OpenAI, Google, Meta ਅਤੇ Nvidia: ਕੌਣ ਕਿਸ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦਾ ਹੈ?

ਆਧੁਨਿਕ ਡਿਜੀਟਲ ਤਾਕਤ ਦਾ ਢਾਂਚਾ

ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰ ਵਿੱਚ ਤਾਕਤ ਦਾ ਸੰਤੁਲਨ ਹੁਣ ਕੁਝ ਕੁ ਅਜਿਹੇ ਅਦਾਰਿਆਂ ਕੋਲ ਚਲਾ ਗਿਆ ਹੈ ਜੋ ਡਿਜੀਟਲ ਉਤਪਾਦਨ ਦੇ ਸਾਧਨਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ। OpenAI, Google, Meta ਅਤੇ Nvidia ਇੱਕ ਨਵੇਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਚਾਰ ਕੋਨੇ ਹਨ। ਉਹ ਸਿਰਫ਼ ਟੂਲ ਹੀ ਨਹੀਂ ਬਣਾਉਂਦੇ, ਸਗੋਂ ਇਹ ਵੀ ਤੈਅ ਕਰਦੇ ਹਨ ਕਿ ਸਾਫਟਵੇਅਰ ਕੀ ਕੁਝ ਕਰ ਸਕਦਾ ਹੈ। ਜਿੱਥੇ OpenAI ਕੋਲ ChatGPT ਦੀ ਬ੍ਰਾਂਡ ਪਛਾਣ ਹੈ, ਉੱਥੇ Google ਕੋਲ ਅਰਬਾਂ Android ਡਿਵਾਈਸਾਂ ਅਤੇ Workspace ਅਕਾਊਂਟਸ ਰਾਹੀਂ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਦੀ ਤਾਕਤ ਹੈ। Meta ਨੇ ਇੱਕ ਵੱਖਰਾ ਰਸਤਾ ਚੁਣਿਆ ਹੈ, ਉਹ ਓਪਨ ਵੇਟਸ (open weights) ਪ੍ਰਦਾਨ ਕਰ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਦੂਜੇ ਲੋਕ ਬਿਨਾਂ ਕਿਸੇ ਇਜਾਜ਼ਤ ਦੇ ਕੁਝ ਵੀ ਬਣਾ ਸਕਣ। ਇਹਨਾਂ ਸਾਰਿਆਂ ਦੇ ਹੇਠਾਂ Nvidia ਬੈਠਾ ਹੈ। ਉਹ ਉਹ ਸਿਲੀਕਾਨ ਅਤੇ ਨੈੱਟਵਰਕਿੰਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜੋ ਆਧੁਨਿਕ ਕੰਪਿਊਟਿੰਗ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੇ ਹਨ। ਇਹ ਸਿਰਫ਼ ਐਪਸ ਵਿਚਕਾਰ ਮੁਕਾਬਲਾ ਨਹੀਂ ਹੈ, ਇਹ ਇੰਟਰਨੈੱਟ ਦੇ ਅਗਲੇ ਦਹਾਕੇ ਦੀ ਨੀਂਹ ਲਈ ਇੱਕ ਸੰਘਰਸ਼ ਹੈ। ਖਪਤਕਾਰਾਂ ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਦੀ ਮੰਗ ਵਿਚਕਾਰ ਤਣਾਅ ਇੱਕ ਪਾੜਾ ਪੈਦਾ ਕਰ ਰਿਹਾ ਹੈ। ਕੰਪਨੀਆਂ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਪਵੇਗਾ ਕਿ ਉਹ ਆਪਣੇ ਸਿਸਟਮ ਬਣਾਉਣ ਜਾਂ ਕਿਸੇ ਵੱਡੇ ਪ੍ਰੋਵਾਈਡਰ ਤੋਂ ਇੰਟੈਲੀਜੈਂਸ ਕਿਰਾਏ ‘ਤੇ ਲੈਣ। ਇਹ ਚੋਣ ਤੈਅ ਕਰੇਗੀ ਕਿ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਬਦਲਾਅ ਦਾ ਫਾਇਦਾ ਕੌਣ ਉਠਾਏਗਾ। 2026 ਦੇ ਅੰਤ ਤੱਕ, ਜੇਤੂ ਉਹੀ ਹੋਣਗੇ ਜੋ ਡਾਟਾ ਅਤੇ ਊਰਜਾ ਦੀਆਂ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਪਾਈਪਲਾਈਨਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨਗੇ।

ਨਵੀਂ ਆਰਥਿਕਤਾ ਦੇ ਚਾਰ ਥੰਮ੍ਹ

ਮੌਜੂਦਾ ਮਾਰਕੀਟ ਨੂੰ ਸਮਝਣ ਲਈ ਇਹ ਦੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਇਹ ਚਾਰ ਕੰਪਨੀਆਂ ਕਿਵੇਂ ਆਪਸ ਵਿੱਚ ਜੁੜੀਆਂ ਹਨ ਅਤੇ ਟਕਰਾਉਂਦੀਆਂ ਹਨ। Nvidia ਭੌਤਿਕ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਉਹਨਾਂ ਦੇ H100 ਅਤੇ B200 ਪ੍ਰੋਸੈਸਰ ਤੇਜ਼ੀ ਨਾਲ ਵੱਡੇ ਪੱਧਰ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਇਕਲੌਤਾ ਵਿਕਲਪ ਹਨ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਹਰ ਦੂਜੀ ਕੰਪਨੀ ਇੱਕ ਸਿੰਗਲ ਹਾਰਡਵੇਅਰ ਵੈਂਡਰ ‘ਤੇ ਨਿਰਭਰ ਹੈ। Google ਆਪਣੀ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਵਿਸ਼ਾਲ ਪਹੁੰਚ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਨਵੇਂ ਯੂਜ਼ਰਸ ਲੱਭਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਉਹਨਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਸਰਚ ਬਾਰ, ਈਮੇਲ ਇਨਬਾਕਸ ਅਤੇ ਮੋਬਾਈਲ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਹੈ। ਉਹਨਾਂ ਦੀ ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਉਹ ਆਪਣੀ ਵਿਗਿਆਪਨ ਆਮਦਨ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਏ ਬਿਨਾਂ ਜਨਰੇਟਿਵ ਫੀਚਰਸ ਨੂੰ ਕਿਵੇਂ ਜੋੜਨ। ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਸਰਚ ਸਾਮਰਾਜ ਨੂੰ ਬਚਾਉਣਾ ਪਵੇਗਾ ਜਦੋਂ ਕਿ AI-ਪਹਿਲੇ ਅਨੁਭਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ ਹੋਵੇਗਾ ਜੋ ਸ਼ਾਇਦ ਕਿਸੇ ਸਪਾਂਸਰਡ ਲਿੰਕ ‘ਤੇ ਕਲਿੱਕ ਕੀਤੇ ਬਿਨਾਂ ਹੀ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਦੇਣ।

OpenAI ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਰਿਸਰਚ ਲੈਬਾਰਟਰੀ ਅਤੇ ਕੰਜ਼ਿਊਮਰ ਫਰੰਟ ਐਂਡ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਉਹ ਇੱਕ ਗੈਰ-ਲਾਭਕਾਰੀ ਖੋਜ ਸਮੂਹ ਤੋਂ Microsoft ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਪਾਰਟਨਰ ਬਣ ਗਏ ਹਨ। ਉਹਨਾਂ ਦਾ API ਈਕੋਸਿਸਟਮ ਉਹਨਾਂ ਡਿਵੈਲਪਰਾਂ ਲਈ ਮਿਆਰੀ ਹੈ ਜੋ ਆਪਣੇ ਸਰਵਰਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕੀਤੇ ਬਿਨਾਂ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਚਾਹੁੰਦੇ ਹਨ। Meta ਇਸ ਕੇਂਦਰੀਕਰਨ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਸੰਤੁਲਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। Llama ਸੀਰੀਜ਼ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਰਿਲੀਜ਼ ਕਰਕੇ, ਉਹਨਾਂ ਨੇ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਹੈ ਕਿ ਕੋਈ ਇੱਕ ਕੰਪਨੀ ਇਸ ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਗੇਟਕੀਪ ਨਾ ਕਰ ਸਕੇ। ਇਹ ਰਣਨੀਤੀ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨੂੰ ਆਪਣੀਆਂ ਕੀਮਤਾਂ ਘਟਾਉਣ ਅਤੇ ਨਵੀਨਤਾ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ। Meta ਓਪਨ ਸੋਰਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੇ ਵਿਰੋਧੀ ਸਾਫਟਵੇਅਰ ਲੇਅਰ ‘ਤੇ ਜ਼ਿਆਦਾ ਕਿਰਾਇਆ ਨਾ ਵਸੂਲ ਸਕਣ। ਇਹ ਚਾਰ-ਪੱਖੀ ਸੰਘਰਸ਼ ਇੱਕ ਗੁੰਝਲਦਾਰ ਵਾਤਾਵਰਣ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਹਾਰਡਵੇਅਰ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਖੋਜ ਅਤੇ ਓਪਨ ਐਕਸੈਸ ਲਗਾਤਾਰ ਤਣਾਅ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ।

• Nvidia ਜ਼ਰੂਰੀ ਹਾਰਡਵੇਅਰ ਅਤੇ ਨੈੱਟਵਰਕਿੰਗ ਸਟੈਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
• Google ਸਰਚ ਅਤੇ Workspace ਵਿੱਚ ਆਪਣੇ ਵਿਸ਼ਾਲ ਯੂਜ਼ਰ ਬੇਸ ਦਾ ਲਾਭ ਉਠਾਉਂਦਾ ਹੈ।
• OpenAI ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਬ੍ਰਾਂਡ ਵਫ਼ਾਦਾਰੀ ਲਈ ਗਤੀ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।
• Meta ਡਿਵੈਲਪਰਾਂ ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਮਾਡਲ ਵੇਟਸ ਤੱਕ ਓਪਨ ਐਕਸੈਸ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ।

ਗਲੋਬਲ ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਵਿੱਚ ਬਦਲਾਅ

ਤਾਕਤ ਦੇ ਇਸ ਕੇਂਦਰੀਕਰਨ ਦਾ ਪ੍ਰਭਾਵ ਸਿਲੀਕਾਨ ਵੈਲੀ ਦੀਆਂ ਸਰਹੱਦਾਂ ਤੋਂ ਬਹੁਤ ਦੂਰ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਸਰਕਾਰਾਂ ਅਤੇ ਉਦਯੋਗ ਹੁਣ ਇਹਨਾਂ ਖਾਸ ਪਲੇਟਫਾਰਮਾਂ ਨਾਲ ਜੁੜਨ ਲਈ ਮਜਬੂਰ ਹਨ। ਜਦੋਂ ਕੋਈ ਦੇਸ਼ ਰਾਸ਼ਟਰੀ AI ਰਣਨੀਤੀ ਬਣਾਉਣ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ Nvidia ਹਾਰਡਵੇਅਰ ਅਤੇ Google Cloud ਇੰਸਟੈਂਸ ਵਿਚਕਾਰ ਚੋਣ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹਨ। ਇਹ ਤਕਨੀਕੀ ਨਿਰਭਰਤਾ ਦਾ ਇੱਕ ਨਵਾਂ ਰੂਪ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਛੋਟੇ ਅਤੇ ਦਰਮਿਆਨੇ ਉਦਯੋਗ ਦੇਖ ਰਹੇ ਹਨ ਕਿ ਉਹ ਆਪਣੇ ਮਾਡਲ ਬਣਾ ਕੇ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਨੂੰ OpenAI ਜਾਂ Google ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ API ਨੂੰ ਜੋੜਨ ਵਿੱਚ ਮਾਹਰ ਬਣਨਾ ਪਵੇਗਾ। ਇਹ ਬਦਲਾਅ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਵਾਲਿਆਂ ਤੋਂ ਤਾਕਤ ਪਲੇਟਫਾਰਮਾਂ ਦੇ ਮਾਲਕਾਂ ਕੋਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਇਹ ਦੌਲਤ ਅਤੇ ਪ੍ਰਭਾਵ ਦਾ ਇੱਕ ਅਜਿਹਾ ਇਕੱਠ ਹੈ ਜੋ ਤੇਲ ਜਾਂ ਰੇਲ ਉਦਯੋਗ ਦੇ ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਦੇ ਮੁਕਾਬਲੇ ਦਾ ਹੈ।

ਗਲੋਬਲ ਲੇਬਰ ਮਾਰਕੀਟ ਵੀ ਇਹਨਾਂ ਬਦਲਾਅ ‘ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਰਹੀ ਹੈ। ਵਿਸ਼ੇਸ਼ ਪ੍ਰਤਿਭਾ ਦੀ ਮੰਗ ਉਹਨਾਂ ਕੁਝ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਕੇਂਦਰਿਤ ਹੈ ਜਿੱਥੇ ਇਹ ਕੰਪਨੀਆਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਦੂਜੇ ਸੈਕਟਰਾਂ ਅਤੇ ਖੇਤਰਾਂ ਤੋਂ ਦਿਮਾਗੀ ਨਿਕਾਸੀ (brain drain) ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੰਪਿਊਟ ਦੀ ਲਾਗਤ ਵਿਕਾਸਸ਼ੀਲ ਦੇਸ਼ਾਂ ਵਿੱਚ ਸਟਾਰਟਅੱਪਸ ਲਈ ਦਾਖਲੇ ਵਿੱਚ ਰੁਕਾਵਟ ਬਣ ਰਹੀ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਨਵੀਨਤਮ Nvidia ਉਪਕਰਣ ਨਹੀਂ ਖਰੀਦ ਸਕਦੇ, ਤਾਂ ਤੁਸੀਂ ਅਜਿਹਾ ਮਾਡਲ ਟ੍ਰੇਨ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜੋ ਗਲੋਬਲ ਪੱਧਰ ‘ਤੇ ਮੁਕਾਬਲਾ ਕਰ ਸਕੇ। ਇਹ ਮੌਜੂਦਾ ਹਾਈਪਰਸਕੇਲਰਾਂ ਦੀ ਤਾਕਤ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। ਦੁਨੀਆ ਇੱਕ ਅਜਿਹੇ ਬਦਲਾਅ ਨੂੰ ਦੇਖ ਰਹੀ ਹੈ ਜਿੱਥੇ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਊਰਜਾ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜਿੰਨੀ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਹਨਾਂ ਸਿਸਟਮਾਂ ‘ਤੇ ਕੰਟਰੋਲ ਦਾ ਮਤਲਬ ਹੈ ਆਰਥਿਕ ਵਿਕਾਸ ਦੇ ਭਵਿੱਖ ‘ਤੇ ਕੰਟਰੋਲ। 2026 ਵਿੱਚ, ਅਸੀਂ ਹੋਰ ਦੇਸ਼ਾਂ ਨੂੰ ਇਸ ਨਿੱਜੀ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਤੋਂ ਬਚਣ ਲਈ ਆਪਣੇ ਖੁਦ ਦੇ ਕੰਪਿਊਟ ਕਲੱਸਟਰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ ਦੇਖਾਂਗੇ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਇੱਕ ਸਿੰਥੈਟਿਕ ਵਰਕਫਲੋ ਵਿੱਚ ਚੌਵੀ ਘੰਟੇ

ਇਹ ਤਾਕਤ ਕਿਵੇਂ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ, ਇਹ ਦੇਖਣ ਲਈ ਇੱਕ ਮੱਧ-ਆਕਾਰ ਦੀ ਫਰਮ ਵਿੱਚ ਮਾਰਕੀਟਿੰਗ ਡਾਇਰੈਕਟਰ ਦੇ ਦਿਨ ‘ਤੇ ਗੌਰ ਕਰੋ। ਉਹ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ Google Workspace ਖੋਲ੍ਹ ਕੇ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਉਹ ਇੱਕ ਰਣਨੀਤੀ ਮੀਮੋ ਤਿਆਰ ਕਰਦੀ ਹੈ, ਤਾਂ Gemini ਪਿਛਲੇ ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਪੂਰੇ ਪੈਰੇ ਸੁਝਾਉਂਦਾ ਹੈ। Google ਆਪਣੀ ਡਿਫੌਲਟ ਪਲੇਸਮੈਂਟ ਦੀ ਵਰਤੋਂ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਕਦੇ ਵੀ ਕਿਸੇ ਵੱਖਰੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਨਾ ਸੋਚੇ। ਬਾਅਦ ਵਿੱਚ, ਉਸਨੂੰ ਇੱਕ ਮੁਹਿੰਮ ਲਈ ਤਸਵੀਰਾਂ ਦੀ ਇੱਕ ਲੜੀ ਤਿਆਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਹ OpenAI API ‘ਤੇ ਬਣੇ ਇੱਕ ਕਸਟਮ ਟੂਲ ਵੱਲ ਮੁੜਦੀ ਹੈ। ਕੰਪਨੀ ਇਸ ਐਕਸੈਸ ਲਈ OpenAI ਨੂੰ ਮਾਸਿਕ ਫੀਸ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਸਟਾਰਟਅੱਪ ਉਸਦੀ ਰਚਨਾਤਮਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਇੱਕ ਚੁੱਪ ਭਾਈਵਾਲ ਬਣ ਜਾਂਦਾ ਹੈ। ਉਸਦਾ IT ਵਿਭਾਗ Nvidia ਚਿਪਸ ‘ਤੇ ਚੱਲਣ ਵਾਲੇ ਇੱਕ ਪ੍ਰਾਈਵੇਟ ਕਲਾਉਡ ਇੰਸਟੈਂਸ ਰਾਹੀਂ ਡਾਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ। ਉਸ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਹਰ ਕਾਰਵਾਈ ਚਾਰ ਦਿੱਗਜਾਂ ਵਿੱਚੋਂ ਘੱਟੋ-ਘੱਟ ਦੋ ਲਈ ਮਾਲੀਆ ਪੈਦਾ ਕਰਦੀ ਹੈ।

ਦੁਪਹਿਰ ਤੱਕ, ਉਸਦੀ ਟੀਮ ਇੱਕ ਨਵੇਂ ਕਸਟਮਰ ਸਰਵਿਸ ਬੋਟ ਨੂੰ ਡੀਬੱਗ ਕਰ ਰਹੀ ਹੈ। ਉਹ ਲਾਗਤਾਂ ਨੂੰ ਘੱਟ ਰੱਖਣ ਅਤੇ ਗੋਪਨੀਯਤਾ ਬਣਾਈ ਰੱਖਣ ਲਈ ਇੱਕ ਲੋਕਲ ਸਰਵਰ ‘ਤੇ ਚੱਲ ਰਹੇ Meta Llama 3 ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ। ਇਹ Meta ਦੀ ਰਣਨੀਤੀ ਹੈ। ਇਹ ਇੱਕ ਮੁਫਤ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਟੀਮ ਨੂੰ Meta ਦੇ ਟੂਲਸ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਰੱਖਦਾ ਹੈ। ਦੁਪਹਿਰ ਨੂੰ, ਉਹ ਇੱਕ ਵੀਡੀਓ ਕਾਲ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਰੀਅਲ-ਟਾਈਮ ਅਨੁਵਾਦ Nvidia ਹਾਰਡਵੇਅਰ ‘ਤੇ ਟ੍ਰੇਨ ਕੀਤੇ ਅਤੇ Google ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ ਸਰਵ ਕੀਤੇ ਗਏ ਮਾਡਲ ਦੁਆਰਾ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ। ਇਹਨਾਂ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦਾ ਨਿਰਵਿਘਨ ਸੁਭਾਅ ਉਹਨਾਂ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਵਿਸ਼ਾਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਲੁਕਾਉਂਦਾ ਹੈ।

ਹਰ ਈਮੇਲ, ਹਰ ਚਿੱਤਰ, ਅਤੇ ਕੋਡ ਦੀ ਹਰ ਲਾਈਨ ਇੱਕ ਡਾਟਾ ਪੁਆਇੰਟ ਹੈ ਜੋ ਇਹਨਾਂ ਪ੍ਰੋਵਾਈਡਰਾਂ ਦੇ ਦਬਦਬੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। ਤਣਾਅ ਉਦੋਂ ਸਾਫ਼ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਉਸਨੂੰ ਅਹਿਸਾਸ ਹੁੰਦਾ ਹੈ ਕਿ ਉਸਦੀ ਕੰਪਨੀ ਹੁਣ ਸਿਰਫ਼ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਫਰਮ ਨਹੀਂ ਰਹੀ। ਇਹ ਉਹਨਾਂ ਪਲੇਟਫਾਰਮਾਂ ਲਈ ਇੱਕ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟ ਬਣ ਗਈ ਹੈ ਜਿਨ੍ਹਾਂ ‘ਤੇ ਇਹ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਉਹ ਵਧੇਰੇ ਉਤਪਾਦਕ ਬਣਨ ਲਈ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀ ਹੈ, ਪਰ ਉਹ ਉਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਵੀ ਟ੍ਰੇਨ ਕਰ ਰਹੀ ਹੈ ਜੋ ਅੰਤ ਵਿੱਚ ਉਸਦੇ ਵਿਭਾਗ ਨੂੰ ਆਟੋਮੇਟ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਆਧੁਨਿਕ AI ਯੁੱਗ ਦਾ ਵਿਰੋਧਾਭਾਸ ਹੈ। ਉਹ ਟੂਲ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਮਦਦ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਵਿੱਚ ਵਿਸਥਾਪਨ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਜੋਖਮ ਵੀ ਹੁੰਦਾ ਹੈ। ChatGPT ਅਤੇ Android ਰਾਹੀਂ ਇਹਨਾਂ ਟੂਲਸ ਦੀ ਵੰਡ ਉਹਨਾਂ ਨੂੰ ਅਟੱਲ ਬਣਾਉਂਦੀ ਹੈ। ਪੈਮਾਨਾ ਜਾਂਚ ਲਿਆਉਂਦਾ ਹੈ, ਪਰ ਇਹ ਉਪਯੋਗਤਾ ਦਾ ਇੱਕ ਅਜਿਹਾ ਪੱਧਰ ਵੀ ਲਿਆਉਂਦਾ ਹੈ ਜਿਸਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਬਹੁਤ ਘੱਟ ਲੋਕ ਬਰਦਾਸ਼ਤ ਕਰ ਸਕਦੇ ਹਨ। ਇੱਥੇ ਕਾਰੋਬਾਰੀ ਕਹਾਣੀ ਸਿਰਫ਼ ਬਿਹਤਰ ਸਾਫਟਵੇਅਰ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਮਨੁੱਖੀ ਕੰਮ ਦੇ ਡਿਫੌਲਟਸ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ।

ਕੇਂਦਰੀਕ੍ਰਿਤ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਲੁਕਵੀਂ ਕੀਮਤ

ਇਹਨਾਂ ਪਲੇਟਫਾਰਮਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣਾ ਕੇਂਦਰੀਕ੍ਰਿਤ ਇੰਟੈਲੀਜੈਂਸ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰਦਾ ਹੈ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ Nvidia ਵਰਗੀ ਇੱਕ ਕੰਪਨੀ ਹਾਰਡਵੇਅਰ ਮਾਰਕੀਟ ਦੇ ਨੱਬੇ ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੀ ਹੈ? ਕੀ ਮੁਕਾਬਲੇ ਦੀ ਇਹ ਘਾਟ ਵਧੇਰੇ ਕੁਸ਼ਲ ਜਾਂ ਵਿਭਿੰਨ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵਿਕਾਸ ਨੂੰ ਹੌਲੀ ਕਰਦੀ ਹੈ? ਸਾਨੂੰ ਵਾਤਾਵਰਣ ਦੀ ਲਾਗਤ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਹਨਾਂ ਵਿਸ਼ਾਲ ਡਾਟਾ ਸੈਂਟਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਹੈਰਾਨੀਜਨਕ ਹੈ। ਰੋਜ਼ਾਨਾ ਅਰਬਾਂ AI ਸਵਾਲਾਂ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਲਈ ਕੌਣ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ? ਗੋਪਨੀਯਤਾ ਇੱਕ ਹੋਰ ਵੱਡੀ ਚਿੰਤਾ ਹੈ। ਜਦੋਂ ਅਸੀਂ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਆਪਣੇ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮ ਵਿੱਚ ਜੋੜਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਆਪਣੇ ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਕਾਰੋਬਾਰੀ ਤਰਕ ਨੂੰ ਭਵਿੱਖ ਦੇ ਟ੍ਰੇਨਿੰਗ ਸੈੱਟਾਂ ਵਿੱਚ ਪਾ ਰਹੇ ਹੁੰਦੇ ਹਾਂ। ਕੀ ਅਸੀਂ ਕਦੇ ਸੱਚਮੁੱਚ ਬਾਹਰ ਨਿਕਲ ਸਕਦੇ ਹਾਂ ਜਦੋਂ ਟੈਕਨਾਲੋਜੀ ਸਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਹਰ ਟੂਲ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਜਾਂਦੀ ਹੈ?

ਗਵਰਨੈਂਸ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਇਹ ਕੰਪਨੀਆਂ ਅਜਿਹੇ ਫੈਸਲੇ ਲੈ ਰਹੀਆਂ ਹਨ ਜੋ ਅਰਬਾਂ ਲੋਕਾਂ ਦੀ ਬੋਲੀ ਅਤੇ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਉਹਨਾਂ ਦੇ ਫਿਲਟਰ ਜਾਂ ਪੱਖਪਾਤ ਨੁਕਸਾਨਦੇਹ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦੇ ਹਨ ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਕੌਣ ਜਵਾਬਦੇਹ ਠਹਿਰਾਉਂਦਾ ਹੈ? ਫਲੈਗਸ਼ਿਪ ਮਾਡਲਾਂ ਨੂੰ ਵਿਰੋਧੀਆਂ ਤੋਂ ਅੱਗੇ ਰੱਖਣ ਦਾ ਦਬਾਅ ਅਕਸਰ ਸੁਰੱਖਿਆ ਜਾਂਚ ਵਿੱਚ ਸ਼ਾਰਟਕੱਟ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਟੀਚਾ ਮਾਰਕੀਟ ਵਿੱਚ ਪਹਿਲੇ ਨੰਬਰ ‘ਤੇ ਆਉਣਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵ ਅਕਸਰ ਇੱਕ ਗੌਣ ਚਿੰਤਾ ਹੁੰਦੇ ਹਨ। ਅਸੀਂ ਅਸਲ ਵਿੱਚ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਇੱਕ ਗਲੋਬਲ ਪ੍ਰਯੋਗ ਕਰ ਰਹੇ ਹਾਂ। ਸੁਕਰਾਤ ਦਾ ਤਰੀਕਾ ਸਾਨੂੰ ਚਮਕਦਾਰ ਇੰਟਰਫੇਸਾਂ ਤੋਂ ਪਰੇ ਦੇਖਣ ਅਤੇ ਇਹ ਪੁੱਛਣ ਲਈ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਸ ਪ੍ਰਬੰਧ ਤੋਂ ਸਭ ਤੋਂ ਵੱਧ ਫਾਇਦਾ ਕਿਸਨੂੰ ਹੁੰਦਾ ਹੈ। ਕੀ ਵਧੀ ਹੋਈ ਉਤਪਾਦਕਤਾ ਡਿਜੀਟਲ ਪ੍ਰਭੂਸੱਤਾ ਦੇ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹੈ? ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਵਧੇਰੇ ਆਟੋਨੋਮਸ ਸਿਸਟਮਾਂ ਵੱਲ ਵਧਦੇ ਹਾਂ, ਇਹ ਸਵਾਲ ਹੋਰ ਵੀ ਜ਼ਰੂਰੀ ਹੋ ਜਾਣਗੇ। ਚਾਰ ਕੰਪਨੀਆਂ ਵਿੱਚ ਤਾਕਤ ਦਾ ਇਕੱਠਾ ਹੋਣਾ ਗਲੋਬਲ ਅਰਥਵਿਵਸਥਾ ਲਈ ਅਸਫਲਤਾ ਦਾ ਇੱਕ ਸਿੰਗਲ ਪੁਆਇੰਟ ਬਣਾਉਂਦਾ ਹੈ।

ਤਕਨੀਕੀ ਲੇਅਰ ਲਈ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਇੰਟੀਗ੍ਰੇਸ਼ਨ

ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ, ਫੋਕਸ ਇੰਟਰਫੇਸ ਤੋਂ ਬੁਨਿਆਦੀ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵੱਲ ਬਦਲ ਜਾਂਦਾ ਹੈ। ਮੌਜੂਦਾ ਸਟੇਟ-ਆਫ-ਦੀ-ਆਰਟ ਨੂੰ ਕੰਪਿਊਟ ਲੀਵਰੇਜ ਅਤੇ API ਕੁਸ਼ਲਤਾ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਡਿਵੈਲਪਰ ਤੇਜ਼ੀ ਨਾਲ ਸਧਾਰਨ ਚੈਟ ਇੰਟਰਫੇਸਾਂ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਇਸ ਵਿੱਚ API ਰੇਟ ਲਿਮਿਟਸ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਅਤੇ ਲਾਗਤਾਂ ਨੂੰ ਕਾਬੂ ਵਿੱਚ ਰੱਖਣ ਲਈ ਟੋਕਨ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਸ਼ਾਮਲ ਹੈ। OpenAI ਐਕਸੈਸ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਸਭ ਤੋਂ ਸਮਰੱਥ ਮਾਡਲ ਉੱਚ-ਵਾਲੀਅਮ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਮਹਿੰਗੇ ਰਹਿੰਦੇ ਹਨ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਲੋਕਲ ਸਟੋਰੇਜ ਅਤੇ ਮਾਡਲਾਂ ਦਾ ਲੋਕਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਪ੍ਰਸਿੱਧ ਹੋ ਰਿਹਾ ਹੈ। ਲੋਕਲ ਹਾਰਡਵੇਅਰ ‘ਤੇ Llama ਵਰਗਾ ਮਾਡਲ ਚਲਾਉਣਾ ਬਿਨਾਂ ਕਿਸੇ ਆਵਰਤੀ ਲਾਗਤ ਜਾਂ ਗੋਪਨੀਯਤਾ ਲੀਕ ਦੇ ਅਸੀਮਤ ਇਨਫਰੈਂਸ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਲੋਕਲ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਆਮ ਤੌਰ ‘ਤੇ ਉੱਚ-ਅੰਤ ਦੇ Nvidia ਕੰਜ਼ਿਊਮਰ GPUs ਦੇ ਰੂਪ ਵਿੱਚ।

ਇਹਨਾਂ ਕੰਪਨੀਆਂ ਲਈ ਤਕਨੀਕੀ ਖਾਈ ਸਿਰਫ਼ ਮਾਡਲਾਂ ਤੋਂ ਵੱਧ ‘ਤੇ ਬਣੀ ਹੈ। ਇਹ ਉਹਨਾਂ ਸਾਫਟਵੇਅਰ ਲਾਇਬ੍ਰੇਰੀਆਂ ਅਤੇ ਡਰਾਈਵਰਾਂ ‘ਤੇ ਬਣੀ ਹੈ ਜੋ ਹਾਰਡਵੇਅਰ ਨੂੰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। Nvidia CUDA ਇੱਕ ਸਾਫਟਵੇਅਰ ਖਾਈ ਦੀ ਪ੍ਰਮੁੱਖ ਉਦਾਹਰਣ ਹੈ ਜਿਸਨੂੰ ਪਾਰ ਕਰਨਾ ਲਗਭਗ ਅਸੰਭਵ ਹੈ। ਜ਼ਿਆਦਾਤਰ AI ਖੋਜ ਉਹਨਾਂ ਫਰੇਮਵਰਕ ਵਿੱਚ ਲਿਖੀ ਜਾਂਦੀ ਹੈ ਜੋ CUDA ਲਈ ਅਨੁਕੂਲਿਤ ਹਨ, ਜਿਸ ਨਾਲ AMD ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਲਈ ਪੈਰ ਜਮਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ। Google ਆਪਣੇ TPU ਹਾਰਡਵੇਅਰ ਅਤੇ JAX ਫਰੇਮਵਰਕ ਨਾਲ ਵੀ ਅਜਿਹੀ ਹੀ ਰਣਨੀਤੀ ਵਰਤਦਾ ਹੈ। ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਬਣਾਉਣ ਵਾਲਿਆਂ ਲਈ, ਪਲੇਟਫਾਰਮ ਦੀ ਚੋਣ ਅਕਸਰ ਸਿਰਫ਼ ਮਾਡਲ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਬਜਾਏ ਮੌਜੂਦਾ ਤਕਨੀਕੀ ਸਟੈਕ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। CI/CD ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ AI ਦਾ ਏਕੀਕਰਣ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡਿਵੈਲਪਰਾਂ ਲਈ ਅਗਲੀ ਸਰਹੱਦ ਹੈ। ਉਹ ਉਹਨਾਂ ਹੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਸਟਿੰਗ ਅਤੇ ਡਿਪਲਾਇਮੈਂਟ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭ ਰਹੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਕੰਜ਼ਿਊਮਰ ਉਤਪਾਦਾਂ ਨੂੰ ਪਾਵਰ ਦਿੰਦੇ ਹਨ।

• GPT-4o ਅਤੇ Gemini 1.5 Pro ਵਿਚਕਾਰ API ਸੀਮਾਵਾਂ ਕਾਫ਼ੀ ਵੱਖਰੀਆਂ ਹਨ।
• ਲੋਕਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲਈ ਮੱਧਮ ਆਕਾਰ ਦੇ ਮਾਡਲਾਂ ਲਈ ਘੱਟੋ-ਘੱਟ 24GB VRAM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
• Nvidia CUDA ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਟ੍ਰੇਨਿੰਗ ਲਈ ਉਦਯੋਗ ਦਾ ਮਿਆਰ ਬਣਿਆ ਹੋਇਆ ਹੈ।
• ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਹੁਣ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮਾਡਲ ਮੈਮੋਰੀ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਜ਼ਰੂਰੀ ਹਨ।

ਤਾਕਤ ਦੇ ਸੰਤੁਲਨ ਦਾ ਅੰਤਿਮ ਮੁਲਾਂਕਣ

OpenAI, Google, Meta ਅਤੇ Nvidia ਵਿਚਕਾਰ ਸੰਘਰਸ਼ ਫਿਨਿਸ਼ ਲਾਈਨ ਤੱਕ ਦੀ ਦੌੜ ਨਹੀਂ ਹੈ। ਇਹ ਟੈਕਨਾਲੋਜੀ ਉਦਯੋਗ ਦਾ ਇੱਕ ਸਥਾਈ ਪੁਨਰਗਠਨ ਹੈ। ਹਰ ਕੰਪਨੀ ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਲਾਜ਼ਮੀ ਬਣਾਉਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਲੱਭ ਲਿਆ ਹੈ। Nvidia ਕੋਲ ਹਾਰਡਵੇਅਰ ਹੈ। Google ਕੋਲ ਯੂਜ਼ਰਸ ਹਨ। Meta ਕੋਲ ਓਪਨ ਈਕੋਸਿਸਟਮ ਹੈ। OpenAI ਕੋਲ ਖੋਜ ਦੀ ਅਤਿ-ਆਧੁਨਿਕ ਤਕਨੀਕ ਹੈ। ਇਹ ਸੰਤੁਲਨ ਨਾਜ਼ੁਕ ਹੈ ਅਤੇ ਨਵੇਂ ਨਿਯਮਾਂ ਅਤੇ ਤਕਨੀਕੀ ਸਫਲਤਾਵਾਂ ਦੇ ਸਾਹਮਣੇ ਆਉਣ ‘ਤੇ ਬਦਲ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਮੌਜੂਦਾ ਰੁਝਾਨ ਵਧੇਰੇ ਏਕੀਕਰਣ ਅਤੇ ਵਧੇਰੇ ਕੇਂਦਰੀਕਰਨ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਔਸਤ ਯੂਜ਼ਰ ਲਈ, ਫਾਇਦੇ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਅਤੇ ਅਨੁਭਵੀ ਟੂਲਸ ਦੇ ਰੂਪ ਵਿੱਚ ਸਪੱਸ਼ਟ ਹਨ। ਗਲੋਬਲ ਅਰਥਵਿਵਸਥਾ ਲਈ, ਜੋਖਮ ਵੀ ਉਨੇ ਹੀ ਸਪੱਸ਼ਟ ਹਨ। ਕੌਣ ਕਿਸ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦਾ ਹੈ, ਇਹ ਸਮਝਣਾ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦਾ ਪਹਿਲਾ ਕਦਮ ਹੈ ਜਿੱਥੇ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਉਪਯੋਗਤਾ ਹੈ। ਵਿਆਪਕ AI ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਣ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਅਸੀਂ ਇਸ ਬਦਲਾਅ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਹੀ ਹਾਂ। ਸਾਨੂੰ ਸ਼ੱਕੀ ਅਤੇ ਸੂਚਿਤ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਦਿੱਗਜ ਕੱਲ੍ਹ ਦੀ ਦੁਨੀਆ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ।

Lưu ý của biên tập viên: Chúng tôi tạo trang web này như một trung tâm tin tức và hướng dẫn AI đa ngôn ngữ dành cho những người không phải là chuyên gia máy tính, nhưng vẫn muốn hiểu trí tuệ nhân tạo, sử dụng nó tự tin hơn và theo dõi tương lai đang đến gần.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।