सार:
कुछ प्रमुख कृत्रिम बुद्धिमत्ता कंपनियाँ ऐसे उपकरण विकसित करने के लिए मोबाइल फोन उद्योग को बढ़ावा दे रही हैं जो 100 बिलियन पैरामीटर बड़े भाषा मॉडल को लगातार चला सकते हैं, जिसका लक्ष्य समय 2028 है। हालाँकि, इस विचार को दो व्यावहारिक चुनौतियों का सामना करना पड़ता है: पहला, इतने बड़े मॉडल को चलाने के लिए बड़ी मात्रा में मेमोरी की आवश्यकता होती है, और दूसरा, कृत्रिम बुद्धिमत्ता डेटा केंद्र वैश्विक मेमोरी उत्पादन क्षमता के लिए प्रतिस्पर्धा कर रहे हैं, जिसके परिणामस्वरूप उपभोक्ता-ग्रेड मेमोरी की आपूर्ति कम हो रही है और कीमतों में निरंतर वृद्धि हो रही है।
क्वालकॉम के सीईओ अमोन ने फायरसाइड अल्फा के साथ एक साक्षात्कार में कहा कि कृत्रिम बुद्धिमत्ता उद्योग में अग्रणी कुछ कंपनियां ऐसे मोबाइल फोन की खोज कर रही हैं जो लगातार सैकड़ों अरबों पैरामीटर मॉडल चला सकते हैं। उन्होंने इन कंपनियों के विशिष्ट नामों का खुलासा नहीं किया, लेकिन प्रासंगिक बयानों से पता चलता है कि मोबाइल उपकरणों के लिए कृत्रिम बुद्धिमत्ता कंपनियों की अपेक्षाएं बदल रही हैं: भविष्य में, मोबाइल फोन अब केवल टर्मिनल नहीं रह जाएंगे जो कभी-कभी क्लाउड एआई सेवाओं को कॉल करते हैं, बल्कि व्यक्तिगत कंप्यूटिंग डिवाइस जो स्थानीय स्तर पर लगातार बड़े मॉडल चला सकते हैं और सक्रिय रूप से कार्यों को संभाल सकते हैं।
हालाँकि, एमोन का बयान क्वालकॉम के आधिकारिक तौर पर घोषित उत्पाद रोडमैप के बजाय उद्योग के ग्राहकों द्वारा प्रस्तावित लक्ष्यों का वर्णन करने के बारे में अधिक था। वर्तमान में, क्वालकॉम ने अभी तक एक पूर्ण हार्डवेयर समाधान प्रदान नहीं किया है जो 2028 में इस लक्ष्य को प्राप्त कर सके, न ही उसने यह वादा किया है कि वह तब तक संबंधित क्षमताओं वाला एक वाणिज्यिक मोबाइल फोन लॉन्च करेगा।
तकनीकी दृष्टिकोण से, 100 बिलियन पैरामीटर मॉडल में वर्तमान में सामान्य ऑन-डिवाइस एआई मॉडल की तुलना में मोबाइल फोन हार्डवेयर की बहुत अधिक आवश्यकताएं हैं। एक बड़े भाषा मॉडल के पैरामीटर बड़ी संख्या में मान निर्धारित करते हैं जिन्हें मॉडल को सहेजने और कॉल करने की आवश्यकता होती है, और इन डेटा को आमतौर पर मेमोरी में संग्रहीत करने की आवश्यकता होती है ताकि प्रोसेसर अनुमान के दौरान उन तक तुरंत पहुंच सके।
उदाहरण के तौर पर 100 अरब मापदंडों वाला एक मॉडल लें। यदि 4-बिट क्वांटिज़ेशन का उपयोग किया जाता है, तो प्रत्येक पैरामीटर को सैद्धांतिक रूप से केवल 4 बिट स्टोरेज की आवश्यकता होती है, इसलिए केवल मॉडल पैरामीटर को लगभग 50 जीबी मेमोरी की आवश्यकता होती है। वास्तविक संचालन में, अनुमान के दौरान ऑपरेटिंग सिस्टम, अन्य एप्लिकेशन, संदर्भ कैश और अस्थायी डेटा के लिए भी स्थान आरक्षित किया जाना चाहिए। इसलिए, मॉडल को सुचारू रूप से चलाने के लिए 50GB मोबाइल फोन द्वारा आवश्यक पूर्ण मेमोरी क्षमता नहीं है।
यदि मॉडल को 2 बिट्स तक परिमाणित किया जाता है, तो प्रत्येक पैरामीटर को केवल 2 बिट्स की आवश्यकता होती है, और मॉडल पैरामीटर्स के लिए सैद्धांतिक भंडारण आवश्यकता को लगभग 25 जीबी तक कम किया जा सकता है। हालाँकि, इस समाधान के लिए अभी भी मोबाइल फोन की मेमोरी क्षमता वर्तमान मुख्यधारा के उत्पादों से कहीं अधिक होनी चाहिए, और बेहद कम-सटीकता परिमाणीकरण मॉडल की आउटपुट गुणवत्ता को काफी नुकसान पहुंचा सकता है, खासकर जटिल अनुमान कार्यों में।
यह ध्यान दिया जाना चाहिए कि पैरामीटर की संख्या सीधे मॉडल की पूर्ण क्षमताओं को निर्धारित नहीं करती है। विभिन्न मॉडलों का प्रशिक्षण डेटा, वास्तुकला, प्रशिक्षण विधियां और अनुमान तकनीक सभी अंतिम प्रदर्शन को प्रभावित करेंगे। एक छोटे, अनुकूलित मॉडल के लिए किसी विशिष्ट कार्य पर बड़े मॉडल से बेहतर प्रदर्शन करना पूरी तरह से संभव है। इसलिए, भले ही मोबाइल फोन फिलहाल 100 बिलियन पैरामीटर मॉडल को सीधे नहीं चला सकता है, इसका मतलब यह नहीं है कि यह एक बड़े मॉडल के करीब वास्तविक उपयोग अनुभव प्रदान नहीं कर सकता है।
वर्तमान में, स्मार्टफ़ोन की मेमोरी कॉन्फ़िगरेशन और सैकड़ों अरब पैरामीटर मॉडल के लिए आवश्यक क्षमता के बीच अभी भी स्पष्ट अंतर है। अतीत में, कुछ एंड्रॉइड फ्लैगशिप फोन एक बार 24GB LPDDR5X मेमोरी प्रदान करते थे। हालाँकि, मेमोरी की कम आपूर्ति और बढ़ती कीमतों के साथ, मोबाइल फोन निर्माताओं ने उच्च-मेमोरी संस्करणों के व्यावसायिक मूल्य का पुनर्मूल्यांकन करना शुरू कर दिया। आम उपभोक्ताओं के लिए, मेमोरी क्षमता बढ़ाने का मतलब उच्च हार्डवेयर लागत है, और मोबाइल फोन निर्माताओं के लिए यह निर्धारित करना मुश्किल है कि उपयोगकर्ता बड़े स्थानीय एआई मॉडल चलाने के लिए अतिरिक्त भुगतान करने को तैयार हैं या नहीं।
यह एक विरोधाभास पैदा करता है: आर्टिफिशियल इंटेलिजेंस कंपनियों को उम्मीद है कि मोबाइल फोन में अधिक से अधिक शक्तिशाली स्थानीय कंप्यूटिंग क्षमताएं होंगी, लेकिन इस लक्ष्य को प्राप्त करने के लिए आवश्यक मेमोरी अधिक महंगी और प्राप्त करना कठिन होता जा रहा है।
वैश्विक मेमोरी आपूर्ति तंग है, जो कृत्रिम बुद्धिमत्ता डेटा केंद्रों के तेजी से विस्तार से निकटता से संबंधित है। बड़ी प्रौद्योगिकी कंपनियां AI सर्वर में निवेश करना जारी रखती हैं, जिसके लिए बड़ी मात्रा में DRAM, हाई-बैंडविड्थ मेमोरी और हाई-स्पीड स्टोरेज डिवाइस की आवश्यकता होती है। मेमोरी निर्माता भी उत्पादन की व्यवस्था करते समय मजबूत मांग और उच्च मुनाफे के साथ कृत्रिम बुद्धिमत्ता से संबंधित उत्पादों पर अधिक ध्यान दे रहे हैं। इसलिए उपभोक्ता इलेक्ट्रॉनिक उपकरणों के लिए आवश्यक पारंपरिक मेमोरी आपूर्ति दबाव में है।
हालाँकि स्मार्टफ़ोन में उपयोग की जाने वाली कम-शक्ति वाली DRAM और AI एक्सेलेरेटर में उपयोग की जाने वाली उच्च-बैंडविड्थ मेमोरी उत्पाद संरचना और विनिर्माण आवश्यकताओं में भिन्न हैं, फिर भी वे पूरे सेमीकंडक्टर उद्योग में उत्पादन क्षमता आवंटन और बाजार आपूर्ति और मांग में बदलाव से प्रभावित होते हैं। एआई इंफ्रास्ट्रक्चर से मेमोरी की मांग जितनी मजबूत होगी, उपभोक्ता इलेक्ट्रॉनिक्स निर्माताओं के लिए कीमत और आपूर्ति के मामले में पिछली स्थितियों को बनाए रखना उतना ही कठिन होगा।
यह दबाव मोबाइल फोन निर्माण लागत में परिलक्षित हुआ है। मार्केट रिसर्च फर्म काउंटरपॉइंट रिसर्च द्वारा पहले प्रकाशित विश्लेषण से पता चला है कि 2026 की दूसरी तिमाही में, स्मार्टफोन मेमोरी की कीमतें पिछली तिमाही की तुलना में 80% से अधिक बढ़ गईं। विभिन्न मूल्य बिंदुओं पर मोबाइल फोन के बीच, बढ़ती मेमोरी लागत का समग्र सामग्री लागत पर महत्वपूर्ण प्रभाव पड़ता है।
काउंटरप्वाइंट ने बताया कि मध्य-श्रेणी के मोबाइल फोन की सामग्री लागत के बिल में साल-दर-साल लगभग 52% की वृद्धि हुई, और सामग्री लागत के कुल बिल में मेमोरी का हिस्सा लगभग 40% था। हाई-एंड मोबाइल फोन भी प्रभावित हुए हैं, और DRAM ने सिस्टम-स्तरीय चिप्स को भी पीछे छोड़ दिया है और कुछ फ्लैगशिप मोबाइल फोन में सबसे महंगा एकल घटक बन गया है।
इसका मतलब यह है कि मोबाइल फोन निर्माताओं को न केवल इस बात पर विचार करने की आवश्यकता है कि क्या उनके पास 100 बिलियन पैरामीटर मॉडल के लिए 50 जीबी या अधिक मेमोरी को कॉन्फ़िगर करने की क्षमता है, बल्कि उन्हें एक अधिक यथार्थवादी प्रश्न का उत्तर भी देना होगा: क्या उपभोक्ता इन यादों के लिए भुगतान करने को तैयार हैं?
यदि केवल बड़े मॉडल चलाने के लिए, मोबाइल फोन की मेमोरी को वर्तमान में सामान्य 12 जीबी या 16 जीबी से बढ़ाकर 64 जीबी या उससे भी अधिक करने की आवश्यकता है, और पूरी मशीन की लागत में काफी वृद्धि हो सकती है। अधिक शक्तिशाली प्रोसेसर, उन्नत पैकेजिंग और थर्मल डिज़ाइन के साथ, अंतिम उत्पाद की कीमत आम उपभोक्ताओं के लिए स्वीकार्य सीमा से और भी दूर हो सकती है।
क्वालकॉम और ऐप्पल चिप आर्किटेक्चर और पैकेजिंग तकनीक के मामले में इस समस्या को कम करने की कोशिश कर रहे हैं। संबंधित रिपोर्टों में उल्लेख किया गया है कि ऐप्पल ए20 प्रो और क्वालकॉम की नई पीढ़ी के स्नैपड्रैगन फ्लैगशिप प्लेटफॉर्म चिप डिजाइन और मेमोरी संगठन के तरीकों की खोज कर रहे हैं जो बड़े मॉडलों के संचालन के लिए अधिक अनुकूल हैं, जिससे डेटा एक्सेस दक्षता में सुधार और प्रोसेसर और मेमोरी के बीच डेटा ट्रांसमिशन ओवरहेड को कम करने की उम्मीद है।
हालांकि, एनकैप्सुलेशन और डेटा एक्सेस दक्षता में सुधार का मतलब यह नहीं है कि भौतिक मेमोरी आवश्यकताएं स्वचालित रूप से गायब हो जाएंगी। भले ही प्रोसेसर मेमोरी का अधिक कुशलता से उपयोग कर सकता है, फिर भी 100 बिलियन पैरामीटर मॉडल को अभी भी बहुत सारे पैरामीटर डेटा को सहेजने की आवश्यकता है। इस पैमाने के मॉडल को वास्तव में मोबाइल फोन के अनुकूल बनाने के लिए, उद्योग को मॉडल संपीड़न, अनुमान वास्तुकला और भंडारण पहुंच में और अधिक प्रगति करने की आवश्यकता हो सकती है।
एक संभावित समाधान अधिक क्रांतिकारी परिमाणीकरण तकनीक है। प्रति पैरामीटर उपयोग किए गए बिट्स की संख्या को कम करके, मॉडल को छोटे मेमोरी स्पेस में चलाया जा सकता है। हालाँकि, परिमाणीकरण लागत के बिना नहीं आता है। ऐसे कार्यों के लिए जिनमें जटिल तार्किक तर्क की आवश्यकता होती है, बहुत कम संख्यात्मक सटीकता से मॉडल प्रदर्शन में महत्वपूर्ण गिरावट आ सकती है। इसलिए, मेमोरी उपयोग और मॉडल गुणवत्ता के बीच संतुलन कैसे बनाया जाए, यह एंड-साइड एआई के लिए एक महत्वपूर्ण शोध दिशा बन जाएगी।
एक अन्य समाधान हाइब्रिड विशेषज्ञ मॉडल है, जो MoE आर्किटेक्चर है। पारंपरिक गहन आर्किटेक्चर के विपरीत, जिसमें प्रत्येक अनुमान के लिए पूरे मॉडल को कॉल करने की आवश्यकता होती है, MoE मॉडल विशिष्ट कार्यों के आधार पर गणना में भाग लेने के लिए विशेषज्ञ नेटवर्क के हिस्से का चयन करता है। उचित डिज़ाइन के साथ, हर बार टोकन संसाधित होने पर मॉडल में मापदंडों के केवल एक छोटे सेट को सक्रिय करने की आवश्यकता होती है।
यदि विशेषज्ञ ऑफलोडिंग तकनीक को आगे अपनाया जाता है, तो सिस्टम DRAM में वर्तमान में आवश्यक विशेषज्ञों को बनाए रख सकता है और उन विशेषज्ञों को फ्लैश मेमोरी में संग्रहीत कर सकता है जिनकी अस्थायी रूप से आवश्यकता नहीं है। जब अनुमान प्रक्रिया के लिए अन्य विशेषज्ञों की आवश्यकता होती है, तो संबंधित डेटा को फ्लैश मेमोरी से मेमोरी में पढ़ा जाता है।
यह दृष्टिकोण उस डेटा की मात्रा को कम कर सकता है जो मॉडल को एक ही समय में DRAM में रहना चाहिए, लेकिन बढ़ी हुई स्टोरेज एक्सेस और डेटा ट्रांसफर ओवरहेड की कीमत पर। मोबाइल फोन में उपयोग की जाने वाली यूएफएस फ्लैश मेमोरी की एक्सेस गति और विलंबता विशेषताएँ DRAM से काफी भिन्न हैं। यदि मॉडल बार-बार फ्लैश मेमोरी से पैरामीटर पढ़ता है, तो अनुमान की गति प्रभावित हो सकती है।
Apple ने पहले भी बड़े भाषा मॉडल चलाने के लिए डिवाइस के अंतर्निहित स्टोरेज का उपयोग करने के समाधान का अध्ययन किया है। इस प्रकार की तकनीक से DRAM क्षमता पर निर्भरता कम होने की उम्मीद है, लेकिन क्या यह मोबाइल फोन पर पर्याप्त रूप से कम विलंबता, उच्च थ्रूपुट और स्वीकार्य ऊर्जा खपत प्राप्त कर सकती है, इसके लिए अभी और सत्यापन की आवश्यकता है।
इसके अलावा, बड़े मॉडलों के लगातार चलने से गर्मी अपव्यय और बैटरी जीवन की समस्याएं भी पैदा होंगी। मोबाइल फोन का आंतरिक स्थान सीमित है और उन्हें डेस्कटॉप कंप्यूटर या सर्वर जैसे बड़े पैमाने के कूलिंग सिस्टम से सुसज्जित नहीं किया जा सकता है। यदि प्रोसेसर लंबे समय तक उच्च तीव्रता वाला एआई अनुमान लगाता है, तो चिप का तापमान बढ़ना जारी रह सकता है, जिसके बाद आवृत्ति में कमी तंत्र ट्रिगर हो सकता है, जिसके परिणामस्वरूप प्रदर्शन में गिरावट आ सकती है।
यह समस्या विशेष रूप से उन एजेंटों के लिए गंभीर है जिन्हें चौबीसों घंटे काम करने की आवश्यकता होती है। पारंपरिक चैटबॉट आमतौर पर उपयोगकर्ता द्वारा अनुरोध करने के बाद कार्यों को संसाधित करना शुरू करते हैं, लेकिन एआई एजेंटों की नई पीढ़ी को लगातार जानकारी की निगरानी करने, संदर्भ का विश्लेषण करने और उचित समय पर सक्रिय रूप से संचालन करने की आवश्यकता हो सकती है। यदि फोन को चौबीसों घंटे बड़े मॉडल चलाना है, तो न केवल मेमोरी को हर समय उपलब्ध होना चाहिए, बल्कि प्रोसेसर की बिजली की खपत और बैटरी की खपत को भी सख्ती से नियंत्रित किया जाना चाहिए।
इसलिए, भले ही भविष्य का मोबाइल फोन 100 बिलियन पैरामीटर मॉडल को सफलतापूर्वक लोड कर सकता है, इसका मतलब यह नहीं है कि यह आदर्श गति पर चलता रह सकता है। क्या मॉडल वास्तव में मेमोरी में रह सकता है, यह प्रति सेकंड कितने शब्दों को संसाधित कर सकता है, ऑपरेशन के दौरान यह कितनी गर्मी उत्पन्न करता है, और बैटरी जीवन पर इसका कितना प्रभाव पड़ता है, ये सभी वास्तविक उपयोग मूल्य को मापने के लिए महत्वपूर्ण संकेतक हैं।
100 बिलियन पैरामीटर मॉडल को सीधे मोबाइल फोन में प्लग करने की तुलना में, एक अधिक यथार्थवादी समाधान एक डिस्टिल्ड और अनुकूलित मध्यम आकार के मॉडल को चलाना हो सकता है।
मॉडल आसवन आमतौर पर छोटे मॉडल को प्रशिक्षित करने के लिए बड़े मॉडल की क्षमताओं का लाभ उठाता है, ताकि बाद वाला किसी विशिष्ट कार्य में बड़े मॉडल के प्रदर्शन को यथासंभव बनाए रख सके, जबकि पैरामीटर स्केल काफी कम हो जाता है। Wccftech का मानना है कि उचित रूप से डिस्टिल्ड 20 बिलियन से 30 बिलियन पैरामीटर मॉडल कुछ कार्यों पर 100 बिलियन पैरामीटर मॉडल के प्रदर्शन तक पहुंच सकता है, और इसलिए यह भविष्य के स्मार्टफोन में स्थानीय एआई की मुख्य शक्ति बनने के लिए अधिक उपयुक्त है।
इस समाधान का लाभ यह है कि इसमें बहुत बड़ी मेमोरी क्षमता पर निर्भर नहीं रहना पड़ता है और इसमें काफी शक्तिशाली तर्क क्षमताएं प्रदान करने का अवसर मिलता है। मोबाइल फोन निर्माताओं के लिए, केवल यह जानने के बजाय कि कितने मापदंडों को समायोजित किया जा सकता है, मॉडल आर्किटेक्चर, परिमाणीकरण, आसवन और अनुमान अनुकूलन के माध्यम से सीमित हार्डवेयर संसाधनों के साथ बेहतर वास्तविक अनुभव प्राप्त करना बेहतर है।
बेशक, विभिन्न मॉडलों का प्रदर्शन बहुत भिन्न होता है, और 20 से 30 बिलियन पैरामीटर मॉडल सभी कार्यों पर 100 बिलियन पैरामीटर मॉडल को प्रतिस्थापित नहीं कर सकता है। जटिल तर्क, विशेषज्ञता और लंबे-संदर्भ प्रसंस्करण जैसी क्षमताएं अभी भी विशिष्ट मॉडलों के प्रशिक्षण और वास्तुकला डिजाइन पर निर्भर करती हैं। लेकिन उत्पादीकरण के नजरिए से, उचित बिजली खपत और लागत पर अधिकांश दैनिक कार्यों को पूरा करने में सक्षम होना शुद्ध पैरामीटर पैमाने को आगे बढ़ाने से अधिक मूल्यवान हो सकता है।
क्वालकॉम सीईओ का बयान यह भी दर्शाता है कि स्मार्टफोन उद्योग विकास की नई दिशा तलाश रहा है। जैसे-जैसे पारंपरिक हार्डवेयर अपग्रेड के सीमांत लाभ धीरे-धीरे कम होते जा रहे हैं, मोबाइल फोन निर्माता उपकरणों के उपयोग के तरीके को फिर से परिभाषित करने के लिए एआई एजेंटों का उपयोग करने की उम्मीद करते हैं।
भविष्य के स्मार्टफ़ोन अब केवल ऐसे उपकरण नहीं होंगे जो उपयोगकर्ताओं द्वारा एप्लिकेशन खोलने और कमांड दर्ज करने की प्रतीक्षा कर रहे हों, बल्कि व्यक्तिगत सहायक होंगे जो लगातार जरूरतों को समझ सकते हैं, कार्यों की व्यवस्था कर सकते हैं और उपयोगकर्ता प्राधिकरण के दायरे में विभिन्न सेवाओं को कॉल कर सकते हैं। ऐसी प्रणालियों के लिए मजबूत स्थानीय तर्क क्षमताओं के साथ-साथ अधिक कुशल मेमोरी प्रबंधन, कम-शक्ति कंप्यूटिंग और सुरक्षा तंत्र की आवश्यकता होती है।
हालाँकि, उद्योग के लक्ष्यों और अंतिम उत्पाद के बीच अभी भी एक दूरी है। आमोन ने विशिष्ट भागीदार कंपनी के नाम की घोषणा नहीं की, न ही संपूर्ण हार्डवेयर रोडमैप या बड़े पैमाने पर उत्पादन कार्यक्रम प्रदान किया। क्वालकॉम द्वारा पुष्टि की गई उत्पाद रिलीज की तारीख के बजाय, 2028 को लक्ष्य समय के रूप में समझा जाना अधिक उपयुक्त है जब कुछ एआई कंपनियां इस क्षमता को हासिल करने की उम्मीद करती हैं।
मौजूदा तकनीकी स्थितियों को देखते हुए, 2028 में मोबाइल फोन के लिए सैकड़ों अरब पैरामीटर मॉडल चलाना पूरी तरह से असंभव नहीं है, लेकिन कार्यान्वयन विधि "सभी पूर्ण मॉडलों को मोबाइल फोन मेमोरी में लोड करके" लोगों की कल्पना से भिन्न हो सकती है। अधिक आक्रामक परिमाणीकरण, एमओई वास्तुकला, विशेषज्ञ ऑफलोडिंग, समर्पित मेमोरी डिज़ाइन और मॉडल आसवन सभी लक्ष्य प्राप्त करने का हिस्सा हो सकते हैं।
साथ ही, वैश्विक मेमोरी आपूर्ति और मूल्य रुझान सीधे इस दिशा की व्यावसायिक व्यवहार्यता को प्रभावित करेंगे। यदि उपभोक्ता-ग्रेड DRAM की आपूर्ति AI डेटा केंद्रों द्वारा लंबे समय तक निचोड़ ली जाती है, भले ही तकनीकी रूप से 64GB या अधिक मेमोरी वाले मोबाइल फोन का निर्माण करना संभव हो, निर्माता ऐसे उत्पादों को बड़े पैमाने पर लॉन्च करने के लिए तैयार नहीं हो सकते हैं।
इसलिए, क्वालकॉम के 100 बिलियन-पैरामीटर वाले मोबाइल फोन के दृष्टिकोण को वास्तव में न केवल चिप प्रदर्शन के संदर्भ में, बल्कि मॉडल आकार, मेमोरी क्षमता, विनिर्माण लागत, गर्मी लंपटता, बैटरी जीवन और उपभोक्ता मांग के बीच व्यापक संतुलन में भी हल करने की आवश्यकता है। सामान्य उपयोगकर्ताओं के लिए, भविष्य में सबसे उल्लेखनीय बात यह नहीं हो सकती है कि क्या मोबाइल फोन 100 अरब मापदंडों के साथ एक मॉडल चला सकता है, बल्कि यह है कि क्या यह कीमत में उल्लेखनीय वृद्धि या बैटरी जीवन का गंभीर नुकसान किए बिना विश्वसनीय, तेज और वास्तव में उपयोगी स्थानीय एआई सेवाएं प्रदान कर सकता है।
टिप्पणियाँ