AI ਦੇ ਪਿੱਛੇ ਦੀ ਲੁਕਵੀਂ ਮਸ਼ੀਨ: ਚਿਪਸ, ਕਲਾਉਡ ਅਤੇ ਉਦਯੋਗਿਕ ਪੈਮਾਨਾ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਅਕਸਰ ਕਲਾਉਡ ਵਿੱਚ ਰਹਿਣ ਵਾਲੇ ਐਥੀਰੀਅਲ ਐਲਗੋਰਿਦਮ ਦੀ ਇੱਕ ਲੜੀ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਵਰਣਨ ਇੱਕ ਸੁਵਿਧਾਜਨਕ ਕਲਪਨਾ ਹੈ ਜੋ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਵਿਸ਼ਾਲ ਉਦਯੋਗਿਕ ਮਸ਼ੀਨਰੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੀ ਹੈ। ਆਧੁਨਿਕ AI ਦੀ ਅਸਲੀਅਤ ਉੱਚ ਵੋਲਟੇਜ ਪਾਵਰ ਲਾਈਨਾਂ, ਵਿਸ਼ਾਲ ਕੂਲਿੰਗ ਸਿਸਟਮਾਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਸਿਲੀਕਾਨ ਨਿਰਮਾਣ ਦੀ ਭੌਤਿਕ ਦੁਨੀਆ ਵਿੱਚ ਪਾਈ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਸਾਫਟਵੇਅਰ ਅਪਡੇਟਸ ਰੌਸ਼ਨੀ ਦੀ ਗਤੀ ਨਾਲ ਚਲਦੇ ਹਨ, ਉਹਨਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਕੰਕਰੀਟ ਅਤੇ ਸਟੀਲ ਦੀ ਗਤੀ ਨਾਲ ਚਲਦਾ ਹੈ। ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਮਾਡਲਾਂ ਦੀ ਪ੍ਰਗਤੀ ਹੁਣ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਦੀਆਂ ਸਖ਼ਤ ਸੀਮਾਵਾਂ ਨਾਲ ਟਕਰਾ ਰਹੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਬਦਲਾਅ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਗਰਿੱਡ ਕਨੈਕਸ਼ਨ ਜਾਂ ਡਾਟਾ ਸੈਂਟਰ ਲਈ ਪਰਮਿਟ ਸੁਰੱਖਿਅਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਕੁਸ਼ਲ ਕੋਡ ਲਿਖਣ ਦੀ ਸਮਰੱਥਾ ਜਿੰਨੀ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਤਕਨਾਲੋਜੀ ਦੇ ਭਵਿੱਖ ਨੂੰ ਸਮਝਣ ਲਈ ਸਕ੍ਰੀਨ ਤੋਂ ਪਰੇ ਅਤੇ ਇਸ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਭਾਰੀ ਉਦਯੋਗ ਵੱਲ ਦੇਖਣ ਦੀ ਲੋੜ ਹੈ। ਰੁਕਾਵਟ ਹੁਣ ਸਿਰਫ਼ ਮਨੁੱਖੀ ਚਤੁਰਾਈ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਜ਼ਮੀਨ, ਪਾਣੀ ਅਤੇ ਬਿਜਲੀ ਦੀ ਉਪਲਬਧਤਾ ਹੈ, ਜਿਸ ਦੀ ਲੋੜ ਬਹੁਤ ਘੱਟ ਉਦਯੋਗਾਂ ਨੂੰ ਕਦੇ ਪਈ ਹੈ।

ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਉਦਯੋਗਿਕ ਭਾਰ

AI ਲਈ ਲੋੜੀਂਦਾ ਹਾਰਡਵੇਅਰ ਸਟੈਂਡਰਡ ਸਰਵਰ ਉਪਕਰਣਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ ਚਿੱਪ ਡਿਜ਼ਾਈਨ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਪਰ ਕਹਾਣੀ ਜਲਦੀ ਹੀ ਪੈਕੇਜਿੰਗ ਅਤੇ ਮੈਮੋਰੀ ਵੱਲ ਵਧਦੀ ਹੈ। High Bandwidth Memory ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ ਪ੍ਰੋਸੈਸਰਾਂ ਨੂੰ ਕਾਫ਼ੀ ਤੇਜ਼ੀ ਨਾਲ ਡਾਟਾ ਭੇਜਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਇਹ ਮੈਮੋਰੀ ਲੰਬਕਾਰੀ ਤੌਰ ‘ਤੇ ਸਟੈਕ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ Chip on Wafer on Substrate ਵਰਗੀਆਂ ਉੱਨਤ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੋਸੈਸਰ ਨਾਲ ਜੋੜੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਬਹੁਤ ਘੱਟ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਸੰਭਾਲੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਪੂਰੀ ਗਲੋਬਲ ਸਪਲਾਈ ਲਈ ਇੱਕ ਤੰਗ ਫਨਲ ਬਣਾਉਂਦੀ ਹੈ। ਨੈੱਟਵਰਕਿੰਗ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਭੌਤਿਕ ਹਿੱਸਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਇਕੱਲੇ ਕੰਮ ਨਹੀਂ ਕਰਦੇ। ਉਹਨਾਂ ਨੂੰ ਹਜ਼ਾਰਾਂ ਚਿਪਸ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਯੂਨਿਟ ਵਜੋਂ ਕੰਮ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ InfiniBand ਵਰਗੇ ਹਾਈ ਸਪੀਡ ਇੰਟਰਕਨੈਕਟਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਡਾਟਾ ਸੈਂਟਰਾਂ ਦੇ ਨਿਰਮਾਣ ਦੇ ਤਰੀਕੇ ‘ਤੇ ਭੌਤਿਕ ਰੁਕਾਵਟਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਤਾਂਬੇ ਜਾਂ ਫਾਈਬਰ ਕੇਬਲਾਂ ਦੀ ਲੰਬਾਈ ਪੂਰੇ ਸਿਸਟਮ ਦੀ ਗਤੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ।

ਇਹਨਾਂ ਹਿੱਸਿਆਂ ਦਾ ਨਿਰਮਾਣ ਕੁਝ ਉੱਚ ਵਿਸ਼ੇਸ਼ ਸਹੂਲਤਾਂ ਵਿੱਚ ਕੇਂਦਰਿਤ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਕੰਪਨੀ, TSMC, ਦੁਨੀਆ ਦੀਆਂ ਜ਼ਿਆਦਾਤਰ ਉੱਚ-ਅੰਤ ਵਾਲੀਆਂ ਚਿਪਸ ਤਿਆਰ ਕਰਦੀ ਹੈ। ਇਸ ਇਕਾਗਰਤਾ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ ਸਥਾਨਕ ਘਟਨਾ ਜਾਂ ਵਪਾਰ ਨੀਤੀ ਵਿੱਚ ਬਦਲਾਅ ਪੂਰੇ ਉਦਯੋਗ ਲਈ ਪ੍ਰਗਤੀ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ। ਨਿਰਮਾਣ ਉਪਕਰਣਾਂ ਦੀ ਗੁੰਝਲਤਾ ਵੀ ਇੱਕ ਕਾਰਕ ਹੈ। ਜੋ ਮਸ਼ੀਨਾਂ extreme ultraviolet lithography ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਬਣਾਈਆਂ ਗਈਆਂ ਸਭ ਤੋਂ ਗੁੰਝਲਦਾਰ ਸਾਧਨ ਹਨ। ਉਹ ਦੁਨੀਆ ਵਿੱਚ ਸਿਰਫ਼ ਇੱਕ ਕੰਪਨੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਆਰਡਰ ਕਰਨ ਅਤੇ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਸਾਲਾਂ ਦੇ ਸਮੇਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਤੇਜ਼ ਦੁਹਰਾਓ ਦੀ ਦੁਨੀਆ ਨਹੀਂ ਹੈ। ਇਹ ਲੰਬੇ ਸਮੇਂ ਦੀ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਵਿਸ਼ਾਲ ਪੂੰਜੀ ਖਰਚ ਦੀ ਦੁਨੀਆ ਹੈ। ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਉਹ ਨੀਂਹ ਹੈ ਜਿਸ ‘ਤੇ ਹਰ ਚੈਟਬੋਟ ਅਤੇ ਚਿੱਤਰ ਜਨਰੇਟਰ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਸ ਭੌਤਿਕ ਪਰਤ ਤੋਂ ਬਿਨਾਂ, ਸਾਫਟਵੇਅਰ ਮੌਜੂਦ ਨਹੀਂ ਹੋ ਸਕਦਾ।

• CoWoS ਵਰਗੀਆਂ ਉੱਨਤ ਪੈਕੇਜਿੰਗ ਤਕਨੀਕਾਂ ਵਰਤਮਾਨ ਵਿੱਚ ਚਿੱਪ ਸਪਲਾਈ ਵਿੱਚ ਮੁੱਖ ਰੁਕਾਵਟ ਹਨ।
• High Bandwidth Memory ਉਤਪਾਦਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਫੈਕਟਰੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਪੂਰੀ ਸਮਰੱਥਾ ‘ਤੇ ਹਨ।
• ਨੈੱਟਵਰਕਿੰਗ ਹਾਰਡਵੇਅਰ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਲੇਟੈਂਸੀ ਦੇ ਨਾਲ ਵਿਸ਼ਾਲ ਡਾਟਾ ਥ੍ਰੂਪੁੱਟ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਨਵੀਨਤਮ ਨੋਡਾਂ ਲਈ ਨਿਰਮਾਣ ਉਪਕਰਣਾਂ ਦਾ ਕਈ ਸਾਲਾਂ ਦਾ ਬੈਕਲਾਗ ਹੈ।
• ਵਿਸ਼ੇਸ਼ ਭੂਗੋਲਿਕ ਖੇਤਰਾਂ ਵਿੱਚ ਉਤਪਾਦਨ ਦੀ ਇਕਾਗਰਤਾ ਮਹੱਤਵਪੂਰਨ ਸਪਲਾਈ ਚੇਨ ਜੋਖਮ ਪੈਦਾ ਕਰਦੀ ਹੈ।

ਕੰਪਿਊਟ ਪਾਵਰ ਦਾ ਭੂ-ਰਾਜਨੀਤਿਕ ਨਕਸ਼ਾ

ਹਾਰਡਵੇਅਰ ਉਤਪਾਦਨ ਦੀ ਇਕਾਗਰਤਾ ਨੇ AI ਨੂੰ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦਾ ਮਾਮਲਾ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਸਰਕਾਰਾਂ ਹੁਣ ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਚ-ਅੰਤ ਵਾਲੀਆਂ ਚਿਪਸ ਅਤੇ ਨਿਰਮਾਣ ਉਪਕਰਣਾਂ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਸੀਮਤ ਕਰਨ ਲਈ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਨਿਯੰਤਰਣ ਸਿਰਫ਼ ਚਿਪਸ ਬਾਰੇ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਉਹਨਾਂ ਮਸ਼ੀਨਾਂ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਲੋੜੀਂਦੇ ਗਿਆਨ ਬਾਰੇ ਵੀ ਹਨ। ਇਸ ਨੇ ਇੱਕ ਟੁੱਟਿਆ ਹੋਇਆ ਵਾਤਾਵਰਣ ਬਣਾਇਆ ਹੈ ਜਿੱਥੇ ਦੁਨੀਆ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਦੀ ਕੰਪਿਊਟ ਪਾਵਰ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ। ਇਹ ਪਾੜਾ ਵਪਾਰਕ ਉਤਪਾਦਕਤਾ ਤੋਂ ਲੈ ਕੇ ਵਿਗਿਆਨਕ ਖੋਜ ਤੱਕ ਹਰ ਚੀਜ਼ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਆਪਣੇ ਡਾਟਾ ਸੈਂਟਰਾਂ ਦੇ ਭੂਗੋਲਿਕ ਸਥਾਨ ‘ਤੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਹਨ, ਨਾ ਸਿਰਫ਼ ਲੇਟੈਂਸੀ ਲਈ, ਸਗੋਂ ਰਾਜਨੀਤਿਕ ਸਥਿਰਤਾ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਲਈ ਵੀ। ਇਹ ਇੰਟਰਨੈਟ ਦੇ ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਤੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਬਦਲਾਅ ਹੈ ਜਦੋਂ ਸਰਵਰ ਦਾ ਭੌਤਿਕ ਸਥਾਨ ਲਗਭਗ ਅਪ੍ਰਸੰਗਿਕ ਸੀ।

ਇਸ ਨਵੇਂ ਯੁੱਗ ਵਿੱਚ ਵਪਾਰਕ ਸ਼ਕਤੀ ਉਹਨਾਂ ਕੋਲ ਹੈ ਜੋ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। ਕਲਾਉਡ ਪ੍ਰੋਵਾਈਡਰਾਂ ਨੇ ਜਿਨ੍ਹਾਂ ਨੇ ਸਾਲਾਂ ਪਹਿਲਾਂ ਚਿਪਸ ਦੇ ਵੱਡੇ ਆਰਡਰ ਸੁਰੱਖਿਅਤ ਕੀਤੇ ਸਨ, ਉਹਨਾਂ ਕੋਲ ਹੁਣ ਨਵੇਂ ਆਉਣ ਵਾਲਿਆਂ ਨਾਲੋਂ ਇੱਕ ਵੱਡਾ ਫਾਇਦਾ ਹੈ। ਸ਼ਕਤੀ ਦੀ ਇਹ ਇਕਾਗਰਤਾ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਭੌਤਿਕ ਲੋੜਾਂ ਦਾ ਸਿੱਧਾ ਨਤੀਜਾ ਹੈ। ਇਹਨਾਂ ਗਤੀਸ਼ੀਲਤਾਵਾਂ ਦੀ ਡੂੰਘੀ ਸਮਝ ਲਈ, ਤੁਸੀਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਡੂੰਘੀ ਡੁਬਕੀ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਹਾਰਡਵੇਅਰ ਸਾਫਟਵੇਅਰ ਨੂੰ ਕਿਵੇਂ ਆਕਾਰ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਮਾਡਲ ਨੂੰ ਬਣਾਉਣ ਲਈ ਦਾਖਲੇ ਦੀ ਲਾਗਤ ਹੁਣ ਅਰਬਾਂ ਡਾਲਰ ਦੇ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਦਾਖਲੇ ਲਈ ਇੱਕ ਰੁਕਾਵਟ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸਥਾਪਿਤ ਦਿੱਗਜਾਂ ਅਤੇ ਰਾਜ-ਸਮਰਥਿਤ ਸੰਸਥਾਵਾਂ ਦਾ ਪੱਖ ਲੈਂਦਾ ਹੈ। ਸੰਖੇਪ ਵਿੱਚ, ਫੋਕਸ ਇਸ ਗੱਲ ਤੋਂ ਹਟ ਗਿਆ ਹੈ ਕਿ ਕਿਸ ਕੋਲ ਸਭ ਤੋਂ ਵਧੀਆ ਐਲਗੋਰਿਦਮ ਹੈ, ਇਸ ਗੱਲ ‘ਤੇ ਕਿ ਕਿਸ ਕੋਲ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਸਪਲਾਈ ਚੇਨ ਅਤੇ ਸਭ ਤੋਂ ਵੱਡੇ ਡਾਟਾ ਸੈਂਟਰ ਹਨ। ਇਹ ਰੁਝਾਨ ਜਾਰੀ ਰਹਿਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਆਕਾਰ ਅਤੇ ਗੁੰਝਲਤਾ ਵਿੱਚ ਵਧਦੇ ਹਨ।

ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਕੰਕਰੀਟ ਅਤੇ ਕੂਲਿੰਗ

AI ਦਾ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਅਕਸਰ ਅੰਤਮ ਉਪਭੋਗਤਾ ਤੋਂ ਲੁਕਿਆ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਲਈ ਇੱਕ ਸਿੰਗਲ ਸਵਾਲ ਨੂੰ ਇੱਕ ਸਟੈਂਡਰਡ ਸਰਚ ਇੰਜਣ ਬੇਨਤੀ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਪਾਵਰ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਬਿਜਲੀ ਦੀ ਖਪਤ ਗਰਮੀ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨੂੰ ਵਿਸ਼ਾਲ ਕੂਲਿੰਗ ਸਿਸਟਮਾਂ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਅਕਸਰ ਹਰ ਰੋਜ਼ ਲੱਖਾਂ ਗੈਲਨ ਪਾਣੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਪਾਣੀ ਦੀ ਕਮੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਖੇਤਰਾਂ ਵਿੱਚ, ਇਹ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਅਤੇ ਸਥਾਨਕ ਭਾਈਚਾਰਿਆਂ ਵਿਚਕਾਰ ਸਿੱਧਾ ਮੁਕਾਬਲਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇੱਕ AI ਡਾਟਾ ਸੈਂਟਰ ਦੀ ਊਰਜਾ ਘਣਤਾ ਇੱਕ ਰਵਾਇਤੀ ਸਹੂਲਤ ਨਾਲੋਂ ਕਈ ਗੁਣਾ ਜ਼ਿਆਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਮੌਜੂਦਾ ਪਾਵਰ ਗਰਿੱਡ ਅਕਸਰ ਮਹੱਤਵਪੂਰਨ ਅਪਗ੍ਰੇਡਾਂ ਤੋਂ ਬਿਨਾਂ ਲੋਡ ਨੂੰ ਸੰਭਾਲਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੁੰਦੇ ਹਨ। ਇਹਨਾਂ ਅਪਗ੍ਰੇਡਾਂ ਨੂੰ ਪੂਰਾ ਹੋਣ ਵਿੱਚ ਸਾਲ ਲੱਗ ਸਕਦੇ ਹਨ ਅਤੇ ਸਥਾਨਕ ਅਤੇ ਰਾਜ ਸਰਕਾਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੀਆਂ ਗੁੰਝਲਦਾਰ ਪਰਮਿਟ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਇੱਕ ਅਜਿਹੇ ਖੇਤਰ ਵਿੱਚ ਮਿਉਂਸਪਲ ਉਪਯੋਗਤਾ ਪ੍ਰਬੰਧਕ ਦੇ ਜੀਵਨ ਵਿੱਚ ਇੱਕ ਦਿਨ ਬਾਰੇ ਸੋਚੋ ਜਿੱਥੇ ਇੱਕ ਨਵਾਂ ਡਾਟਾ ਸੈਂਟਰ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਥਾਨਕ ਗਰਿੱਡ ਵਸਨੀਕਾਂ ਲਈ ਬਿਜਲੀ ਬੰਦ ਕੀਤੇ ਬਿਨਾਂ ਪਾਵਰ ਦੀ ਵਿਸ਼ਾਲ, ਨਿਰੰਤਰ ਖਿੱਚ ਨੂੰ ਸੰਭਾਲ ਸਕੇ। ਉਹ ਇੱਕ ਅਜਿਹੇ ਸਿਸਟਮ ਦੇ ਰੋਜ਼ਾਨਾ ਸੰਚਾਲਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਰਹੇ ਹਨ ਜੋ ਕਦੇ ਵੀ ਇਸ ਪੱਧਰ ਦੀ ਕੇਂਦਰਿਤ ਮੰਗ ਲਈ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਸੀ।

ਜਦੋਂ ਇੱਕ ਤਕਨੀਕੀ ਕੰਪਨੀ ਇੱਕ ਨਵੇਂ ਕਨੈਕਸ਼ਨ ਦੀ ਬੇਨਤੀ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਨਵੇਂ ਸਬਸਟੇਸ਼ਨ ਬਣਾਉਣ ਅਤੇ ਮੀਲਾਂ ਦੀਆਂ ਉੱਚ ਵੋਲਟੇਜ ਲਾਈਨਾਂ ਵਿਛਾਉਣ ਦੀ ਕਈ ਸਾਲਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸ਼ੁਰੂ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਅਕਸਰ ਉਹਨਾਂ ਨਾਗਰਿਕਾਂ ਵੱਲੋਂ ਸਥਾਨਕ ਵਿਰੋਧ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ ਜੋ ਵਧਦੀਆਂ ਉਪਯੋਗਤਾ ਦਰਾਂ ਜਾਂ ਸਹੂਲਤ ਦੇ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਬਾਰੇ ਚਿੰਤਤ ਹਨ। International Energy Agency ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਡਾਟਾ ਸੈਂਟਰ ਦੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਦੁੱਗਣੀ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਚੁਣੌਤੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਸਮਾਜਿਕ ਅਤੇ ਰਾਜਨੀਤਿਕ ਚੁਣੌਤੀ ਵੀ ਹੈ। ਇੱਕ ਡਾਟਾ ਸੈਂਟਰ ਦਾ ਭੌਤਿਕ ਪੈਰਾਂ ਦਾ ਨਿਸ਼ਾਨ ਲੱਖਾਂ m² ਜ਼ਮੀਨ ਨੂੰ ਕਵਰ ਕਰ ਸਕਦਾ ਹੈ, ਅਕਸਰ ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਜਿੱਥੇ ਜ਼ਮੀਨ ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਕੀਮਤੀ ਹੈ।

ਪਰਮਿਟਿੰਗ ਇੱਕ ਹੋਰ ਵਿਹਾਰਕ ਰੁਕਾਵਟ ਹੈ ਜਿਸਨੂੰ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਡਾਟਾ ਸੈਂਟਰ ਬਣਾਉਣ ਵਿੱਚ ਵਾਤਾਵਰਣ ਨਿਯਮਾਂ, ਜ਼ੋਨਿੰਗ ਕਾਨੂੰਨਾਂ, ਅਤੇ ਬਿਲਡਿੰਗ ਕੋਡਾਂ ਦੇ ਇੱਕ ਗੁੰਝਲਦਾਰ ਜਾਲ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਕੁਝ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਅਸਲ ਨਿਰਮਾਣ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੈ ਸਕਦੀ ਹੈ। ਇਹ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਦੀ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਅਤੇ ਭੌਤਿਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਹੌਲੀ ਰਫ਼ਤਾਰ ਵਿਚਕਾਰ ਇੱਕ ਡਿਸਕਨੈਕਟ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਤੇਜ਼-ਟਰੈਕ ਪਰਮਿਟਿੰਗ ਅਤੇ ਨਵਿਆਉਣਯੋਗ ਊਰਜਾ ਤੱਕ ਤਿਆਰ ਪਹੁੰਚ ਵਾਲੇ ਸਥਾਨਾਂ ਦੀ ਭਾਲ ਕਰ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਨਵਿਆਉਣਯੋਗ ਊਰਜਾ ਦੇ ਨਾਲ ਵੀ, ਮੰਗ ਦਾ ਪੈਮਾਨਾ ਇੱਕ ਚੁਣੌਤੀ ਹੈ। ਇੱਕ ਡਾਟਾ ਸੈਂਟਰ ਜੋ ਦਿਨ ਦੇ 24 ਘੰਟੇ ਚੱਲਦਾ ਹੈ, ਨੂੰ ਪਾਵਰ ਦੀ ਨਿਰੰਤਰ ਸਪਲਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹਵਾ ਅਤੇ ਸੂਰਜੀ ਊਰਜਾ ਨੂੰ ਵਿਸ਼ਾਲ ਬੈਟਰੀ ਸਟੋਰੇਜ ਜਾਂ ਬੇਸਲਾਈਨ ਪਾਵਰ ਦੇ ਹੋਰ ਰੂਪਾਂ ਦੁਆਰਾ ਪੂਰਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਸੰਚਾਲਨ ਵਿੱਚ ਭੌਤਿਕ ਗੁੰਝਲਤਾ ਅਤੇ ਲਾਗਤ ਦੀ ਇੱਕ ਹੋਰ ਪਰਤ ਜੋੜਦਾ ਹੈ।

ਸਕੇਲਿੰਗ ਯੁੱਗ ਲਈ ਔਖੇ ਸਵਾਲ

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਾਂ, ਸਾਨੂੰ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। AI ਲਈ ਲੋੜੀਂਦੇ ਵਿਸ਼ਾਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਅਸਲ ਵਿੱਚ ਕੌਣ ਭੁਗਤਾਨ ਕਰ ਰਿਹਾ ਹੈ? ਜਦੋਂ ਕਿ ਸਾਧਨ ਅਕਸਰ ਅੰਤਮ ਉਪਭੋਗਤਾ ਲਈ ਮੁਫਤ ਜਾਂ ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਹੁੰਦੇ ਹਨ, ਵਾਤਾਵਰਣ ਅਤੇ ਸਮਾਜਿਕ ਲਾਗਤਾਂ ਸਮਾਜ ਵਿੱਚ ਵੰਡੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ। ਕੀ ਥੋੜਾ ਹੋਰ ਸਹੀ ਚੈਟਬੋਟ ਦਾ ਲਾਭ ਸਾਡੇ ਇਲੈਕਟ੍ਰੀਕਲ ਗਰਿੱਡਾਂ ਅਤੇ ਪਾਣੀ ਦੀ ਸਪਲਾਈ ‘ਤੇ ਦਬਾਅ ਦੇ ਬਰਾਬਰ ਹੈ? ਗੋਪਨੀਯਤਾ ਅਤੇ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਵਧੇਰੇ ਡਾਟਾ ਵਿਸ਼ਾਲ, ਕੇਂਦਰੀਕ੍ਰਿਤ ਸਹੂਲਤਾਂ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਡਾਟਾ ਉਲੰਘਣਾ ਦਾ ਜੋਖਮ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਡਾਟਾ ਦੀ ਭੌਤਿਕ ਇਕਾਗਰਤਾ ਇਸ ਨੂੰ ਰਾਜ ਦੇ ਅਦਾਕਾਰਾਂ ਅਤੇ ਸਾਈਬਰ ਅਪਰਾਧੀਆਂ ਲਈ ਇੱਕ ਨਿਸ਼ਾਨਾ ਵੀ ਬਣਾਉਂਦੀ ਹੈ। ਸਾਨੂੰ ਇਹ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਵਿਸ਼ਾਲ, ਕੇਂਦਰੀਕ੍ਰਿਤ ਕੰਪਿਊਟ ਵੱਲ ਵਧਣਾ ਹੀ ਅੱਗੇ ਵਧਣ ਦਾ ਇੱਕੋ ਇੱਕ ਰਸਤਾ ਹੈ ਜਾਂ ਕੀ ਸਾਨੂੰ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਅਤੇ ਕੁਸ਼ਲ ਵਿਕਲਪਾਂ ਵਿੱਚ ਵਧੇਰੇ ਨਿਵੇਸ਼ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਹਾਰਡਵੇਅਰ ਦੀ ਲਾਗਤ ਵੀ ਇੱਕ ਚਿੰਤਾ ਹੈ। ਜੇਕਰ ਸਿਰਫ਼ ਕੁਝ ਕੰਪਨੀਆਂ ਹੀ ਸਭ ਤੋਂ ਉੱਨਤ ਮਾਡਲਾਂ ਲਈ ਲੋੜੀਂਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਬਣਾਉਣ ਦਾ ਖਰਚਾ ਉਠਾ ਸਕਦੀਆਂ ਹਨ, ਤਾਂ ਇਸਦਾ ਖੁੱਲ੍ਹੀ ਖੋਜ ਅਤੇ ਮੁਕਾਬਲੇ ਦੇ ਭਵਿੱਖ ਲਈ ਕੀ ਅਰਥ ਹੈ? ਅਸੀਂ ਇੱਕ ਰੁਝਾਨ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਸਭ ਤੋਂ ਸਮਰੱਥ ਸਿਸਟਮ ਮਲਕੀਅਤ APIs ਦੇ ਪਿੱਛੇ ਬੰਦ ਹਨ, ਜਿਸ ਵਿੱਚ ਅੰਤਰੀਵ ਹਾਰਡਵੇਅਰ ਅਤੇ ਡਾਟਾ ਲੁਕਿਆ ਹੋਇਆ ਹੈ। ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਇਹ ਘਾਟ ਸੁਤੰਤਰ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਸੁਰੱਖਿਆ ਅਤੇ ਪੱਖਪਾਤ ਬਾਰੇ ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਕੁਝ ਪ੍ਰਦਾਤਾਵਾਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਵੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਪ੍ਰਦਾਤਾ ਨੂੰ ਵੱਡੀ ਹਾਰਡਵੇਅਰ ਅਸਫਲਤਾ ਜਾਂ ਭੂ-ਰਾਜਨੀਤਿਕ ਵਿਘਨ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਪ੍ਰਭਾਵ ਪੂਰੀ ਗਲੋਬਲ ਆਰਥਿਕਤਾ ਵਿੱਚ ਮਹਿਸੂਸ ਕੀਤਾ ਜਾਵੇਗਾ। ਇਹ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ, ਸਗੋਂ ਬੁਨਿਆਦੀ ਸਵਾਲ ਹਨ ਕਿ ਅਸੀਂ ਆਪਣਾ ਤਕਨੀਕੀ ਭਵਿੱਖ ਕਿਵੇਂ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ।

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।

ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਦਾ ਹਾਰਡਵੇਅਰ ਆਰਕੀਟੈਕਚਰ

ਪਾਵਰ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, AI ਦੀਆਂ ਭੌਤਿਕ ਰੁਕਾਵਟਾਂ ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਅਤੇ API ਸੀਮਾਵਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦੀਆਂ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨਾਲ ਇੱਕ API ਰਾਹੀਂ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ, ਜੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਵਿਸ਼ਾਲ ਡਾਟਾ ਸੈਂਟਰ ਦੀ ਇੱਕ ਵਿੰਡੋ ਹੈ। ਇਹਨਾਂ APIs ਦੀਆਂ ਦਰ ਸੀਮਾਵਾਂ ਹਨ ਜੋ ਦੂਜੇ ਸਿਰੇ ‘ਤੇ ਉਪਲਬਧ ਕੰਪਿਊਟ ਪਾਵਰ ਨਾਲ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਜੁੜੀਆਂ ਹੋਈਆਂ ਹਨ। ਜਦੋਂ ਕੋਈ ਮਾਡਲ ਜਵਾਬ ਦੇਣ ਵਿੱਚ ਹੌਲੀ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਅਕਸਰ ਇਸ ਲਈ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਭੌਤਿਕ ਹਾਰਡਵੇਅਰ ਹਜ਼ਾਰਾਂ ਹੋਰ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਸਾਂਝਾ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਕੁਝ ਡਿਵੈਲਪਰ ਇਹਨਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਲਈ ਸਥਾਨਕ ਸਟੋਰੇਜ ਅਤੇ ਸਥਾਨਕ ਅਨੁਮਾਨ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਹਾਲਾਂਕਿ, ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਇੱਕ ਵੱਡਾ ਮਾਡਲ ਚਲਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ VRAM ਵਾਲੇ ਉੱਚ-ਅੰਤ ਵਾਲੇ GPUs ਸ਼ਾਮਲ ਹਨ। ਇਸ ਨੇ ਖਪਤਕਾਰ-ਗ੍ਰੇਡ ਹਾਰਡਵੇਅਰ ਦੀ ਮੰਗ ਵਿੱਚ ਵਾਧਾ ਕੀਤਾ ਹੈ ਜੋ AI ਵਰਕਲੋਡ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ, ਪਰ ਸਭ ਤੋਂ ਵਧੀਆ ਖਪਤਕਾਰ ਚਿਪਸ ਵੀ ਇੱਕ ਸਮਰਪਿਤ ਡਾਟਾ ਸੈਂਟਰ ਰੈਕ ਦੀ ਸ਼ਕਤੀ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹਨ।

ਪੇਸ਼ੇਵਰ ਵਰਕਫਲੋ ਵਿੱਚ AI ਦਾ ਏਕੀਕਰਣ ਡਾਟਾ ਦੇ ਭੌਤਿਕ ਸਥਾਨ ‘ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਸਖ਼ਤ ਡਾਟਾ ਨਿਵਾਸ ਲੋੜਾਂ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਲਈ, ਕਲਾਉਡ-ਅਧਾਰਿਤ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਇੱਕ ਵਿਕਲਪ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਇਹ ਆਨ-ਪ੍ਰੀਮਿਸ AI ਹਾਰਡਵੇਅਰ ਲਈ ਇੱਕ ਮਾਰਕੀਟ ਨੂੰ ਚਲਾ ਰਿਹਾ ਹੈ, ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਸਰਵਰਾਂ ‘ਤੇ ਮਾਡਲ ਚਲਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਮਹਿੰਗੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਟਾਫ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਨੈੱਟਵਰਕਿੰਗ ਇੱਥੇ ਵੀ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਬਣੀ ਹੋਈ ਹੈ। ਇੱਕ ਮਾਡਲ ਵਿੱਚ ਅਤੇ ਬਾਹਰ ਵੱਡੇ ਡਾਟਾਸੈਟਾਂ ਨੂੰ ਲਿਜਾਣ ਲਈ ਹਾਈ ਬੈਂਡਵਿਡਥ ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਬਹੁਤ ਸਾਰੇ ਦਫਤਰਾਂ ਕੋਲ ਨਹੀਂ ਹਨ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਅਸੀਂ ਐਜ ਕੰਪਿਊਟਿੰਗ ‘ਤੇ ਫੋਕਸ ਦੇਖਦੇ ਹਾਂ, ਜਿੱਥੇ ਪ੍ਰੋਸੈਸਿੰਗ ਉੱਥੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਿੱਥੇ ਡਾਟਾ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਵਿਸ਼ਾਲ ਡਾਟਾ ਟ੍ਰਾਂਸਫਰ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਲੇਟੈਂਸੀ ਨੂੰ ਘਟਾ ਕੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਸਕਦਾ ਹੈ। NVIDIA ਹਾਰਡਵੇਅਰ ਸਟੈਕ ਇਹਨਾਂ ਕਾਰਜਾਂ ਲਈ ਡੀ ਫੈਕਟੋ ਸਟੈਂਡਰਡ ਬਣ ਗਿਆ ਹੈ, ਪਰ ਉਦਯੋਗ ਲਾਗਤਾਂ ਅਤੇ ਨਿਰਭਰਤਾ ਨੂੰ ਘਟਾਉਣ ਲਈ ਵਿਕਲਪਾਂ ਦੀ ਭਾਲ ਕਰ ਰਿਹਾ ਹੈ।

• API ਦਰ ਸੀਮਾਵਾਂ ਪ੍ਰਦਾਤਾ ਦੀ ਭੌਤਿਕ ਕੰਪਿਊਟ ਸਮਰੱਥਾ ਦਾ ਸਿੱਧਾ ਪ੍ਰਤੀਬਿੰਬ ਹਨ।
• ਸਥਾਨਕ ਅਨੁਮਾਨ ਲਈ ਉੱਚ VRAM ਸਮਰੱਥਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਖਪਤਕਾਰ GPUs ਵਿੱਚ ਇੱਕ ਪ੍ਰੀਮੀਅਮ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ।
• ਡਾਟਾ ਨਿਵਾਸ ਕਾਨੂੰਨ ਬਹੁਤ ਸਾਰੇ ਉੱਦਮਾਂ ਲਈ ਆਨ-ਪ੍ਰੀਮਿਸ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਵਾਪਸੀ ਲਈ ਮਜਬੂਰ ਕਰ ਰਹੇ ਹਨ।
• ਐਜ ਕੰਪਿਊਟਿੰਗ ਦਾ ਉਦੇਸ਼ ਕੰਪਿਊਟ ਨੂੰ ਉਪਭੋਗਤਾ ਦੇ ਨੇੜੇ ਲਿਜਾ ਕੇ ਨੈੱਟਵਰਕਿੰਗ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ।
• ਵਿਸ਼ੇਸ਼ AI ਹਾਰਡਵੇਅਰ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਲਾਗਤ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਓਵਰਹੈੱਡ ਹੈ।

ਭਵਿੱਖ ਦੀ ਭੌਤਿਕ ਅਸਲੀਅਤ

AI ਦੇ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਿਜੀਟਲ ਵਰਤਾਰੇ ਹੋਣ ਦਾ ਬਿਰਤਾਂਤ ਹੁਣ ਟਿਕਾਊ ਨਹੀਂ ਹੈ। ਪਾਵਰ, ਪਾਣੀ, ਜ਼ਮੀਨ ਅਤੇ ਸਿਲੀਕਾਨ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਹੁਣ ਪ੍ਰਗਤੀ ਦੀ ਗਤੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਕਾਰਕ ਹਨ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਯੁੱਗ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਇੱਕ ਤਕਨਾਲੋਜੀ ਕੰਪਨੀ ਦੀ ਸਫਲਤਾ ਇਸ ਗੱਲ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਕਿ ਉਹ ਗਲੋਬਲ ਸਪਲਾਈ ਚੇਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਅਤੇ ਊਰਜਾ ਇਕਰਾਰਨਾਮੇ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਆਪਣੀ ਸਾਫਟਵੇਅਰ ਮੁਹਾਰਤ ‘ਤੇ ਕਿੰਨੀ ਨਿਰਭਰ ਹੈ। AI ਦੀ ਵਰਚੁਅਲ ਦੁਨੀਆ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਭੌਤਿਕ ਦੁਨੀਆ ਵਿਚਕਾਰ ਵਿਰੋਧਾਭਾਸ ਹਰ ਦਿਨ ਵਧੇਰੇ ਦਿਖਾਈ ਦੇ ਰਹੇ ਹਨ। ਸੰਖੇਪ ਵਿੱਚ, ਸਾਨੂੰ ਇਹ ਮੰਨਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਹਰ ਡਿਜੀਟਲ ਤਰੱਕੀ ਦੀ ਇੱਕ ਭੌਤਿਕ ਲਾਗਤ ਹੁੰਦੀ ਹੈ। ਅਗਲੇ ਦਹਾਕੇ ਲਈ ਚੁਣੌਤੀ ਸਾਡੇ ਗ੍ਰਹਿ ਦੇ ਸਰੋਤਾਂ ਦੀਆਂ ਅਸਲ ਸੀਮਾਵਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹੋਏ ਇਸ ਪ੍ਰਗਤੀ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਦੇ ਤਰੀਕੇ ਲੱਭਣਾ ਹੋਵੇਗੀ। ਤਕਨਾਲੋਜੀ ਦਾ ਭਵਿੱਖ ਸਿਰਫ਼ ਕੋਡ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਹਾਰਡਵੇਅਰ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਹੈ ਜੋ ਇਸਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ।

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.

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