आर्टिफिशियल इंटेलिजन्सच्या जगात गूगलने त्यांच्या सातव्या जनरेशनच्या टेन्सर प्रोसेसिंग युनिट (TPU) ‘आयरनवुड’ (Ironwood) च्या अनावरणाने क्रांती घडवली आहे. हे अत्याधुनिक एआय (AI) एक्सेलरेटर जगातील सर्वात शक्तिशाली सुपरकॉम्प्युटरलाही मागे टाकण्याची क्षमता ठेवते. मोठ्या प्रमाणावर केलेल्या चाचणीमध्ये, आयरनवुडची क्षमता सर्वात वेगवान सुपरकॉम्प्युटरपेक्षा २४ पट जास्त असल्याचे सिद्ध झाले आहे.
गूगल क्लाउड नेक्स्ट ‘25 (Google Cloud Next ‘25) कार्यक्रमात आयरनवुडचे अनावरण हे गूगलच्या एआय चिप (AI Chip) नवोपक्रमाच्या दशकातील एक महत्त्वाचा क्षण आहे. यापूर्वीच्या टीपीयू आवृत्त्या मुख्यत्वे एआय मॉडेलच्या प्रशिक्षण (Training) आणि निष्कर्षांच्या (Inference) कामांसाठी वापरल्या गेल्या, पण आयरनवुड हे निष्कर्षांच्या कामांसाठी तयार केलेले आणि अनुकूलित केलेले पहिले चिप आहे.
गूगलमधील मशीन लर्निंग, सिस्टम्स आणि क्लाउड एआयचे उपाध्यक्ष आणि महाव्यवस्थापक अमीन वहादत (Amin Vahdat) यांच्या मते, ‘’आयरनवुडला जेनरेटिव्ह एआयच्या (Generative AI) पुढील टप्प्याला गती देण्यासाठी इंजिनियर केले गेले आहे, जे त्याच्या प्रचंडComputational आणि कम्युनिकेशनच्या (Communication) मागण्या पूर्ण करते. आम्ही ‘इन्फरन्स युगात’ (Inference Era) प्रवेश करत आहोत, जिथे एआय एजंट्स (AI Agents) केवळ डेटा प्रोसेसिंगच्या क्षमतेपेक्षा जास्त माहिती आणि उत्तरे देण्यासाठी सक्रियपणे डेटा पुनर्प्राप्त (Retrieve) आणि तयार करतील.”
आयरनवुडची क्षमता: अभूतपूर्व संगणकीय शक्ती
आयरनवुडचे तांत्रिक तपशील (Technical Specifications) एआय संशोधक (AI Researchers) आणि विकासकांसाठी (Developers) एखाद्या स्वप्नासारखे आहेत. 9,216 चिप्सच्या पॉडपर्यंत स्केलिंग (Scaling) केल्यास, आयरनवुड 42.5 एक्झाफ्लॉप्स (Exaflops) एआय कंप्यूट (AI Compute) देते. हे समजून घेण्यासाठी, सध्याच्या सुपरकॉम्प्युटर चॅम्पियन, एल कॅपिटनच्या (El Capitan) क्षमतेपेक्षा हे खूप जास्त आहे, ज्याची क्षमता 1.7 एक्झाफ्लॉप्स आहे. वैयक्तिकरित्या, प्रत्येक आयरनवुड चिपमध्ये 4614 टेराफ्लॉप्सची (TFLOPs) पीक कंप्यूट क्षमता आहे.
प्रक्रियेच्या (Processing) गती व्यतिरिक्त, आयरनवुडमध्ये मेमरी (Memory) आणि बँडविड्थमध्ये (Bandwidth) महत्त्वपूर्ण सुधारणा करण्यात आल्या आहेत. प्रत्येक चिप 192 जीबी (GB) हाय बँडविड्थ मेमरीने (High Bandwidth Memory - HBM) सुसज्ज आहे, जी मागील पिढीच्या ट्रिलियम टीपीयू (Trillium TPU) पेक्षा सहापट जास्त आहे. मेमरी बँडविड्थमध्येही मोठ्या प्रमाणात सुधारणा झाली आहे, जी प्रति चिप 7.2 टेराबिट्स प्रति सेकंद (Terabits/s) आहे, जी ट्रिलियमपेक्षा 4.5 पट जास्त आहे.
डेटा सेंटर्सचा (Data Centers) विस्तार होत आहे आणि वीज वापर हा एक महत्त्वाचा घटक बनत आहे, अशा परिस्थितीत आयरनवुड उल्लेखनीय ऊर्जा कार्यक्षमता (Energy Efficiency) दर्शवते. ट्रिलियमच्या तुलनेत तिची कार्यक्षमता प्रति वॅट दुप्पट आहे आणि 2018 मध्ये सादर केलेल्या पहिल्या टीपीयू पेक्षा जवळपास 30 पट चांगली आहे.
इन्फरन्स ऑप्टिमायझेशनकडे (Inference Optimization) असलेला हा बदल एआयच्या उत्क्रांतीतील एक महत्त्वाचा टप्पा आहे. अलिकडच्या वर्षांत, आघाडीच्या एआय प्रयोगशाळांनी (AI Labs) अधिकाधिक पॅरामीटर काउंट्ससह (Parameter Counts) फाउंडेशन मॉडेल (Foundation Model) तयार करण्यावर लक्ष केंद्रित केले आहे. गूगलने इन्फरन्स ऑप्टिमायझेशनवर दिलेला भर डिप्लॉयमेंट कार्यक्षमते (Deployment efficiency) आणि वास्तविक जगातील निष्कर्षांच्या क्षमतेला प्राधान्य दर्शवतो.
एआय मॉडेलचे प्रशिक्षण ही तुलनेने दुर्मिळ बाब आहे, तर एआय तंत्रज्ञान अधिक व्यापक होत असल्याने अब्जावधी वेळा निष्कर्षांची (Inference Operations) प्रक्रिया केली जाते. एआय-शक्तीवर चालणाऱ्या व्यवसायांची आर्थिक व्यवहार्यता (Economic viability) निष्कर्षांच्या खर्चाशी जोडलेली आहे, खासकरून जेव्हा मॉडेल अधिकाधिक क्लिष्ट (Complex) होतात.
गेल्या आठ वर्षांपासून, गूगलची एआय कंप्यूटची मागणी दहा पटीने वाढली आहे आणि ती आश्चर्यकारक 100 दशलक्षांवर पोहोचली आहे. आयरनवुडसारख्या विशेष आर्किटेक्चरशिवाय (Specialized Architecture), केवळ मूरचा नियम (Moore’s Law) या वाढीला टिकवून ठेवू शकत नाही.
गूगलचा ‘तार्किक मॉडेल’ (Reasoning Models) वर भर आहे, जी साध्या पॅटर्न ओळखण्याऐवजी (Pattern Recognition) क्लिष्ट निष्कर्षांची (Complex Inference Tasks) क्षमता ठेवते. यावरून असे दिसून येते की गूगल भविष्यात एआय केवळ मोठ्या मॉडेल्सद्वारेच नव्हे, तर समस्यांचे विश्लेषण (Analyze) करण्याची, मल्टी-स्टेप तर्क (Multi-step Reasoning) करण्याची आणि मानवासारख्या विचार प्रक्रियेचे (Human-like Thought Processes) अनुकरण (Emulate) करण्याची क्षमता असलेल्या मॉडेल्सद्वारे उत्कृष्ट ठरेल.
मोठ्या भाषिक मॉडेलच्या (Large Language Models) पुढील पिढीला सक्षम करणे
गूगलने आयरनवुडला त्यांच्या सर्वात प्रगत एआय मॉडेलसाठी (Advanced AI Models) पायाभूत सुविधा (Infrastructure) म्हणून स्थान दिले आहे, ज्यात जेमिनी 2.5 (Gemini 2.5) चा समावेश आहे, ज्यात ‘नैसर्गिक तार्किक क्षमता’ (Native Reasoning Capabilities) आहे.
आयरनवुड सोबतच, गूगलने जेमिनी 2.5 फ्लॅश (Gemini 2.5 Flash) सादर केले, जे त्यांच्या फ्लॅगशिप मॉडेलचे (Flagship Model) सुव्यवस्थित (Streamlined) व्हर्जन (Version) आहे आणि ते कमी लेटन्सी-संवेदनशील (Latency-sensitive) आणि रोजच्या ऍप्लिकेशन्ससाठी (Applications) डिझाइन केलेले आहे. जेमिनी 2.5 फ्लॅश प्रॉम्प्टच्या (Prompt) जटिलतेनुसार त्याच्या तार्किक क्षमतेत बदल करू शकते.
गूगलने टेक्स्ट-टू-इमेज (Text-to-Image), टेक्स्ट-टू-व्हिडिओ (Text-to-Video) आणि नव्याने सादर केलेले टेक्स्ट-टू-म्युझिक (Text-to-Music) कार्यक्षमतेचा समावेश असलेल्या मल्टीमॉडल जेनरेटिव्ह मॉडेल्सचा (Multimodal Generative Models) संच देखील सादर केला, ज्याचे नाव लायरिया (Lyria) आहे. एका आकर्षक डेमोमध्ये (Demo), ही साधने एकत्रितपणे कॉन्सर्टसाठी (Concert) संपूर्ण Promotional व्हिडिओ (Promotional Video) कसा तयार करू शकतात हे दाखवण्यात आले.
आयरनवुड हे गूगलच्या सर्वसमावेशक (Comprehensive) एआय इन्फ्रास्ट्रक्चर धोरणाचा (Infrastructure Strategy) एक भाग आहे. कंपनीने क्लाउड वॅन (Cloud WAN) देखील सादर केले, जी एक व्यवस्थापित (Managed) वाइड एरिया नेटवर्क सेवा (Wide Area Network Service) आहे, जी व्यवसायांना गूगलच्या जागतिक स्तरावरील (Global-Scale) खाजगी नेटवर्क इन्फ्रास्ट्रक्चरमध्ये (Private Network Infrastructure) प्रवेश करण्यास सक्षम करते.
गूगल एआय वर्कलोडसाठी (AI Workloads) सॉफ्टवेअर (Software) ऑफरिंगचा (Offering) विस्तार करत आहे, ज्यात पाथवेजचा (Pathways) समावेश आहे, हे गूगल डीप माइंडने (Google DeepMind) विकसित केलेले मशीन लर्निंग रनटाइम (Machine Learning Runtime) आहे, जे ग्राहकांना शेकडो टीपीयूमध्ये (TPUs) मॉडेल सर्व्हिंग स्केल (Model Serving Scale) करण्यास अनुमती देते.
सहयोगी बुद्धिमत्तेची दृष्टी: ए2ए (A2A) आणि एमसीपी (MCP) सपोर्ट सादर करणे
हार्डवेअरमधील (Hardware) प्रगती व्यतिरिक्त, गूगलने मल्टी-एजंट सिस्टम्सवर (Multi-agent Systems) केंद्रित असलेल्या एआयसाठी (AI) त्यांची दृष्टी स्पष्ट केली आणि विविध एआय एजंट्समध्ये (AI Agents) सुरक्षित आणि प्रमाणित (Standardized) संवादाला प्रोत्साहन देण्यासाठी डिझाइन केलेले एजंट-टू-एजंट (Agent-to-Agent) (A2A) प्रोटोकॉल (Protocol) सादर केले.
गूगलला 2025 हे वर्ष एआयसाठी (AI) परिवर्तनकारी (Transformative) ठरेल अशी अपेक्षा आहे, कारण जेनरेटिव्ह एआय ऍप्लिकेशन्स (Generative AI Applications) एकेक प्रश्नांची उत्तरे देण्याऐवजी (Answering) परस्परांशी जोडलेल्या (Interconnected) एजंट सिस्टम्सद्वारे (Agent Systems) क्लिष्ट समस्या सोडवतील.
ए2ए प्रोटोकॉल प्लॅटफॉर्म्सवर (Platforms) आणि फ्रेमवर्कवर (Frameworks) इंटरऑपरेबिलिटी (Interoperability) सक्षम करतो, एआय एजंट्सना (AI Agents) एक सामान्य ‘भाषा’ (Language) आणि सुरक्षित संवाद चॅनेल (Communication Channel) प्रदान करतो. हे एआय एजंट्ससाठी (AI Agents) नेटवर्क लेयरप्रमाणे (Network Layer) आहे, जे जटिल वर्कफ्लोमध्ये (Complex Workflows) सहकार्य (Collaboration) सुलभ करते आणि विशेष एआय एजंट्सना (AI Agents) एकत्रितपणे विविध जटिलता आणि कालावधीची कार्ये (Tasks) करण्यास सक्षम करते, ज्यामुळे सहकार्याने एकूण क्षमता वाढते.
ए2ए कसे कार्य करते
गूगलने एमसीपी (MCP) आणि ए2ए (A2A) प्रोटोकॉलचे (Protocol) तुलनात्मक विहंगावलोकन (Comparative Overview) प्रदान केले आहे:
- एमसीपी (Model Context Protocol): हे साधन (Tool) आणि संसाधन व्यवस्थापनावर (Resource Management) लक्ष केंद्रित करते.
- स्ट्रक्चर्ड इनपुट/आउटपुटद्वारे (Structured Input/Output) एजंट्सना (Agents) साधने, एपीआय (API) आणि संसाधनांशी जोडते.
- गूगल एडीके (Google ADK) एमसीपी साधनांना (MCP Tools) सपोर्ट (Support) करते, जे एमसीपी सर्व्हर्स (MCP Servers) आणि एजंट्समधील (Agents) अखंड (Seamless) संवाद सुलभ करते.
- ए2ए (Agent2Agent Protocol): एजंट्समधील (Agents) सहकार्याला प्रोत्साहन देते.
- सामायिक (Shared) मेमरी, संसाधने (Resources) किंवा साधनांची आवश्यकता नसताना एजंट्समध्ये (Agents) डायनॅमिक (Dynamic), मल्टी-मॉडल (Multi-Modal) संवादास सक्षम करते.
- हे समुदायाद्वारे (Community) चालवले जाणारे एक खुले मानक (Open Standard) आहे.
- गूगल एडीके (Google ADK), लँगग्राफ (LangGraph) आणि क्रू.एआय (Crew.AI) सारख्या साधनांचा वापर करून याची उदाहरणे शोधली जाऊ शकतात.
ए2ए (A2A) आणि एमसीपी (MCP) एकमेकांना पूरक (Complementary) आहेत. एमसीपी (MCP) एजंट्सना (Agents) साधनांनी सुसज्ज करते, तर ए2ए (A2A) या सुसज्ज एजंट्सना (Agents) संवाद साधण्यास आणि सहकार्य करण्यास सक्षम करते.
गूगलच्या भागीदारांच्या (Partners) प्रारंभिक (Initial) यादीवरून असे दिसून येते की ए2एला (A2A) एमसीपीसारखेच (MCP) महत्त्व मिळण्याची शक्यता आहे. या उपक्रमाने (Initiative) आधीच 50 हून अधिक संस्थांना आकर्षित केले आहे, ज्यात आघाडीच्या तंत्रज्ञान कंपन्या (Technology Companies) आणि जागतिक सल्लागार (Global Consultants) आणि सिस्टम इंटिग्रेशन प्रदात्यांचा (System Integration Providers) समावेश आहे.
गूगल प्रोटोकॉलच्या (Protocol) खुल्या असण्यावर जोर देते आणि ते आंतर-एजंट सहकार्यासाठी (Inter-Agent Collaboration) एक मानक (Standard) म्हणून स्थापित करते जे अंतर्निहित (Underlying) तंत्रज्ञान फ्रेमवर्क (Technology Framework) किंवा सेवा प्रदात्यांच्या पलीकडे जाते. गूगलने प्रोटोकॉलच्या (Protocol) डिझाइनला आकार देणारी पाच मार्गदर्शक तत्त्वे (Guiding Principles) अधोरेखित (Highlight) केली:
- एजंट क्षमतांना प्रोत्साहन देणे: ए2ए (A2A) एजंट्सना (Agents) नैसर्गिकरित्या (Naturally) सहयोग (Collaborate) करण्यास सक्षम करण्यास प्राधान्य देते, जरी त्यांच्यात मेमरी, साधने किंवा संदर्भ (Context) सामायिक नसला तरीही. केवळ ‘साधने’ म्हणून कार्य करण्यापुरते एजंट्सना (Agents) मर्यादित न ठेवता, खऱ्या मल्टी-एजंट परिस्थितीला (Multi-Agent Scenarios) सक्षम करणे हा या मागचा उद्देश आहे.
- विद्यमान मानकांवर (Existing Standards) आधारित: प्रोटोकॉल (Protocol) विद्यमान, मोठ्या प्रमाणावर स्वीकारल्या जाणाऱ्या मानकांचा उपयोग करतो, ज्यात एचटीटीपी (HTTP), एसएसई (SSE) आणि जेएसओएन-आरपीसी (JSON-RPC) यांचा समावेश आहे, ज्यामुळे विद्यमान आयटी स्टॅक्समध्ये (IT Stacks) एकत्रीकरण (Integration) सुलभ होते.
- सुरक्षितता (Security) हे डिफॉल्ट (Default) वैशिष्ट्य (Feature): ए2ए (A2A) एंटरप्राइज-ग्रेड ऑथेंटिकेशन (Enterprise-Grade Authentication) आणि ऑथोरायझेशनला (Authorization) सपोर्ट (Support) करण्यासाठी डिझाइन केलेले आहे, जे ओपन एपीआयच्या (Open API) ऑथेंटिकेशन स्कीम्सच्या (Authentication Schemes) तुलनेत आहे.
- दीर्घकाळ चालणाऱ्या (Long-Running) कार्यांना सपोर्ट: ए2एचे (A2A) लवचिक स्वरूप (Flexibility) जलदगती (Quick) कार्यांपासून ते सखोल संशोधनापर्यंत (In-depth Research) अनेक परिस्थितींना सपोर्ट (Support) करण्यास अनुमती देते, ज्यास तास किंवा दिवस लागू शकतात (विशेषत: जेव्हा मानवी सहभागाची (Human Involvement) आवश्यकता असते). संपूर्ण प्रक्रियेदरम्यान, ए2ए (A2A) वापरकर्त्यांना रिअल-टाइम (Real-Time) फीडबॅक (Feedback), सूचना (Notifications) आणि स्टेटस अपडेट्स (Status Updates) देऊ शकते.
- मोडॅलिटी एग्नोस्टिक (Modality Agnostic): एजंट्सचे (Agents) जग टेक्स्टच्या (Text) पलीकडे विस्तारलेले आहे हे लक्षात घेऊन, ए2ए (A2A) ऑडिओ (Audio) आणि व्हिडिओ स्ट्रीम्ससह (Video Streams) विविध मोडॅलिटीजना (Modalities) सपोर्ट (Support) करते.
ए2ए (A2A) भरती प्रक्रियेला (Hiring Process) कशा प्रकारे सुलभ करते याचे उदाहरण गूगलने दिले आहे.
एजंटस्पेससारख्या (Agentspace) युनिफाइड इंटरफेसमध्ये (Unified Interface), भरती व्यवस्थापक (Hiring Manager) नोकरीच्या आवश्यकतांवर आधारित योग्य उमेदवार (Candidate) ओळखण्यासाठी एका एजंटला (Agent) नियुक्त करू शकतो. हा एजंट उमेदवार शोधण्यासाठी (Source Candidate) विशेष एजंट्सशी (Specialized Agents) संवाद (Interact) साधू शकतो. वापरकर्ते (Users) मुलाखती (Interviews) शेड्यूल (Schedule) करण्यासाठी आणि पार्श्वभूमी तपासणीसाठी (Background Checks) मदत करण्यासाठी इतर विशेष एजंट्सना (Specialized Agents) सहभागी (Engage) करण्याचे निर्देश (Instruct) देखील देऊ शकतात, ज्यामुळे सिस्टममध्ये (System) पूर्णपणे स्वयंचलित (Automated) आणि बुद्धिमत्तापूर्ण (Intelligent) भरती (Recruitment) करता येते.
मॉडेल कंटेक्स्ट प्रोटोकॉलचा (Model Context Protocol) (MCP) स्वीकार
गूगल एमसीपीचा (MCP) देखील स्वीकार करत आहे. ओपनएआयने (OpenAI) अँथ्रोपिकच्या (Anthropic) मॉडेल कंटेक्स्ट प्रोटोकॉलचा (Model Context Protocol) (MCP) स्वीकार केल्याच्या काही वेळाने, गूगलने त्याचे अनुसरण केले.
गूगल डीप माइंडचे (Google DeepMind) सीईओ (CEO) डेमिस हसाबिस (Demis Hassabis) यांनी एक्स (पूर्वीचे ट्विटर) वर घोषणा केली की गूगल त्यांच्या जेमिनी मॉडेल्समध्ये (Gemini Models) आणि एसडीकेमध्ये (SDK) एमसीपीसाठी (MCP) सपोर्ट (Support) देईल, जरी त्यांनी कोणतीही विशिष्ट (Specific) वेळ दिली नाही.
हसाबिस (Hassabis) म्हणाले की “एमसीपी (MCP) हा एक उत्कृष्ट (Excellent) प्रोटोकॉल (Protocol) आहे जो एआय एजंट्सच्या (AI Agents) युगासाठी झपाट्याने एक खुले मानक (Open Standard) बनत आहे. ही टेक्नोलॉजी (Technology) पुढे नेण्यासाठी आम्ही एमसीपी टीम (MCP Team) आणि उद्योगातील (Industry) इतर भागीदारांसोबत (Partners) काम करण्यास उत्सुक (Eager) आहोत.”
नोव्हेंबर 2024 मध्ये रिलीज (Release) झाल्यापासून, एमसीपीने (MCP) भाषिक मॉडेल्सना (Linguistic Models) साधने (Tools) आणि डेटाशी (Data) जोडण्याचा एक साधा, प्रमाणित (Standardized) मार्ग म्हणून लक्षणीय (Significant) लोकप्रियता (Popularity) मिळवली आहे.
एमसीपी (MCP) एआय मॉडेल्सना (AI Models) कार्ये (Tasks) पूर्ण करण्यासाठी आणि कंटेंट लायब्ररी (Content Library) आणि ऍप्लिकेशन डेव्हलपमेंट एनव्हायर्नमेंटमध्ये (Application Development Environment) प्रवेश (Access) करण्यासाठी एंटरप्राइज टूल्समधील (Enterprise Tools) आणि सॉफ्टवेअरमधील (Software) डेटा ऍक्सेस (Data Access) करण्यास सक्षम करते. हा प्रोटोकॉल (Protocol) डेव्हलपर्सना (Developers) डेटा सोर्सेस (Data Sources) आणि चॅटबॉट्ससारख्या (Chatbots) एआय-शक्तीवर (AI-Powered) चालणाऱ्या ऍप्लिकेशन्समध्ये (Applications) द्वि-दिशात्मक (Bidirectional) कनेक्शन (Connection) स्थापित (Establish) करण्यास अनुमती देतो.
डेव्हलपर्स (Developers) एमसीपी सर्व्हर्सद्वारे (MCP Servers) डेटा इंटरफेस (Data Interface) उघड (Expose) करू शकतात आणि या सर्व्हर्सशी कनेक्ट (Connect) होण्यासाठी एमसीपी क्लायंट्स (MCP Clients) (जसे की ऍप्लिकेशन्स (Applications) आणि वर्कफ्लो (Workflow)) तयार करू शकतात. अँथ्रोपिकने (Anthropic) एमसीपीला (MCP) ओपन-सोर्स (Open-Source) केल्यापासून, अनेक कंपन्यांनी एमसीपी सपोर्टला (MCP Support) त्यांच्या प्लॅटफॉर्ममध्ये (Platform) एकत्रित (Integrate) केले आहे.
आयरनवुड: एआयमध्ये (AI) एका नवीन युगाची सुरुवात
गूगलचे आयरनवुड टीपीयू (Ironwood TPU) एआय संगणनामध्ये (AI Computing) एक महत्त्वपूर्ण (Significant) झेप दर्शवते. त्याचे अभूतपूर्व (Unprecedented) कार्यप्रदर्शन (Performance), ऑप्टिमाइझ्ड आर्किटेक्चर (Optimized Architecture) आणि ए2ए (A2A) आणि एमसीपीसारख्या (MCP) उदयोन्मुख प्रोटोकॉलसाठी (Emerging Protocols) असलेले सपोर्ट (Support), त्याला एआय नवोपक्रमाच्या (AI Innovation) पुढील लाटेचे (Wave) एक महत्त्वाचे घटक बनवते. एआय मॉडेल्स (AI Models) अधिकाधिक क्लिष्ट (Complex) आणि मागणी करणारे बनत आहेत, आयरनवुड नवीन शक्यता अनलॉक (Unlock) करण्यासाठी आणि जगभरातील उद्योगांमध्ये (Industries) बदल घडवण्यासाठी आवश्यक असलेली शक्ती आणि लवचिकता (Flexibility) प्रदान करते. हे केवळ एक नवीन चिप नाही; तर बुद्धिमान (Intelligent) मशीनद्वारे (Machine) समर्थित भविष्यासाठी (Future) एक पाया आहे, जी एकत्रितपणे (Collaboratively) जटिल समस्या सोडवण्यासाठी आणि आपले जीवन सुधारण्यासाठी कार्य करते.