सार:
Microsoft ने आधिकारिक तौर पर तीसरी पीढ़ी की स्व-विकसित कृत्रिम बुद्धिमत्ता चिप Maia 300 की घोषणा की है, और इसे Copilot जैसे उत्पादों और सेवाओं के पीछे AI तर्क कार्यों का समर्थन करने के लिए 2027 से शुरू होने वाले उत्पादन वातावरण में तैनात करने की योजना बनाई है। माइक्रोसॉफ्ट ने कहा कि मौजूदा अग्रणी जीपीयू प्रणाली की तुलना में, Maia 300 प्रति मेगावाट बिजली पर 40% अधिक टोकन संसाधित करने में सक्षम होने की उम्मीद है; 96 एक्सेलेरेटर वाले पूर्ण रैक कॉन्फ़िगरेशन में, इसका रैक-स्तरीय टोकन थ्रूपुट पिछली पीढ़ी Maia 200 की तुलना में 7 गुना तक हो सकता है।
यह रिलीज़ स्व-विकसित AI चिप्स में Microsoft के आगे के निवेश का प्रतीक है। जैसे-जैसे कृत्रिम बुद्धिमत्ता सेवाओं का उपयोग बढ़ रहा है, माइक्रोसॉफ्ट को परिचालन लागत कम करने, ऊर्जा दक्षता में सुधार करने और स्व-डिज़ाइन किए गए त्वरक के माध्यम से एनवीडिया और एएमडी जैसे आपूर्तिकर्ताओं से जीपीयू पर निर्भरता कम करने की उम्मीद है।
माइक्रोसॉफ्ट के क्लाउड कंप्यूटिंग व्यवसाय के कार्यकारी उपाध्यक्ष स्कॉट गुथरी ने कहा कि कंपनी 2027 से शुरू होकर Azure Maia श्रृंखला चिप्स की तैनाती के पैमाने को मल्टी-गीगावाट स्तर तक विस्तारित करने और इसे Microsoft उत्पादों और सेवाओं के लिए मुख्य AI अनुमान प्रणाली बनाने की योजना बना रही है।
इस लक्ष्य का मतलब है कि माइक्रोसॉफ्ट को मौजूदा बुनियादी ढांचे के हिस्से से स्व-विकसित चिप्स को धीरे-धीरे एक कोर कंप्यूटिंग प्लेटफॉर्म में अपग्रेड करने की उम्मीद है जो उसकी अपनी एआई सेवाओं का समर्थन करता है। हालाँकि, इसका मतलब यह नहीं है कि Microsoft Nvidia या AMD से GPU खरीदना पूरी तरह से बंद कर देगा। Microsoft द्वारा प्रशिक्षण और अनुमान कार्यों के लिए कई हार्डवेयर प्लेटफ़ॉर्म का उपयोग जारी रखने की संभावना है जिनके लिए विभिन्न कंप्यूटिंग क्षमताओं की आवश्यकता होती है।
Maia 300 Microsoft की Maia श्रृंखला का तीसरी पीढ़ी का उत्पाद है, और यह इस साल जनवरी में Maia 200 की घोषणा के बाद लॉन्च की गई अगली पीढ़ी की चिप भी है। Maia 200 का उपयोग वर्तमान में कई Microsoft उत्पादन परिवेशों में AI वर्कलोड के लिए किया जाता है, जिसमें Microsoft Copilot, GitHub Copilot, Microsoft फाउंड्री और Microsoft के स्व-विकसित कृत्रिम बुद्धिमत्ता मॉडल शामिल हैं।
गुथरी ने कहा कि वास्तविक एआई सेवाओं के परिचालन संकेतकों को देखते हुए, माइया 200 पहले से ही माइक्रोसॉफ्ट के भीतर सबसे अच्छा प्रदर्शन करने वाले एआई बुनियादी ढांचे में से एक है। नई पीढ़ी Maia 300 को विशेष रूप से लगातार बदलते एआई वर्कलोड के लिए डिज़ाइन किया गया है, विशेष रूप से वे जिन्हें लंबे-संदर्भ तर्क, वास्तविक समय की बातचीत को संभालने की आवश्यकता होती है जो विलंबता के प्रति अत्यधिक संवेदनशील होती हैं, और एआई एजेंट कार्य जो लगातार कई चरणों को निष्पादित करते हैं।
ये एप्लिकेशन पारंपरिक एआई अनुमान की तुलना में हार्डवेयर पर अलग-अलग आवश्यकताएं रखते हैं।
चूंकि बड़े पैमाने पर भाषा मॉडल धीरे-धीरे प्रोग्रामिंग सहायकों, एंटरप्राइज़ स्वचालन और जटिल कार्य निष्पादन में उपयोग किए जाते हैं, एआई सिस्टम को जिस संदर्भ को संसाधित करने की आवश्यकता होती है वह लंबा और लंबा होता जा रहा है, और एक ही कार्य में अधिक से अधिक मॉडल कॉल और टूल संचालन शामिल होते हैं। क्लाउड सेवा प्रदाताओं के लिए, मॉडल के प्रदर्शन के अलावा, प्रतिक्रिया विलंबता, समवर्ती अनुरोधों की संख्या, मेमोरी क्षमता और प्रत्येक अनुमान की वास्तविक लागत पर भी विचार किया जाना चाहिए।
इसलिए, Maia 300 का डिज़ाइन फोकस केवल चरम कंप्यूटिंग शक्ति को बढ़ाने के लिए नहीं है, बल्कि वास्तविक जीवन के कारोबारी माहौल में समग्र दक्षता में सुधार करने के लिए भी है जो लगातार चलता रहता है। माइक्रोसॉफ्ट को उम्मीद है कि चिप आर्किटेक्चर को विशेष रूप से अनुकूलित किया जाएगा ताकि इसे नई पीढ़ी के अनुमान मॉडल और एआई एजेंटों द्वारा उत्पन्न कंप्यूटिंग भार को संभालने के लिए अधिक उपयुक्त बनाया जा सके।
चिप निर्माण के संदर्भ में, Maia 300 TSMC की N2P उन्नत प्रक्रिया को अपनाता है और एक कोर-आधारित डिज़ाइन आर्किटेक्चर पेश करता है। पारंपरिक डिजाइनों की तुलना में जो एक ही बड़ी चिप पर विभिन्न कार्यों को एकीकृत करते हैं, कोर चिप आर्किटेक्चर कंप्यूटिंग, मेमोरी कंट्रोलर और इनपुट और आउटपुट जैसे कार्यों को अलग-अलग मॉड्यूल में विभाजित कर सकता है, और फिर उन्हें उनकी संबंधित विशेषताओं के अनुसार डिजाइन कर सकता है।
Microsoft Azure हार्डवेयर और इंफ्रास्ट्रक्चर टीम ने कहा कि यह डिज़ाइन चिप में अधिक सिलिकॉन क्षेत्र को कंप्यूटिंग प्रदर्शन के लिए उपयोग करने की अनुमति देता है, जबकि विभिन्न कार्यात्मक मॉड्यूल को उन तकनीकों को अपनाने की अनुमति देता है जो उनकी अपनी आवश्यकताओं के लिए अधिक उपयुक्त हैं।
इस विचार का व्यावहारिक महत्व है. एआई एक्सेलेरेटर के लिए, कंप्यूटिंग इकाई महत्वपूर्ण है, लेकिन कंप्यूटिंग इकाई, मेमोरी और बाहरी उपकरणों के बीच डेटा कैसे प्रसारित किया जाता है, यह भी समग्र प्रदर्शन को प्रभावित करेगा। यदि कंप्यूटिंग इकाई को डेटा आने के लिए प्रतीक्षा करने की आवश्यकता है, भले ही उसके पास उच्च सैद्धांतिक कंप्यूटिंग शक्ति हो, वह अपने प्रदर्शन को पूरा करने में सक्षम नहीं होगी।
कंप्यूटिंग, मेमोरी नियंत्रण और इनपुट और आउटपुट फ़ंक्शंस को अलग-अलग अनुकूलित करके, Microsoft चिप की समग्र संसाधन उपयोग दक्षता में सुधार करने और प्रदर्शन, बिजली की खपत और विनिर्माण लागत के बीच बेहतर संतुलन हासिल करने की उम्मीद करता है।
उन्नत प्रक्रियाओं के उपयोग से ट्रांजिस्टर घनत्व और ऊर्जा दक्षता में सुधार करने में भी मदद मिलेगी, लेकिन चिप का अंतिम प्रदर्शन अभी भी माइक्रोआर्किटेक्चर, मेमोरी सबसिस्टम, इंटरकनेक्ट डिज़ाइन और सॉफ़्टवेयर अनुकूलन जैसे कई कारकों पर निर्भर करता है। Maia 300 द्वारा जारी प्रदर्शन डेटा वर्तमान में मुख्य रूप से Microsoft के स्वयं के परिचय से आता है, और वास्तविक प्रभाव का मूल्यांकन अभी भी विभिन्न मॉडलों, कार्यभार और तैनाती स्थितियों के आधार पर किया जाना आवश्यक है।
एआई रीजनिंग के क्षेत्र में, टोकन थ्रूपुट सिस्टम दक्षता को मापने के लिए महत्वपूर्ण संकेतकों में से एक है। टोकन मूल डेटा इकाई है जिसका उपयोग बड़े भाषा मॉडल द्वारा टेक्स्ट को संसाधित करते समय किया जाता है, जो आमतौर पर किसी शब्द, शब्द खंड या अन्य टेक्स्ट इकाई से संबंधित होता है। सिस्टम प्रति यूनिट समय में कितने टोकन संसाधित कर सकता है, यह सीधे तौर पर प्रभावित करता है कि यह एक ही समय में कितने उपयोगकर्ताओं को सेवा प्रदान करता है और कार्य को पूरा करने के लिए आवश्यक कंप्यूटिंग संसाधन।
Microsoft को उम्मीद है कि Maia 300 अग्रणी GPU सिस्टम की तुलना में प्रति मेगावाट 40% अधिक टोकन संभालेगा। इसका मतलब यह है कि समान बिजली बजट के तहत, माइक्रोसॉफ्ट से अधिक एआई अनुरोधों को संसाधित करने, या समान सेवा क्षमताएं प्रदान करते हुए बिजली की खपत को कम करने की उम्मीद की जाती है।
बड़े पैमाने पर डेटा केंद्रों वाले क्लाउड सेवा प्रदाताओं के लिए, यह दक्षता सुधार महत्वपूर्ण आर्थिक मूल्य ला सकता है। एआई डेटा केंद्रों को न केवल महंगे एक्सेलेरेटर खरीदने की ज़रूरत है, बल्कि बिजली आपूर्ति, कूलिंग, नेटवर्क उपकरण और बुनियादी ढांचे के निर्माण की लागत भी वहन करनी होगी। जैसे-जैसे मॉडल का उपयोग बढ़ रहा है, बिजली आपूर्ति और डेटा सेंटर क्षमता एआई सेवाओं के विस्तार को प्रतिबंधित करने वाले महत्वपूर्ण कारक बन रहे हैं।
हालाँकि, प्रति मेगावाट टोकन दक्षता एआई चिप्स को मापने के लिए एकमात्र संकेतक नहीं है। विभिन्न मॉडलों के पैरामीटर स्केल, संदर्भ लंबाई, सटीकता सेटिंग्स और अनुमान विधियां सभी परीक्षण परिणामों को प्रभावित करेंगी। Maia 300 और NVIDIA GPU जैसे उत्पादों की व्यापक तुलना करने के लिए, विलंबता, मॉडल अनुकूलता, सॉफ़्टवेयर पारिस्थितिकी तंत्र, परिनियोजन लागत और वास्तविक व्यवसाय में स्थिरता पर विचार करना भी आवश्यक है।
Microsoft ने एक अधिक आकर्षक संकेतक की भी घोषणा की: 96 एक्सेलेरेटर वाले पूर्ण रैक कॉन्फ़िगरेशन में, Maia 300 का रैक-स्तरीय टोकन थ्रूपुट Maia 200 के 7 गुना तक पहुंच सकता है।
यह आंकड़ा दर्शाता है कि Microsoft न केवल एकल चिप की दक्षता में सुधार करने की उम्मीद करता है, बल्कि पूरे रैक की कंप्यूटिंग शक्ति को भी अनुकूलित करता है। लेकिन यह एक विशिष्ट कॉन्फ़िगरेशन के तहत रैक-स्तरीय थ्रूपुट का वर्णन करता है। इसका मतलब यह नहीं है कि Maia 300 सभी कार्यों में Maia 200 से 7 गुना तेज है, न ही यह सीधे तौर पर निकाला जा सकता है कि प्रत्येक चिप के प्रदर्शन में उसी अनुपात से सुधार हुआ है।
क्लाउड कंप्यूटिंग प्लेटफ़ॉर्म के लिए, रैक-स्तरीय प्रदर्शन विशेष रूप से महत्वपूर्ण है। वास्तविक दुनिया की तैनाती में आम तौर पर बड़ी संख्या में त्वरक शामिल होते हैं, जिसमें चिप्स उच्च गति इंटरकनेक्ट के माध्यम से डेटा का आदान-प्रदान करते हैं और संयुक्त रूप से मॉडल अनुरोधों को संसाधित करते हैं। भले ही एक चिप शक्तिशाली हो, फिर भी इंटरकनेक्ट बैंडविड्थ, मेमोरी क्षमता या शेड्यूलिंग दक्षता अपर्याप्त होने पर पूरा सिस्टम सीमित हो सकता है।
इसलिए, माइक्रोसॉफ्ट केवल प्रोसेसर की सैद्धांतिक कंप्यूटिंग शक्ति को आगे बढ़ाने के बजाय चिप डिजाइन, रैक कॉन्फ़िगरेशन से लेकर सॉफ्टवेयर और मॉडल ऑपरेटिंग वातावरण तक समग्र अनुकूलन करने की कोशिश कर रहा है।
माइक्रोसॉफ्ट एआई प्रमुख मुस्तफा सुलेमान ने कहा कि कंपनी को चिप डिजाइन सहित संपूर्ण प्रौद्योगिकी स्टैक के नीचे से निवेश शुरू करना चाहिए। उनका मानना है कि जब एआई सेवाएं इतने बड़े पैमाने पर पहुंच जाती हैं, तो माइक्रोसॉफ्ट को अपना खुद का प्लेटफॉर्म बनाने और चिप्स और स्व-विकसित मॉडलों को सह-डिज़ाइन और अनुकूलित करने की आवश्यकता होती है।
उन्होंने विशेष रूप से इस बात पर ज़ोर दिया कि Microsoft के स्व-विकसित AI मॉडल को Maia चिप्स पर चलने की अनुमति देना Microsoft AI टीम के लिए एक महत्वपूर्ण कार्य है।
यह कथन Microsoft के स्व-विकसित चिप्स के विकास के एक और लक्ष्य को प्रकट करता है: एक करीबी सहयोगी संबंध बनाने के लिए हार्डवेयर, मॉडल और क्लाउड सेवाओं को संयोजित करना।
पारंपरिक क्लाउड सेवा प्रदाता सामान्य-उद्देश्य वाले जीपीयू खरीदकर एआई मॉडल तैनात कर सकते हैं, लेकिन यदि वे अपने स्वयं के त्वरक डिजाइन कर सकते हैं, तो वे अपने स्वयं के मॉडल की कंप्यूटिंग विशेषताओं, मेमोरी आवश्यकताओं और अनुमान प्रक्रियाओं को अनुकूलित कर सकते हैं। बदले में, मॉडल टीम चिप आर्किटेक्चर के अनुसार मॉडल संरचना और संचालन विधि को समायोजित कर सकती है, जिससे समग्र दक्षता में सुधार होता है।
Google और Amazon ने कई वर्षों से स्व-विकसित AI चिप्स में निवेश किया है। Google के पास TPU एक्सेलेरेटर की एक श्रृंखला है, और Amazon ने अपनी क्लाउड कंप्यूटिंग और कृत्रिम बुद्धिमत्ता सेवाओं का समर्थन करने के लिए ट्रेनियम जैसे चिप्स विकसित किए हैं। माइक्रोसॉफ्ट ने इस प्रतिस्पर्धी पृष्ठभूमि के खिलाफ अपनी बुनियादी ढांचा क्षमताओं को मजबूत करने के लिए Maia श्रृंखला लॉन्च की।
माइक्रोसॉफ्ट के लिए, स्व-विकसित चिप्स का रणनीतिक मूल्य न केवल खरीद लागत को कम करना है, बल्कि आपूर्ति श्रृंखला स्वायत्तता में सुधार करना, डेटा सेंटर ऊर्जा उपयोग को अनुकूलित करना और एआई मॉडल और सेवाओं के तेजी से पुनरावृत्त होने पर अधिक हार्डवेयर डिज़ाइन नियंत्रण रखना भी है।
वर्तमान में, Microsoft अभी भी NVIDIA के साथ घनिष्ठ सहयोग बनाए रखता है, और NVIDIA GPU AI प्रशिक्षण और अनुमान के क्षेत्र में एक महत्वपूर्ण भूमिका निभाते हैं। Microsoft द्वारा Maia श्रृंखला के एक साथ विकास का मतलब यह नहीं है कि दोनों पक्षों के बीच संबंध अनिवार्य रूप से मौलिक रूप से बदल जाएंगे, बल्कि यह दर्शाता है कि बड़े क्लाउड सेवा प्रदाता स्व-विकसित चिप्स और बहु-विक्रेता रणनीतियों के माध्यम से एकल हार्डवेयर प्लेटफ़ॉर्म पर अपनी निर्भरता कम कर रहे हैं।
Microsoft अपने AI मॉडल की प्रतिस्पर्धात्मकता में सुधार के लिए स्व-विकसित चिप्स का उपयोग करने की भी उम्मीद करता है। सुलेमान ने कहा कि माइया प्लेटफॉर्म माइक्रोसॉफ्ट की एआई प्रौद्योगिकी प्रणाली का एक महत्वपूर्ण हिस्सा है और यह कंपनी को अपने स्वयं के मॉडल विकसित करने और Google डीपमाइंड, ओपनएआई और एंथ्रोपिक जैसे प्रतिस्पर्धियों के खिलाफ अपनी प्रतिस्पर्धात्मकता में सुधार करने में मदद कर सकता है।
जैसे-जैसे एआई मॉडल धीरे-धीरे सरल टेक्स्ट जेनरेशन टूल से एजेंट सिस्टम में विकसित हो रहे हैं जो टूल को कॉल कर सकते हैं और जटिल ऑपरेशन कर सकते हैं, हार्डवेयर बुनियादी ढांचे का महत्व भी बढ़ रहा है। लंबे संदर्भ तर्क और बहु-चरणीय कार्य निष्पादन में अक्सर लंबी कम्प्यूटेशनल प्रक्रियाएं और बड़ी संख्या में मॉडल कॉल शामिल होती हैं। केवल प्रदर्शन, विलंबता और लागत के बीच बेहतर संतुलन हासिल करके ही उद्यम अपनी सेवाओं को टिकाऊ तरीके से बढ़ा सकते हैं।
Maia 300 को इस प्रवृत्ति के जवाब में डिज़ाइन किया गया है। माइक्रोसॉफ्ट को उम्मीद है कि कोपायलट, गिटहब कोपायलट और भविष्य की एआई एजेंट सेवाओं के लिए कंप्यूटिंग समर्थन प्रदान करते हुए, उच्च थ्रूपुट और ऊर्जा दक्षता के माध्यम से कम लागत पर अधिक एआई कार्यों को चलाने में सक्षम बनाया जा सकेगा।
हालाँकि, Maia 300 को वास्तव में Microsoft के AI बुनियादी ढांचे की मुख्य शक्ति बनने के लिए, इसे अभी भी चिप निर्माण, सिस्टम एकीकरण से लेकर बड़े पैमाने पर तैनाती तक की प्रक्रिया से गुजरना होगा। माइक्रोसॉफ्ट की योजना 2027 में इसका उत्पादन शुरू करने और धीरे-धीरे तैनाती के पैमाने का विस्तार करने की है। तब तक, चिप की वास्तविक उत्पादन क्षमता, सिस्टम स्थिरता, सॉफ़्टवेयर अनुकूलन और मौजूदा डेटा केंद्रों के साथ एकीकरण सभी इसके अंतिम अनुप्रयोग दायरे को प्रभावित करेंगे।
कुल मिलाकर, Maia 300 के लॉन्च से पता चलता है कि Microsoft AI चिप्स को सहायक बुनियादी ढांचा परियोजनाओं से अपनी कृत्रिम बुद्धिमत्ता रणनीति के मुख्य घटक तक बढ़ा रहा है। टीएसएमसी की उन्नत प्रक्रियाओं, कोर ग्रैन्युलर डिज़ाइन और अनुमान वर्कलोड के लिए सिस्टम-स्तरीय अनुकूलन का उपयोग करके, माइक्रोसॉफ्ट को एआई सेवा क्षमताओं में सुधार करने की उम्मीद है जो प्रति यूनिट बिजली प्रदान कर सकती है और बाहरी जीपीयू आपूर्तिकर्ताओं पर अपनी निर्भरता को कम कर सकती है।
यदि Microsoft 2027 में योजना के अनुसार Maia 300 के उत्पादन परिनियोजन का विस्तार कर सकता है और वास्तविक व्यवसाय में अपेक्षित दक्षता में सुधार प्राप्त कर सकता है, तो चिप्स की यह श्रृंखला AI कंप्यूटिंग लागत को नियंत्रित करने और सेवा पैमाने का विस्तार करने के लिए एक महत्वपूर्ण उपकरण बनने की उम्मीद है। लेकिन इसकी दीर्घकालिक प्रतिस्पर्धात्मकता अंततः वास्तविक परिचालन प्रदर्शन पर निर्भर करती है और क्या Microsoft हार्डवेयर, मॉडल और सॉफ़्टवेयर के बीच एक निरंतर और प्रभावी सहयोगी अनुकूलन प्रणाली स्थापित कर सकता है।
टिप्पणियाँ