ಮೆಟಾ ತನ್ನ ಇತ್ತೀಚಿನ ಕಸ್ಟಮ್ AI ಚಿಪ್ ಅನ್ನು ಅನಾವರಣಗೊಳಿಸುತ್ತದೆ ಅದು ಮುಂದೆ ಸಾಗಲು ಓಡುತ್ತಿದೆ | Duda News

ಚಿತ್ರ ಕ್ರೆಡಿಟ್: ಟೆಕ್ಕ್ರಂಚ್

ಉತ್ಪಾದಕ AI ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳನ್ನು ಹಿಂದಿಕ್ಕಲು ಮೆಟಾ ಬಾಗುತ್ತದೆ ಮತ್ತು ಖರ್ಚು ಮಾಡುತ್ತಿದೆ ಶತಕೋಟಿ ತಮ್ಮದೇ ಆದ AI ಪ್ರಯತ್ನಗಳ ಮೇಲೆ. ಆ ಶತಕೋಟಿಗಳ ಒಂದು ಭಾಗ ಹೋಗುತ್ತಿದೆ AI ಸಂಶೋಧಕರ ನೇಮಕಾತಿ, ಆದರೆ ಯಂತ್ರಾಂಶವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಇನ್ನೂ ದೊಡ್ಡ ಭಾಗವನ್ನು ಖರ್ಚು ಮಾಡಲಾಗುತ್ತಿದೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೆಟಾದ AI ಮಾದರಿಗಳನ್ನು ಚಲಾಯಿಸಲು ಮತ್ತು ತರಬೇತಿ ನೀಡಲು ಚಿಪ್ಸ್.

ಮೆಟಾ ಅನಾವರಣಗೊಳಿಸಲಾಗಿದೆ ಇಂಟೆಲ್ ತನ್ನ ಚಿಪ್ ಅಭಿವೃದ್ಧಿಯ ಪ್ರಯತ್ನಗಳ ಇತ್ತೀಚಿನ ಫಲಗಳನ್ನು ಇಂದು ಅನಾವರಣಗೊಳಿಸಿದ ಒಂದು ದಿನದ ನಂತರ ಘೋಷಿಸಿದರು ಇದರ ಇತ್ತೀಚಿನ AI ವೇಗವರ್ಧಕ ಯಂತ್ರಾಂಶ. “ನೆಕ್ಸ್ಟ್-ಜೆನ್” ಮೆಟಾ ಟ್ರೈನಿಂಗ್ ಅಂಡ್ ಇನ್ಫರೆನ್ಸ್ ಆಕ್ಸಿಲರೇಟರ್ (MTIA) ಎಂದು ಕರೆಯಲ್ಪಡುವ ಕಳೆದ ವರ್ಷದ MTIA v1 ನ ಉತ್ತರಾಧಿಕಾರಿ, ಚಿಪ್ ಮೆಟಾದ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ ಶ್ರೇಯಾಂಕ ಮತ್ತು ಪ್ರದರ್ಶನ ಜಾಹೀರಾತುಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುವುದು ಸೇರಿದಂತೆ ಮಾದರಿಗಳನ್ನು ರನ್ ಮಾಡುತ್ತದೆ (ಉದಾ. Facebook).

7nm ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ನಿರ್ಮಿಸಲಾದ MTIA v1 ಗೆ ಹೋಲಿಸಿದರೆ, ಮುಂದಿನ ಪೀಳಿಗೆಯ MTIA 5nm ಆಗಿದೆ. (ಚಿಪ್ ತಯಾರಿಕೆಯಲ್ಲಿ, “ಪ್ರಕ್ರಿಯೆ” ಎನ್ನುವುದು ಚಿಪ್‌ನಲ್ಲಿ ಮಾಡಬಹುದಾದ ಚಿಕ್ಕ ಘಟಕದ ಗಾತ್ರವನ್ನು ಸೂಚಿಸುತ್ತದೆ.) ಮುಂದಿನ-ಪೀಳಿಗೆಯ MTIA ಭೌತಿಕವಾಗಿ ದೊಡ್ಡ ವಿನ್ಯಾಸವಾಗಿದೆ, ಅದರ ಪೂರ್ವವರ್ತಿಗಿಂತ ಹೆಚ್ಚಿನ ಸಂಸ್ಕರಣಾ ಕೋರ್‌ಗಳನ್ನು ಪ್ಯಾಕ್ ಮಾಡಲಾಗಿದೆ. ಮತ್ತು ಇದು ಹೆಚ್ಚಿನ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತದೆ – 90W vs 25W – ಇದು ಹೆಚ್ಚು ಆಂತರಿಕ ಮೆಮೊರಿಯನ್ನು ಹೊಂದಿದೆ (128MB vs 64MB) ಮತ್ತು ಹೆಚ್ಚಿನ ಸರಾಸರಿ ಗಡಿಯಾರದ ವೇಗದಲ್ಲಿ (800MHz ನಿಂದ 1.35GHz ವರೆಗೆ) ಚಲಿಸುತ್ತದೆ.

ಮುಂದಿನ ಪೀಳಿಗೆಯ MTIA ಪ್ರಸ್ತುತ ತನ್ನ 16 ಡೇಟಾ ಸೆಂಟರ್ ಪ್ರದೇಶಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ ಮತ್ತು MTIA v1 ಗೆ ಹೋಲಿಸಿದರೆ 3x ಒಟ್ಟಾರೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ತಲುಪಿಸುತ್ತಿದೆ ಎಂದು ಮೆಟಾ ಹೇಳುತ್ತದೆ. ಆ “3x” ಹಕ್ಕು ಸ್ವಲ್ಪ ಅಸ್ಪಷ್ಟವಾಗಿ ಕಂಡುಬಂದರೆ, ನೀವು ತಪ್ಪಾಗಿಲ್ಲ – ನಾವು ಕೂಡ ಹಾಗೆ ಭಾವಿಸಿದ್ದೇವೆ. ಆದರೆ ಮೆಟಾ ಮಾತ್ರ ಈ ಅಂಕಿ ಅಂಶವು ಎರಡೂ ಚಿಪ್‌ಗಳಾದ್ಯಂತ “ನಾಲ್ಕು ಪ್ರಮುಖ ಮಾದರಿಗಳ” ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪರೀಕ್ಷಿಸುವುದರಿಂದ ಬರುತ್ತದೆ ಎಂದು ಹೇಳುತ್ತದೆ.

“ನಾವು ಸಂಪೂರ್ಣ ಸ್ಟಾಕ್ ಅನ್ನು ನಿಯಂತ್ರಿಸುವ ಕಾರಣ, ನಾವು ವಾಣಿಜ್ಯಿಕವಾಗಿ ಲಭ್ಯವಿರುವ GPUಗಳಿಗಿಂತ ಹೆಚ್ಚಿನ ದಕ್ಷತೆಯನ್ನು ಸಾಧಿಸಬಹುದು” ಎಂದು ಟೆಕ್ಕ್ರಂಚ್‌ನೊಂದಿಗೆ ಹಂಚಿಕೊಂಡ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್‌ನಲ್ಲಿ ಮೆಟಾ ಬರೆಯುತ್ತಾರೆ.

ಮೆಟಾದ ಹಾರ್ಡ್‌ವೇರ್ ಶೋಕೇಸ್ – ಇದು ಕಂಪನಿಯ ನಡೆಯುತ್ತಿರುವ ವಿವಿಧ ಉತ್ಪಾದಕ AI ಉಪಕ್ರಮಗಳ ಕುರಿತು ಪತ್ರಿಕಾಗೋಷ್ಠಿಯ ನಂತರ ಕೇವಲ 24 ಗಂಟೆಗಳ ನಂತರ ಬರುತ್ತದೆ – ಹಲವಾರು ಕಾರಣಗಳಿಗಾಗಿ ಅಸಾಮಾನ್ಯವಾಗಿದೆ.

ಒಂದು, ಮೆಟಾದಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಈ ಸಮಯದಲ್ಲಿ ಉತ್ಪಾದಕ AI ತರಬೇತಿ ಕಾರ್ಯಭಾರಗಳಿಗಾಗಿ ಇದು ಮುಂದಿನ-ಪೀಳಿಗೆಯ MTIA ಅನ್ನು ಬಳಸುತ್ತಿಲ್ಲ, ಆದರೂ “ಹಲವಾರು ಕಾರ್ಯಕ್ರಮಗಳು ನಡೆಯುತ್ತಿವೆ” ಎಂದು ಕಂಪನಿ ಹೇಳಿಕೊಂಡಿದೆ. ಎರಡು, MTIA ಯ ಮುಂದಿನ ಪೀಳಿಗೆಯು ಮಾದರಿ ಚಾಲನೆಗೆ ಅಥವಾ ತರಬೇತಿಗಾಗಿ GPUಗಳನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ ಎಂದು ಮೆಟಾ ಒಪ್ಪಿಕೊಳ್ಳುತ್ತದೆ – ಬದಲಿಗೆ ಅವುಗಳನ್ನು ಪೂರಕಗೊಳಿಸುತ್ತದೆ.

ಸಾಲುಗಳ ನಡುವೆ ಓದುವಾಗ, ಮೆಟಾ ನಿಧಾನವಾಗಿ ಚಲಿಸುತ್ತಿದೆ – ಬಹುಶಃ ಅವನು ಬಯಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು ನಿಧಾನವಾಗಿ.

ಮೆಟಾದ AI ತಂಡಗಳು ವೆಚ್ಚವನ್ನು ಕಡಿತಗೊಳಿಸಲು ಬಹುತೇಕ ಒತ್ತಡದಲ್ಲಿವೆ. ಖರ್ಚು ಮಾಡಲು ಕಂಪನಿ ಸಿದ್ಧತೆ ನಡೆಸಿದೆ ಅಂದಾಜಿಸಲಾಗಿದೆ 2024 ರ ಅಂತ್ಯದ ವೇಳೆಗೆ $18 ಶತಕೋಟಿ GPU ಗಳಲ್ಲಿ ತರಬೇತಿ ಮತ್ತು ಉತ್ಪಾದಕ AI ಮಾದರಿಗಳನ್ನು ಚಾಲನೆ ಮಾಡಲು ಮತ್ತು – ಲಕ್ಷಾಂತರ ಡಾಲರ್‌ಗಳಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿರುವ ಅತ್ಯಾಧುನಿಕ ಉತ್ಪಾದಕ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ವೆಚ್ಚದೊಂದಿಗೆ – ಆಂತರಿಕ ಯಂತ್ರಾಂಶವು ಆಕರ್ಷಕ ಪರ್ಯಾಯವನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಮತ್ತು ಮೆಟಾದ ಹಾರ್ಡ್‌ವೇರ್ ದುರ್ಬಲವಾಗುತ್ತಿರುವಾಗ ಮತ್ತು ಪ್ರತಿಸ್ಪರ್ಧಿಗಳು ಮುಂದೆ ಸಾಗುತ್ತಿರುವಾಗ, ಮೆಟಾದ ನಾಯಕತ್ವವು ಸಾಕಷ್ಟು ನರಗಳಾಗುತ್ತಿದೆ ಎಂದು ನಾನು ಅನುಮಾನಿಸುತ್ತೇನೆ.

ಗೂಗಲ್ ಈ ವಾರ ತನ್ನ ಐದನೇ ತಲೆಮಾರಿನ ಕಸ್ಟಮ್ ಚಿಪ್ ಅನ್ನು ತರಬೇತಿ AI ಮಾದರಿಗಳಿಗಾಗಿ ಮಾಡಿದೆ, TPU v5p, ಸಾಮಾನ್ಯವಾಗಿ Google ಕ್ಲೌಡ್ ಗ್ರಾಹಕರಿಗೆ ಲಭ್ಯವಿರುತ್ತದೆ ಮತ್ತು ಚಾಲನೆಯಲ್ಲಿರುವ ಮಾದರಿಗಳಿಗಾಗಿ ಅದರ ಮೊದಲ ಮೀಸಲಾದ ಚಿಪ್ ಅನ್ನು ಅನಾವರಣಗೊಳಿಸಿತು, ಆಕ್ಸಿಯಾನ್. Amazon ಹಲವಾರು ಕಸ್ಟಮ್ AI ಚಿಪ್ ಕುಟುಂಬಗಳನ್ನು ಹೊಂದಿದೆ. ಮತ್ತು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಕಳೆದ ವರ್ಷ Azure Maia AI ವೇಗವರ್ಧಕ ಮತ್ತು Azure Cobalt 100 CPU ಗಳೊಂದಿಗೆ ಕಣಕ್ಕೆ ಧುಮುಕಿತು.

ರಲ್ಲಿ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್, ಮೆಟಾ ಹೇಳುವಂತೆ ಮುಂದಿನ ಪೀಳಿಗೆಯ MTIA “ಮೊದಲ ಸಿಲಿಕಾನ್‌ನಿಂದ ಉತ್ಪಾದನಾ ಮಾದರಿಗೆ ಹೋಗಲು” ಒಂಬತ್ತು ತಿಂಗಳಿಗಿಂತ ಕಡಿಮೆ ಸಮಯ ತೆಗೆದುಕೊಂಡಿತು, ಇದು Google TPU ಗಳ ನಡುವಿನ ವಿಶಿಷ್ಟ ವಿಂಡೋಕ್ಕಿಂತ ಚಿಕ್ಕದಾಗಿದೆ. ಆದರೆ ಥರ್ಡ್-ಪಾರ್ಟಿ ಜಿಪಿಯುಗಳಿಂದ ಸ್ವಲ್ಪ ಮಟ್ಟಿನ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಪಡೆಯಲು ಮತ್ತು ಅದರ ಕಠಿಣ ಸ್ಪರ್ಧೆಯನ್ನು ಹೊಂದಿಸಲು ಆಶಿಸಿದರೆ ಮೆಟಾ ಇನ್ನೂ ಹೆಚ್ಚಿನದನ್ನು ಮಾಡಬೇಕಾಗುತ್ತದೆ.