சொல்ல முடியாது—பல நிறுவனங்கள் பயிற்சியளிக்க (training) தொடர்ந்து GPUs-களைப் பயன்படுத்தும்—இருப்பினும், இன்ஃபரன்ஸ் மற்றும் குறிப்பிட்ட பணிகளுக்காகச் சொந்த சிலிக்கானை நோக்கி நகர்வது செயல்பாட்டுப் பாதுகாப்பில் (operational security) ஒரு முக்கியமான அடுக்கை வழங்குகிறது.

செங்குத்து ஒருங்கிணைப்பின் (Vertical Integration) செயல்திறன் நன்மைகள்

பிரத்யேக சிலிக்கான் குறித்த தர்க்கம், செங்குத்து ஒருங்கிணைப்பில் (vertical integration) காணப்படும் மிகப்பெரிய செயல்திறன் நன்மைகளில் வேரூன்றியுள்ளது. Intel செயலிகளிலிருந்து தனது சொந்த M-series சிலிக்கானுக்கு மாறியதன் மூலம், முன்னெப்போதும் இல்லாத செயல்திறன் மற்றும் ஒருங்கிணைப்பை Apple வெளிப்படுத்தியதை நாம் பார்த்திருக்கிறோம். AI நிறுவனங்களுக்கு, இதன் நன்மைகள் இன்னும் ஆழமானவை. பிரத்யேக சிப்கள், பொதுவான கணினித் தேவைகளுக்கான கூடுதல் சுமையை (overhead) நீக்கிவிட்டு, ஒவ்வொரு டிரான்சிஸ்டரையும் (transistor) தங்களின் AI மாதிரிகளுக்குத் தேவையான குறிப்பிட்ட கணிதச் செயல்பாடுகளில் மட்டும் கவனம் செலுத்த டெவலப்பர்களுக்கு அனுமதிக்கின்றன. இது சிறந்த செயல்திறனை (performance-per-watt) வழங்குவதோடு, பெரிய அளவில் செயல்பாட்டுச் செலவுகளையும் கணிசமாகக் குறைக்கிறது.

பரந்த AI சூழலில் ஏற்படும் தாக்கம்

இந்தப் போக்கு AI வன்பொருள் சூழலின் (hardware ecosystem) அடிப்படை மறுசீரமைப்பைக் குறிக்கிறது. SpaceX மற்றும் Google போன்ற ஜாம்பவான்கள் தங்களின் சொந்த சிலிக்கான்களை மேம்படுத்தும்போது, Nvidia-வின் போட்டித் திறன் குறையத் தொடங்குகிறது. இந்த மாற்றம், வன்பொருள் மற்றும் மென்பொருள் தனித்தனிப் பொருள்களாக இல்லாமல், ஒன்றிணைந்து உருவாக்கப்படும் ஒரு புதுமைச் சுழற்சியை (innovation cycle) வேகப்படுத்தும். பரந்த தொழில்துறையைப் பொறுத்தவரை, இது மிகவும் துல்லியமாக மேம்படுத்தப்பட்ட, ஆனால் துண்டு துண்டான வன்பொருள் சந்தையைக் குறிக்கிறது; அங்கு திறமையான, பிரத்யேக சிலிக்கானை வடிவமைக்கும் திறன் எந்தவொரு முக்கிய AI நிறுவனத்திற்கும் ஒரு முக்கியப் போட்டியாளத் திறனாக (competitive advantage) மாறும்.

முக்கியக் குறிப்புகள்

• பன்முகத்தன்மை உத்தி (Diversification Strategy): OpenAI போன்ற முக்கிய நிறுவனங்கள் (Broadcom உடன் இணைந்து Jalapeño சிப் மூலம்) Nvidia மீதான சார்பைக் குறைக்கவும், விநியோகச் சங்கிலி அபாயங்களைக் குறைக்கவும் பிரத்யேக வன்பொருள்களை உருவாக்கி வருகின்றன.
• பொதுத்தன்மைக்கு மேலான மேம்படுத்தல் (Optimization Over Generality): பிரத்யேக சிலிக்கான், வன்பொருள்-மென்பொருள் இணை வடிவமைப்பை (hardware-software co-design) அனுமதிக்கிறது. இது பொதுவான பயன்பாட்டிற்கான GPUs-களை விட, குறிப்பிட்ட AI இன்ஃபரன்ஸ் பணிகளுக்குச் சிறந்த செயல்திறனையும் திறனையும் வழங்குகிறது.
• மாறிவரும் ஏகபோகம்: Nvidia தலைவராகத் தொடர்ந்தாலும், தொழில்நுட்ப ஜாம்பவான்களிடையே நிலவும் செங்குத்து ஒருங்கிணைப்புப் போக்கு, மிகவும் போட்டித்தன்மை வாய்ந்த மற்றும் பிரத்யேகமான குறைக்கடத்தி (semiconductor) சூழலை உருவாக்கி வருகிறது.