NVIDIA-प्रेरित प्रगति ने AI प्रशिक्षण की ऊर्जा आवश्यकता को 100 गुना कम किया

कृत्रिम बुद्धिमत्ता (AI) ने पूरी दुनिया पर कब्जा कर लिया है, और कोई भी क्षेत्र इस तकनीकी प्रगति के जादू से अछूता नहीं है। आज, 77% उपकरण AI तकनीक को अपना रहे हैं, जबकि केवल एक तिहाई उपभोक्ता सोचते हैं कि वे AI प्लेटफ़ॉर्म का उपयोग कर रहे हैं। 

एक बढ़ती संख्या में संगठन भी व्यवसायिक विकास के लिए AI को अपनाते जा रहे हैं, जहाँ 10 में से 9 कंपनियाँ प्रतिस्पर्धात्मक लाभ के लिए इस तकनीक का समर्थन करती हैं। यह उपयोग 85 मिलियन नौकरियों को समाप्त करने का अनुमान है, लेकिन साथ ही 97 मिलियन नई नौकरियों का सृजन भी करेगा।

ये आंकड़े इस अनुमान को दर्शाते हैं कि AI बाजार 2030 तक वैश्विक अर्थव्यवस्था में 15.7 ट्रिलियन डॉलर का योगदान देगा। AI बाजार का आकार भी वार्षिक कम से कम 120% की दर से बढ़ने की उम्मीद है।

हालाँकि, जैसे-जैसे AI अपनाना बढ़ता है, डेटा सेंटरों को शक्ति प्रदान करने की ऊर्जा की मांग भी बढ़ती है, जो अत्यधिक ऊर्जा‑गहन होते हैं। हजारों सर्वरों को लगातार चलाना और ठंडा करना बड़ी मात्रा में ऊर्जा की आवश्यकता रखता है। वर्तमान में, यह ऊर्जा विद्युत ग्रिड से ली जाती है, जिससे पीक डिमांड के दौरान समस्याएँ उत्पन्न होती हैं और सिस्टम पर दबाव बढ़ता है। अनुसार Chevron (CVX ) CEO Mike Wirth:

“वृद्धि और शक्ति की मांग एक ऐसे ग्रिड पर बोझ डाल सकती है जो पहले से ही तनाव में है। यह उपभोक्ताओं के लिए लागत बढ़ा सकता है। प्राकृतिक गैस विश्वसनीय बिजली की असीमित मांग के साथ कृत्रिम बुद्धिमत्ता की तेज़ी से बढ़ती वृद्धि को शक्ति प्रदान करेगी।”

इस मांग के जवाब में, Chevron ने हाल ही में घोषणा की कि वह GE (GE ) Verona और Engine No. 1 के साथ मिलकर डेटा सेंटरों से सीधे जुड़ी प्राकृतिक गैस पावर प्लांट बनाकर AI के लिए बिजली उत्पन्न करेगा।

वर्तमान में, अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA) की एक रिपोर्ट के अनुसार, डेटा सेंटर वैश्विक विद्युत खपत का लगभग 1% हिस्सा हैं। 

लेकिन यह केवल शुरुआत है क्योंकि कंपनियाँ और अधिक डेटा सेंटर बनाने में अरबों डॉलर खर्च कर रही हैं। 

Microsoft (MSFT ) AI‑सक्षम डेटा सेंटरों में 80 बिलियन डॉलर निवेश करने की योजना बना रहा है, जिसमें से आधा हिस्सा संयुक्त राज्य में आवंटित होगा। अनुसार Blackstone (BX ) के अनुमान के अनुसार, 2030 तक संयुक्त राज्य के डेटा सेंटरों में 1 ट्रिलियन डॉलर से अधिक का निवेश होगा, जिसमें Google (GOOGL ), Meta (META ), और Amazon (AMZN ) जैसे तकनीकी दिग्गज राष्ट्र भर में डेटा सेंटर बना रहे हैं।

इसलिए, इस क्षेत्र की ऊर्जा खपत यहाँ से और तेज़ी से बढ़ेगी। Goldman Sachs (GS ) का अनुमान है कि अगले पाँच वर्षों में डेटा सेंटर की शक्ति मांग 160% बढ़ेगी, जिससे स्वाभाविक रूप से बिजली उपयोग में अभूतपूर्व वृद्धि होगी।

Electric Power Research Institute (EPRI) के अनुमान के अनुसार, इन सुविधाओं द्वारा संयुक्त राज्य में ऊर्जा खपत इस दशक के अंत तक कुल विद्युत उत्पादन का 4.6% से 9.1% तक हो सकती है। 

इसी बीच, यूरोप में, विशेषकर जर्मनी में, डेटा सेंटरों ने 2020 में कंप्यूटिंग, स्टोरेज और ट्रांसमिशन के लिए लगभग 16 बिलियन kWh ऊर्जा का उपभोग किया, जो 2025 तक 22 बिलियन kWh तक बढ़ने की संभावना है।

परिणामस्वरूप, शोधकर्ता लगातार AI की शक्ति आवश्यकताओं को कम करने के तरीकों की खोज कर रहे हैं। 

AI ऊर्जा खपत को कम करना

AI तकनीक विभिन्न क्षेत्रों में ऊर्जा दक्षता को बढ़ाने में प्रमुख भूमिका निभा रही है, ऊर्जा खपत को अनुकूलित करके, मांग की भविष्यवाणी करके, और स्मार्ट ग्रिड प्रबंधन को सक्षम करके, अंततः ऊर्जा बर्बादी को कम करती है और कार्बन उत्सर्जन घटाती है। 

उदाहरण के तौर पर, Vodafone UK ने Ericsson की उन्नत AI और मशीन लर्निंग‑संचालित सॉफ़्टवेयर समाधान का उपयोग करके 5G रेडियो यूनिट्स (RUs) की दैनिक शक्ति उपयोग को 33% तक घटाया है, और लंदन के चयनित साइटों पर यह सफलता प्राप्त की है।

Vodafone UK ने परीक्षण के हिस्से के रूप में तीन मुख्य ऊर्जा‑बचत सुविधाएँ लागू कीं। 

इनमें रेडियो पावर इफ़िशिएंसी हीटमैप शामिल है, जो मशीन लर्निंग का उपयोग करके कम प्रदर्शन वाली साइटों की पहचान और रैंकिंग करता है, जिससे सभी नेटवर्क सेल्स का दृश्यात्मक प्रतिनिधित्व बनाकर लक्षित दक्षता सुधार संभव होता है। फिर 4G सेल स्लीप मोड ऑर्केस्ट्रेशन है, जिसने नेटवर्क सेल्स का व्यवहारिक मॉडल विकसित किया है ताकि स्लीप पैरामीटर को समायोजित करके ऊर्जा बचत और प्रदर्शन के बीच संतुलन बनाया जा सके। 5G डीप स्लीप AI‑चालित भविष्यवाणी एल्गोरिदम का उपयोग करता है, जिससे ऑफ‑पीक घंटों में शक्ति उपयोग 70% तक घट जाता है।

लेकिन AI की ऊर्जा खपत के बारे में क्या? वास्तव में, शोधकर्ता और कंपनियाँ इस तेज़ी से बढ़ती तकनीक की ऊर्जा खपत को कम करने के लिए कई क्षेत्रों को लक्षित कर रही हैं।

इसमें AI मॉडलों का अनुकूलन, ऊर्जा‑कुशल हार्डवेयर का उपयोग, और डेटा सेंटरों में नवीकरणीय ऊर्जा तथा कुशल कूलिंग जैसी सतत प्रथाओं को अपनाना शामिल है।

AI मॉडलों को अनुकूलित करने के संदर्भ में, प्रूनिंग, क्वांटाइज़ेशन और डिस्टिलेशन जैसी विभिन्न तकनीकों का उपयोग किया जा सकता है। मॉडल प्रूनिंग में, मॉडल से अनावश्यक पैरामीटर और कनेक्शन हटाए जाते हैं बिना सटीकता को प्रभावित किए। क्वांटाइज़ेशन मॉडल पैरामीटर की सटीकता को घटाकर गणनात्मक आवश्यकताओं और ऊर्जा खपत को कम करता है। डिस्टिलेशन में, छोटे मॉडल को बड़े, अधिक जटिल मॉडल के व्यवहार की नकल करने के लिए प्रशिक्षित किया जाता है, जिससे समान प्रदर्शन के साथ अधिक ऊर्जा‑कुशल मॉडल प्राप्त होता है। 

MIT Technology Review ने इस वर्ष की अपनी प्रकाशन में कहा कि छोटे मॉडल वह तकनीकी प्रगति हैं जो अगले युग को परिभाषित करेंगे। ये मॉडल अधिक केंद्रित डेटा सेट पर प्रशिक्षित होते हैं और बड़े भाषा मॉडलों (LLMs) की तुलना में डोमेन‑विशिष्ट सटीकता, लागत‑कुशलता और बेहतर डेटा सुरक्षा प्रदान करते हैं। 

GPT-4o mini (OpenAI), Phi (Microsoft), Gemini Nano (Google DeepMind), और Haiku (Anthropic के Claude 3) कुछ उदाहरण हैं बड़े AI मॉडलों के छोटे संस्करणों के, जो तकनीकी दिग्गजों द्वारा विकसित किए गए हैं।

हार्डवेयर के संदर्भ में, ध्यान GPU और अन्य विशेषीकृत AI प्रोसेसरों पर रहा है, जो उच्च‑प्रदर्शन कार्यभार के लिए विशेष रूप से डिज़ाइन किए गए हैं। 

इसके अलावा, चयनित ऊर्जा‑कुशल सर्वर और प्रोसेसर हैं जो कार्यभार की मांग के अनुसार शक्ति उपयोग को समायोजित करते हैं, वर्चुअलाइज़ेशन बेहतर संसाधन उपयोग के लिए कई प्रक्रियाओं को कम भौतिक मशीनों पर चलाता है, और उन्नत कूलिंग तकनीकें पावर‑गहन एयर कंडीशनिंग सिस्टम की आवश्यकता को घटाती हैं। 

जैसा कि हमने पिछले महीने साझा किया था, तोहोकू विश्वविद्यालय, जापान एटॉमिक एनर्जी एजेंसी, और नेशनल इंस्टीट्यूट फॉर मैटेरियल्स साइंस के शोधकर्ताओं ने एक अत्यधिक कुशल और ऊर्जा‑बचत AI हार्डवेयर हासिल किया। शोधकर्ताओं ने कम‑शक्ति AI चिप्स के लिए स्पिन्ट्रॉनिक डिवाइसों का उपयोग किया और एक करंट‑प्रोग्राम्ड स्पिन‑ऑर्बिट टॉर्क (SOT) डिवाइस दिखाया, जो नई पीढ़ी के AI हार्डवेयर के लिए द्वार खोलता है।

AI ऊर्जा खपत को कम करने का एक और तरीका सतत प्रथाओं के माध्यम से है। डेटा सेंटर नवीकरणीय ऊर्जा स्रोतों का उपयोग कर सकते हैं, ऊर्जा‑कुशल कूलिंग सिस्टम लागू कर सकते हैं, और लेआउट को इस तरह डिज़ाइन कर सकते हैं कि ऊर्जा खपत घटे।

कंपनियाँ इस दिशा में सक्रिय रूप से कदम उठा रही हैं; Google ने भू‑तापीय ऊर्जा के साथ प्रगति की है। Microsoft भी ऐसा ही कर रहा है, जो Three Mile Island परमाणु संयंत्र को पुनः खोलकर 2030 तक कार्बन‑न्यूट्रल बनने की योजना बना रहा है।

दिलचस्प बात यह है कि AI को स्वयं AI की ऊर्जा दक्षता बढ़ाने के लिए भी उपयोग किया जा रहा है। यह तकनीक इमारतों और उद्योगों में ऊर्जा खपत को अनुकूलित करती है, उपकरणों को कब रख‑रखाव की आवश्यकता है इसका पूर्वानुमान लगाती है, और वास्तविक‑समय ग्रिड स्थितियों का लाभ उठाकर पीक डिमांड को घटाती है।

इन सबके बीच, Technical University of Munich (TUM) के शोधकर्ताओं ने एक नया तरीका विकसित किया है जो न्यूरल नेटवर्क को 100 गुना तेज़ प्रशिक्षित करता है, जिससे AI अनुप्रयोगों से जुड़ी ऊर्जा खपत में उल्लेखनीय कमी आती है।

इसके लिए, शोधकर्ताओं ने पैरामीटर को क्रमिक विधियों की बजाय संभावनाओं के आधार पर सीधे गणना किया, लेकिन परिणाम मौजूदा क्रमिक विधियों के समान गुणवत्ता के रहे हैं।

AI ऊर्जा खपत को उल्लेखनीय रूप से कम करने का नया तरीका 

AI के उपयोग में वृद्धि के अलावा, आने वाले वर्षों में अधिक जटिल AI अनुप्रयोगों की शुरुआत डेटा सेंटर क्षमता की मांग में तीव्र वृद्धि का कारण बनेगी। 

इन अनुप्रयोगों को न्यूरल नेटवर्क के प्रशिक्षण के लिए बड़ी मात्रा में ऊर्जा की आवश्यकता होगी। इसलिए, नया अध्ययन न्यूरल नेटवर्क के प्रशिक्षण के लिए आवश्यक विशाल शक्ति को कम करने पर केंद्रित है। 

न्यूरल नेटवर्क AI में छवियों की पहचान, भाषा प्रसंस्करण और अन्य कार्यों के लिए उपयोग किए जाते हैं। इन नेटवर्कों का कार्यप्रणाली मानव मस्तिष्क के काम करने के तरीके से प्रेरित है।

न्यूट्रल नेटवर्क आपस में जुड़े नोड्स, जिन्हें कृत्रिम न्यूरॉन्स कहा जाता है, से बना होता है। यहाँ, इनपुट सिग्नल को विशिष्ट पैरामीटर के साथ वेट किया जाता है, फिर उनका योग किया जाता है और यदि निर्धारित सीमा से अधिक हो जाता है, तो सिग्नल अगले नोड को भेजा जाता है।

अब, नेटवर्क को प्रशिक्षित करने के लिए, प्रारंभिक पैरामीटर मान आमतौर पर यादृच्छिक रूप से चुने जाते हैं और फिर क्रमिक रूप से समायोजित किए जाते हैं ताकि नेटवर्क की भविष्यवाणी में निरंतर सुधार हो।

यह दृष्टिकोण, बेशक, कई पुनरावृत्तियों की आवश्यकता रखता है, जिससे प्रशिक्षण अत्यधिक मांगपूर्ण बन जाता है, और परिणामस्वरूप बड़ी मात्रा में बिजली की खपत होती है।

इसलिए, फ़ेलिक्स डाइटरिच, जो फ़िज़िक्स‑एन्हांस्ड मशीन लर्निंग के प्रोफ़ेसर हैं, द्वारा नेतृत्व किया गया एक शोध समूह एक नई विधि विकसित किया। डाइटरिच म्यूनिख डेटा साइंस इंस्टीट्यूट (MDSI) के मुख्य सदस्य और म्यूनिख सेंटर फॉर मशीन लर्निंग (MCML) के सहयोगी सदस्य हैं।

यह नई तकनीक क्या करती है? यह पैरामीटर निर्धारित करने के लिए क्रमिक गणना के बजाय संभावनाओं का उपयोग करती है। यह संभाव्यात्मक विधि प्रशिक्षण डेटा के महत्वपूर्ण स्थानों पर मानों का लक्षित उपयोग करती है, जहाँ मानों में बड़े और तेज़ परिवर्तन हो रहे होते हैं। 

इस दृष्टिकोण के साथ, अध्ययन डेटा से ऊर्जा‑संरक्षण गतिशील प्रणालियों को प्राप्त करने का लक्ष्य रखता है। ऐसी गतिशील प्रणालियाँ समय के साथ नियमों के अनुसार बदलती हैं। ये प्रणालियाँ वित्तीय बाजारों और जलवायु मॉडलों में पाई जा सकती हैं।

“हमारी विधि न्यूनतम कंप्यूटिंग शक्ति के साथ आवश्यक पैरामीटर निर्धारित करने में सक्षम बनाती है। यह न्यूरल नेटवर्क के प्रशिक्षण को बहुत तेज़ और परिणामस्वरूप अधिक ऊर्जा‑कुशल बना सकती है। साथ ही, हमने देखा है कि नई विधि की सटीकता क्रमिक रूप से प्रशिक्षित नेटवर्कों के बराबर है।”

– डाइटरिच

यह प्रगति AI के पर्यावरणीय प्रभाव को काफी हद तक कम करने की क्षमता रखती है, क्योंकि यह न्यूरल नेटवर्क के प्रशिक्षण के लिए आवश्यक ऊर्जा को घटाती है। हम अगले 1 से 3 वर्षों में बड़े‑पैमाने पर AI मॉडल को लागू करने वाले उद्योगों में इस विधि को अपनाते देख सकते हैं, जिससे अधिक सतत और लागत‑प्रभावी AI समाधान संभव होंगे।​

नवाचारी कंपनी

NVIDIA Corporation

AI कंप्यूटिंग में अग्रणी, NVIDIA (NVDA ) ऊर्जा‑कुशल GPU और AI एक्सेलेरेटर विकसित करता है, लगातार नवाचार करके प्रदर्शन को बढ़ाता है जबकि शक्ति खपत को घटाता है।​

पिछले साल AI Summit DC में कंपनी ने बताया कि उसके GPU की ऊर्जा उपयोगिता ने पिछले दशक में प्रशिक्षण में 2,000 गुना कमी देखी है। इसी अवधि में टोकन उत्पन्न करने में 100,000 गुना ऊर्जा कमी भी देखी गई। दक्षता में 2,000 गुना सुधार और कंप्यूटेशन प्रदर्शन में 4,000 गुना सुधार दर्ज किया गया है।

Bob Pette, उस समय Nvidia के VP ऑफ़ एंटरप्राइज़ प्लेटफ़ॉर्म्स, के अनुसार:

“यदि कारों ने उतनी ही दक्षता हासिल कर ली होती जितनी हमने इन्फ़रेंस प्रदर्शन में सुधार किया है, तो आप एक टैंक गैस पर 300 साल तक चल सकते थे। तेज़ गति से कंप्यूटिंग का मूलभूत सिद्धांत सतत कंप्यूटिंग है।”

Nvidia का Blackwell नया प्रमुख GPU आर्किटेक्चर है, जो Hopper के बाद आया है और AI प्रदर्शन को “महत्वपूर्ण रूप से” बढ़ाने के लिए डिज़ाइन किया गया है। इस प्लेटफ़ॉर्म में दुनिया का सबसे शक्तिशाली चिप, दूसरी पीढ़ी का ट्रांसफ़ॉर्मर इंजन, और पाँचवीं पीढ़ी का NVLink शामिल है, जबकि इन्फ़रेंस और प्रशिक्षण दोनों में अत्यधिक ऊर्जा‑कुशल है।

NVIDIA Corporation वास्तव में एक फुल‑स्टैक कंप्यूटिंग इन्फ्रास्ट्रक्चर कंपनी है, जिसके खंड Compute & Networking और Graphics शामिल हैं।

Compute & Networking डेटा सेंटर, नेटवर्किंग, स्वायत्त और इलेक्ट्रिक वाहन समाधान, DGX क्लाउड कंप्यूटिंग सेवाएँ, और Jetson को कवर करता है, जबकि Graphics खंड GeForce GPU, GeForce NOW, वर्चुअल GPU सॉफ़्टवेयर, NVIDIA RTX GPU, और Omniverse Enterprise सॉफ़्टवेयर को शामिल करता है।

2.96 ट्रिलियन डॉलर के मार्केट कैप के साथ, NVIDIA के शेयर, इस लेख के लिखते समय, $121.50 पर ट्रेड हो रहे हैं, YTD में 9.4% गिरावट के साथ। कंपनी का EPS (TTM) 2.94 और P/E (TTM) 41.40 है, जबकि उसका डिविडेंड यील्ड 0.03% है।

हालिया शेयर मूल्य गिरावट के बावजूद, जो केवल चिप निर्माता तक सीमित नहीं है, कंपनी निवेशकों को आकर्षित करती रहती है। आखिरकार, 2020 से उसके स्टॉक मूल्य में 1,800% से अधिक की वृद्धि हुई है, जिससे यह विश्व की सबसे मूल्यवान कंपनियों में से एक बन गई है।

NVIDIA में रुचि विशेष रूप से युवा निवेशकों में बढ़ रही है, क्योंकि यह Tesla (TSLA ) को पार करके Robinhood पर सबसे अधिक रखे जाने वाले स्टॉक बन गया है। इस कमीशन‑मुक्त निवेश प्लेटफ़ॉर्म पर 75% फंडेड अकाउंट मिलेनियल्स और Gen Z द्वारा रखे गए हैं। 

Robinhood के CEO Vlad Tenev भी मानते हैं कि AI के कारण Nvidia पहले से अधिक महत्वपूर्ण हो जाएगा।

“मुझे लगता है कि AI निवेश को अधिक महत्वपूर्ण बना देगा क्योंकि यदि तकनीक पर नियंत्रण तकनीकी कंपनियों में केंद्रीकृत होगा, तो इन कंपनियों में निवेशक बनना आवश्यक होगा ताकि आप लाभ उठा सकें।”

– Tenev

कंपनी के वित्तीय आंकड़ों की बात करें तो, Nvidia ने 26 जनवरी, 2025 को समाप्त हुए Q4 में $39.3 बिलियन राजस्व की घोषणा की, जो पिछले तिमाही और पिछले वर्ष की तुलना में क्रमशः 12% और 78% की वृद्धि दर्शाता है। 

डेटा सेंटर खंड में, कंपनी का चौथा‑त्रैमासिक राजस्व रिकॉर्ड $35.6 बिलियन रहा। इस अवधि में, NVIDIA को $500 बिलियन के Stargate प्रोजेक्ट के प्रमुख तकनीकी साझेदार के रूप में चुना गया।

अन्य विकासों में क्लाउड सेवा प्रदाता AWS, CoreWeave (CRWV ), Google Cloud Platform (GCP), Microsoft Azure, और Oracle (ORCL ) Cloud Infrastructure (OCI) ने AI की बढ़ती मांग को पूरा करने के लिए NVIDIA® GB200 सिस्टम का उपयोग किया, NVIDIA DGX™ Cloud AI कंप्यूटिंग प्लेटफ़ॉर्म और NVIDIA NIM™ माइक्रोसर्विसेज को AWS Marketplace के माध्यम से उपलब्ध कराया, Cisco ने अपने नेटवर्क पोर्टफ़ोलियो में NVIDIA Spectrum‑X™ को एकीकृत किया, Verizon के साथ मिलकर NVIDIA AI Enterprise को एकीकृत किया, और IQVIA (IQV ), Mayo Clinic, Illumina, और Arc Institute के साथ साझेदारी करके दवा खोज, जीनोमिक्स, और स्वास्थ्य‑सेवा को आगे बढ़ाया।

Gaming और AI PC से राजस्व $2.5 बिलियन तक गिर गया, जबकि NVIDIA ने Blackwell आर्किटेक्चर पर आधारित नई GeForce RTX™ 50 सीरीज़ ग्राफ़िक्स कार्ड और लैपटॉप लॉन्च किए, GeForce RTX 5090 और 5080 ग्राफ़िक्स कार्ड जारी किए और DLSS 4 पेश किया। 

इनके अलावा, प्रोफेशनल Visualization से $511 मिलियन और ऑटोमोटिव व रोबोटिक्स डिवीजन से $570 मिलियन का राजस्व आया।

इस तिमाही में, कंपनी का GAAP प्रति डाइल्यूटेड शेयर आय $0.89 था, जो पिछले तिमाही से 14% और पिछले वर्ष से 82% बढ़ा। गैर‑GAAP प्रति डाइल्यूटेड शेयर आय भी $0.89 थी।

FY 2025 के लिए, राजस्व $130.5 बिलियन था, जो पिछले वर्ष की तुलना में 114% की भारी वृद्धि दर्शाता है। इस अवधि के लिए GAAP प्रति डाइल्यूटेड शेयर आय $2.94 और गैर‑GAAP प्रति डाइल्यूटेड शेयर आय $2.99 थी। 

“Blackwell की मांग अद्भुत है क्योंकि रेज़निंग AI ने एक और स्केलिंग लॉ जोड़ दिया है — प्रशिक्षण के लिए कंप्यूट बढ़ाने से मॉडल अधिक स्मार्ट होते हैं और लंबी सोच के लिए कंप्यूट बढ़ाने से उत्तर और भी स्मार्ट बनते हैं।”

– CEO और संस्थापक Jensen Huang

इसलिए, कंपनी ने अपने Blackwell AI सुपरकंप्यूटरों का उत्पादन तेज़ किया है, जिससे अरबों डॉलर की बिक्री हुई है।

FY 2026 की पहली तिमाही के लिए, कंपनी ने राजस्व $43 बिलियन, GAAP ऑपरेटिंग खर्च $5.2 बिलियन, और गैर‑GAAP अन्य आय लगभग $400 मिलियन होने की उम्मीद जताई है।

“AI प्रकाश की गति से आगे बढ़ रहा है क्योंकि एजेंटिक AI और फिज़िकल AI अगले AI लहर के लिए मंच तैयार कर रहे हैं, जो सबसे बड़े उद्योगों को क्रांतिकारी रूप से बदल देगा।”

– Huang

NVIDIA Corporation पर नवीनतम

निष्कर्ष

AI विभिन्न क्षेत्रों में व्यवसायों को क्रांतिकारी रूप से बदलने वाला है, लेकिन इसका अर्थ ऊर्जा मांग में अभूतपूर्व वृद्धि है। यह मांग एक बड़ी चुनौती प्रस्तुत करती है, जिसे कई शोधकर्ता हल करने पर काम कर रहे हैं। 

एक नई संभाव्यात्मक प्रशिक्षण विधि का विकास ऊर्जा‑कुशल AI में एक महत्वपूर्ण प्रगति को दर्शाता है, जिससे शक्ति आवश्यकता 100 गुना तक घट सकती है। डेटा सेंटरों के विस्तार के साथ AI‑संबंधी ऊर्जा खपत में वृद्धि की भविष्यवाणी है, यह प्रगति संचालन लागत और पर्यावरणीय प्रभाव को काफी हद तक कम कर सकती है। 

Nvidia की ऊर्जा‑कुशल GPU और AI एक्सेलेरेटर पर केंद्रित रणनीति के साथ, ये नवाचार AI अपनाने को तेज़ करने और उत्पादकता बढ़ाने में मदद कर सकते हैं।

क्लिक करें और कृत्रिम बुद्धिमत्ता में निवेश के बारे में सब कुछ जानें।