എന്തുകൊണ്ടാണ് ലാപ്ടോപ്പ് നിർമ്മാതാക്കൾ എല്ലാം AI ആക്കാൻ ആഗ്രഹിക്കുന്നത്?

ടെക് ഇൻഡസ്ട്രി എപ്പോഴും സെൻട്രലൈസേഷന്റെയും ഡിസെൻട്രലൈസേഷന്റെയും ഒരു സൈക്കിളിലാണ് പോകുന്നത്. കഴിഞ്ഞ ഒരു പതിറ്റാണ്ടായി, ക്ലൗഡ് ആയിരുന്നു ലോകത്തിന്റെ കേന്ദ്രം. നിങ്ങളുടെ ലാപ്ടോപ്പിലെ ഓരോ സ്മാർട്ട് ഫീച്ചറും ദൂരെയുള്ള ഒരു ഡാറ്റാ സെന്ററിലെ സെർവറിനെയാണ് ആശ്രയിച്ചിരുന്നത്. എന്നാൽ ഇപ്പോൾ കാര്യങ്ങൾ വേഗത്തിൽ മാറുകയാണ്. Intel, AMD, Apple തുടങ്ങിയ ലാപ്ടോപ്പ് നിർമ്മാതാക്കൾ ഇപ്പോൾ ഇന്റലിജൻസിനെ തിരികെ ഡിവൈസുകളിലേക്ക് തന്നെ കൊണ്ടുവരികയാണ്. ഇതിനായി അവർ ഓരോ പുതിയ മെഷീനിലും Neural Processing Unit (NPU) എന്ന് വിളിക്കുന്ന ഒരു പ്രത്യേക സിലിക്കൺ ചിപ്പ് ഉൾപ്പെടുത്തുന്നു. ഈ മാറ്റം വെറും വേഗതയ്ക്ക് വേണ്ടിയുള്ളതല്ല, മറിച്ച് പവർ എഫിഷ്യൻസിക്കും പ്രൈവസിക്കും വേണ്ടിയാണ്. ഇന്റർനെറ്റുമായി ബന്ധപ്പെടാതെ തന്നെ നിങ്ങളുടെ കമ്പ്യൂട്ടറിന് സങ്കീർണ്ണമായ കാര്യങ്ങൾ പ്രോസസ്സ് ചെയ്യാൻ കഴിയുമ്പോൾ, അത് കൂടുതൽ കാര്യക്ഷമമാവുകയും സബ്സ്ക്രിപ്ഷനുകളെ ആശ്രയിക്കുന്നത് കുറയുകയും ചെയ്യുന്നു. ഇതിനെയാണ് ഇൻഡസ്ട്രി ‘AI PC’ യുഗം എന്ന് വിളിക്കുന്നത്. മൾട്ടി-കോർ പ്രോസസറുകൾ വന്നതിന് ശേഷമുള്ള ലാപ്ടോപ്പിലെ ഏറ്റവും വലിയ മാറ്റമാണിത്. ലാപ്ടോപ്പിനെ വെറുമൊരു ടൂളിൽ നിന്ന്, ബാറ്ററി പെട്ടെന്ന് തീരാതെ തന്നെ കാര്യങ്ങൾ മനസ്സിലാക്കുന്ന ഒരു ആക്ടീവ് അസിസ്റ്റന്റാക്കി മാറ്റാനാണ് ഈ ശ്രമം.

എന്തുകൊണ്ടാണ് ഇത് സംഭവിക്കുന്നതെന്ന് മനസ്സിലാക്കാൻ ഹാർഡ്‌വെയറിലേക്ക് നോക്കണം. ഒരു സാധാരണ ലാപ്ടോപ്പിൽ ജനറൽ ടാസ്ക്കുകൾക്കായി Central Processing Unit-ഉം (CPU), വിഷ്വൽ ഡാറ്റയ്ക്കായി Graphics Processing Unit-ഉം (GPU) ഉണ്ട്. പക്ഷേ ഇവയൊന്നും AI-ക്ക് അത്ര അനുയോജ്യമല്ല. CPU-ന് ആധുനിക AI മോഡലുകൾക്ക് വേണ്ടിയുള്ള വലിയ കണക്കുകൂട്ടലുകൾ ചെയ്യാൻ വേഗത കുറവാണ്. GPU വേഗതയുള്ളതാണെങ്കിലും അത് ഒരുപാട് വൈദ്യുതി ഉപയോഗിക്കുന്നു. Neural Processing Unit (NPU) എന്നത് മെഷീൻ ലേണിംഗിന് ആവശ്യമായ പ്രത്യേക കണക്കുകൂട്ടലുകൾ ചെയ്യാൻ വേണ്ടി ഡിസൈൻ ചെയ്ത ഒരു സ്പെഷ്യലൈസ്ഡ് ചിപ്പാണ്. ഇത് വളരെ കുറഞ്ഞ പവർ ഉപയോഗിച്ച് സെക്കൻഡിൽ ട്രില്യൺ കണക്കിന് ഓപ്പറേഷനുകൾ നടത്തുന്നു. ഇതിലൂടെ ലാപ്ടോപ്പിന് വലിയ ലാംഗ്വേജ് മോഡലുകളോ ഇമേജ് ജനറേറ്ററുകളോ നേരിട്ട് പ്രവർത്തിപ്പിക്കാൻ സാധിക്കുന്നു. ഈ ടാസ്ക്കുകൾ NPU-ലേക്ക് മാറ്റുന്നതോടെ CPU-വിനും GPU-വിനും അവയുടെ സാധാരണ ജോലികൾ ചെയ്യാൻ കൂടുതൽ ഫ്രീഡം ലഭിക്കുന്നു. ഈ ആർക്കിടെക്ചർ കാരണം സ്മാർട്ട് ഫീച്ചറുകൾ ഉപയോഗിക്കുമ്പോൾ ലാപ്ടോപ്പ് ചൂടാകുന്നത് ഒഴിവാക്കാം. വീഡിയോ കോളുകളിൽ ഐ കോൺടാക്റ്റ് കറക്ഷൻ പോലുള്ള ഫീച്ചറുകൾ പെർഫോമൻസിനെ ബാധിക്കാതെ തന്നെ ബാക്ക്ഗ്രൗണ്ടിൽ പ്രവർത്തിപ്പിക്കാനും ഇത് സഹായിക്കുന്നു. പഴയ ഹാർഡ്‌വെയർ ഉപയോഗിക്കുന്നവരെ പുതിയവയിലേക്ക് ആകർഷിക്കാൻ ഈ എഫിഷ്യൻസി സഹായിക്കുമെന്ന് കമ്പനികൾ കരുതുന്നു.

ക്ലൗഡ് കമ്പ്യൂട്ടിംഗിന്റെ വർദ്ധിച്ചുവരുന്ന ചിലവുകൾക്കുള്ള മറുപടി കൂടിയാണ് ഈ ലോക്കൽ ഹാർഡ്‌വെയർ പുഷ്. നിങ്ങൾ ഒരു ക്ലൗഡ്-ബേസ്ഡ് AI-യോട് ഒരു ഡോക്യുമെന്റ് സമ്മറൈസ് ചെയ്യാൻ ആവശ്യപ്പെടുമ്പോഴെല്ലാം, വൈദ്യുതിക്കും സെർവർ മെയിന്റനൻസിനുമായി കമ്പനിക്ക് ചിലവാകുന്നുണ്ട്. ആ ജോലി ലാപ്ടോപ്പിലേക്ക് മാറ്റുന്നതിലൂടെ Microsoft, Google തുടങ്ങിയ കമ്പനികൾക്ക് ഇൻഫ്രാസ്ട്രക്ചർ ചിലവുകളിൽ കോടിക്കണക്കിന് രൂപ ലാഭിക്കാൻ കഴിയുന്നു. ഈ മാറ്റം AI കമ്പ്യൂട്ടിംഗിന്റെ ബിൽ സോഫ്റ്റ്‌വെയർ പ്രൊവൈഡറിൽ നിന്ന് ഹാർഡ്‌വെയർ വാങ്ങുന്ന ഉപഭോക്താവിലേക്ക് എത്തിക്കുന്നു. Intel, AMD തുടങ്ങിയ സിലിക്കൺ ഭീമന്മാരുടെ ബിസിനസ് ലക്ഷ്യങ്ങളുമായി ഒത്തുപോകുന്ന ഒരു സ്മാർട്ട് നീക്കമാണിത്. ഓരോ മൂന്ന് വർഷത്തിലും ആളുകൾ കമ്പ്യൂട്ടറുകൾ വാങ്ങാൻ അവർക്ക് പുതിയൊരു കാരണം ആവശ്യമാണ്. പഴയ മെഷീനുകളിൽ നന്നായി പ്രവർത്തിക്കാത്ത ഫീച്ചറുകൾ വാഗ്ദാനം ചെയ്തുകൊണ്ട് AI PC ആ ആവശ്യം നിറവേറ്റുന്നു. കൺസ്യൂമർ സിലിക്കണിന്റെ പരിണാമത്തെക്കുറിച്ച് കൂടുതൽ വിവരങ്ങൾ ഞങ്ങളുടെ AI ഹാർഡ്‌വെയർ ഗൈഡുകളിൽ ലഭ്യമാണ്. ഇത് ഹൈ-എൻഡ് വർക്ക്സ്റ്റേഷനുകൾക്ക് മാത്രമുള്ള ഒരു ട്രെൻഡ് അല്ല, മറിച്ച് ലോകമെമ്പാടും വിൽക്കുന്ന എല്ലാ കൺസ്യൂമർ ലാപ്ടോപ്പുകളുടെയും അടിസ്ഥാനമായി മാറുകയാണ്.

ഈ മാറ്റത്തിന്റെ ആഗോള സ്വാധീനം ഡാറ്റാ സോവറിനിറ്റിയിലും ഊർജ്ജ ഉപഭോഗത്തിലുമാണ് കേന്ദ്രീകരിച്ചിരിക്കുന്നത്. ഗവൺമെന്റുകളും വലിയ കോർപ്പറേഷനുകളും തങ്ങളുടെ ഡാറ്റ എവിടേക്കാണ് പോകുന്നതെന്ന് ഓർത്ത് ആശങ്കാകുലരാണ്. ജർമ്മനിയിലെ ഒരു ബാങ്ക് സെൻസിറ്റീവ് ഫിനാൻഷ്യൽ റെക്കോർഡുകൾ വിശകലനം ചെയ്യാൻ ക്ലൗഡ് AI ഉപയോഗിച്ചാൽ, ആ ഡാറ്റ രാജ്യത്തിന് പുറത്തേക്ക് പോകാൻ സാധ്യതയുണ്ട്. ലോക്കൽ AI ഈ പ്രശ്നം പരിഹരിക്കുന്നു, കാരണം ഡാറ്റ ലാപ്ടോപ്പിൽ തന്നെ സുരക്ഷിതമായിരിക്കും. ഇത് യൂറോപ്പിലെ GDPR പോലുള്ള കർശനമായ പ്രൈവസി നിയമങ്ങളെയും ഏഷ്യയിലെ സമാനമായ റെഗുലേഷനുകളെയും തൃപ്തിപ്പെടുത്തുന്നു. കൂടാതെ, ഇത് ഇന്റർനെറ്റിന്റെ ആഗോള ഊർജ്ജ ഉപഭോഗം കുറയ്ക്കുകയും ചെയ്യുന്നു. വിവരങ്ങൾ കൈമാറാനും പ്രോസസ്സ് ചെയ്യാനും ഡാറ്റാ സെന്ററുകൾ വലിയ തോതിൽ വൈദ്യുതി ഉപയോഗിക്കുന്നു. ഇതിൽ വലിയൊരു ഭാഗം ജോലികൾ ഇതിനകം ഡെസ്കുകളിൽ ഇരിക്കുന്ന ദശലക്ഷക്കണക്കിന് ലാപ്ടോപ്പുകളിൽ നടന്നാൽ, ആഗോള ഗ്രിഡിലെ സമ്മർദ്ദം കുറയും. ഈ ഡിസെൻട്രലൈസ്ഡ് സമീപനം കൂടുതൽ റെസിലിയന്റ് ആണ്. മോശം ഇന്റർനെറ്റ് കണക്റ്റിവിറ്റി ഉള്ള ഒരു പ്രദേശത്തുള്ളവർക്കും ഹൈ-സ്പീഡ് ഫൈബർ ഒപ്റ്റിക്സ് ഉള്ളവർക്ക് മാത്രം ലഭിച്ചിരുന്ന അഡ്വാൻസ്ഡ് ടൂളുകൾ ഉപയോഗിക്കാൻ ഇത് അവസരമൊരുക്കുന്നു. കമ്പ്യൂട്ട് പവറിന്റെ ഈ ജനാധിപത്യവൽക്കരണം അന്താരാഷ്ട്ര ടെക് മാർക്കറ്റിന്റെ പ്രധാന ഡ്രൈവറാണ്.

ഒരു സാധാരണ ജോലി ദിവസത്തിൽ, AI-നേറ്റീവ് ലാപ്ടോപ്പിന്റെ സ്വാധീനം ചെറുതാണെങ്കിലും സ്ഥിരമാണ്. രാവിലെ ഒരു വീഡിയോ കോൺഫറൻസോടെ ദിവസം തുടങ്ങുന്നതായി സങ്കൽപ്പിക്കുക. പണ്ട്, ബാക്ക്ഗ്രൗണ്ട് ബ്ലർ ചെയ്യുകയോ നോയ്സ് മാറ്റുകയോ ചെയ്യുമ്പോൾ ലാപ്ടോപ്പ് ഫാനുകൾ വലിയ ശബ്ദമുണ്ടാക്കുമായിരുന്നു. NPU ഉണ്ടെങ്കിൽ, ഈ ജോലികൾ നിശബ്ദമായും ബാറ്ററി അധികം ഉപയോഗിക്കാതെയും നടക്കുന്നു. മീറ്റിംഗിനിടെ, ഒരു ലോക്കൽ മോഡൽ സംഭാഷണം ട്രാൻസ്ക്രൈബ് ചെയ്യുകയും പ്രധാന കാര്യങ്ങൾ തത്സമയം തിരിച്ചറിയുകയും ചെയ്യുന്നു. ഓഡിയോ ഒരു സെർവറിലേക്ക് അപ്‌ലോഡ് ചെയ്യേണ്ട ആവശ്യമില്ലാത്തതിനാൽ, മുറിയിൽ ചർച്ച ചെയ്ത കമ്പനി രഹസ്യങ്ങൾ സുരക്ഷിതമായിരിക്കും. പിന്നീട്, കഴിഞ്ഞ വർഷത്തെ ഒരു പ്രത്യേക സ്പ്രെഡ്ഷീറ്റ് കണ്ടെത്തേണ്ടി വരുന്നു എന്ന് കരുതുക. ഫയൽ പേരിനായി സെർച്ച് ചെയ്യുന്നതിന് പകരം, ടോക്കിയോ ഓഫീസിലെ ബജറ്റിനെക്കുറിച്ച് ചർച്ച ചെയ്ത ഡോക്യുമെന്റ് കണ്ടെത്താൻ കമ്പ്യൂട്ടറിനോട് ആവശ്യപ്പെടുക. ലാപ്ടോപ്പ് അതിന്റെ ഫയലുകളുടെ ലോക്കൽ ഇൻഡക്സ് സ്കാൻ ചെയ്ത് അത് ഉടൻ തന്നെ കണ്ടെത്തും. ഇതാണ് ഒരു സെർച്ച് എൻജിനും ലോക്കൽ ഇന്റലിജൻസ് എൻജിനും തമ്മിലുള്ള വ്യത്യാസം. നിങ്ങൾ നൽകുന്ന ലേബലുകൾക്ക് അപ്പുറം, അത് നിങ്ങളുടെ ജോലിയുടെ ഉള്ളടക്കം മനസ്സിലാക്കുന്നു.

ഉച്ചകഴിഞ്ഞ്, ഒരു പ്രസന്റേഷനായി ഒരു ചിത്രം നിർമ്മിക്കേണ്ടി വന്നേക്കാം. വെബ്‌സൈറ്റിലെ ക്യൂവിൽ കാത്തുനിൽക്കുന്നതിന് പകരം, നിങ്ങൾ Stable Diffusion-ന്റെ ഒരു ലോക്കൽ പതിപ്പ് ഉപയോഗിക്കുന്നു. NPU ഈ ജോലിക്കായി ഒപ്റ്റിമൈസ് ചെയ്തിട്ടുള്ളതിനാൽ ചിത്രം നിമിഷങ്ങൾക്കുള്ളിൽ പ്രത്യക്ഷപ്പെടുന്നു. വായിക്കാൻ സമയമില്ലാത്ത ഒരു വലിയ റിപ്പോർട്ട് നിങ്ങൾക്ക് ലഭിച്ചേക്കാം. നിങ്ങൾ അത് ഒരു ലോക്കൽ വിൻഡോയിലേക്ക് ഡ്രാഗ് ചെയ്ത് ഉടൻ തന്നെ മൂന്ന് പാരഗ്രാഫ് സമ്മറി നേടുന്നു. ഈ വർക്ക്ഫ്ലോ വളരെ വേഗതയുള്ളതാണ്, കാരണം ഇതിൽ നെറ്റ്‌വർക്ക് latency ഇല്ല. സമുദ്രത്തിനപ്പുറം സിഗ്നൽ പോയി തിരികെ വരാൻ നിങ്ങൾ കാത്തിരിക്കേണ്ടതില്ല. പ്രോസസ്സിംഗ് നിങ്ങളുടെ വിരലുകൾക്ക് തൊട്ടടുത്ത് നടക്കുന്നതിനാൽ കമ്പ്യൂട്ടർ കൂടുതൽ റെസ്പോൺസീവ് ആയി തോന്നും. ഇതാണ് AI PC-യുടെ പ്രായോഗിക യാഥാർത്ഥ്യം. എല്ലാം മാറ്റുന്ന ഒരു വലിയ ഫീച്ചറിനെക്കുറിച്ചല്ല ഇത്. മെഷീനെ കൂടുതൽ ഇൻട്യൂറ്റീവ് ആക്കുന്ന നൂറുകണക്കിന് ചെറിയ മെച്ചപ്പെടുത്തലുകളെക്കുറിച്ചാണ്. നിങ്ങളുടെ ചിന്തകളും ഡിജിറ്റൽ ഔട്ട്‌പുട്ടും തമ്മിലുള്ള തടസ്സങ്ങൾ നീക്കുക എന്നതാണ് ഇതിന്റെ ലക്ഷ്യം.

ഈ അവകാശവാദങ്ങളെ വിലയിരുത്തുമ്പോൾ സോക്രട്ടിക് സംശയം ആവശ്യമാണ്. NPU ശരിക്കും ഒരു ഉപയോഗപ്രദമായ ടൂളാണോ അതോ ഉയർന്ന വിലയെ ന്യായീകരിക്കാനുള്ള ഒരു വഴിയാണോ എന്ന് നാം ചോദിക്കണം. നിലവിലെ മിക്ക AI ഫീച്ചറുകളും പഴയ ഹാർഡ്‌വെയറിലും സാങ്കേതികമായി പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന സോഫ്റ്റ്‌വെയർ ട്രിക്കുകളാണ്. ഇൻഡസ്ട്രി പുതിയ സിലിക്കണിനായി ഒരു കൃത്രിമ ആവശ്യം സൃഷ്ടിക്കുകയാണോ? ആയുസ്സിനെക്കുറിച്ചുള്ള ചോദ്യവും ഇവിടെയുണ്ട്. AI മോഡലുകൾ ഓരോ മാസവും വലുപ്പത്തിലും സങ്കീർണ്ണതയിലും വളരുകയാണ്. ഇന്ന് വാങ്ങുന്ന ലാപ്ടോപ്പിലെ NPU സെക്കൻഡിൽ 40 ട്രില്യൺ ഓപ്പറേഷനുകൾ ചെയ്യാൻ ശേഷിയുള്ളതായിരിക്കാം, എന്നാൽ അത് ഭാവിയിലെ മോഡലുകൾക്ക് തികയുമോ? കഴിഞ്ഞ ദശകത്തേക്കാൾ വളരെ വേഗത്തിൽ ഹാർഡ്‌വെയർ കാലഹരണപ്പെടുന്ന ഒരു യുഗത്തിലേക്കാണോ നമ്മൾ കടക്കുന്നത്? നിങ്ങളുടെ ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തിന്റെ പ്രധാന പ്രവർത്തനം ഒരു പ്രത്യേക ചിപ്പിനെ ആശ്രയിച്ചാണെങ്കിൽ, പത്ത് വർഷം വരെ കമ്പ്യൂട്ടർ ഉപയോഗിക്കാനുള്ള കഴിവ് നിങ്ങൾക്ക് നഷ്ടപ്പെടും. ഇത് വലിയ തോതിലുള്ള ഇ-വേസ്റ്റ് സൃഷ്ടിക്കുന്നു. പ്രൈവസി സംബന്ധിച്ച കാര്യങ്ങളും നാം പരിഗണിക്കണം. നിങ്ങളെ സഹായിക്കാൻ നിങ്ങൾ ചെയ്യുന്നതെല്ലാം ഇൻഡക്സ് ചെയ്യുന്ന ഒരു AI, നിങ്ങളുടെ ജീവിതത്തിന്റെ മുഴുവൻ രേഖകളും സൂക്ഷിക്കുന്ന ഒന്നുകൂടിയാണ്. ആ ഇൻഡക്സ് ആര് നിയന്ത്രിക്കുന്നു, അത് കോടതിയിൽ ഹാജരാക്കാൻ ആവശ്യപ്പെടാമോ?

ഈ മാറ്റത്തിന്റെ സാങ്കേതിക തലത്തിലാണ് യഥാർത്ഥ പരിമിതികൾ കാണുന്നത്. ഒരു NPU ഉപയോഗപ്രദമാകണമെങ്കിൽ, സോഫ്റ്റ്‌വെയർ ഡെവലപ്പർമാർ അതിനോട് സംസാരിക്കാൻ കഴിയുന്ന കോഡ് എഴുതണം. ഇതിന് Windows DirectML അല്ലെങ്കിൽ Intel OpenVINO പോലുള്ള സ്റ്റാൻഡേർഡ് APIs ആവശ്യമാണ്. നിലവിൽ, ഈ ഇക്കോസിസ്റ്റം ചിതറിക്കിടക്കുകയാണ്. Apple Mac-ൽ പ്രവർത്തിക്കുന്ന ഒരു ഫീച്ചർ AMD ചിപ്പുള്ള Windows ലാപ്ടോപ്പിൽ പ്രവർത്തിക്കണമെന്നില്ല. മെമ്മറി ബാൻഡ്‌വിഡ്ത്തിന്റെ പ്രശ്നവുമുണ്ട്. മെമ്മറിക്കും പ്രോസസറിനും ഇടയിൽ വലിയ അളവിലുള്ള ഡാറ്റ വേഗത്തിൽ നീക്കാൻ AI മോഡലുകൾക്ക് ആവശ്യമാണ്. നിലവിലെ മിക്ക ലാപ്ടോപ്പുകളിലും ഇവിടെ ഒരു തടസ്സമുണ്ട് (bottleneck). NPU വേഗതയുള്ളതാണെങ്കിലും, ഡാറ്റ ലഭിക്കാൻ RAM-ന് വേണ്ടി കാത്തിരിക്കേണ്ടി വന്നേക്കാം. അതുകൊണ്ടാണ് CPU, GPU, NPU എന്നിവയെല്ലാം ഒരേ ഹൈ-സ്പീഡ് ഡാറ്റാ പൂൾ പങ്കിടുന്ന യൂണിഫൈഡ് മെമ്മറി ആർക്കിടെക്ചറുകളിലേക്ക് നമ്മൾ മാറുന്നത്. ഇത് പെർഫോമൻസ് മെച്ചപ്പെടുത്തുന്നുണ്ടെങ്കിലും, വാങ്ങിയ ശേഷം ലാപ്ടോപ്പുകൾ അപ്‌ഗ്രേഡ് ചെയ്യുന്നത് അസാധ്യമാക്കുന്നു. മെമ്മറി പ്രോസസറിനോട് ചേർത്ത് സോൾഡർ ചെയ്തിരിക്കുന്നതിനാൽ നിങ്ങൾക്ക് പിന്നീട് കൂടുതൽ RAM ചേർക്കാൻ കഴിയില്ല.

ഹൈപ്പിൽ വീഴുന്നതിന് മുൻപ് പവർ യൂസേഴ്സ് സ്പെസിഫിക്കേഷനുകൾ ശ്രദ്ധാപൂർവ്വം പരിശോധിക്കണം. AI പെർഫോമൻസ് അളക്കാൻ ഇൻഡസ്ട്രി TOPS എന്ന മെട്രിക് ഉപയോഗിക്കുന്നു. എന്നാൽ, INT8 അല്ലെങ്കിൽ FP16 പ്രിസിഷൻ പോലുള്ള വ്യത്യസ്ത തരം ഡാറ്റകളെ ചിപ്പ് എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്ന് TOPS കണക്കിലെടുക്കുന്നില്ല. ഉയർന്ന TOPS ഉള്ള ഒരു ചിപ്പിന് അതിന്റെ ആർക്കിടെക്ചർ ഒപ്റ്റിമൈസ് ചെയ്തിട്ടില്ലെങ്കിൽ ചില മോഡലുകൾ കൈകാര്യം ചെയ്യാൻ ബുദ്ധിമുട്ടായേക്കാം. താപനില പരിധികളും പരിഗണിക്കണം. നേർത്ത ലാപ്ടോപ്പിൽ ശക്തമായ NPU ഉണ്ടായേക്കാം, എന്നാൽ ചൂട് പുറന്തള്ളാൻ കഴിഞ്ഞില്ലെങ്കിൽ, കുറച്ച് നേരം കനത്ത ഉപയോഗത്തിന് ശേഷം സിസ്റ്റം വേഗത കുറയ്ക്കും (throttle). ലോക്കൽ സ്റ്റോറേജും മറ്റൊരു ഘടകമാണ്. വലിയ മോഡലുകൾ ലോക്കലായി പ്രവർത്തിപ്പിക്കാൻ മോഡൽ വെയിറ്റുകൾക്ക് മാത്രം ജിഗാബൈറ്റുകൾ സ്ഥലം ആവശ്യമാണ്. ചെറിയ ഹാർഡ് ഡ്രൈവുള്ള ലാപ്ടോപ്പാണ് വാങ്ങുന്നതെങ്കിൽ, പെട്ടെന്ന് തന്നെ സ്ഥലം തീരുന്നത് കാണാം. മാർക്കറ്റിലെ ഗീക്ക് സെക്ഷൻ ഇപ്പോൾ വാഗ്ദാനങ്ങൾ നൽകിയെങ്കിലും സോഫ്റ്റ്‌വെയർ പിന്തുണയില്ലാത്തതിനാൽ പരാജയപ്പെട്ട ഹാർഡ്‌വെയറുകളുടെ ശ്മശാനമാണ്. എല്ലാ ഹാർഡ്‌വെയർ ബ്രാൻഡുകളിലും AI സോഫ്റ്റ്‌വെയർ പോർട്ടബിൾ ആക്കുന്ന ഒരു യൂണിവേഴ്സൽ സ്റ്റാൻഡേർഡിനായി നമ്മൾ ഇനിയും കാത്തിരിക്കുകയാണ്.

ഞങ്ങൾ ഉൾപ്പെടുത്തണമെന്ന് നിങ്ങൾ കരുതുന്ന ഒരു AI സ്റ്റോറിയോ, ടൂളോ, ട്രെൻഡോ, ചോദ്യമോ നിങ്ങളുടെ പക്കലുണ്ടോ? നിങ്ങളുടെ ലേഖന ആശയം ഞങ്ങൾക്ക് അയയ്ക്കുക — അത് കേൾക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു.

ചുരുക്കത്തിൽ, AI PC എന്നത് ഒരു യഥാർത്ഥ ആർക്കിടെക്ചറൽ മാറ്റമാണ്, എന്നാൽ അത് ഇപ്പോൾ ശൈശവാവസ്ഥയിലാണ്. മിക്ക ആളുകൾക്കും, ഇന്നത്തെ ഗുണങ്ങൾ മെച്ചപ്പെട്ട വീഡിയോ കോളുകളിലും കുറച്ചുകൂടി വേഗത്തിലുള്ള ഫോട്ടോ എഡിറ്റിംഗിലും മാത്രമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. വരും വർഷങ്ങളിൽ ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾ യൂസർ ഇന്റർഫേസിന്റെ എല്ലാ ഭാഗങ്ങളിലും ലോക്കൽ ഇൻഫറൻസ് സംയോജിപ്പിക്കുമ്പോൾ യഥാർത്ഥ മൂല്യം പുറത്തുവരും. ഒരു NPU സ്റ്റിക്കറിന് വേണ്ടി മാത്രം പ്രവർത്തിക്കുന്ന ലാപ്ടോപ്പ് മാറ്റാൻ തിരക്ക് കൂട്ടേണ്ടതില്ല. എന്നാൽ, നിങ്ങൾ അപ്‌ഗ്രേഡ് ചെയ്യുമ്പോൾ, ഒരു ഡെഡിക്കേറ്റഡ് AI ചിപ്പിന്റെ സാന്നിധ്യം നല്ലൊരു അനുഭവത്തിന് അനിവാര്യമായിരിക്കും. ദൈനംദിന ജോലികൾക്കായി ഇൻഡസ്ട്രി ക്ലൗഡിൽ നിന്ന് മാറുകയാണ്. ഇത് കൂടുതൽ പ്രൈവറ്റും, കാര്യക്ഷമവും, ഇന്റർനെറ്റ് കണക്ഷൻ ഇല്ലാതെ സങ്കീർണ്ണമായ ജോലികൾ ചെയ്യാൻ കഴിയുന്നതുമായ ലാപ്ടോപ്പുകളിലേക്ക് നയിക്കും. പേഴ്സണൽ കമ്പ്യൂട്ടർ എന്നത് സ്വയം പര്യാപ്തമായ ഒരു പവർഹൗസ് എന്ന ആശയത്തിലേക്കുള്ള തിരിച്ചുവരവാണിത്. മാർക്കറ്റിംഗ് വളരെ ഉച്ചത്തിലായിരിക്കാം, പക്ഷേ അടിസ്ഥാന സാങ്കേതികവിദ്യ അടുത്ത ദശകത്തിലെ കമ്പ്യൂട്ടിംഗിന് ആവശ്യമായ ഒരു ചുവടുവെപ്പാണ്.

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.