Indien i centrum av AI-tävlingen – Hur neuromorfisk databehandling kan driva nationen till framkanten

Den artificiella intelligens (AI)-industrin är på väg att förändra världen på ett dramatiskt sätt när den blir en integrerad del av företag i alla sektorer. 

Från hälso- och sjukvård, detaljhandel, finans, tillverkning och leveranskedja till utbildning, energi och underhållningsindustrier har efterfrågan på AI-drivna verktyg ökat. 

Enligt PWC, kan AI omvandla produktiviteten och BNP-potentialen i den globala ekonomin, med de största vinsterna att ses i Kina och Nordamerika, motsvarande totalt 10,7 biljoner dollar.

Drivet av denna växande användning, förväntas AI-marknaden växa från 50 miljarder dollar 2023 till långt över 800 miljarder dollar i slutet av detta decennium, enligt Statista.

Denna AI-boom har lett till konkurrens mellan stora företag för att utveckla de mest kraftfulla AI-modellerna världen över, och länder är ivrig att främja sina egna konkurrerande AI-system.

Mitt i detta har Indien framträtt som en nyckelspelare, med 92 % av kunskapsarbetare som använder generativ AI jämfört med det mycket lägre globala genomsnittet på 75 %.

Precis i slutet av förra månaden presenterade Asiens rikaste man, Mukesh Ambani, ordförande för Reliance Industries (RELIANCE.BO ), “JioBrain”, en svit av AI-verktyg och applikationer för att transformera företag inom energi, textil och mer. Reliance telekommunikationsverksamhet samarbetar för närvarande med Indian Institute of Technology (IIT) för att lansera “Bharat GPT” för indiska användare. 

“Vi måste vara i framkant när det gäller att använda data, med AI som möjliggörare för att uppnå ett kvantsprång i produktivitet och effektivitet. “

– Mukesh Ambani

Efter att ha byggt en högpresterande IT-industri värd 250 miljarder dollar, siktar Indien nu på AI-tjänster, som enligt en rapport från Nasscom och BCG kan vara värda 17 miljarder dollar de kommande tre åren. 

Med över 900 miljoner internetanvändare har Indien framträtt som “världens datakapital”. Det faktum att så mycket data är offentligt tillgängligt är extremt fördelaktigt för företag, eftersom de kan skriva sina egna AI-algoritmer.

Dock krävs beräkningskraft och delade resurser för att påskynda landets AI-industri. För detta har den indiska regeringen anskaffat tusen GPU:er för att erbjuda beräkningskapacitet till AI-utvecklare. 

Tidigare i år anlände den första leveransen av Nvidia (NVDA ) -chip till indiska datacenter efter att VD för världens största chipstillverkare, Jensen Huang, besökte Indien och hade ett samtal med premiärminister Narendra Modi och teknikchefer.

“Du har data, du har talangen. Detta kommer att bli en av de största AI-marknaderna i världen.” 

– Huang sade till premiärministern vid den tidpunkten

Ett genombrott: Att efterlikna hjärnan för smartare databehandling

Mitt i allt detta gjorde forskare vid Centre for Nano Science and Engineering (CeNSe), Indian Institute of Science (IISc), Bangalore, Indien ett stort genombrott inom neuromorfisk datorteknik. Denna teknik efterliknar den mänskliga hjärnans struktur och funktion för att skapa mer effektiva och intelligenta datorsystem.

Denna betydelsefulla framsteg kan hjälpa Indien att bli en viktig aktör i den globala AI-tävlingen och göra AI-databehandling tillgänglig för alla och integrerad i deras personliga enheter.

Detta är utan tvekan en stor prestation, med tanke på att den konventionella ‘molnberäkningsmodellen’ kräver stora datacenter som förbrukar mycket energi. Att använda resursintensiva datacenter begränsar deras användning till en liten grupp utvecklare.

Neuromorfisk hårdvara lovar förbättrad energieffektivitet och utrymme för AI. Men för närvarande kan den bara hantera lågprecisionoperationer. Uppgifter som NLP, neurala nätverksträning och signalbehandling kräver avsevärt högre beräkningsupplösning och ligger för närvarande utanför räckhåll för enskilda neuromorfa kretskomponenter. 

Den senaste utvecklingen av IISc-forskare kan faktiskt hjälpa till med detta och föra området mot ‘edge computing’, vilket flyttar databehandling och lagring närmare enheter som skapar och använder data. Detta minskar latens, förbättrar applikationsprestanda och sparar nätverkskostnader. 

Edge computing möjliggör dessutom realtidsapplikationer, samt AI- och maskininlärningsapplikationer, att bearbeta stora datamängder med högre hastighet och tillförlitlighet. 

Publicerad i Nature, den senaste forskningen av professor Sreetosh Goswami vid CeNSe, IISC, som ledde en grupp forskare och studenter, utvecklade en typ av halvledarenhet kallad Memristor. Istället för att använda traditionell kiselbaserad teknik skapades Memristor med en metall-organisk film.

Användningen av molekylära filmer gjorde det möjligt för forskarna att spåra fria jonrörelser, vilket breddade minnesvägarna.

För att etablera kinetisk kontroll över den molekylära övergången som möjliggjorde de neuromorfa egenskaperna i ett enskilt kretskomponent, applicerade forskarna spänningspulser och kartlade sedan molekylära rörelser till en distinkt elektrisk signal. Detta skapade en omfattande ‘molekylär dagbok’ över olika tillstånd.

“På grund av denna fria jonrörelse, genererades otaliga unika minnestillstånd och vägar. Sådana mellansteg har hittills varit otillgängliga, eftersom de flesta digitala enheter bara kan komma åt två, antingen hög- eller lågledningsförmåga.” 

– Professor Sreebrata Goswami, far till Prof Sreetosh, en gästforskare vid CeNSe

Denna plattform, genom att kombinera kemins kreativitet och den elektriska ingenjörskonstens precision, har “gjort det möjligt för oss att kontrollera molekylär kinetik mycket exakt inom en elektronisk krets som drivs av nanosekundspänningpulser,” tillade han.

Den molekylära förändringen var liten, men den var exakt det som möjliggjorde den mycket precisa och effektiva neuromorfa accelereraren. Denna banbrytande accelerator kan lagra och bearbeta data inom samma plats.

Materialet gjorde i princip att halvledarenheten kunde efterlikna hur vår hjärna bearbetar information med synapser och neuroner. När den integrerades med en vanlig digital dator ökade Memristor dess energi- och hastighetsprestanda hundratals gånger, och blev därmed en energieffektiv ‘AI-accelerator’.

Den eventuala skalningen av tekniken förväntas möjliggöra de mest komplexa och storskaliga AI-uppgifterna, såsom LLM-träning, att utföras på en enkel konsumentlaptop eller smartphone istället för att behöva datacenter.

Förbättra AI-förmågor med Memristor-teknik

Med den ökande efterfrågan på snabbare och mer effektiva smartphones har digital beräkning baserad på kiseltransistorteknik redan stött på begränsningar. Utöver AI:s tillväxt finns nu ett kritiskt behov av innovationer som avsevärt kan förbättra bearbetningshastigheten och energieffektiviteten i dagens datorsystem. 

För att skapa en sådan enhet använde IISc-forskare metall-organisk filmmetod för sina Memristors — en In-Memory Computing-ansats som chipstillverkare har försökt utan mycket framgång — som fungerar som hjärnans neuron-synapskrets.

Under 2010-talet försökte företag efterlikna hjärnan, men fortsatte att använda kiseltransistorer och gjorde inga betydande framsteg.

“På 2020-talet flyttar forskningsinvesteringarna tillbaka till akademin eftersom man inser att vi behöver mycket mer grundläggande upptäckter för att faktiskt uppnå hjärninspirerad databehandling. Om man bara använder en brute-force-metod med transistorer och tvingar vissa algoritmer, kommer det inte att fungera.”

– Sreetosh sade i en intervju

I vår hjärna är minne och bearbetning inte alls som i en digital dator. Det finns inga 0 och 1 som används för informationsbearbetning eller för att dela upp data i små bitar. Vad vår hjärna gör är att svälja stora datamängder för att bearbeta information, vilket drastiskt minskar antalet steg som krävs för att få svar, vilket gör den extremt energieffektiv. 

Kombinationen av analog beräkning och Memristor-teknik gör neuromorfisk databehandling snabb och mycket effektiv.

Teamet lagrade och bearbetade därför data i 16,520 tillstånd samtidigt istället för bara två (nollor och ettor) tillstånd. Detta minskade antalet steg som krävs för att utföra den grundläggande matematiken bakom AI-algoritmer, multiplicera 64×64-matriser, till bara 64 steg, vilket annars skulle ha krävt 262 144 operationer.

För att testa enheten anslöt teamet den till en konventionell stationär dator och använde den sedan för att utföra den komplexa uppgiften att återskapa NASA:s bild ‘Pillars of Creation’ med data från James Webb-rymdteleskopet. Uppgiften slutfördes mycket snabbare och med avsevärt mindre energi än en vanlig dator.

En energieffektivitet på 4,1 teraoperationer per sekund per watt (TOPS/W) rapporterades av teamet, vilket är 220 gånger mer effektivt än en NVIDIA K80 GPU, med betydande utrymme för ytterligare förbättringar.

“Neuromorphic computing har haft sin beskärda del av olösta utmaningar i över ett decennium,“ noterade Sreetosh, och tillade att under deras decenniumslånga forskning och \”sällsynta\” upptäckt kunde teamet lösa alla sex utmaningar som de började med och i processen, \”nästan nådde det perfekta systemet\”.

I det nuvarande skedet är det bara ett principbevis, men trots att det är i ett tidigt stadium, faktum är att teamet uppnådde en förbättring på fyra storleksordningar jämfört med avancerade metoder samtidigt som de förbrukade 460 gånger mindre energi än digitala datorer, forskare tror detta framsteg kan hjälpa Indien att ta ett betydande språng inom AI-hårdvara.

“Det som sticker ut är hur vi har omvandlat komplex fysik- och kemiförståelse till banbrytande teknik för AI-hårdvara. I kontexten av India Semiconductor Mission kan denna utveckling vara en spelväxlare som revolutionerar industriella, konsument- och strategiska tillämpningar. Den nationella betydelsen av sådan forskning kan inte överskattas.“ 

I nästa steg kommer teamet att bygga större matriser som sträcker sig upp till 256×256. Finansierad av Ministry of Electronics and Information Technology (MeitY) syftar forskningen ytterligare till att utveckla och demonstrera en System-on-Chip-lösning och så småningom inkubera en startup för att kommersialisera den, vilket förväntas ske under de kommande tre åren. 

Positionera Indien som en global ledare inom AI 

En kombination av forskningsinstitutioner, startups och stora teknikföretag driver den betydande tillväxt som AI-sektorn i Indien för närvarande upplever. Det är tack vare dessa aktörer som den teoretiska AI:n framgångsrikt omsätts i verkliga tillämpningar.

Men det är inte allt. Indiens snabbt växande AI-industri har också fått betydande stöd från regeringen, som har infört flera strategiska policys och initiativ, såsom National AI Strategy, AI Task Force och AI Mission, för att påskynda dess utveckling. 

Genom att öka investeringarna till 1,25 miljarder dollar mot \”IndiaAI Mission,\” fungerar regeringen som den främsta drivkraften bakom Indiens AI-transformation.

Ministry of Electronics and Information Technology (MeitY), som finansierade det senaste datorteknologiska genombrottet vid IISc, har sökt efter AI-lösningar under IndiaAI Mission.

MeitY har bjudit in ansökningar om AI-lösningar för att ta itu med huvudutmaningar inom klimatförändringar, jordbruk, hälsovård och assistiva teknologier. Sökande kommer att gå igenom flera utvärderingsrundor och, när de valts, får de medel för att vidareutveckla och implementera sin lösning för  regeringens och tillhörande enheters bruk under fyra år.

Initiativet tas under IndiaAI Application Development Initiative (IADI), en av IndiaAIs sju pelare. Myndigheten har specificerat upp till femton problemställningar i ansökningsdokumentet. 

På annat håll har AWS valt ut sju indiska startups för sitt globala Generative AI accelerator-program. Dessa startups inkluderar Zocket, Unscripted AI, Phot.ai, Orbo.ai, Neural Garage, House of Models och Converse. Bland de 80 företag som AWS valt ut från hela världen har startups valts för sin innovativa användning av AI och sina globala tillväxtambitioner. 

Alla utvalda företag kommer att få tillgång till företagets AI-chip och beräknings- och lagringsteknik. De kommer också att få AWS-krediter, utbildning och mentorskap för att vidareutveckla sin användning av AI- och maskininlärningstekniker.

Samtidigt som landet gör betydande framsteg finns det fortfarande många hinder på vägen mot AI-överlägsenhet. Indien måste ta itu med bristen på kompetens och tillräcklig infrastruktur för att fullt ut kunna förverkliga sin potential att bli en global ledare inom AI. 

Företag som hjälper till att driva Indiens AI-marknad framåt

Den växande AI-marknaden i Indien har lett till att flera företag arbetar för att driva AI framåt. Till exempel blev AI-startupen Krutrim Indiens första enhörning i år när den säkrade 50 miljoner dollar i finansiering från Lightspeed Venture Partners och miljardären Vinod Khosla. Samtidigt har Asiens näst rikaste person, Gautam Adani, tillkännagivit ett joint venture med FAE för att utforska AI och diversifiera till digitala tjänster. 

Microsoft (MSFT ) driver också initiativ i Indien som syftar till att utrusta 2 miljoner människor med AI-färdigheter. Infosys, Wipro, Tech Mahindra (TECHM.BO ) och Larsen & Toubro (LT.BO ) (L&T), bland andra, använder AI i sina verksamheter. HCL Technologies (HCLTECH.BO ) har under tiden tecknat ett avtal med Kinas Foxconn för att etablera en chiptestanläggning.

Låt oss nu titta på ett framstående namn inom Indiens AI-industri:

Tata Consultancy Services (TCS)

Indiens största mjukvaruföretag, TCS, investerade 1,5 miljarder dollar i en generativ AI-projektpipeline i juli i år. Detta kommer efter att TCS etablerade en dedikerad AI Cloud-affärsenhet förra året. Dessutom finns AI-upplevelsezonen som låter anställda utveckla och experimentera med AI-lösningar. Hittills har över 300 000 TCS-anställda fått grundläggande AI-utbildning, medan företaget för närvarande hanterar mer än 270 AI- och generativa AI-engagemang.

TCS arbetar också med att stärka halvledarindustrin i Indien och samarbetar med Tata Electronics för att utveckla chip till 2026. Tata Electronics leder under tiden tillverkningen med två godkända halvledarplantor. Den första anläggningen på 11 miljarder USD kommer att etableras tillsammans med Taiwan’s Powerchip Semiconductor Manufacturing Corporation (PSMC) med målet att producera 50 000 wafer per månad. Den andra anläggningen på 3,26 miljarder USD blir en chipmonterings- och testanläggning som förväntas börja verksamheten inom de kommande åren.

När det gäller finanserna, TCS rapporterade en ökning på +3,9 % år‑till‑år i sin omsättning till US$7.51 miljard för Q2 2024. Nettoresultatet var US$1.44 miljard, medan nettokassan från verksamheten var US$1.34 miljard. Företaget rapporterade “mycket stark“ tillväxt på framväxande marknader, lett av Indien. 

Slutsats

Indien, med sin unga och digitalt kunniga befolkning, är väl positionerat för att driva AI:s tillväxt inte bara lokalt utan på en global skala. AI-marknaden i Indien är faktiskt förutspådd att nå 8 miljarder dollar år 2025. 

Genom pågående forskning och utveckling, som demonstrerats av IISc, kan landet bli en nyckelspelare i AI-tävlingen. Men för att Indien verkligen ska ta ledningen måste alla intressenter samarbeta för att stödja landets AI-resa, frigöra dess enorma potential och fullständigt transformera AI.

Klicka här för att lära dig allt om att investera i artificiell intelligens.