क्या AI कुशलता से काम कर सकता है? शोधकर्ताओं ने संभवतः एक समाधान पाया है

कृत्रिम बुद्धिमत्ता (AI) लगभग हर उद्योग में हमारे भविष्य को आकार देती रहती है क्योंकि इसका अपनाना महत्वपूर्ण व्यावसायिक प्रक्रियाओं को स्वचालित करने, लागत कम करने और उत्पादकता बढ़ाने के लिए बढ़ रहा है। 

डेटा दिखाता है कि 80% से अधिक व्यवसाय कुछ हद तक AI का उपयोग कर रहे हैं, इसे अपने संगठनों में एक मुख्य तकनीक के रूप में देख रहे हैं। AI के लिए वित्तीय प्रतिबद्धता भी बढ़ी है क्योंकि इसका अपनाना महत्वपूर्ण लाभ और बहुत अधिक ROI प्रदान करता है।

इसके साथ, AI बाजार का आकार 2024 में $184 बिलियन से अधिक हो गया और Statista के अनुसार इस दशक के अंत तक $826 बिलियन से अधिक हो जाएगा।

AI में इस सभी वृद्धि और रुचि के विस्फोट ने तकनीक विकसित करने के लिए एक हथियार दौड़ को जन्म दिया है। बड़े भाषा मॉडल (LLMs) जैसे AI मॉडल, जिन्हें संगठनों द्वारा बनाया जा रहा है, एल्गोरिदम का उपयोग करके मानव भाषा को समझते, सारांशित करते, अनुवादित करते और उत्पन्न करते हैं और शक्ति-गहन प्रोसेसरों का उपयोग करके बड़े डेटा पर प्रशिक्षित होते हैं। 

इसके लिए, कंपनियां और डेटा सेंटर ऑपरेटर नई उच्च-क्षमता वाले डेटा सेंटर बनाने के लिए बहुत पूंजी लगा रहे हैं। नई डेटा सेंटर्स में निवेश, International Energy Agency (IEA) के अनुसार, पिछले दो वर्षों में पहले ही बढ़ गया है, जिसका नेतृत्व अमेरिका ने किया है। 2023 में, माइक्रोसॉफ्ट, गूगल और अमेज़न द्वारा अकेले कुल पूंजी निवेश पूरे देश के तेल और गैस उद्योग से अधिक था।

(MSFT ) (AMZN )

इन डेटा सेंटर्स को चलाने के लिए बहुत अधिक बिजली की आवश्यकता होती है। 2022 में, IEA ने बताया कि डेटा सेंटर्स ने 1.65 बिलियन गीगाजूल बिजली की खपत की, जो वैश्विक मांग का लगभग 2% है। 

डेटा सेंटर्स की वैश्विक बिजली मांग को आगे Goldman Sachs (GS ) Research के अनुसार 2027 तक 50% और 2030 तक 165% बढ़ने की भविष्यवाणी की गई है।

डेटा सेंटर्स की वर्तमान बिजली उपयोग लगभग 55 गिगावॉट (GW) अनुमानित है, जिसमें क्लाउड कंप्यूटिंग कार्यभार (54%), पारंपरिक कार्यभार जैसे स्टोरेज (32%), और AI (14%) शामिल हैं। इन कार्यभार प्रकारों की भविष्य की मांग का मॉडलिंग करने पर 2027 तक अनुमानित बिजली मांग 84 GW होगी, जहाँ AI 27% तक बढ़ेगा जबकि क्लाउड 50% तक घटेगा और पारंपरिक कार्यभार 23% तक गिरेंगे।

वहीं, डेटा सेंटर्स की वैश्विक बाजार क्षमता वर्तमान में लगभग 59 GW है, जिसमें से 60% गूगल और अलीबाबा जैसे हाइपरस्केल क्लाउड प्रदाताओं और तृतीय-पक्ष डेटा सेंटर ऑपरेटरों द्वारा प्रदान की जाती है, जबकि बाकी पारंपरिक कॉरपोरेट और टेलीकॉम-स्वामित्व वाले डेटा सेंटर्स से आती है।

इन बड़े हाइपरस्केल डेटा सेंटर्स की बिजली मांग 100 मेगावॉट या अधिक है, और वार्षिक बिजली खपत लगभग 400,000 इलेक्ट्रिक कारों की बिजली मांग के बराबर है।

जैसे-जैसे संगठन AI को अपनाते रहेंगे, हम AI-समर्पित डेटा सेंटर्स के उदय की भी उम्मीद कर सकते हैं, जो एक उभरती हुई बुनियादी ढांचा वर्ग है, जो विशेष रूप से AI कार्यभार की विशिष्ट आवश्यकताओं को पूरा करने के लिए डिज़ाइन किया गया है। अभी तक बहुत कम मौजूद हैं, लेकिन वे मुख्यतः एशिया प्रशांत और उत्तर अमेरिका में स्थित हैं, विशेष रूप से बीजिंग, शंघाई, नॉर्दर्न वर्जीनिया, और सैन फ्रांसिस्को बे एरिया में। 

Goldman Sachs Research के अनुमान के अनुसार, 2030 के अंत तक लगभग 122 GW डेटा सेंटर क्षमता ऑनलाइन होगी। AI की उच्च प्रोसेसिंग कार्यभार मांगों के कारण, डेटा सेंटर्स में बिजली उपयोग की घनत्व भी दो वर्षों में प्रति वर्ग फुट 176 किलोवाट-घंटे तक बढ़ने की संभावना है।

डेटा सेंटर्स की बढ़ती बिजली आवश्यकता के साथ, विद्युत ग्रिड को भी महत्वपूर्ण निवेश की आवश्यकता होगी, जिसका अनुमान 2030 तक $720 बिलियन ग्रिड खर्च है।

डेटा सेंटर्स के कार्बन डाइऑक्साइड उत्सर्जन भी हैं, जो 2022 से 2030 के बीच दो गुना से अधिक हो सकता है। इसलिए, डेटा सेंटर्स की बिजली खपत, जो वर्तमान में कुल शक्ति का 1-2% है और दशक के अंत तक 3-4% तक बढ़ने की संभावना है, एक चिंता का कारण बन गई है, हालांकि यह पूरी तरह से निराशाजनक नहीं है। 

ये आंकड़े, हालांकि विशाल हैं, वैश्विक स्तर पर कुल बिजली खपत वृद्धि के व्यापक संदर्भ में मध्यम हैं, जिसे IEA ने 2030 तक 6,750 TWh की वृद्धि की भविष्यवाणी की है, जो न केवल AI बल्कि निरंतर आर्थिक वृद्धि, इलेक्ट्रिक वाहनों, एयर कंडीशनर, और बिजली-गहन विनिर्माण के कारण है।

इसके अलावा, न केवल AI उपयोग की गति अनिश्चित बनी हुई है, बल्कि हार्डवेयर और सॉफ्टवेयर दोनों में निरंतर दक्षता सुधार AI तकनीक की बिजली मांग को संबोधित करने में मदद कर सकते हैं। 

AI-संबंधित कंप्यूटर चिप्स की दक्षता लगभग हर 2.5-3 साल में दोगुनी हो रही है। एक आधुनिक AI चिप अब 2008 के मॉडल के समान गणनाएँ करते हुए 99% कम शक्ति का उपभोग करती है। इसके अलावा, AI मॉडल स्वयं अधिक कुशल होते जा रहे हैं। नई कूलिंग तकनीकों और नवाचारी वैज्ञानिक समाधान के साथ मिलकर, ये विकास ऊर्जा उपयोग को कम कर रहे हैं और उनके पर्यावरणीय प्रभाव को न्यूनतम कर रहे हैं।

क्लिक करें यहाँ यह जानने के लिए कि पारंपरिक स्टोरेज AI के साथ क्यों नहीं चल पाता।

वैज्ञानिकों ने एक क्रांतिकारी समाधान विकसित किया 

चित्रात्मक छवि। वास्तविक फोटो नहीं।

AI के विकास और इसकी बढ़ती ऊर्जा मांगों के पृष्ठभूमि में, जापान के शोधकर्ताओं ने एक नवीन स्पिनट्रॉनिक डिवाइस विकसित किया है जो चुंबकीय स्थितियों को विद्युत नियंत्रण की अनुमति देकर शक्ति खपत में महत्वपूर्ण कमी का वादा करता है। 

यह突破 AI हार्डवेयर में क्रांति ला सकता है, जिससे चिप्स बनेंगे जो न्यूरल नेटवर्क के कार्य करने के तरीके को प्रतिबिंबित करेंगे और बहुत अधिक ऊर्जा-कुशल होंगे। सूचना संग्रहीत करने के लिए विद्युत धारा का उपयोग करने के बजाय, ये डिवाइस इलेक्ट्रॉनों के स्पिन का उपयोग करते हैं, जो उन्हें तेज़ और अधिक कुशल बनाता है।

स्पिनट्रॉनिक डिवाइसों का उपयोग बड़े स्टोरेज डिवाइसों और कंप्यूटिंग में कंप्यूटरों की गति और प्रदर्शन बढ़ाने के लिए किया जाता है।

नेशनल इंस्टीट्यूट फॉर मैटेरियल्स साइंस, तोहोकू विश्वविद्यालय, और जापान एटॉमिक एनर्जी एजेंसी के शोधकर्ता अब इसे कम-शक्ति AI चिप्स के लिए उपयोग कर रहे हैं और एक प्रूफ़-ऑफ़-कॉन्सेप्ट करंट-प्रोग्राम्ड स्पिन-ऑर्बिट टॉर्क (SOT) डिवाइस का प्रदर्शन किया है।

SOT एक आशाजनक तंत्र प्रदान करता है जो चुंबकीय स्थितियों में सूचना को विद्युत रूप से एन्कोड करता है। हालांकि, मौजूदा योजनाओं में, यह सामग्री और डिवाइस संरचनाओं द्वारा निष्क्रिय रूप से निर्धारित होता है। 

“जबकि स्पिनट्रॉनिक अनुसंधान ने विद्युत रूप से चुंबकीय क्रम को नियंत्रित करने में महत्वपूर्ण प्रगति की है, अधिकांश मौजूदा स्पिनट्रॉनिक डिवाइस चुंबकीय सामग्री की भूमिका को नियंत्रित करने और ड्राइविंग फोर्स प्रदान करने वाली सामग्री को अलग करते हैं।”

– शुन्सुके फुकामी, तोहोकू विश्वविद्यालय

स्पिनट्रॉनिक डिवाइस, एक बार निर्मित होने पर, एक निश्चित संचालन योजना रखते हैं जिसके तहत वे आमतौर पर जानकारी को द्विआधारी रूप में बदलते हैं; “0” से “1” तक। हालांकि, नई शोध ने कई चुंबकीय स्थितियों के विद्युत-प्रोग्रामेबल स्विचिंग में प्रगति की है। अंतर्निहित SOT ध्रुवीयता को नियंत्रित करके लचीले प्रोग्रामेबल SOT डिवाइस संभव होते हैं।

Nature Communications में प्रकाशित अध्ययन के परिणामों के अनुसार¹ इस महीने, यह स्पिनट्रॉनिक डिवाइस गैर-रेखीय एंटीफेरोमैग्नेट और फेरोमैग्नेट की विद्युत पारस्परिक नियंत्रण को सक्षम करता है, जिससे चुंबकीय स्थितियों का कुशल स्विचिंग संभव होता है। 

चुंबकीय स्थितियों का विद्युत नियंत्रण मैग्नेटिक मेमोरी, लॉजिक और कंप्यूटिंग की नींव है, और SOT उन्हें नियंत्रित करने का एक कुशल तरीका प्रदान करता है। 

इसका मतलब है कि यह突破 SOT डिवाइस जानकारी को संग्रहीत और प्रोसेस कर सकता है, बिल्कुल एक मस्तिष्क-प्रेरित AI चिप की तरह, जबकि बहुत कम ऊर्जा का उपयोग करता है, जिससे अत्यधिक कुशल और ऊर्जा-बचत AI हार्डवेयर की नई पीढ़ी के द्वार खुलते हैं।

अध्ययन ने Mn3Sn, एक गैर-रेखीय एंटीफेरोमैग्नेट, को मुख्य चुंबकीय सामग्री के रूप में उपयोग किया और उस पर विद्युत धारा लागू की, जिससे यह एक स्पिन धारा उत्पन्न करता है जो पड़ोसी फेरोमैग्नेट CoFeB के स्विचिंग को संचालित करता है। यह प्रक्रिया मैग्नेटिक स्पिन हॉल प्रभाव कहलाती है।

स्पिन हॉल प्रभाव (SHE) आधुनिक स्पिनट्रॉनिक्स का एक मुख्य तत्व है जो “चार्ज धारा और चुंबकीय क्रमित प्रणालियों में सामूहिक स्पिन गतिशीलता के बीच coupling” को प्राप्त करता है।

Previous research² तोहोकू विश्वविद्यालय के पिछले शोध ने, अन्य संस्थानों के सहयोग से, दिखाया कि गैर-चुंबकीय सामग्री की तुलना में एंटीफेरोमैग्नेट में स्पिन हॉल गुण अधिक मजबूत होते हैं। साथ ही, Mn3Sn में, जब उसके त्रिकोणीय क्रमित मोमेंट्स की दिशा बदलती है, तो SHE में एक असामान्य संकेत परिवर्तन होता है। यह भी बताया गया कि Mn3Sn की उच्च चुंबकीय तंत्रिका स्पिन विभाजन के कारण है, जो गति पर निर्भर है और गैर-रेखीय चुंबकीय क्रम द्वारा उत्पन्न होती है, जिससे एंटीफेरोमैग्नेटिक स्पिनट्रॉनिक्स का दायरा विस्तारित होता है।

नवीनतम शोध में, फेरोमैग्नेट ने स्पिन-ध्रुवीकृत धारा का जवाब दिया और इसके अतिरिक्त Mn3Sn की चुंबकीय स्थिति को प्रभावित किया। इससे दोनों सामग्रियों के बीच विद्युत पारस्परिक स्विचिंग संभव हुई।

टीम ने अपने प्रयोग में वास्तव में दिखाया कि फेरोमैग्नेट में लिखी गई जानकारी को Mn3Sn की चुंबकीय स्थिति की मदद से विद्युत रूप से नियंत्रित किया जा सकता है। उन्होंने सेट धारा को समायोजित करके विभिन्न ट्रेस में CoFeB की चुंबकत्व को कई स्थितियों का प्रतिनिधित्व करने के लिए स्विच किया।

यह धारा ध्रुवीयता लिखी गई जानकारी के संकेत को बदलती है, जो एक एनालॉग स्विचिंग तंत्र है, और यह न्यूरल नेटवर्क में एक प्रमुख संचालन है तथा AI प्रोसेसिंग में एनालॉग मानों के कार्य करने के तरीके की नकल करता है।

फुकामी के अनुसार, यह खोज अधिक ऊर्जा-कुशल AI चिप्स बनाने में एक महत्वपूर्ण कदम है। 

“एक गैर-रेखीय एंटीफेरोमैग्नेट और एक फेरोमैग्नेट के बीच विद्युत पारस्परिक स्विचिंग को साकार करके, हमने करंट-प्रोग्रामेबल न्यूरल नेटवर्क के लिए नई संभावनाएँ खोली हैं,” उन्होंने जोड़ा, यह नोट करते हुए कि उनका वर्तमान फोकस “ऑपरेटिंग धारा को और कम करने और रीडआउट सिग्नल को बढ़ाने पर है, जो AI चिप्स में व्यावहारिक अनुप्रयोगों के लिए महत्वपूर्ण होगा।”

डेटा सेंटर्स की बड़ी ऊर्जा खपत को देखते हुए, एक अन्य अध्ययन ने SOT मैग्नेटिक रैंडम-एक्सेस मेमोरी (MRAM) के साथ शक्ति खपत को कम करने का लक्ष्य रखा।

यह अलग अध्ययन³, जो पिछले महीने Nature Communications में प्रकाशित हुआ, जॉहांस गुटेनबर्ग यूनिवर्सिटी मैन्स (JGU) के शोधकर्ताओं द्वारा किया गया था, जिन्होंने डेटा प्रोसेसिंग और स्टोरेज के लिए एक शक्तिशाली और अत्यधिक कुशल समाधान विकसित किया, जबकि ऊर्जा खपत को कम किया।

प्रोटोटाइप “तेज़, अधिक कुशल मेमोरी समाधान के मार्ग को प्रशस्त करता है,” कहा प्रमुख अध्ययन लेखक, डॉ. राहुल गुप्ता, जो JGU इंस्टीट्यूट ऑफ फिज़िक्स में पूर्व पोस्टडॉक्टोरल शोधकर्ता हैं।

यह SOT MRAM पर आधारित है, जो स्थैतिक RAM की तुलना में अपनी श्रेष्ठ शक्ति दक्षता, गैर-स्थायित्व, और प्रदर्शन के लिए जाना जाता है। वह तकनीक जो चुंबकीय स्थितियों को स्विच करने के लिए विद्युत धारा का उपयोग करती है, लेखन प्रक्रिया के दौरान आवश्यक उच्च इनपुट धारा को कम करने में चुनौतियों का सामना करती है। इसका मतलब है डेटा को लंबे समय तक संग्रहीत रखने के लिए पर्याप्त थर्मल स्थिरता बनाए रखना और संग्रह कार्य को करने के लिए आवश्यक ऊर्जा को न्यूनतम करना।

SHE के बजाय, इस अध्ययन ने ऑर्बिटल हॉल इफ़ेक्ट (OHE) का उपयोग किया, जहाँ जब विद्युत धारा लागू की जाती है तो सामग्री में कक्षीय कोणीय गति का पार्श्व प्रवाह उत्पन्न होता है। इस घटना का उपयोग करके, शोधकर्ता महंगे या दुर्लभ सामग्री पर निर्भर हुए बिना अधिक ऊर्जा दक्षता प्राप्त करने में सक्षम हुए।

विकसित अद्वितीय चुंबकीय सामग्री रूथेनियम जैसे तत्वों का उपयोग SOT चैनल के रूप में करती है ताकि प्रदर्शन बढ़े। इसके साथ, टीम ने इनपुट धारा में 20% कमी, दक्षता में 30% वृद्धि, और कुल ऊर्जा खपत में 50% से अधिक कमी हासिल की।

मार्गदर्शक कंपनियां

अब, आइए उन प्रमुख नामों को देखें जो AI क्षेत्र को आगे बढ़ाने में मदद कर रहे हैं:

1. NVIDIA Corporation

Nvidia (NVDA ) ग्राफ़िक्स प्रोसेसिंग यूनिट्स (GPU) को डिजाइन और निर्मित करता है। GPU एक इलेक्ट्रॉनिक सर्किट है जो उच्च गति से गणितीय गणनाएँ करता है और AI मॉडल विकसित करने के लिए एक लोकप्रिय विकल्प है।

पिछले दशक में, कंपनी ने अपने GPU की प्रदर्शन-प्रति-वॉट को 4,000 गुना तक उल्लेखनीय रूप से सुधार दिया है, जैसा कि उसके मुख्य वैज्ञानिक विलियम डैली के अनुसार है, और ये चिप्स में विशेष सर्किट विकसित करती रहती है जो विशेष रूप से AI गणनाओं के लिए डिजाइन किए गए हैं।

Nvidia विश्व की दूसरी सबसे बड़ी कंपनी है, जिसकी बाजार पूंजी $3.21 ट्रिलियन है। इसके शेयर वर्तमान में $130.86 पर ट्रेड हो रहे हैं, YTD में 2.35% गिरावट के साथ। कंपनी का EPS (TTM) 2.54 है और P/E (TTM) अनुपात 51.67 है, जबकि इसका डिविडेंड यील्ड 0.03% है।

कंपनी के वित्तीय आंकड़ों के बारे में, Nvidia अपना FY25 के चौथे तिमाही का डेटा 26 फरवरी को जारी करेगा। अब, Q3 के लिए, इसका GAAP प्रति डायल्यूटेड शेयर आय $0.78 थी और non-GAAP प्रति डायल्यूटेड शेयर आय $0.81 थी।

इस तिमाही के लिए, Nvidia ने $35.1 बिलियन की रिकॉर्ड राजस्व की घोषणा की, जो Q2 से 17% और पिछले साल से 94% अधिक है। इसका डेटा सेंटर से राजस्व $30.8 बिलियन था। अपने Q4 के लिए, उसने $37.5 बिलियन की राजस्व दृष्टि साझा की।

“AI का युग पूरी गति से चल रहा है, जो NVIDIA कंप्यूटिंग की ओर एक वैश्विक बदलाव को प्रेरित कर रहा है,” CEO और संस्थापक जेंसन हुआंग ने कहा, जब उन्होंने Hopper की “अविश्वसनीय” मांग और Blackwell की प्रत्याशा को नोट किया, जो तेज़ प्रशिक्षण, इनफ़रेंस, और जनरेटिव AI में दक्षता के लिए हाई-परफ़ॉर्मेंस कंप्यूटिंग (HPC) को सक्षम करता है।

Nvidia ने एक शानदार यात्रा देखी है, क्योंकि उसके शेयर मूल्य अक्टूबर 2022 में $11 से नीचे से जनवरी 2025 की शुरुआत में $152 से ऊपर तक बढ़े। हाल ही में, चीनी AI स्टार्टअप DeepSeek ने अपना नवीनतम AI मॉडल लॉन्च करने के बाद इसे कुछ गति खो दी। प्रारंभिक धारणा थी कि DeepSeek Nvidia के हाई-परफ़ॉर्मेंस GPU की मांग को कम करेगा, लेकिन वास्तव में यह Nvidia के लिए सकारात्मक हो सकता है क्योंकि स्टार्टअप की कम कंप्यूटिंग पावर जरूरतें अधिक AI अवसर खोल सकती हैं, जिससे सबसे बड़े चिपमेकर के मूल्य बढ़ेंगे।

“AI हर उद्योग, कंपनी और देश को बदल रहा है,” हुआंग ने पिछले तिमाही के वित्तीय परिणामों के दौरान कहा और आगे बताया कि उद्यम एजेंटिक AI को अपना रहे हैं जबकि भौतिक AI में प्रगति औद्योगिक रोबोटिक्स में देखी जा रही है। देशों ने भी अपनी AI बुनियादी ढांचा बनाने के महत्व को समझा है।

#2. Broadcom Inc.

Broadcom (AVGO ) शीर्ष 10 सबसे बड़ी कंपनियों में से एक है, जिसकी बाजार पूंजी $1.1 ट्रिलियन है। यह अर्ध-चालक और इन्फ्रास्ट्रक्चर सॉफ्टवेयर समाधान की विस्तृत श्रृंखला के डिजाइन, विकास और आपूर्ति में शामिल है। कंपनी की साझेदारियों में Google, Meta Platforms (META ), और ByteDance जैसे प्रमुख खिलाड़ी शामिल हैं। यह OpenAI और Apple (AAPL ) के साथ मिलकर अपने स्वयं के AI चिप्स बनाने पर भी काम कर रहा है।

लेखन के समय, Broadcom के शेयर $235 पर ट्रेड हो रहे हैं, YTD में 1.95% वृद्धि के साथ। कंपनी का EPS (TTM) 1.28 है और P/E (TTM) अनुपात 184.78 है, जबकि इसका डिविडेंड यील्ड 1% है।

अब, 2024 के Q4 में, Broadcom की राजस्व $14 बिलियन से अधिक थी, जो पिछले वर्ष की अवधि से 51% वृद्धि है, जबकि GAAP शुद्ध आय $4.324 बिलियन थी। FY2025 के Q1 के लिए, कंपनी ने लगभग $14.6 बिलियन की राजस्व मार्गदर्शन दी।

चौथे तिमाही में, चिपमेकर की अर्ध-चालक राजस्व रिकॉर्ड $30.1 बिलियन तक पहुंच गई, जिसे CEO और President हॉक टैन ने कहा कि यह AI राजस्व $12.2 बिलियन द्वारा प्रेरित था। AI राजस्व में 220% वार्षिक वृद्धि उसके XPUs द्वारा प्रेरित थी।

Broadcom का GAAP डायल्यूटेड EPS $0.90 आया और non-GAAP डायल्यूटेड EPS $1.42 था। ऑपरेशन्स से नकदी $5.6 बिलियन थी। कंपनी ने त्रैमासिक सामान्य स्टॉक डिविडेंड में 11% वृद्धि करके प्रति शेयर $0.59 किया, जो चौदहवीं लगातार वृद्धि थी। पुनर्संरचना को छोड़कर फ्री कैश फ्लो भी $21.9 बिलियन पर “मजबूत” आया, जबकि नकदी और नकदी समकक्ष $9.348 बिलियन थे।

“हम अगले तीन वर्षों में AI में अपनी अवसर को विशाल देखते हैं। विशिष्ट हाइपरस्केलर्स ने अपने-अपने कस्टम AI एक्सेलेरेटर्स विकसित करने की यात्रा शुरू कर दी है।”

– टैन ने आय कॉल पर कहा

उन्होंने यह भी साझा किया कि कंपनी तीन बड़े क्लाउड ग्राहकों के साथ AI चिप्स विकसित कर रही है, जिनमें से प्रत्येक से उम्मीद है कि 2027 तक नेटवर्केड क्लस्टर्स में 1 मिलियन AI चिप्स तैनात करेगा।

निष्कर्ष

जैसे ही कृत्रिम बुद्धिमत्ता की लोकप्रियता और उपयोग बढ़ता जा रहा है, उसकी ऊर्जा खपत भी बढ़ती है। AI मॉडल, विशेषकर डीप लर्निंग, गणना के लिए काफी ऊर्जा की आवश्यकता रखते हैं, और पारंपरिक समाधान शक्ति दक्षता सीमाओं का सामना करते हैं।

इस पृष्ठभूमि में, AI चिप्स की ऊर्जा दक्षता सुधारने और उनके पर्यावरणीय प्रभाव को न्यूनतम करने के उद्देश्य से किए गए शोध दुनिया को तकनीक की पूरी क्षमता को साकार करने में मदद कर सकते हैं, जबकि इसके नकारात्मक प्रभावों को कम कर सकते हैं।

SOT-आधारित मेमोरी और लॉजिक डिवाइस यहाँ एक बड़ा अंतर ला सकते हैं, क्योंकि वे चार्ज-आधारित लॉजिक के बजाय गणना के लिए चुंबकीय स्थितियों का उपयोग करके कम-शक्ति समाधान प्रदान करते हैं। निरंतर शक्ति के बिना डेटा को बनाए रखने से AI इनफ़रेंस की ऊर्जा लागत घट सकती है, मस्तिष्क की नकल करके रीयल-टाइम AI निर्णय लेने के लिए अधिक ऊर्जा-कुशल AI एक्सेलेरेटर्स सक्षम हो सकते हैं, और लॉजिक और मेमोरी को एकीकृत करके AI कार्यों की प्रोसेसिंग गति बढ़ सकती है।

ऐसी निरंतर कोशिशें AI हार्डवेयर और सॉफ्टवेयर को अधिक ऊर्जा-कुशल, तेज़, और जटिल गणनाओं को संभालने में सक्षम बनाती हैं, जिससे बदले में विभिन्न उद्योगों में AI अपनाने को बढ़ावा मिलता है और इसका कार्बन फुटप्रिंट घटता है!

क्लिक करें यहाँ यह जानने के लिए कि 2025 AI-चालित निवेशों का वर्ष क्यों है।