ਕੀ AI PCs ਅਸਲ ਵਿੱਚ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ — ਜਾਂ ਇਹ ਸਿਰਫ਼ ਮਾਰਕੀਟਿੰਗ ਹੈ?
ਟੈਕ ਇੰਡਸਟਰੀ ਅੱਜਕੱਲ੍ਹ ਇੱਕ ਖਾਸ ਦੋ-ਅੱਖਰੀ ਪ੍ਰੀਫਿਕਸ ਦੇ ਪਿੱਛੇ ਪਾਗਲ ਹੋਈ ਪਈ ਹੈ, ਜੋ ਹਰ ਨਵੇਂ ਲੈਪਟਾਪ ਦੇ ਸਟਿੱਕਰ ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਸਲਾਈਡ ‘ਤੇ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਹਾਰਡਵੇਅਰ ਨਿਰਮਾਤਾ ਦਾਅਵਾ ਕਰਦੇ ਹਨ ਕਿ AI PC ਦਾ ਯੁੱਗ ਆ ਗਿਆ ਹੈ, ਜੋ ਸਾਡੇ ਸਿਲੀਕਾਨ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਲਿਆਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ। ਅਸਲ ਵਿੱਚ, ਇੱਕ AI PC ਸਿਰਫ਼ ਇੱਕ ਅਜਿਹਾ ਕੰਪਿਊਟਰ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਸਮਰਪਿਤ Neural Processing Unit (NPU) ਹੁੰਦਾ ਹੈ, ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਲਈ ਲੋੜੀਂਦੇ ਗੁੰਝਲਦਾਰ ਗਣਿਤਿਕ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਤੁਹਾਡਾ ਮੌਜੂਦਾ ਲੈਪਟਾਪ ਇਹਨਾਂ ਕੰਮਾਂ ਲਈ CPU ਅਤੇ ਗ੍ਰਾਫਿਕਸ ਕਾਰਡ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਨਵੀਂ ਪੀੜ੍ਹੀ ਦਾ ਹਾਰਡਵੇਅਰ ਇਹਨਾਂ ਨੂੰ ਇਸ ਵਿਸ਼ੇਸ਼ ਇੰਜਣ ‘ਤੇ ਤਬਦੀਲ ਕਰ ਦਿੰਦਾ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਤੁਹਾਡੇ ਕੰਪਿਊਟਰ ਨੂੰ ਸੋਚਣ ਦੇ ਯੋਗ ਬਣਾਉਣ ਬਾਰੇ ਘੱਟ ਅਤੇ ਇਸਨੂੰ ਵਧੇਰੇ ਕੁਸ਼ਲ ਬਣਾਉਣ ਬਾਰੇ ਜ਼ਿਆਦਾ ਹੈ। ਬੈਕਗ੍ਰਾਊਂਡ ਸ਼ੋਰ ਨੂੰ ਘਟਾਉਣ ਜਾਂ ਚਿੱਤਰ ਬਣਾਉਣ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਕਲਾਉਡ ਤੋਂ ਤੁਹਾਡੇ ਸਥਾਨਕ ਡੈਸਕ ‘ਤੇ ਲਿਆ ਕੇ, ਇਹ ਮਸ਼ੀਨਾਂ ਲੈਟੈਂਸੀ ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਖਰੀਦਦਾਰਾਂ ਲਈ ਸਿੱਧਾ ਜਵਾਬ ਇਹ ਹੈ ਕਿ ਹਾਰਡਵੇਅਰ ਤਾਂ ਤਿਆਰ ਹੈ, ਪਰ ਸਾਫਟਵੇਅਰ ਅਜੇ ਵੀ ਪਿੱਛੇ ਚੱਲ ਰਿਹਾ ਹੈ। ਤੁਸੀਂ ਅੱਜ ਅਜਿਹੇ ਟੂਲ ਨਹੀਂ ਖਰੀਦ ਰਹੇ ਜੋ ਤੁਹਾਡੀ ਜ਼ਿੰਦਗੀ ਬਦਲ ਦੇਣਗੇ, ਸਗੋਂ ਤੁਸੀਂ ਉਹਨਾਂ ਟੂਲਾਂ ਲਈ ਇੱਕ ਬੁਨਿਆਦ ਤਿਆਰ ਕਰ ਰਹੇ ਹੋ ਜੋ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਸਟੈਂਡਰਡ ਬਣ ਜਾਣਗੇ।
ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇਹ ਮਸ਼ੀਨਾਂ ਕੀ ਵੱਖਰਾ ਕਰਦੀਆਂ ਹਨ, ਸਾਨੂੰ ਆਧੁਨਿਕ ਕੰਪਿਊਟਿੰਗ ਦੇ ਤਿੰਨ ਥੰਮ੍ਹਾਂ ਨੂੰ ਦੇਖਣਾ ਪਵੇਗਾ। ਦਹਾਕਿਆਂ ਤੋਂ, CPU ਨੇ ਲਾਜਿਕ ਅਤੇ GPU ਨੇ ਵਿਜ਼ੂਅਲਸ ਨੂੰ ਸੰਭਾਲਿਆ ਹੈ। NPU ਤੀਜਾ ਥੰਮ੍ਹ ਹੈ। ਇਹ ਇੱਕੋ ਸਮੇਂ ਅਰਬਾਂ ਲੋ-ਪ੍ਰੀਸੀਜ਼ਨ ਓਪਰੇਸ਼ਨ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲ ਜਾਂ ਡਿਫਿਊਜ਼ਨ-ਅਧਾਰਿਤ ਇਮੇਜ ਜਨਰੇਟਰ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਸਟੈਂਡਰਡ ਕੰਪਿਊਟਰ ਨੂੰ ਵੀਡੀਓ ਕਾਲ ਦੌਰਾਨ ਆਪਣਾ ਬੈਕਗ੍ਰਾਊਂਡ ਬਲਰ ਕਰਨ ਲਈ ਕਹਿੰਦੇ ਹੋ, ਤਾਂ CPU ਨੂੰ ਸਖ਼ਤ ਮਿਹਨਤ ਕਰਨੀ ਪੈਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਗਰਮੀ ਪੈਦਾ ਹੁੰਦੀ ਹੈ ਅਤੇ ਬੈਟਰੀ ਖਤਮ ਹੁੰਦੀ ਹੈ। ਇੱਕ NPU ਇਹੀ ਕੰਮ ਬਹੁਤ ਘੱਟ ਪਾਵਰ ਨਾਲ ਕਰ ਲੈਂਦਾ ਹੈ। ਇਸਨੂੰ on-device inference ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਤੁਹਾਡੇ ਡੇਟਾ ਨੂੰ ਕਿਸੇ ਦੂਜੇ ਰਾਜ ਵਿੱਚ ਸਰਵਰ ਫਾਰਮ ਵਿੱਚ ਭੇਜਣ ਦੀ ਬਜਾਏ, ਗਣਿਤ ਤੁਹਾਡੇ ਮਦਰਬੋਰਡ ‘ਤੇ ਹੀ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਬਦਲਾਅ ਡੇਟਾ ਦੇ ਰਾਊਂਡ-ਟ੍ਰਿਪ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਤੁਹਾਡੀ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਕਦੇ ਵੀ ਤੁਹਾਡੇ ਭੌਤਿਕ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਨਾ ਜਾਵੇ। ਇਹ ਪਿਛਲੇ ਦਹਾਕੇ ਦੀ ਕਲਾਉਡ ਨਿਰਭਰਤਾ ਤੋਂ ਇੱਕ ਵੱਡਾ ਕਦਮ ਦੂਰ ਹੈ।
ਮਾਰਕੀਟਿੰਗ ਲੇਬਲ ਅਕਸਰ ਚੈਸੀ ਦੇ ਅੰਦਰ ਕੀ ਹੋ ਰਿਹਾ ਹੈ, ਇਸਦੀ ਅਸਲੀਅਤ ਨੂੰ ਧੁੰਦਲਾ ਕਰ ਦਿੰਦੇ ਹਨ। Intel, AMD, ਅਤੇ Qualcomm ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਦੌੜ ਵਿੱਚ ਹਨ ਕਿ ਇੱਕ ਸਟੈਂਡਰਡ AI PC ਕਿਹੋ ਜਿਹਾ ਦਿਖਦਾ ਹੈ। Microsoft ਨੇ ਆਪਣੇ Copilot+ PC ਬ੍ਰਾਂਡ ਲਈ 40 TOPS (Tera Operations Per Second) ਦਾ ਇੱਕ ਬੇਸਲਾਈਨ ਸੈੱਟ ਕੀਤਾ ਹੈ। ਇਹ ਸੰਖਿਆ ਇਸ ਗੱਲ ਦਾ ਮਾਪ ਹੈ ਕਿ NPU ਹਰ ਸਕਿੰਟ ਵਿੱਚ ਕਿੰਨੇ ਟ੍ਰਿਲੀਅਨ ਓਪਰੇਸ਼ਨ ਕਰ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਲੈਪਟਾਪ ਇਸ ਸੀਮਾ ਤੋਂ ਹੇਠਾਂ ਆਉਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਸ਼ਾਇਦ AI ਟੂਲ ਚਲਾ ਸਕੇ, ਪਰ ਇਹ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਸਭ ਤੋਂ ਉੱਨਤ ਸਥਾਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਯੋਗ ਨਹੀਂ ਹੋਵੇਗਾ। ਇਹ ਪੁਰਾਣੇ ਹਾਰਡਵੇਅਰ ਅਤੇ ਨਵੇਂ ਸਟੈਂਡਰਡ ਵਿਚਕਾਰ ਇੱਕ ਸਪੱਸ਼ਟ ਵੰਡ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ਵਿਸ਼ੇਸ਼ ਸਿਲੀਕਾਨ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ ਜੋ ਕੱਚੀ ਕਲਾਕ ਸਪੀਡ ਨਾਲੋਂ ਕੁਸ਼ਲਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਟੀਚਾ ਇੱਕ ਅਜਿਹੀ ਮਸ਼ੀਨ ਬਣਾਉਣਾ ਹੈ ਜੋ ਬੈਕਗ੍ਰਾਊਂਡ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਮਾਡਲ ਚੱਲਣ ਦੇ ਬਾਵਜੂਦ ਵੀ ਰਿਸਪੌਂਸਿਵ ਰਹੇ। ਇਹ ਸਿਰਫ਼ ਸਪੀਡ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਅਨੁਮਾਨਯੋਗ ਵਾਤਾਵਰਣ ਬਣਾਉਣ ਬਾਰੇ ਹੈ ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਤੁਹਾਡੇ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ ਜਾਂ ਸਪ੍ਰੈਡਸ਼ੀਟ ਨਾਲ ਮੁਕਾਬਲਾ ਕੀਤੇ ਬਿਨਾਂ ਸਮਰਪਿਤ ਹਾਰਡਵੇਅਰ ਸਰੋਤਾਂ ‘ਤੇ ਭਰੋਸਾ ਕਰ ਸਕੇ।
ਸਥਾਨਕ ਇੰਟੈਲੀਜੈਂਸ ਵੱਲ ਸਿਲੀਕਾਨ ਦਾ ਬਦਲਾਅ
ਇਸ ਹਾਰਡਵੇਅਰ ਤਬਦੀਲੀ ਦਾ ਵਿਸ਼ਵਵਿਆਪੀ ਪ੍ਰਭਾਵ ਬਹੁਤ ਵੱਡਾ ਹੈ, ਜੋ ਕਾਰਪੋਰੇਟ ਖਰੀਦਦਾਰੀ ਤੋਂ ਲੈ ਕੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਊਰਜਾ ਦੀ ਖਪਤ ਤੱਕ ਸਭ ਕੁਝ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਵੱਡੀਆਂ ਸੰਸਥਾਵਾਂ AI PCs ਨੂੰ ਆਪਣੇ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਬਿੱਲਾਂ ਨੂੰ ਘਟਾਉਣ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਦੇਖ ਰਹੀਆਂ ਹਨ। ਜਦੋਂ ਹਜ਼ਾਰਾਂ ਕਰਮਚਾਰੀ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਸਾਰ ਦੇਣ ਜਾਂ ਈਮੇਲ ਲਿਖਣ ਲਈ AI ਸਹਾਇਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਤਾਂ ਬਾਹਰੀ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ API ਕਾਲਾਂ ਦੀ ਲਾਗਤ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਜਾਂਦੀ ਹੈ। ਉਸ ਕੰਮ ਨੂੰ ਸਥਾਨਕ NPU ‘ਤੇ ਤਬਦੀਲ ਕਰਕੇ, ਇੱਕ ਕੰਪਨੀ ਆਪਣੇ ਸੰਚਾਲਨ ਖਰਚਿਆਂ ਨੂੰ ਕਾਫ਼ੀ ਘੱਟ ਕਰ ਸਕਦੀ ਹੈ। ਇਸ ਤਬਦੀਲੀ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਸੁਰੱਖਿਆ ਪਹਿਲੂ ਵੀ ਹੈ। ਸਰਕਾਰਾਂ ਅਤੇ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਡੇਟਾ ਲੀਕ ਹੋਣ ਦੇ ਡਰ ਕਾਰਨ ਕਲਾਉਡ-ਅਧਾਰਿਤ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਝਿਜਕਦੀਆਂ ਹਨ। ਸਥਾਨਕ ਇਨਫਰੈਂਸ ਇੱਕ ਅਜਿਹਾ ਰਸਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਮਲਕੀਅਤ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਕਾਰਪੋਰੇਟ ਫਾਇਰਵਾਲ ਦੇ ਅੰਦਰ ਰੱਖਦਾ ਹੈ। ਇਹ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਮਾਰਕੀਟ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਰਿਫ੍ਰੈਸ਼ ਚੱਕਰ ਨੂੰ ਚਲਾ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ IT ਵਿਭਾਗ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਲਈ ਤਿਆਰੀ ਕਰ ਰਹੇ ਹਨ ਜਿੱਥੇ ਉਤਪਾਦਕਤਾ ਸਾਫਟਵੇਅਰ ਲਈ AI ਏਕੀਕਰਣ ਲਾਜ਼ਮੀ ਹੈ। ਇਹ ਡਿਜੀਟਲ ਵਰਕਸਪੇਸ ਦਾ ਇੱਕ ਵਿਸ਼ਵਵਿਆਪੀ ਰੀਟੂਲਿੰਗ ਹੈ।
ਕਾਰਪੋਰੇਟ ਦਫਤਰ ਤੋਂ ਪਰੇ, ਸਥਾਨਕ AI ਵੱਲ ਵਧਣਾ ਗਲੋਬਲ ਕਨੈਕਟੀਵਿਟੀ ਅਤੇ ਡਿਜੀਟਲ ਸਮਾਨਤਾ ਲਈ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। ਅਸਥਿਰ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ, ਕਲਾਉਡ-ਅਧਾਰਿਤ AI ਅਕਸਰ ਵਰਤੋਂ ਯੋਗ ਨਹੀਂ ਹੁੰਦਾ। ਇੱਕ ਲੈਪਟਾਪ ਜੋ ਹਾਈ-ਸਪੀਡ ਲਿੰਕ ਤੋਂ ਬਿਨਾਂ ਅਨੁਵਾਦ ਜਾਂ ਚਿੱਤਰ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ, ਉਹ ਵਿਕਾਸਸ਼ੀਲ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਟੂਲ ਬਣ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਵਿਕੇਂਦਰੀਕਰਣ ਦੇਖ ਰਹੇ ਹਾਂ। ਪੂਰੀ ਦੁਨੀਆ ਨੂੰ ਸੇਵਾ ਦੇਣ ਵਾਲੇ ਕੁਝ ਵੱਡੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਮਾਡਲ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਹਰ ਡਿਵਾਈਸ ਵਿੱਚ ਬੁਨਿਆਦੀ ਪੱਧਰ ਦੀ ਬੋਧਾਤਮਕ ਸਮਰੱਥਾ ਹੈ। ਇਹ ਗਲੋਬਲ ਡੇਟਾ ਨੈਟਵਰਕ ‘ਤੇ ਦਬਾਅ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਉੱਨਤ ਤਕਨਾਲੋਜੀ ਨੂੰ ਵਧੇਰੇ ਲਚਕੀਲਾ ਬਣਾਉਂਦਾ ਹੈ।
BotNews.today ਸਮੱਗਰੀ ਦੀ ਖੋਜ, ਲਿਖਣ, ਸੰਪਾਦਨ ਅਤੇ ਅਨੁਵਾਦ ਕਰਨ ਲਈ AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਸਾਡੀ ਟੀਮ ਜਾਣਕਾਰੀ ਨੂੰ ਉਪਯੋਗੀ, ਸਪਸ਼ਟ ਅਤੇ ਭਰੋਸੇਮੰਦ ਰੱਖਣ ਲਈ ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਦੀ ਹੈ।
ਅਮਲ ਵਿੱਚ ਇਹ ਕਿਹੋ ਜਿਹਾ ਦਿਖਦਾ ਹੈ? ਸਾਰਾਹ ਨਾਮ ਦੀ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਦੇ ਇੱਕ ਆਮ ਕੰਮਕਾਜੀ ਦਿਨ ਦੀ ਕਲਪਨਾ ਕਰੋ। ਉਹ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਵੀਡੀਓ ਕਾਨਫਰੰਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਕੇ ਕਰਦੀ ਹੈ। ਪਹਿਲਾਂ, ਉਸਦੇ ਲੈਪਟਾਪ ਦੇ ਪੱਖੇ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਚੱਲਣ ਲੱਗਦੇ ਸਨ ਕਿਉਂਕਿ ਸਿਸਟਮ ਵੀਡੀਓ ਫੀਡ ਅਤੇ ਬੈਕਗ੍ਰਾਊਂਡ ਬਲਰ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦਾ ਸੀ। ਅੱਜ, ਉਸਦਾ NPU ਵੀਡੀਓ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਚੁੱਪਚਾਪ ਸੰਭਾਲ ਲੈਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ CPU ਉਸਦੇ ਖੁੱਲ੍ਹੇ ਟੈਬਾਂ ਅਤੇ ਪ੍ਰੈਜੈਂਟੇਸ਼ਨ ਸਾਫਟਵੇਅਰ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਮੁਕਤ ਰਹਿੰਦਾ ਹੈ। ਮੀਟਿੰਗ ਦੌਰਾਨ, ਇੱਕ ਸਥਾਨਕ ਮਾਡਲ ਆਡੀਓ ਨੂੰ ਸੁਣਦਾ ਹੈ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਹੁੰਦਾ ਹੈ, ਉਹ ਚਰਚਾ ਕੀਤੀ ਜਾ ਰਹੀ ਗੁਪਤ ਰਣਨੀਤੀ ਦੀ ਗੋਪਨੀਯਤਾ ਬਾਰੇ ਚਿੰਤਾ ਨਹੀਂ ਕਰਦੀ। ਮੀਟਿੰਗ ਤੋਂ ਬਾਅਦ, ਉਸਨੂੰ ਦੋ ਸਾਲ ਪਹਿਲਾਂ ਦੀ ਇੱਕ ਮੁਹਿੰਮ ਤੋਂ ਇੱਕ ਖਾਸ ਫੋਟੋ ਲੱਭਣ ਦੀ ਲੋੜ ਹੈ। ਹਜ਼ਾਰਾਂ ਫਾਈਲਾਂ ਨੂੰ ਸਕ੍ਰੌਲ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਆਪਣੇ ਫਾਈਲ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਇੱਕ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦਾ ਵੇਰਵਾ ਟਾਈਪ ਕਰਦੀ ਹੈ। ਸਥਾਨਕ AI, ਜਿਸਨੇ on-device vision ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਸਦੇ ਚਿੱਤਰਾਂ ਨੂੰ ਇੰਡੈਕਸ ਕੀਤਾ ਹੈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਸਹੀ ਫਾਈਲ ਲੱਭ ਲੈਂਦਾ ਹੈ। ਇਹ ਏਕੀਕਰਣ ਦਾ ਇੱਕ ਅਜਿਹਾ ਪੱਧਰ ਹੈ ਜੋ ਅਦਿੱਖ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ ਪਰ ਦਿਨ ਭਰ ਰਗੜ ਦੇ ਮਿੰਟਾਂ ਨੂੰ ਬਚਾਉਂਦਾ ਹੈ।
ਦੁਪਹਿਰ ਬਾਅਦ, ਸਾਰਾਹ ਨੂੰ ਇੱਕ ਉਤਪਾਦ ਫੋਟੋ ਤੋਂ ਇੱਕ ਭਟਕਾਉਣ ਵਾਲੀ ਵਸਤੂ ਨੂੰ ਹਟਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਇੱਕ ਭਾਰੀ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਐਡੀਟਰ ਖੋਲ੍ਹਣ ਦੀ ਬਜਾਏ, ਉਹ ਇੱਕ ਸਥਾਨਕ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਜੋ ਪਿਕਸਲ ਨੂੰ ਤੁਰੰਤ ਭਰਨ ਲਈ NPU ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਉਸਨੂੰ ਇੱਕ ਬ੍ਰੀਫ ਤਿਆਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਉਸਦਾ ਸਥਾਨਕ ਸਹਾਇਕ ਉਸਦੀ ਪਿਛਲੀ ਲਿਖਣ ਸ਼ੈਲੀ ਦੇ ਅਧਾਰ ‘ਤੇ ਸੁਧਾਰਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਬਿਨਾਂ ਉਸਦੇ ਡਰਾਫਟ ਨੂੰ ਕਿਸੇ ਕੇਂਦਰੀ ਸਰਵਰ ‘ਤੇ ਭੇਜੇ। ਇਹ AI PC ਦਾ ਵਾਅਦਾ ਹੈ। ਇਹ ਕਿਸੇ ਇੱਕ ਸ਼ਾਨਦਾਰ ਵਿਸ਼ੇਸ਼ਤਾ ਬਾਰੇ ਨਹੀਂ ਹੈ ਜੋ ਸਭ ਕੁਝ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਇਹ ਸੌ ਛੋਟੇ ਸੁਧਾਰਾਂ ਬਾਰੇ ਹੈ ਜੋ ਸੋਚ ਅਤੇ ਅਮਲ ਦੇ ਵਿਚਕਾਰ ਦੀ ਦੇਰੀ ਨੂੰ ਦੂਰ ਕਰਦੇ ਹਨ। ਦਿਨ ਦੇ ਅੰਤ ਤੱਕ, ਉਸਦੀ ਬੈਟਰੀ ਅਜੇ ਵੀ ਪੰਜਾਹ ਪ੍ਰਤੀਸ਼ਤ ‘ਤੇ ਹੈ ਕਿਉਂਕਿ ਵਿਸ਼ੇਸ਼ NPU ਪਿਛਲੇ ਸਮੇਂ ਦੇ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਪ੍ਰੋਸੈਸਰਾਂ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲ ਹੈ। ਮਸ਼ੀਨ ਕਲਾਉਡ ਸੇਵਾਵਾਂ ਲਈ ਸਿਰਫ ਇੱਕ ਡੰਬ ਟਰਮੀਨਲ ਨਾਲੋਂ ਇੱਕ ਅਜਿਹੇ ਸਾਥੀ ਵਾਂਗ ਮਹਿਸੂਸ ਹੁੰਦੀ ਹੈ ਜੋ ਉਸਦੇ ਕੰਮ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਦਾ ਹੈ। ਇਹ ਉਹ ਅਸਲ-ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨ ਹੈ ਜੋ ਮਾਰਕੀਟਿੰਗ ਹਾਈਪ ਤੋਂ ਪਰੇ ਹੈ।
ਹਾਲਾਂਕਿ, ਸਾਨੂੰ ਇਹਨਾਂ ਚਮਕਦਾਰ ਨਵੇਂ ਵਾਅਦਿਆਂ ‘ਤੇ ਕੁਝ ਸ਼ੱਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਪਹਿਲਾ ਸਵਾਲ ਜੋ ਸਾਨੂੰ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਇਸ ਹਾਰਡਵੇਅਰ ਤੋਂ ਅਸਲ ਵਿੱਚ ਕਿਸ ਨੂੰ ਫਾਇਦਾ ਹੁੰਦਾ ਹੈ? ਕੀ NPU ਉਪਭੋਗਤਾ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਉੱਥੇ ਹੈ, ਜਾਂ ਕੀ ਇਹ ਸਾਫਟਵੇਅਰ ਵਿਕਰੇਤਾਵਾਂ ਨੂੰ ਸਥਾਨਕ ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਬਹਾਨੇ ਹੋਰ ਟੈਲੀਮੈਟਰੀ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਹੈ? ਹਾਲਾਂਕਿ ਸਥਾਨਕ ਇਨਫਰੈਂਸ ਕਲਾਉਡ ਇਨਫਰੈਂਸ ਨਾਲੋਂ ਵਧੇਰੇ ਨਿੱਜੀ ਹੈ, ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਜੇ ਵੀ ਇੱਕ ਰਿਕਾਰਡ ਰੱਖਦਾ ਹੈ ਕਿ AI ਕੀ ਕਰ ਰਿਹਾ ਹੈ। ਸਾਨੂੰ ਇਹਨਾਂ ਮਸ਼ੀਨਾਂ ਦੀ ਲੁਕਵੀਂ ਕੀਮਤ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ AI PC ਨੂੰ ਮਾਡਲਾਂ ਨੂੰ ਲੋਡ ਅਤੇ ਰਿਸਪੌਂਸਿਵ ਰੱਖਣ ਲਈ ਵਧੇਰੇ RAM ਅਤੇ ਤੇਜ਼ ਸਟੋਰੇਜ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਖਪਤਕਾਰਾਂ ਲਈ ਐਂਟਰੀ ਕੀਮਤ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਕੀ ਸਾਨੂੰ ਉਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਇੱਕ ਮਹਿੰਗੇ ਅਪਗ੍ਰੇਡ ਚੱਕਰ ਵਿੱਚ ਮਜਬੂਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੌਜੂਦਾ ਹਾਰਡਵੇਅਰ ਲਈ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਸੀ? ਲੰਬੀ ਉਮਰ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। AI ਮਾਡਲ ਇੱਕ ਅਜਿਹੀ ਰਫਤਾਰ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੇ ਹਨ ਜੋ ਹਾਰਡਵੇਅਰ ਚੱਕਰਾਂ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹੈ। ਅੱਜ 40 TOPS ਨਾਲ ਖਰੀਦਿਆ ਗਿਆ ਲੈਪਟਾਪ ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਪੁਰਾਣਾ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਮਾਡਲਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਨੂੰ 100 TOPS ਦੀ ਲੋੜ ਹੋਵੇ। ਅਸੀਂ ਤੇਜ਼ ਹਾਰਡਵੇਅਰ ਘਟਾਓ ਦੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜੋ ਖਰੀਦਦਾਰਾਂ ਲਈ ਨਿਰਾਸ਼ਾਜਨਕ ਹੋ ਸਕਦਾ ਹੈ।
ਸਾਨੂੰ ਵਾਤਾਵਰਣ ‘ਤੇ ਪੈਣ ਵਾਲੇ ਪ੍ਰਭਾਵ ਨੂੰ ਵੀ ਦੇਖਣ ਦੀ ਲੋੜ ਹੈ। ਹਾਲਾਂਕਿ on-device AI ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾ ਲਈ ਕਲਾਉਡ AI ਨਾਲੋਂ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੈ, ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਦੇ ਨਿਰਮਾਣ ਲਈ ਦੁਰਲੱਭ ਸਮੱਗਰੀ ਅਤੇ ਊਰਜਾ-ਸਹਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੇਕਰ ਉਦਯੋਗ ਅਰਬਾਂ PCs ਦੇ ਗਲੋਬਲ ਰਿਫ੍ਰੈਸ਼ ਲਈ ਦਬਾਅ ਪਾਉਂਦਾ ਹੈ, ਤਾਂ ਈ-ਵੇਸਟ ਅਤੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਕਾਫ਼ੀ ਹੋਣਗੇ। ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੀ
