AI कोल्ड वॉर अधिक तीव्र झाले तर काय होईल?
आर्टिफिशियल इंटेलिजन्सच्या (AI) वर्चस्वासाठी सुरू असलेली जागतिक स्पर्धा आता अल्गोरिदमच्या लढाईतून भौतिक संसाधनांच्या युद्धाकडे वळत आहे. अनेकांना वाटते की या शर्यतीत तोच देश जिंकेल ज्याच्याकडे सर्वात हुशार सॉफ्टवेअर इंजिनिअर्स किंवा सर्वोत्तम कोड असेल. पण हा सध्याच्या परिस्थितीचा मोठा गैरसमज आहे. खरा विजेता तोच ठरेल जो जास्तीत जास्त हाय-एंड सेमीकंडक्टर्स आणि ते चालवण्यासाठी लागणारी प्रचंड वीज मिळवू शकेल. आपण आता खुल्या शैक्षणिक सहकार्याच्या जगातून तंत्रज्ञानाच्या संरक्षणात्मक युगात प्रवेश करत आहोत. हे बदल घडले कारण सरकारांना समजले की लार्ज लँग्वेज मॉडेल्स हेच **राष्ट्रीय संरक्षण आणि आर्थिक उत्पादकतेचा** नवा पाया आहेत. जर अमेरिका आणि चीनमधील तणाव असाच वाढत राहिला, तर जागतिक टेक इंडस्ट्री दोन वेगळ्या आणि एकमेकांशी विसंगत इकोसिस्टममध्ये विभागली जाईल. ही काही दूरची शक्यता नाही, तर ही प्रक्रिया आधीच वेगाने सुरू आहे. कंपन्यांना आता आपला डेटा कुठे ठेवायचा आणि कोणते हार्डवेअर खरेदी करायचे, हे ठरवताना एका बाजूची निवड करण्यास भाग पाडले जात आहे. युनिफाइड, जागतिक इंटरनेटचा काळ आता संपत आला आहे.
चॅटबॉट हायपच्या पलीकडे
या विषयावर नवीन असलेल्या लोकांचा एक सामान्य प्रश्न असतो की, सध्या कोण जिंकत आहे? याचे उत्तर देणे कठीण आहे कारण दोन्ही मुख्य खेळाडू वेगवेगळे खेळ खेळत आहेत. अमेरिका सध्या मूलभूत संशोधन आणि मॉडेलच्या कामगिरीमध्ये आघाडीवर आहे. बहुतेक मोठी आणि सक्षम मॉडेल्स अमेरिकन कंपन्यांनीच तयार केली आहेत. मात्र, चीन या तंत्रज्ञानाच्या जलद अंमलबजावणीमध्ये आणि औद्योगिक उत्पादनात त्यांच्या एकत्रीकरणात पुढे आहे. एक मोठा गैरसमज असा आहे की अमेरिकेच्या हाय-एंड चिप्सवरील निर्यात बंदीमुळे चीनची प्रगती पूर्णपणे थांबली आहे. हे चुकीचे आहे. उलट, या निर्बंधांमुळे चिनी कंपन्या ऑप्टिमायझेशनमध्ये माहीर झाल्या आहेत. त्या कमी शक्तिशाली हार्डवेअरवर मोठी मॉडेल्स ट्रेन करण्याचे नाविन्यपूर्ण मार्ग शोधत आहेत आणि सेमीकंडक्टर्ससाठी स्वतःची देशांतर्गत सप्लाय चेन तयार करत आहेत. यामुळे एक दुभंगलेली बाजारपेठ तयार झाली आहे, जिथे पाश्चात्य कंपन्या ‘स्केल’वर लक्ष केंद्रित करत आहेत, तर पूर्वेकडील कंपन्या ‘कार्यक्षमते’वर.
स्पर्धेचा केंद्रबिंदू अलीकडेच मॉडेल्सना ट्रेन करण्यावरून ती मोठ्या प्रमाणावर चालवण्याकडे वळला आहे. इथेच हार्डवेअरची कमतरता सर्वांसाठी संकट बनली आहे. जर एखाद्या कंपनीला लेटेस्ट Nvidia H100 किंवा B200 चिप्स मिळत नसतील, तर त्यांना समान निकाल मिळवण्यासाठी खूप जास्त वीज वापरावी लागते. ऊर्जेचे दर अस्थिर असलेल्या जगात हे एक मोठे आर्थिक नुकसान आहे. आता स्पर्धा यावर आहे की कोण सर्वात कार्यक्षम डेटा सेंटर्स बांधू शकेल आणि सर्वात विश्वसनीय पॉवर ग्रिड मिळवू शकेल. आता ही केवळ सर्वोत्तम गणिती सूत्रांची लढाई उरलेली नाही. AI चे भौतिक इन्फ्रास्ट्रक्चर आता कोडइतकेच महत्त्वाचे बनले आहे. कॉम्प्युट पॉवर हे मर्यादित संसाधन आहे, हे समजल्यामुळे हा बदल अधिक वेगवान झाला आहे. प्रचंड भांडवली गुंतवणुकीशिवाय ते सहजपणे शेअर किंवा डुप्लिकेट करता येत नाही.
द ग्रेट डिकपलिंग
या घर्षणामुळे जागतिक तंत्रज्ञान सप्लाय चेनची पूर्णपणे पुनर्रचना होत आहे. आपण ‘सॉव्हरिन AI’ चा उदय पाहत आहोत. याचा अर्थ असा की देश आता त्यांच्या महत्त्वाच्या माहितीसाठी परदेशी क्लाउड प्रोव्हाइडर्सवर अवलंबून राहण्यास तयार नाहीत. त्यांना स्वतःचे मॉडेल्स हवे आहेत, जे त्यांच्या स्वतःच्या डेटावर ट्रेन केलेले असतील आणि त्यांच्या सीमेत असलेल्या सर्व्हरवर चालतील. व्यापार विवाद किंवा राजनैतिक संकट काळात अत्यावश्यक सेवांपासून कट होण्याचा धोका त्यांना पत्करायचा नाही. यामुळे जग विभागले जात आहे आणि तांत्रिक मानके प्रदेशानुसार बदलत आहेत. लहान देशांना प्रगत टूल्स मिळवण्यासाठी एका बाजूची निवड करण्यास भाग पाडले जात आहे. हा केवळ सॉफ्टवेअरचा प्रश्न नाही, तर आधुनिक जगाचे घटक तयार करणाऱ्या भौतिक केबल्स आणि कारखान्यांवर नियंत्रणाची ही लढाई आहे.
अनेकांना वाटते की हे स्मार्टफोनसारख्या ग्राहक वस्तूंसाठीचे व्यापार युद्ध आहे. प्रत्यक्षात, ही जागतिक आर्टिफिशियल इंटेलिजन्स ट्रेंड्स आणि ते कसे नियंत्रित केले जावेत, याच्या भविष्यासाठीची लढाई आहे. जर जग विभागले गेले, तर आपण महत्त्वाचे सुरक्षा संशोधन शेअर करण्याची क्षमता गमावू. यामुळे हे तंत्रज्ञान सर्वांसाठी अधिक धोकादायक होईल. जेव्हा संशोधक सीमेपलीकडे एकमेकांशी बोलू शकत नाहीत, तेव्हा ते मूलभूत सुरक्षा मानके किंवा नैतिक मार्गदर्शक तत्त्वांवर सहमत होऊ शकत नाहीत. यामुळे एक अशी शर्यत सुरू होते जिथे सुरक्षिततेपेक्षा वेगाला प्राधान्य दिले जाते. अमेरिकेने काही प्रदेशांसाठी क्लाउड ॲक्सेसवरही निर्बंध घालण्याचे धोरण बदलले आहे, यावरून परिस्थिती किती गंभीर झाली आहे हे दिसून येते. आता ही केवळ हार्डवेअर शिपिंगची गोष्ट नाही, तर कॉम्प्युट करण्याच्या क्षमतेवर नियंत्रण मिळवण्याची गोष्ट आहे. तंत्रज्ञानाच्या इतिहासात नियंत्रणाची ही पातळी अभूतपूर्व आहे.
फ्रिक्शन झोनमधील जीवन
आग्नेय आशियातील एका स्टार्टअपमधील डेव्हलपरच्या दैनंदिन वास्तवाचा विचार करा. गेल्या दशकात, ते त्यांच्या मुख्य लॉजिकसाठी अमेरिकन API आणि मॅन्युफॅक्चरिंग लॉजिस्टिकसाठी चिनी प्रोव्हाइडर वापरत असत. आज, त्यांना नियमांच्या भिंतीचा सामना करावा लागत आहे. अमेरिकन API वापरल्यामुळे त्यांना काही स्थानिक सरकारी अनुदाने किंवा प्रादेशिक भागीदारी मिळणे कठीण होऊ शकते. चिनी हार्डवेअर वापरल्यामुळे त्यांचे उत्पादन अमेरिकन मार्केटमध्ये बॅन होऊ शकते. हेच नवीन टेक डिव्हाइडचे दैनंदिन वास्तव आहे. हे डेव्हलपर्स प्रत्यक्ष कोडिंगपेक्षा कायदेशीर नियमांचे पालन करण्यात जास्त वेळ घालवतात. त्यांना त्यांच्या उत्पादनाच्या दोन वेगवेगळ्या आवृत्त्या सांभाळाव्या लागतात. एक आवृत्ती आंतरराष्ट्रीय ग्राहकांसाठी हाय-एंड वेस्टर्न चिप्सवर चालते. दुसरी आवृत्ती स्थानिक वापरासाठी देशांतर्गत पर्यायांसाठी ऑप्टिमाइझ केलेली असते. यामुळे कामाचा ताण प्रचंड वाढतो आणि नाविन्याचा वेग मंदावतो.
या डेव्हलपरच्या एका सामान्य दिवसात कोड रिपॉझिटरीमध्ये पुश करण्यापूर्वी अपडेटेड एक्सपोर्ट कंट्रोल लिस्ट तपासणे समाविष्ट असते. त्यांना हे सुनिश्चित करावे लागते की त्यांचा ट्रेनिंग डेटा काही भौगोलिक सीमा ओलांडणार नाही. हे घर्षण म्हणजे AI कोल्ड वॉरचे ‘कोलॅटरल डॅमेज’ आहे. हे केवळ Nvidia किंवा Huawei सारख्या महाकाय कंपन्यांबद्दल नाही. हे त्या हजारो लहान कंपन्यांबद्दल आहे ज्या मध्ये अडकल्या आहेत. कंपन्या आता सिंगापूर किंवा दुबईसारख्या तटस्थ झोनमध्ये आपली मुख्यालये हलवत आहेत, हे आपण पाहत आहोत. त्या असा मध्यम मार्ग शोधण्याचा प्रयत्न करत आहेत जो कदाचित जास्त काळ टिकणार नाही. एका बाजूची निवड करण्याचा दबाव सतत वाढत आहे. हे वातावरण अशा मोठ्या कंपन्यांच्या पथ्यावर पडते ज्यांच्याकडे या गुंतागुंतीचे व्यवस्थापन करण्यासाठी कायदेशीर टीम्स आहेत. यामुळे लहान टीमसाठी जागतिक प्रेक्षकांपर्यंत पोहोचणारे काहीतरी तयार करणे खूप कठीण झाले आहे.
BotNews.today सामग्री संशोधन, लेखन, संपादन आणि भाषांतरित करण्यासाठी AI साधनांचा वापर करते. माहिती उपयुक्त, स्पष्ट आणि विश्वसनीय ठेवण्यासाठी आमची टीम प्रक्रियेचे पुनरावलोकन आणि पर्यवेक्षण करते.
याचा परिणाम ग्राहक स्तरावरही होत आहे. वेगवेगळ्या प्रदेशातील वापरकर्ते एकाच टूल्सच्या वेगवेगळ्या आवृत्त्या पाहत आहेत. एका देशात उपलब्ध असलेले मॉडेल दुसऱ्या देशातील त्याच मॉडेलपेक्षा वेगळे असू शकते किंवा त्यावर कडक मर्यादा असू शकतात. यामुळे ‘स्प्लिंटरनेट ऑफ इंटेलिजन्स’ तयार होत आहे. सुरुवातीच्या वेबचा अखंड अनुभव आता प्रादेशिक नियम आणि तांत्रिक अडथळ्यांच्या पॅचवर्कने बदलला जात आहे. हे केवळ सेन्सॉरशिपबद्दल नाही, तर आपण विचार करण्यासाठी आणि काम करण्यासाठी वापरत असलेल्या टूल्सच्या मूलभूत आर्किटेक्चरबद्दल आहे. मध्य पूर्व आणि युरोपसारख्या प्रदेशांत विकसित केले जाणारे लोकलाइज्ड LLMs हे या युक्तिवादाला वास्तववादी बनवतात. हे मॉडेल्स दोन मुख्य पॉवर ब्लॉक्सपासून स्वतंत्र राहून स्थानिक मूल्ये आणि भाषांचे प्रतिबिंब उमटवण्यासाठी डिझाइन केलेले आहेत.
जिंकण्याची किंमत
या स्पर्धेच्या छुप्या किमतीबद्दल आपण कठीण प्रश्न विचारले पाहिजेत. जर आपण राष्ट्रीय सुरक्षेला सर्वोपरि मानले, तर आपण ज्या नाविन्याचे रक्षण करण्याचा प्रयत्न करत आहोत, त्याचाच बळी देत आहोत का? या प्रचंड GPU क्लस्टर्ससाठी लागणारी ऊर्जा खूप जास्त आहे. काही अंदाजानुसार, एक सिंगल लार्ज ट्रेनिंग रन एका लहान शहराइतकी वीज वापरते. याची किंमत कोण मोजते? सरकारी अनुदानातून करदाते? की वाढीव किमतींमधून ग्राहक? दुसरा प्रश्न गोपनीयता आणि प्रगतीमधील तडजोडीचा आहे. सर्वात शक्तिशाली मॉडेल्स बनवण्याच्या शर्यतीत, सरकारे मशीनला फीड करण्यासाठी डेटा संरक्षण कायदे दुर्लक्षित करतील का? डेटाची गरज वाढल्यामुळे आपण कधीही न पाहिलेल्या स्तरावर राज्य-प्रायोजित पाळत ठेवण्याचा धोका निर्माण होऊ शकतो.
सध्याच्या हार्डवेअरच्या मर्यादा हा देखील एक मोठा घटक आहे. सिलिकॉन वेफरवर आपण ट्रान्झिस्टर्स किती लहान करू शकतो, याच्या भौतिक मर्यादांपर्यंत आपण पोहोचलो आहोत. जर आपण यातून नाविन्यपूर्ण मार्ग शोधू शकलो नाही, तर AI शर्यत ही सिलिकॉनचा सर्वात मोठा ढीग कोण बनवू शकेल, याचे युद्ध बनेल. हे ग्रहासाठी शाश्वत नाही. Reuters कडून डेटा सेंटर्स थंड करण्यासाठी लागणाऱ्या प्रचंड पाणी वापराच्या अहवालांची माहिती मिळत आहे. तसेच The New York Times ने तैवानमधील चिप मॅन्युफॅक्चरिंगभोवतीच्या भू-राजकीय तणावावर रिपोर्ट दिला आहे. या केवळ टेक स्टोरीज नाहीत. ही पर्यावरणीय आणि राजकीय संकटे आहेत. थोडे वेगवान AI मिळवण्याचे फायदे आपल्या सामायिक संसाधनांच्या संभाव्य विनाशाच्या किमतीत आहेत का, हे आपण विचारले पाहिजे. इथे महत्त्वाचा प्रश्न असा आहे की, आर्टिफिशियल इंटेलिजन्सचा ध्यास आपल्या भौतिक जगाला अधिक नाजूक बनवत आहे का?
तुम्ही आम्हाला कव्हर करावे असे तुम्हाला वाटणारी AI कथा, साधन, ट्रेंड किंवा प्रश्न आहे का? तुमची लेखाची कल्पना आम्हाला पाठवा — आम्हाला ती ऐकायला आवडेल.
लोकल कॉम्प्युटची पडद्यामागची गोष्ट
पॉवर युजर्स आणि डेव्हलपर्ससाठी, खरी गोष्ट वर्कफ्लोमध्ये आहे. आपण सेंट्रलाइज्ड API कडून लोकल इन्फरन्सकडे मोठा बदल पाहत आहोत. हे खर्च आणि बाह्य सेवांपासून कट होण्याच्या भीतीमुळे घडत आहे. हाय-एंड युजर्स ग्राहक-ग्रेड हार्डवेअरवर मोठी मॉडेल्स चालवण्यासाठी ‘क्वांटायझेशन’ तंत्राचा विचार करत आहेत. ते मर्यादित VRAM मधून कामगिरी मिळवण्यासाठी टूल्स वापरत आहेत. मोठ्या प्रोव्हाइडर्सनी लादलेल्या API मर्यादा ऑटोमेटेड वर्कफ्लोसाठी मोठा अडथळा बनत आहेत. एका डेव्हलपरला टॉप टियर मॉडेलवर प्रति मिनिट १०० विनंत्यांची मर्यादा असू शकते. हे प्रोडक्शन वातावरणासाठी पुरेसे नाही. हे सोडवण्यासाठी, ते हायब्रिड सिस्टम्स बनवत आहेत ज्या जटिल तर्कासाठी मोठ्या क्लाउड मॉडेलचा आणि नियमित कामांसाठी लहान, लोकल मॉडेलचा वापर करतात.
- क्वांटायझेशनमुळे मॉडेल्सच्या ४-बिट किंवा ८-बिट आवृत्त्या स्टँडर्ड GPUs वर चालू शकतात.
- क्लाउड प्रोव्हाइडर्सकडून होणारे उच्च इग्रेस शुल्क टाळण्यासाठी ट्रेनिंग डेटाचे लोकल स्टोरेज अनिवार्य होत आहे.
- एज AI लॅटन्सी कमी करण्यासाठी आणि डेटा प्रायव्हसी सुधारण्यासाठी प्रोसेसिंग डिव्हाइसवर हलवत आहे.
यासाठी हार्डवेअर आर्किटेक्चरचे सखोल ज्ञान आवश्यक आहे. तुम्ही आता फक्त API कॉल करून ते मोठ्या प्रमाणावर काम करेल अशी अपेक्षा करू शकत नाही. तुम्हाला तुमच्या लोकल मशीनची मेमरी बँडविड्थ आणि नेटवर्कची लॅटन्सी समजून घ्यावी लागेल. वापरकर्ते आता ओपन सोर्स मॉडेल्सकडे वळत आहेत जे खाजगी सर्व्हरवर होस्ट केले जाऊ शकतात. हे प्रोप्रायटरी API देऊ शकत नाहीत अशी नियंत्रणाची पातळी प्रदान करते. MIT Technology Review च्या संशोधनानुसार, लोकल कॉम्प्युटकडे होणारा बदल हा उद्योगातील सर्वात महत्त्वाच्या ट्रेंड्सपैकी एक आहे. हे अधिक कस्टमायझेशन आणि चांगली सुरक्षा प्रदान करते. मात्र, यासाठी अधिक तांत्रिक कौशल्याची गरज आहे. कॅज्युअल युजर आणि पॉवर युजरमधील दरी वाढत आहे. पॉवर युजर आता एक सिस्टम आर्किटेक्ट बनत आहे जो लोकल आणि क्लाउड संसाधनांचे जटिल जाळे व्यवस्थापित करतो.
खुला प्रश्न
थोडक्यात सांगायचे तर, AI कोल्ड वॉर ही आता केवळ सैद्धांतिक चर्चा उरलेली नाही. हे एक भौतिक वास्तव आहे जे जागतिक अर्थव्यवस्थेला पुन्हा आकार देत आहे. खुल्या सहकार्याकडून गुप्ततेकडे होणारे संक्रमण जवळजवळ पूर्ण झाले आहे. आपण अशा जगात आहोत जिथे तंत्रज्ञान हे राज्यशास्त्राचे मुख्य शस्त्र आहे. सर्वात महत्त्वाचा प्रश्न अनुत्तरित आहे. आपण मूलभूतपणे विभागलेल्या जगात सुरक्षित आणि फायदेशीर AI विकसित करू शकतो का? जर दोन्ही बाजू मूलभूत नियमांवर सहमत होऊ शकत नाहीत, तर आपण अशा शर्यतीत असू शकतो जिथे कोणीही जिंकू शकत नाही. विरोधाभास स्पष्ट आहेत. आपल्याला जागतिक टेक इकोसिस्टमचे फायदे हवे आहेत, पण आपण परस्परावलंबनाचे धोके स्वीकारण्यास तयार नाही. हा तणाव पुढील दशक ठरवेल. आपण या काळाकडे वळणबिंदू म्हणून पाहतो की नाही, पण निकाल असा आहे की आपण लिहिलेला कोड आपण काढलेल्या सीमांपासून वेगळा करता येणार नाही.
संपादकाची नोंद: आम्ही ही साइट बहुभाषिक AI बातम्या आणि मार्गदर्शिका केंद्र म्हणून अशा लोकांसाठी तयार केली आहे जे संगणक तज्ञ नाहीत, परंतु तरीही कृत्रिम बुद्धिमत्ता समजून घेऊ इच्छितात, अधिक आत्मविश्वासाने तिचा वापर करू इच्छितात आणि आधीच येत असलेल्या भविष्याचा मागोवा घेऊ इच्छितात.
काही चूक आढळली किंवा काही दुरुस्त करायचे आहे का? आम्हाला कळवा.
